-
公开(公告)号：CN114964476B
公开(公告)日：2023-08-22
申请号：CN202210594663.5
申请日：2022-05-27
Applicant: 中国石油大学(北京)
IPC: G01H17/00 , F17D5/00 , F17D5/06 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本说明书提供一种油气管道系统动设备的故障诊断方法、装置及设备，所述方法包括：采集待检测油气管道系统动设备的振动信号；对所述振动信号进行连续小波变换获得二维时频图像；将所述二维时频图像输入到预先构建的卷积神经网络故障诊断模型中，利用卷积神经网络故障诊断模型对待检测油气管道系统动设备进行故障诊断，获得故障诊断结果；利用LIME算法对所述故障诊断结果进行解析，获得故障解析信息，其中，故障解析信息为在二维时频图像上标记不同能量强度，不同能量强度表示所述能量强度对应的时频区域对所述故障诊断结果的不同贡献度。利用本说明书实施例可以避免繁琐的特征提取过程，打破诊断结果的不可控性，提高故障诊断准确率。
-
Patent Agency Ranking
公开(公告)号：CN114898819B
公开(公告)日：2025-02-07
申请号：CN202210353837.9
申请日：2022-04-06
Applicant: 中国石油大学(北京)
IPC: G16C20/30 , G16C20/70 , G06F18/2431
Abstract: 本文涉及油气运输领域，尤其涉及一种混合原油黏度预测模型训练方法、装置及应用方法。该方法包括获取训练样本数据集，所述训练样本数据集包括历史样本组分油的物性监测数据、所述历史样本组分油所在管道的运行参数、所述历史样本组分油混合后形成的历史样本混合原油的物性监测数据及所述混合原油所在管道的运行参数；利用所述训练样本数据集训练XGBoost初始模型，确定混合原油黏度预测模型。本方案首次建立了基于物性监测数据、管道运行参数的混合原油黏度预测模型；且可以基于传感器传回的实时数据，进行混合原油黏度实时在线预测，预测精度较高，降低黏度预测的复杂度、提高了原油运输效率。
-
公开(公告)号：CN114964476A
公开(公告)日：2022-08-30
申请号：CN202210594663.5
申请日：2022-05-27
Applicant: 中国石油大学(北京)
Abstract: 本说明书提供一种油气管道系统动设备的故障诊断方法、装置及设备，所述方法包括：采集待检测油气管道系统动设备的振动信号；对所述振动信号进行连续小波变换获得二维时频图像；将所述二维时频图像输入到预先构建的卷积神经网络故障诊断模型中，利用卷积神经网络故障诊断模型对待检测油气管道系统动设备进行故障诊断，获得故障诊断结果；利用LIME算法对所述故障诊断结果进行解析，获得故障解析信息，其中，故障解析信息为在二维时频图像上标记不同能量强度，不同能量强度表示所述能量强度对应的时频区域对所述故障诊断结果的不同贡献度。利用本说明书实施例可以避免繁琐的特征提取过程，打破诊断结果的不可控性，提高故障诊断准确率。
-
公开(公告)号：CN115062534A
公开(公告)日：2022-09-16
申请号：CN202210593746.2
申请日：2022-05-27
Applicant: 中国石油大学(北京)
IPC: G06F30/27 , G06F30/18 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/08 , G06F119/02
Abstract: 本发明提供了一种天然气管道系统的供气可靠性计算方法及装置，该方法包括：根据天然气管网的当前供气量、初始供气量、受到扰动后的瞬时损失量、损失速度以及扰动时间建立用于表征天然气管网损失过程的损失函数；根据天然气管网扰动结束后的供气量、初始供气量、供气临界值、扰动过程中供气量下降时间以及维修时间构建天然气管网韧性评价参数；根据损失函数以及天然气管网韧性评价参数评价天然气管网的韧性。本发明构建了可以模拟天然气管网系统的供气韧性过程的模型；并提出天然管网系统的供气韧性过程的评价指标，可以更加准确地评价针对于确定性扰动的天然气管网的韧性。
-
公开(公告)号：CN114997488A
公开(公告)日：2022-09-02
申请号：CN202210594672.4
申请日：2022-05-27
Applicant: 中国石油大学(北京)
Abstract: 本发明提供了一种综合能源系统负荷预测方法及装置，该方法包括：接收目标地区的各种能源的消耗历史数据以及天气历史数据；根据消耗历史数据、天气历史数据以及预生成的能源系统负荷预测模型预测目标地区的能源系统负荷，其中，能源系统负荷预测模型是基于卷积神经网络以及长短期记忆网络所生成的；在能源系统负荷预测模型下，计算消耗历史数据的多个影响因素各自的Shapley值；根据Shapley值确定对多个影响因素的重要性进行排序。本发明一方面建立了基于卷积‑长短期记忆神经网络的综合能源系统负荷高精度预测模型；另一方面，本发明基于Shapley值揭示了预测模型中各影响因素对总能耗的贡献。
-
公开(公告)号：CN114898819A
公开(公告)日：2022-08-12
申请号：CN202210353837.9
申请日：2022-04-06
Applicant: 中国石油大学(北京)
Abstract: 本文涉及油气运输领域，尤其涉及一种混合原油黏度预测模型训练方法、装置及应用方法。该方法包括获取训练样本数据集，所述训练样本数据集包括历史样本组分油的物性监测数据、所述历史样本组分油所在管道的运行参数、所述历史样本组分油混合后形成的历史样本混合原油的物性监测数据及所述混合原油所在管道的运行参数；利用所述训练样本数据集训练XGBoost初始模型，确定混合原油黏度预测模型。本方案首次建立了基于物性监测数据、管道运行参数的混合原油黏度预测模型；且可以基于传感器传回的实时数据，进行混合原油黏度实时在线预测，预测精度较高，降低黏度预测的复杂度、提高了原油运输效率。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
