【技术实现步骤摘要】
本申请涉及天然气管网水力，具体涉及一种用于确定天然气管网水力的方法、处理器及存储介质。
技术介绍
1、天然气管网水力计算使天然气管网系统稳定运行、精准调控和优化分析的基础。在天然气管网水力计算中，管网流量分配因影响因素多，不确定性强，计算复杂，容易出现误差，导致天然气管网系统的运行难度增加，运行工况出现偏差。传统的管网水力计算是采用节点流量方程、管段能量方程，联立管段压降方程建立管网水力计算模型，采用节点方程法求解。但是该计算方法计算量较大，且在复杂的环境下无法进行精准的流量分配。
技术实现思路
1、本申请实施例的目的是提供一种用于确定天然气管网水力的方法、处理器及存储介质。
2、为了实现上述目的，本申请第一方面提供一种用于确定天然气管网水力的方法，包括：
3、根据天然气管网的管道节点和边界元件确定天然气管网的拓扑结构图，拓扑结构图包括多个管道、每个管道对应的节点以及每个管道的流向；
4、根据天然气管网的管道参数、气源来流参数以及第一目标方程确定每个管道的气体参数；
5、将每个管道的气源来流参数、节点参数以及每个管道对应的设备参数输入至神经网络流量分配模型，以通过神经网络流量分配模型输出每个管道的目标流量；
6、将气体参数和目标流量输入至天然气管网的管网水力计算模型，以通过管网水力计算模型确定天然气管网每个节点处的运行数据，其中，管网水力计算模型是基于拓扑结构图和第二目标方程建立的；
7、其中，神经网络流量分配
8、在本申请实施例中，方法还包括神经网络流量分配模型的训练步骤，训练步骤包括：获取多个训练数据，每个训练数据包括历史管道的历史气源来流参数、历史节点参数以及历史设备参数；将多个训练数据进行预处理以得到多个目标训练数据；依次将每个目标训练数据输入至神经网络流量分配模型，以通过神经网络流量分配模型输出与目标训练数据对应的每个历史管道的预测流量；比对预测流量与预设流量，以确定神经网络流量分配模型的预测准确率；在预测准确率大于或等于预设准确率阈值的情况下，确定神经网络流量分配模型训练完成。
9、在本申请实施例中，管道参数包括管道的直径和实际粗糙度，气源来流参数包括天然气的密度、天然气的流速以及天然气混合物中的组分体积分数，根据天然气管网的管道参数、气源来流参数以及第一目标方程确定每个管道的气体参数包括：根据管道的直径、实际粗糙度、天然气的密度以及天然气的流速确定管道的摩擦阻力系数；根据管道的天然气密度和天然气混合物中的组分体积分数确定管道的天然气压力；根据摩擦阻力系数、天然气压力以及第一目标方程确定每个管道的气体参数。
10、在本申请实施例中，根据公式(1)计算摩擦阻力系数：
11、
12、其中，λ为管道的摩擦阻力系数，d为管道的直径，re为雷诺数，ε为管道的实际粗糙度。
13、在本申请实施例中，根据公式(2)计算天然气压力：
14、
15、其中，
16、p为天然气压力，ρ为天然气的密度，rm为通用气体常数，t为系统温度，yi为天然气混合物中的组分i的体积分数，yj为天然气混合物中的组分j的体积分数，kij为组分i，组分j间的交互作用系数，为天然气混合物中的组分i的维里系数a0的0.5次方，为天然气混合物中的组分j的维里系数a0的0.5次方，b0i为天然气混合物中的组分i的维里系数b0，为天然气混合物中的组分i的维里系数c0的0.5次方，为天然气混合物中的组分j的维里系数c0的0.5次方，为天然气混合物中的组分i的维里系数d0的0.5次方，为天然气混合物中的组分j的维里系数d0的0.5次方，为天然气混合物中的组分i的维里系数e0的0.5次方，为天然气混合物中的组分j的维里系数e0的0.5次方，ai为天然气混合物中的组分i的维里系数a，bi为天然气混合物中的组分i的维里系数b，ci为天然气混合物中的组分i的维里系数c，di为天然气混合物中的组分i的维里系数d，αi为天然气混合物中的组分i的维里系数α，γi为天然气混合物中的组分i的维里系数γ。
17、在本申请实施例中，根据公式(3)确定气体参数：
18、
19、
20、其中，ρ为天然气的密度，τ为时间变量，u为天然气的流速，x为天然气流动方向上的空间变量，p为天然气的压力，g为重力加速度，π为圆周率，θ为管道与水平面的夹角，λ为管道的摩擦阻力系数，d为管道的直径，a为管道的横截面积，h为天然气的焓值，k为管道的换热系数，t为系统温度，t0为环境温度。
21、在本申请实施例中，第二目标方程如表达式(4)所示：
22、
23、其中，a为(n-1)*m的降阶管网拓扑图关联矩阵，n为管网的节点数，m为管网的管段数，q为管网的管段流量列向量，q为管网的节点流量列向量，at为a的转置矩阵，h为管网的节点压力列向量，δh为管网的管段压降向量，s为m×m阶阻力系数对角矩阵，|q|为m×m阶管道流量绝对值对角矩阵，z为管段分支中两节点的势能差向量，hp为管段中压缩机的扬程向量。
24、在本申请实施例中，在通过管网水力计算模型确定天然气管网每个节点处的运行数据之后，每隔预设时长则再次回到根据天然气管网的管道节点和边界元件确定天然气管网的拓扑结构图的步骤，以得到更新后的天然气管网的运行数据。
25、本申请第二方面提供一种处理器，被配置成执行上述的用于确定天然气管网水力的方法。
26、本申请第三方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的用于确定天然气管网水力的方法。
27、上述技术方案，通过天然气管网的管道节点和边界元件确定天然气管网的拓扑结构图，通过天然气管网的管道参数、气源来流参数以及第一目标方程确定每个管道的气体参数。将每个管道的气源来流参数、节点参数以及每个管道对应的设备参数输入至神经网络流量分配模型，以通过神经网络流量分配模型输出每个管道的目标流量。将气体参数和目标流量输入至天然气的管网水力计算模型，以通过管网水力计算模型确定天然气管网每个节点处的运行数据，其中，管网水力计算模型是基于拓扑结构图和第二目标方程建立的。采用该技术方案，能够提高天然气管网的水力计算效率和精准度，得到天然气管网精确的流量分配数据和稳定的水力运行数据。
28、本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种用于确定天然气管网水力的方法，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，所述方法还包括所述神经网络流量分配模型的训练步骤，所述训练步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述管道参数包括所述管道的直径和实际粗糙度，所述气源来流参数包括所述天然气的密度、天然气的流速以及天然气混合物中的组分体积分数，所述根据所述天然气管网的管道参数、气源来流参数以及第一目标方程确定每个管道的气体参数包括：
4.根据权利要求3所述的方法，其特征在于，根据公式(1)计算所述摩擦阻力系数：
5.根据权利要求3所述的方法，其特征在于，根据公式(2)计算所述天然气压力：
6.根据权利要求3所述的方法，其特征在于，根据公式(3)确定所述气体参数：
7.根据权利要求1所述的方法，其特征在于，所述第二目标方程如表达式(4)所示：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.一种处理器，其特征在于，被配置成执行根据权利要求1至8中任意一项所述的用于确定天
10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至8中任一项所述的用于确定天然气管网水力的方法。
...【技术特征摘要】
1.一种用于确定天然气管网水力的方法，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，所述方法还包括所述神经网络流量分配模型的训练步骤，所述训练步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述管道参数包括所述管道的直径和实际粗糙度，所述气源来流参数包括所述天然气的密度、天然气的流速以及天然气混合物中的组分体积分数，所述根据所述天然气管网的管道参数、气源来流参数以及第一目标方程确定每个管道的气体参数包括：
4.根据权利要求3所述的方法，其特征在于，根据公式(1)计算所述摩擦阻力系数：
5.根据权利要求3所述的方法，其特征在...
【专利技术属性】
技术研发人员：王雁冰，张奎，林敏，孙丽敏，姜琛，田艳辉，夏廷仪，路双，耿鹏，倪良玉，
申请(专利权)人：中国石油化工股份有限公司，
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。