大数据背景德甲买球下天然气管网数据挖掘与应

 公司新闻     |      2021-08-21 15:52
关键词: 天然气管道 天然气管网 油气长输管道

到2020年底,中国的长输油气管道总里程约14.4×104km,其中天然气管道里程约8.44×104km。随着天然气管网规模的不断扩大,天然气管网积累了大量运行与管理数据,包含历史负荷数据、故障数据、性能监测数据等,利用大数据分析挖掘技术深入挖掘大量运行管理数据中有价值的信息,对于保障天然气管网安全高效运行,建设智能管道系统具有重要意义。

天然气管网大数据的特点

数据量很大

一方面,天然气管网的SCADA系统和设备一直积累着大量的生产运行数据;另一方面,与天然气管网运行相关的外部数据也是管网运行管理的重要依据。

数据采集的速度跨度大

对数据处理速度的要求大不相同。天然气管网传感器多样,业务场景多样化,数据采集处理覆盖管网全生命周期。

各种数据类型

天然气管网的数据来自多个环节、不同部门的数据系统。管网的数据类型包括结构化数据、半结构化数据和非结构化数据。

数据值密度差异很大

天然气管网数据类型复杂多样,不同类型数据的信息含量和价值密度差异较大。

数据具有很强的时效性、相关性和复杂性。

天然气管网运行数据具有很强的时间序列性;天然气管道的数据之间有很强的相关性;天然气管网运营管理覆盖多种平台,业务场景和分析思路复杂交错。

分析法

01传统理论方法

传统的理论方法已经形成了系统的方法论,具有明确的物理概念和系统的管道具体参数预测理论体系和公式。然而,在工业控制系统的应用中,传统的理论方法有局限性,包括:

在建立模型的过程中,需要对参数进行理想的假设和简化,这会影响误差。

适应性差,实际应用中,影响参数的变化导致模型适用性差;

分析片面,难以反映宏观时间空关联特征。

02大数据挖掘方法

大数据挖掘方法不依赖于理论机制,可以综合分析历史数据和实时数据,获得多维度和宏观时间空相关性特征,并根据预测结果优化参数,从而提高预测结果的准确性和适应性。大数据挖掘方法与传统理论方法并不矛盾。在研究过程中,可以利用理论方法的参数确定模型的影响因素,提高研究效率,进一步完善科研体系,从而促进研究方法的发展。

传统理论方法与大数据挖掘方法的比较

中国天然气管道经过近20年的数字化发展和实践,在数据采集和数据管理方面积累了大量的实践经验。在此基础上,形成了管道大数据挖掘的基本逻辑和思路。