基于大数据的输油管网泄漏智能自适应监控系统及方法
【专利摘要】本发明一种基于大数据的石油管网泄漏智能自适应监控系统及方法，属于管道组网内部检测方法【技术领域】，可以将现场采集到大量数据在合理的时间内进行有效的分析，利用智能自适应的方法来获取管网的状态，从而得到管网的拓扑结构，具体采用流量平衡法，结合信息一致性理论来分析管网是否发生泄漏，方法直观、简单，且灵敏度高、误报率低；并且可以很好的对小泄漏量和缓慢泄漏的检测进行精确的报警；采用广义回归神经网络来进行管网的泄漏定位，提高了结果的准确性。因此，本发明采用基于大数据的策略和智能自适应的方法来解决管道组网的泄漏检测与定位，可以同时达到高精度和高准确性的目标。
【专利说明】基于大数据的输油管网泄漏智能自适应监控系统及方法
【技术领域】
[0001]本发明涉及管道组网内部检测方法【技术领域】，具体涉及一种基于大数据的石油管网泄漏智能自适应监控系统及方法。
【背景技术】
[0002]管道运输是一种经济、方便的运输方式，和其它运输方式相比，它具有高效、安全、经济、便于控制和管理等优点，因此在流体输送中占有重要的地位。根据“十二五”规划，到2015年末我国油气输送管总长度将达到15万公里左右，其中:新增石油管道2.5万公里，天然气管道4.4万公里。但是由于管道设备老化，地理条件的变化以及人为破坏原因，管道泄漏事故经常发生。当管道发生泄漏事故时，不仅会带来爆炸和引起火灾，甚至还会造成人员伤亡。因此，及时对流体输送管道的监测，采取相应的应急措施，防止泄漏事故的进一步扩大，具有重要的经济意义和社会效益。
[0003]流体输送管道的泄漏检测方法很多，主要包括外部环境检测、管壁状况检测和管内流动状态检测，其中管内流动状态检测是目前泄漏检测和定位的主要方法，它又包括状态模型法、基于声波的方法，压力点分析法，负压波方法等等。基于压力信号的管道泄漏检测系统已经得到较为广泛的应用，但目前这类系统还存在一些共性的问题:一是对小泄漏量和缓慢泄漏的检测漏报多，二是系统抗工况扰动能力不强，系统误报多。
[0004]目前，对于单条管道的泄漏检测与定位方法的研究已经比较成熟，但在工程实际中存在很多带有一条或者多条支路的输油管线，即管网，从石油管网得到的信息具有信息量大，数据量多的特点，对压力、流量等信号的采集都是毫秒级的数据，这充分体现了大数据的特点，另外石油管网结构复杂，更增加了对石油管网检测泄漏的难度，而当前对管网运输的研究还基本停留在单条管线运输上，不能很好地从整体把握分析，对管网进行检测，并且在管网运输中，压力波在传播过程中受到工况扰动和系统噪声的影响更大，压力信号的衰减也会更剧烈，使得泄漏检测的灵敏度和定位精度大大降低。
【发明内容】
[0005]针对现有技术的缺点以及石油管网的具体特点，本发明提出了一种基于大数据的石油管网泄漏智能自适应监控系统和方法，以达到提高定位精度的准确性、降低在实际应用中的误报率的目的。
[0006]一种基于大数据的输油管网泄漏智能自适应监控系统，包括上位机和下位机；下位机包括数据采集器、滤波电路、放大电路、PLC中央处理单元，其中，
[0007]数据采集器:用于采集管道进口和出口处的毫秒级压力、毫秒级流量、温度和密度，并对采集的各类信号进行多源一致处理，将其转换为标准统一的数据，并发送至滤波电路中；
[0008]滤波电路:用于将采集的信号进行噪声滤波，并将滤波后的信号发送至放大电路中；[0009]放大电路:用于将采集到的信号进行放大处理，并将放大后的信号发送至PLC中央处理单元中；
[0010]PLC中央处理单元:用于对采集的信号进行模数转换，并对每段管道进口和出口的数据进行校时处理，并将校时处理后的信号发送至上位机中；
[0011]上位机:
[0012]用于根据阀门和泵的状态，采用智能自适应的方法获得管网的初始状态，从而得到整个管网的拓扑结构；
[0013]用于通过判断采集的入口流量与出口流量之间的差值是否超过阈值，确定管网区域的优先检测范围；
[0014]用于通过检查此时所有阀门和泵的状态是否与初始状态相同和判断流量差值与人工放油量或人工加油量是否相等，确定导致采集的信号变化是否由于人为导致；
[0015]用于对采集的流量值进行一致性测试，确定采集的流量数据是否有效；
[0016]用于确定理论预置泄漏点所产生的压力波到达上游传感器和下游传感器的理论时间差，并将理论时间差的序列和每段管道长度的序列作为广义回归神经网络的输入，将每个预置泄漏点与所在管道入口之间距离的序列作为期望输出，进行训练获得非线性模型，将泄漏点所产生的压力波到达上游传感器和下游传感器的实际时间差带入训练获得的非线性模型中获得实际泄漏点所在位置。
[0017]采用基于大数据的输油管网泄漏智能自适应监控系统进行的监控方法，包括以下步骤:
[0018]步骤1、确定管网中每个阀门和泵的初始状态，即开启状态或关闭状态，并根据阀门和泵的状态，采用智能自适应的方法获得管网的初始状态，从而得到整个管网的拓扑结构；
[0019]步骤2、采用数据采集器采集管道进口和出口处的毫秒级压力、毫秒级流量、温度和密度，并对采集的各类信号进行多源一致处理，将其转换为标准统一的数据，并发送至滤波电路中；
[0020]步骤3、采用PLC单元对采集的信号进行模数转换，并对每段管道进口和出口的数据进行校时处理，发送至上位机中进行存储；
[0021]步骤4、判断采集的入口流量与出口流量之间的差值是否超过阈值，若超过该阈值，则调查管网历史工况情况，确定与该流量最接近的历史流量所对应的泄漏点监控站，将该监控站负责的管网区域作为优先检测范围，若未超过返回执行步骤2 ；
[0022]步骤5、检查此时所有阀门和泵的状态是否与初始状态相同，若相同，则执行步骤7 ;若不同，则确定状态变化的阀门和泵的人工放油量或人工加油量，并确定管网进口和出口的流量差值，并执行步骤6;
[0023]步骤6、判断流量差值与人工放油量或人工加油量是否相等，若不等，则执行步骤7，若相等则返回执行步骤2;
[0024]步骤7、对采集的流量值进行一致性测试，确定采集的流量数据是否有效，具体如下:
[0025]判断F >M+2/2R是否成立，若成立，则执行步骤7，否则返回执行步骤2 ;[0026]其中，M表示传感器总数；R表示每个监控站安装的流量传感器个数；F表示采集到变化数据的流量传感器个数；
[0027]步骤8、确定泄漏点所产生的压力波到达上游传感器和下游传感器的实际时间差;
[0028]上游端采集到的压力信号值与下游端采集到的压力信号值之间互相关系数计算公式如下:
[
【权利要求】
1.一种基于大数据的输油管网泄漏智能自适应监控系统，其特征在于，包括上位机和下位机；下位机包括数据采集器、滤波电路、放大电路、PLC中央处理单元，其中， 数据采集器:用于采集管道进口和出口处的毫秒级压力、毫秒级流量、温度和密度，并对采集的各类信号进行多源一致处理，将其转换为标准统一的数据，并发送至滤波电路中； 滤波电路:用于将采集的信号进行噪声滤波，并将滤波后的信号发送至放大电路中； 放大电路:用于将采集到的信号进行放大处理，并将放大后的信号发送至PLC中央处理单元中； PLC中央处理单元:用于对采集的信号进行模数转换，并对每段管道进口和出口的数据进行校时处理，并将校时处理后的信号发送至上位机中； 上位机: 用于根据阀门和泵的状态，采用智能自适应的方法获得管网的初始状态，从而得到整个管网的拓扑结构； 用于通过判断采集的入口流量与出口流量之间的差值是否超过阈值，确定管网区域的优先检测范围； 用于通过检查此时所有阀门和泵的状态是否与初始状态相同和判断流量差值与人工放油量或人工加油量是否相等，确定导致采集的信号变化是否由于人为导致； 用于对采集的流量值进行一致性测试，确定采集的流量数据是否有效； 用于确定理论预置泄漏点所产生的压力波到达上游传感器和下游传感器的理论时间差，并将理论时间差的序列和每段管道长度的序列作为广义回归神经网络的输入，将每个预置泄漏点与所在管道入口之间距离的序列作为期望输出，进行训练获得非线性模型，将泄漏点所产生的压力波到达上游传感器和下游传感器的实际时间差带入训练获得的非线性模型中获得实际泄漏点所在位置。
2.采用权利要求1所述的基于大数据的输油管网泄漏智能自适应监控系统进行的监控方法，其特征在于，包括以下步骤: 步骤1、确定管网中每个阀门和泵的初始状态，即开启状态或关闭状态，并根据阀门和泵的状态，采用智能自适应的方法获得管网的初始状态，从而得到整个管网的拓扑结构；步骤2、采用数据采集器采集管道进口和出口处的毫秒级压力、毫秒级流量、温度和密度，并对采集的各类信号进行多源一致处理，将其转换为标准统一的数据，并发送至滤波电路中； 步骤3、采用PLC单元对采集的信号进行模数转换，并对每段管道进口和出口的数据进行校时处理，发送至上位机中进行存储； 步骤4、判断采集的入口流量与出口流量之间的差值是否超过阈值，若超过该阈值，则调查管网历史工况情况，确定与该流量最接近的历史流量所对应的泄漏点监控站，将该监控站负责的管网区域作为优先检测范围，若未超过返回执行步骤2 ； 步骤5、检查此时所有阀门和泵的状态是否与初始状态相同，若相同，则执行步骤7;若不同，则确定状态变化的阀门和泵的人工放油量或人工加油量，并确定管网进口和出口的流量差值，并执行步骤6; 步骤6、判断流量差值与人工放油量或人工加油量是否相等，若不等，则执行步骤7，若相等则返回执行步骤2; 步骤7、对采集的流量值进行一致性测试，确定采集的流量数据是否有效，具体如下:
判断F＞M+2/2R是否成立，若成立，则执行步骤7，否则返回执行步骤2 ；
其中，M表示传感器总数；R表示每个监控站安装的流量传感器个数^表示采集到变化数据的流量传感器个数； 步骤8、确定泄漏点所产生的压力波到达上游传感器和下游传感器的实际时间差；上游端采集到的压力信号值与下游端采集到的压力信号值之间互相关系数计算公式如下:
3.根据权利要求2所述的监控方法，其特征在于，步骤4所述的判断采集的每个流量值的变化值通过计算获得或根据实际经验获得，其中，流量值的变化值计算公式如下: AQi = EiQin-Qout-QJ ⑷ 其中，AQi表示考虑热动态效应时的入口流量与出口流量之间的差值；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{.}表示数学期望表示考虑热动态效应引起的管道流体变化量的计算值，
4.根据权利要求2所述的监控方法，其特征在于，步骤4中所述的阈值采用智能自适应的方法进行确定:在输油管网正常状态下，在时间t内采集多组管道进出口流量值，求出前1/2时间内的流量平均值和后*时间内的流量平均值，计算获得上述两个平均值的差值，若该差值在0.0Ol到0.01之间，则该阈值为所获得差值；否则，则分别去掉前i时间内和后I的最大流量值和最小流量值，重新求得前i时间内的流量平均值和后I时间内的流量平均值，直至得到阈值。
【文档编号】F17D5/06GK103939749SQ201410175170
【公开日】2014年7月23日 申请日期:2014年4月28日 优先权日:2014年4月28日
【发明者】张化光, 马大中, 冯健, 刘金海, 汪刚, 吴振宁, 孙秋野, 李晓瑜 申请人:东北大学