天然气管网运行优化研究

天然气管网是天然气工业的重要基础设施之一，投资巨大，运行费用高。本文在分析、总结国内外天然气管网优化技术研究成果的基础上，深入开展天然气管网运行优化的研究，以达到提高天然气企业的经济效益、技术效益和社会效益的目的。 本文通过大量资料调研认为，天然气管网系统负荷预测是管网优化运行的基础，是制定运行方案的根本依据。因此，本文综合了众多学者对天然气管网负荷特点的研究，认为其具有时序性、时变性、随机性和非线性等特点；它受到多种因素的影响并呈现复杂的非线性关系。由于人工神经网络能通过学习获得合适的参数，用来映射任意复杂的非线性关系，故而非常适用于天然气管网的短期负荷预测。但是它易陷入局部最小，为了克服这个缺点并提高预测精度，本文利用遗传算法取代一些传统的学习算法对初始权值进行优化，在解空间中定位出较好的搜索空间，然后用BP算法在这些小的解空间中搜索出最优解。算例表明，这种遗传神经网络可以将预测相对误差下降到2.5％左右。 天然气管网运行优化的数学模型属于非线性规划问题，约束条件复杂，求解规模庞大。传统的直接搜索法有网格法和复合形法。网格法是一种穷举法，计算量太大；而复合形法的不足是收敛速度较慢，为了得到一个较好的顶点，往往要向中心多次收缩，工作量较大。微粒群算法是一种基于群体智能和计算机科学的优化方法，不需要函数的导数信息，适合求解大规模、复杂的优化问题。因此，微粒群算法为天然气管网优化运行模型的求解提供了新的手段和方法。 为了克服微粒群算法难以处理等式约束的缺点，能够用其求解管网优化运行问题，本文采用了自适应惩罚函数，根据计算过程中越界量的大小，动态地调节罚函数，有效地提高了算法的收敛能力和求解精度；采用收缩因子对粒子的速度和位置加以约束，并在此基础上改进了算法的自适应性。本文将改进的微粒群算法和动态惩罚函数法有机结合，构成了新的微粒群算法(PSODP)，并成功应用于天然气管网优化运行的模型求解。采用PSODP算法能够有效地得到一个高性能的天然气管网优化运行调度结果，得出的优化运行方案可为天然气公司增加约1％的收益。 结合天然气管网负荷预测与运行优化方法，研制了负荷预测与运行优化计算程序；同时考虑到其他方面的应用，编制了管网的稳态分析程序和最小生成树求解程序。将这些程序有机组合，研制了天然气管网负荷预测与优化运行应用程序(PLFOS)。