Intelligent Natural Gas and Hydrogen Pipeline Dispatching Using the Coupled Thermodynamics-Informed Neural Network and Compressor Boolean Neural Network
Intelligent Natural Gas and Hydrogen Pipeline Dispatching Using the Coupled Thermodynamics-Informed Neural Network and Compressor Boolean Neural Network
复制标题
使用耦合热力学神经网络和压缩机布尔神经网络进行天然气和氢气智能管道调度
DOI：
10.3390/pr10020428
复制
发表时间：
2022-02
期刊：
影响因子：
3.5
通讯作者：
Shuyu Sun
中科院分区：
文献类型：
--
作者：
Tao Zhang;Hua Bai;Shuyu Sun
由于当前对绿色能源的需求以及管道运输的优势，天然气管道在能源行业受到了越来越多的关注。本文提出了一种新的深度学习方法，采用了一种结合热力学信息神经网络和压缩机布尔神经网络的耦合网络结构，以融合管道运输安全检查和能源供应预测这两种功能。针对耦合网络结构对深度学习模型进行了统一，并通过大量模拟各种工程场景（包括氢气管道）的数值试验验证了预测效率和准确性。经过训练的模型可以为调度员提供运输过程中存在的相数作为安全指标的建议，同时研究操作温度、压力和成分纯度的影响以提出优化生产的建议。
Natural gas pipelines have attracted increasing attention in the energy industry thanks to the current demand for green energy and the advantages of pipeline transportation. A novel deep learning method is proposed in this paper, using a coupled network structure incorporating the thermodynamics-informed neural network and the compressor Boolean neural network, to incorporate both functions of pipeline transportation safety check and energy supply predictions. The deep learning model is uniformed for the coupled network structure, and the prediction efficiency and accuracy are validated by a number of numerical tests simulating various engineering scenarios, including hydrogen gas pipelines. The trained model can provide dispatchers with suggestions about the number of phases existing during the transportation as an index showing safety, while the effects of operation temperature, pressure and compositional purity are investigated to suggest the optimized productions.
登录
查看更多内容
DOI：
10.1007/978-1-4757-1915-4_24
发表时间：
1983
期刊：
--
影响因子：
--
作者：
C. Masters;D. Root;W. Dietzman
通讯作者：
C. Masters;D. Root;W. Dietzman
DOI：
10.5547/issn0195-6574-ej-vol30-no4-6
发表时间：
2009-05
期刊：
The Energy Journal
影响因子：
--
作者：
Kjetil T. Midthun;M. Bjørndal;A. Tomasgard
通讯作者：
Kjetil T. Midthun;M. Bjørndal;A. Tomasgard
掺氢对天然气管道及管网水力和热力特性的影响
DOI：
10.2516/ogst/2021052
发表时间：
2021
期刊：
Oil & Gas Science and Technology–Rev. IFP Energies nouvelles
影响因子：
--
作者：
Heng Zhang;Jingfa Li;Yue Su;Peng Wang;Bo Yu
通讯作者：
Bo Yu
DOI：
10.1016/j.ress.2018.03.006
发表时间：
2018-07
期刊：
Reliab. Eng. Syst. Saf.
影响因子：
--
作者：
Huai Su;E. Zio;Jinjun Zhang;Xueyi Li
通讯作者：
Huai Su;E. Zio;Jinjun Zhang;Xueyi Li
影响因子：
2.9
作者：
Yunhua Chen;Yingchao Mai;Jinsheng Xiao;Ling Zhang
通讯作者：
Yunhua Chen;Yingchao Mai;Jinsheng Xiao;Ling Zhang