Congratulation from Internet Conference!
Hello
ЗАСТОСУВАННЯ МЕТОДУ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ АНАЛІЗУ БАЛАНСОВИХ ВТРАТ ГАЗУ В ГАЗОПРОВОДАХ
24.11.2023 18:38
[3. Technical sciences]
Author: Ільченко Борис Самуілович, доктор технічних наук, професор, Харківський національний університет міського господарства ім. О.М. Бекетова, м. Харків
У рамках вирішення цієї проблеми було поставлено завдання розробки методу побудови залежності похибки відомості балансу газу (розбалансу), яка включає невраховані нетехнологічні витрати від режимно-технологічних параметрів ГТС для аналізу та прогнозування похибки.
Початкове дослідження наявних даних показало, що детерміновані залежності похибки визначення балансу доступних чинників відсутні; дані нерівномірні у діапазоні зміни незалежної змінної; є нерегулярні точки (розриву, стрибкоподібної зміни).
У таких умовах для аналізу похибки розрахунку балансу було поставлено завдання побудови на основі неповних даних моделі з прогнозними властивостями. У випадках складних об'єктів, як ГТС, реально можливі моделі, побудовані за принципом "чорного ящика". У цьому моделюється лише зовнішнє функціонування об'єкта, який імітує поведінкові особливості системи.
Модель похибки розрахунку балансу, що розробляється, повинна враховувати основні фактори і відповідати ряду вимог:
– допускати неповноту даних як за кількістю вимірів, так і за переліком параметрів, необхідних для повного опису поведінки системи;
– працювати при помилках різної природи у даних, інформаційному шумі, протиріччях окремих вимірів один одному;
– враховувати нерівномірність даних (дані мають довільний розподіл у просторі змінних задач);
– допускати неоднакову достовірність у різних сферах зміни параметрів.
За результатами порівняльного аналізу можливих типів побудови моделі було вирішено зупинитися на моделях на основі штучних нейронних мереж (ІНС) [1].
Нейронна мережа може бути формально визначена як сукупність простих процесорних елементів функціонування (нейронів), об'єднаних односпрямованими зв'язками. Мережа приймає деякий вхідний сигнал і пропускає його крізь себе із перетвореннями у кожному процесорному елементі. У процесі проходження сигналу зв'язків мережі відбувається його обробка, результатом якої є певний вихідний сигнал.
Апарат нейронних мереж має необхідні властивості робастності, здатний працювати в умовах неповних та зашумлених даних. ІНС здатні автоматично набувати знань і можуть бути використані для прогнозування.
Адаптивна інформаційна модель на ІНС будувалася на основі тришарової нейронної мережі [1]. Кількість нейронів у внутрішньому шарі дорівнювала 5, нейрони кожного шару з'єднуються з нейронами попереднього і наступного шарів за принципом "кожний з кожним".
Поточний стан нейронів першого шару визначається як зважена сума з вагами w режимно-технологічних параметрів:
Вихід нейрона x визначається активаційною функцією стану f(s). Для моделі розбалансу використано сигмоїд – нелінійну функцію з насиченням:
Вихідні значення нейронів першого шару надходять на вхід нейронів внутрішнього шару. Їх поточний стан є зваженою сумою входів:
Вихід єдиного нейрона третього шару є вихідним значенням моделі.
Розроблені моделі балансу газу – регресійні та адаптивні інформаційні на основі штучних нейронних мереж були протестовані на реальних даних. За результатами тестування можна дійти невтішного висновку, що обидві моделі здатні адекватно відображати стан системи у межах поставленого завдання. Середня помилка на тестових даних для числової інформаційної моделі на основі ІНС становить 4,8%, для регресійної моделі на тих самих даних – 5,3%.
Метод оцінки похибки балансу може застосовуватися на вирішення 2-х категорій завдань: 1) аналізу достовірності визначення обсягу похибки і 2) прогнозування обсягу похибки.
За результатами ранжирування факторів та апробації можна зробити висновок, що основними напрямками заходів щодо зменшення похибки відомості балансу є підвищення якості обліку газу, що відбирається на споживання, рівномірне завантаження ДПА на номінальних режимах, підвищення точності визначення витрати газу на виробничо-технологічні потреби відповідно до регламентів експулатації. обладнання.
Лiтература
1.Уоссермэн Ф. Нейрокомпьютерная техника. / Мир, М., 1992 – 184 c.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Another articles in this section
-
SPATIAL PLANNING OF TERRITORIAL COMMUNITIES IN UKRAINE: ESSENCE AND SIGNIFICANCE
29.11.2023 20:32 -
STUDY OF THE INFLUENCE OF THE SPECIFIC SPEED COEFFICIENT ON THE COUNTER-ROTOR STAGE
29.11.2023 00:22 -
ЕЛЕКТРОХІМІЧНЕ ЗАБАРВЛЕННЯ АНОДОВАНОГО АЛЮМІНІЮ ТА ЙОГО СПЛАВІВ
27.11.2023 20:54 -
ОБЛІК ТЕХНІЧНОГО СТАНУ ГПА ПРИ НОРМУВАННЯ ВИТРАТ ПАЛИВНОГО ГАЗУ
27.11.2023 18:08 -
ПІДВИЩЕННЯ ВІРОГІДНОСТІ РЕЗУЛЬТАТІВ ТЕПЛОТЕХНІЧНИХ ВИПРОБУВАНЬ ГПА
25.11.2023 20:45
Сonferences
Conference 2024
Conference 2023
Conference 2022
Conference 2021
