《泵送过程智能优化及安全决策研究》

技术简介：

泵送过程在国民经济建设中扮演着重要角色,但针对于泵送过程优化检测技术不够完善,不能够做到安全运行决策及优化,无法保障泵送过程高效安全运行。针对上述问题,本研究结合数据挖掘预测算法及命名实体识别技术,建立了泵重要特征能耗的预测模型,并对泵运行过程安全隐患进行结构化分析,构建安全决策图谱。主要工作内容如下:(1)受改进的模型预测效果研究的启发,提出了一种新的基于泵机理的泵能耗预测模型,可以提高工业泵能耗的预测效率,辅助降低能耗;(2)通过结合人工智能深度学习网络,提出了一个集成深度算法,特征工程,和机理的工业预测过程框架,其可以扩大工业智能和资源效率的研究视角,并给能源消费领域的研究人员提供想法。(3)探索了将特征工程与数据驱动方法相结合的特征构建过程,发现了基于特征挖掘的三个泵特征,可以有效地提高泵能耗的预测效果。(4)提出了一种基于资产管理壳思想的泵送过程安全知识标准化框架。发现这种基于原子化的资产的概念表示,即如何在知识映射领域准确地表示资产,并在泵送过程中实践这种资产表示应用。它可以为不同的安全报告提供一种结构化的表示方案,以不同的表达式统一地表示泵送过程安全知识,从而实现泵送过程安全知识的可表达性。基于泵能耗预测模型,筛选出与泵能耗预测紧密相关的3种特征,根据预测结果,可以显著降低泵设备能耗预测的偏差问题。基于新型泵送过程安全知识图标准化构建过程,构建了4个语义类型模板和5个语义关系模板。对比实验表明,与其他关键实体提取算法相比,测试集上的实体提取精度平均提高了17个百分点。在泵送过程安全用例中,共构建了1329个实体。此安全知识图谱集为安全决策提供了大量的参考示例,有效提高了泵送过程的安全性。

研发人员：殷志强