張 建 軍

(太原市建筑設(shè)計研究院，山西 太原 030000)

供熱管網(wǎng)泄漏故障診斷技術(shù)的研究

張 建 軍

(太原市建筑設(shè)計研究院，山西 太原 030000)

對目前現(xiàn)有的供熱管網(wǎng)檢漏技術(shù)進行了介紹，分析了供熱管網(wǎng)泄漏的原因，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的供熱管網(wǎng)泄漏故障診斷模型，指出其不僅可以診斷出泄漏管段和泄漏量，還可以定位泄漏點。

供熱管網(wǎng)，泄漏診斷，BP神經(jīng)網(wǎng)絡(luò)

0 引言

隨著社會經(jīng)濟的快速發(fā)展，人們對生活水平和品質(zhì)的要求日益提高。節(jié)能、方便、環(huán)保的城市集中供熱局部取代了原先傳統(tǒng)的小型供熱方式，在我國達到國家冬季采暖要求的大中型城市幾乎都已經(jīng)建設(shè)了城市集中供熱系統(tǒng)，甚至一些縣、鎮(zhèn)、新型農(nóng)村都在逐步建設(shè)并完善其城市供熱系統(tǒng)。供熱管網(wǎng)熱源也由傳統(tǒng)的小型鍋爐等單熱源發(fā)展成為區(qū)域鍋爐房、熱電廠等多熱源，供熱方式由枝狀管網(wǎng)供熱發(fā)展為環(huán)狀管網(wǎng)供熱，供熱能力和范圍都有了顯著的提升。

隨著供熱系統(tǒng)不斷擴大，系統(tǒng)越來越復(fù)雜，水力工況的變化情況也越來越難控制，因此供熱管網(wǎng)的故障時有發(fā)生。供熱管網(wǎng)受到運行時間、管道材料、局部構(gòu)件質(zhì)量、外界環(huán)境、自然災(zāi)害等因素的影響，管道內(nèi)外腐蝕、管道下沉、鄰近其他管道的泄漏、管道焊縫開裂、閥門、波紋管補償器腐蝕破損等現(xiàn)象造成管網(wǎng)故障，其中最常見的就是泄漏故障。供熱管網(wǎng)泄漏會造成不必要的熱量損耗、水資源的流失，還會直接影響到人民的生活質(zhì)量，造成嚴重的經(jīng)濟損失。供熱管網(wǎng)發(fā)生泄漏故障的時間和地點大多無規(guī)律所尋，傳統(tǒng)的人工檢漏方法耗時長，需要花費較大的人力和物力，而且檢漏準(zhǔn)確度低、可靠性差。為了提高供熱質(zhì)量，保證供熱系統(tǒng)運行的可靠性和安全性，尋求一種準(zhǔn)確、快速的診斷和定位供熱管網(wǎng)泄漏故障的技術(shù)勢在必行。

1 供熱管網(wǎng)泄漏原因

城市供熱管道泄漏一般是由管道故障和元部件故障引起的，管道故障有管道腐蝕、焊縫破裂等，元部件故障主要包括閥門和補償器故障。

1.1 管道故障

1)管道腐蝕。

一般管段腐蝕為電化學(xué)腐蝕、化學(xué)腐蝕和雜散電流腐蝕，熱媒溫度越高、管徑越小的管段，發(fā)生腐蝕的概率越大，管道腐蝕是供熱管網(wǎng)發(fā)生故障的主要原因。

2)焊縫破裂。

供熱管網(wǎng)大部分管道都敷設(shè)在地下，由于氣候溫度變化引起土層的不均勻脹縮、升降，導(dǎo)致管道焊口、鑄鐵管機械接口處受到剪切力的破壞，或者由于氣溫的驟變、違章建筑物壓占管線、重車碾壓導(dǎo)致管道發(fā)生斷裂。

1.2 元部件故障

1)閥門故障。

由于閥門閥體腐蝕、閥門法蘭泄漏、開關(guān)失靈、絲杠腐蝕等原因而造成閥門損壞發(fā)生故障，閥門閥體腐蝕和法蘭泄漏是導(dǎo)致閥門損壞的主要原因。

2)補償器損壞。

補償器中易發(fā)生故障的是波紋管補償器，因為其由不銹鋼制成，水中所含的氯離子使波紋管發(fā)生腐蝕，導(dǎo)致補償器多層被腐蝕穿透，出現(xiàn)多層裂開的現(xiàn)象。

2 供熱管網(wǎng)泄漏故障診斷方法和研究現(xiàn)狀

目前市場上的管道泄漏檢測手段比較豐富，但一般適用于供水、供燃氣、供油等系統(tǒng)，由于供熱管網(wǎng)熱媒溫度高、敷設(shè)條件等因素的影響，真正適合城市供熱管道的檢測技術(shù)仍然非常有限?，F(xiàn)行的供熱管網(wǎng)檢漏和泄漏定位的方法都是借鑒其他管網(wǎng)特別是給水、燃氣管網(wǎng)得來的，應(yīng)用在供熱管網(wǎng)上存在不可克服的難題和局限性。供熱管網(wǎng)發(fā)生泄漏時，會引起流量、壓力、熱媒溫度及聲音等物理屬性的異常變化，因此在進行供熱管網(wǎng)泄漏檢測時，可以根據(jù)上述異常情況來判斷。

2.1 人工檢漏

目前國內(nèi)大多數(shù)熱力公司均采用傳統(tǒng)的人工檢漏方法，主要由實踐經(jīng)驗豐富的工程人員根據(jù)發(fā)生泄漏時供熱管網(wǎng)的壓力和聲音振動等物理屬性的異常變化來判斷發(fā)生泄漏的管段和具體泄漏位置。此方法簡單方便，但是容易受到人為和外界因素的干擾，準(zhǔn)確度低，可靠性差。

2.2 聲發(fā)射檢漏技術(shù)

目前國外相關(guān)部門和學(xué)者主要研究利用聲發(fā)射技術(shù)來進行供熱管道泄漏的檢測與定位。聲發(fā)射技術(shù)可以實時動態(tài)監(jiān)測而且覆蓋面大，是一種無損檢漏方法，原理是：供熱管道內(nèi)熱媒發(fā)生泄漏時產(chǎn)生一種連續(xù)聲發(fā)射信號并在管道內(nèi)傳播，根據(jù)聲波信號的強弱振幅等能反映結(jié)構(gòu)的某些特征，如泄漏的具體位置和泄漏量等。但是根據(jù)聲發(fā)射現(xiàn)象進行檢漏的技術(shù)涉及到的影響因素很多，是一個非常復(fù)雜的問題，如泄漏孔徑大小、形狀以及液體壓力、湍流和固液耦合等，要想建立精確的數(shù)學(xué)物理模型基本不可能，且受到聲發(fā)射源多樣性、信號的突發(fā)性和不確定性等自身特性以及聲發(fā)射源到傳感器的傳播路徑、傳感器的準(zhǔn)確度、環(huán)境噪聲和聲發(fā)射測量系統(tǒng)等多種復(fù)雜因素的影響，聲發(fā)射傳感器輸出的聲發(fā)射電信號波形與真實的信號相差很大，診斷結(jié)果準(zhǔn)確度很低。因此，聲發(fā)射檢漏技術(shù)的關(guān)鍵就是對聲發(fā)射信號進行分析識別，剔除上述因素對信號的影響，還原真實的聲發(fā)射信號。但是目前還沒有廣泛認可并能有效用于供熱管道聲發(fā)射泄漏檢測的試驗方法和現(xiàn)場應(yīng)用。

2.3 基于數(shù)學(xué)模型的檢漏技術(shù)

供熱管網(wǎng)發(fā)生泄漏時，會引起熱媒在管道中的流速、壓力等參數(shù)的變化，為了能夠準(zhǔn)確反映水力工況的變化，根據(jù)連續(xù)性方程、質(zhì)量守恒方程、動量守恒方程和能量守恒方程等來構(gòu)建供熱管網(wǎng)的動態(tài)水力模型。求解此數(shù)學(xué)模型就可得到實時的管網(wǎng)水力工況，得到管網(wǎng)內(nèi)流場分布，并與實測值進行比較，如果兩者的偏差大于正常的波動范圍，則可判斷管網(wǎng)發(fā)生泄漏，然后根據(jù)管道內(nèi)壓力梯度值的變化來定位泄漏點。為了提高數(shù)學(xué)模型的準(zhǔn)確度，在建模時需要充分考慮溫度、壓力、流體密度和摩擦因子等因素對管網(wǎng)水力工況的影響，再根據(jù)給定的邊界條件求解水力工況數(shù)學(xué)模型。隨著供熱管網(wǎng)的不斷擴大，系統(tǒng)越來越復(fù)雜，很難達到建立數(shù)學(xué)模型規(guī)定的理想條件，必須忽略一些因素的影響，因此求解的結(jié)果與實際值存在偏差，影響數(shù)學(xué)模型檢漏技術(shù)的準(zhǔn)確度。

3 基于人工智能的供熱管網(wǎng)泄漏故障診斷技術(shù)

上述的檢漏技術(shù)都存在一定的局限性，隨著人工智能應(yīng)用領(lǐng)域的不斷擴展，基于人工智能的供熱管網(wǎng)泄漏故障診斷技術(shù)也越來越受到國內(nèi)外專家學(xué)者的重視，針對供熱管網(wǎng)故障診斷的現(xiàn)代智能方法研究也不斷增多。

人工神經(jīng)網(wǎng)絡(luò)是一種模擬人類認知過程的方法，根據(jù)其非線性逼近能力、自適應(yīng)能力以及強大的信息綜合處理能力，再結(jié)合計算機強大的運算功能，不需要建立精確的數(shù)學(xué)模型，單純的通過神經(jīng)網(wǎng)絡(luò)權(quán)值和閥值的調(diào)整即可得到良好的擬合效果?；谌斯ど窠?jīng)網(wǎng)絡(luò)供熱管網(wǎng)管道泄漏診斷的方法，是利用人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力學(xué)習(xí)供熱管網(wǎng)的各種工況，并且通過大量工況樣本的學(xué)習(xí)過程，可以對運行狀況來進行分類識別，以判斷管網(wǎng)是否發(fā)生泄漏。

本文提出的BP神經(jīng)網(wǎng)絡(luò)是至今為止應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)方法，也是目前供熱管網(wǎng)故障診斷的研究熱點之一。

3.1 BP神經(jīng)網(wǎng)絡(luò)

BP(Back-Propagation)意為誤差逆?zhèn)鞑ィ珺P神經(jīng)網(wǎng)絡(luò)是一種典型的多層前向網(wǎng)絡(luò)，由輸入層、一個或多個隱含層、輸出層組成，一般三層的BP神經(jīng)網(wǎng)絡(luò)就可以實現(xiàn)高度非線性映射。相鄰層的神經(jīng)元通過權(quán)閾值實現(xiàn)全相連接，BP算法的學(xué)習(xí)過程由正向和反向傳播兩部分組成，信息正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層計算傳向輸出層，每一層的狀態(tài)只影響下一層，得到每個單元的實際輸出值。如果輸出層結(jié)果與實際值有偏差，那么轉(zhuǎn)入反向傳播過程，計算輸出值的誤差變化值，根據(jù)此差值調(diào)節(jié)網(wǎng)絡(luò)的權(quán)值和閥值。這兩個過程不斷反復(fù)，使誤差達到最小，網(wǎng)絡(luò)的學(xué)習(xí)過程就是不斷調(diào)整權(quán)重的過程。

三層BP網(wǎng)絡(luò)結(jié)構(gòu)圖見圖1。

3.2 基于BP神經(jīng)網(wǎng)絡(luò)的供熱管網(wǎng)故障診斷模型

供熱管網(wǎng)故障診斷的BP神經(jīng)網(wǎng)絡(luò)模型根據(jù)系統(tǒng)結(jié)構(gòu)及實際維護需要，可分為兩部分：一級網(wǎng)絡(luò)進行供熱管網(wǎng)泄漏管段的診斷，二級網(wǎng)絡(luò)進行泄漏量診斷和泄漏點定位。一、二級網(wǎng)絡(luò)模型均采用最常用的三層結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)模型。一級、二級網(wǎng)絡(luò)的輸入故障特征向量為各監(jiān)測點的壓力變化情況；隱含層節(jié)點數(shù)經(jīng)多次反復(fù)試算后確定；一級網(wǎng)絡(luò)的輸出故障特征向量為各管段發(fā)生泄漏的概率，二級網(wǎng)絡(luò)的輸出層有兩個神經(jīng)元，分別代表漏水位置和泄漏量。漏水位置為該漏水點距其所在管段起點的距離與此管段總長度的比值，泄漏量為泄水量與熱網(wǎng)總循環(huán)水量的比值。在實際應(yīng)用中，BP神經(jīng)網(wǎng)絡(luò)泄漏診斷模型的精度受訓(xùn)練樣本、網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)速率等因素的影響。

4 結(jié)語

基于BP神經(jīng)網(wǎng)絡(luò)的供熱管網(wǎng)泄漏故障診斷模型的研究發(fā)展迅速，并經(jīng)過實例驗證檢漏的準(zhǔn)確度可達到90%以上，但是由于BP神經(jīng)網(wǎng)絡(luò)有收斂速度慢、易陷入局部極值的不足，影響泄漏定位和泄漏量診斷的精度，有待進一步研究。

[1] 楊開林，郭宗周.熱力管網(wǎng)泄漏檢測數(shù)學(xué)模型[J].水利學(xué)報，1996,5(5):50-56.

[2] 石兆玉，陳 弘.故障空間(FDS)法在供熱管網(wǎng)故障診斷中的應(yīng)用[J].區(qū)域供熱，1994(3):17-19.

[3] 金富根.熱網(wǎng)泄漏檢測及控制方法[J].煤氣與熱力，2008，28(2)：11-13.

[4] 雷翠紅.供熱管網(wǎng)泄漏故障診斷的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2010.

Research on leakage diagnosis of heat-supply pipeline network

ZHANG Jian-jun

(TaiyuanArchitecturalDesignInstitute,Taiyuan030000,China)

The paper introduces the current leakage inspection of the heat-supply pipeline network, analyzes the reasons for the heat-supply pipeline network, points out the leakage diagnosis model of the heat-supply pipeline network is based on BP neural network, and points out it can be used in the diagnosis of the leakage and the leaking volume and locate the leaking part.

heat-supply pipeline network, leakage diagnosis, BP neural network

1009-6825(2014)11-0137-03

2014-02-02

張建軍(1987- )，男，助理工程師

TU995.3

A