(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210569856.5 (22)申请日 2022.05.24 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 周登极　郝佳瑞　 (74)专利代理 机构 上海交达专利事务所 31201 专利代理师 王毓理　王锡麟 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/27(2019.01) G06F 11/14(2006.01) G06F 11/30(2006.01) G06F 9/50(2006.01)G06Q 50/06(2012.01) (54)发明名称 基于近似状态空间结构神经网络的天然气 输管网仿真方法及装置 (57)摘要 一种基于近似状态空间结构神经网络的天 然气输管网仿真方法及装置， 通过 实时接收长输 天然气管网系统内各个节点的实时监测量， 将数 据传输至分布式服务器集群， 通过服务器集群的 分布式计算架构， 分配与执行多个管段的计算任 务， 实现在线训练神经网络和管网系统的状态估 计， 返回被估计参数和在线仿真结果。 本发明以 数据驱动方式实现对长输天然气管网的快速参 数辨识和在线仿真， 实现与长输天然气管网监测 系统的实时通讯， 获取长输天然气管网的实时环 境条件和系统边界， 实现在 线仿真并估计管道关 键的未测量参数的同时具有良好的环 境兼容性， 装置和算法环境部署简单便捷， 可移植性强， 维 护成本低。 权利要求书3页 说明书7页 附图6页 CN 114925609 A 2022.08.19 CN 114925609 A 1.一种基于近似状态空间结构神经网络的天然气输管网仿真装置， 其特征在于， 由若 干个分布式服务器集群计算架构组成， 每个分布式服务器集群计算架构包括： 前端服务单 元、 后端计算架构单元和后端服务单元， 其中： 前端服务单元， 循环扫描服务器的关系数据 库， 根据服务器关系 数据库中的原始监测数据和计算数据信息， 通过查询指令和简单逻辑 计算， 得到管网可视化结果； 后端计算架构单元根据关系 数据库中的原始监测数据信息以 及后端服务单元所分配的计算任务信息， 通过循环式计算， 得到子任务的计算结果包括： 近 似状态空间结构神经网络单元所预测的压缩机节 点流量、 管道特性参数并提交至关系数据 库； 后端服务单元根据管道各个部分的计算任务分配信息， 将计算任务进行拆分和分配在 各个计算进程执 行子计算任务得到计算结果。 2.根据权利要求1所述的基于近似状态空间结构神经网络的天然气输管网仿真装置， 其特征是， 所述装置的前端服务单元包括： 数据流监控模块、 信息管 理模块、 权限管理模块、 状态监测模块和数据可视化模块， 其中： 数据流监控模块通过实时监测各个计算节点的数 据通讯情况， 得到数据流的健康状态， 信息管理模块根据需要显示的管道压缩机组以及参 数的配置文件， 管理管道各个部分的可视化界面， 权限管理模块根据用户类别设置相 应配 置文件， 管理各个用户的客户端能够查看到的管道部分的权限， 状态监测模块根据各个服 务器的通讯和计算状态信息， 得到各个计算节点是否正常执行任务的结果， 数据可视化模 块根据关系 数据库的原始数据和计算数据信息， 通过定时访问接口和显示配置文件， 得到 相应的可视化结果。 3.根据权利要求1所述的基于近似状态空间结构神经网络的天然气输管网仿真装置， 其特征是， 所述装置的后端计算架构单元具体为若干分布式的服务器集群装置实现分布式 计算和存储， 每个服务器集群装置包括： 数据管理服务器、 计算管理服务器和 计算服务器， 其中： 每个Slave根据CalM aster的分配， 同时作为DBSlave和C alSlave， DBMaster中设有可 供客户端访问的原始数据和计算数据接口以及管理数据相关接口并执行定时任务， CalMaster中设有供DBMaster访问的备份接口和计算调度模块访问的计算请求接口并执行 定时任务， Slave存储以及访问机组原始数据和计算数据， Slave执行具体计算任务并接受 CalMaster的调度。 4.根据权利要求3所述的基于近似状态空间结构神经网络的天然气输管网仿真装置， 其特征是， 所述的原始数据是指机组在运行过程中从管网实时监测系统送到本系统中的数 据， 计算数据是指利用模型处 理原始数据得到的结果数据； 所述的管理数据是指用户信息、 机组信息、 机芯信息等除去原始数据和计算数据以外 的数据； 所述的DBMaster执行的定时任务包括： 从管网实时监测系统周期性地获取数据存储到 本系统中的关系数据库中、 周期性地监测DBSlave的连接状态， 并更新到配置信息中、 周期 性地处理数据库写操作产生的原始及计算数据同步异常信息， 保证宕机重启后能够保证数 据自动同步以及一致性、 周期性地处理数据库写操作产生的管理数据同步异常信息， 保证 宕机重启后能够保证数据自动同步以及一 致性； 所述的备份接口将管理数据备份到CalMaster中， 计算接口分发计算请求至合适的计 算服务器； 所述的CalMaster执行的定时任务包括： 定时发布计算任务， 调用CalMaster的计算接权　利　要　求　书 1/3 页 2 CN 114925609 A 2口， 使其自动进 行任务的分配； 当分配失败， 则周期性地自动重试， 最多重试10次， 若仍不成 功， 则跳过此次计算任务； 需要注意的是， 这里只是看分配的成功与失败， 计算过程中当出 现意外情况导致计算失败， 则由模型内部进 行处理， 本模块只 负责任务的分发， 不负责计算 结果的反馈、 周期性地监测CalSlav e的连接状态以及CPU和内存占有率， 并更新到配置文件 中。 5.一种基于权利要求1～4中任一所述装置的基于近似状态空间结构神经网络的天然 气输管网仿真方法， 其特征在于， 通过实时接 收长输天然气管网系统内各个节点的实时监 测量， 将数据传输至 分布式服务器集群， 通过服务器集群的分布式计算架构， 分配与执行多 个管段的计算任务， 实现在线训练神经网络和管网系统的状态估计， 返回被估计参数和在 线仿真结果。 6.根据权利要求5所述的天然气输管网仿真方法， 其特 征是， 具体包括： 步骤1、 该装置与管道实时监测系统保持实时通讯， 周期性地获取各个节点的温度压力 测点数据， 实时获取气源节点的流量测 点数据， 作为近似状态空间结构神经网络模型 的在 线训练数据集， 存 储至集群服 务器中DBMaster的关系数据库中； 步骤2、 计算任务分为前向计算任务和后向计算任务， 均由CalMaster进行计算任务管 理和分配； 后向计算任务即周期性地根据全管网的监测数据和边界数据对近似状态空间结 构神经网络模型进行训练； 前向任务即基于训练后的模型对全管网进 行在线参数估计和在 线仿真， 返回各个管 段进出口流 量， 摩阻系数， 高程和传热系数； 步骤3、 CalMaster管理并分配后向训练任务的分配工作， 周期性地对所搭建的近似状 态空间结构神经网络进行一次训练， 训练任务根据当前计算资源的占用情况， 分配至不同 的SLAVE进行训练， 训练后的网络权重参数， 即管道待估计参数返回SLAVE的数本地关系据 库， 由SLA VE上周期性 地执行一次的状态监测任务同步数据到DBMaster的关系数据库中； 步骤4、 CalMaster管理并分配全管网的前向在线仿真和在线参数估计， 周期性地对全 管网进行一次参数估计和仿真； 首先， SLAVE向DBMaster请求最新的近似状态空间结构神经 网络参数； 其次， 请求最近一分钟的管网监测参数和边界参数作为网络的输入； 最终， 执行 近似状态空间结构神经网络的前向计算脚本， 评估全网络的流量参数， 返回并写入 DBMaster的关系数据库中； 步骤5、 前端界面以表格和绘图形式显示管线的状态趋势变化， 周期性地向DBMaster上 的关系数据库中请求计算结果， 即管道进出 口温度压力、 压缩机进出 口温度压力和管道特 性参数、 管网流 量。 7.根据权利要求5所述的天然气输管网仿真方法， 其特征是， 所述的基于近似状态 空间 结构神经网络对多根管道的在线仿 真模型进 行构建包括： 近似状态空间结构神经网络单元 和压缩机计算单元： 每根管道用可近似状态空间结构神经网络单元代替， 为保证压缩机机 理特性， 结合压缩机计算单元 的结果对流量与压力、 转速、 温度之间关系进行约束； 整个网 络的输入包括进口的温度、 压力、 温度以及压缩机的转速与出口温度， 通过多层近似状态空 间结构神经网络与压缩机机理特性串联构建该网络模型， 输出为每个管道出 口的压力、 流 量、 管存等， 利用每根管道出 口压力、 压缩机出 口压力、 最后一根管道出口流量以及与两个 单元所计算的相同物理量的差作为损失函数， 以优化器更新近似状态空间结构神经网络的 参数。权　利　要　求　书 2/3 页 3 CN 114925609 A 3