用于液化天然气储罐运行数据挖掘的数据处理方法及系统

技术领域

本发明属于数据处理技术领域，尤其涉及一种用于液化天然气储罐运行数据挖掘的数据处理方法及系统。

背景技术

对液化天然气（

发明人发现，直接利用传统机器学习方法挖掘

发明内容

本发明为了解决上述问题，提出了一种用于液化天然气储罐运行数据挖掘的数据处理方法及系统，属于一种针对

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明提供了一种用于液化天然气储罐运行数据挖掘的数据处理方法，包括：

根据储罐内温度和储罐外温度的差值，得到第一特征值；根据进料液化天然气温度和储罐内液化天然气温度的差值，得到第二特征值；基于设备运行参数，构建第三特征值；根据罐内液化天然气温度对时间的导数，得到第四特征值；根据罐内气相物理状态参数与体积相关参数的代数运算结果对时间的导数，得到第五特征值；根据压缩机出口气相物理状态参数和排量的代数运算，得到第六特征值；

根据机器学习算法，以所述第一特征值、所述第二特征值、所述第三特征值、所述第四特征值、所述第五特征值和所述第六特征值中的一个或多个特征值为标签，其他特征值为输入进行数据拟合。

进一步的，所述第一特征值等于储罐外壁温度和储罐内液化天然气温度的差值。

进一步的，所述第二特征值等于进料液化天然气温度和储罐内液化天然气温度的差再乘上进料口流量。

进一步的，所述第三特征值等于罐底泵排量。

进一步的，所述第四特征值等于罐内液化天然气温度对时间的导数再乘上液化天然气的液位高度。

进一步的，所述第五特征值等于储罐高度与液化天然气液位高度的差值乘上气相压力后与蒸发气温度的比值再对时间求导。

进一步的，所述第六特征值等于压缩机出口压力和压缩机出口流量的乘积与压缩机出口温度的比值。

第二方面，本发明还提供了一种用于液化天然气储罐运行数据挖掘的数据处理系统，包括：

特征值构建模块，被配置为：根据储罐内温度和储罐外温度的差值，得到第一特征值；根据进料液化天然气温度和储罐内液化天然气温度的差值，得到第二特征值；基于设备运行参数，构建第三特征值；根据罐内液化天然气温度对时间的导数，得到第四特征值；根据罐内气相物理状态参数与体积相关参数的代数运算结果对时间的导数，得到第五特征值；根据压缩机出口气相物理状态参数和排量的代数运算，得到第六特征值；

数据拟合模块，被配置为：根据机器学习算法，以所述第一特征值、所述第二特征值、所述第三特征值、所述第四特征值、所述第五特征值和所述第六特征值中的一个或多个特征值为标签，其他特征值为输入进行数据拟合。

与现有技术相比，本发明的有益效果为：

本发明基于

附图说明

构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。

图1为本发明实施例1的原始特征拟合效果；

图2为本发明实施例1的重组特征值后拟合效果图；

图3为本发明实施例1的基于储罐系统热平衡物理模型的数据预处理示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

实施例1：

本实施例提供了一种用于液化天然气储罐运行数据挖掘的数据处理方法，包括：

根据储罐内温度和储罐外温度的差值，得到第一特征值；根据进料液化天然气温度和储罐内液化天然气温度的差值，得到第二特征值；基于设备运行参数，构建第三特征值；根据罐内液化天然气温度对时间的导数，得到第四特征值；根据罐内气相物理状态参数与体积相关参数的代数运算结果对时间的导数，得到第五特征值；根据压缩机出口气相物理状态参数和排量的代数运算，得到第六特征值；

根据机器学习算法，以所述第一特征值、所述第二特征值、所述第三特征值、所述第四特征值、所述第五特征值和所述第六特征值中的一个或多个特征值为标签，其他特征值为输入进行数据拟合。

通过本实施例中方法得到的新的特征值，可以有效解决

构建第一特征值，针对

构建第二特征值，针对

构建第三特征值，针对设备热源引发的热量输入，基于设备运行主要参数，构建新特征值；具体方法为

构建第四特征值，针对罐内

构建第五特征值，针对相变热部分中罐内

构建第六特征值，针对相变热部分中排出罐外的

如图3所示，为基于储罐系统热平衡物理模型的数据预处理示意图；从热量角度出发，以

热量输入部分数据预处理，热量输入部分数据预处理是将热量输入部分采集的所有数据划分为三个子数据集依次进行预处理，包括导热部分数据预处理、

导热量部分数据预处理，基于导热计算方程，通过

其中，

可以看出，

其中，

基于以上预处理操作，梳理出第一特征值

其中，

可以看出，比热容

其中，

基于以上预处理操作，梳理出第二特征值

第二特征值

罐底泵运行产热量部分数据预处理，基于下面计算方程，通过罐底泵排量衡量罐底泵运行产热量，提取第三特征值

其中，

可以看出，

其中，

基于以上预处理操作，梳理出第三特征值

其中，

可以看出，

其中，

基于以上预处理操作，梳理出第四特征值

根据储罐内

相变热部分数据预处理，相变热部分数据预处理是将

储罐气相空间温度、压力和高度变化部分数据预处理，基于下面计算方程，通过

基于气相状态方程：

其中，

推导出单位时间内

其中，

可以看出，

其中，

基于以上预处理操作，梳理出第五特征值

根据储罐内部气相压力监测点与其

压缩机抽吸气量部分数据预处理，基于下面计算方程，通过压缩机出口压力与其出口流量、出口温度倒数的乘积来衡量压缩机从储罐抽吸向外排出的

其中，

可以看出，

其中，

基于以上预处理操作，梳理出特征值

为了验证本实施例中方法的效果，本实施例进行了实验结果说明，具体为：

热平衡物理模型为：

其中，

基于本专利的数据预处理方法，提取出特征值，即

表1. 原始特征拟合与重组特征值后拟合效果对比

实施例2：

本实施例提供了一种用于液化天然气储罐运行数据挖掘的数据处理系统，包括：

特征值构建模块，被配置为：根据储罐内温度和储罐外温度的差值，得到第一特征值；根据进料液化天然气温度和储罐内液化天然气温度的差值，得到第二特征值；基于设备运行参数，构建第三特征值；根据罐内液化天然气温度对时间的导数，得到第四特征值；根据罐内气相物理状态参数与体积相关参数的代数运算结果对时间的导数，得到第五特征值；根据压缩机出口气相物理状态参数和排量的代数运算，得到第六特征值；

数据拟合模块，被配置为：根据机器学习算法，以所述第一特征值、所述第二特征值、所述第三特征值、所述第四特征值、所述第五特征值和所述第六特征值中的一个或多个特征值为标签，其他特征值为输入进行数据拟合；

所述系统的工作方法与实施例1的用于液化天然气储罐运行数据挖掘的数据处理方法相同，这里不再赘述。

以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。