中国安全科学学报

作者：姚俊名, 梁伟, 郑志明, 黄天长, 付千郡, 廖春燕

单位：1 中国石油大学(北京) 安全与海洋工程学院, 北京 102249；2 应急管理部 油气生产安全与应急技术重点实验室, 北京 102249；3 中油国际管道有限公司, 北京 102249

关键词：变分相关性权重优化Informer (VCW-Informer),天然气压缩机,监测数据,异常预警,深度学习,信号分解

基金：中国石油天然气集团有限公司合作项目(ZYQ-2023-HT-JS-17)

为进一步提升天然气压缩机组的早期异常预警能力,基于变分模态分解(VMD)算法、Informer算法、3σ准则判据与Correlation-Weight优化提出一个新的预警方法。基于Informer架构搭建预测模型,利用VMD算法将监测数据分解为不同频率的多维尺度特征作为模型输入。在训练过程中,计算各分量特征与原始信号的权重系数来优化调整模型内部参数。并利用预测重构结果与统计分析的3σ判据进一步提升预警性能。采集现场压缩机组2段正常与异常的压差监测数据进行实例验证,试验结果表明:相比于其他预测方法,所提出的预警方法具有最小的预测误差,正常箱体压差的预测结果同比降低66.67%~71.43% (均方误差(MSE)),36.67%~45.45% (平均绝对误差(MAE)),40.17%~45.42% (均方根误差(RMSE)),36.57%~45.72% (平均绝对百分比误差(MAPE));异常进气压差的预测结果同比降低64.43%~71.12% (MSE),44.02%~52.27% (MAE),40.36%~45.53% (RMSE),37.24%~47.79% (MAPE)。该方法在细节特征与趋势特征上具有更好的预测精度,在测试集中能提前60 min时间为异常监测信号提供预警,从而提升机组安全稳定运行的可靠性。

来源：2025年第7期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第7期