陳永清

（江西省天然氣集團(tuán)有限公司管道分公司，南昌 330000）

引言

天然氣管道CO2腐蝕程度對(duì)管道的正常生產(chǎn)、運(yùn)行產(chǎn)生著很重要的影響，決定了管道使用過(guò)程中的經(jīng)濟(jì)效益，天然氣管道CO2腐蝕程度是影響管道壽命的主要因素，間接的對(duì)天然氣的輸送數(shù)據(jù)產(chǎn)生一定的影響，嚴(yán)重情況下會(huì)導(dǎo)致管道出現(xiàn)事故，對(duì)生產(chǎn)加工產(chǎn)生嚴(yán)重的后果。因此在加工生產(chǎn)的過(guò)程中要制定天然氣管道CO2腐蝕的應(yīng)急保護(hù)措施，同時(shí)提升天然氣輸送管道抗CO2腐蝕性能，才能確保管道的正常運(yùn)作[1]。

預(yù)測(cè)模型的原理是采取相應(yīng)的模型對(duì)管道的生產(chǎn)實(shí)時(shí)監(jiān)控，建立完善的模型保障生產(chǎn)過(guò)程中管道的正常運(yùn)行，對(duì)于CO2腐蝕程度能夠具備預(yù)測(cè)效果，同時(shí)通過(guò)相應(yīng)設(shè)備的關(guān)聯(lián)實(shí)現(xiàn)管道的保護(hù)[2]。預(yù)測(cè)模型可以為天然氣管道創(chuàng)設(shè)良好的運(yùn)行程序和系統(tǒng)，在運(yùn)行的過(guò)程中對(duì)CO2腐蝕程度進(jìn)行監(jiān)控，當(dāng)出現(xiàn)管道腐蝕嚴(yán)重或者系統(tǒng)運(yùn)行出現(xiàn)故障時(shí)，可以提前進(jìn)行系統(tǒng)預(yù)警提示[3]，確保正常生產(chǎn)。

對(duì)天然氣管道CO2腐蝕機(jī)理及預(yù)測(cè)模型研究，建立液化天然氣（Liquefied Natural Gas，簡(jiǎn)稱LNG）管道抗CO2腐蝕效果的模型，在模型的構(gòu)造中，充分考慮到管道輸送數(shù)據(jù)的精確性，通過(guò)機(jī)器學(xué)習(xí)搭建相應(yīng)的預(yù)測(cè)模型，構(gòu)建系統(tǒng)運(yùn)行的仿真環(huán)境，滿足天然氣管道CO2腐蝕程度的預(yù)測(cè)和估計(jì)。本文針對(duì)天然氣管道CO2腐蝕機(jī)理進(jìn)行了研究，設(shè)計(jì)合理的天然氣管道CO2腐蝕機(jī)理，構(gòu)造機(jī)器學(xué)習(xí)算法的預(yù)測(cè)模型，通過(guò)仿真環(huán)境完成模型的驗(yàn)證。

1 天然氣管道防CO2腐蝕的系統(tǒng)搭建

天然氣管道在設(shè)計(jì)的過(guò)程中，為了確保天然氣傳輸數(shù)據(jù)的穩(wěn)定性和精確性，對(duì)天然氣管道進(jìn)行實(shí)時(shí)監(jiān)控，采取了物聯(lián)網(wǎng)平臺(tái)下的大數(shù)據(jù)體系實(shí)現(xiàn)這個(gè)過(guò)程，在大數(shù)據(jù)體系下，對(duì)天然氣管道防CO2腐蝕程度能夠進(jìn)行精確的監(jiān)控，實(shí)時(shí)撲捉到管道內(nèi)的天然氣的輸送情況和管道的腐蝕程度，同時(shí)為了保障天然氣管道防CO2腐蝕的系統(tǒng)搭建工作的運(yùn)行，在系統(tǒng)的實(shí)現(xiàn)過(guò)程中采取模糊神經(jīng)網(wǎng)絡(luò)的算法，對(duì)天然氣管道內(nèi)的壓力、流量和溫度進(jìn)行序列分配，序列分配的過(guò)程中執(zhí)行卷積壓縮，構(gòu)建合理的對(duì)數(shù)神經(jīng)網(wǎng)絡(luò)，從而輸出相應(yīng)的數(shù)據(jù)，通過(guò)輸出的數(shù)據(jù)可以精確的對(duì)天然氣管道內(nèi)的情況進(jìn)行掌握，具體的天然氣管道抗CO2腐蝕系統(tǒng)的算法邏輯圖如圖1所示。

圖1中，采取的時(shí)機(jī)器學(xué)習(xí)算法搭建天然氣管道防CO2腐蝕的系統(tǒng)，系統(tǒng)的搭建過(guò)程中使用了卷積神經(jīng)網(wǎng)絡(luò)的方法對(duì)時(shí)序圖進(jìn)行序列同構(gòu)，達(dá)到數(shù)據(jù)的處理效果，在模糊神經(jīng)網(wǎng)絡(luò)的方法下形成對(duì)天然氣管道內(nèi)的環(huán)境的預(yù)測(cè)，通過(guò)構(gòu)造模型的輸出數(shù)據(jù)實(shí)現(xiàn)管道的監(jiān)測(cè)，可以保障天然氣管道的正常工作和運(yùn)行。

圖1 天然氣管道防CO2腐蝕系統(tǒng)的算法邏輯

2 天然氣管道數(shù)字模擬仿真預(yù)測(cè)模型

2.1 數(shù)據(jù)的前置治理算法

2.1.1 圖論統(tǒng)計(jì)學(xué)方法

天然氣管道CO2腐蝕機(jī)理及預(yù)測(cè)模型中，建立三維的BIM模型，并在模型搭建的過(guò)程中采取LOD法將相應(yīng)的管道數(shù)據(jù)導(dǎo)入到模型中，形成相應(yīng)的數(shù)據(jù)信息流，相關(guān)的數(shù)據(jù)表達(dá)的輸出形式為{A，x，y，z，b1，b2，n，t}。數(shù)據(jù)表達(dá)形式中{A}代表了序列號(hào)，{x，y，z}代表的是三維模型中的數(shù)據(jù)的精確坐標(biāo)，{b1，b2}代表的是管道前后關(guān)聯(lián)的點(diǎn)，{n}代表的是數(shù)據(jù)的數(shù)值，{t}代表的是讀取數(shù)值的時(shí)間，將上述的數(shù)據(jù)信息流展開(kāi)在時(shí)間軸{t}上，得出最開(kāi)始的圖序列的統(tǒng)計(jì)結(jié)果。

2.1.2 四維時(shí)空空間卷積方法

將上述數(shù)據(jù)信息流中的{x，y，z，t}四個(gè)坐標(biāo)進(jìn)行空間卷積處理，強(qiáng)化數(shù)據(jù)的特征和序列，得出相應(yīng)的函數(shù)表達(dá)式如下式（1）所示：

式中：

G（x，y，z，t）—間卷積輸出值；

g（b）—四維序列數(shù)據(jù)，不同維度的卷積模式對(duì)象不同的輸出值；

x（m-b）y（m-b）z（m-b）t（m-b）—空間卷積的分量函數(shù)。

2.2 基于機(jī)器學(xué)習(xí)的數(shù)據(jù)深度挖掘算法

2.2.1 基于六階多項(xiàng)式深度迭代回歸算法的模糊神經(jīng)網(wǎng)絡(luò)

六階多項(xiàng)式深度迭代回歸算法過(guò)程是將相應(yīng)的數(shù)據(jù)變量導(dǎo)入到回歸方程中，保留原有的數(shù)據(jù)信息量，將數(shù)據(jù)特征反應(yīng)在小規(guī)模數(shù)據(jù)中，實(shí)現(xiàn)回歸算法的深度迭代，具體的回歸算法的方程如式（2）所示：

式中：

n—模糊神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)總數(shù)；

i—遍歷指針；

j—函數(shù)方程的階數(shù)；

y—模糊神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)的輸出值；

Aj—第j階多項(xiàng)式的回歸系數(shù)。

2.2.2 基于對(duì)數(shù)深度迭代回歸算法的對(duì)數(shù)神經(jīng)網(wǎng)絡(luò)

對(duì)數(shù)深度迭代回歸算法采取的是通過(guò)對(duì)數(shù)函數(shù)實(shí)現(xiàn)數(shù)據(jù)的處理，在對(duì)數(shù)模型的構(gòu)造下完成數(shù)據(jù)的坐標(biāo)精確度的控制，這種方法適用于對(duì)數(shù)神經(jīng)網(wǎng)絡(luò)的算法構(gòu)造中，相應(yīng)的基函數(shù)構(gòu)造如式（3）所示：

式中：

A、B—待回歸系數(shù)。

其他數(shù)學(xué)符號(hào)含義同前文公式（2）。

3 天然氣管道預(yù)測(cè)模型的仿真度驗(yàn)證分析

3.1 仿真驗(yàn)證方案

天然氣管道抗CO2腐蝕預(yù)測(cè)模型構(gòu)造中，對(duì)于仿真過(guò)程的驗(yàn)證是確保模型構(gòu)造合理性的關(guān)鍵，在仿真驗(yàn)證方案的設(shè)計(jì)中，采取matlab軟件中的simulink控件搭建合理的仿真分析環(huán)境，以某個(gè)天然氣公式的天然氣管道的傳輸數(shù)據(jù)作為原始數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的處理，利用基函數(shù)對(duì)相關(guān)的管道內(nèi)壓力、天然氣傳輸流量、管道溫度及其他數(shù)據(jù)進(jìn)行收斂，通過(guò)仿真分析，分析數(shù)據(jù)間的差異和數(shù)據(jù)偏離程度，結(jié)果如下：

決定系數(shù)R2的算法如公式（4）：

式中：

xi—數(shù)據(jù)序列中第i個(gè)輸入值；

n—數(shù)據(jù)的總數(shù)。

標(biāo)準(zhǔn)偏差率的算法如公式（5）：

式中：

σ—數(shù)據(jù)的標(biāo)準(zhǔn)偏差率；

xi—第i個(gè)數(shù)據(jù)的輸入項(xiàng)；

μ—輸出數(shù)據(jù)的均值；

n—統(tǒng)計(jì)學(xué)意義如上。

平均離群率的算法如公式（6）：

式中：

B—標(biāo)準(zhǔn)離群率；

A，B，C—相關(guān)系數(shù)，控制直線為Ax+By+C=1；

（xi，yi）—二維坐標(biāo)；

max（B）—最大值；

min（B）—最小值。

對(duì)輸出數(shù)據(jù)進(jìn)行預(yù)測(cè)的過(guò)程中，考慮到預(yù)測(cè)數(shù)據(jù)的有效性，采取合適的驗(yàn)證方法完成曲線的推測(cè)，從而計(jì)算出數(shù)據(jù)節(jié)點(diǎn)的敏感度，算法公式如下式（7）所示：

式中：

n—統(tǒng)計(jì)學(xué)意義如上；

ri—數(shù)據(jù)序列的第i個(gè)實(shí)測(cè)值；

fi—數(shù)據(jù)序列的第i個(gè)預(yù)測(cè)值。

3.2 天然氣管道流量分布數(shù)據(jù)耦合度

天然氣管道流量分布數(shù)據(jù)耦合度要根據(jù)管道數(shù)據(jù)流的分布來(lái)確定，通過(guò)數(shù)據(jù)流分布狀況實(shí)現(xiàn)數(shù)據(jù)的分散度運(yùn)算，建立管道流量分布的數(shù)據(jù)耦合度，用于監(jiān)測(cè)管道的腐蝕程度及其他特征，得出流量分布數(shù)據(jù)耦合度統(tǒng)計(jì)如表1所示。

表1中，決定系數(shù)（R2）指的是數(shù)據(jù)的隨機(jī)變量與其他變量之間的關(guān)系，反應(yīng)了變量之間的特征；標(biāo)準(zhǔn)偏差率（s）代表了數(shù)據(jù)之間的分散程度，可以通過(guò)標(biāo)準(zhǔn)偏差率衡量數(shù)據(jù)間的偏差大?。黄骄x群率代表的是數(shù)據(jù)偏離流量數(shù)據(jù)點(diǎn)的百分比大小。

表1 流量分布數(shù)據(jù)耦合度統(tǒng)計(jì)表

3.3 天然氣管道CO2腐蝕數(shù)據(jù)耦合度

天然氣管道CO2腐蝕數(shù)據(jù)耦合度與管道的滲透程度和管道孔隙的參數(shù)有一定的關(guān)系，管道的孔隙大小也會(huì)隨著天然氣輸送壓力的大小而發(fā)生相應(yīng)的變化，間接的影響到了天然氣管道CO2腐蝕數(shù)據(jù)耦合度，具體如表2所示。

表2中，可以看出通過(guò)相應(yīng)的算法仿真可以確定天然氣管道CO2腐蝕數(shù)據(jù)耦合度，在仿真環(huán)境下的決定系數(shù)比BIM自帶的決定系數(shù)要高，說(shuō)明算法條件下的耦合度水平較高。

表2 天然氣管道CO2腐蝕耦合度統(tǒng)計(jì)表

3.4 數(shù)據(jù)前推估計(jì)敏感度

天然氣管道CO2腐蝕數(shù)據(jù)耦合度關(guān)聯(lián)著數(shù)據(jù)曲線，數(shù)據(jù)曲線反應(yīng)了數(shù)據(jù)前推估計(jì)敏感度，通過(guò)對(duì)數(shù)據(jù)的前推估計(jì)敏感度的分析，得出統(tǒng)計(jì)表如表3所示。

表3中，可以直觀的看出算法仿真的環(huán)境下5 s的曲線估計(jì)前推量數(shù)據(jù)結(jié)果略高于BIM自帶的數(shù)據(jù)結(jié)果，15 s、30 s、60 s的模式中，算法仿真環(huán)境下的曲線估計(jì)前推量數(shù)據(jù)結(jié)果遠(yuǎn)高于BIM自帶的數(shù)據(jù)結(jié)果，比較結(jié)果t＜10.000，P＜0.05，具有明顯統(tǒng)計(jì)學(xué)意義。

表3 數(shù)據(jù)前推估計(jì)敏感度統(tǒng)計(jì)表

4 總結(jié)

天然氣管道抗CO2腐蝕預(yù)測(cè)模型構(gòu)造中，對(duì)于仿真過(guò)程的驗(yàn)證是確保模型構(gòu)造合理性的關(guān)鍵，在仿真驗(yàn)證方案的設(shè)計(jì)中，采取matlab軟件中的simulink控件搭建合理的仿真分析環(huán)境，對(duì)天然氣管道CO2腐蝕數(shù)據(jù)耦合度進(jìn)行分析，結(jié)果證明了天然氣管道預(yù)測(cè)模型可以有效的監(jiān)測(cè)管道CO2腐蝕程度，算法仿真驗(yàn)證結(jié)果說(shuō)明此預(yù)測(cè)模型可以很好的進(jìn)行天然氣管道的異常預(yù)警，保障天然氣管道的安全工作，具有實(shí)用性和可靠性。