-
作者
韩佳豪陈小华姜海斌李霖李振张皓赵涓涓
-
单位
太原理工大学信息与计算机学院国家管网集团西南管道有限责任公司
-
摘要
针对长距离输送管道的应用中，沿线参数无法逐点测量，采用显式数学模型的方法并不完全能获得全部准确数值，提出一种基于卷积长短期记忆网络(CNN-LSTM)的流量预测方法。该方法使用CNN网络拟合空间特征，LSTM探索时间特征。采用从实际运行管道中收集的真实数据训练出对应的深度学习模型，从而可根据沿线压力梯度预测流量，误差范围为0.3%～0.7%管道输量。将该模型用于泄漏监测，可以通过连续监测预测与实际流量之间的偏差发现管道泄漏。确定泄漏点位置时采用了基于相关压力点之间曲线距离算法。在实际管道上的现场测试表明，新算法不仅稳定有效，而且在管道设备运行过程中不会产生错误报警。
-
关键词
长输管道泄漏监测卷积神经网络长短期记忆神经网络压力坡降线
-
基金项目(Foundation)
国家管网集团西南管道公司科技项目(XNGD-2010-JS-541)；
-
文章目录
1 网络构架
1.1 CNN网络
1.2 LSTM网络
1.3 CNN-LSTM组合模型
1.4 数据预处理方法
1.4.1 压力数据
1.4.2 流量数据
1.4.3 时间片选取
1.4.4 回溯时间深度
1.4.5 模型训练
1.4.6 评估模型误差
1.5 泄漏点定位
2 实验与验证
2.1 预测模型训练与测试
2.2 现场放油测试
1) 缓慢开阀：
2) 间断开阀：
2.3 实验对比
3 结束语
-
引用格式
韩佳豪,陈小华,姜海斌,李霖,李振,张皓,赵涓涓.基于卷积长短期记忆网络的泄漏监测算法研究[J].太原理工大学学报,2022,53(05):924-932.DOI:10.16355/j.cnki.issn1007-9432tyut.2022.05.018.
太原理工大学学报 
2022年第05期 
