荐藏！面向大型燃气管网的智能调控系统架构设计与实现

　　面向大型燃气管网的智能调控系统架构设计与实现

　　作者：刘青，关鸿鹏，张应辉，仇晶，蔡磊

　　作者单位：北京市燃气集团有限责任公司

　　摘自《城市燃气》2021年第二期

　　摘要:进入21世纪，城市的能源供应体系日趋完善，天然气作为清洁能源的主要代表，在城市能源体系中发挥了巨大作用。作为运营天然气管网及输配的大型燃气集团公司，面对日趋复杂的网络化管道系统，如何实现在信息化、智能化手段下进行可靠、安全的燃气远程调度、监控等目标，就显得尤为重要。本文主要以系统工程的方法为指导，基于信息物理融合系统，集合现有的SCADA、管网仿真、调度等子系统建设情况，设计出针对多压力级制的燃气管网智能调控软件的系统架构，并作为可实施的指导手段，为后期智能调控软件的具体开发应用奠定基础。智能调控软件系统分为全天候智能调控模块、调控仿真库模块、远程执行系统模块、安全评估模块等4部分，并给出了具体的模块内容，指导软件系统的开发工作。

　　关键词:大型燃气管网；智能调控；系统架构；多压力级制

　　1背景

　　天然气作为清洁能源的代表，在城市的能源供应体系中发挥着巨大的作用，根据相关资料的统计，2019年全国天然气使用量达到3064亿m³，同比增长约10%，未来还会保持持续增长趋势。伴随着天然气使用量的增加，城市燃气管网的规模逐渐扩大，调压站数量增多，燃气压力级制变多，如何将信息化、智能化的技术应用到燃气管网中，如何满足管网的平稳运行，如何解决调压站远程调控及时性，为保障和助力燃气系统更好的为人类生活服务就成为首要解决的问题。

　　自1997年陕气进京后，北京市的天然气利用进入快速发展阶段，到2015年，北京市的年供气量首次突破100亿m³。2016年，高峰单日供应量首次突破1亿m³，目前已成为天然气供应量世界排名第二的单体城市。

　　“十二五”末期，上游供应北京市已形成陆上管道气、煤制气和海上LNG三种气源，陕一、陕二、陕三、陕四、大唐煤制气管线、地下储气库管线、唐山LNG管线七大通道供应体系。同时，北京燃气集团已有燃气管线2万多km，调压站（箱）分布广泛，管道气覆盖所有的城区和郊区，形成了国内规模最大、压力级制最复杂的天然气管网，建立了“五环六级七放射”的天然气配气体系，通过五大环路、六级压力级制管网，七条辐射至郊区的供气干线保障全市供气，成为全国配气能力最强的城市。

　　2亟待解决的问题

　　近年北京燃气的快速发展，在运门站已达10座，次高压以上调压站箱多达300多座，气源种类多，管网规模大，管网调度管理面临着许多亟待解决的问题：

　　（1）站点多人工调节难。调压站数量众多、分布广，部分调压站处地偏远，运行参数调整需要投入大量人力到现场进行操作和值守。

　　（2）相邻站点匹配难。北京市环网调压站工况调整与相邻站密切相关，出力容易出现不均衡；用气负荷较大时，管网容易出现最不利工况点。

　　（3）工况及时调整难。北京的城市交通状况日益恶化，很难保证日常和应急工况调整的及时性。

　　（4）工况调整方案制定难。工况调整方案的制订依靠现有的仿真技术并结合人工经验，难以保证是最优方案并能够及时下达执行。

　　（5）多气源调配难。在多气源引入的情况下，传统气源调配方式难以保证高端用户的用气气质要求。

　　（6）小流量控制难。夏季小流量时的贸易计量不准确。

　　为有效解决管网运行中的诸多问题，北京燃气自2013年起逐步开展调压站远程调控系统的研究、单站控制软件的功能开发、完善和系统的建设，实现了单站自动调压/调流、自动调压/调流曲线、总流控制、低流控制、多支路均衡供气及自动倒台等“八大功能模式”，并在关键站点实施。

　　目前北京燃气集团拥有较为完善的SCADA系统，主要用于对管网设施运行工况的实时监测和部分调压站的单站远程调控，而管网仿真系统、调度令系统等生产运营相关的信息化系统相对独立，远程调控站点也初具规模。要实现规模化调压站点应用远程调控并满足不同的用户需求，必然需要一种方便快捷的技术手段实现远程调控调压站点运行方案的制定和下达。因此智能调控系统建设的必要性凸显。

　　本文主要阐述基于现有系统的相关调控仿真算法研究，以及面向大型燃气管网的智能调控系统架构搭建，使系统能够最终实现门站气量调节、高中压站单站调节、高中压站多站联合调节、高压管道储气调节等智能调控目标。

　　3智能调控系统架构设计原则及目的

　　要想实现对大型燃气管网的智能调控，首要解决的就是对燃气管道的智能监测、多压力级制的联合调度优化、调压器关键设备的智能化控制、数据信息传递安全等多方面内容，此外随着管道检测、嵌入式控制、通讯传输及边缘计算等新技术的发展和燃气供应保障用户的多样性需求，对智能调控提出了许多新的目标和要求。在设计智能调控系统时，充分考虑上述相关因素，需要使用科学的方法进行系统设计，才能满足智能调控系统的需求，更好的为大型燃气管网服务，保障调度能够及时有效，满足各类用户的用气需求。

　　按照建设需求和最终要实现的目的，结合现有条件，提出设计的基本原则如下：

　　（1）满足现有条件下的调压器、调节阀等设备的运行工况要求，满足安全规范。

　　（2）采用数据挖掘、数据分析、机器学习等先进的调控方法。

　　（3）远程调控的执行机构可靠性、响应速度等满足系统调控需求。

　　（4）有效可靠的历史经验数据：主要是站点集群调控经验。

　　系统设定的基本目标是通过远程调控调压站日常运行方案的自动优化、制定和下达，预警系统异常工况；应急工况下，可对远程调控站进行控制，制定和下达应急运行方案，最终实现燃气管网的自动优化和安全运行。

　　系统工程的设计方法主要是将运筹学、控制论、信息理论、基础数学及计算机科学等进行综合运用，针对要解决的问题进行分析、设计和工程验证。大型燃气管网的智能调控系统使用系统工程设计方法，从信息获取、数据分析、算法验证、参数校验、系统执行、安全传输、信息加密解密等涉及到调度全流程的工作进行模块设计。

　　4智能调控系统的主要组成

　　根据设计方法和设计原则，结合生产实际需求，构建出智能调控系统的架构框图如图1所示。

　　图1智能调控系统架构设计图

　　整个智能调控系统主要是实现基于用户需求和数据采集的基础，利用仿真优化算法和模型库，对拟实施的调度令进行仿真测试，根据气源和SCADA系统的管网监测状况进行调度优化，最后输出符合运行规律的燃气管网单层及多层等多种方式的调度调控方案。

　　根据架构框图的设计，主要对搭建的智能调控系统架构4大模块进行分别介绍，它们为全天候智能调控模块、调控仿真库模块、远程执行系统模块、安全评估模块。

　　全天候智能调控模块如图2所示。该模块的主要流程是根据现有SCADA系统反馈的管网及设备监控数据，用气量预测计划（包括用户提供的电厂、工矿企业等大用户的用气计划和城市预测用气计划），通过与历史阶段（PHD）数据库的对比分析，结合调度中心的统一调度指令，通过仿真优化算法库计算能够满足最优条件下的调控方案。在调控方案生成后需要通过GIS系统和储备有丰富人工经验的学习库对其进行校验，之后根据校验结果，将方案数据传给调控仿真库的同时把方案作为学习库内的案例典型充实调控系统方案。

　　图2全天候智能调控模块信息流框图

　　调控仿真库模块如图3所示。调控仿真要把管网实际运行中可能出现的各类问题进行仿真和预案处理。通过对设备及管道数据的实时监测和智能分析，提前预警异常状况，同时将全天候智能调控按照正常工况、异常工况、人工操作误报警等多方面场景进行仿真运行和测试校验，通过应对不同场景情况的调控优化方案和人工经验及原有的案例模型库进行匹配跟踪，生成相应的设备设施管理方案和应急离线调度方案，针对人员误操作和异常需求情况，建立人员权限校验机制和混合智能调控机制。

　　图3调控仿真库信息流框图

　　远程执行系统模块如图4所示。主要是通过接收调控仿真库的输出调控方案，并确保调控方案能够下发现场，对调压器等主要设备部件进行指令化操作。远程调控的调节方式根据设备的情况，分为直接调节方式和间接调节方式；在进行调节时需要运行监控模块，防止出现调控方式过快或者过慢引起管网运行事故的情况，通过智能监测技术分析该模块流程中的运行数据，并与SCADA系统及设备全生命周期系统进行信息交互，核查所要调控的设备运行状态，下达设备调控指令，并通过模块化RTU设备实现调控目的。

　　图4远程执行系统的信息流程图

　　安全评估模块作为系统中的关键组成，根据工控系统的架构需要对监测、控制、传输、执行、设备、人员及管理等多方面进行安全监测和分析控制。为此设计相关的信息鉴别与人员管理授权、信息过滤、设备访问、特有编码、数据智能监测分析及设备物理安全控制等子功能技术，通过定性和定量的方式将调控过程中可能出现的风险进行评估和判断，进行不同层次的分级，在进行相关处理和操作的同时反馈回其他模块，丰富相应的预案和优化调控算法，以便应对风险变化可能出现的异常工况。该模块的具体建设如图5所示。

　　图5安全评估模块的建设内容框架

　　（1）将智能调控系统中和调控相关的设备进行全生命周期监测，对设备安全性进行评估。同时对设备的状态进行监控预警。

　　（2）当调压系统中的数据点出现异常时，根据仿真调控库的案例及人工经验学习的结果，进行双向校验，生成异常数据处理方案，反馈回优化算法，启动备用调控方案。

　　（3）对于涉及到调控系统的操作人员权限和操作步骤进行安全校验，对各系统的跨系统数据及网络信息进行审查及权限认证。

　　以上3个功能是具体层面的操作设置，并且作为安全评估的工作流程指导模块设计。

　　智能调控系统的架构将四个模块有机结合，从感、控、算、仿、用等层面进行全方位设计，使之能够满足大型管网燃气调度需求，适应智能化时代发展。

　　5智能调控系统的调控优化算法库

　　通过对智能调控系统的架构分析，可以发现建设的核心内容是调控仿真库，管网运行部门对调压站（箱）的负荷率、站点运行数量的优化和环网压力均衡等要求都是对算法和仿真运行设定的相关边界条件，因此仿真库的优化算法和仿真运行的适用性和匹配性是决定智能调控系统能否准确、可靠和高效运行的基础。下面介绍一下几个主要的算法及案例库的建设：

　　（1）多压力级制的智能优化算法

　　该算法通过仿真库和GIS系统，设定管网初始参数条件，通过管网系统模型求得管网各节点的初始压强、流量、管段压降等参数，并计算得到第一目标函数；固定压力级制层间的进气节点流量，并利用非线性规划的算法优化调节阀门（口）开度；固定压力级制层间的调节阀门（口）开度，并利用非线性规划的算法优化进气节点流量，计算得到第二目标函数；判断第一目标函数与第二目标函数的绝对差值是否小于预设精度，若是，则结束，若否，则继续优化直到第一目标函数与第二目标函数的绝对差值小于设定值；通过采用迭代求解方法，提升跨级调度的及时性和管网仿真优化的准确性。

　　（2）管网参数校验算法

　　该算法由经验公式出发，确定燃气管道摩擦阻力损失计算公式；之后由确定燃气管道摩擦阻力损失计算公式需要校验参数及实测数据；根据管道设计图纸和经验设定待校验参数的初始值；获取与待校验参数数量相等的实测数据对；利用所述实测数据对组成的实测数据建立燃气管道摩擦阻力损失计算公式的非线性方程组，并采用牛顿-拉夫逊法求解非线性方程组得到多组参数校验值；获取多组参数校验值并计算参数校验值的均值，得到最终的参数的估计值；该算法基于燃气网管SCADA采集数据系统和燃气管道实际参数相结合对比校验的方法，并通过牛顿-拉夫逊方法进行求解分析，实现真实工况参数实时模拟测量。

　　（3）深度学习算法库

　　该算法库主要以燃气管网运行公司储备的丰富人工经验为基础，设计了基于深度学习理论的仿真拟合算法，通过对数据进行表征学习，建立和模拟人脑进行分析学习的神经网络；通过模仿人脑的机制来解释数据，例如图像，声音和文本；通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，以便更好的发挥人工经验的价值；在学习过程中用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，建立基于深度学习的各类调控仿真案例，充实仿真调度案例库。

　　（4）人工案例模型库

　　人工案例模型库的建立主要是通过对历史人工经验数据进行预处理和清洗，得到可以用来建模的有效数据集；然后用决策树（DT）、层次分析法等方法进行数据场景还原和分析，对各影响因子进行区间划分，从而获得可以用于回归分析计算的数据训练集；其后通过偏最小二乘（PLS）等回归方法来找出各相关调节阀门流量、压力等和影响因子的关系，并通过显著性分析等方式得到各影响因子之间的权重，形成数据模型的因子集；然后通过贝叶斯网络模型（BN）、神经网络模型等人工智能的方法，找出各场景下概率发生可能性最高的站点流量压力调控方案。

　　智能调控系统的算法和案例库建设能够将人工调度经验和智能化调度融合，充分发挥人工智能的作用，短时期内能够生成各类方案，便于应对各类工况和各种需求下的管网运行需求。

　　6优化模式及原理

　　伴随着智能调控系统的运行，在一定时期内形成了多种相关的多层级、多批次的调控运行方案，但是还需要进行不断的算法维护和数据校验，保证算法所需要的数据是可靠的，同时依靠真实和完整的数据实现算法的自我修正及迭代更新，满足智能调控系统的安全稳定运行。

　　根据调控的速度需求和目标优化情况，可以将调控优化的模式分为精确优化模式、快速优化模式和极速优化模式等三种，它们随着系统运算速度及可适用性的范围依次上升，带来准确性的下降，但是三者互补，增加可靠性，具体如图6所示。

　　图6优化模式原理示意图

　　从用户出发，按照不同的优化需求，调取优化算法库里对应的相关算法，结合仿真库进行机理模型仿真，通过参数校验步骤进行机理优化；机理优化的基础上利用深度学习算法进行仿真运行，遗传算法对数据和层级压力进行求解，循环交互将计算数据与仿真数据进行比对找到匹配方案；利用协同过滤可以快速将以上步骤完善并输出优化方案。

　　7总结

　　根据调控优化算法的开发研究和仿真校验结果，同时基于数据模型和物理模型相融合，按照智能调控建设的方案，北京燃气初步完成面向大规模多压力级制的燃气管网智能调控系统架构设计。智能调控系统的构建，在一定程度上可以突破现有的人工经验和操作水平限制，使得燃气调控更为智能，可以有效快捷的适应不同种类的需求，降低工况管理工作对于人工操作的依赖；自动应对燃气管网故障，降低故障率和故障处置时间，推动燃气管理部门的天然气管网调控由“经验型调度管理”向未来的“智能型优化调度”转变，提升整体的竞争力，更好的为社会服务。