艾 信，田 鵬，吉效科，白文雄，華 劍

(1.長慶油田分公司 油氣工藝研究院，西安710018；2.低滲透油氣田勘探開發(fā)國家工程實(shí)驗(yàn)室，西安710018；3.長慶工程設(shè)計(jì)有限公司，西安 710018；4.長慶油田分公司 機(jī)械制造總廠，西安 710201 ；5.長江大學(xué) 機(jī)械工程學(xué)院，湖北 荊州 434023)

近年來，我國油氣管道建設(shè)飛速發(fā)展，已建成四大油氣戰(zhàn)略通道，油氣管網(wǎng)網(wǎng)絡(luò)化運(yùn)行，油氣儲運(yùn)技術(shù)快速發(fā)展。截止2020年，我國陸上石油天然氣管網(wǎng)規(guī)模達(dá)到了16.9×104km，預(yù)計(jì)到2025年，管網(wǎng)規(guī)模將達(dá)到24×104km?；緦?shí)現(xiàn)了全國骨干線聯(lián)網(wǎng)，管道運(yùn)輸對國民經(jīng)濟(jì)的作用日趨顯著，被譽(yù)為國民經(jīng)濟(jì)的命脈[1]。

盡管管道行業(yè)取得歷史性的突破，但其安全問題仍然是重中之重，特別是2013年“11·22”青島輸油管道特大傷亡事故，給我們敲響了警鐘，管道安全已上升為公共安全。因此，研究應(yīng)用管道泄漏在線檢測技術(shù)就顯得尤為重要。單一管線泄露檢測存在誤判多，給運(yùn)行維護(hù)帶來較大不變。本文將業(yè)普遍應(yīng)用的3種泄露檢測方法進(jìn)行融合試驗(yàn)研究，取得了比較滿意的效果。多算法融合管道泄露檢測可優(yōu)化管線維護(hù)工作、避免管道周邊人員傷亡、環(huán)境污染等惡性安全環(huán)保事故的發(fā)生[2-4]。

1 管道泄漏檢測數(shù)據(jù)采集方法

考慮到現(xiàn)場數(shù)據(jù)采集系統(tǒng)復(fù)雜多變，因此，設(shè)計(jì)RTU/PLC數(shù)據(jù)采集方法與基于OPC的數(shù)據(jù)采集方法，將2種方法統(tǒng)一，提高多算法融合管道泄漏檢測系統(tǒng)的現(xiàn)場適應(yīng)性[5-7]。

1.1 基于Modbus協(xié)議

目前，國內(nèi)外RTU/PLC一般均支持Modbus_TCP通信協(xié)議，因此，在管道泄漏檢測定位系統(tǒng)中集成Modbus_TCP數(shù)據(jù)采集方法(如圖1所示)實(shí)現(xiàn)網(wǎng)絡(luò)傳輸。

圖1 RTU/PLC數(shù)據(jù)采集方法

1.2 基于OPC協(xié)議

OPC(OLE for Process Control)是以Microsoft公司的OLE/COM技術(shù)為基礎(chǔ)，采用客戶/服務(wù)器模型制定的一種工業(yè)控制領(lǐng)域的開放式標(biāo)準(zhǔn)。OPC在工業(yè)控制設(shè)備與應(yīng)用軟件之間建立了統(tǒng)一的軟件接口標(biāo)準(zhǔn)，主要用來解決監(jiān)控程序與數(shù)據(jù)源的交互問題。

首先SCADA服務(wù)器通過Modbus、Profibus等協(xié)議直接讀取PLC/RTU現(xiàn)場采集數(shù)據(jù)，存儲在工業(yè)數(shù)據(jù)庫中，形成集散控制系統(tǒng)的數(shù)據(jù)源；其次在SCADA服務(wù)器上內(nèi)嵌OPC數(shù)據(jù)服務(wù)器；最后在管道泄漏檢測系統(tǒng)內(nèi)嵌OPC數(shù)據(jù)采集驅(qū)動(如圖2所示)，就可以實(shí)現(xiàn)數(shù)據(jù)源內(nèi)任何數(shù)據(jù)的讀取。

圖2 OPC數(shù)據(jù)采集方法

2 管道泄漏檢測信號預(yù)處理

現(xiàn)場采集回來的壓力、流量等信號，由于存在電磁波干擾、輸油泵振動等情況，一定程度上均存在干擾問題。因此，需要對信號進(jìn)行預(yù)處理。小波算法由于具有濾波效果好、信號細(xì)節(jié)損失少的優(yōu)點(diǎn)，從而引起廣泛關(guān)注和實(shí)際應(yīng)用。小波去噪濾波過程如圖3所示，其工作原理：首先將原始采集信號進(jìn)行小波變換[8-12]，變換采用DB6小波，采用Wavedec函數(shù)進(jìn)行8尺度分解，得到在1～8層信號高頻系數(shù)以及第8層信號低頻系數(shù)，然后采用小波變換重構(gòu)函數(shù)Wdencmp對信號進(jìn)行重構(gòu)，得到消噪后的壓力信號。

圖3 小波去噪濾波過程

3 管道泄漏檢測算法研究

在實(shí)際生產(chǎn)中，管道鋪設(shè)高低起伏較大，并且存在油氣混輸現(xiàn)象，加之實(shí)際泄漏量有大有小。因此，用單一算法的泄漏檢測判斷方法，必然存在一定的局限性[13-14]。本文提出多算法融合泄漏檢測算法，如圖4所示，實(shí)現(xiàn)各類算法之間的互補(bǔ)，達(dá)到快速發(fā)現(xiàn)泄漏的目的。并對3種算法綜合分析，針對不同的輸油管道，給出不同的泄漏報警權(quán)重，進(jìn)而確定最終的泄漏概率。當(dāng)泄漏概率小于50%時，進(jìn)一步監(jiān)測，當(dāng)班員工需開始關(guān)注；當(dāng)泄漏概率大于50%時，直接發(fā)出報警，當(dāng)班員工現(xiàn)場勘察。

圖4 多算法融合管道泄漏檢測預(yù)警系統(tǒng)實(shí)現(xiàn)方法

3.1 專家經(jīng)驗(yàn)分析算法

管道泄漏檢測系統(tǒng)采集上游站點(diǎn)壓力數(shù)據(jù)、瞬時流量數(shù)據(jù)、累計(jì)流量數(shù)據(jù)，下游站點(diǎn)壓力數(shù)據(jù)、瞬時流量數(shù)據(jù)、累計(jì)流量數(shù)據(jù)，以及高點(diǎn)壓力數(shù)據(jù)。專家經(jīng)驗(yàn)分析算法就是根據(jù)管線運(yùn)行的經(jīng)典特征，通過所采集的數(shù)據(jù)綜合分析，進(jìn)而識別管道運(yùn)行狀態(tài)[15-16]。

專家經(jīng)驗(yàn)分析算法一般將管道運(yùn)行狀態(tài)事件劃分為3類：

1) 輸油泵故障(或自動停泵)事件。管道平穩(wěn)輸油時，若出現(xiàn)上下游壓力下降、高點(diǎn)壓力下降、上下游流量下降現(xiàn)象的任意條件組合時，則可認(rèn)定為輸油泵故障(或自動停泵)事件。

2) 管道擁堵事件。管道平穩(wěn)輸油時，若出現(xiàn)上游壓力上升、上游流量下降、下游壓力上升、流量下降現(xiàn)象的任意條件組合時，則可認(rèn)定為管線擁堵事件。

3) 管道泄漏事件。管道平穩(wěn)輸油時，若出現(xiàn)上游壓力下降、上游流量上升、高點(diǎn)壓力下降、下游壓力下降、下游流量下降現(xiàn)象的任意條件組合時，則可認(rèn)定為管線泄漏事件。

在實(shí)際應(yīng)用中，以管道泄漏事件為例，由于泄漏點(diǎn)所處的位置不確定，泄漏事件發(fā)生后，并不是上述泄漏事件的所有條件均成立。因此，一般設(shè)立4個條件判斷組，每組包含上游壓力下降、上游流量上升、高點(diǎn)壓力下降、下游壓力下降、下游流量下降等條件，組內(nèi)條件可以選擇。組內(nèi)是“相與關(guān)系”，組間是“相或關(guān)系”。

基于專家經(jīng)驗(yàn)的分析算法，其實(shí)現(xiàn)過程如圖5所示。只要能夠設(shè)置合理的閾值，確定合理的條件判斷組，就可以對快速泄漏和緩慢泄漏實(shí)現(xiàn)檢測。

3.2 向量機(jī)模式識別算法

支持向量機(jī)(support vector machines簡稱 SVM)模式識別算法可以視為泄漏和未泄漏的2種模式問題，進(jìn)一步可以根據(jù)上下游壓力、流量數(shù)據(jù)4類樣本數(shù)據(jù)的學(xué)習(xí)方法，從而可得出“泄漏”的負(fù)樣本與“非泄漏”的正樣本，采用SVM方法通過有監(jiān)督的學(xué)習(xí)得到一種非線性分類器，從而自動的檢測出管線泄漏。

以上游壓力信號為例：假定X=X1∪X2是輸入Ω空間上的訓(xùn)練集，這里X1={x1,x2,…,xm}是上游壓力信號正常的訓(xùn)練集，屬于“非泄漏集”。X2={xm+1,xm+2,…,xn}是上游壓力信號異常訓(xùn)練集，屬于“泄漏集”。利用SVM方法訓(xùn)練完成后，根據(jù)樣本分類函數(shù)f(x)相關(guān)定義，給定一個向量x，有如下結(jié)論：

圖5 專家經(jīng)驗(yàn)分析算法實(shí)現(xiàn)過程

f(x)=1，則x相似于X1(即x是正常樣本，屬于“非泄漏集”)。

f(x)=-1，則x相似于X2(即x是異常樣本，屬于“泄漏集”)。

使用這一方法，只要樣本訓(xùn)練足夠多，足夠準(zhǔn)確，就可以組成有關(guān)上下游壓力、流量的信號的“非泄漏集”與“泄漏集”，就可以識別出小的泄漏和緩慢泄漏情況。支持向量機(jī)(SVM)算法實(shí)現(xiàn)過程如圖6所示。

圖6 支持向量機(jī)(SVM)算法實(shí)現(xiàn)過程

3.3 序貫概率比檢驗(yàn)算法

根據(jù)動態(tài)質(zhì)量平衡檢測管道泄漏原理，當(dāng)管道發(fā)生泄漏時，上下游輸差就會發(fā)生變化，由正常輸油狀態(tài)下的穩(wěn)態(tài)向泄漏狀態(tài)下的穩(wěn)態(tài)過渡。應(yīng)用序貫概率比檢驗(yàn)方法和模型識別技術(shù)對實(shí)際測量的瞬時輸差進(jìn)行分析，對每一組新的數(shù)據(jù)，使用修正流量差來計(jì)算泄漏和不發(fā)生泄漏的概率。若修正流量差的統(tǒng)計(jì)平均值增加，泄漏的概率就會增加。若平均值長時間保持很高，以致使泄漏的概率大大高于不發(fā)生泄漏的概率，此時就發(fā)出泄漏警告。

在輸油工況進(jìn)入穩(wěn)態(tài)后，選取一段時間內(nèi)的瞬時輸差序列τ(1)，τ(2),…，τ(n)，得出其均值μ、標(biāo)準(zhǔn)差σ與標(biāo)準(zhǔn)差σ2。

首先，根據(jù)輸差序列τ，求取泄漏前后的聯(lián)合概率密度。

未泄漏的聯(lián)合概率密度：

(1)

泄漏后的概率密度：

(2)

其次，求得泄漏后與泄漏前的聯(lián)合概率密度比值，即似然比。

觀察其似然比值：

①若式(3)成立，那么管道正常運(yùn)行。

(3)

②若式(4)成立，那么管道泄漏。

(4)

③若式(5)成立，需要繼續(xù)抽樣檢測。

(5)

式中：α為誤報率；β為漏報警率。

最后，對上述檢測方程進(jìn)行簡化。

在t次取樣時，取概率比的對數(shù)

(6)

得到式(7)

(7)

因此，序貫概率比檢驗(yàn)的判斷參數(shù)為：

(8)

判斷參數(shù)可轉(zhuǎn)換為：

(9)

當(dāng)λ(t)超過預(yù)設(shè)的臨界值時，可產(chǎn)生泄漏報警信號。由于累計(jì)和λ(t)在上述的遞推公式中不斷的進(jìn)行修正，它的計(jì)算量比實(shí)時模型的計(jì)算量小很多。檢測到泄漏后，通過用在線最新更新值μ減去公式中所示的τ(t)平均值來估算泄漏量。

在實(shí)際應(yīng)用中，檢驗(yàn)參數(shù)λ(n)初始值取為零，因?yàn)榇顺跏贾祵τ谂袛嘈孤┑年P(guān)系不是很密切，所以取為零，相對較簡單。當(dāng)檢驗(yàn)參數(shù)超過下邊界時，即可做出未發(fā)生泄漏的判斷，然后檢驗(yàn)參數(shù)λ(n)的值重新從零開始計(jì)算；當(dāng)檢驗(yàn)參數(shù)超出上邊界時，做出泄漏的判斷，并調(diào)用相應(yīng)的判斷程序給出泄漏時刻，檢驗(yàn)參數(shù)λ(n)同樣重新從零開始計(jì)算。上述的判斷步驟完全是根據(jù)序貫概率比檢驗(yàn)的原理設(shè)計(jì)的，只有當(dāng)檢驗(yàn)參數(shù)未超過上下邊界時無法做出是否泄漏的判斷，繼續(xù)計(jì)算λ(n)，一旦其超出邊界，則做出判斷，并將檢驗(yàn)參數(shù)做歸零處理，重新開始計(jì)算。序貫概率比檢驗(yàn)算法實(shí)現(xiàn)過程如圖7所示。

圖7 序貫概率比檢驗(yàn)算法實(shí)現(xiàn)過程

3.4 融合方法

在實(shí)際應(yīng)用中，需要根據(jù)管道以及算法設(shè)計(jì)成熟度等特性，對3種算法建立報警概率矩陣計(jì)算模型，具體計(jì)算如下：

(10)

式中：a1,a2,a3分別為3種算法的報警狀態(tài)，檢測到泄漏為1，未檢測到泄漏為0；b1,b2,b3分別為3種算法的報警權(quán)重，報警權(quán)重根據(jù)管線實(shí)際情況確定。

具體計(jì)算舉例：

對于某次泄漏，專家經(jīng)驗(yàn)?zāi)Ｐ退惴▓缶?，向量機(jī)模式識別算法報警，序貫概率比檢驗(yàn)算法未報警，若3種算法權(quán)重分別為40%，40%，20%，那么泄漏的概率即可達(dá)到80%。

4 管道泄漏檢測試驗(yàn)研究

對本文提出的多算法融合管道泄漏檢測系統(tǒng)開展現(xiàn)場試驗(yàn)研究，并從定位精度、誤報率、漏報率以及系統(tǒng)響應(yīng)時間等方面展開評估，試驗(yàn)驗(yàn)證了多算法融合管道泄漏檢測預(yù)警系統(tǒng)的可靠性與準(zhǔn)確性。

4.1 試驗(yàn)過程概述

選取長慶油田采油一廠侯三增至侯一拉外輸管線作為試驗(yàn)管線，管線全長6.15 km，采用本文提出的多算法融合泄漏檢測算法對泄漏源精確定位試驗(yàn)，并進(jìn)行試驗(yàn)結(jié)果分析。試驗(yàn)分為2種類型，第1類試驗(yàn)是對同一泄漏點(diǎn)進(jìn)行多次試驗(yàn)，從定位精度、誤報率、漏報率以及系統(tǒng)相應(yīng)時間等方面，分析融合檢測算法的適用性；第2類試驗(yàn)是將泄漏點(diǎn)設(shè)置在不同點(diǎn)，進(jìn)一步研究泄漏點(diǎn)位置對融合檢測算法的影響。試驗(yàn)管線高程分布如圖8所示，圖中標(biāo)記為泄漏點(diǎn)的位置，第1泄漏點(diǎn)的位置距離上游站點(diǎn)3 km，高程為1 355 m，第2泄漏點(diǎn)的位置距離上游站點(diǎn)3.9 km，高程為1 522 m。

圖8 侯三增至侯一拉外輸管線高程分布

4.2 試驗(yàn)結(jié)果分析

分別在該管線上的2個放油點(diǎn)各開展泄漏檢測試驗(yàn)測試9次，泄漏流量分別調(diào)至0.1、0.5和1.0 m3/h，每次放油30 min，分別檢驗(yàn)3種管道泄漏檢測算法的報警響應(yīng)時間以及泄漏后的定位精度。 現(xiàn)場泄漏試驗(yàn)數(shù)據(jù)如表1所示。

1) 采用多算法融合的管道泄漏檢測預(yù)警系統(tǒng)可以逐步提升泄漏后置信概率，如果3種算法均檢測到泄漏，那就說明管道必然泄漏。

2) 采用單一算法的管道泄漏檢測系統(tǒng)，存在一定程度的漏報警。

3) 泄漏量越小，報警響應(yīng)的時間越長；泄漏量越大，報警響應(yīng)的時間越短。

4) 泄漏點(diǎn)的位置對泄漏的發(fā)現(xiàn)有一定影響。

表1 多算法融合泄漏檢測現(xiàn)場試驗(yàn)數(shù)據(jù)

續(xù)表1

該套泄漏檢測預(yù)警系統(tǒng)連續(xù)運(yùn)行30 d，誤報率小于5%，漏報率為0%，泄漏定位精度小于管線全長的3%，報警響應(yīng)時間較短。通過試驗(yàn)驗(yàn)證，多算法融合管道泄漏檢測預(yù)警系統(tǒng)能夠?qū)τ吞锛敼芫€實(shí)現(xiàn)高可靠性、高穩(wěn)定性泄漏檢測，在現(xiàn)場應(yīng)用中具有很好的優(yōu)越性與適應(yīng)性。

5 結(jié)語

未來輸油管道泄漏檢測預(yù)警系統(tǒng)的使用會更加普遍,高可靠性管道泄漏檢測預(yù)警系統(tǒng)也愈發(fā)重要。它必須具備較低的誤報率和漏報率，較快的報警響應(yīng)時間以及較精準(zhǔn)的泄漏檢測定位功能。試驗(yàn)表明，文中提出的多算法融合管道泄漏預(yù)警方法，通過將3種業(yè)界使用較好的、較先進(jìn)的管道泄漏檢測算法并行運(yùn)行，最終分析其泄漏概率，彌補(bǔ)了傳統(tǒng)的單一算法誤報警多、漏報警次數(shù)多以及適用性不強(qiáng)的缺點(diǎn)。下一步，對于專家經(jīng)驗(yàn)分析算法，需要進(jìn)一步融入自適應(yīng)閾值設(shè)置算法；對于向量機(jī)模式識別算法，需要進(jìn)一步收集樣本數(shù)據(jù)，不斷對其訓(xùn)練；對于序貫概率比檢測算法，需要進(jìn)一步將壓力、流量數(shù)據(jù)也應(yīng)用序貫概率比的檢測方法，展開管道運(yùn)行工況評價。