油气管道站场数字孪生建设中的数据与模型

1、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）数字化 设计智能化 运行全产业 数据 综合管 道数字技术特征数字管道智能管道、智慧管网数 字 孪 生数据库+知识库数字技术特征数字孪生概念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-

2、实体；VP-虚拟；VR-实体与虚拟的连接虚拟空 间真实空 间数据信息 过程（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没有形成数据驱动模型，来与控制 系统同步油气管道系统的数字孪生基础感觉理解动作硬件软件!D o2k sh cond ln bbo 2L4L 2 D 2 A * ( * ) f F f t Z * S f A * fA* ( x k * * ) f ( x k F )

3、 f t Z * ( x k S ) f A * ( x k * ) fs Sff= _ *+ A*A* (* )f + Ff t Z= -(h* F)f Z(* * h )f t+ A* (Q - Wwork + * hsat )f + * hS * FsPM k * R * Z (T )k * T g to ta l =V- Vto ta lliq1 + = refP - PrefBisoCharacteristicssatsatgn i 1 N umerator Mgi Mgi * Hg Mgnc * Hrefnc Cpg * (Te Te )g satgggn i 1M i M i*

4、HHMg * Hg Hg (m gi mg o ) * t * P *Method ofA * Hup - Hdn * (X2 - X1) F12 X1 - F2 2 X2Xleak =F12 - F2 2PPMout = PPMin *( 1 - (KDp + KDs * ) * L )A = A0 * ( exp( D * *( P - Pref ) / ( E*Xs ) )A*10000001 0.0000073P F 0 0 C DT e A BT 2 2 2 + 1 Fcrit = Arec * pup up + 1Y - 1 1 / 2endif 1A2 * D A(Vp)2nf*

5、 P f * L Kf elseF 0.0F 2 2 * gc * Ku *If ( P .gt. Py * xo )then0.7D f NRe, * n81 n s s k y 1 fV 22 Deff NRereff K2 1.0 K1 - 2. K3 0*log10 fDW + * - H = f T *hDh * Tg - Tw wallfg f2dnocTg Tsat T0.25condcond 1gd twallsatl g P g.29l.5.24 .24.45 .49ll.79k lh p b * T- T dP 0.75= 0.0000122 hCp 模型数据及数据库算法知

6、识库油气管道系统数字孪生基础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 面临的问题与困难站场数字孪生框架-成品油管道工艺运行为例SCADA站场实体数据处 理模型数据分 析模型工艺计 算模型工况预 测模型智能调 控模型基于瞬 态的批 次计划仪表参 数智能 校准事故工 况智能 调控混油界 面自动 切割设备运 行状态 识别模型层应用层数据层数字孪生模块连接关系Digital Thread优化调 度控制模 型工艺模 型数据模 型站场总体模块关系站场工艺控制站场工艺和设备孪生体建设当前液位最低液位运行时间：20天 故障率：0.03%50m（说明：下图来自于中石化徐州管道公司张

7、微波处长的PPT ）数字孪生站场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可用性数据的量与关联性模型基础基础参数物性、系统组成、环境设备特性组态系统模型建立符合实际的管道和站场模型数据、知识、逻辑及算法孪生体的成长生产管理、控制事故预测压缩机原厂 测试特性压缩机现场 实际特性二者往往存 在偏差安全、高效的工 作区有偏移原厂测试数据不 可靠压缩机运行 时各项数据相似换算深度学习输出现场实际特 性曲线研究 原因换算 路线BCADEFG管道基础 数据运行方案 库现场 SCADA数据天然气物性数据管道拓扑结构 压缩机出厂数据其他

8、数据进出站压力温度 沿线开站方案 压气站运行数据 其他数据真实运行数据真实能耗数据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基 础 数 据 库初步应用第一阶段-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。数据输入输出与检验网络训练大量 数据网络模型进行训练未训练 数据进行校验网络模型数据模型+算法初步应用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557

9、2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0.510-2平均相对误差为0.15%经验证：此网络模型满足工程精度要求， 可以使用开站误差个数比例%无误差50495.11站不一致2 34.43大于1站30.56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i 1 x tAG i ( t )( x x i ) 0 w 1N 0gdxd2 t x x w P w 2 ds w 2 gs gs 2wA ) h x (2A ) u t (2w2w Q wA x20T bRT a d 3 C 0 D 0 E 0T 2T 3T 4P RT BRT Am0mm6

10、T d a 21 2 exp 2 Tc320024 d T 3 a 1 2 bRT 4 C 0 5 D 0 6 E 0T 2T 3T 4h h 0 BRT 2 A5517 d T6 a 2422 3 3 exp 22cTpu h 机理模型+算法初步应用A* ( * ) f F f t Z * S fA * fA* ( x k* * ) f t ( x k F ) f Z * ( x k S ) fA* ( x k * ) ffsf+ Ff t Z=_ * S+ A* A* (* )f)worksatf(* * h )f(h* F)fA* t= - Z+ A* (Q - W+ * hSs+ *

11、h * FP to tal=M k * R * Z (T )k * T gV to tal - V liq =1 +refP - PrefBiso Numeratorsatsatgni1Mgi*HgMgnc*HrefncCpg*(TeTe )Mgi satgm g mg ) * t * H*n M i M i*ioPi1gggMg * Hg Hg (22F12 - F2 21 - F2 X2 HA * Hup - HXleak =dn* (X2 - X1) F1 XPPMout = PPMin *( 1 - (KDp + KDs * ) * L )A = A0 * ( exp( D * *(

12、P - Pref ) / ( E* Xs ) )1000000 1 0.0000073P F 22 00 C DT e ABT 1/ 2pupupFcrit = Arec * 2 Y -1 + 1 + 1A(Vp) 12fA 2 * Dn2* P f * L K f elseF 0 . 0endifIf ( PF 2 * g c * K u * *.gt. P y * xo )then0.7D f NRe, * n1 ks 8s y 1 fV 2 n2rffe 2K1.0K3 Deff NRe K1 - 2.0*log10fDW D o2k shcond ln bbo 2L4L 2 D 2 *

13、 Hfg + f cond 2 Tg * Tsat - T wall 0.25Dh * Tg - Tw hcond = f cond1 Tg* - TdP d t*hP= 0.0000122T wallsat0.75.24.24.29l.5ll lh p bl gg k .79 Cp.45 .49机理模型+算法初步应用22002001 201 2000000000001 20000 122000010010121 2C w 200 C w2C wC w 2000 1 2 C w 1 1 21 21 20C w 2C w 2000 1 2 C w002 C w 1 2 C w001 20001

14、2000012 C w012C w 2 0 C w A x 1 1 2 C w001 2000000010 C w 2 N 方 阵000000200000000000000000000000000000 xR R2R 2R20RR20R 2RBRC w0R2 C w 0 0 0 0 0 R2 C w00 R2 C w0 0 00 R 20R2R 2 R2 C w R2 C wR 0000000 22 C w C w 2 N 方 阵xC 1 / ( 2 C w ) 1 / C w 000000001 / C w000001 / 2000 1 / ( 2 C w ) 0000000 2N 4 矩阵

15、 1000100100000 x1C w012 C w02 C w0 1 2 C w001C w 1 / 2 11 / 21 / 2 11 / 2 C w 1D 1 2 C w 1C w 00 01 / 2 101 / 2002 C w2 C w 2N ( N 1) 矩 阵 024101231030530029529028531537Km处压头（m）68仿真时间（s） 实测压头估计压头初步应用技术交流安装调试初步应用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和实体系统交互孪生体预测 管道系统变化 鲁棒闭环控制实体系统 感知+调整实时

16、调度控制孪生体系统适应调整 深度学习算法SCADA系统管道孪生系统与实体系统交互-辅助决策实时模式预测模式计划模式决策优化支持系统故障诊断系统任务可靠性系统智能决策数据处理及数据融合代价函数约束条件生产系统 相关模型1加权的测量误差2加权的模型误差调和模型建立和求解目标函数rrminxr ,xeee eexz x zT Wx g x , zV x g x , zs.t.z xr r r xr zg xe , z xe e e xe g xe , z xlow x xupzlow z zup总种群子种群子种群节点1节点2节点 3子种群并 行 遗 传 算 法2、用现场稳态数据，构造稳态信息对，建立

17、辅助稳态模型，用于校正黑箱模型参数， 扩大模型适用范围；Lue z k 1 , ., z k nz ,z ( k ) gu k d, .u k d n 1 , e k L 2 e k 1 , .e k n ,Z, Z 动态信息对考虑时滞的非线性黑箱动态模型通式黑箱动态模型Z QR Z , QR 稳态信息对辅助稳态模型例如：黑箱模型的建立多项式模型1、用现场动态数据，构造动态信息对，建立考虑时滞的非线性黑箱动态模型（NARMAX）， 描述生产系统非线性动态变化；利用正交最小二乘方法（OLS），求黑箱模型参数调和模型建立和求解UWLSUWLS arg min JBLS1 dyn2 ss*=arg

18、min J J dyn T ssJ= Z T Z J = Z QRZ QR TUWLSJW Z Z Z QR V Z QR CLSdyn=arg min Js.t.c S3、结合黑箱动态模型和辅助稳态模型，得到校正后黑箱模型，为状态方程重构打下基础利用最小二乘扩展方法（UWLS, BLS, CLS） 融合动态和稳态信息，校正黑箱模型参数调和模型建立和求解例如：黑箱模型的建立多项式模型数据处理及数据融合末站G9712031顶G9312030混油密度变化趋势全局图自动批次跟踪初步应用基于调和的估计基于滤波的动态估计仪表正常总流量计缺 失单井井底 压力表失效单井井口 压力表失效黑箱 模型 模拟 结果滤波 结合 黑箱 动态 估计