基于智能算法的混合气源组分及发热量预测方法研究

摘要

全国天然气管网气源多样化发展为城市稳定供气用气提供了多重保障，但不同气源组分及气质特性存在着较大差异。文章针对双气源混合管道系统，建立多种机器学习模型，分析发现线性回归、支持向量机模型的预测性能较好，发热量计算偏差均可在0.04%以下，甲烷组分的计算偏差可以在0.5%以下；针对多源动态变化的天然气管道系统，建立了基于时空深度学习技术的多源多汇天然气管线混合气体组分及发热量的智能学习模型，深层卷积神经网络模型的预测性能最好，其对发热量及组分的计算偏差在0.5%以下。