基于大數據的輸油管網泄漏智能自適應監控系統及方法
【專利摘要】本發明一種基于大數據的石油管網泄漏智能自適應監控系統及方法，屬于管道組網內部檢測方法【技術領域】，可以將現場采集到大量數據在合理的時間內進行有效的分析，利用智能自適應的方法來獲取管網的狀態，從而得到管網的拓撲結構，具體采用流量平衡法，結合信息一致性理論來分析管網是否發生泄漏，方法直觀、簡單，且靈敏度高、誤報率低；并且可以很好的對小泄漏量和緩慢泄漏的檢測進行精確的報警；采用廣義回歸神經網絡來進行管網的泄漏定位，提高了結果的準確性。因此，本發明采用基于大數據的策略和智能自適應的方法來解決管道組網的泄漏檢測與定位，可以同時達到高精度和高準確性的目標。
【專利說明】基于大數據的輸油管網泄漏智能自適應監控系統及方法
【技術領域】
[0001]本發明涉及管道組網內部檢測方法【技術領域】，具體涉及一種基于大數據的石油管網泄漏智能自適應監控系統及方法。
【背景技術】
[0002]管道運輸是一種經濟、方便的運輸方式，和其它運輸方式相比，它具有高效、安全、經濟、便于控制和管理等優點，因此在流體輸送中占有重要的地位。根據“十二五”規劃，到2015年末我國油氣輸送管總長度將達到15萬公里左右，其中:新增石油管道2.5萬公里，天然氣管道4.4萬公里。但是由于管道設備老化，地理條件的變化以及人為破壞原因，管道泄漏事故經常發生。當管道發生泄漏事故時，不僅會帶來爆炸和引起火災，甚至還會造成人員傷亡。因此，及時對流體輸送管道的監測，采取相應的應急措施，防止泄漏事故的進一步擴大，具有重要的經濟意義和社會效益。
[0003]流體輸送管道的泄漏檢測方法很多，主要包括外部環境檢測、管壁狀況檢測和管內流動狀態檢測，其中管內流動狀態檢測是目前泄漏檢測和定位的主要方法，它又包括狀態模型法、基于聲波的方法，壓力點分析法，負壓波方法等等。基于壓力信號的管道泄漏檢測系統已經得到較為廣泛的應用，但目前這類系統還存在一些共性的問題:一是對小泄漏量和緩慢泄漏的檢測漏報多，二是系統抗工況擾動能力不強，系統誤報多。
[0004]目前，對于單條管道的泄漏檢測與定位方法的研究已經比較成熟，但在工程實際中存在很多帶有一條或者多條支路的輸油管線，即管網，從石油管網得到的信息具有信息量大，數據量多的特點，對壓力、流量等信號的采集都是毫秒級的數據，這充分體現了大數據的特點，另外石油管網結構復雜，更增加了對石油管網檢測泄漏的難度，而當前對管網運輸的研究還基本停留在單條管線運輸上，不能很好地從整體把握分析，對管網進行檢測，并且在管網運輸中，壓力波在傳播過程中受到工況擾動和系統噪聲的影響更大，壓力信號的衰減也會更劇烈，使得泄漏檢測的靈敏度和定位精度大大降低。
【發明內容】
[0005]針對現有技術的缺點以及石油管網的具體特點，本發明提出了一種基于大數據的石油管網泄漏智能自適應監控系統和方法，以達到提高定位精度的準確性、降低在實際應用中的誤報率的目的。
[0006]一種基于大數據的輸油管網泄漏智能自適應監控系統，包括上位機和下位機；下位機包括數據采集器、濾波電路、放大電路、PLC中央處理單元，其中，
[0007]數據采集器:用于采集管道進口和出口處的毫秒級壓力、毫秒級流量、溫度和密度，并對采集的各類信號進行多源一致處理，將其轉換為標準統一的數據，并發送至濾波電路中；
[0008]濾波電路:用于將采集的信號進行噪聲濾波，并將濾波后的信號發送至放大電路中；[0009]放大電路:用于將采集到的信號進行放大處理，并將放大后的信號發送至PLC中央處理單元中；
[0010]PLC中央處理單元:用于對采集的信號進行模數轉換，并對每段管道進口和出口的數據進行校時處理，并將校時處理后的信號發送至上位機中；
[0011]上位機:
[0012]用于根據閥門和泵的狀態，采用智能自適應的方法獲得管網的初始狀態，從而得到整個管網的拓撲結構；
[0013]用于通過判斷采集的入口流量與出口流量之間的差值是否超過閾值，確定管網區域的優先檢測范圍；
[0014]用于通過檢查此時所有閥門和泵的狀態是否與初始狀態相同和判斷流量差值與人工放油量或人工加油量是否相等，確定導致采集的信號變化是否由于人為導致；
[0015]用于對采集的流量值進行一致性測試，確定采集的流量數據是否有效；
[0016]用于確定理論預置泄漏點所產生的壓力波到達上游傳感器和下游傳感器的理論時間差，并將理論時間差的序列和每段管道長度的序列作為廣義回歸神經網絡的輸入，將每個預置泄漏點與所在管道入口之間距離的序列作為期望輸出，進行訓練獲得非線性模型，將泄漏點所產生的壓力波到達上游傳感器和下游傳感器的實際時間差帶入訓練獲得的非線性模型中獲得實際泄漏點所在位置。
[0017]采用基于大數據的輸油管網泄漏智能自適應監控系統進行的監控方法，包括以下步驟:
[0018]步驟1、確定管網中每個閥門和泵的初始狀態，即開啟狀態或關閉狀態，并根據閥門和泵的狀態，采用智能自適應的方法獲得管網的初始狀態，從而得到整個管網的拓撲結構；
[0019]步驟2、采用數據采集器采集管道進口和出口處的毫秒級壓力、毫秒級流量、溫度和密度，并對采集的各類信號進行多源一致處理，將其轉換為標準統一的數據，并發送至濾波電路中；
[0020]步驟3、采用PLC單元對采集的信號進行模數轉換，并對每段管道進口和出口的數據進行校時處理，發送至上位機中進行存儲；
[0021]步驟4、判斷采集的入口流量與出口流量之間的差值是否超過閾值，若超過該閾值，則調查管網歷史工況情況，確定與該流量最接近的歷史流量所對應的泄漏點監控站，將該監控站負責的管網區域作為優先檢測范圍，若未超過返回執行步驟2 ；
[0022]步驟5、檢查此時所有閥門和泵的狀態是否與初始狀態相同，若相同，則執行步驟7 ;若不同，則確定狀態變化的閥門和泵的人工放油量或人工加油量，并確定管網進口和出口的流量差值，并執行步驟6;
[0023]步驟6、判斷流量差值與人工放油量或人工加油量是否相等，若不等，則執行步驟7，若相等則返回執行步驟2;
[0024]步驟7、對采集的流量值進行一致性測試，確定采集的流量數據是否有效，具體如下:
[0025]判斷F >M+2/2R是否成立，若成立，則執行步驟7，否則返回執行步驟2 ;[0026]其中，M表示傳感器總數；R表示每個監控站安裝的流量傳感器個數；F表示采集到變化數據的流量傳感器個數；
[0027]步驟8、確定泄漏點所產生的壓力波到達上游傳感器和下游傳感器的實際時間差;
[0028]上游端采集到的壓力信號值與下游端采集到的壓力信號值之間互相關系數計算公式如下:
[
【權利要求】
1.一種基于大數據的輸油管網泄漏智能自適應監控系統，其特征在于，包括上位機和下位機；下位機包括數據采集器、濾波電路、放大電路、PLC中央處理單元，其中， 數據采集器:用于采集管道進口和出口處的毫秒級壓力、毫秒級流量、溫度和密度，并對采集的各類信號進行多源一致處理，將其轉換為標準統一的數據，并發送至濾波電路中； 濾波電路:用于將采集的信號進行噪聲濾波，并將濾波后的信號發送至放大電路中； 放大電路:用于將采集到的信號進行放大處理，并將放大后的信號發送至PLC中央處理單元中； PLC中央處理單元:用于對采集的信號進行模數轉換，并對每段管道進口和出口的數據進行校時處理，并將校時處理后的信號發送至上位機中； 上位機: 用于根據閥門和泵的狀態，采用智能自適應的方法獲得管網的初始狀態，從而得到整個管網的拓撲結構； 用于通過判斷采集的入口流量與出口流量之間的差值是否超過閾值，確定管網區域的優先檢測范圍； 用于通過檢查此時所有閥門和泵的狀態是否與初始狀態相同和判斷流量差值與人工放油量或人工加油量是否相等，確定導致采集的信號變化是否由于人為導致； 用于對采集的流量值進行一致性測試，確定采集的流量數據是否有效； 用于確定理論預置泄漏點所產生的壓力波到達上游傳感器和下游傳感器的理論時間差，并將理論時間差的序列和每段管道長度的序列作為廣義回歸神經網絡的輸入，將每個預置泄漏點與所在管道入口之間距離的序列作為期望輸出，進行訓練獲得非線性模型，將泄漏點所產生的壓力波到達上游傳感器和下游傳感器的實際時間差帶入訓練獲得的非線性模型中獲得實際泄漏點所在位置。
2.采用權利要求1所述的基于大數據的輸油管網泄漏智能自適應監控系統進行的監控方法，其特征在于，包括以下步驟: 步驟1、確定管網中每個閥門和泵的初始狀態，即開啟狀態或關閉狀態，并根據閥門和泵的狀態，采用智能自適應的方法獲得管網的初始狀態，從而得到整個管網的拓撲結構；步驟2、采用數據采集器采集管道進口和出口處的毫秒級壓力、毫秒級流量、溫度和密度，并對采集的各類信號進行多源一致處理，將其轉換為標準統一的數據，并發送至濾波電路中； 步驟3、采用PLC單元對采集的信號進行模數轉換，并對每段管道進口和出口的數據進行校時處理，發送至上位機中進行存儲； 步驟4、判斷采集的入口流量與出口流量之間的差值是否超過閾值，若超過該閾值，則調查管網歷史工況情況，確定與該流量最接近的歷史流量所對應的泄漏點監控站，將該監控站負責的管網區域作為優先檢測范圍，若未超過返回執行步驟2 ； 步驟5、檢查此時所有閥門和泵的狀態是否與初始狀態相同，若相同，則執行步驟7;若不同，則確定狀態變化的閥門和泵的人工放油量或人工加油量，并確定管網進口和出口的流量差值，并執行步驟6; 步驟6、判斷流量差值與人工放油量或人工加油量是否相等，若不等，則執行步驟7，若相等則返回執行步驟2; 步驟7、對采集的流量值進行一致性測試，確定采集的流量數據是否有效，具體如下:
判斷F＞M+2/2R是否成立，若成立，則執行步驟7，否則返回執行步驟2 ；
其中，M表示傳感器總數；R表示每個監控站安裝的流量傳感器個數^表示采集到變化數據的流量傳感器個數； 步驟8、確定泄漏點所產生的壓力波到達上游傳感器和下游傳感器的實際時間差；上游端采集到的壓力信號值與下游端采集到的壓力信號值之間互相關系數計算公式如下:
3.根據權利要求2所述的監控方法，其特征在于，步驟4所述的判斷采集的每個流量值的變化值通過計算獲得或根據實際經驗獲得，其中，流量值的變化值計算公式如下: AQi = EiQin-Qout-QJ ⑷ 其中，AQi表示考慮熱動態效應時的入口流量與出口流量之間的差值；Qin表示管段上游段的入口流量Wtjut表示管段下游段的出口流量；E{.}表示數學期望表示考慮熱動態效應引起的管道流體變化量的計算值，
4.根據權利要求2所述的監控方法，其特征在于，步驟4中所述的閾值采用智能自適應的方法進行確定:在輸油管網正常狀態下，在時間t內采集多組管道進出口流量值，求出前1/2時間內的流量平均值和后*時間內的流量平均值，計算獲得上述兩個平均值的差值，若該差值在0.0Ol到0.01之間，則該閾值為所獲得差值；否則，則分別去掉前i時間內和后I的最大流量值和最小流量值，重新求得前i時間內的流量平均值和后I時間內的流量平均值，直至得到閾值。
【文檔編號】F17D5/06GK103939749SQ201410175170
【公開日】2014年7月23日 申請日期:2014年4月28日 優先權日:2014年4月28日
【發明者】張化光, 馬大中, 馮健, 劉金海, 汪剛, 吳振寧, 孫秋野, 李曉瑜 申請人:東北大學