System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及管道监测,尤其涉及一种管道应力预测模型的训练方法、装置以及计算设备。
技术介绍
1、管道输送是能源运输所采取的主要输送方式之一。隧道穿越段输油气管道常处于复杂的地质和水文条件区域,容易受到地形地貌、敷设工艺、管道线形、建设偏离、约束形式、外荷载变化等因素影响,管道应力状态及其变化规律较为复杂,当输送工况改变时将可能加剧管道应力集中程度,影响管道运营安全。如何实现运行工况与管道应力水平及其安全余量的量化关联,与对管道运行工况许用限值的实时动态掌握,进而指导生产实践与完整性管理工作,在保证管道安全的前提下,发挥好油气管道的输送能力,是当前输油气管道生产运营过程中面临的一个亟待解决的重要问题。
2、基于已有信息开展相关性分析与管道应力预测是解决上述问题的一个值得探索的路径。目前,关于隧道穿越段管道应力预测的研究主要采用基于有限元分析的数值模拟方法和基于监测数据的经验公式或者统计模型方法。
3、数值模拟方法通过建立管道-土体耦合模型,利用有限元法或边界元法等对管道在不同工况下的应力分布进行计算和变化规律分析。这种方法计算量相对较大、计算复杂度较高,且需要具有丰富经验的分析人员对现场情形进行深入分析,进而将贴合现场实际的参数和边界条件设定添加至模型,不利于日常生产运营过程中的便捷应用。
4、基于经验公式的计算方法通过利用已有的经验公式、经验系数,或基于历史数据得到的统计分析,根据简化的假设和条件,估算出管道在不同工况下的应力值。这种方法预测精度受到多种因素的限制,对于复杂的非线性关系和时序
技术实现思路
1、本专利技术提供一种管道应力预测模型的训练方法、装置以及计算设备,能够通过获取样本数据训练得到训练完成的管道应力预测模型,进而实现对隧道穿越段的管道应力进行快速、高效以及准确的预测,提升预测结果的稳定性。
2、本专利技术解决上述技术问题的技术方案如下:
3、第一方面,本专利技术提供一种管道应力预测模型的训练方法,上述方法包括:获取样本数据,样本数据包括多个管道截面在多个时刻的截面轴向最大拉应力、截面轴向最大压应力、截面轴向最大拉应力对应圆周角度、截面轴向最大压应力对应圆周角度、管道运行压力和输送介质温度。对样本数据进行处理,得到第一数据集,第一数据集包括每个管道截面在多个时刻中每个时刻对应的截面轴向最大拉应力、截面轴向最大压应力、截面轴向最大拉应力对应圆周角度、截面轴向最大压应力对应圆周角度、管道运行压力和输送介质温度。确定第一数据集中的异常数据,将第一数据集中的异常数据删除,得到第二数据集,异常数据为第一数据集中的噪声数据或离群值数据。根据第二数据集对管道应力预测模型进行训练,得到训练完成的管道应力预测模型,其中,训练管道应力预测模型的训练优化器为自适应矩估计adam算法,损失函数为均方误差mse函数。
4、在第一方面一种可能的实现方式中,在根据第二数据集对管道应力预测模型进行训练之前,上述方法还包括:确定第一数据集和第二数据集中的每个管道截面在多个时刻中每个时刻的截面轴向最大拉应力对应圆周角度对应的预设三角函数值。以及确定第一数据集和第二数据集中的每个管道截面在多个时刻中每个时刻的截面轴向最大压应力对应圆周角度对应的预设三角函数值。基于三角函数值对第一数据集和第二数据集中的每个管道截面在多个时刻中每个时刻对应的截面轴向最大拉应力对应圆周角度和截面轴向最大压应力对应圆周角度进行替换。
5、在第一方面一种可能的实现方式中,上述方法还包括:将第一数据集切分为第一训练数据集、第一验证数据集和第一测试数据集。根据第一训练数据集对异常数据识别模型进行训练。根据第一验证数据集验证异常数据识别模型的模型泛化能力。根据第一测试数据集对异常数据识别模型的性能进行测试。在异常数据识别模型的性能满足预设条件的情况下,得到训练完成的异常数据识别模型。
6、在第一方面一种可能的实现方式中,上述方法还包括:确定第二数据集中每个管道截面在多个时刻中每个时刻对应的拉应力安全余量和当量应力安全余量。将第二数据集中的每个管道截面在多个时刻中每个时刻对应的截面轴向最大拉应力替换为每个时刻对应的拉应力安全余量,将第二数据集中每个管道截面在多个时刻中每个时刻对应的截面轴向最大压应力替换为每个时刻对应的当量应力安全余量,得到第三数据集。基于第三数据集,以管道运行压力为目标值,对第一工况限值预测模型进行训练,得到训练完成的第一工况限值预测模型。其中,训练第一工况限值预测模型的训练优化器为自适应矩估计adam算法,第一工况限值预测模型用于预测管道截面的管道运行压力的工况限值。基于第三数据集,以输送介质温度为目标值,对第二工况限值预测模型进行训练,得到训练完成的第二工况限值预测模型,其中,训练第二工况限值预测模型的训练优化器为自适应矩估计adam算法,损失函数为均方误差mse函数,第二工况限值预测模型用于预测管道截面的输送介质温度的工况限值。
7、在第一方面一种可能的实现方式中,样本数据中还包括每个管道截面的管道管径、壁厚、钢级、管道截面标识、截面是否靠近弯头以及截面是否处于埋地段。
8、拉应力安全余量smt和当量应力安全余量sme的确定公式为:
9、smt=smt0+s
10、sme=sme0+△p*d/(2*δ)+sc
11、其中,smt0为监测开始前拉应力安全余量初始值,单位mpa。st为拉应力监测值,单位mpa。sme0为监测开始前当量应力安全余量初始值,单位mpa。△p为监测过程中管道运行压力变化量,单位mpa。d为管道外径,单位mm。δ为管道壁厚,单位mm。sc为压应力监测值,单位mpa。
12、在第一方面一种可能的实现方式中,管道应力预测模型、第一工况限值预测模型和第二工况限值预测模型为多层全连接神经网络模型。
13、在第一方面一种可能的实现方式中,上述方法还包括:获取待检测管道截面的监测数据,监测数据包括待检测管道截面在目标时刻对应的截面轴向最大拉应力、截面轴向最大压应力、截面轴向最大拉应力对应圆周角度、截面轴向最大压应力对应圆周角度、管道运行压力和输送介质温度。在监测数据中缺失待检测管道截面在目标时刻对应的截面轴向最大拉应力、截面轴向最大压应力、截面轴向最大拉应力对应圆周角度、截面轴向最大压应力对应圆周角度中的一项或多项的情况下,将监测数据输入训练完成的管道应力预测模型,输出监测数据中缺失的待检测管道截面在目标时刻对应的截面轴向最大拉应力、截面轴向最大压应力、截面轴向最大拉应力对应圆周角度、截面轴向最大压应力对应圆周角度中的一项或多项。
14、在第一方面一种可能的实现方式中,上述方法还包括:将待检测管道截面在目标时刻对应的截面轴向最大拉应力、截面轴向最大压应力、截面轴向最大拉应力对应圆周角度、截面轴向最大压应力对应圆周角度、管道运行压力和输送介质温度输本文档来自技高网...
【技术保护点】
1.一种管道应力预测模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,在所述根据所述第二数据集对管道应力预测模型进行训练之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述样本数据中还包括每个所述管道截面的管道管径、壁厚、钢级、管道截面标识、截面是否靠近弯头以及截面是否处于埋地段;
6.根据权利要求5所述的方法,其特征在于,所述管道应力预测模型、所述第一工况限值预测模型和所述第二工况限值预测模型为多层全连接神经网络模型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
9.一种管道应力预测装置,其特征在于,所述装置包括:
10.一种计算设备,其特征在于,包括:
【技术特征摘要】
1.一种管道应力预测模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,在所述根据所述第二数据集对管道应力预测模型进行训练之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述样本数据中还包括每个所述管道截面的管道管径、壁厚、钢级、管道截面标...
【专利技术属性】
技术研发人员:邱春斌,曹国飞,赵冬野,胡子秋,张照旭,杨洪兵,涂怀鹏,毛建,谈玉同,何佰毅,宋奕,修林冉,丁疆强,马赛,焦庆军,
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。