[发明专利]一种往复式混输泵排出流率的混合建模与预测方法

摘要

本发明公开了一种往复式混输泵排出流率的混合建模与预测方法。它包括以下步骤：(1)建立频变油气混输工况下，往复式混输泵一个泵腔排出流率高斯过程回归GPR经验模型；(2)建立泵腔排出流率曲线的阶段识别方法；(3)基于过程特性信息，分阶段对GPR预测结果进行优化；(4)基于全局和加权GPR组合模型，对方差变化较大阶段的预测结果进行优化；(5)合并步骤(3)和(4)的结果，得到泵腔的排出流率曲线；(6)利用往复式泵各个泵腔的流率表达式，分段加和得到泵的总排出流率，实现对一个输入样本集的在线预测。本发明提出的集成GPR预测不确定度和过程特性信息分阶段混合建模方法，可实现对混输工况下往复式混输泵排出流率的建模和预测。

主权项

1.一种往复式混输泵排出流率的混合建模与预测方法，包括以下步骤：(1)建立频变油气混输工况下，往复式混输泵一个泵腔排出流率的高斯过程回归GPR经验模型；首先，分析泵排出流率过程特性及影响因素，确定GPR模型的输入和输出变量；其次，建立典型工况下泵腔排出流率的全局GPR经验模型；包括收集N组输入输出训练样本{X,y}，表示为其中x_i为第i个样本输入，y_i为第i个样本输出，由GPR定义，得：y＝(y1,…,yN)T～G(0,C)     (1)式中C表示协方差矩阵，其第i行第j列元素C(xi,xj)表示为：式中,xi,d表示xi的第d个元素；i＝j，则δi,j＝1，否则δi,j＝0；θ＝[a0,a1,v0,w1,…,wd,b]T表示GPR的模型参数；(2)建立泵腔排出流率曲线的阶段识别方法；首先，基于典型工况的泵腔排出流率的实际和全局GPR回归曲线，提取过程特性信息；其次，结合全局GPR模型的概率信息，提出基于预测方差及其导数的分阶段方法，包括以下步骤：(2.1)将排出流率曲线上所有的样本点归为一个样本集；对第t个测试样本集T表示测试样本集的总个数，N_t表示第t个测试样本集的样本个数，第i个样本点x_t,i的预测输出和它的方差表示为式中k_t,i＝[C(x_t,i,x₁),C(x_t,i,x₂),…,C(x_t,i,x_N)]^T表示新的输入样本和训练样本间的协方差；N为训练样本的总数；k_t,i＝C(x_t,i,x_t,i)是新输入样本的协方差；表示GPR模型预测输出的方差，它能用来描述一个输入样本和其预测模型的不确定度；这样，基于公式(3)和(4)，可获得测试样本集X_t的排出流率曲线和预测方差曲线，进而获得方差导数的曲线；(2.2)对测试样本集Xt，所有预测方差的平均值Et表示为：定义阈值ηt,i描述xt,i的预测方差与平均值Et的差，可识别曲线突变阶段；对测试样本集Xt，若自xt,i开始，连续几个样本点的阈值均小于(或大于)零，则曲线突变阶段自i点开启，到新的突变阶段开始时结束；这样，从(2.1)中获得的排出流率曲线近似分成G个阶段；(2.3)定义第g＝1,…,G阶段第j个方差导数Δtg,jmg表示第g阶段样本点数目；则第g阶段的方差导数平均值ΔEt,g可表示为：阈值λtg,j可表示为：λtg,j＝Δtg,j‑ΔEt,g     (9)用于识别第g阶段突变阶段；对第g阶段，若自第j个样本点开始，连续阀值均小于(或大于)零，则突变阶段自第j点开启；这样，(2.2)中近似获得的G个阶段得到优化，第g个阶段的样本数目确认为ng；因此，基于公式(6)和(9)，排出流率预测曲线被预分为G个阶段；(3)基于过程特性信息，分阶段对GPR预测结果进行修正；(4)基于GPR组合模型，对方差变化较大阶段的预测结果进行修正；首先，提取预测方差变化较大阶段的所有训练样本Q，建立GPR全局模型，对该阶段测试样本进行预测；假设第g阶段属预测方差变化较大阶段，则由公式(3)和(4)，可得第g阶段第h＝1,…,n_g个样本x_tg,h的预测输出和方差其次，建立一种加权的GPR混合模型，并从全局和加权GPR模型中选择合适的模型，对预测方差变化较大阶段的样本进行再预测修正；(5)合并步骤3和4的结果，得泵腔的排出流率曲线，即为混合模型的预测结果；(6)利用往复式泵各个泵腔的流率表达式，最终可得到泵排出流率的全冲程预测结果。