（计算机软件与理论专业论文）基于scada系统的燃气辅助调度神经网络模型的研究.pdf

y 郑州大学硕士学位坦3 8 9 9 1 摘要 本文系统地介绍了s c a d a 系统和神经网络的基本概念，详细解释了b p 算法的 基本原理、数学表达和算法步骤，并简单介绍了城市燃气输配s c a d a 系统的设计 原则、体系结构、功能结构和通讯配置。燃气输配预测中存在经验性、不确定性、 不合理性等问题。人工神经网络模拟人的大脑活动，具有极强的非线形逼近、大 规模并行处理、自训练学习、自组织和容错能力等优点。将神经网络理论应用于 燃气调度预测之中，能克服传统预测方法的一些缺陷，快速、准确地得到预测结 果。本文研究的主要内容是根据s c a d a 系统采集的各种管网运行的历史数据资料， 利用b p 算法建立日用气量、月用气量预测模型：利用曲线拟合的方法建立年用气 量预测模型，并对各种模型运行结果和误差进行了分析。本文还利用b p 算法建立 了管网运行实时动态模拟模型，将此模型应用于管网运行实时监测中可实现动态 仿真。上述模型在传统的预测理论和方法之外找到了一个新的途径，摆脱了对个 人经验的依赖，建立了一种有效的工作方式。这些模型具有智能化处理以往经验 的能力，能够在新的燃气输配调度中进行有效的用气量预测，为调度人员提供了 参考和进行方案比较。 为了更好地保证燃气管网运行安全，本文还利用b p 神经网络的模式分类和辨 别功能，对城市燃气管网漏气点动态定位的神经网络模型进行了探讨。 关键字：s c a d a 系统；人工神经网络：b p 算法；曲线拟合；漏气分析 -_-_-_-_-_-_-r一一 郑州大学硕士学位论文 a b s t r a c t t h i sp a p e ri n t r o d u c e ss c a d as y s t e ma n db a s i cc o n c e p t i o n so ft h e n e r v en e t w o r ki na s y s t e m a t i cw a y ；e x p l a i n s t h ef u n d a m a n t ，t h em a t h e m a t i c a le x p r e s s i o n ，t h ea l g o r i t h ma n dm e a s u r eo f b p a l g o r i t h mi nd e t a i l ；p r e s e n t st h ed e s i g np r i n c i p l e ，t h es y s t e ms t r u c t u r e ，t h ef u n c t i o n s t r u c t u r ea n d t h ec o m m u n i c a t i o nd i s p o s i t i o no ft h et r a n s p o r ta n dd i s t r i b u t i o no fc i t yg a s s c a d as y s t e mi na s u m m a r y f a s h i o n t h e r ea r es o m ep r o b l e m si nt h ef o r e c a s to f t h eg a st r a n s p o r ta n dd i s t r i b u t i o n ，s u c h a se x p e r i e n c e ，u n c e r t a i n t y , i r r a t i o n a l i t y , e t e h o w e v e r , t h ea r t i f i c i a ln e r v en e t w o r ks i m u l a t i n gh u m a n b r a i nm o v e m e n th a sm a n ya d v a n t a g e s s u c ha st h ee x t r e m e l ys t r o n gn o n l i n es h a p ea p p r o a c h ，t h e p a r a l l e lp r o c e s s i n g , t h es e l f - t r a i n i n g , s e l f - s t u d y i n g , s e l f - o r g a n i z i n g a n dt h ef a u l t - t o l e r a n ta b i l i t y t h e ni tc a no v e r c o m es o m ed e f e c t so f t h et r a d i t i o n a lf o r e c a s t i n gm e t h o d a n df a s ta c c u r a t e l yg e tt h e f o r e c a s t i n g r e s u l tt o a p p l y n e r v en e t w o r kt h e o r y t ot h e g a s d i s p a t c h i n g f o r e c a s t t h em a i n r e s e a r c h i n gc o n t e n t si st ot a k ea d v a n t a g eo f b p a l g o r i t h ma n ds e tu pt h eg a sf o r e c a s t i n gm o d e l so f t h ed a i l ya n dm o n t h l yd e m a n d ，a c c o r d i n gt o t h eh i s t o r i c a ld a t ag a t h e r e db ys c a d as y s t e m m o r e o v e r , t h ep a p e ri n c l u d e sh o wt o s e tu pt h eg a sf o r e c a s t i n gm o d e l so ft h ey e a r l yd e m a n d ， u t i l i z i n gb pa l g o r i t h ma n dc l i v e c o m b i n e dm e t h o d t h e s em o d e l sh a v et h ea b i l i t yt od e a lw i t h p r e v i o u se x p e r i e n c ei n t e l l i g e n t l y a n da n a l y z et h er u n n i n gr e s u l ta n de r r o r s ot h e s em o d e l sc a n e f f e c t i v e l yf o r e c a s tg a s d e m a n d i n gq u a n t i t yi nn e wg a sd i s p a t c h i n g a n da l s op r o v i d er e f e r e n c ea n d p l a nc o m p a r e f o r d i s p a t c h e r s i n a d d i t i o n a l ，i t s e t s u p t h e d y n a m i c a l l y s i m u l a t e dm o d e lo f p i p e n e t w o r k m o v e m e n t st ou t i l i z eb pa l g o r i t h m ，w h i c hc a nk e e pw a t c ho nt h ep i p e 。n e t w o r k m o v e m e n t sa n dr e a l i z ed y n a m i ci m i t a t i o n a b o v e - m a n t i o n e dm o d e l sf i n dan e ww a y b e s i d e st h e t r a d i t i o n a lf o r e c a s t i n gt h e o r ya n dm e t h o d ，s h a k eo f ft h ed e p e n d e n d eo fp e r s o n a le x p e r i e n c ea n ds e t u p ak i n do f e f f e c t i v e j o bp a r e m f o rg u a r a n t e e i n gt h eg a sp i p e n e t w o r kr u n n i n gs a f e ，t h ep a p e re x p l o r e s t h ed y n a m i c a l l y l o c a l i z a t i o nt ol e a kg a si nc i t yg a sp i p e n e t w o r kb yt h em o d e lc l a s s i f y a n d t h ed i s t i n g u i s h i n g f u n c t i o no f b pn e r v en e t w o r k k e y w o r d s ：s c a d as y s t e m ；a r t i f i c i a ln e r v en e t w o r k ；b pa l g o r i t h m ；t h ec u r v ef i t s ；l e a k i n gg a s a n a l y s i s 2 郑州大学硕士学位论文 第一章基本概念与技术 在过去的半个多世纪，计算机技术和电子技术得到迅猛发展，并被逐渐应用 于各个领域。近年来，许多城市燃气企业借助先进的计算机技术、电子技术和网 络技术建立了燃气输配调度管理系统，即燃气输配s c a d a 系统，用来监测和控制 城市燃气管网实时运行工况，为城市燃气调度管理提供了更高效、更先进、更友 好、更方便的管理手段。s c a d a 系统的建立使大量的管网运行数据被收集、整理并 存放在大型数据库中，如何从这些数据中发现管网运行的规律、建立相应的数学 模型，从而对调度人员做出辅助决策就成为一种需求。 城市用气具有非线性、多变性、互相关性等特点，对这些复杂行为进行建模 和预测，人工神经网络是一种有效方法。人工神经网络模拟人的大脑活动，具有 极强的非线形函数逼近、大规模并行处理、自训练学习、自组织和容错能力等优 点。将人工神经网络理论应用于燃气运行预测之中，能克服传统预测方法的一些 缺陷，并快速、准确地得到预测结果，为燃气企业安全生产提供快捷、科学的决 策信息，及时预测、控制事故的发生，减少事故造成的损失。 本章中，我们将详细介绍建设燃气管网调度系统的意义、s c a d a 系统的概念、 人工神经网络的概念、人工神经网络的分类和b p 神经网络的概念与算法，并给出 本文的研究内容及本文的结构安排。 1 1 建设燃气管网调度系统的意义 1 1 1 传统的燃气调度模式 燃气输配管网及相关设施是燃气企业的基本生产设施。其运行工况将直接关 系到企业的生产效率和效益，关系到社会公众生命和财产的安全。目前相当部 分燃气企业中，门站、储配站的运行仍然采用手工操作方式。负责燃气输配系统 运行管理的中心调度室通过电台、电话等联系方式，定时或不定时地询问各站点 的压力来掌握管网的运行工况，并根据调度人员的工作经验调度指挥储配站的运 行。当险情发生时，调度人员只能通过抢险人员的报告了解险情的发生时间和影 响范围等信息。 6 郑州大学硕士学位论文 这种传统的调度方式存在以下缺点： ( 1 ) 调度人员无法实时动态地了解管网运行信息。 ( 2 ) 调度人员无法全面均衡地掌握到管网运行工况。 ( 3 ) 由于经验的模糊性造成调度指令的不准确，导致运行成本的增加。 ( 4 ) 无法及时了解抢险动态。 1 1 - 2 建设燃气管网调度系统的背景 当计算机技术和自动控制技术发展到一定程度时，以计算机和计算机网络为 基础的信息系统就成为计算机应用的主要形式。燃气输配管网调度管理系统 ( s c a d a 系统) 就是在此前提下借助先进的电子技术、计算机技术和网络技术对管 网运行工况进行监测，调度和管理各级生产部门间的工作，协调各职能部门间的 相互合作，共享资源，提高企业工作效率，降低生产成本，加大管理力度，实现 经营管理和用户管理的自动化。 根据燃气输配管网控制节点地理位置分散、相对距离较远的特点，现代输气 管道自动化管理多采用s c a d a 系统。在国内外输气管道设计中，s c a d a 系统已成为 必不可少的选择，并己成为管道系统管理和控制的标准化设施。1 9 9 7 年建成的陕 甘宁输气管道是目前国内陆上唯一一条自动化程度较高的大口径长距离输气管 道，它采用的s c a d a 系统体现了国外9 0 年代先进技术水平。我国西部开发战略中 拟建的西气东输工程，全长4 0 0 0 k m ，全线将采用目前世界先进的s c a d a 系统进行 监视、控制、动态模拟和智能检漏。该工程的建成，将使我国天然气长输管道自 动化水平上一个新台阶。近十年来，s c a d a 系统逐渐应用于城市燃气管网的输配管 理中。管网的运行参数被由s c a d a 系统收集、整理后存入数据库中，调度人员通 过s c a d a 系统对管网运行工况实时监测，达到提高工作效率和工作准确性的目的。 为了充分利用s c a d a 数据库中的数据，就要用科学的手段从数据中发现有用的知 识，并建立相应的模型辅助调度工作。 人工神经网络作为现代智能控制领域的一个分支，其应用已渗透到各个领域。 神经网络能够根据对象的输入、输出数据直接建立模型，不需要对象的先验知识， 并且校正算法可以用网络的在线学习实现。因此，用神经网络模型实现长、中、 短期用气情况预测、管网运行动态模拟是非常有效和相对容易的。 郑州大学硕士学位论文 九十年代末期城市供水、供气行业开始了人工神经网络的研究。在城市供水 领域，朱东海，张土乔，毛根海等人在城市供水管网泄漏点定位方面做了大量研 究，实现了人工神经网络预测供水管网泄漏点位置的实验室模型；张宏伟、赵新 华等人做了供水管网实时状态模拟的研究。2 0 0 1 年哈尔滨工业大学谭羽非教授以 基于人工神经网络的城市煤气短期负荷预测为题发表于煤气与热力开始 了人工神经网络在城市燃气行业中的研究。 总之，神经网络方法在城市供水、供气中的应用基本上用于预测、模拟问题。 在应用中，绝大部分是采用b p 神经网络和b p 算法。上述文献表明，应用神经网 络得到的计算结果与实际结果很接近并能在实际工作中很好地应用。由于神经 网络方法考虑了影响问题的全部客观因素，并进行非线性的求解，因此更符合实 际情况。本文以郑州市为例，用人工神经网络建立了城市燃气长、中、短期用气 量预测模型和管网运行动态模拟模型。 1 1 3 建设燃气管网调度管理系统的目的 1 、必要性 ( 1 ) 可有效提高调度手段。 ( 2 ) 提高工作效率和经济效益。 ( 3 ) 保证用户的安全。 2 、目的 ( 1 ) 监控燃气管网的运行状况。 ( 2 ) 预测中短期内用气量，保证连续供气。 ( 3 ) 合理开停压缩机。 ( 4 ) 保证天然气管网供需平衡。 ( 5 ) 保证用户的用气量及安全。 ( 6 ) 最大限度减小因事故而停止供气造成的损失。 1 2s c a d a 系统基本概念 1 2 1s c a d a 的概念 s c a d a 是“s u p e r v i s o r yc o n t r o la n dd a t aa c q u i s i t i o n ”的缩写，是“监视 郑州大学硕士学位论文 控制和数据采集”的意思。s c a d a 系统一般用于工业过程控制，用来完成远方现场 运行参数、开关状态的采集和监视、远方开关的操作、远方参数的调节等任务， 并为采集到的数据提供共享的途径。 s c a d a 系统一般由中央监控系统、通信信道、现场执行设备等三部分组成。图 卜1 是s c a d a 系统的一个简单示意图。 图i - i 由于计算机技术和微电子技术的飞速发展以及工业自动化技术所带来的显著 经济效益，s c a d a 技术已经在工业控制领域得到广泛应用。 1 2 。2 燃气输配管网s c a d a 系统的功能 从功能上看，燃气输配s c a d a 系统主要实现“四遥”功能，即： 遥信：采集输配管网的各种开关设备的实时状态，通过通信信道传送到监控 计算机。 遥测：采集输配管网的各种参数( 如压力、流量) 的实时数值，通过通信信 道送达监控计算机。 遥控：调度人员通过监控计算机发送开关的开、合命令，通过通信信道传达 现场，使现场的执行机构操作开关的开合。 遥调：调度人员通过监控计算机或高级监控程序自动发送参数调节命令，通 过通信信道传达现场，使现场的调节机构对特定的参数进行调节。 同其它s c a d a 系统相比，燃气输配s c a d a 系统在功能上更侧重遥测、遥信功 能，以提高调度人员工作准确性，减少调度人员的劳动强度。 ( 1 ) 数据采集 燃气管网的基本信息由安装在燃气管网上的远程终端单元r t u ( r e m o t e t e r m i n a lu n i t ) 收集。此外，数据也可以手工输入。例如：在没有r t u 装置的地 方，或者通信中断的地方，读表或者观察所得的数据通过电话告知调度员就可以 9 郑州大学硕士学位论文 输入监控计算机。 ( 2 ) 监视及事件处理 燃气管网采集的数据被自动监视，以保证测量值、计算值位于容许的限度内。 对状态值，主要监视其变化，并以正确的时序记录下来。对测量值，主要监视其 变化率并记录其连续变化趋势。当监视的测量值超出了限制或者是状态发生发变 化时，就要进行事件处理。在事件处理中，事件被赋予特定的状态和级别，并通 过人机交互界面报告给操作员。 ( 3 ) 控制功能 控制功能可以分为四类：单独的设备控制，设备的调整控制信息，顺序控制 计划，自动控制计划。 ( 4 ) 其它功能 除了数据采集、监视、控制等功能之外，s c a d a 系统还有许多其它功能，如数 据维护方面的功能，数据分析与计算方面的功能，数据利用与共享方面的功能等。 数据维护的主要目标就是对数据进行长期保存、备份、恢复等操作。为了实 现数据的维护，存入数据库中的任何数据记录都要给定时间标识( t i m et a g ) ，从 而可以对任何特定期限的数据进行维护操作。 数据分析与计算方面的功能是建立于s c a d a 系统基础上的一些高级软件功能， 主要用于输配系统的故障分析等目的。 数据利用与共享指利用s c a d a 系统数据实现燃气管网信息的报表生成、打印、 统计等功能，以及将s c a d a 系统数据提供给更上一级管理系统，供系统操作员、 管理人员以及高级应用软件使用。 1 2 3s c a d a 系统的配置 s c a d a 系统在硬件上由三大部分组成： ( 1 ) 调度端监控计算机系统。 s c a d a 系统的调度端一般由一台数据收发装置、s c a d a 服务器、操作工作站及 周边设备( 如打印机、数字化仪) 等硬件组成。调度端计算机上运行一些高级监 控软件( s c a d a 软件) ，实现数据的收发、存储、利用，燃气管网实时状态的图形 显示、打印、报警，为燃气输配系统的其它自动化功能模块提供共享数据的接口。 1 0 郑州大学硕士学位论文 ( 2 ) 执行端觋场遥信和遥测数据的采集装置、遥控和遥调的执行装置。 在s c a d a 系统中，位于远方现场、用以采集数据、完成调节控制、信息上传 等任务的装置，称为远程终端单元r t u 。根据s c a d a 系统所完成的功能，r t u 装置 可以分成以下几个功能模块：遥信模块，用于采集开关量；遥测模块，用于 采集模拟量；遥控模块，用于操作开关；遥调模块，用于调节模拟电量： 通信模块，用于收发信息数据。 在一个实用的s c a d a 系统中，除通信模块必不可少外，其它功能模块不必全 部予以实现，是可选的。在本文中的s c a d a 系统中，r t u 具备遥测、遥信功能。 ( 3 ) 通信信道。 随着通信手段的日新月异发展，目前可供使用、选择的通信方式有很多种。 按照传统的分类方法，通信方式可简单地分为无线方式和有线方式。在燃气输配 系统中，由于各r t u 与中心控制站相距较远，采用有线通信造价较高，且不利于 系统的扩充，故选用无线通信方式。 s c a d a 系统的软件一般分为三个层次：操作系统、支撑软件、应用软件。 系统服务器强调的是网络支持和系统安全性稳定性，宜选用u n i x 操作系统。 提供人机界面的系统工作站需要操作和维护的方便性，宜选用w i n d o s 操作系统。 支撑软件指数据库管理系统( d b m s ) 、办公应用软件等为用户应用软件提供运行支 撑的系统软件和工具软件。应用软件是指完成s c a d a 功能本身的那一部分软件。 支撑软件和应用软件可根据需要选择合适的产品。 1 3 神经网络基本概念 1 3 1 人工神经网络 人工神经网络，即a n n ( a r t i f f c i a ln e u r a ln e t w o r k ) ，是一种基于模仿人类 大脑的结构和功能而构成的一种信息处理系统。人工神经网络是由大量简单的基 本元件神经元相互联结，模拟人的大脑神经处理信息的方式，进行信息并行 处理和非线形转换的复杂网络系统。人工神经网络处理信息是通过信息样本对神 经网络的训练，使其具有入的大脑的记忆、辨识能力，完成各种信息处理功能。 神经网络是一个非线性动力学系统，功能有限，但大量神经元构成的网络系统所 郑州大学硕士学位论文 能实现的行为却是极其丰富多彩的。和数字计算机相比，神经网络系统具有集体 运算的能力和自适应的学习能力。神经网络还具有很强的容错性和鲁棒性，善于 联想、综合和推广。人工神经网络这种模拟人脑智力的特性，受到学术界的高度 重视和广泛研究，已经成功地应用于众多领域，如模式识别、图象处理、语音识 别、智能控制、虚拟现实、优化计算、人工智能等领域。 学习是神经网络中最重要也最令人注目的特点。在神经网络的发展进程中， 学习算法的研究有着十分重要的地位。目前，人们所提出的神经网络模型都是和 学习算法相应的。所以，有时人们并不去祈求对模型和算法进行严格的定义或区 分。有的模型可以有多种算法而有的算法则可用于多种模型。不过，有时人们 也称算法为模型。 自从4 0 年代h e b b 提出的学习规则以来，人们相继提出了各种各样的学习算 法。其中以在1 9 8 6 年r u m e l h a r t 等提出的误差反向传播法，即b p 算法( e r r o r b a c k p r o p a g a t i o n ) 影响最为广泛。直到今天，b p 算法仍然是自动控制领域最重要、 应用最多的有效算法。 1 3 2 神经网络的学习机理和机构 在神经网络中，对外部环境提供的模式样本进行学习训练，并能存储这种模 式，称为感知器；对外部环境有适应能力，能自动提取外部环境变化特征，则称 为认知器。 神经网络在学习中，一般分为有教师和无教师学习两种。感知器采用有教师 信号进行学习，而认知器则采用无教师信号进行学习。在主要神经网络如b p 网络， h o p f i e l d 网络，a r t 网络和k o h o n e n 网络中；b p 网络和h o p f i e l d 网络是需要教师 信号才能进行学习的；而a r t 网络和k o h o n e n 网络则无需教师信号就可以学习。 所谓教师信号，就是在神经网络学习中由外部提供的模式样本信号。 一个有教师信号的前馈多层网络的结构一般如图卜2 所示，这种学习系统分 成三个部分：输入部，训练部和输出部。 1 2 郑州太学硕士学位论文 x 塑鲤 技挪信号c 期望输出信号) 图l 一2 输入部接收外来的输入样本x ，由训练部进行网络的权系数w 调整，然后由输 出部输出结果。在这个过程中，期望的输出信号可以作为教师信号输入，由该教 师信号与实际输出进行比较，产生的误差去控制修改权系数w 。 一般而言，神经网络是一个并行和分布式的信息处理网络结构，它一般由许 多个神经元组成，每个神经元只有一个输出，它可以连接到很多其它的神经元， 每个神经元输入有多个连接通路，每个连接通路对应于一个连接权系数。 严格地说，神经网络是一个具有下列性质的有向图： ( 1 ) 每个节点有一个状态，就是x 。； ( 2 ) 节点i 到节点j 有一个连接权系数w l j ( 3 ) 每个节点有一个闽值o 。； ( 4 ) 每个节点定义一个变换函数u 。 x 。，w 。0 ，( i j ) ，最常见的情形为： u j 蚤砜x j 一 ( 公式卜1 ) 神经网络模型有各种各样，它们是从不同的角度对生物神经系统不同层次的 描述和模拟。有代表性的网络模型有感知器、多层映射b p 网络、r b f 网络、双向 联想记忆( r a m ) 、h o p f i c l d 模型等，其中b p 网络具有极强的函数逼近功能和严密 的数学理论，被广泛应用于人工智能、自动控制、统计学领域的信息处理中。 1 4b p 算法 1 4 1b p 算法概念 郑州大学硕士学位论文 1 9 8 6 年，r u m e l h a r t 提出了反向传播学 - 3 算法，即b p ( b a c k p r o p a g a t i o n ) 算法。 由于这种算法在本质上是一种神经网络学习的数学模型，所以有时也称为b p 模型。 感知器学习算法是一种单层网络的学习算法。在多层网络中，它只能改变最 后权系数，因此感知器学习算法不能用于多层神经网络的学习。b p 算法是用于前 馈多层网络的学习算法，是一种有教师学习算法。b p 算法可以对网络中各层的权 系数进行修正，适用于多层网络的学习，是目前应用最广泛用的神经网络学习算 法之一，在自动控制中是最有用的学习算法。 1 4 2b p 算法的原理 b p 算法是用于前馈多层网络的学习算法，前馈多层网络的结构一般如图1 3 所示 号 图卜3 它含有输人层、输出层以及处于输入和输出层之间的中间层。中间层有单层 或多层，由于它们和外界没有直接的联系，故也称为隐层。在隐层中的神经元称 为隐单元。隐层虽然和外界不连接，但是，它们的状态则影响输入输出之间的关 系。也就是说，改变隐层的权系数，可以改变整个多层神经网络的性能。 设有一个m 层的神经网络，并在输入层中加入样本x ；设第k 层的i 神经元的 输入总和表示为u 。，输出为x 。：从第k - 1 层的第j 个神经元到第k 层的第i 个神 经元的权系数为w i j ；各个神经元的激发函数为f ，则各个变量的关系可用下面的 数学式表示： x 。= f ( u ；)( 公式卜2 ) 郑州太学硕士学位论文 u ；。z 】w i j x j 。 ( 公式l 一3 ) 反向传播算法分两步进行，即正向传播和反向传播。这两个过程的工作简述 如下： ( 1 ) 正向传播 输入的样本从输入层经过隐单元逐层进行处理，通过所有的隐层之后，传向 输出层。在逐层处理的过程中，每一层神经元的状态只对下一层神经元的状态产 生影响。在输出层把现行输出和期望输出进行比较，如果现行输出不等于期望输 出，则进入反向传播过程。 ( 2 ) 反向传播 反向传播时，把误差信号按原来正向传播的通路反向传回，并对每个隐层的 各个神经元的权系数进行修改，以期望误差信号趋向最小。 1 4 3b p 算法的数学表达 b p 算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的最 速下降方法，按误差函数的负梯度方向修改权系数。 为了说明b p 算法，首先定义误差函数e 。取期望输出与实际输出的差的平方 和为误差函数，即： e = 专萃( x i m - - y i ) 2( 公式1 _ 4 ) 其中：y ；是输出单元的期望值，它在这里用作教师信号；x 。是实际输出，因 为第m 层是输出层。 e h 于b p 算法按误差函数e 的负梯度方向修改权系数 w l j 和e 砜巍 也可写成： 一1 l 焘 故权系数w ；，的修改量 ( 公式卜5 ) ( 公式1 - 6 ) 郑州大学硕士学位论文 其中：r 【为学习速率，即步长。很明显，根据b p 算法原则，求a e a w ，是最 关键的。下面求a e a w i j ： a ea e ka u i k a 砜一a u j 。a w i j 蔫：写掣掣i i a w ；i a 1 吼i 一 j l ：i 巍= 翥一x j l 1 巍 一叶翥一x j 1 令： 如意 则有学习公式： 眦= 一可d i 。x 产一1 其中：n 为学习速率，即步长，一般取o - 1 间的数。 未给出明显的算法公式，下面是d ，的计算公式。 d i k = 寄 a ea x i k a 站a u i 。 从( 公式卜2 ) 可知在( 公式卜1 3 ) 中，有 ( 公式1 - 7 ) ( 公式1 - 8 ) ( 公式卜9 ) ( 公式卜1 0 ) ( 公式卜1 1 ) ( 公式卜1 2 ) 从上面可知，d ；“实际仍 ( 公式卜1 3 ) 郑州大学硕士学位论文 蒜= f r ( u i k ) 。一 为了方便进行求导，取f 为连续函数。一般取非线性连续函数，例如s i g m o i d 函数。当取f 为非对称s i g m o i d 函数时，有： f ( 时) = 所以： f ( u 。) = f ( u 。) ( 1 - f ( u 。) ) ( 公式1 1 5 ) 再考虑( 公式卜1 3 ) 中的偏微分项a e a x 。，有两种情况需考虑： ( 1 ) 如果k = m ，则是输出层，这时有y 。是输出期望值，它是常数。从( 公式 卜4 ) 有： a ea e a x ；一a x ， = ( ) ( i 一y i ) 从而有： d 。= x ；( 1 一x 。) ( x l - y 。) ( 2 ) 如果k m ，则该层是隐层。 一a e p 旦型 a x i 。一午a u l + 1a ) ( ；k 从( 公式卜1 1 ) 中，可知有o ( 公式卜1 6 ) ( 公式卜1 7 ) 这时应考虑上一层对它的作用，故有： 帛叫+ 1 从( 公式卜3 ) 中，可知有： 可a u n k + i = 鼍珊i l i ，；ia x i 。a x i k 一” j = 故而有： ( 公式卜1 8 ) ( 公式卜i 9 ) ( 公式1 - 2 0 ) 郑州大学硕士学位论文 毒。萃w l i d l k + 1( 黼圳， 最后有： d i k ：】【i 。( 1 一x i k ) 军w 1 j d l k ( 公式l - 2 2 ) 从上述过程可知，多层网络的训练方法是把个样本加入到输入层，并根据 向前传播的规则： x 。= f ( u 。) 不断逐层向输出层传递，最终在输出层可以得到输出x 。 把x ；。和期望输出y 。进行比较，如果两者不等，则产生误差信号e ，接着则按 下面公式反向传播修改权系数： 砜= 一叼n x j u i k - - 芊w 满k _ ( 公式1 _ 2 3 ) 其中： d i = x 。( 1 一x i ) ( x 。l y ，) d j k = 】( i 。( 1 一x i k ) 军w l j d l h l 上面公式中，求取本层d 。时，要用到高一层的d 。”1 。可见，误差函数的求取 是从输出层开始到输入层的反向传播过程。在这个过程中不断进行递归求误差。 通过多个样本的反复训练，同时向误差不断减小的方向对权系数进行修正，最终 消除误差。从上述公式可知，如果网络的层数较多时，所用的计算量就相当可观， 故而收敛速度不快。 为了加快收敛速度，一般考虑上一次的权系数，并以它作为本次修正的依据 之一，因此有修正公式： 砜( t + i ) = 一巾i k 。) 【j 。一1 十口w 日( t )( 公式1 2 4 ) 其中：n 为学习速率，即步长，n = 0 1 o 4 左右，0 为权系数修正常数， 取0 7 一o 9 左右。在上面，式( 卜1 7 ) 也称为一般化的d e l t a 法则。对于没有 隐层的神经网络，可取 = n ( v j x j ) 。x i 1 8 ( 公式1 - 2 5 ) 郑州大学硕士学位论文 其中：y ；为期望输出，x j 为输出层的实际输出，x t 为输入层的输入。这显然是 一种十分简单的情况，式( 卜2 5 ) 也称为简单d e l t a 法则。在实际应用中，只有一 般化的d e l t a 法则卜2 3 ) 或式( 卜2 4 ) 才有意义。简单d e l t a 法则式( 卜2 5 ) 只在理论 推导上有用。 1 4 4b p 算法的执行步骤 在反向传播算法应用于前馈多层网络时，采用s i g m o i d 为激发函数时，可用 下列步骤对网络的权系数w ：，进行递归求取。注意对于每层有n 个神经元的时候， 即有i = l ，2 ，n ；j = 1 ，2 ，n 。对于第k 层的第i 个神经元，则有n 个 权系数w 儿，w 。，w 。另外多取一个w 。用于表示阀值0 ；并且在输入样本x 时，取x = ( x 。，x ：，x 。，1 ) 。 算法的执行步骤如下： ( 1 ) 对权系数w 。，置初值。 对各层的权系数w 。，置一个较小的非零随机数，但其中w l , n + l = 一0 。 ( 2 ) 输入一个样本x = ( x ，x 。，x n ，1 ) ，以及对应期望输出y = ( y 一，y z ， y 。) 。 ( 3 ) 计算各层的输出 对于第k 层第i 个神经元的输出x 。，有： x j 。= f ( u 。) ( 4 ) 求各层的学习误差d t “ 对于输出层有k = m ，有： d i _ = x 。( 1 一x 。) ( x i , - y 。) 对于其他各层，有 d i k = x ；。( 1 一x j k ) w l j d i k + 1 ( 5 ) 修正权系数w 。和阀值0 用式( 卜2 3 ) 时有： w i j ( t + 1 ) = 砜( t ) 一1 - d i k x j 用式( 卜2 4 ) 时有： 1 9 郑州大学硕士学位论文 w i i ( t + 1 ) = 【，i i ( t ) 一1 l d l k x i 一1 + 口吼i ( t ) 其中： w j ( t ) = 一1 】对。时一1 + 旺( 一1 ) = w j i ( t ) 一( t 1 ) ( 6 ) 当求出了每层各个权系数之后，可按给定品质指标判别是否满足要求。 如果满足要求，则算法结束：如果未满足要求，则返回( 3 ) 执行。 这个学习过程，对于任一给定的样本x p = ( x 。k ，x 。1 ) 和期望输出l = ( y p ， y 。，y 。) 都要执行，直到满足所有输入输出要求为止。 1 。4 5b p 算法的改进 b p 算法的主要思想是把学习过程分为两个阶段，第一阶段( 正向传播过程) ， 给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值：第二 阶段( 反向传播过程) ，若在输出层未能得到期望的输出值，则逐层递归计算实 际输出与期望输出之差值( 即误差) ，以便根据此差值调节权值。具体地说，就 是可对每一个权重计算出接受单元的误差值与发送单元的激活值的积，这个积称 做权重误差微商。权重的实际改变可由权重误差微商逐个模式地计算出来，即它 们可以在这组模式集上进行累加。 综上所述，b p 算法存在以下缺点： ( 1 ) 从数学上看，b p 算法可归结为一个非线性的梯度优化问题，因此不可避 免地存在局部极小问题； ( 2 ) 学习算法的收敛速度慢，通常需要上千次或更多； ( 3 ) 难以确定隐层和隐节点的个数。 在实际应用中，b p 算法很难胜任，因此出现了许多改进算法。b p 算法的改进 主要有两种途径，一种是启发式学习方法另一种则是采用更有效的优化算法。 在m a t l a b 神经网络工具箱中，函数t r a i n b p x ( ) 采用了动量法和学习率自适应调 整的策略，从而提高了学习速度并增加了算法的可靠性。动量法降低了网络对于 误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小。自适应调整学习率 有利于缩短学习时间。 1 4 6 人工神经网络的基本特征及在燃气辅助调度问题上的优越性 2 0 郑州大学硕士学位论文 由大量神经元相互连接组成的人工神经网络显示出人脑的某些基本特征： ( 1 ) 非线性的映射使其具有近似地表示非线性函数的能力。 ( 2 ) 对不确定系统进行自适应和自学习。网络可以通过学习和训练进行自组 织，以适应不同信息处理的要求。 ( 3 ) 大规模并行分布处理结构。信息按内容分布在整个网络上，信息处理是 在大量神经元中平行而又有层次地进行。 ( 4 ) 鲁棒性，即容错性和联想功能。 ( 5 ) 神经网络是大量神经元的集体行为，不是各神经元行为的简单相加而表 现出一般复杂非线性动态系统的特性。 ( 6 ) 神经网络可以处理一些环境信息十分复杂，知识背景不清楚或推理规则 不明确的问题。 ( 7 ) 允许定性和定量信号两者的数据融合。 由上所述，它在处理燃气输配预测问题中的优越性相当明显，主要表现为： ( 1 ) 考虑了燃气管网调度问题中定性的描述信息，且数量不受限制。 ( 2 ) 进行参数处理和预测的精度可进行人工调整。 ( 3 ) 减少获取参数的工作量。 ( 4 ) 应用的数据可以是不完善的、有误差的。 ( 5 ) 应用所涉及的范围内已积累和收集了大量历史数据和样本。 ( 6 ) 对没有确定求解方法的问题比较有效。 因此神经网络能够很好地解决燃气管网辅助调度问题中所遇到的许多困难。 1 5 本文的研究内容及结构安排 本文研究的主要内容是利用s c a d a 系统采集的各种管网运行的历史数据做为 样本来训练各种人工神经网络，使其具有智能化处理以往经验的能力。由于燃气 输配预测中存在经验性、不确定性、不合理性等问题，人工神经网络使我们在传 统的预测理论和方法之外找到一个新的途径，摆脱对个人经验的依赖，建立一种 有效的工作方式，在新的燃气输配调度工作中进行有效的用气量预测，为调度人 员提供参考和进行方案比较，并在管网运行实时监测中进行跟踪预测，实现动态 郑州大学硕士学位论文 仿真。 本文以后各章节安排如下：第二章介绍燃气管网调度系统( s c a d a 系统) 的设 计原则、体系结构、功能结构以及通讯配置。第三章介绍燃气辅助调度各种模型 的建立。该章将详细讨论燃气辅助调度模型的主要思想、构造方法和网络结构， 并给出实验结果与误差分析。第四章介绍管网运行动态模拟模型的建立和燃气泄 漏点动态定位模型的基本思想。 郑州大学硕士学位论文 第二章燃气管网调度系统( s c a d a ) 的设计 2 1 设计原则 2 1 1s c a d a 系统建设目标 建设燃气管网调度系统( s c a d a 系统) 至少要实现三个目标：一是管网运行实 时工况的监测；二是辅助调度，在保证安全供气的同时节约运行成本：三是通过 与企业办公自动化系统的连接，实现整个企业的信息共享。 s c a d a 系统通过计算机网络把分布在市区管网各测点的运行参数由r t u 采集后 传送到调度中心，经s c a d a 服务器整理、转换后实时显示在计算机屏幕上，实现 实时和历史数据曲线的多种方式查询、超限报警、辅助调度等功能：对数据做深 化处理，运用科学的统计方法和仿真技术分析管网的运行工况、实现智能化辅助 调度，使整个燃气输配系统“安全、均衡、技术、经济”地运行，以最大限度降 低企业生产成本；实现s c a d a 系统与公司管理信息系统的联网，向公司领导和有 关部门提供大量的生产计划、管网规划、用户发展规划所需要的基础数据，为管 理者提供科学决策的有效依据。 2 1 。2s c a d a 系统设计原则 系统设计原则必须满足系统目标中的要求，遵循系统整体性、先进性、可扩 充性、可维护性、稳定性、安全性和规范性原则。 1 、先进性 对系统的要求，应立足予高起点、高水准。在充分考虑系统性能价格比的同 时，应考虑系统的先进性，将系统放在国际水准上建设。选择计算机软、硬件和 网络系统时，应选择国内外先进、成熟的产品和技术。 2 、实用性 本系统是用于燃气管网的日常管理上，因此系统必须体现实用性，要与日常 管理紧密结合，即能够最大限度地满足实际工作要求。这是整个信息系统在建设 过程中必须考虑的一种系统性能。 3 、可扩充性、可维护性 需在保证已建设好的系统正常运行的基础上新增功能或改善、增强原有功 郑州大学硕士学位论文 能。系统可扩充性及提供良好的接口有助于提高系统的生存周期。 根据软件工程的理论，系统维护在整个软件的生命同期中所占比重最大。所 以提高系统的可扩充性和可维护性是提高系统性能的必备手段。 4 、可靠性、稳定性 系统建成后每天将处理大量的数据，同时要采集大量的现场数据，将会出现 并行处理，因此任一时刻的系统故障都有可能带来不可估量的损失，这就要求系 统具有高度的可靠性和稳定性。 2 2 系统体系结构 s c a d a 系统是一个大型的计算机数据采集、监视、管理网络系统。整个系统是 以调度中心为主站节点的星型网络系统，系统由以下部分组成： 1 、调度中心计算机网络调度管理系统( 主站) ： 2 、各监测子站数据监控系统： 3 、网络数据通信系统； 4 、现场变送器。 调度指挥中心计算机网络管理系统( 主站) 通过数据通信网络系统与