为保证油气场站仪控系统安全、稳定运行,设计一种故障智能检测设备,采用基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的系统级芯片(System on a Chip,SoC)架构主机单元、防爆型传感器与信号采集终端、工业级现场交互终端...为保证油气场站仪控系统安全、稳定运行,设计一种故障智能检测设备,采用基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的系统级芯片(System on a Chip,SoC)架构主机单元、防爆型传感器与信号采集终端、工业级现场交互终端构建系统硬件架构。同时,采用多层级故障模式分析(Multi-level Failure Mode Analysis,MFMA)的智能算法,实现仪控系统故障的实时检测与诊断。实验结果表明,所设计设备在传感器失效、信号漂移、数据丢包等典型故障模式下,诊断准确率在90%以上,误报率低于5%,平均响应时间不超过100 ms,满足油气场站复杂环境下的实际应用需求。展开更多
文摘在天然气储气站点,异常井筒温度将严重影响储气作业过程,准确地预测井筒温度对于提升作业过程的安全性具有重要意义。在作业过程关联参数分析的基础上,提出了改进时空图卷积神经网络(advanced spatiotemporal graph convolutional neural network,A-SGCN)的储气库井筒温度预测方法。A-SGCN分别通过GCN和长短期记忆网络(long short term memory network,LSTM)进行空间依赖性建模和时间依赖性建模,结合自适应残差注意力机制有效捕捉时空数据之间的复杂关系,最终实现对温度的准确预测。方法的有效性通过黄草峡储气库2号注采站进行了验证,通过草储1井与草储6井的关联监测参数实现了对草储1井井口温度的准确预测。
文摘为保证油气场站仪控系统安全、稳定运行,设计一种故障智能检测设备,采用基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的系统级芯片(System on a Chip,SoC)架构主机单元、防爆型传感器与信号采集终端、工业级现场交互终端构建系统硬件架构。同时,采用多层级故障模式分析(Multi-level Failure Mode Analysis,MFMA)的智能算法,实现仪控系统故障的实时检测与诊断。实验结果表明,所设计设备在传感器失效、信号漂移、数据丢包等典型故障模式下,诊断准确率在90%以上,误报率低于5%,平均响应时间不超过100 ms,满足油气场站复杂环境下的实际应用需求。
