本申請公開了一種工況識別方法、裝置、計算機設備以及存儲介質，屬于液體管道輸送領域。所述方法包括：實時檢測管道沿線多個站場的工況參數，為每個所述工況參數添加時間戳和對應站場的標識，所述工況參數包括流經所述多個站場時液體的進出站壓力、進出站流量以及所述多個站場內的輸油泵匯管的進出口壓力；基于采樣時間順序由所述工況參數生成目標長度的工況參數序列，將所述工況參數序列輸入異常檢測模型，由所述異常檢測模型基于所述工況參數序列進行預測，得到下一個采樣時刻的第一目標工況參數；若所述下一個采樣時刻的第一目標工況參數與所述下一個采樣時刻的實際工況參數的差別信息符合目標條件，將所述工況參數序列確定為異常參數序列，其中，所述異常參數序列中的每個數值依次表示所述管道沿線每個所述站場的工況參數；將所述異常參數序列輸入與管道標識對應的異常工況識別模型中，由所述異常工況識別模型基于所述異常參數序列進行預測，將概率最高的工況信息確定為所述管道對應的工況信息，其中，所述工況信息為發生異常的站場對應的異常原因。通過這樣的方案，在基于模型對工況序列進行識別以確定對應的工況信息之前，可以先基于異常檢測模型將正常工況和異常工況區分開，減少了異常工況識別模型的負擔，提高了異常工況的識別效率。

技術領域

本申請涉及液體管道輸送領域，特別涉及一種工況識別方法、裝置、計算機設備以及存儲介質。

背景技術

在管道管理中，往往會將管道分為多個站場，例如首站、中間泵站、中間熱站、末站等，多個站場站場彼此配合，完成液體的輸送。在進行液體輸送的過程中，可能有各種各樣的正常工況，例如啟泵、停泵以及調節閥開閉。也可能會出現各種各樣的異常工況，例如泄漏、泄壓閥誤動作、閥門誤關斷等，而異常工況的出現會影響正常的液體輸送，降低生產效率甚至導致輸送中斷。

相關技術中，往往基于實時獲取的工況參數進行預測，確定每一時刻的工況信息，但是在管道沿線多個站場的運行過程中，正常工況所占的比例較大，異常工況所占的比例較小，實時確定工況信息可能導致異常工況檢測效率較低，計算資源耗費較多。

發明內容

本申請實施例提供了一種工況識別方法、裝置、計算機設備以及存儲介質，可以提高工況識別效率，降低計算資源的占用。所述技術方案如下：

一方面，提供了一種工況識別方法，所述方法包括：

實時檢測管道沿線多個站場的工況參數，所述工況參數包括流經所述多個站場時液體的進出站壓力、進出站流量以及所述多個站場內的輸油泵匯管的進出口壓力；

基于采樣時間順序由所述工況參數生成目標長度的工況參數序列，將所述工況參數序列輸入異常檢測模型，由所述異常檢測模型基于所述工況參數序列進行預測，得到下一個采樣時刻的第一目標工況參數；

若所述下一個采樣時刻的第一目標工況參數與所述下一個采樣時刻的實際工況參數的差別信息符合目標條件，將所述工況參數序列確定為異常參數序列；

將所述異常參數序列輸入異常工況識別模型中，由所述異常工況識別模型基于所述異常參數序列進行預測，得到所述管道對應的工況信息。

在一種可能的實施方式中，所述若所述下一個采樣時刻的第一目標工況參數與所述下一個采樣時刻的實際工況參數的差別信息符合目標條件，將所述工況參數序列確定為異常參數序列，包括：

將所述下一個采樣時刻的第一目標工況參數與所述下一個采樣時刻的實際工況參數之間的差別信息輸入二分類模型中，由所述二分類模型基于所述差別信息進行預測，得到所述工況參數序列為所述異常參數序列的概率，若所述概率大于目標概率，則將所述工況參數序列確定為所述異常參數序列。

在一種可能的實施方式中，所述實時檢測管道沿線多個站場的工況參數之前，所述方法還包括：

基于采樣時間順序將樣本工況參數生成所述目標長度的樣本工況參數序列；