油气管道站场数字孪生建设中的数据与模型

A
*
( xk
* t
* )f
(x kF )f Z
* (x kS )f
A * (x k * ) f
A* ( * )f + Ff
t
Z
=
_ s * Sf + A* f
hcond = f cond1
Tg
*
H fg
+
f
cond 2
Dh
*
Tg Tg
* Tsat - Tw
-
T
wall
0.25
' N' umerator
n
i 1
Mgi
Mgi * Hg sat
Mgnc * Hrefnc Cpg * (Tesat Te g )
A = A0 * ( exp( D * *( P - Pref ) / ( E*
Xs
))
A*
(
* t
*
h
)f
=-
(h* F Z
)f
+
A* (Q -
计算物性参数 搭建水力计算模型 搭建压气站模型
搭建水力计算模型 搭建开站方案计算模型 搭建压气站模型
校核各模型的精确度
初步应用
第一阶段---预训练： 深度模型的初始化权值网络 第二阶段---整体微调： 对预训练后神经网络的各层权值进行整体 微调，有利于权值误差迭代过程收敛性。 跳出局优，达到近似全局最优权值网络。
(h* F Z
)
f
+
A* (Q -
Wwork +
* hsat )f
+
* hS * Fs
=
ref P - Pref
1+
Biso
Mg
*
Hg
Hg
(Xmleagk =i Am*g Ho )u*p -Ht d*n
*HP(XFg122*--XF12in2)1
MF1g2i
X1- MF2
2 g
iX*2
2 A0
4C 0 T2
5D0 T3
6E0 T4
1 2 bRT 2
3 a 4 d 2 T
1 6 a 7 d 5
5
T
c T 2
3
3
2 2
2 4 exp
2
u
h
p
初步应用
A
*
( * t
)f
Ff Z
* Sf
A * f
h cond
2k s
ln
2L
b
0
1 2
0
0
0
Cw
0
Cw
0
2
2
0
1
2
0
1 2
0
1 2
0
0
1
0
2
0
0
Cw
2
0
Cw
2
0
0
Cw
2
0
0
Cw
2
0
0
1
0
1
0
0
0
Cw
0
2
2
2
Ax
0
0
0
1
0
2
0
0
Cw 2
0
Cw 2
1 Cw
0
0
0
0
1
2C w
0
1
2C w
0
0
1
0
1
0
2C w
2C w
0
1
0
1
0
1
2
2
0
1
0
2
0
1
2
0
0
0
0
站场工艺控制
站场工艺和设备孪生体建设
数字孪生站场
（说明：下图来自于中石化徐州管道公司张微波处长的PPT ）
当前液位 最低液位
运行时间：20天 故障率：0.03%
50m
数字技术特征及基础 站场数字孪生建设 数据、模型及算法 数据融合和模型校订 面临的问题与困难
固有特性、实时数据
数据的量与关联性 数据的量与可用性
0
0
0
0
R C w
0
2N 方 阵
初步应用
安装调试
技术交流
初步应用
数字技术特征及基础 站场数字孪生建设 数据、模型及算法 数据融合和模型校订 面临的问题与困难
管道孪生系统与实体系统交互----辅助决策
智能决策
l 实时模式 l 预测模式 l 计划模式 l 决策优化支持系统 l 故障诊断系统 l 任务可靠性系统
系统同步
油气管道系统的数字孪生基础
硬件
感觉
理解
动作
软件!!
油气管道系统数字孪生基础
l 模型 l 数据及数据库 l 算法 l 知识库
h cond
2k s
ln
2L
b
4L
2 b
D
2 o
Do
1
s
1 ks
fV 8
2
y
n
A
*
( * t
)f
Ff Z
* Sf
A * f
PPMout = PPMin * ( 1 - (KDp + KDs * ) * L )
管道孪生和实体系统交互
孪生体 系统适应调整 深度学习算法
实体系统
感知+调整 实时调度控制
孪生体预测 管道系统变化 鲁棒闭环控制
SCADA 系统
数据处理及数据融合
调和模型建立和求解
代价函数
2
1
加权的模型误差
加权的测量误差
目标函数
min
xr ,xe
xr xe
z g
xe
,
z
T
W
V
xr xe
0
0
0
0
1 / C w
0
0
0
0
R 2
0
R 2
0
0
R
0
R
2
2
0
0
0
R
0
2
0
0
0
0
0
0
0
0
Bx
0
0
0
0
0
R
0
Cw
0
0
R
2
R
0
2
R
0
2
0
0
0
0
0
R
2
R
2
0
0
0
R
0
R
0
2C w
2C w
0
0
0
R
0
R
2C w
2C w
0
0
0
0
R
0
R
2C w
2C w
0
0
0
数字技术特征及基础 站场数字孪生建设 数据、模型及算法 数据融合和模型校订 面临的问题与困难
数字技术特征
数字技术导致第四次工业革命，通过智能化改变我们油气生产的设计和运行管理
（说明：上图来自于黄维和院士讲座）
数字技术特征
数字化
设计
管
智能化
道
运行
全产业
数据
综合
数字技术特征
数字管道
数
字
智能管道、智慧管网
Mg * Hg
Hg
(m gi
mg
o
)
*
t
*
H P
*
g
n i 1
M gi M gi
* H g sat
Wwork + * hsat )f + * hS * Fs
P = M * VR * Z- (VT ) * T MCheathraocdteorfistics total
k
k
total
大量 数据
进行训练 网络模型
未训练 数据
进行校验 网络模型
数据输入 网络训练
数据模型+算法
输出与检验
初步应用
1、经过225次试算得到了此网络结构 2、预训练时每层平均迭代3027次 3、整体微调时一共迭代了5572次 4、选取了300个样本进行验证 5、最大绝对误差为0.1
平均误差为0.5×10-2 平均相对误差为0.15%
Ø 模型基础 Ø 基础参数
物性、系统组成、环境 Ø 设备特性 Ø 组态 Ø 系统模型 Ø 建立符合实际的管道和站场模型 Ø 数据、知识、逻辑及算法 Ø 孪生体的成长 Ø 生产管理、控制 Ø 事故预测
研究 原因
换算 路线
压缩机现场 实际特性
压缩机原厂 测试特性
压缩机运行 时各项数据
二者往往存 在偏差
孪
生
数据库+知识库
数字孪生概念
Ø Digital Twin数字孪生：数字孪生体是指充分利用物理模型、传感 器、运行历史等数据，集成多学科、多物理量、多尺度、多概率的 仿真过程，在虚拟信息空间中对物理实体进行镜像映射，反映物理 实体行为、状态或活动的全生命周期过程 DT=(PP,VP,VR)——PP-实体；VP-虚拟；VR-实体与虚拟的连接
z g
xe
,
z
s.t. z xr r r xr z
g xe, z xe e e xe g xe, z
xlow x xup
zlow z zup
约束条件
生产系统 相关模型
应用层 模型层
基于瞬 态的批 次计划
数据处 理模型
仪表参 数智能
校准
数据分 析模型
事故工 况智能
调控
工艺计 算模型
混油界 面自动
切割
设备运 行状态
识别
工况预 测模型
智能调 控模型
数据层
SCADA
站场实体
数字孪生模块连接关系
站场总体模块关系
优化调 度
数据模 型
Digital Thread
控制模 型
工艺模 型
经验证：此网络模型满足工程精度要求， 可以使用
开站误差 无误差 1站不一致 大于1站
个数 504 23 3
比例% 95.1 4.43 0.56
模型开站预测结果：开站误差超过1站的约占5%。
数据模型+算法
初步应用
w
x
t
1 A
N
G i (t ) ( x
i 1
xi )
0
w P w 2 g ds w 2 0
4L
2 b
D
2 o
Do
1
s
1 ks
fV 8
2
y n
PPMout = PPMin * ( 1 - (KDp + KDs * ) * L )
A
*
( xk
* t
*
)f
(x kF )f Z
* (x kS )f
A * (x k * ) f
A* ( * )f + Ff
t
Z
=
_ s * Sf + A* f
虚拟空 间
信息 过程
数据
真实空 间
（说明：上图来自于中石化徐州管道公司张微波处长的PPT ）
目前的应用大多局限于数据的管理工作，数据的采集、分类、整理、显示，无法直接指导与解决 生产问题
对数据的利用不足 o 无法得到数据背后的操作指导意义 o 无法基于历史数据对未来进行预测 o 仅仅是显示界面的改变 o 没有形成数据驱动模型，来与控制
liq
If ( P .gt. Py * xo )then
F2
2 * gc * Ku *
*
f *L
A
2 n
*
D
1
Kf
A(Vp)
2 f
* P
= P - P g
ref ref
Xleak = A *
Hup - Hdn
* (X2 - X1) F12 X1 - F2 2 X2 F12 - F2 2
1 + B F e
H
g
sat
fDW
1.0
K1
-
2.0*log10
reff Deff
K2 NReK3
2
F e
A
BT
C
ρ
2 0
DT
ρ
2 0
1 0.0000073P
1000000
+1
Fcrit = Arec * {
pup up
2 +1
Y -1
}1/ 2
机理模型+算法
f NRe, * n 0.7 D
A*
(
* t
*
h
)
f
=-
M k * R * Z(T)k * Tg
P total =
V total - V liq
If ( P .gt. P y * xo )then
F 2 2 * gc * Ku * * f * L
1 Kf
* P
A
2 n
*
D
A(Vp)
2 f
else
F 0 .0
endif
hcond = f cond1
Tg
*
H fg
+
f
cond 2
Dh
*
Tg Tg
* Tsat - Tw
-
T
wall
0.25
A = A0 * ( exp( D * *( P - Pref ) / ( E* Xs ) )
'N'umerator
n
i1
Mgi
Mgi*
Hgsat
Mgnc* HrefncCpg*(Tesat Teg )
t
x
x
dx d 2
机理模型+算法
Q x
wA
t
(
A
)
u
w2 2
gs
x
( wA
) h
w2 2
gs
P
RmT
B0
RmT
A0
C0 T2
D0 T3
E0 T4
2
d 6 c 3
T
T2
1 2
exp
2
h
h0
B 0 RT
1
2C w
0
1
2C w
0
0
0
1
0
1
2C w
2C w
0
0
0
1 Cw
1 Cw
2N 4 矩阵
1/2
0
0
Cx
0
1 /( 2 C w )
0
0
0
0 0 0 1/Cw 0 0 0 0
0 0 1/2 0 0 0 1 /(2 C w ) 0
0
0
0
A
BT
C
ρ
2 0
DT
ρ
2 0
1
fDW iso
K1
-
0.0000073P
1.0
2.0*log10
reff Deff
Fcrit =
NK
2 2
Re K3
Arec * {
pup up
2 +1