CN115455827B 一种基于实时数据的成品油管道混油量计算方法及系统 （中国石油大学(北京)）

DistanceTransportationPipeline.20LearningSyatemsConference.202一种基于实时数据的成品油管道混油量计本发明涉及一种基于实时数据的成品油管序输送期间的现场实时运行数据以及混油属性时运行数据以及混油属性信息输入至预先构建2获取待测成品油管道的管道特性参数、顺序输送期间的现场实将管道特性参数、顺序输送期间的现场实时运行数据以及混油属性信息根据成品油管道上下游密度计的变化值，确定混油属性信息，混油属Sm为根据成品油管道的现场实时运行数据、管道特性参数和混油属性信息选出预测误差最低的特征子集作为最优的特征子3采用深度神经网络算法，将最优的特征子集中的自变量作为输入，选取ReLU激活函数作为网络层的非线性激活函数，并采用Adam算数据获取模块，用于获取待测成品油管道的现场实时运行数据混油量预测模块，用于将管道特性参数、顺序输送期间的现场实时根据成品油管道上下游密度计的变化值，确定混油属性信息，混油属Sm为根据成品油管道的现场实时运行数据、管道特性参数和混油属性信息理设备执行时用于实现权利要求1_5中任一项所述的基于实时数据的成品油管道混油量计8.一种计算机可读存储介质，其特征在于，所的基于实时数据的成品油管道混油量计算方法4送的方式对沿途各个分输点进行油品运输，各个分输点根据每种油品的需求进行油品下5[0022]d=dos的混油量预测模型进行混油长度的在线计算，能够帮助现场人员获取较为准确的混油长6[0038]2、考虑到大量管道运行实时数据储存在SCADA(数据采集与监视控制系统)系统混油量的准确计算，因此本发明基于SCADA系统内存储的成品油管道的现场运行实时数据7和i作为管道特性参数。8[0067]d=dos(3)得到不同特征子集对应的预测误差(MAPE一平均绝对百分比误差)，其中，深度神经网络9数具有当输入为正则返回原始值，输入为负则返回0的特点，为增强网络的非线性拟合能[0093]下面通过具体实施例详细说明本发明的基于实时数据的成品油管道混油量计算的影响，对于混油量预测的平均误差为5.59而利用经验公式的方法平均误差达到[0111]本实施例提供一种与本实施例1所提供的基于实时数据的成品油管道混油量计算处理设备运行计算机程序时执行本实施例1所提供的基于实时数据的成品油管道混油量计[0113]在一些实现中，存储器可以是高速随机存取存储器(RAM：RandomAccess的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件[0118]本实施例提供一种与本实施例1所提供的基于实时数据的成品油管道混油量计算于执行本实施例1所述的基于实时数据的成品油管道混油量计算方法的计算机可读程序指[0119]计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0122]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行