MétaCan
Menu
Retour à la cohorte
Enregistrement W4407245763 · doi:10.1016/j.jpse.2025.100265

Active control of natural gas pipeline system based on Box-Jenkins method

2025· article· en· W4407245763 sur OpenAlexaff
Yangfan Lu, Ruoqi Tan, Wei Gao, Ziwen Wu, Jing Gong, Liangliang Jiang, Kai Wen

Notice bibliographique

RevueJournal of Pipeline Science and Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Control Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBox–JenkinsPipeline (software)Natural gasControl (management)Natural (archaeology)Computer sciencePetroleum engineeringEnvironmental scienceEngineeringArtificial intelligenceWaste managementMachine learningHistoryOperating systemArchaeology

Résumé

récupéré en direct d'OpenAlex

As the integrated energy network continues to develop, uncertainties in both the upstream and downstream components of the natural gas system have increased significantly. This has led to higher demands on the intelligence of natural gas pipeline system, which must be capable of independently analyzing market fluctuations and proactively adjusting operational plans. However, the non-convexity and strong nonlinearity of the partial differential equations (PDEs) governing transient natural gas flow pose challenges. Traditional methods are inadequate for meeting the fast control requirements of modern intelligent regulation. This paper proposes an active control method for natural gas pipeline systems (NGPS), including state inversion control and the linear quadratic regulator (LQR) control algorithm, which is established using the Box-Jenkins approach to enable rapid control under transient conditions. Several case studies conducted on a natural gas pipeline system demonstrate the effectiveness of the proposed method. The results show that transient operation schemes for the compressor can be formulated under fluctuating outlet flow conditions, effectively maintaining the delivery pressure close to the contractual pressure. The control error is less than 0.5%, fully meeting the actual field requirements, and compared to constant-pressure delivery, it reduces energy consumption by 8,342 kWh per day. By strictly adhering to the characteristic equations of transient natural gas flow, the proposed method avoids the need to solve large-scale optimization problems. Additionally, it contributes to energy-saving and emission reduction objectives in natural gas pipeline operations, providing technical support for the intelligent regulation of future natural gas pipeline system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,231
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pipeline Science and EngineeringMême sujetAdvanced Sensor and Control SystemsTravaux en français237 207