基于门控残差跳连异构图神经网络的天然气管网动态仿真方法OA

数据驱动方法有望突破管网机制仿真模型的适用规模与效率瓶颈,但广泛采用的图神经网络难以描述异构设备机制及流动参数长距离稳定传播。为此,将管网抽象为含多类型节点与边的异构图,构建物理引导的各向异性消息及异构关系门控聚合机制,增强模型对不同设备水力特性差异的表达能力;基于初始特征残差连接,引入层内门控更新及自适应跳层融合机制,实现跨尺度融合并提升模型传播稳定性与缓解分支的过平滑问题;以此构建了基于门控残差跳连异构图神经网络的管网系统动态仿真方法。结果表明:模型对典型异构管网和长链短分支管网仿真的压力平均相对偏差保持一致;某省级管网实时动态仿真精度与机制模型的平均相对偏差分别为3.55%和3.13%,仿真速度提升超60%。