基于MEA-BP神经网络热油管道预测模型研究

摘要

长输热油管道运行过程中,油温的准确预测是管道安全优化生产的前提.针对以往油温预测方法的误差大,推广应用难等问题,提出利用Back Propagation(BP)神经网络和思维进化算法(Mind Evolutionary Algorithm,MEA)优化算法,建立MEA-BP油温预测模型.利用相关性算法获得模型输入参数,下载处理SCADA系统实际生产数据,对模型进行训练.将MEA-BP预测模型应用于实际生产,油温预测误差为0.49°C,相比理论公式及其它预测模型,具有泛化性好、预测准确性高等特点.通过研究获得基于大数据分析方法可有效实现长输管道业务需要,为管道大数据平台分析应用,未来智能化控制奠定基础.