[发明专利]一种确定管道内压力的方法、装置及设备

说明书

本说明书实施例提供了一种确定管道内压力的方法、装置及设备，包括：获取目标管道的指标数据，所述指标数据随管道停输时间变化；根据所述指标数据和管道停输压力预测模型，确定在不同停输时长所述目标管道内的压力；其中，所述管道停输压力预测模型基于停输信息对预设自编码网络模型训练获得，所述预设自编码网络模型的神经元结构在更新过程中考虑时间序列特性，所述预设自编码网络模型的参数信息基于粒子群优化算法确定。利用本说明书实施例可以提高对成品油管道停输压力预测的准确度。

技术领域

本申请涉及管道传输技术领域，特别涉及一种确定管道内压力的方法、装置及设备。

背景技术

成品油管道的停输操作是成品油管道在投产和运行过程中经常发生的，停输再启动过程中管内压力变化剧烈，管道停输期间，现场人员对于管内压力变化无法提前预知，当管内压力下降时，经常误以为是管道发生泄漏或出现打孔盗油等事故，需人员巡检排查，从而会降低工作效率。因此，对成品油管道停输期间的压力变化开展研究变得越来越重要。

目前，对成品油管道停输压力变化的研究主要是依靠经验公式，对单一管道开展数值模拟。然而，由于实际成品油管道的相关数据在不断变化，仅依靠经验公式对停输压力变化进行研究，容易降低对成品油管道停输压力预测的准确度。

因此，业内亟需一种可以解决上述技术问题的技术方案。

发明内容

本说明书实施例提供了一种确定管道内压力的方法、装置及设备，可以提高对成品油管道停输压力预测的准确度。

本说明书提供的一种确定管道内压力的方法、装置及设备是包括以下方式实现的。

一种确定管道内压力的方法，包括：获取目标管道的指标数据，所述指标数据随管道停输时间变化；根据所述指标数据和管道停输压力预测模型，确定在不同停输时长所述目标管道内的压力；其中，所述管道停输压力预测模型基于停输信息对预设自编码网络模型训练获得，所述预设自编码网络模型的神经元结构在更新过程中考虑时间序列特性，所述预设自编码网络模型的参数信息基于粒子群优化算法确定。

一种管道停输压力预测模型的训练方法，包括：构建预设自编码网络模型；所述预设自编码网络模型的神经元结构在更新过程中考虑时间序列特性，所述预设自编码网络模型的参数信息基于粒子群优化算法确定；获取管道的停输信息；所述停输信息包括停输压力、与所述停输压力对应的指标数据，所述指标数据随管道停输时间变化；将所述指标数据输入预设自编码网络模型，获得输出结果；计算所述输出结果与所述停输压力的误差；基于所述误差对所述预设自编码网络模型进行校正，获得管道停输压力预测模型。

一种确定管道内压力的装置，包括：指标数据获取模块，用于获取目标管道的指标数据，所述指标数据随管道停输时间变化；管道内压力确定模块，用于根据所述指标数据和管道停输压力预测模型，确定在不同停输时长所述目标管道内的压力；其中，所述管道停输压力预测模型基于停输信息对预设自编码网络模型训练获得，所述预设自编码网络模型的神经元结构在更新过程中考虑时间序列特性，所述预设自编码网络模型的参数信息基于粒子群优化算法确定。

一种管道停输压力预测模型的训练装置，包括：构建模块，用于构建预设自编码网络模型；所述预设自编码网络模型的神经元结构在更新过程中考虑时间序列特性，所述预设自编码网络模型的参数信息基于粒子群优化算法确定；获取模块，用于获取管道的停输信息；所述停输信息包括停输压力、与所述停输压力对应的指标数据，所述指标数据随管道停输时间变化；获得模块，用于将所述指标数据输入预设自编码网络模型，获得输出结果；计算模块，用于计算所述输出结果与所述停输压力的误差；校正模块，用于基于所述误差对所述预设自编码网络模型进行校正，获得管道停输压力预测模型。

一种确定管道内压力的设备，包括处理器及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。