基于动态压力变送器的输油管道泄漏检测与定位

摘要:设计了一套基于动态压力变送器的输油管道泄漏检测与定位系统,阐述了其系统组成和检测原理。通过动态压力变送器获取管道的动态压力信号,采用基于经验模态分解的方法提取信号的特征向量,再利用支持向量机实现对管道泄漏的识别。最后采用相关时延估计算法获得管道泄漏点的位置。通过现场应用实例表明,动态压力变送器具有更高的检测灵敏度和泄漏分辨力。该系统能够对管道泄漏进行正确识别,可以有效地降低误报警率,并提高了泄漏检测的灵敏度和定位精度。
　　输油管道泄漏检测技术是当今石油化工领域科研工作者研究的热门课题。由于腐蚀、地质灾害及人为等因素,经常会有管道泄漏的事故发生,给输油管道安全运行带来很大隐患。因此，管道泄漏的及时发现和定位具有重要的现实意义。
　　通常用于泄漏检测的方法可分为直接检测法和间接检测法。直接检测法就是根据泄漏的介质进行检测,如根据油气泄漏时所露出的地表痕迹以及散发的气味等进行检测。间接检测法就是根据泄漏引起的管道压力、流量等输送条件的变化和泄漏引起的声光、电等变化进行检测。国内外主要应用的间接泄漏检测方法有压力梯度法、压力点法、负压波法和瞬变流模型法等.
　　在长输管道泄漏检测领域,由于负压波法不需要建立复杂的数学模型,具有施工量小、成本低、维护方便等优点,得到了广泛的应用。我国已经在超过1万公里的原油管道安装了基于负压波法的管道泄漏检测系统,对管道的安全运行作用显著。负压波法测量的是管道的绝对压力,通常泄漏引起的压力变化仅占压力变送器量程的一小部分,信号微小、且信噪比低。
　　由于目前国内外的输油管道泄漏检测系统多数是利用普通压力变送器输出的绝对压力信号进行泄:漏检测,其传感器本身的性能就对检测灵敏度的提高形成了制约,因而很难同时满足灵敏度高、定位精度高和低误报率等多项要求。
　　针对普通压力变送器在泄漏检测灵敏度和泄漏分辨力上的不足,一套基于动态压力变送器的输油管道泄漏检测与定位系统,利用一种新型动态压力变送器[3]拾取管道沿途的动态压力信号,可以有效地检测出管道发生泄漏的情况,在实际应用中取得了一定的效果。
1系统组成及检测原理
　　基于动态压力变送器的管道泄漏检测与定位系统,主要通过安装在管段两端的现场数据采集设备来接收管段区间的低频动态压力信号,当管道发生破裂时,现场数据采集设备能立即接收到管道内输送介质泄漏瞬间所产生的泄漏信号,通过比较数据库中的模型来确定管道是否发生了泄漏。同时,利用管段两端的现场数据采集设备传送信号的时差，确定泄漏位置。图1为管道泄漏检测与定位系统的组成示意图。
 b
　　动态压力变送器的硬件部分由传感器模块、信号调理模块和电源模块组成。该变送器使用压电式传感器完成压力-电荷信号变换,根据压电效应,动态压力作用到压电元件上,使压电元件产生形变,形.变又使压电元件表面产生电荷。该电信号经适当的放大与滤波处理后,即可测得电荷(电压)大小。
　　电荷放大器是动态压力变送器的设计重点,其测量电荷的基本方法是将被测电荷传送给已知容量的电容器,然后测量该已知电容的电压[41。对于带电的电容器来说,Q=CV。其中Q是电容器上的电荷,单位为库仑;C是电容,单位是法拉;V是电容器上的电压，单位为伏特。
　　电荷放大器基本.上由一个具有高放大系数A的运算放大器和一个反馈电容器C;组成,其等效电路如图2所示,其中qa为压电传感器产生的电荷，Ca为输入电容,经过推导可得输出电压uo与电荷qa之间的关系为
 
　　图3是一次成品油管道泄漏检测数据,图3(b)为普通压力变送器检测的压力曲线,泄漏导致的变.化小于0.02MPa,此时的压力变化拐点很难确定。图3(a)为动态压力变送器检测的压力曲线,纵坐标为电压值,范围1~5V(采样电阻为250Ω,传感器输出电流范围4~20mA,中心点为3V),从图中可以看出动态压力信号具有较高的信噪比，由于它监测的是管道内的动态压力信号,消除了静态压力的影响,压力变化拐点相对更加正确。
 
2管道泄漏检测与定位
2.1管道泄漏的判断
　　目前的管道泄漏检测系统多数采用压力、流量联合判断或站内安装双传感器的方法来有效识别泄漏和减少误报,但实际操作时往往取决于现场是否具备施工安装条件。管道的动态压力信号与普通压力变送器所检测的静态压力信号有着不同的特征，必须从信号特征的角度去识别。
　　引入基于经验模态分解(EMD)[5]的方法提取管道的动态压力信号特征。选取各IMF分量的归一化峭度作为动态压力信号的主要特征参数。随后利用多分类支持向量机的“一对一”算法[6]对管道泄漏进行识别。这种识别方法对N类训练数据两两组合,构建C²N=N(N-1)/2个支持向量机。最后分类的时候采取“投票”的方式决定分类结果。
其识别步骤如下:
①对原始动态压力信号x(t)进行EMD分解:
 
　　ci(t)为信号x(t)的第i个IMF分量,rn(t)为经过n次分解后剩余的残差。
②求出各IMF分量的峭度并对其进行归一化处理，即
 
　　其中Ti为第i个IMF分量的峭度,Ti'为第i个IMF分量的归一化峭度。
③将上述归一化峭度作为动态压力信号的特征向量，即
 
④通过多分类支持向量机的“一对一”算法对其进行训练,每两类之间训练-一个支持向量机来解决公式(6)中的二元分类问题,从而对管道的动态压力信号进行识别分类。
 
2.2管道泄漏的定位
　　设管道全长为L,当管道在距离首站X处发生泄漏时,泄漏点处产生的负压波将以声速a向两端传播,并分别被首、末站的动态压力变送器检测到。定位公式如下:
 
　　对于首、末站两个动态压力信号x1(t)、x2(t)的时间差△t可以通过相关分析的方法进行计算,其互相关函数为
 
　　当管道未发生泄漏时,相关函数将维持在某-值附近。当管道发生泄漏后,理论上当τ＝τ时,R(τ)将达到最大值,即可确定两个信号之间的时间差。
　　实际计算时,若选定采样周期为T,首、末站动态压力信号可分别表示为离散的x1(n)和x2(n),其中n为整数。取相同时段采样点为N的有限数据段进行相关运算,其互相关函数可表示为
 
　　式中m是整数。计算出R取得最大值的点m=mo，即可得到两个信号的时间差m0T,将时间差代人公式(7)中即可确定出管道泄漏的位置。
3现场实验结果
　　本实验在兰成渝成品油管道进行，管道全长94.21km,管径为φ457mm。分别在首站和末站各安装自行动态压力变送器,并在距离首站57km处模拟成品油管道的泄漏情况。数据采集部分采用美国国家仪器公司的数据采集卡,实验时中心站的计算机通过网络接收来自各站数据采集卡所采集的动态压力信号,数据采集频率为1000Hz。
3.1管道泄漏判断实验
　　实验中得到管道正常运行、管道泄漏、调泵调阀三种情况的动态压力信号。采用EMD的方法分别对三种信号进行特征提取,信号的特征向量为6个主要IMF分量的归一化峭度。实验中采集的原始信号及其提取的特征向量如图4所示，可见三种情况信号特征向量之间区别明显。
 
　　随后采用支持向量机对管道泄漏进行分类识别。待分类的事件类型为3种:管道正常运行、管道泄漏和调泵调阀操作。从现场实验获取的数据中每种事件类型抽取20组用于支持向量机的学习。另外,从每种事件类型中随机抽取10组数据进行分类识别的测试。通过多分类支持向量机的“一对一”算法对其进行训练,其分类界面如图5所示,横、纵坐标均表示信号所提取的归一化峭度的数值大小，划分的分类区域从左至右依次为调泵调阀、管道泄漏、管道正常运行。
　　支持向量机对3种情况共30组样本的识别结果中,只是将其中的11号样本识别错,将管道正常运行错误地识别成管道泄漏,其识别正确率为96.7%。支持向量机在配置为双核2.13GHzCPU,2G内存的计算机环境下,从样本学习到识别测试样本完毕总共消耗时间共计0.05137s。
 
3.2管道泄漏定位实验
　　为了验证动态压力变送器的实际性能指标,进行了多次模拟泄漏和站内操作的实验。表1为同一位置模拟10次管道泄漏的实验数据,首末端动态压力变送器之间检测到的时间差均值为47.56s,时间差的最大误差为0.11s。按成品油管道的传播速度为1200m/s计算，定位结果的均值为57.072km,实际泄漏位置在57km处,其最大定位误差为204m,优于采用普通压力变送器进行负压波检测的定位精度。
 
4结论
　　一套基于动态压力变送器的输油管道泄漏检测与定位系统,采用经验模态分解和支持向量机相结合的方法对管道泄漏进行分类识别,利用相关时延估计算法确定管道泄漏的位置。实验得到的管道泄漏识别正确率为96.7%,管道泄漏最大定位误差为204m。现场实验表明动态压力变送器具有更高的泄漏检测灵敏度和泄漏分辨力,该系统可以有效地降低误报警率,并提高了泄漏检测的灵.敏度和定位精度。