摘　要：根據調壓箱(站)下游用戶的天然氣消耗歷史數據，通過黑箱建模的方式，分析并建立下游用戶用氣規律的模型，并以此黑箱模型為基礎計算出以“天”為周期的優化調壓控制策略，以保證下游管網壓力平穩和下游用戶用氣質量。

關鍵詞：燃氣調壓箱　用氣規律建模　小流量工況　優化控制策略

Abstract：According to the historical data of natural gas consmnption of the regular box’s downstreanl users，by the way of black-box modeling，analyzing and establishing the natural gas consumption model of downstream users，and calmllating the optimal control stralegy with the period of“day”by the black box modelin9，to nlake sure the pressure slability in the downstream pipe network．and to ensure the quality of nsers’using-gas．

Keywords：Natural gas regular box??Modeling of consumption regularity Low-floW conditions Optimal control strategy

隨著城市化進程的發展和能源結構的調整，各行業(工業、商業、市政和民用等)對天然氣的需求越來越大。天然氣需求的增大和應用范圍的不斷擴展，需要將自動化技術、測控技術、計算機技術和通信技術等信息化技術與天然氣輸配控制系統相融合，提高并完善天然氣輸配系統的工藝故障分析、區域天然氣需求分析、遠程調控等智能化管理調度水平。

圖1表示：用氣高峰日和非高峰日內下游用戶一天內用氣量隨時間的變化過程；圖2表示：一年內260天的日平均用氣量。從圖1和圖2中可以看出：高峰日和非高峰日，高峰時段和非高峰時段時，天然氣的流量變化范圍很大，在考慮性價比的情況下，實際流量計的選擇必須覆蓋流量上限。由此可能會出現：在用氣量低谷時，實際運行流量接近或低于流量計下限，從而引起流量的測量不準確。

?

?

在現有調壓設備配置情況下，在高峰日和高峰時段時，隨著下游用戶天然氣流量需求的增大，下游管網的壓力會出現降低的趨勢，即表現出：調壓箱下游管網運行壓力不平穩，用戶用氣質量不能保證的情況。同時結合上游管網的供給能力，即：供給充足和供給不足時，分別采用調壓運行和限流保供的控制策略，降低上游管網的天然氣供給負荷壓力，并保證調壓箱上下游管網的運行壓力平穩。

通過調壓箱運行過程中關鍵工藝參數的監測，分析現場設備運行狀態、分析建立下游用戶的用氣規律^[1，2，3]，并以此為基礎計算出不同工況下的控制策略，實現調壓箱在實際運行中的優化控制^[4]，滿足特定情況下的限流保供運行、調壓運行和小流量工況運行，保證用氣高峰時段的凋壓箱上下游管網運行壓力平穩和天然氣供應能力，以及用氣低谷時段流量計計量的準確性。

本論文以區域調壓箱為研究對象，通過對現有調壓設備和數據采集系統的改造，搭建可實現遠程調壓限流控制、工藝故障分析、歷史數據分析、優化控制策略生成和執行的平臺，為燃氣集團實現增強安全供氣指數，提高數據測控效率，推進天然氣輸配控制系統的智能化建設提供有力支持。

目前現場調壓單元的配置為：切斷閥+監視調壓器+工作調壓器，其中切斷閥的配置與否取決于調壓箱進出口壓力的壓力等級，如果進出口壓力等級是跨級的，則需要配置切斷閥。

在現有配置條件下實現：調壓，限流，小流量控制等，都需要由現場操作工人根據調度中心的調度命令來實現。為了實現上述功能的遠程操控和自動執行，首先需要對現有工作調壓器進行相應的技術改造，使其改造為可實現遠程操控的遠程調壓／限流系統。

可實現遠程操控的調壓系統有：LC21-圣誕樹系統、CS系統、五合一智能調壓器和RCS8000系統等。

現場硬件配置：過程數據遠傳儀表(溫度、壓力、流量、可燃氣體濃度、閥位狀態等)；遠傳調壓設備；控制系統(PLC／RTU)；數據遠傳單元(遠傳DTU)；和現場工控機。

在上述硬件配置的平臺上，通過上位軟件的編程實現：調壓站設備運行過程的組態顯示；工控機中歷史數據的建模，流量預測；優化控制策略的生成；及同現場控制器配合實現具體控制。

通過上述硬件配置和軟件編程，搭建可實現遠程操控，歷史數據建模，關鍵過程數據預測，調壓控制，限流控制，小流量運行控制等目的的控制平臺。

通過對2年～3年的歷史數據處理，模型選擇，參數回歸的方式，建立關鍵過程參數一時間的預測模型，用于后續優化調度控制。

由于天然氣的用氣特性曲線有高峰時段和低谷時段，因此，其數據表現出非平穩數據序列的特性，需要在建模之前對數據進行處理，使其處理后的數據具有近似平穩數據序列的特性。

按預測周期不同可分為：短期／中期／長期預測模型；按預測最小單位可分為：分鐘預測／小時預測／日預測／月預測／年預測，預測最小單位不同則使用的技術方案不同。按其技術路線可分為：主元回歸分析法、時間序列法、灰色系統法GM(1，N)、粗糙集法、神經網絡法、支持向量機法和組合預測法，各種技術路線的側重點不同。

在短期預測建模過程中，常用的技術路線有：時間序列法、神經網絡法、小波分析法等，但是在技術路線可執行這個特點上，時間序列法更有優勢。方案中采用的技術路線為：ARIMA建模。日用氣規律建模需要的數據有：出口壓力-時間，瞬時流量-時間的相關數據。

?

具體步驟：原始數據處理、ARIMA的建模確定和參數辨識實現。

(1)當時間序列{k1，k2，k3，…kn}本身不是平穩時間序列的時候，如果它的增量(即：一次差分)穩定在零點附近，可以將看成是平穩序列。在實際的問題中，所遇到的多數非平穩序列可以通過一次或多次差分后成為平穩時間序列。

對于非平穩數列：{k1，k2，k3，…kn}，進行如下處理：

k1＝k1

k2＝k2-k1

k3＝k3-k2

┆

kn＝kn-kn-1

構建新數列：{k1，k2，k3，…kn}，如果新數列還是非平穩數列，則重復上述過程。

(2)確定自回歸和滑動平均模型的階數，建立ARIMA模型；

?

(3)通過歷史數據，使用最小二乘的辨識算法，計算ARIMA模型中的未知參數。