Addytywny model procesu zmian ciśnień w sieci gazociągowej w układzie detekcji nieszczelności

• Autorzy: Łabęda-Grudziak Z. M.

Warianty tytułu

EN

Additive model of pressure decomposition in gas network for the leak detection scheme

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono próbę oszacowania modelu procesu zmian ciśnień w sieci gazociągowej za pomocą addytywnego modelu regresji oraz technik eksploracji danych. Do wyznaczenia parametrów modeli addytywnych zastosowano algorytm dopasowania wstecznego i nieparametryczne techniki wygładzające. Celem badań jest wykorzystanie otrzymanych modeli do konstrukcji układu detekcji nieszczelności sieci gazociągowej. Badania przeprowadzono dla wybranych fragmentów rzeczywistej sieci przesyłowej gazu.

EN

This paper presents methods based on additive regression models with knowledge discovery data to predict pressure values at determinated nodes of gas network. The backfitting algorithm with nonparametric smoothness techniques has been used for estimating the additive model. The plan aim is to use the received models to design the leak detection scheme in gas pipeline systems. All research has been carried out based on the part of long range gas pipelines.

Słowa kluczowe

PL

model addytywny; sieci przesyłowe gazu; przewidywanie ciśnienia; detekcja nieszczelności; eksploracja danych

EN

additive model; gas pipelines; pressure prediction; leak detection; data mining

• Wydawca: Wyższa Szkoła Informatyki i Umiejętności
• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Informatyki
• Rocznik: 2010
• Tom: Vol. 9, Nr 3
• Strony: 85--98
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Łabęda-Grudziak Z. M.

• Politechnika Warszawska, Instytut Automatyki I Robotyki 02-525 Warszawa, ul. św. Andrzeja Boboli 8,

Bibliografia

• [1] Bilman L., Isermann R., Leak detection methods for pipelines, Automatica, vol.23, no. 3, pp. 381-385, 1987.
• [2] Friedman J.H., Stuetzle W., Projection persuit regression, Journal of the American Statistical Association, 76, 1981, pp.817-823.
• [3] Gertler J., Fault Detection and Diagnosis in Engineering Systems, Marcel Dekker, Inc. New York - Basel - Hong Kong, 1998. Z. M. Łabęda-Grudziak 97
• [4] Good P.I., Introduction to statistics through reasampling methods and R/S-PLUS, Wiley, 2005.
• [5] Hand D., Mannila H., Smyth P., Principles of Data Mining.
• [6] Hastie T., Tibshirani R., Generalized additive models, Chapman and Hall, 1990.
• [7] Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W.(red), Diagnostyka procesów. Modele, metody sztucznej inteligencji, zastosowania, WNT, Warszawa 2002.
• [8] Kościelny J.M., Diagnostyka procesów przemysłowych, EXIT, Warszawa 2001.
• [9] Kowalczuk Z., Gunawickrama K., Detekcja i lokalizacja wycieków w rurociągach przemysłowych, rozdział 21 pracy zbiorowej pod red. J. Korbicza i J. Kościelnego, WNT, Warszawa 2002.
• [10] Larose D.T., Discovering Knowledge in Data: An Introduction to DATA MINING. Wiley, 2005.
• [11] Łabęda Z.M., Wykorzystanie addytywnego modelu regresji w eksploracyjnej analizie danych, VI Sympozjum Modelowanie i Symulacja Komputerowa w Technice, Łódź 2008.
• [12] Łabęda Z.M., Zastosowanie modelu addytywnego dla potrzeb detekcji uszkodzeń zaworów regulacyjnych, III Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2008.
• [13] Łabęda Z.M., Additive model applications for the fault detection of actuators, Pomiary, Automatyka i Kontrola, Vol.55, pp. 152-155, (3)2009.
• [14] Łabęda Z.M., Modele addytywne w układzie detekcji uszkodzeń w stacji wyparnej, IX Międzynarodowa Konferencja Diagnostyka Procesów i Systemów, Gdańsk 2009, artykuł opublikowany jako rozdział w książce "Systemy wykrywające, analizujące i tolerujące usterki. Automatyka i Informatyka" Pomorskie Wydawnictwo Naukowo-Techniczne, rozdział 13, str. 113.
• [15] Łabęda Z.M., The backfitting and marginal integration estimators for additive models, IV Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2009, materiały konferencyjne, str. 307-314.
• [16] Łabęda Z.M., Smoothing parameters selection in the additive regression models approach for the fault detection scheme, IV Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2009, materiały konferencyjne, str. 299-306.