【技术实现步骤摘要】
所属的技术人员知道，本专利技术可以实现为系统、方法或计算机程序产品，因此，本专利技术可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本专利技术还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本专利技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本专利技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本专利技术的限制，本领域的普通技术人员在本专利技术的范围内可以对上述实施例进行变化、修改、替换和变型。
技术介绍
1、随着国家能源消费模式的改变，天然气作为一种清洁能源，由于其价格低廉、方便实用，近些年备受关注，
2、随着天然气在中国能源消费中的比重越来越大，流量计作为商用便携式天然气计量器具的重要性越来越大，流量计检定需求也逐年增多。为了确保计量标准量值传递准确，国内从20世纪90年代后期就开始建立天然气流量计检定实验室，具备了对大管径、高压力及高精度管输天然气流量计的检定能力。检定机构普遍采用传统的质量控制措施，如定期的重复性和稳定性测试以及对标准流量计的定期检查，用来评估流量计计量的偏差，并进一步分析和评估对天然气传输影响的重要性。
3、国家石油天然气流量计量站贵阳分站主要建有天然气工作级标准装置及配套设施，天然气流量计检定口径dn50～dn400。目前，涡轮流量计是贵阳分站的主要工作级标准装置，用于监测工作级标准流量计的突发异常偏离情况。但涡轮流量计受多种因素影响，工作条件多变且监控范围固定，只能发现明显的突发偏离情况。此外，涡轮流量计内部有叶片、轴承等机械结构，在长期使用后受不清洁介质、温度、偶尔超载等影响发生气蚀、磨损、疲劳损伤等，会导致其仪表性能衰减，直到工作级标准送检的时候才能判定，发现周期长。
4、并且按照计量法规定，涡轮流量计作为一种速度式流量计，用于贸易计量时，必须每两年检定一次。但是投产后的流量计，在使用之初，即使用不到5年内发生故障的次数最少，使用5～10年后发生故障最多，用了10年以上涡轮流量计，故障发生频率处于中间。经常拆卸和安装流量计以供检定，不但费时费力，而且拆卸，运输时还可能对流量计造成损伤，致使流量计计量不准。
5、所以针对目前涡轮流量计在频繁送检的过程中所产生的效率及经济损失问题以及流量计运行过程中可能带来的计量不准确及安全隐患的问题，本文探索将深度学习等完整性理念与技术引入天然气计量检定领域，结合自身技术特点，提出一种涡轮流量计在线性能评估与性能参数预测的方法。系统采用modbus rtu及modbus tcp/ip协议，采用com串口及以太网接口，实现对涡轮流量计相关设备的各个运行参数的数据采集及预处理，利用被检流量计及标准流量计的瞬时流量、累计流量、温度以及相关参数来判断流量计的性能，最终实现流量计运行状态的在线性能监控及流量计衰减预警，从而保证涡轮流量计运行时的计量准确性。
6、国内外对天然气流量计性能方面有如下研究：
7、1)杨国芬等人研究了流量计在不同工作压力下的性能，并发现流量计仪表系数的重复性在不同工作压力下变化较小，表明流量计对压力变化的敏感性较低。
8、2)王荣晓等人研究了流量计在不同温度下的性能，发现随着温度降低，流量计示值误差的偏差方向会发生变化，从正偏差变为负偏差。此外，他们还发现使用抗低温润滑油可以基本解决低温下计量不合格的问题。
9、3)孙立军等人进行了流量计测量性能受流量稳定性影响的实验研究。他们通过控制水泵转速模拟了10种不同的流量稳定性状况，并对4种典型的流量计进行了测量性能实验。评价指标包括仪表系数的相对偏差、线性度和重复性。实验结果表明，流量计性能受流量波动的影响与流量波动的幅度和周期以及流量计本身特性相关。
10、4)项银杰等人定量地比较了水平和垂直两种安装方式对涡街流量计测量的影响。研究结果显示，当其它安装条件得到满足时，水平和垂直两种安装方式对涡街流量计涡街频率和幅度的影响非常小，基本可以忽略不计。
11、5)jungowski等人对单叶轮涡轮流量计受脉动流影响的性能特性进行了实验研究。实验结果显示，仪表误差主要受流速脉动幅值影响，并提出了一种测量涡轮流量计上游或下游动态压力来确定传感器误差的方法。
12、6)刘龙龙等人探讨了漩涡流动、脉动流、黏度等因素对涡轮流量计特性的影响机理，介绍了一些补偿测量精度的方法，并总结了实际工程中涡轮流量计安装的基本原则。唐逸欣对实时天然气组分变化进行了监控，并在组分稳定的时间段出具组分分析报告。通过对6台不同类型的流量计进行在线分析，发现天然气组分变化对检定仪表k系数的影响最大为0.23％。
13、7)刘骜等人设计了一款远程通信维护系统，其具备气量累计和气表状态实时监控及k值读取等功能，可解决流量计现场维护困难的问题。伍勇等人分析了影响流量计准确计量的因素并建立流量计在线运行工况评估标准，以及其工况流量评估与计量风险预警模型，最后给出了提高准确计量和减小误差的监测管理措施。
14、8)刘正先等人对涡轮流量计的结构进行了深入的研究。他们提出，采用半椭球体导流结构可以减少压力损失，改变叶片形状及适当增加叶轮叶片数量能够提高流量计的灵敏度。
15、9)传统的时间序列预测方法是通过确定时间序列的参数模型并求解模型参数来预测未来的值。box和jenkin提出对于给定的时间序列，首先通过对原始时间序列进行差分，检验差分后的时间序列的平稳性来确定d的大小，通过偏自相关函数pacf来确定p值，自相关函数acf来确定q值，然后估计出模型的具体参数值，最后检验拟合模型的适当性，并在必要时适当的改进模型。可以看出传统的时间序列预测方法非常依赖参数模型的选择,能否正确选择参数模型在很大程度上决定了预测结果的准确率。
16、10)borovykh等对现有的深度学习模型wavenet进行修改,从而实现对大范围历史数据本文档来自技高网...
【技术保护点】
1.一种基于深度学习的天然气流量计性能评估方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的天然气流量计性能评估方法，其特征在于，所述第一预设学习模型为DCC扩展因果卷积网络，其中，根据扩展因果卷积网络和Informer模型，构建得到所述DCC扩展因果卷积网络。
3.根据权利要求1或2所述的一种基于深度学习的天然气流量计性能评估方法，其特征在于，获取天然气流量计性能关联的每个特征对天然气流量计的性能评估结果的影响值，包括：
4.根据权利要求1或2所述的一种基于深度学习的天然气流量计性能评估方法，其特征在于，天然气流量计性能关联的多个特征包括：工况瞬时流量、叶轮转速、标况瞬时流量、温度、流动类型、压力、频率、标况累计流量、工况累计流量、振幅、流体粘度和流体密度。
5.一种基于深度学习的天然气流量计性能评估系统，其特征在于，包括目标特征确定模块、第一数据集构建模块、第一训练模块和性能评估模块；
6.根据权利要求5所述的一种基于深度学习的天然气流量计性能评估系统，其特征在于，所述第一预设学习模型为DCC扩展因
7.根据权利要求5或6所述的一种基于深度学习的天然气流量计性能评估系统，其特征在于，所述目标特征确定模块包括第二数据集构建模块、第二训练模块和分析确定模块；
8.根据权利要求5或6所述的一种基于深度学习的天然气流量计性能评估系统，其特征在于，天然气流量计性能关联的多个特征包括：工况瞬时流量、叶轮转速、标况瞬时流量、温度、流动类型、压力、频率、标况累计流量、工况累计流量、振幅、流体粘度和流体密度。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1至4任一项权利要求所述的一种基于深度学习的天然气流量计性能评估方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1至4任一项权利要求所述的一种基于深度学习的天然气流量计性能评估方法。
...【技术特征摘要】
1.一种基于深度学习的天然气流量计性能评估方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的天然气流量计性能评估方法，其特征在于，所述第一预设学习模型为dcc扩展因果卷积网络，其中，根据扩展因果卷积网络和informer模型，构建得到所述dcc扩展因果卷积网络。
3.根据权利要求1或2所述的一种基于深度学习的天然气流量计性能评估方法，其特征在于，获取天然气流量计性能关联的每个特征对天然气流量计的性能评估结果的影响值，包括：
4.根据权利要求1或2所述的一种基于深度学习的天然气流量计性能评估方法，其特征在于，天然气流量计性能关联的多个特征包括：工况瞬时流量、叶轮转速、标况瞬时流量、温度、流动类型、压力、频率、标况累计流量、工况累计流量、振幅、流体粘度和流体密度。
5.一种基于深度学习的天然气流量计性能评估系统，其特征在于，包括目标特征确定模块、第一数据集构建模块、第一训练模块和性能评估模块；
6.根据权利要求5所述的一种基于深度学习的天然气流量计性能评估系统，其特征在于，所述第一预设学习模型为dcc扩展因果卷积网络，其中，根据扩展...
【专利技术属性】
技术研发人员：刘思怡，张剑，李顺勇，刘可薇，朱芮，于剑虹，王磊，郑劲，樊益东，唐乐，李振国，夏寿华，
申请(专利权)人：国家石油天然气管网集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。