[发明专利]一种基于神经网络的配气站运行参数智能控制方法

权利要求书

1.一种基于神经网络的配气站运行参数智能控制方法，包括控制系统，所述控制系统包括控制器，调节阀，输气管道，压力传感器，其特征在于：包括如下步骤：

S01：根据天然气配气站进站压力、下游用户用气量、工艺流程导通相关的阀数据以及调节阀阀位数据建立相应的仿真模型；

S02：根据SPS动态模拟数据，将上游进站压力、阀门开度变化作为广义回归神经网络的输入，下游用户用气量作为输出，构建配气站智能分析仿真模型；

S03：以阀门组合和进站压力作为工况判断参数与用户用气量作为广义回归神经网络的输入，而阀门的开度作为输出构建天然气配气站的控制模型；

S04：对实际值和预测值进行误差分析，验证其模型的准确性。

2.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S01中，仿真模型计算方法如下：

连续性方程：

动量方程：

能量方程：

状态方程：

ρ＝ρ(p,T)

内能方程：

u＝u(p,T)

焓方程：

h＝h(p,T)。

3.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S01中，PID控制算法为：

4.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S02中，根据天然气分输站实际运行数据，通过SCADA系统以1min的采样间隔，连续采集现场13个孔板流量计以及与工艺流程导通相关的阀数据、调节阀阀位数据，建立动态的工艺流体模型，其特征在于，所述动态工艺流体模型是SPS运用66个节点、27条管道、47个阀门及4个边界条件(进站压力、阀门开度、下游用户用气量及截断阀的开关)建立的仿真模型，将SPS的输出的下游用户用气量和站内的压力与现场实际数据进行对比。

5.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S02中，BWRS气体状态方程：

6.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S03中，将动态模拟的阀门开度、进站压力及工艺状态参数作为广义回归神经网络的输入，下游用户用气量的变化作为输出，建立神经网络仿真模型，其特征在于，所述神经网络仿真模型，其样本数据的70％作为广义回归神经网络的训练样本，余下的30％作为模型的验证样本，并计算误差精度。

7.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S03中，模式层神经元传递函数为：

8.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S04中，配气站的控制模型则是神经网络仿真模型的逆模型，将下游用户用气量、工艺状态参数作为输入，阀门开度作为输出，建立配气站的控制模型，其特征在于，所述的配气站的控制模型，其误差精度决定了模型了可行性及配气站智能分输方案的合理性。

9.根据权利要求1所述的一种基于神经网络的配气站运行参数智能控制方法，其特征在于，所述步骤S04中，GRNN以均方误差计算方法：