林冉 朱英如 余績慶 陳由旺 管維均

（1.中國石油規(guī)劃總院節(jié)能與標準研究中心；2.天然氣與管道分公司油氣調(diào)運處）

基于人工神經(jīng)網(wǎng)絡的熱油管道能耗預測模型

林冉1朱英如1余績慶1陳由旺1管維均2

（1.中國石油規(guī)劃總院節(jié)能與標準研究中心；2.天然氣與管道分公司油氣調(diào)運處）

對長輸管道而言，影響管道輸油成本變化的因素眾多，但影響最大的是生產(chǎn)油耗和電耗費用。為了更深入地探索輸油過程中輸量與能耗的變化關系，以某條輸油管道幾年來輸量及生產(chǎn)油耗、電耗數(shù)據(jù)為基礎，用人工神經(jīng)網(wǎng)絡的方法建立了管道輸量與生產(chǎn)油耗、電耗的預測模型。分析表明，該模型的計算結果相對偏差在±5%以內(nèi)，滿足工程實際需要，因此可以用該模型來預測熱油管道的生產(chǎn)油耗和電耗。該研究首次建立了熱油管道輸量與生產(chǎn)油耗和電耗的預測模型，為預測管道的能耗總量提供了便利。

長輸管道 熱油管道 人工神經(jīng)網(wǎng)絡 能耗預測模型

加熱輸送是熱油管道的主要運行方式，它需要外界提供熱力和動力。而動力（電）和熱力（油）消耗與輸量之間存在一定的變化關系。找出這種變化關系對管道管理者預測能源消耗、編制能耗定額具有重要的意義。閆寶東[1]針對具體的輸油管道，采用數(shù)理統(tǒng)計的方法，假想了九種可能出現(xiàn)的模型，通過比較各模型的擬合優(yōu)度，確定了該管道輸量與油、電消耗的最佳擬合方程。丁云輝、隋富娟[2,3]針對熱油管道輸量與油、電消耗數(shù)據(jù)，運用一元回歸方法建立了電單耗隨輸量變化的預測模型，根據(jù)預測模型可計算出任一給定輸量下的電單耗。蘇欣、袁宗明、范小霞[4]等采用累積法對管道油、電消耗進行了預測，預測結果誤差相對較小。

原油管線的能耗構成包括：生產(chǎn)能耗、輔助生產(chǎn)能耗、生活能耗以及原油損耗。生產(chǎn)能耗由輸油泵電耗和加熱爐油耗構成；輔助生產(chǎn)能耗指除直接用于生產(chǎn)的其他輔助生產(chǎn)設備的能耗量；生活消耗是指生活區(qū)的能源消耗；原油損耗是指原油在輸送過程中由于事故、檢修等造成的原油損耗量。熱油管道的輸量變化直接影響生產(chǎn)耗油和生產(chǎn)耗電，但對生活能耗以及油品損耗的影響不大。上述多名學者對熱油管道的油、電損耗進行了預測，但是他們沒能把生產(chǎn)耗油、生產(chǎn)耗電同其他能耗區(qū)分開。因此，也未能建立管道輸量與生產(chǎn)油耗和生產(chǎn)電耗的預測模型。本文通過分析某條熱油管道的輸量與生產(chǎn)油耗和生產(chǎn)電耗的變化關系，并借助BP神經(jīng)網(wǎng)絡工具編制了該管道輸量與生產(chǎn)油耗和生產(chǎn)電耗的預測模型，該模型能快速計算出不同輸量下管道的生產(chǎn)油耗和電耗，為預測管道的能耗總量提供了便利。

1 理論依據(jù)

根據(jù)流體力學知識，紊流水力光滑區(qū)的摩阻方程[1]為：

式中：

h——水力摩阻，m；

Q——體積流量，m3/s；

ν——運動黏度，m2/s；

D——管道內(nèi)徑，m；

L——管道長度，m。

根據(jù)傳熱學知[5]，為了滿足輸油工藝需要，原油升溫所需的熱量要滿足式（2）。

式中：

QR——單位時間內(nèi)油品升溫所需要的熱量，kJ；

ρ——油品密度，kg/m3；

C——油品比熱容，kJ/（kg·K）；

TRi——第i站出站溫度，K；

TZi——第i站進站溫度，K。

由式（1）和式（2）看出，輸油管道動力和熱力在理論上與輸量有直接的因果關系，即生產(chǎn)油耗和生產(chǎn)電耗與管道輸量有因果關系。

1.1 生產(chǎn)電耗與輸量一元關系的依據(jù)

油品黏度、管線長度、流量和管徑對管線動力消耗的影響依次增強，對某一具體管線而言，如果管徑和管的長度固定不變，所輸油品物性相同，則油品的黏溫特性也是一定的，而這種隨溫度變化的黏度對摩阻的影響，已經(jīng)包含在生產(chǎn)電耗之中。因此在研究某一管道輸量對生產(chǎn)電耗的影響時，可以不考慮其他因素。

1.2 生產(chǎn)油耗與輸量一元關系的依據(jù)

由式（2）可知，原油升溫所需的熱量，取決于體積流量、流體密度、比熱容和各站的進出站溫差，而流體密度、比熱容盡管也隨溫度變化，但取常數(shù)完全可以滿足預測精度的要求。在地溫相近的情況下，進出站溫差也是輸量的函數(shù)。當輸量增加時，各進出站溫差都降低，因此公式（2）中的也是輸量的函數(shù)，所以在地溫相近的條件下，輸量也是影響油耗的主要因素。

基于以上分析，在進行管道能耗預測時，只要分析地溫相近時輸量與油耗和電耗的變化關系，即可建立熱油管道能耗的預測模型。

2 BP神經(jīng)網(wǎng)絡算法

人工神經(jīng)網(wǎng)絡模型屬于隱式模型，具備自組織、自適應性及自學習功能，具有理論上能夠逼近任意非線性連續(xù)映射的優(yōu)點，能夠較好模擬在各種不確定因素的影響下因變量與自變量的內(nèi)在關系，在熱油管道能耗預測中具有優(yōu)越性[6]。因此可以利用人工神經(jīng)網(wǎng)絡的方法來模擬管道輸量與管道運行能耗的映射關系。

目前應用最廣泛的神經(jīng)網(wǎng)絡模型為誤差反向傳播神經(jīng)網(wǎng)絡（Back Propagation Neural Networks），簡稱BP網(wǎng)絡[7]。BP網(wǎng)絡一般為多層神經(jīng)網(wǎng)絡，BP網(wǎng)絡的信息從輸入層流向輸出層，因此是一種多層前饋神經(jīng)網(wǎng)絡。

在確定了BP網(wǎng)絡的結構后，要通過輸入和輸出樣本集對網(wǎng)絡進行訓練，亦即對網(wǎng)絡的閾值和權值進行學習和修正，使網(wǎng)絡實現(xiàn)給定的輸入輸出映射關系。

BP網(wǎng)絡的學習分為兩個階段：第一個階段是輸入一支學習樣本，通過設置的網(wǎng)絡結構和前一次迭代的權值和閾值，從網(wǎng)絡的第一層向后計算各神經(jīng)元的輸出；第二個階段是對權值和閾值進行修改，從最后一層向前計算各權值和閾值對總誤差的影響（梯度），據(jù)此對各權值和閾值進行修改[8]。以上兩個過程反復交替，直至達到收斂為止。

3 基于BP神經(jīng)網(wǎng)絡的預測模型

通過調(diào)研得到某管道2004年至2007年的運行數(shù)據(jù)，取地溫相近時的生產(chǎn)油耗和生產(chǎn)電耗作為統(tǒng)計數(shù)據(jù)共計40組，剔除異常數(shù)據(jù)，其中30組用作網(wǎng)絡學習樣本。部分數(shù)據(jù)見表1。

表1 月輸量和管道生產(chǎn)能耗統(tǒng)計數(shù)據(jù)（2004—2007年）

用MATLAB軟件工具箱，創(chuàng)建BP神經(jīng)網(wǎng)絡程序步驟如下。

1）首先創(chuàng)建神經(jīng)網(wǎng)絡圖形用戶界面。用戶界面如圖1所示。

2）創(chuàng)建神經(jīng)網(wǎng)絡。單擊New Network…按鈕，彈出Create New Network窗口，如圖2所示。

按照圖2窗口所顯示各項內(nèi)容，選擇網(wǎng)絡類型，確定輸入向量的取值范圍，選擇訓練函數(shù)，選擇誤差性能函數(shù)，確定網(wǎng)絡層數(shù)，確定各層屬性等；然后單擊Creat按鈕，設置完成。單擊View按鈕可查看以上定義的網(wǎng)絡結構，如圖3所示。

3）訓練網(wǎng)格。把不同輸量作為輸入樣本，把相應的生產(chǎn)油耗、生產(chǎn)電耗作為目標向量，然后訓練網(wǎng)格，訓練得到的誤差性能曲線見圖4。

4）網(wǎng)絡仿真。在圖1窗口中，選中所建網(wǎng)絡模型，單擊Simulate…按鈕，彈出Simulate界面。針對該調(diào)研管道2007年1月份輸量，將仿真數(shù)據(jù)輸入為q=[55.0]，仿真結果輸出r=[340.82400.9]，即1月份生產(chǎn)電耗336.8×104kWh，生產(chǎn)油耗2480.9 t。生產(chǎn)電耗與生產(chǎn)油耗計算結果的相對偏差分別為-4.02%和4.12%，該誤差滿足工程需要。另外，基于MATLAB的BP網(wǎng)絡模型計算方法簡單易行，省去了原油管道模擬軟件所需的大量時間，因此可以用該模型來預測管道的生產(chǎn)能耗。

4 計算結果分析

運用所建BP神經(jīng)網(wǎng)絡模型，對地溫相近時30組不同輸量下管道生產(chǎn)油耗和生產(chǎn)電耗進行了計算，不同輸量下生產(chǎn)油耗和生產(chǎn)電耗的計算結果見圖5。

由圖5可以看出，在計算條件范圍內(nèi)，隨著輸量的增加生產(chǎn)電耗單調(diào)上升，且增加幅度較大；隨著輸量的增加生產(chǎn)油耗緩慢下降，當輸量增加到一定值時，生產(chǎn)油耗基本保持恒定。

通過分析計算生產(chǎn)電耗、油耗與實際生產(chǎn)電耗、油耗發(fā)現(xiàn)，管道生產(chǎn)油耗的最大相對偏差為4.8%，平均相對偏差為0.73%；管道生產(chǎn)電耗的最大相對偏差為4.27%，平均相對偏差為2.35%，詳見圖6和圖7。

5 結論

本文用BP神經(jīng)網(wǎng)絡的方法建立了適合熱油管道運行能耗的預測模型，并用該模型對調(diào)研管道生產(chǎn)能耗進行計算。在計算條件范圍內(nèi)，隨著輸量的增加生產(chǎn)電耗單調(diào)上升，且增加幅度較大；隨著輸量的增加生產(chǎn)油耗緩慢下降，當輸量增加到一定值時，生產(chǎn)油耗基本保持恒定。

通過30組現(xiàn)場數(shù)據(jù)的驗證，生產(chǎn)油耗的最大相對偏差為4.8%，生產(chǎn)電耗的最大相對偏差為4.27%，模型的計算結果滿足工程需要。根據(jù)該模型可計算任一輸量下管道的生產(chǎn)油耗和生產(chǎn)電耗，這為輸油管道能耗定額的計算提供了便利。

[1]閆寶東,熱輸管線油電損耗的回歸預測[J].油氣儲運,1993,12(5):36-401.

[2]丁云輝,隋富娟.原油長輸管道油電損耗的回歸預測[J].天然氣與石油,2004,22(2):61-63．

[3]隋富娟,吳明.管線油電損耗的灰色模型及預測[J].天然氣與石油,2003,21(4):10-13．

[4]蘇欣,袁宗明,范小霞,等.基于普通累計法的原油管線油電損耗預測[J].新疆石油天然氣,2005,1(3):90-93．

[5]俞佐平.傳熱學[M].北京:高等教育出版社,1995:1-7．

[6]周開國,康耀紅.神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序?qū)嶋H[M].北京:清華大學出版社.2004．

[7]叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡理論與應用[M].合肥:中國科學技術大學出版社,1998．

[8]王偉.人工神經(jīng)網(wǎng)絡原理——入門與應用[M].北京:北京航空航天大學出版社,1995．

10.3969/j.issn.2095-1493.2012.01.003

林冉，2005年畢業(yè)于石油大學（北京）石油工程學院油氣儲運專業(yè)，工程師，主要從事油氣田和長輸管道業(yè)務領域節(jié)能方面相關的研究工作，E-mail：linran@petrochina.com.cn，地址：北京市海淀區(qū)志新西路3號中國石油規(guī)劃總院節(jié)能中心，100083。

2011-12-12)