压缩机实际能头特性的深度学习网络预测方法

压缩机运行特性与原厂测试特性存在差异,为了指导压缩机的安全稳定运行,结合压缩机特性计算方法与部分实际特性,建立了基于深度学习网络的压缩机实际能头特性预测模型。将大量不同工况下的压缩机实际能头数据作为深度学习网络的训练样本,在训练完成后利用未训练样本对模型精度进行了检验,得到最大相对误差为2.60%、最小相对误差为0.32%、平均相对误差为0.78%。由深度学习网络所绘制的能头曲线与实际的能头曲线有着良好的一致性。深度学习网络模型改进了传统神经网络的缺陷,具有良好的预测精度与泛化计算能力,为压缩机性能的评估与预测提供了新方法。     

基于动态规划法与改进遗传算法的管网稳态运行优化

为了降低天然气输送管网的运行费用,更好地实现节能降耗,应用输气理论与最优化方法,建立了以输气管网运行能耗费用最低为目标的稳态优化模型。利用动态规划与改进遗传算法对川气东送管道运行方案进行优化,并将算法优化结果与商业优化软件Syner GEE-Gas的优化方案进行对比。结果表明:在川气东送管道一期设计输量下,优化方案可实现全线运行能耗减少2.92 MW,降幅为4.4%,从而指导天然气管网安全、经济、可靠运行。