随着燃气输配管网规模不断扩大和结构日渐复杂，确保燃气管网运行的安全性、稳定性和可靠性成为了燃气管网发展研究的的重点。本文介绍了燃气输配管网水力计算的基本方法理论，对遗传算法、蚁群算法和神经网络算法在燃气管网优化设计中的应用进行总结和分析，以期为相关研究提供一定的参考。

关键词：燃气管网；优化设计；遗传算法；蚁群算法；神经网络算法

1管网水力计算的理论研究

燃气输配管网水力计算是为了在已知管网布排和供气量的条件下，通过计算流量和压力损失选择管段直径，验算管段流量和压力损失是否符合要求，从而决定是否调整管网的设计方案或对旧输配管网进行改造，从而提高管网的输配能力[2]。管网水力计算的方法主要有解环方程法、解节点方程法和解管段方程法。这三种方法相比较，三种方法都需要进行迭代计算，其中计算工作量为解环方程法最小，解节点方程法居中，解管段方程法最大。解管段方程法计算精度最高，当管段管径大、摩阻系数低时，解节点方程法收敛速度和计算精度较低。因而进行管网平差时通常选择解节点方程法或解环方程法，当对计算结果的精度要求较高时选用解管段方程法。因为新建燃气管网大多采用多气源供气，解环方程法难以满足管网的可靠性要求，而解节点方程法由于可以自动生成管网关联矩阵，具有灵活性高、适应性强的优点，更适合用于处理多气源供气的复杂管网。另外，在燃气管网水力计算中，当某管段的直径过大或流量过小时，在迭代过程中会容易出现不收敛或收敛缓慢的情况，这极大影响了水力计算的精度[3]。因此这三种传统的水力计算方法也逐渐不能满足管网运行的可靠性和稳定性要求，此时相关智能算法在管网优化设计中的应用具有重要的现实意义。

2燃气管网优化设计方法研究

2.1遗传算法在管网优化的应用

遗传算法是一种模仿生物进化论中自然选择和基因遗传机制而提出的随机搜寻最优解算法，基本步骤为初始化、个体评价、选择、交叉和变异。遗传算法搜索时以问题解的串集为搜索对象，可在同一时间处理多个个体，仅用适应度函数值来评估个体而不需要借助其他辅助信息，因此具有全局寻优、搜索效率较高、应用范围广等优点。目前遗传算法在燃气管网优化设计中的应用主要体现在提高燃气管网建设的经济性和和安全性，具体是利用遗传算法优化管网结构布局和管网管径，从而找到满足经济效益和安全性要求的最优设计方案。郑利平[4]提出采用遗传算法对城市燃气管网进行优化设计，其优化目标为管网的工程造价和运行费用最低，并以满足燃气管网的水力平衡和最低压力为约束条件，使用费用模型对燃气管网进行数学建模，其中重点对管网管径进行优化，研究结果过表明用遗传算法对管网进行优化设计不仅经济高效，并且能够满足管网水力可靠性。王煊[5]提出采用改进的遗传算法对城市燃气管网进行优化设计，其优化目标为管道总长度最短，对树状燃气管网进行数学建模，优化管网结构布局。吕木英[6]提出采用遗传算法对树状管网布局进行优化设计，以管网总长度最小作为优化目标建立管网布局数学模型，再在树状管网的优化方案的基础上，依照一定规则添加管段得到环状管网，同时验证燃气管网的水力可靠性，从而得到满足管网水力可靠性和经济性的环状管网优化方案，研究结果表明遗传算法在环状燃气管网的优化设计中的应用是可行的。基于遗传算法的燃气管网布局和管径优化方法，提高了燃气管网建设的经济效益和安全性。目前遗传算法在管网优化调度、运行工况分析和水力计算的应用较少，燃气管网的水力计算中大多着重考虑管网的经济效益和安全性，对管网水力可靠性的研究相对较少。由于许多燃气公司除了管网初步设计时进行过水力计算，但在较长时期内管网规模和结构发生较大改变后，并没有对管网的水力工况进行重新核算和分析，因而最初的管网水力计算结果并不能客观反映出管网实际运行工况，这对管网水力可靠性有较大的影响。另外，由于城市天然气输配管网规模早已大大超过初期规划，现有管网运行流量大多超过最初规划的负荷，这使得在燃气泄漏事故发生时，管网的供气能力将无法满足部分用户的需求。一般情况下，当发生燃气泄漏事故时，燃气公司需要立即关掉管段事故点所在管段的上下游阀门，进行停气检修，但由于管网大多采取的是多气源供气和环状结构，一个事故点可能由不同的供气点供气，因此可能导致不仅事故管段下游的用户会被停止供气，管网内很大范围内的其他用户也会受到不同程度的影响。由于城市天然气管网的监测点有限，燃气公司无法准确掌握整个管网的水利工况，当事故发生时，无法预测事故管段的影响范围和及时制定有效的调度决策。因此可以尝试把遗传算法应用到管网运行工况和事故工况下的分析中[7]。另外，根据遗传算法全局性的特点，在处理群体较大的问题是具有一定的优势，因此可以与神经网络、模糊控制等智能算法结合，为管网优化设计提供新思路。

2.2蚁群算法在管网优化的应用

蚁群算法是一种通过模拟自然界中蚂蚁群寻觅食物时发现最短路径行为的寻找最优解的启发式搜索算法。蚁群算法采用正反馈机制从而能够较快地寻找到较优值或最优值，采用分布式计算从而有效提高算法效率和避免过早收敛，因此蚁群算法具有启发性、鲁棒性、并行性等优点，但也存在局部最优解和搜索时间较长的问题。目前蚁群算法已广泛应用于在旅行商问题、Job-shop问题、分配问题等方面，蚁群算法在燃气管网优化设计中的应用主要在以燃气管网建设费用和运营所需费用最低为优化目标，建立数学模型，提高管网设计的经济效益和合理性。李智等人[8]对蚁群算法在燃气管网优化设计中的应用进行了研究，该研究以管网管道建设费用、压气站建设费用和管网运行费用为目标函数建立天然气输送管道数学模型，对管道的选型、设计压力、压气站个数、压缩比及站间距离进行了优化设计。该设计方案使管网建设费用和运营所需费用达到了最小。研究表明蚁群算法的优化效果比遗传算法好，这表明采用蚁群算法对燃气管网进行优化设计是可行的。李自力等人[9]提出将环状燃气管网布局优化问题转换为TSP问题，以环状燃气管网造价最低为优化目标建立数学模型，采用蚁群算法进行求解，研究结果表明蚁群算法适用于环状管网的优化设计。

2.3神经网络算法在管网优化的应用

神经网络系统是一种模仿生物神经网络的结构和功能的高度复杂的非线性动力学系统，具有大规模并行协同处理、容错性、自适应性和自组织性等特点。聂廷哲等人[10]对Hopfield神经网络算法在天然气管网规划问题中的应用进行了相关研究，其优化目标函数为管线总长度最短，建立了基于Hopfield神经网络的管网布线优化数学模型，研究结果表明Hopfield神经网络算法能够有效地解决天然气管网布局优化问题，提高了提高技术水平和经济效益。目前神经网络算法大多应用于天然气负荷预测、燃气管网泄漏分析、安全性分析、天然气管道内腐蚀速度预测等方面，在管网优化设计领域的应用相对较少，因此，可以借鉴供水管网的先例，,探究神经网络在燃气管网水力计算的应用。陈善庆[11]提出采用改进的Hopfield神经网络算法，目标函数为最低管网年费用折算值，以离散管径为优化变量，管网水力可靠性和相关设计规范为约束条件对给水管网进行优化，研究结果表明神经网络算法应用在管网优化是可行的，该算法有效提高了寻优能力、速度和效率。

3结束语

随着我国城市燃气输配管网建设规模扩大化和结构复杂化，如何保证燃气管网运行的安全性、稳定性和可靠性成为了燃气管网发展研究的的重点，因此在城市燃气输配管网的优化设计中，可以尝试将遗传算法、蚁群算法、神经网络算法等智能算法应用到管网运行工况分析和事故分析。将智能算法应用在管网优化设计中，综合考虑燃气管网的安全性、经济性、可靠性和当地的实际情况，最终确定城市燃气输配管网优化设计的最优方案。

更多相关信息 还可关注中铁城际公众号矩阵 扫一扫下方二维码即可关注