基于深度学习的LNG储罐压力环境自适应控制方法及系统技术方案

本发明专利技术提供的一种基于深度学习的LNG储罐压力环境自适应控制系统及方法，属于LNG储罐压力控制技术领域，使用多组训练数据训练得到阀门开闭状态控制模型，每一组训练数据均包括：超过LNG储罐压力稳态阈值的实时压力值对应的阀门开闭状态的标注信息；阀门开闭状态控制模型的输出信息包括与使LNG储罐内的压力保持不超过LNG储罐压力稳态阈值对应的阀门开闭状态值，根据输出信息控制LNG储罐管路系统的阀门开闭状态，输出信息。本发明专利技术基于深度神经网络训练阀门开闭状态控制模型，通过该模型的输出信息下发给罐体控制系统，对罐体集装箱内的阀门开闭状态进行控制，在闭环的环境中自动调整各个阀门的开闭，实现液化天然气的恒温、恒压、安全、低储存成本的目标。

【技术实现步骤摘要】
基于深度学习的LNG储罐压力环境自适应控制方法及系统
本专利技术涉及LNG储罐压力控制
，具体涉及一种基于深度学习的LNG储罐压力环境自适应控制方法及系统。
技术介绍
LNG(液化天然气)具有环保性、经济性和安全性，是常压低温液化天然气，主要成分是甲烷，常压下温度低于-162℃时可以转化为液态，相对于常温常压天然气有大于600倍的压缩比，从经济角度出发，液化天然气LNG的应用形式更为广泛，但是由于其特殊的物理性质，对储存条件要求相对较高，受温度和压强的影响会不可避免地产生甲烷蒸发气，存在较大存储风险和资源浪费的问题，所以解决温度和压强控制问题是提高LNG储存的安全性和经济性的关键。现有的LNG储罐管路系统如图1所示，包括：液相管路、液相增压管路、气相管路、液位压力测量管路，V1为上部进液阀，V2和V2＇为下部排液阀，V3和V3＇为排液阀，V4和V4＇为气体通过阀，V5和V5＇为增压阀，E1为残液排放阀，MV测满阀，S1～S4管路安全阀，S5外筒防爆装置，L为仪表阀，L1、L2为根部截止阀，Pl为压力表，LG为液面计，VV代表真空阀。LNG储存期间，为减少介质的汽化损失，除压力表阀计阀打开，其余阀门均关闭，由于自然蒸发和温度压强的波动，使罐内压力升高到系统最高设定值时，按照该系统指示打开设备气体通过阀进行泄压，当压力恢复正常压力，按照系统指示，阀门关闭。日常充装和卸液时，打开底部进液阀，罐内存在一定量LNG、内筒体仍保持低温状态，罐内蒸发气体维持维持罐箱压力平衡。充液时按照该系统指示打开设备气体通过阀进行泄压，当压力恢复正常，按照系统指示，阀门关闭。LNG储罐属于LNG接收、使用终端的核心设备，其压强和温度的控制是LNG的储存的核心技术，其罐体设计技术特性不仅需要低温(-196℃)，而且还对压力的大小和波动阈值有一定的要求，LNG在储存过程中，受到外部气温和压强的影响，罐内压强会有波动，因此，LNG储存压力环境控制难度非常高。目前已有的低温压力容器只能根据预设温度和压强对LNG进行存储，此种存储方式不仅没有通用性，而且无法根据实时场景进行自动调整，存储的天然气无法在一个相对稳定的环境中，增加了存储风险。
技术实现思路
本专利技术的目的在于提供一种可根据实时的场景自动调整内部储存压力的基于深度学习的LNG储罐压力环境自适应控制方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。为了实现上述目的，本专利技术采取了如下技术方案：一方面，本专利技术提供的一种基于深度学习的LNG储罐压力环境自适应控制方法，包括：实时采集LNG储罐内的压力值输入到阀门状态控制模型中；其中，所述阀门开闭状态控制模型使用多组训练数据训练得到，所述多组训练数据中的每一组训练数据均包括：超过所述LNG储罐压力稳态阈值的实时压力值对应的所述LNG储罐管路系统的阀门开闭状态的标注信息；获取所述阀门开闭状态控制模型的输出信息，根据所述输出信息控制所述LNG储罐管路系统的阀门开闭状态；其中，所述输出信息包括与使所述LNG储罐内的压力保持不超过所述LNG储罐压力稳态阈值对应的所述管路系统的阀门开闭状态值。优选的，使用多组训练数据训练所述模型包括：采集实时状态数据，通过LNG储罐控制系统的传感器获取LNG储罐内的实时压强和阀门开闭状态值进行重新采集；实时状态数据预处理，对获得的实时压强和阀门开闭状态值进行数值化处理，存放在csv表格内，并进行标注信息；数据封装，使用numpy数据处理包读取csv表格内的数据，存放在numpy的array矩阵内，作为神经网络的输入数据集；神经网络通过前向卷积运算对数据集进行特征提取，在前馈运算过程中动态迭代更新卷积核参数，直至实时的压强值与LNG储罐压力稳态阈值满足误差要求，保存为模型参数文件。优选的，神经网络的迭代约束条件为LNG储罐压力稳态阈值q与实际压强值p的差值，通过交叉熵运算来约束神经网络的训练过程。优选的，根据所述输出信息控制所述LNG储罐管路系统的阀门开闭状态包括：将模型参数文件传送给LNG储罐控制系统，利用模型参数文件中的稳定状态的压强值和阀门开闭状态值对LNG储罐控制系统下发指令，控制LNG储罐管路系统的阀门开闭状态，达到稳压的目的。优选的，对获得的实时压强和阀门开闭状态值进行数值化处理数值化处理包括：阀门开闭状态以0和1分别表示阀门的关闭和打开，将压强值和阀门开闭状态以浮点数类型存放在csv表格内。优选的，所述标注信息为：压强低于0.69兆帕的数据记录为“稳定”，超过0.69兆帕记为“不稳定”。第二方面，本专利技术还提供一种基于深度学习的LNG储罐压力环境自适应控制系统，包括：数据采集模块，用于实时采集LNG储罐内的压力值；模型训练模块，用于根据实时采集的压力值数据训练阀门开闭状态控制模型，获取阀门开闭状态控制信息；阀门控制模块，用于根据阀门开闭状态控制信息，控制LNG储罐管路系统的阀门的开闭状态，使所述LNG储罐内的压力值不超过所述LNG储罐的压力稳态阈值。优选的，所述数据采集模块包括设于所述LNG储罐内的多个压力传感器。优选的，所述模型训练模块包括模型构建单元，用于构建阀门开闭状态控制模型，利用神经网络通过前向卷积运算对数据集进行特征提取，在前馈运算过程中动态迭代更新卷积核参数，直至实时的压强值与LNG储罐压力稳态阈值满足误差要求。优选的，所述模型训练模块还包括数据预处理单元和数据封装单元：所述数据预处理单元用于，对获得的实时压强和阀门开闭状态值进行数值化处理，存放在csv表格内，并进行标注信息；所述数据封装单元，用于使用numpy数据处理包读取csv表格内的数据，存放在numpy的array矩阵内，作为神经网络的输入数据集。本专利技术有益效果：基于深度神经网络训练阀门开闭状态控制模型，通过该模型的输出信息下发给罐体控制系统，对罐体集装箱内的阀门开闭状态进行控制，在闭环的环境中自动调整各个阀门的开闭，实现液化天然气的恒温、恒压、安全、低储存成本的目标。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为现有技术中LNG储罐管路系统结构图。图2为本专利技术实施例所述的基于深度学习的LNG储罐压力环境自适应控制系统原理框图。具体实施方式下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本技术本文档来自技高网...

【技术保护点】
1.一种基于深度学习的LNG储罐压力环境自适应控制方法，其特征在于：/n实时采集LNG储罐内的压力值输入到阀门状态控制模型中；其中，/n所述阀门开闭状态控制模型使用多组训练数据训练得到，所述多组训练数据中的每一组训练数据均包括：超过所述LNG储罐压力稳态阈值的实时压力值对应的所述LNG储罐管路系统的阀门开闭状态的标注信息；/n获取所述阀门开闭状态控制模型的输出信息，根据所述输出信息控制所述LNG储罐管路系统的阀门开闭状态；其中，/n所述输出信息包括与使所述LNG储罐内的压力保持不超过所述LNG储罐压力稳态阈值对应的所述管路系统的阀门开闭状态值。/n

【技术特征摘要】
1.一种基于深度学习的LNG储罐压力环境自适应控制方法，其特征在于：
实时采集LNG储罐内的压力值输入到阀门状态控制模型中；其中，
所述阀门开闭状态控制模型使用多组训练数据训练得到，所述多组训练数据中的每一组训练数据均包括：超过所述LNG储罐压力稳态阈值的实时压力值对应的所述LNG储罐管路系统的阀门开闭状态的标注信息；
获取所述阀门开闭状态控制模型的输出信息，根据所述输出信息控制所述LNG储罐管路系统的阀门开闭状态；其中，
所述输出信息包括与使所述LNG储罐内的压力保持不超过所述LNG储罐压力稳态阈值对应的所述管路系统的阀门开闭状态值。


2.根据权利要求1所述的基于深度学习的LNG储罐压力环境自适应控制方法，其特征在于，使用多组训练数据训练所述模型包括：
采集实时状态数据，通过LNG储罐控制系统的传感器获取LNG储罐内的实时压强和阀门开闭状态值进行重新采集；
实时状态数据预处理，对获得的实时压强和阀门开闭状态值进行数值化处理，存放在csv表格内，并进行标注信息；
数据封装，使用numpy数据处理包读取csv表格内的数据，存放在numpy的array矩阵内，作为神经网络的输入数据集；
神经网络通过前向卷积运算对数据集进行特征提取，在前馈运算过程中动态迭代更新卷积核参数，直至实时的压强值与LNG储罐压力稳态阈值满足误差要求，保存为模型参数文件。


3.根据权利要求2所述的基于深度学习的LNG储罐压力环境自适应控制方法，其特征在于：
神经网络的迭代约束条件为LNG储罐压力稳态阈值q与实际压强值p的差值，通过交叉熵运算来约束神经网络的训练过程。


4.根据权利要求2所述的基于深度学习的LNG储罐压力环境自适应控制方法，其特征在于：根据所述输出信息控制所述LNG储罐管路系统的阀门开闭状态包括：
将模型参数文件传送给阀门控制模块，利用模型参数文件中的稳定状态的压强值和阀门开闭状态值对阀门控制模块下发指令，控制LNG储罐管路系统的阀门开闭状态，达到稳压的目的...

【专利技术属性】
技术研发人员：徐春华，谢淑贤，葛晨，
申请(专利权)人：山东中车同力钢构有限公司，
类型：发明
国别省市：山东;37