張洪奎

中國石化銷售華中分公司，湖北武漢 430000

分布式光纖傳感預警系統(tǒng)是基于相位敏感的光時域反射技術（φ-OTDR），通過伴隨管道的通信光纖作為傳感體，利用光纖中后向瑞利散射光干涉，對管道沿線的振動進行實時監(jiān)測[1-2]。φ-OTDR技術由美國德克薩斯A&M大學的Taylor于1993年首次提出[3]，目前廣泛應用于油氣管道安全檢測[4]。2009年，王志強等人報道了分布式光纖溫度檢測技術在氣體管道泄漏檢測中的應用[5]，同年朱建新等人報道了基于φ-OTDR光纖管道安全預警系統(tǒng)在油氣管道安全防范中的應用[6]。2015年，任亮等人報道了基于光纖光柵應變傳感器的油氣管道腐蝕監(jiān)測應用[7]。

武漢—廣水成品油管道應用了分布式光纖傳感預警系統(tǒng)，自2017年12月以來，相繼開發(fā)了利用傳感系統(tǒng)實現(xiàn)清管器實時定位、斷纜監(jiān)測等功能，系統(tǒng)于2018年10月驗收，驗收后在中國石化銷售華中分公司湖北處的推進下全面使用，各站對預警系統(tǒng)的每次報警都進行現(xiàn)場排查和確認，報警確認率接近100%。然而在現(xiàn)場的實際工作中，對于每一條報警信息都需要安排管道工作人員去現(xiàn)場復核，由于很多振動是由農耕、火車或者道路施工等無害振動原因引起的，這就產(chǎn)生了很大的工作量。另一方面，在管道安全預警系統(tǒng)中，存在一定數(shù)量的無異常報警，現(xiàn)場復核會造成人力、物力和財力的浪費，為有效降低無異常報警，同時減少對無傷害入侵引起振動的現(xiàn)場復核次數(shù)，在光纖預警系統(tǒng)中加入了網(wǎng)格化信息管理數(shù)據(jù)庫和智能識別功能，同時對無異常報警較多處的振動配置參數(shù)進行優(yōu)化。經(jīng)實際監(jiān)測證明有效降低了無異常報警率并提高了報警吻合率。

1 網(wǎng)格化信息管理和信號識別方案

網(wǎng)格化信息管理和信號識別系統(tǒng)設計為三層，見圖1。最底層是網(wǎng)格化信息統(tǒng)計和對振動信號的底層識別算法；中間層是將網(wǎng)格化信息進行組織管理，建立網(wǎng)格化信息庫，同時開發(fā)人際交互的工程應用軟件將網(wǎng)格化數(shù)據(jù)庫和識別算法進行邏輯融合；最高層為應用層，在有振動事件發(fā)生時，系統(tǒng)應用軟件對振動事件類型進行判斷，同時將振動點的網(wǎng)格化信息自動推送，事件處置人員將參考推送信息對振動做出判斷并進行相應的處理。

圖1 網(wǎng)格化信息管理和信號識別系統(tǒng)

1.1 網(wǎng)格化信息統(tǒng)計

網(wǎng)格化信息統(tǒng)計是指將輸油管道自身和周邊區(qū)域的多維度信息進行統(tǒng)計，建立管道網(wǎng)格狀信息網(wǎng)，在系統(tǒng)出現(xiàn)報警時，將網(wǎng)格化信息推送給處置人員，作為報警處理參考的依據(jù)。多維度網(wǎng)格化信息采集內容、參數(shù)和技術指標要求見表1。

表1 網(wǎng)格化信息統(tǒng)計內容

1.2 網(wǎng)格化數(shù)據(jù)采集實施方案

1.2.1 軟件配置準備

首先利用軟件將返回的瑞利干涉光在時域上解調，將時域坐標轉化為管道距離坐標。然后對管道距離坐標按照傳感系統(tǒng)最大分辨率進行分段，如在實際應用中，系統(tǒng)最高分辨率為10 m，則管道坐標分為10 m一段，在總長40 km的監(jiān)測系統(tǒng)中，管道分為4 000段。同時預設置每段的報警參數(shù)，如信號累積閾值、報警閾值及靈敏度等。

1.2.2 工程標點

標點是網(wǎng)格化工程實施的核心部分。首先沿管道走向每隔50～100 m進行管道走向標點。標點過程為在沿管道每個樁點處進行敲擊，當振動信號強度超過累積閾值時，信號強度開始累積疊加，當疊加值超過設定報警閾值時，系統(tǒng)報警，此時軟件將顯示報警段數(shù)，將此樁號的段數(shù)、樁號、經(jīng)緯度、報警閾值設置、周圍環(huán)境等網(wǎng)格化信息進行統(tǒng)計，輸入Excel表格，同時也將敲擊點環(huán)境照片留存。

除標點獲取的現(xiàn)場信息外，系統(tǒng)還增加了施工管道沿線的地圖信息，可將報警點位置標在地圖上，現(xiàn)場處置人員可更加準確和迅速地到達現(xiàn)場。

1.2.3 信息上傳

將網(wǎng)格化信息的Excel表格、地圖信息及其他的網(wǎng)格化信息上傳到軟件。此時可通過軟件調取地圖查看管道走向和對應樁號，見圖2。當有入侵振動并引起報警時，軟件自動彈出報警框，見圖3。報警框包含振動點網(wǎng)格化信息，能夠快速及時將振動點位置、振動類型和現(xiàn)場信息反饋給工作人員。

圖2 帶有樁號走向的地圖

圖3 網(wǎng)格化信息報警圖

1.3 信號智能識別及參數(shù)優(yōu)化配置

信號智能識別利用人工智能的支持向量機SVM和BP神經(jīng)網(wǎng)絡算法，對信號在時域和頻域上進行特征提取，根據(jù)提取的特征針對不同的振動信號類型進行模型訓練，最后形成識別模型并組成算法邏輯融合器，對現(xiàn)場振動信號進行實時類型識別，提升系統(tǒng)的智能化和自動化，最后通過振動的智能識別，降低無害入侵的現(xiàn)場復核次數(shù)。

1.3.1 邏輯架構

振動信號識別的算法融合器將支持向量機SVM和BP神經(jīng)網(wǎng)絡兩種算法結合，每一個算法對應一個子分類器，各個分類器之間的訓練、分類和識別過程相互獨立，每個子分類器都會輸出其分類結果，然后對這些分類結果執(zhí)行“與”運算，輸出最終識別結果。算法融合器邏輯架構如圖4所示。

圖4 算法融合器邏輯架構

1.3.2 基本原理

支持向量機SVM的原理是設計一個決策函數(shù)，即找到一個最優(yōu)超平面，將兩類樣本集完全分開且使分類間隔最大化，見圖5，左邊是第一類事件的分辨特征，右邊是第二類事件的分辨特征，設計的決策函數(shù)或超平面就是中間的那一條線。

圖5SVM原理

對于線性可分/線性不可分的分辨特征集，間隔最大化的分離超平面為：

x是分辨特征矢量，Φ（x） 是特征空間轉換函數(shù)，w和b是最大超平面的參數(shù)。最大分離超平面對應的分類決策函數(shù)為：

BP神經(jīng)網(wǎng)絡是一種前饋型的神經(jīng)網(wǎng)絡，如圖6所示，信息只能從輸入層輸入信息，傳輸時只能向前傳輸，一直傳輸?shù)捷敵鰧訛橹?。整個BP網(wǎng)絡采取分層結構，即輸入層、中間層（隱層） 和輸出層三層。層與層之間采取全連接或全互聯(lián)方式連接，同一層的神經(jīng)元之間沒有連接關系。

圖6 BP神經(jīng)網(wǎng)絡原理

在人工神經(jīng)網(wǎng)絡中，輸入是特征矢量集，輸出是單個結果，該算法實現(xiàn)了多個輸入非線性映射到單個輸出。神經(jīng)網(wǎng)絡的基本運算單元是神經(jīng)元，每個神經(jīng)元有相對應的權重，表示相鄰神經(jīng)元之間的連接強度。通過設置求和器的閾值和激活函數(shù)實現(xiàn)了一個非線性映射，完成神經(jīng)元的輸出，如圖7所示。

圖7 人工神經(jīng)網(wǎng)絡模型

1.3.3 信號特征提取

分類器輸入的特征值數(shù)據(jù)為對信號特征提取后得到的矢量集。具體為長時主沖擊強度分辨特征B1、長時次沖擊強度分辨特征B2、長時幅度比例分辨特征B3、長時小波包分辨特征B4、非異常信號主沖擊強度分辨特征B5、長時嚴格沖擊信號個數(shù)B6。不同的事件類型有著不同的B1～B6，將它們輸入到子分類器中，得到各自的分類結果，再將這些分類結果通過報警策略處理，得到最終判別結果。

1.3.4 報警策略

在信號識別分類算法中考慮三分類的情況，將人為偷油挖掘記為1、人工挖掘記為2、安靜環(huán)境噪聲記為3。報警策略見表2。從表2可以看出，報警策略為當兩個子分類器同時輸出1時，才輸出為1；當兩個子分類器同時輸出為2時，才輸出為2；其余情況均輸出為3。

表2 報警策略

1.3.5 配置參數(shù)調整

根據(jù)前期無效報警相對較多的點，統(tǒng)計報警類別和地點，分析報警原因，對振動源的特點如振動強度、持續(xù)時間、時間間隔、位置等進行了統(tǒng)計，針對不同的情況分別調整了各點的靈敏度和閾值。如深度較淺管道，周圍有國道汽車行駛引起誤報較多，可以降低靈敏度或者提高閾值；深度較深管道，可以提高靈敏度降低閾值。

2 方案實施成果

2.1 方案實施效果評價標準

根據(jù)管道安全監(jiān)測的實際需要和傳感系統(tǒng)的特點，現(xiàn)階段評價以上方案實施效果的主要標準為：無異常報警次數(shù)降低和報警吻合率提升。

無異常報警是指系統(tǒng)有報警推送，但是現(xiàn)場復核卻沒有發(fā)現(xiàn)振動源，因此降低無異常報警次數(shù)可以有效降低誤報率，減少現(xiàn)場復核次數(shù)。同時以報警吻合率的高低來反映系統(tǒng)報警準確度的高低，在當前使用階段影響吻合率的主要因素是報警現(xiàn)場復核后有無明顯動土痕跡來判斷是否為“無異?！眻缶?，處理結果為“無異?！钡膱缶鳛闊o效報警，如有明顯動土或者振動源則為有效報警。

2.2 方案實施結果

通過對前期統(tǒng)計的無異常報警點進行優(yōu)化處置，通過跟蹤觀察、現(xiàn)場排查分析，對無異常報警點進行了相應的閾值調整和靈敏度優(yōu)化，靈敏度調整為過去靈敏度的80%，調整后8月份相較7月份調整前，試點段報警數(shù)量明顯減少，從346條變?yōu)?09條，下降40%，無異常報警從145條降低到12條。報警吻合率從58.09%上升至94.26%，提升36.17%。具體對比數(shù)據(jù)見表3（表中“無異?！睘樵趫缶l(fā)生地點未發(fā)現(xiàn)任何引起報警的行為但卻報警，其他包括重型車輛駛過、水泵抽水等不在分類里的引起報警的情況）。

表3 靈敏度優(yōu)化和無異常處理前后報警數(shù)據(jù)對比

3 結束語

本文通過對光纖預警系統(tǒng)的試點段進行網(wǎng)格化信息統(tǒng)計、算法優(yōu)化以及參數(shù)調整等方法，使得系統(tǒng)報警復核量減少，報警準確率提升，從而使管道周邊挖掘預警系統(tǒng)的報警響應更高效，為系統(tǒng)工業(yè)化運行夯實基礎。