作者：劉 青，關鴻鵬，張應輝，仇 晶 ，蔡 磊
作者單位：北京市燃氣集團有限責任公司
摘自《城市燃氣》2021年第二期
摘要: 進入21世紀，城市的能源供應體系日趨完善，天然氣作為清潔能源的主要代表，在城市能源體系中發揮了巨大作用。作為運營天然氣管網及輸配的大型燃氣集團公司，面對日趨復雜的網絡化管道系統，如何實現在信息化、智能化手段下進行可靠、安全的燃氣遠程調度、監控等目標，就顯得尤為重要。本文主要以系統工程的方法為指導，基于信息物理融合系統，集合現有的SCADA、管網仿真、調度等子系統建設情況，設計出針對多壓力級制的燃氣管網智能調控軟件的系統架構，并作為可實施的指導手段，為后期智能調控軟件的具體開發應用奠定基礎。智能調控軟件系統分為全天候智能調控模塊、調控仿真庫模塊、遠程執行系統模塊、安全評估模塊等4 部分，并給出了具體的模塊內容，指導軟件系統的開發工作。
關鍵詞: 大型燃氣管網;智能調控;系統架構;多壓力級制
1背景
天然氣作為清潔能源的代表，在城市的能源供應體系中發揮著巨大的作用，根據相關資料的統計，2019年全國天然氣使用量達到3 064億m3，同比增長約10%，未來還會保持持續增長趨勢。伴隨著天然氣使用量的增加，城市燃氣管網的規模逐漸擴大，調壓站數量增多，燃氣壓力級制變多，如何將信息化、智能化的技術應用到燃氣管網中，如何滿足管網的平穩運行，如何解決調壓站遠程調控及時性，為保障和助力燃氣系統更好的為人類生活服務就成為首要解決的問題。
自1997年陜氣進京后，北京市的天然氣利用進入快速發展階段，到2015年，北京市的年供氣量首次突破100億m3。2016年，高峰單日供應量首次突破1億m3，目前已成為天然氣供應量世界排名第二的單體城市。
“十二五”末期，上游供應北京市已形成陸上管道氣、煤制氣和海上LNG三種氣源，陜一、陜二、陜三、陜四、大唐煤制氣管線、地下儲氣庫管線、唐山LNG管線七大通道供應體系。同時，北京燃氣集團已有燃氣管線2萬多km，調壓站(箱)分布廣泛，管道氣覆蓋所有的城區和郊區，形成了國內規模最大、壓力級制最復雜的天然氣管網，建立了“五環六級七放射”的天然氣配氣體系，通過五大環路、六級壓力級制管網，七條輻射至郊區的供氣干線保障全市供氣，成為全國配氣能力最強的城市。
2亟待解決的問題
近年北京燃氣的快速發展，在運門站已達10座，次高壓以上調壓站箱多達300多座，氣源種類多，管網規模大，管網調度管理面臨著許多亟待解決的問題：
(1)站點多人工調節難。調壓站數量眾多、分布廣，部分調壓站處地偏遠，運行參數調整需要投入大量人力到現場進行操作和值守。
(2)相鄰站點匹配難。北京市環網調壓站工況調整與相鄰站密切相關，出力容易出現不均衡;用氣負荷較大時，管網容易出現最不利工況點。
(3)工況及時調整難。北京的城市交通狀況日益惡化，很難保證日常和應急工況調整的及時性。
(4)工況調整方案制定難。工況調整方案的制訂依靠現有的仿真技術并結合人工經驗，難以保證是最優方案并能夠及時下達執行。
(5)多氣源調配難。在多氣源引入的情況下，傳統氣源調配方式難以保證高端用戶的用氣氣質要求。
(6)小流量控制難。夏季小流量時的貿易計量不準確。
為有效解決管網運行中的諸多問題，北京燃氣自2013年起逐步開展調壓站遠程調控系統的研究、單站控制軟件的功能開發、完善和系統的建設，實現了單站自動調壓/調流、自動調壓/調流曲線、總流控制、低流控制、多支路均衡供氣及自動倒臺等“八大功能模式”，并在關鍵站點實施。
目前北京燃氣集團擁有較為完善的SCADA系統，主要用于對管網設施運行工況的實時監測和部分調壓站的單站遠程調控，而管網仿真系統、調度令系統等生產運營相關的信息化系統相對獨立，遠程調控站點也初具規模。要實現規模化調壓站點應用遠程調控并滿足不同的用戶需求，必然需要一種方便快捷的技術手段實現遠程調控調壓站點運行方案的制定和下達。因此智能調控系統建設的必要性凸顯。
本文主要闡述基于現有系統的相關調控仿真算法研究，以及面向大型燃氣管網的智能調控系統架構搭建，使系統能夠最終實現門站氣量調節、高中壓站單站調節、高中壓站多站聯合調節、高壓管道儲氣調節等智能調控目標。
3智能調控系統架構設計原則及目的
要想實現對大型燃氣管網的智能調控，首要解決的就是對燃氣管道的智能監測、多壓力級制的聯合調度優化、調壓器關鍵設備的智能化控制、數據信息傳遞安全等多方面內容，此外隨著管道檢測、嵌入式控制、通訊傳輸及邊緣計算等新技術的發展和燃氣供應保障用戶的多樣性需求，對智能調控提出了許多新的目標和要求。在設計智能調控系統時，充分考慮上述相關因素，需要使用科學的方法進行系統設計，才能滿足智能調控系統的需求，更好的為大型燃氣管網服務，保障調度能夠及時有效，滿足各類用戶的用氣需求。
按照建設需求和最終要實現的目的，結合現有條件，提出設計的基本原則如下：
(1) 滿足現有條件下的調壓器、調節閥等設備的運行工況要求，滿足安全規范。
(2) 采用數據挖掘、數據分析、機器學習等先進的調控方法。
(3) 遠程調控的執行機構可靠性、響應速度等滿足系統調控需求。
(4) 有效可靠的歷史經驗數據：主要是站點集群調控經驗。
系統設定的基本目標是通過遠程調控調壓站日常運行方案的自動優化、制定和下達，預警系統異常工況;應急工況下，可對遠程調控站進行控制，制定和下達應急運行方案，最終實現燃氣管網的自動優化和安全運行。
系統工程的設計方法主要是將運籌學、控制論、信息理論、基礎數學及計算機科學等進行綜合運用，針對要解決的問題進行分析、設計和工程驗證。大型燃氣管網的智能調控系統使用系統工程設計方法，從信息獲取、數據分析、算法驗證、參數校驗、系統執行、安全傳輸、信息加密解密等涉及到調度全流程的工作進行模塊設計。
4智能調控系統的主要組成
根據設計方法和設計原則，結合生產實際需求，構建出智能調控系統的架構框圖如圖1所示。
圖1 智能調控系統架構設計圖
整個智能調控系統主要是實現基于用戶需求和數據采集的基礎，利用仿真優化算法和模型庫，對擬實施的調度令進行仿真測試，根據氣源和SCADA系統的管網監測狀況進行調度優化，最后輸出符合運行規律的燃氣管網單層及多層等多種方式的調度調控方案。
根據架構框圖的設計，主要對搭建的智能調控系統架構4大模塊進行分別介紹，它們為全天候智能調控模塊、調控仿真庫模塊、遠程執行系統模塊、安全評估模塊。
全天候智能調控模塊如圖2所示。該模塊的主要流程是根據現有SCADA系統反饋的管網及設備監控數據，用氣量預測計劃(包括用戶提供的電廠、工礦企業等大用戶的用氣計劃和城市預測用氣計劃)，通過與歷史階段(PHD)數據庫的對比分析，結合調度中心的統一調度指令，通過仿真優化算法庫計算能夠滿足最優條件下的調控方案。在調控方案生成后需要通過GIS系統和儲備有豐富人工經驗的學習庫對其進行校驗，之后根據校驗結果，將方案數據傳給調控仿真庫的同時把方案作為學習庫內的案例典型充實調控系統方案。
圖 2 全天候智能調控模塊信息流框圖
調控仿真庫模塊如圖3所示。調控仿真要把管網實際運行中可能出現的各類問題進行仿真和預案處理。通過對設備及管道數據的實時監測和智能分析，提前預警異常狀況，同時將全天候智能調控按照正常工況、異常工況、人工操作誤報警等多方面場景進行仿真運行和測試校驗，通過應對不同場景情況的調控優化方案和人工經驗及原有的案例模型庫進行匹配跟蹤，生成相應的設備設施管理方案和應急離線調度方案，針對人員誤操作和異常需求情況，建立人員權限校驗機制和混合智能調控機制。
圖3 調控仿真庫信息流框圖
遠程執行系統模塊如圖4所示。主要是通過接收調控仿真庫的輸出調控方案，并確保調控方案能夠下發現場，對調壓器等主要設備部件進行指令化操作。遠程調控的調節方式根據設備的情況，分為直接調節方式和間接調節方式;在進行調節時需要運行監控模塊，防止出現調控方式過快或者過慢引起管網運行事故的情況，通過智能監測技術分析該模塊流程中的運行數據，并與SCADA系統及設備全生命周期系統進行信息交互，核查所要調控的設備運行狀態，下達設備調控指令，并通過模塊化RTU設備實現調控目的。
圖4 遠程執行系統的信息流程圖
安全評估模塊作為系統中的關鍵組成，根據工控系統的架構需要對監測、控制、傳輸、執行、設備、人員及管理等多方面進行安全監測和分析控制。為此設計相關的信息鑒別與人員管理授權、信息過濾、設備訪問、特有編碼、數據智能監測分析及設備物理安全控制等子功能技術，通過定性和定量的方式將調控過程中可能出現的風險進行評估和判斷，進行不同層次的分級，在進行相關處理和操作的同時反饋回其他模塊，豐富相應的預案和優化調控算法，以便應對風險變化可能出現的異常工況。該模塊的具體建設如圖5所示。
圖5 安全評估模塊的建設內容框架
(1)將智能調控系統中和調控相關的設備進行全生命周期監測，對設備安全性進行評估。同時對設備的狀態進行監控預警。
(2)當調壓系統中的數據點出現異常時，根據仿真調控庫的案例及人工經驗學習的結果，進行雙向校驗，生成異常數據處理方案，反饋回優化算法，啟動備用調控方案。
(3)對于涉及到調控系統的操作人員權限和操作步驟進行安全校驗，對各系統的跨系統數據及網絡信息進行審查及權限認證。
以上3個功能是具體層面的操作設置，并且作為安全評估的工作流程指導模塊設計。
智能調控系統的架構將四個模塊有機結合，從感、控、算、仿、用等層面進行全方位設計，使之能夠滿足大型管網燃氣調度需求，適應智能化時代發展。
5智能調控系統的調控優化算法庫
通過對智能調控系統的架構分析，可以發現建設的核心內容是調控仿真庫，管網運行部門對調壓站(箱)的負荷率、站點運行數量的優化和環網壓力均衡等要求都是對算法和仿真運行設定的相關邊界條件，因此仿真庫的優化算法和仿真運行的適用性和匹配性是決定智能調控系統能否準確、可靠和高效運行的基礎。下面介紹一下幾個主要的算法及案例庫的建設：
(1)多壓力級制的智能優化算法
該算法通過仿真庫和GIS系統，設定管網初始參數條件，通過管網系統模型求得管網各節點的初始壓強、流量、管段壓降等參數，并計算得到第一目標函數;固定壓力級制層間的進氣節點流量，并利用非線性規劃的算法優化調節閥門(口)開度;固定壓力級制層間的調節閥門(口)開度，并利用非線性規劃的算法優化進氣節點流量，計算得到第二目標函數;判斷第一目標函數與第二目標函數的絕對差值是否小于預設精度，若是，則結束，若否，則繼續優化直到第一目標函數與第二目標函數的絕對差值小于設定值;通過采用迭代求解方法，提升跨級調度的及時性和管網仿真優化的準確性。
(2)管網參數校驗算法
該算法由經驗公式出發，確定燃氣管道摩擦阻力損失計算公式;之后由確定燃氣管道摩擦阻力損失計算公式需要校驗參數及實測數據;根據管道設計圖紙和經驗設定待校驗參數的初始值;獲取與待校驗參數數量相等的實測數據對;利用所述實測數據對組成的實測數據建立燃氣管道摩擦阻力損失計算公式的非線性方程組，并采用牛頓-拉夫遜法求解非線性方程組得到多組參數校驗值;獲取多組參數校驗值并計算參數校驗值的均值，得到最終的參數的估計值;該算法基于燃氣網管SCADA采集數據系統和燃氣管道實際參數相結合對比校驗的方法，并通過牛頓-拉夫遜方法進行求解分析，實現真實工況參數實時模擬測量。
(3)深度學習算法庫
該算法庫主要以燃氣管網運行公司儲備的豐富人工經驗為基礎，設計了基于深度學習理論的仿真擬合算法 ，通過對數據進行表征學習，建立和模擬人腦進行分析學習的神經網絡;通過模仿人腦的機制來解釋數據，例如圖像，聲音和文本; 通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示，以便更好的發揮人工經驗的價值;在學習過程中用非監督式或半監督式的特征學習和分層特征提取高效算法來替代手工獲取特征，建立基于深度學習的各類調控仿真案例，充實仿真調度案例庫。
(4)人工案例模型庫
人工案例模型庫的建立主要是通過對歷史人工經驗數據進行預處理和清洗，得到可以用來建模的有效數據集;然后用決策樹(DT)、層次分析法等方法進行數據場景還原和分析，對各影響因子進行區間劃分，從而獲得可以用于回歸分析計算的數據訓練集;其后通過偏最小二乘(PLS)等回歸方法來找出各相關調節閥門流量、壓力等和影響因子的關系，并通過顯著性分析等方式得到各影響因子之間的權重，形成數據模型的因子集;然后通過貝葉斯網絡模型(BN)、神經網絡模型等人工智能的方法，找出各場景下概率發生可能性最高的站點流量壓力調控方案。
智能調控系統的算法和案例庫建設能夠將人工調度經驗和智能化調度融合，充分發揮人工智能的作用，短時期內能夠生成各類方案，便于應對各類工況和各種需求下的管網運行需求。
6優化模式及原理
伴隨著智能調控系統的運行，在一定時期內形成了多種相關的多層級、多批次的調控運行方案，但是還需要進行不斷的算法維護和數據校驗，保證算法所需要的數據是可靠的，同時依靠真實和完整的數據實現算法的自我修正及迭代更新，滿足智能調控系統的安全穩定運行。
根據調控的速度需求和目標優化情況，可以將調控優化的模式分為精確優化模式、快速優化模式和極速優化模式等三種，它們隨著系統運算速度及可適用性的范圍依次上升，帶來準確性的下降，但是三者互補，增加可靠性，具體如圖6所示。
圖6 優化模式原理示意圖
從用戶出發，按照不同的優化需求，調取優化算法庫里對應的相關算法，結合仿真庫進行機理模型仿真，通過參數校驗步驟進行機理優化;機理優化的基礎上利用深度學習算法進行仿真運行，遺傳算法對數據和層級壓力進行求解，循環交互將計算數據與仿真數據進行比對找到匹配方案;利用協同過濾可以快速將以上步驟完善并輸出優化方案。
7總結
根據調控優化算法的開發研究和仿真校驗結果，同時基于數據模型和物理模型相融合，按照智能調控建設的方案，北京燃氣初步完成面向大規模多壓力級制的燃氣管網智能調控系統架構設計。智能調控系統的構建，在一定程度上可以突破現有的人工經驗和操作水平限制，使得燃氣調控更為智能，可以有效快捷的適應不同種類的需求，降低工況管理工作對于人工操作的依賴;自動應對燃氣管網故障，降低故障率和故障處置時間，推動燃氣管理部門的天然氣管網調控由“經驗型調度管理”向未來的“智能型優化調度”轉變，提升整體的競爭力，更好的為社會服務。
