基于数据驱动与机理模型融合的热网水力平衡分析方法

随着环保要求的不断提高,城市集中供暖小锅炉被逐步关停,并被接入城市主干网,热网不断扩张。与此同时,热量的生产也运用地热、太阳能、工业余热、电热等多种热源,使得集中供热系统变得更加复杂。靠传统手工运算方式、或者理想机理建模方式较难对热网的结构设计及运行进行科学优化,需要通过计算机仿真建模的手段,并结合实际热网运行的数据对热网进行阻力特性辨识,才能真正起到有效的作用。本文研究了基于数据驱动与机理模型融合的集中供热网水力平衡分析模型,并利用来自热网SCADA运行数据通过多种机器学习算法对先验知识模型的参数进行学习优化,最终建立与真实热网相匹配的水力分析模型,此种方法可为热力企业的热网结构优化改造、经济运行提供技术参考。     

基于奇异值特征的管道压力波识别方法

在输油管道泄漏诊断过程中,提取压力波动信号的哪种特征参数作为识别依据是提高管道泄漏诊断准确率的关键。为此提出一种基于奇异值分解的压力波动信号特征提取方法,并通过构建BP神经网络对其分类,判断管道所处工况状态。在不影响识别效果的前提下,对奇异值向量进行适当降维压缩,能达到消除压力信号噪声和减少识别运算量的目的。试验表明,采用引入"动量项"的BP神经网络压力波识别分类器识别准确率高。基于奇异值特征与BP神经网络的管道压力波识别方法运算速度快,能满足管道泄漏监测在线运行的要求,有较高的应用价值。