我院油气储运工程专业博士研究生袁子云在管道顺序输送界面跟踪方面取得重要进展，相关研究成果《基于知识和数据的顺序输送管道实时界面跟踪软传感器开发》（Soft Sensor Development for Real-Time Interface Tracking in Multiple Product Pipelines Based on Knowledge and Data）发表在能源领域国际顶级期刊《SPE Journal》。论文第一作者为博士研究生袁子云，通讯作者为刘刚教授和陈雷教授联合通讯，中国石油大学华东为第一通讯单位。该研究得到国家重点研发计划、国家自然科学基金面上项目以及中央高校自主创新基金项目的资助。
成品油管道通常采用顺序输送方式，即在同一管道内按一定批次连续输送多种油品，相邻油品间必然产生混油现象，造成油品质量衰减并导致管网效益降低。随着我国油气管道“全国一张网”逐渐形成，多油源成品油共用管网已成必然趋势，混油问题将更加突出。
成品油管道顺序输送混油界面发展示意图
混油界面位置信息是辅助现场了解管输批次状态的重要支撑数据，主导成品油批次跟踪的关键因素是管道流量计精度。对于管道空间跨度大，管输工况条件复杂多变的成品油管道，流量数据的微小偏差可引起混油界面到站预测时间的显著误差；工业数据集难以避免存在噪声样本，纯数据驱动的机器学习算法方法未考虑管输过程内涵物理规律，易受噪声样本干扰陷入过拟合误区，预测结果可靠性存疑。
针对上述问题，论文提出了在现有机器学习算法基础上，基于贝叶斯方法将已有管输过程物理认知作为先验信息，融入机器学习算法关键参数估计过程，据此提出了关键参数新估计公式。结合管网实时获取的运行参数，形成了物理-数据双驱的顺序输送管道实时界面跟踪软传感器。实验结果表明对比纯数据驱动算法，融合已有物理认知可有效增强软传感器对工业数据集潜在噪声干扰的鲁棒性，保障了模型准确捕捉管输流量计监测数据与混油界面实际运移速度间函数映射关系，实现了顺序输送混油界面的实时精准跟踪。
|
|
物理-数据双驱的软测量建模方法示意图与双驱算法概率图模型
成品油管道顺序输送混油界面运移流速预测值与实际值对比
刘刚教授团队近年来一直致力于管道顺序输送工艺研究，提出了基于物理认知的关键模态变量选取方法，拓展了现有物理-数据双驱建模方法，形成了顺序输送混油界面关键信息软传感器，对比传统硬测量方法与纯数据驱动算法具有明显优势。上述方法可为现场把控管输介质质量指标提供关键数据支撑，对实现成品油管道智能化运行具有重要意义，相关技术已逐步在工业管道上推广应用。相关成果已授权发明专利4项，转件著作权1项，并发表在《SPE Journal》， 《Energy》，《Geoenergy Science and Engineering》等能源领域国际顶尖期刊。
论文链接：
https://www.sciencedirect.com/science/article/pii/S0360544223026427
https://www.sciencedirect.com/science/article/pii/S2949891023000520
