【学术成果】博士生王玉乾在天然气管道瞬变仿真方面取得新进展

我院石油与天然气工程专业博士研究生王玉乾在天然气管道瞬变仿真方面取得重要进展，相关研究成果《时频增强式傅里叶神经算子与协同对抗学习驱动的天然气管道多物理耦合瞬态仿真研究》（Temporal-Frequency Enhanced Fourier Neural Operator and Collaborative Adversarial Learning for Multi-Physics-Coupled Transient Simulation of Natural Gas Pipelines）发表在计算机科学领域国际顶级期刊《EXPERT SYSTEMS WITH APPLICATIONS》。论文第一作者为博士研究生王玉乾，通讯作者为刘刚教授，中国石油大学为第一通讯单位。该研究得到国家重点研发计划项目的资助。

论文首页

现有天然气管道瞬变仿真方法主要采用牛顿迭代法及其线性化形式，在计算持续时间长、调控任务繁复的瞬变仿真场景时，传统方法存在计算效率较低的局限性。因此，发展快速瞬变仿真技术，以实现对管网动态运行特性的精确、高效捕捉，是支撑复杂工况下天然气管网非稳态运行优化的关键，对于降低系统运营成本、提升企业核心竞争力具有重要工程意义。

天然气管道瞬变仿真的核心在于求解由质量、动量及能量守恒定律构成的偏微分方程组，并辅以气体状态方程、摩阻系数计算及热物性参数（如焓、熵、比热容）等常微分方程。传统方法在每一时间步计算物性参数时，通常需为当前步赋予初始猜测值，通过迭代修正实现收敛，属于典型的“预估-校正”流程，计算开销较大。此外，现有基于傅里叶神经算子的方法仍存在两方面局限：一是未能依据输入动态调整不同频域成分的权重，二是忽略了频域信号沿时间维度的依赖关系。另一方面，纯数据驱动的算子模型易陷入仅满足数值精度而偏离物理约束的解空间，导致其外推泛化能力不足。

为解决上述问题，论文提出一种融合时频增强式傅里叶神经算子与协同对抗学习的瞬变仿真架构。首先，在傅里叶域中分别引入注意力机制与频域长短期记忆网络，以分别建模输入信号在频域内部及时序上的关联，从而构建时频增强式傅里叶神经算子。其次，借鉴生成对抗网络中生成器与判别器的对抗训练机制，将其拓展至天然气管道各物性参数对应的算子模型训练中，建立协同对抗训练框架。具体实现分为两个阶段：第一阶段，以BWRS方程及质量流量计算等常微分方程为约束，分别对压力、密度、温度算子模块以及质量流量、密度、流速模块的模型权重进行局部修正；第二阶段，基于离散形式的质量、动量及能量守恒方程，将上述所有算子模型视为整体，进一步对第一阶段修正后的权重进行全局协同优化。最终，所提架构的预测结果能够同时满足天然气管道元件中的常微分与偏微分方程约束，实现数值精确与物理一致兼顾的仿真解。

                                           时频增强式傅里叶神经算子架构图

协同对抗式训练架构图

      为验证所提方法的有效性，论文设计了多类边界条件进行测试，涵盖周期性瞬变、随机瞬变、线性上升/下降及指数上升/下降等情形。大量消融实验结果表明，该方法在各类边界下均表现稳健，且所提架构中的各组件均具有不可替代的作用。尤为突出的是，以8000步的瞬变仿真任务为例，论文所提方法的计算时间相比于传统方法降低了182倍，显著提升了计算效率。

近年来，刘刚教授团队持续聚焦管道顺序输送工艺研究，在现有物理-数据双驱建模方法基础上进一步拓展，成功研发了适用于天然气管道元件瞬变仿真的高效求解器。与传统的数值计算方法相比，该方法在计算效率上展现出了显著优势。

 论文链接：https://authors.elsevier.com/c/1mD8I_LnESZLZb