【技術實現步驟摘要】
本專利技術涉及水合物，尤其涉及基于pgnn的水合物相平衡預測方法及系統
技術介紹
1、在管道中如果有天然氣水合物生成，會增加管道堵塞的風險，水合物相平衡曲線是判斷是否有水合物生成的先決條件；因此，有必要對天然氣水合物生成條件進行精準預測，以便后續對水合物預防采取有效的措施。
2、sayani等人進行實驗以確定多相系統中水合物形成的形成速率和反應動力學；zhang等人基于能耗預測物理建模過程建立了預測電能消耗和燃料消耗的pgnn模型，這些模型需要用大量數據進行訓練來學習這種關系；另外，對于一些特殊的運行工況，這些數據與大多數運行工況有很大不同，針對小樣本的數據很難準確預測。
3、另外，無論是在儲氣庫注采站強采調峰過程中還是氣田開發過程中，必然要對高壓天然氣進行節流降壓入網操作；但天然氣在大幅度節流降壓過程中存在明顯的焦湯效應，在大幅度節流后管道內會出現局部低溫和天然氣水合物“冰堵”問題，尤其是氣藏或儲氣庫中天然氣含水量較高、墊氣層含酸性氣體的情況，嚴重影響“增儲上產”高效安全運行與調峰保供工作，現有系統中缺乏對冰堵的有效監控。
技術實現思路
1、針對現有方法的不足，本專利技術解決現有模型對水合物預測壓力的精度不足以及缺乏有效對冰堵進行預警的問題。
2、本專利技術所采用的技術方案是：基于pgnn的水合物相平衡預測方法包括以下步驟：
3、步驟一、利用chen-guo模型計算出水合物生成物理壓力；采集天然氣水合物的氣質組分、醇鹽濃度、水合物生
4、步驟二、構建pgnn網絡，將水合物生成物理壓力、天然氣水合物的氣質組分、醇鹽濃度、水合物生成溫度為輸入pgnn網絡進行訓練；得到水合物預測壓力；
5、作為本專利技術的一種優選實施方式，pgnn網絡由3個隱藏層，每層10個神經元組成。
6、步驟三、利用損失函數對pgnn網絡的誤差程度進行度量。
7、作為本專利技術的一種優選實施方式，損失函數的公式為：
8、
9、其中，relu(.)表示修正的線性單位函數，和是基于物理方程的通用形式，ypre為預測目標，yphy為物理輸入，||.||2為平方和。
10、作為本專利技術的一種優選實施方式，損失函數還包括：
11、loss＝loss(pexp，ppre)+λr(f)+λphyloss.phy(pphy，ppre)????(3)
12、其中，r(f)是衡量模型的復雜度，λ是衡量復雜度的超參數，loss.phy(pexp，pphy)是物理約束項，λphy是超參數；pexp表示實驗值，ppre為水合物預測壓力。
13、作為本專利技術的一種優選實施方式，基于pgnn的水合物相平衡預測系統，包括：
14、數據采集模塊和數據處理模塊；其中，
15、數據采集模塊用于采集節流閥前后的管道內的壓力和溫度值；
16、數據處理模塊利用水合物預測壓力和水合物生成溫度繪制水合物相平衡曲線，并將管道內的壓力和溫度的點與水合物相平衡曲線進行比較，判斷水合物是否存在凍堵風險。
17、作為本專利技術的一種優選實施方式，判斷水合物是否存在凍堵風險包括：
18、當管道內的壓力和溫度在相平衡曲線的左上方；存在水合物凍堵風險，若在右下方，則不存在水合物凍堵風險。
19、作為本專利技術的一種優選實施方式，存在水合物凍堵風險時，根據過冷度值判斷風險等級，包括：
20、當過冷度≤第一閾值，處于低風險；當第一閾值≤過冷度≤第二閾值時，處于中風險；當過冷度>第二閾值時，處于高風險。
21、作為本專利技術的一種優選實施方式，還包括：水合物風險預警模塊，用不同顏色表示不同風險等級。
22、作為本專利技術的一種優選實施方式，還包括：遠程監控模塊用于對水合物風險實時監測。
23、本專利技術的有益效果：
24、1、本專利技術在pgnn網絡中引入先驗知識(熱力學模型)，在小樣本的情況下具有良好的預測性能，能夠準確預測極端情況；
25、2、將chen-guo模型計算壓力作為輸入變量，以物理非一致項的形式作為損失函數中的一部分，與不同的機器學習模型進行比較，本專利技術方法具有更好的預測精度；
26、3、本專利技術方法對天然氣水合物生成壓力預測的r2為0.9768，比機器學習模型預測結果提高了0.036，mse降低了5.56，通過物理非一致性分析，表明引入熱力學機理可以有效地提高模型的預測精度；
27、4、在小樣本的情況下，本專利技術方法預測精度保持在0.96-0.98，表明本專利技術方法在天然氣水合物生成條件預測中的可行性，為油氣管道中水合物生成預測、監測預警和防控治理提供了新的方向；
28、5、利用水合物預測壓力和水合物生成溫度得到水合物相平衡曲線，將實際采集到管道內的溫度和壓力與水合物相平衡曲線進行比較，判斷是否存在凍堵風險；再通過過冷度進行凍堵風險等級劃分，提供了一種有效的凍堵風險預警方法。
本文檔來自技高網...【技術保護點】
1.基于PGNN的水合物相平衡預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于PGNN的水合物相平衡預測方法，其特征在于，PGNN網絡由3個隱藏層，每隱藏層由10個神經元組成。
3.根據權利要求1所述的基于PGNN的水合物相平衡預測方法，其特征在于，損失函數的公式為：
4.根據權利要求1所述的基于PGNN的水合物相平衡預測方法，其特征在于，損失函數還包括：
5.一種基于PGNN的水合物相平衡預測系統，其特征在于，包括：
6.根據權利要求5所述的基于PGNN的水合物相平衡預測系統，其特征在于，判斷水合物是否存在凍堵風險包括：
7.根據權利要求6所述的基于PGNN的水合物相平衡預測系統，其特征在于，存在水合物凍堵風險時，根據過冷度值判斷風險等級，包括：
8.根據權利要求5所述的基于PGNN的水合物相平衡預測系統，其特征在于，還包括：水合物風險預警模塊，用不同顏色表示不同風險等級。
9.根據權利要求5所述的基于PGNN的水合物相平衡預測系統，其特征在于，還包括：遠程監控模塊
10.存儲有計算機程序代碼的計算機可讀介質，其特征在于，計算機程序代碼在由處理器執行時實現如權利要求1-4任一項所述的基于PGNN的水合物相平衡預測方法。
...【技術特征摘要】
1.基于pgnn的水合物相平衡預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于pgnn的水合物相平衡預測方法，其特征在于，pgnn網絡由3個隱藏層，每隱藏層由10個神經元組成。
3.根據權利要求1所述的基于pgnn的水合物相平衡預測方法，其特征在于，損失函數的公式為：
4.根據權利要求1所述的基于pgnn的水合物相平衡預測方法，其特征在于，損失函數還包括：
5.一種基于pgnn的水合物相平衡預測系統，其特征在于，包括：
6.根據權利要求5所述的基于pgnn的水合物相平衡預測系統，其特征在于，判斷水合物是否存在凍...
【專利技術屬性】
技術研發人員：呂曉方，陳書楷，柳揚，王傳碩，李曉偉，祝顯強，周詩崠，孫媛，
申請(專利權)人：常州大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。