基于機器學習的CNG加氣站風險預警模型研究

趙君 寇俊輝 胡燦 張軻

(1.中石化石油機械股份有限公司武漢江鉆天然氣分公司 武漢 430223；2.中國地質大學(武漢) 武漢 430074)

0 引言

天然氣作為一種清潔高效的能源，在我國能源體系中占據著十分重要的地位。據國家統計局發布的報告顯示，2020年我國天然氣產量為1 888.5億m3，比上年增長9.8%，連續4年增產超過100億m3[1]。同時，天然氣屬于易燃易爆的介質，天然氣加氣站也屬于高風險場所，因此天然氣加氣站風險預警研究對保障加氣站及周邊設施的安全起到至關重要的作用。

近年來，隨著人工智能技術的蓬勃發展，基于人工智能的機器學習算法日漸成熟，且不需要人的交互，能自動獲取信息并實時發布以防止重大或嚴重損壞，具有成本低、功耗低、信息可靠等優勢[2]。因此，國內外眾多學者對其在預警方面的應用展開了廣泛研究。孫德亮[3]提出了基于機器學習的區域滑坡災害預警模型的構建方法；胡安冬等[4]在機器學習的理論與基礎上，設計訓練出了一套用于常見震級范圍的機器學習震級預估模型；SPYRIDIS P等[5]建立了混凝土扣件系統拉伸斷裂能力的預測模型；劉燮鵬[6]對移動基站設備故障預警系統的需求分析、設計、功能實現作了詳細的闡述；王曉春等[7]通過對大量數據的收集分析，提出了一種智能化故障預測系統，這種系統可以利用大數據和機器學習算法發現潛在故障。相較于傳統專家打分導向的風險預警數學模型，運用機器學習技術構建的預警模型的通用預測能力較強，能從數據中學習到隱藏的模式，找到更深層次的規律[8-9]。……