本發(fā)明屬于天然氣系統(tǒng)控制，具體涉及一種基于參數(shù)重構(gòu)的天然氣管網(wǎng)系統(tǒng)仿真方法、系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、相關(guān)技術(shù)中，燃氣機組作為靈活調(diào)節(jié)資源的大規(guī)模接入，催生了電力-天然氣深度耦合的新型能源架構(gòu)，其能量傳輸呈現(xiàn)異質(zhì)能流時空異步響應(yīng)的顯著特征。這種跨能源耦合在提升系統(tǒng)運行靈活性的同時，也誘發(fā)多物理場耦合效應(yīng)，導(dǎo)致系統(tǒng)動態(tài)特性呈現(xiàn)強非線性與高階次特征，對系統(tǒng)協(xié)同規(guī)劃與安全運行構(gòu)成嚴(yán)峻挑戰(zhàn)。

2、當(dāng)前電力系統(tǒng)動態(tài)分析理論體系已趨于完善，而天然氣網(wǎng)絡(luò)受限于氣體可壓縮性、管道儲氣效應(yīng)等復(fù)雜動態(tài)過程，其建模理論與仿真技術(shù)成熟度呈現(xiàn)顯著異構(gòu)特征。在此背景下，為了更好地開發(fā)利用電-氣綜合能源系統(tǒng)，建立可靠的天然氣管網(wǎng)系統(tǒng)動態(tài)模型并進行仿真求解就顯得必不可少。

3、然而，實際工程中天然氣管網(wǎng)結(jié)構(gòu)參數(shù)往往因管道老化、腐蝕或施工誤差等原因存在不確定性，這種參數(shù)不確定性將導(dǎo)致系統(tǒng)模型與實際動態(tài)響應(yīng)產(chǎn)生顯著偏差。此外，由于刻畫天然氣管道動態(tài)特性的偏微分方程組十分復(fù)雜，具有強時空耦合特性，常見的求解方法是將原偏微分方程組進行時空離散，然后使用線性化的手段處理方程中的非線性項，但是離散處理后的方程組引入了大量中間變量，求解計算量大，求解速度慢，并且不合適的時空離散步長和線性化方法會使得求解精度降低，從而影響天然氣管網(wǎng)系統(tǒng)的快速精確仿真。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的上述不足，本發(fā)明提供一種基于參數(shù)重構(gòu)的天然氣管網(wǎng)系統(tǒng)仿真方法、系統(tǒng)及介質(zhì)，以解決上述技術(shù)問題。

2、第一方面，本發(fā)明提供一種基于參數(shù)重構(gòu)的天然氣管網(wǎng)系統(tǒng)仿真方法，包括：

3、采集天然氣管網(wǎng)系統(tǒng)中每根管道的運行數(shù)據(jù)，運行數(shù)據(jù)包括每個管道指定位置的時空坐標(biāo)、氣壓和質(zhì)量流量，基于氣壓和質(zhì)量流量分別對每根管道構(gòu)建與運行數(shù)據(jù)關(guān)聯(lián)的偏微分方程組；

4、對每根管道分別構(gòu)建多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型，基于每根管道的運行數(shù)據(jù)和偏微分方程組訓(xùn)練對應(yīng)的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型，并在模型訓(xùn)練過程中完成多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型參數(shù)和偏微分方程組參數(shù)的重構(gòu)；

5、基于參數(shù)重構(gòu)后的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型獲取管道兩端的氣壓和質(zhì)量流量，基于管道兩端的氣壓和質(zhì)量流量構(gòu)建天然氣管網(wǎng)系統(tǒng)的節(jié)點氣壓約束和節(jié)點流量平衡約束；

6、基于節(jié)點氣壓約束和節(jié)點流量平衡約束結(jié)合聯(lián)合訓(xùn)練方法對所有管道的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)進行二次訓(xùn)練得到多神經(jīng)網(wǎng)絡(luò)組合仿真模型，基于多神經(jīng)網(wǎng)絡(luò)組合仿真模型進行天然氣管網(wǎng)系統(tǒng)仿真。

7、在一個可選的實施方式中，基于氣壓和質(zhì)量流量分別對每根管道構(gòu)建偏微分方程組具體包括：

8、

9、其中，表示空間坐標(biāo)，表示時間坐標(biāo)，表示氣壓，表示質(zhì)量流量，表示氣流中的聲速，表示管道橫截面積，表示管道直徑，表示管道內(nèi)壁摩擦系數(shù)。

10、在一個可選的實施方式中，在多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型構(gòu)建之前，對每根管道的運行數(shù)據(jù)和偏微分方程組分別進行無量綱化處理，具體包括：

11、引入特征尺度，將所有運行數(shù)據(jù)轉(zhuǎn)換為無量綱形式：

12、

13、其中，, t,,分別表示選取的特征長度、特征時間、特征氣壓、特征質(zhì)量流量； x*, t*, p*, m*分別表示空間坐標(biāo)、時間坐標(biāo)、氣壓、質(zhì)量流量對應(yīng)的相對值；

14、根據(jù)引入的特征尺度將偏微分方程組轉(zhuǎn)化為無量綱形式：

15、。

16、在一個可選的實施方式中，多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型包括兩個并行的神經(jīng)網(wǎng)絡(luò)，兩個神經(jīng)網(wǎng)絡(luò)共同構(gòu)成特征提取層、共享層、多任務(wù)學(xué)習(xí)層，采用軟參數(shù)共享機制，通過兩個并行的神經(jīng)網(wǎng)絡(luò)分別擬合氣壓和質(zhì)量流量的變化；

17、在模型訓(xùn)練過程中，特征提取層接收時空坐標(biāo)并提取坐標(biāo)的分布特征，然后將特征向量輸送到共享層，通過共享層兩個神經(jīng)網(wǎng)絡(luò)間的交互實現(xiàn)信息的融合，模型輸出管道兩端的氣壓和質(zhì)量流量；

18、基于輸出的氣壓、質(zhì)量流量以及偏微分方程組參數(shù)構(gòu)建損失函數(shù)，并基于損失函數(shù)計算管道兩端的氣壓和質(zhì)量流量與實際的管道兩端的氣壓和質(zhì)量流量之間的損失值，并通過優(yōu)化求解器?adam和l-bfgs使用梯度下降方法更新神經(jīng)網(wǎng)絡(luò)模型參數(shù)和偏微分方程組參數(shù)；

19、在模型訓(xùn)練完成后，完成對神經(jīng)網(wǎng)絡(luò)模型參數(shù)和偏微分方程組參數(shù)的重構(gòu)。

20、在一個可選的實施方式中，多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中，損失函數(shù)構(gòu)造如下：

21、

22、

23、

24、

25、其中，和表示氣壓和質(zhì)量流量數(shù)據(jù)集；和表示多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)輸出的氣壓和質(zhì)量流量；和表示偏微分方程約束的配置點和邊界條件配置點；和分別表示偏微分方程算子和邊界條件算子；表示神經(jīng)網(wǎng)絡(luò)的模型參數(shù)，包括每層神經(jīng)元的權(quán)重和偏置；表示偏微分方程中的未知參數(shù)?(需要進行辨識的參數(shù))。整個損失函數(shù)分為三個部分，按照權(quán)重相加。表示數(shù)據(jù)損失項，由已知的運行數(shù)據(jù)和模型預(yù)測數(shù)據(jù)計算均方誤差得到；表示偏微分方程殘差損失項，其是將模型預(yù)測值代入偏微分方程計算失配量；表示邊界條件損失項，用邊界上的數(shù)據(jù)點計算均方誤差得到。

26、在一個可選的實施方式中，構(gòu)建天然氣管網(wǎng)系統(tǒng)的節(jié)點氣壓約束和節(jié)點流量平衡約束包括：

27、對于天然氣管網(wǎng)系統(tǒng)中的氣源節(jié)點，由于氣源氣壓已知且為常數(shù)，故滿足與氣源相連管道的輸入端口的氣壓等于氣源氣壓的節(jié)點氣壓約束；

28、對于天然氣管網(wǎng)系統(tǒng)中的末端節(jié)點，其與天然氣負荷相連，由已知的負荷量可得與末端節(jié)點相連管道的輸出端口的質(zhì)量流量之和等于末端節(jié)點處的天然氣負荷的節(jié)點流量平衡約束；

29、對于天然氣管網(wǎng)系統(tǒng)中的一般節(jié)點，其連接多根管道的輸入端口和輸出端口，且存在天然氣負荷，因此對于一般節(jié)點需要滿足與節(jié)點相連的管道端口處氣壓相等的節(jié)點氣壓約束和節(jié)點處天然氣流入量與流出量實時平衡的節(jié)點流量平衡約束。

30、在一個可選的實施方式中，對所有管道的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)進行二次訓(xùn)練包括：

31、在聯(lián)合訓(xùn)練前，針對各管道的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型，采用分層參數(shù)凍結(jié)策略，凍結(jié)除輸出層外所有隱藏層的權(quán)重和偏置參數(shù)；

32、在聯(lián)合訓(xùn)練中，將輸入的運行數(shù)據(jù)和偏微分方程組進行前向傳播后，得到預(yù)測的管道兩端的氣壓和質(zhì)量流量；

33、基于節(jié)點氣壓約束和節(jié)點流量平衡約束構(gòu)建損失函數(shù)，基于損失函數(shù)計算預(yù)測的管道兩端的氣壓和質(zhì)量流量和實際的管道兩端的氣壓和質(zhì)量流量之間的損失值，基于損失值進行反向傳播，計算輸出層參數(shù)的梯度，并基于adam優(yōu)化器按照設(shè)定的初始學(xué)習(xí)率更新輸出層參數(shù)。

34、在一個可選的實施方式中，基于節(jié)點氣壓約束和節(jié)點流量平衡約束構(gòu)建損失函數(shù)具體包括：

35、

36、

37、其中，分別為氣源節(jié)點氣壓約束、末端節(jié)點流量平衡約束、一般節(jié)點的節(jié)點氣壓約束、一般節(jié)點的節(jié)點流量平衡約束對應(yīng)的損失函數(shù)，、、、是選取的權(quán)重系數(shù)，表示時間序列中的總時間步數(shù)，i表示時間步索引，表示氣源的集合，表示與氣源相連的天然氣管道的集合，表示氣源處的氣壓，表示時刻管道輸入端口處的氣壓，表示末端節(jié)點處天然氣負荷的集合，表示與天然氣負荷相連的天然氣管道的集合，表示時刻天然氣負荷處的天然氣負荷量，表示時刻管道輸出端口處的質(zhì)量流量，j表示天然氣管網(wǎng)系統(tǒng)中一般節(jié)點的集合，和分別表示輸入端口和輸出端口與一般節(jié)點相連的管道集合，表示時刻管道輸入端口處的氣壓，表示時刻管道輸出端口處的氣壓，表示時刻管道輸入端口處的質(zhì)量流量，表示時刻天然氣負荷處的天然氣負荷量，，表示一般節(jié)點處天然氣負荷的集合。

38、第二方面，本發(fā)明提供一種基于參數(shù)重構(gòu)的天然氣管網(wǎng)系統(tǒng)仿真系統(tǒng)，系統(tǒng)實現(xiàn)時執(zhí)行上述的基于參數(shù)重構(gòu)的天然氣管網(wǎng)系統(tǒng)仿真方法，系統(tǒng)包括：

39、數(shù)據(jù)采集處理模塊，采集天然氣管網(wǎng)系統(tǒng)中每根管道的運行數(shù)據(jù)，運行數(shù)據(jù)包括每個管道指定位置的時空坐標(biāo)、氣壓和質(zhì)量流量，基于氣壓和質(zhì)量流量分別對每根管道構(gòu)建與運行數(shù)據(jù)關(guān)聯(lián)的偏微分方程組；

40、管道模型訓(xùn)練模塊，對每根管道分別構(gòu)建多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型，基于每根管道的運行數(shù)據(jù)和偏微分方程組訓(xùn)練對應(yīng)的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型，并在模型訓(xùn)練過程中完成多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型參數(shù)和偏微分方程組參數(shù)的重構(gòu)；

41、約束條件構(gòu)建模塊，基于參數(shù)重構(gòu)后的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)模型獲取管道兩端的氣壓和質(zhì)量流量，基于管道兩端的氣壓和質(zhì)量流量構(gòu)建天然氣管網(wǎng)系統(tǒng)的節(jié)點氣壓約束和節(jié)點流量平衡約束；

42、聯(lián)合模型訓(xùn)練仿真模塊，基于節(jié)點氣壓約束和節(jié)點流量平衡約束結(jié)合聯(lián)合訓(xùn)練方法對所有管道的多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)進行二次訓(xùn)練得到多神經(jīng)網(wǎng)絡(luò)組合仿真模型，基于多神經(jīng)網(wǎng)絡(luò)組合仿真模型進行天然氣管網(wǎng)系統(tǒng)仿真。

43、第三方面，提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當(dāng)其在計算機上運行時，使得計算機執(zhí)行上述各方面所述的方法。

44、本發(fā)明的有益效果在于，本發(fā)明提供的基于參數(shù)重構(gòu)的天然氣管網(wǎng)系統(tǒng)仿真方法、系統(tǒng)及介質(zhì)，通過構(gòu)建多任務(wù)-物理信息神經(jīng)網(wǎng)絡(luò)，直接建模天然氣管網(wǎng)系統(tǒng)強耦合偏微分方程組的連續(xù)時空動態(tài)特性，利用管網(wǎng)運行數(shù)據(jù)驅(qū)動訓(xùn)練，在保持方程物理約束的前提下完成偏微分方程參數(shù)重構(gòu)，然后該模型通過天然氣管網(wǎng)約束實現(xiàn)多神經(jīng)網(wǎng)絡(luò)聯(lián)合訓(xùn)練，僅需調(diào)整少量核心參數(shù)即可構(gòu)建高精度動態(tài)仿真系統(tǒng)，實時輸出包括節(jié)點氣壓、質(zhì)量流量在內(nèi)的全域動態(tài)場分布，實現(xiàn)天然氣管網(wǎng)系統(tǒng)的動態(tài)仿真。

45、此外，本發(fā)明設(shè)計原理可靠，結(jié)構(gòu)簡單，具有非常廣泛的應(yīng)用前景。