油品摩阻确定方法、装置、设备及存储介质与流程

本技术涉及油品输送，特别涉及一种油品摩阻确定方法、装置、设备及存储介质。

背景技术：

1、在成品油输送过程中，经常会出现管道交替输送不同种类油品的情况。例如，交替输送时，管道中的前段为第一油品，后段为第二油品，则中间会产生一小段第一油品和第二油品的混油。其中，第一油品和第二油品的交界面称为批次界面。在输送过程中，随着批次界面位置的变化，管道内的油品摩阻也会发生变化。由于油品摩阻异常变化对于油品安全输送具有重要的影响，因此，如何确定油品摩阻是否发生异常成为了亟待解决的问题。

2、相关技术中，主要是先通过公式确定当前时间对应的油品摩阻，然后由相关人员根据历史摩阻的变化规律，确定该油品摩阻是否发生异常。

3、但人为确定油品摩阻是否发生异常，容易受主观因素以及经验的影响，存在误判的情况，准确性较低。

技术实现思路

1、本技术实施例提供了一种油品摩阻确定方法、装置、设备及存储介质，可以提高确定油品摩阻异常的准确性。具体技术方案如下：

2、一方面，本技术实施例提供了一种油品摩阻确定方法、装置、设备及存储介质，所述方法包括：

3、获取输油管道当前时间对应的第一油品特征，所述第一油品特征为影响油品摩阻的特征；

4、将所述第一油品特征输入摩阻确定模型，得到第一摩阻值；其中，所述摩阻确定模型包括第一摩阻确定模型和第二摩阻确定模型中的至少一个；所述第一摩阻确定模型是基于样本集合以及多个第一样本油品摩阻进行训练得到的，所述样本集合包括多个第一样本油品特征；所述第二摩阻确定模型是基于多个训练集以及所述多个第一样本油品摩阻进行训练得到的；其中，对于每个训练集，所述训练集是通过对所述样本集合进行多次随机采样，且每次随机采样后再将采样的第一样本油品特征放回所述样本集合得到的，所述每个训练集是通过相同的采样次数得到的；

5、基于所述第一油品特征和第一关系数据，确定第二摩阻值；所述第一关系数据用于表示所述第一油品特征与油品摩阻之间的关系；

6、基于所述第一摩阻值和所述第二摩阻值，确定油品摩阻的异常情况。

7、在一种可能的实现方式中，所述摩阻确定模型包括第一摩阻确定模型和第二摩阻确定模型；

8、所述将所述第一油品特征输入摩阻确定模型，得到第一摩阻值，包括：

9、将所述第一油品特征输入所述第一摩阻确定模型，得到第三摩阻值；

10、将所述第一油品特征输入所述第二摩阻确定模型，得到第四摩阻值；

11、基于所述第三摩阻值和所述第四摩阻值，确定所述第一摩阻值。

12、在另一种可能的实现方式中，所述第一摩阻确定模型的训练过程，包括：

13、将所述多个第一样本油品摩阻作为当前机器学习模型的目标值，基于所述当前机器学习模型的目标值、所述样本集合以及多个初始权重，进行模型训练，直至模型满足收敛条件，得到所述当前机器学习模型；所述初始权重为所述第一样本油品特征对应的权重；

14、确定所述当前机器学习模型输出的输出值与其对应的目标值之间的第一差值；

15、基于所述第一差值，更新所述第一样本油品特征的权重；

16、将所述第一差值作为下一个机器学习模型的目标值，基于所述下一个机器学习模型的目标值、所述样本集合以及所述多个第一样本油品特征更新后的权重，进行模型训练，得到所述下一个机器学习模型；

17、将所述下一个机器学习模型作为当前机器学习模型，执行所述确定所述当前机器学习模型输出的输出值与其对应的目标值之间的第一差值的步骤，直至得到预设数目个机器学习模型；

18、基于所述预设数目个机器学习模型，确定所述第一摩阻确定模型。

19、在另一种可能的实现方式中，所述第一样本油品特征包括多个第一子特征；

20、确定所述第一样本油品特征的过程，包括：

21、获取多个第二子特征以及所述多个第二子特征对应的第一样本油品摩阻；

22、确定多个第一相关参数和多个第二相关参数；所述第一相关参数为用于表示每两个第二子特征之间相关程度的参数；所述第二相关参数为用于表示每个第二子特征与其对应的第一样本摩阻之间相关程度的参数；

23、基于所述多个第一相关参数和所述多个第二相关参数，对所述多个第二子特征进行筛选，得到所述多个第一子特征。

24、在另一种可能的实现方式中，所述基于所述多个第一相关参数和所述多个第二相关参数，对所述多个第二子特征进行筛选，得到所述多个第一子特征，包括：

25、对于每个第一相关参数，若所述第一相关参数大于第一预设阈值，从所述第一相关参数对应的两个第二子特征中选择一个第二子特征，将被选择的第二子特征作为第一子特征；

26、对于每个第二相关参数，若所述第二相关参数大于第二预设阈值，将所述第二相关参数中的第二子特征作为候选子特征；

27、对多个候选子特征及其对应的第一样本油品摩阻进行拟合，得到第二关系数据；其中，所述第二关系数据用于表示所述多个候选子特征和所述第一样本摩阻之间的关系；

28、确定所述第二关系数据中每个候选子特征对应的特征常数；

29、将特征常数大于第三预设阈值的候选子特征确定为第一子特征，得到所述多个第一子特征。

30、在另一种可能的实现方式中，所述第二摩阻确定模型的训练过程，包括：

31、在一轮采样过程中，对所述样本集合进行多次随机采样，得到一个训练集；其中，每次随机采样后采样的第一样本油品特征被再次放回所述样本集合中；

32、对于每个训练集，从所述训练集包括的第一样本油品特征中随机选择部分第一样本油品特征；

33、基于随机选择的部分第一样本油品特征及其对应的第一样本油品摩阻，进行模型训练，直至迭代次数达到目标迭代次数，得到第一机器学习模型；

34、基于多个第一机器学习模型，确定所述第二摩阻确定模型，一个训练集对应一个第一机器学习模型。

35、在另一种可能的实现方式中，所述第一油品特征包括：第一输送站和第二输送站之间的高程差、所述第一输送站和所述第二输送站之间的里程差、油品从所述第一输送站输出的第一压力、所述油品进入所述第二输送站的第二压力以及所述油品从所述第一输送站输出的第一瞬时流量；其中，油品从所述第一输送站输送至所述第二输送站；

36、所述基于所述第一油品特征的特征值和第一关系数据，确定第二摩阻值，包括：

37、对所述第一瞬时流量进行转换处理，得到第二瞬时流量；

38、基于所述油品的密度、重力加速度和所述高程差，确定第三压力；

39、将所述第二瞬时流量、所述第一压力、所述第二压力、所述第三压力以及所述里程差代入所述第一关系数据中，得到所述第二摩阻值。

40、在另一种可能的实现方式中，所述基于所述第一摩阻值和所述第二摩阻值，确定油品摩阻的异常情况，包括：

41、确定所述第一摩阻值和所述第二摩阻值之间的差值；

42、若所述差值不在第一预设范围内，确定油品摩阻存在异常。

43、在另一种可能的实现方式中，所述方法还包括：

44、基于所述第一油品特征，通过所述摩阻确定模型对预设时长范围内的摩阻值进行预测；

45、显示所述预设时长范围内的摩阻值。

46、在另一种可能的实现方式中，所述方法还包括：

47、确定所述预设时长范围内摩阻值的最大值和最小值；

48、若所述最大值或所述最小值不在第二预设范围内，显示预警消息。

49、另一方面，本技术实施例提供了一种油品摩阻确定装置，所述装置包括：

50、第一获取模块，用于获取输油管道当前时间对应的第一油品特征，所述第一油品特征为影响油品摩阻的特征；

51、第一输入模块，用于将所述第一油品特征输入摩阻确定模型，得到第一摩阻值；其中，所述摩阻确定模型包括第一摩阻确定模型和第二摩阻确定模型中的至少一个；所述第一摩阻确定模型是基于样本集合以及多个第一样本油品摩阻进行训练得到的，所述样本集合包括多个第一样本油品特征；所述第二摩阻确定模型是基于多个训练集以及所述多个第一样本油品摩阻进行训练得到的；其中，对于每个训练集，所述训练集是通过对所述样本集合进行多次随机采样，且每次随机采样后再将采样的第一样本油品特征放回所述样本集合得到的，所述每个训练集是通过相同的采样次数得到的；

52、第一确定模块，用于基于所述第一油品特征和第一关系数据，确定第二摩阻值；所述第一关系数据用于表示所述第一油品特征与油品摩阻之间的关系；

53、第二确定模块，用于基于所述第一摩阻值和所述第二摩阻值，确定油品摩阻的异常情况。

54、在一种可能的实现方式中，所述摩阻确定模型包括第一摩阻确定模型和第二摩阻确定模型；

55、所述第一输入模块，用于将所述第一油品特征输入所述第一摩阻确定模型，得到第三摩阻值；将所述第一油品特征输入所述第二摩阻确定模型，得到第四摩阻值；基于所述第三摩阻值和所述第四摩阻值，确定所述第一摩阻值。

56、在另一种可能的实现方式中，所述装置还包括：

57、第一训练模块，用于将所述多个第一样本油品摩阻作为当前机器学习模型的目标值，基于所述当前机器学习模型的目标值、所述样本集合以及多个初始权重，进行模型训练，直至模型满足收敛条件，得到所述当前机器学习模型；所述初始权重为所述第一样本油品特征对应的权重；

58、第三确定模块，用于确定所述当前机器学习模型输出的输出值与其对应的目标值之间的第一差值；

59、更新模块，用于基于所述第一差值，更新所述第一样本油品特征的权重；

60、第二训练模块，用于将所述第一差值作为下一个机器学习模型的目标值，基于所述下一个机器学习模型的目标值、所述样本集合以及所述多个第一样本油品特征更新后的权重，进行模型训练，得到所述下一个机器学习模型；

61、第四确定模块，还用于基于所述预设数目个机器学习模型，确定所述第一摩阻确定模型。

62、在另一种可能的实现方式中，所述第一样本油品特征包括多个第一子特征；

63、所述装置还包括：

64、第二获取模块，用于获取多个第二子特征以及所述多个第二子特征对应的第一样本油品摩阻；

65、第五确定模块，用于确定多个第一相关参数和多个第二相关参数；所述第一相关参数为用于表示每两个第二子特征之间相关程度的参数；所述第二相关参数为用于表示每个第二子特征与其对应的第一样本摩阻之间相关程度的参数；

66、筛选模块，用于基于所述多个第一相关参数和所述多个第二相关参数，对所述多个第二子特征进行筛选，得到所述多个第一子特征。

67、在另一种可能的实现方式中，所述筛选模块，用于对于每个第一相关参数，若所述第一相关参数大于第一预设阈值，从所述第一相关参数对应的两个第二子特征中选择一个第二子特征，将被选择的第二子特征作为第一子特征；对于每个第二相关参数，若所述第二相关参数大于第二预设阈值，将所述第二相关参数中的第二子特征作为候选子特征；对多个候选子特征及其对应的第一样本油品摩阻进行拟合，得到第二关系数据；其中，所述第二关系数据用于表示所述多个候选子特征和所述第一样本摩阻之间的关系；确定所述第二关系数据中每个候选子特征对应的特征常数；将特征常数大于第三预设阈值的候选子特征确定为第一子特征，得到所述多个第一子特征。

68、在另一种可能的实现方式中，所述装置还包括：

69、采样模块，用于在一轮采样过程中，对所述样本集合进行多次随机采样，得到一个训练集；其中，每次随机采样后采样的第一样本油品特征被再次放回所述样本集合中；

70、选择模块，用于对于每个训练集，从所述训练集包括的第一样本油品特征中随机选择部分第一样本油品特征；

71、第三训练模块，用于基于随机选择的部分第一样本油品特征及其对应的第一样本油品摩阻，进行模型训练，直至迭代次数达到目标迭代次数，得到第一机器学习模型；

72、第六确定模块，用于基于多个第一机器学习模型，确定所述第二摩阻确定模型，一个训练集对应一个第一机器学习模型。

73、在另一种可能的实现方式中，所述第一油品特征包括：第一输送站和第二输送站之间的高程差、所述第一输送站和所述第二输送站之间的里程差、油品从所述第一输送站输出的第一压力、所述油品进入所述第二输送站的第二压力以及所述油品从所述第一输送站输出的第一瞬时流量；其中，油品从所述第一输送站输送至所述第二输送站；

74、所述第一确定模块，用于对所述第一瞬时流量进行转换处理，得到第二瞬时流量；基于所述油品的密度、重力加速度和所述高程差，确定第三压力；将所述第二瞬时流量、所述第一压力、所述第二压力、所述第三压力以及所述里程差代入所述第一关系数据中，得到所述第二摩阻值。

75、在另一种可能的实现方式中，所述第二确定模块，用于确定所述第一摩阻值和所述第二摩阻值之间的差值；若所述差值不在第一预设范围内，确定油品摩阻存在异常。

76、在另一种可能的实现方式中，所述装置还包括：

77、预测模块，用于基于所述第一油品特征，通过所述摩阻确定模型，对预设时长范围内的摩阻值进行预测；

78、第一显示模块，用于显示所述预设时长范围内的摩阻值。

79、在另一种可能的实现方式中，所述装置还包括：

80、第七确定模块，用于确定所述预设时长范围内摩阻值的最大值和最小值；

81、第二显示模块，用于若所述最大值或所述最小值不在第二预设范围内，显示预警消息。

82、另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现上述任一项所述的油品摩阻确定方法。

83、另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现上述任一项所述的油品摩阻确定方法。

84、另一方面，提供了一种计算机程序产品，所述计算机程序产品中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现上述任一项所述的油品摩阻确定方法。

85、本技术实施例提供的技术方案带来的有益效果是：

86、本技术实施例提供了一种油品摩阻确定方法，该方法通过摩阻确定模型确定第一摩阻值。并且，通过第一关系数据确定第二摩阻值，然后将第一摩阻值与第二摩阻值进行比较，根据比较结果确定油品摩阻是否存在异常。可见，该方法将模型确定出的摩阻值与通过关系数据确定出的摩阻值进行比较，这样无需人为判断，可以避免误判，从而提高了确定油品摩阻异常的准确性。