調壓器遠程調壓控制策略研究

高順利 李洪波, 宋來弟 邵 華 史晉峰

(1. 北京市燃氣集團有限責任公司，北京 100035；2. 北京遠東儀表有限公司，北京 100013)

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、市政及民用等)對天然氣的需求量越來越大。隨著天然氣需求量的增大和應用范圍的擴展，需要將自動化技術、測控技術、計算機技術及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及遠程調控等智能化管理調度水平。

1 情況簡介①

圖1所示為用氣高峰日和非高峰日下游用戶一天內用氣量隨時間的變化過程；圖2為一年內260天的日平均用氣量。從圖1、2可以看出：高峰日和非高峰日，高峰時段和非高峰時段內，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。由此可能會出現用氣量低谷時，實際運行流量接近或低于流量計下限，無法準確測量流量。

圖1 高峰日和非高峰日的瞬時流量數據對比

圖2 3個季度(秋、冬、春)內日平均流量

在現有調壓設備配置情況下，在高峰日和高峰時段內，隨著下游用戶對天然氣需求的增大，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、建立下游用戶的用氣規律，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，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調壓箱上、下游管網運行壓力平穩、天然氣供應充足和用氣低谷時段流量計計量的準確性。

筆者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。

2 遠程調壓系統平臺搭建

2.1 遠程調壓系統

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、限流及小流量控制等，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、五合一智能調壓器及RCS8000系統等。

2.2 控制平臺的搭建

現場硬件配置：過程數據遠傳儀表(溫度、壓力、流量、可燃氣體濃度及閥位狀態等)；遠傳調壓設備；控制系統(PLC/RTU)；數據遠傳單元(遠傳DTU)；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；以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、限流控制及小流量運行控制等目的的控制平臺。

3 下游用戶用氣規律建模

通過3～5年的歷史數據(歷史數據越多越好)，通過數據處理、模型選擇和參數回歸的方式，建立關鍵過程參數-時間的預測模型，用于后續優化調度控制，下游用戶用氣規律建模過程如圖3所示。

圖3 下游用戶用氣規律建模過程

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。

按預測周期可分為：短期、中期、長期預測模型；按預測單位可分為：分鐘預測、小時預測、日預測、月預測、年預測，預測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、神經網絡法及小波分析法等，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出口壓力-時間、瞬時流量-時間的相關數據。

具體步驟包括：原始數據處理、ARIMA的建模確定和參數辨識實現。

當時間序列{k1,k2,k3,…,kn}本身不是平穩時間序列時，如果其增量(即一次差分)穩定在零點附近，可將其看成是平穩序列。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。

確定自回歸和滑動平均模型的階數，建立ARIMA模型：

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：

即：

?

?

通過求解上述矩陣方程，計算出ARIMA模型中的未知參數。

具體建模過程的思路是：通過當前年度的前3～5年歷史數據(歷史數據越多越好)，根據每年中相應日、相應時間點的流量數據和壓力數據(同一時間點的5個歷史數據，即2009～2013年11月20日9：30的瞬時流量數據/壓力數據)，以5min作為時間差，預測下一個時間點的瞬時流量數據和壓力數據(2014年11月20日9：35的瞬時流量數據/壓力數據)，循環執行上述過程，一次性預測出5～7天內的下游需求預測數據，用于后續的優化調度和控制。

黑箱建模中不同模型的補償思路如圖4所示。通過‘周’模型計算下一周的周預測累積流量；通過‘天’模型計算下一周內每天的預測累積流量，并以天預測累積流量為基礎計算出7天的累積流量；通過兩個7天的預測累積流量，使用加權的方式計算出最終的周預測累積流量，同時結合每日的日累積流量的比例關系，計算出最終日累積流量數據；循環執行上述過程，直至最后生成一周內以‘分’為周期的過程參數預測數據，用于后續的優化調度和控制。

圖4 總體模型及數據預測過程示意圖

4 優化控制策略的生成

通過調整調壓站出口壓力的設置值，調整調壓站所能供給的天然氣流量，但最終調度目的是減少對調壓站上游管網負荷的沖擊，保證調壓站下游管網壓力的平穩，并保證足夠的天然氣供應量。控制策略決策示意圖如圖5所示。

圖5 控制策略決策示意圖

通過天然氣用氣流量模型，預測下游用戶一天內天然氣用量的流量-時間分布數據，判斷出用氣高峰時段和低谷時段，并最終計算出不同時段相應的運行壓力數據。

在用氣高峰且上游管網供氣充足時：結合模型預測數據和調壓箱實際出口壓力數據，執行調壓運行控制策略，計算出最終調壓站出口壓力設定值隨時間的變化曲線，在保證下游管網壓力穩定的同時，保證天然氣的供應量。

在用氣高峰且上游管網供氣不足時：結合模型預測數據和調壓箱實際出口壓力數據，執行限流運行控制策略，計算出最終調壓站出口壓力設定值隨時間的變化曲線，使得實際運行調壓箱的瞬時流量不超過限流設定值，實現限流保供的目的，并保證調壓箱上、下游管網的運行壓力平穩。

在用氣低谷時段時，結合調壓箱實際出口壓力數據，周期性調整調壓器出口壓力的設定值，在保證下游管網壓力平穩的同時，保證運行流量計的計量準確性。

5 結束語

由于燃氣行業涉及民生，因此對天然氣調壓系統的運行要求更高。在調壓站/調壓箱控制過程中，對運行時調壓站的出口壓力關注更多，其下游用戶的流量需求通過壓力和流量間的耦合關系來保證。下游用戶用氣規律的建模在實際控制中用來判斷用氣高峰時段和用氣低谷時段，后續的控制過程需要和實際調壓箱的出口壓力數據相互配合來完成。但是隨著城市化智能管網系統的建設，各底層調壓站/調壓箱的用氣規律建模的作用將會越來越大，不僅可以為管理層提供運營決策的基礎數據支持，同時在管網運行調度過程起著越來越重要的作用，如區域調壓箱運行站點的決策、調壓箱運行數量的決策及各調壓箱運行負荷分配的估計等。