CN101477146A - 杂散电流测试仪及杂散电流分析方法 - Google Patents
杂散电流测试仪及杂散电流分析方法 Download PDFInfo
- Publication number
- CN101477146A CN101477146A CNA2009103003212A CN200910300321A CN101477146A CN 101477146 A CN101477146 A CN 101477146A CN A2009103003212 A CNA2009103003212 A CN A2009103003212A CN 200910300321 A CN200910300321 A CN 200910300321A CN 101477146 A CN101477146 A CN 101477146A
- Authority
- CN
- China
- Prior art keywords
- stray current
- fuzzy
- data
- voltage
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 24
- 239000002689 soil Substances 0.000 claims description 13
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 3
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 3
- 229910000019 calcium carbonate Inorganic materials 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 13
- 229910052751 metal Inorganic materials 0.000 description 12
- 239000002184 metal Substances 0.000 description 12
- 239000011248 coating agent Substances 0.000 description 10
- 238000000576 coating method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 230000002378 acidificating effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004210 cathodic protection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000033116 oxidation-reduction process Effects 0.000 description 2
- IXARYIJEQUJTIZ-KWRIXSAHSA-N S-(1,2-Dichlorovinyl)glutathione Chemical compound OC(=O)[C@@H](N)CCC(=O)N[C@@H](CS\C(Cl)=C/Cl)C(=O)NCC(O)=O IXARYIJEQUJTIZ-KWRIXSAHSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及埋地管道防护技术,特别涉及埋地管地杂散电流检测和分析技术。本发明公开了一种杂散电流测试仪及杂散电流分析方法,能够更加全面和直观地反映地面杂散电流的分布情况,为埋地管道保护提供科学依据。本发明的杂散电流测试仪,包括数据采集装置及至少2个探测通道,每个探测通道可以测量一路电压;所述数据采集装置用于记录每一路电压,并根据记录的电压数据绘制成图形进行显示;所述电压包括直流分量和交流分量。本发明的杂散电流分析方法利用计算机模糊专家系统,对采集的多种数据进行综合分析,得到的结论更准确更全面。
Description
技术领域
本发明涉及埋地管道防护技术,特别涉及埋地管地杂散电流检测和分析技术。
背景技术
埋地管道,包括各种输油管道、燃气管道及各种给/排水管道,绝大多数为金属管道。为了提高金属管道的抗腐蚀能力,延长使用寿命,金属管道外层一般都有防腐涂层。而且为了进一步提高防腐能力,还采用了阴极保护措施,一般是给金属管道施加一个电压,使金属管道对地呈现负电位(大约—1.25~—0.85V。具体数值与管道所处环境、管道涂层类型及质量等因素有关)。随着电力技术的应用和发展,地面电磁环境越来越复杂,管道附近交直流电气化铁路及其整流站变电所、交直流电气线路及其整流站变电所、大型工厂、交流接地体、直流接地体等可能的杂散电流干扰源,都会干扰金属管道的阴极保护系统的工作,加快金属管道的腐蚀速度。
为了了杂散电流的分布情况,以便提供相应的保护措施,人们需要对杂散电流进行测量。现有技术一般采用如下方法测量杂散电流:
1、如图1所示的管地电位测量法,杂散电流测试仪10的测试通道与金属管道2的引出电极20及一个参比电极11相连,实际应用中参比电极11一般埋入管道附近地下,通过测量二者之间的电压得到金属管道上的电位,从而判断是否存在杂散电流和受到了保护。这里,杂散电流测试仪10相当于一个电压表的功能。
2、如图2所示的DCVG(Direct Current Voltage Gradient)测量法,该方法通过一个灵敏度较高的电压表测量地表两个参比电极11之间的电位差以及这两点之间的距离,得到这两点之间的平均电位梯度,这个值可以间接反映管道破损的程度。该方法要求杂散电流测试仪10一对参比电极分别埋入相距一定距离的地面,通过测量两个参比电极之间的电压,然后根据参比电极之间的距离,得到两个电极之间的土壤平均大地电位梯度。因此,应用DCVG方法,杂散电流测试仪10也相当于一个电压表的功能。
现有技术杂散电流测量技术主要存在以下几个问题:
1)只能测直流电、不能测量交流杂散电流。现有技术在测试方法和手段上,一般采用直流电压表或者万用表直流电压档进行测量,测量数据不能反映交流电压的数量。现在随着国家主干电网的电压等级普遍提升到500kV,我国西北750kV等级的输电网也已投入运营,再加上国内交流电气化铁路建设的迅猛发展,交流杂散电流对管道的影响日益严重。而且,如果管道上已经存在直流杂散电流干扰的情况下,叠加的交流杂散电流干扰将会引起金属表面的去极化作用,造成腐蚀的加剧。交流杂散电流还可加速绝缘层的老化,并可能对阴极保护系统正常运行产生干扰。
2)测量数据的显示主要是字符显示或指针读数,缺乏直观性,不能进行图形化显示,给现场应用带来不方便。
3)依靠人工分析处理数据,过于简单化。由于杂散电流的分析,比如杂散电流来源、可能的流入点和流出点、杂散电流排流措施等,与管道埋设环境(海底、沙漠、丘陵、土壤酸碱性、温度、管道防腐涂层材料、阴极保护系统的类型等)有着很强的关系,现有设备和技术的分析手段没有实现基于人工智能的计算机辅助分析。
发明内容
本发明所要解决的技术问题,就是针对现有技术的缺点,提供一种杂散电流测试仪,以及杂散电流数据分析方法,更加全面和直观地反映地面杂散电流的分布情况,为埋地管道保护提供科学依据。
本发明的杂散电流测试仪,包括数据采集装置及至少2个探测通道,每个探测通道可以测量一路电压;所述数据采集装置用于记录每一路电压,并根据记录的电压数据绘制成图形进行显示;所述电压包括直流分量和交流分量;
具体的,所述图形为管地电位分布曲线和/或大地电位梯度曲线;
进一步的,所述数据采集装置包括GPS模块,所述GPS模块用于根据GPS信号在指定时刻采集每个探测通道的电压,并将GPS信号中的时间与该时刻采集的电压存入数据采集装置;
进一步的,所述数据采集装置可以根据GPS信号实现2台以上杂散电流测试仪的同步测量。
本发明的杂散电流分析方法,包括以下步骤:
a、汇集本领域知识和规则建立计算机模糊专家系统;
b、采集埋地管道电位数据和埋地管道环境数据;
c、将埋地管道电位数据和埋地管道环境数据输入所述计算机模糊专家系统进行分析和推理;
d、输出分析结果;
具体的,所述埋地管道电位数据包括管地电位数据、大地电位数据、采样率及采样时间;
具体的,所述埋地管道环境数据包括土壤参数及管道参数;
具体的,所述土壤参数包括电阻率、氧化还原电位、PH值、含水率、容重、氯离子含量、硫酸根离子含量、碳酸钙离子含量、含盐量;
具体的,所述管道参数包括管道防腐层材料、质量状况、电阻率及各种干扰源数据;
具体的,所述计算机模糊专家系统包括模糊知识库、模糊数据库、模糊推理机、解释模块、学习模块和输入输出模块。
本发明的有益效果是,能够同时测量多个通道的直流电位和交流电位数据,绘制并显示大地电位梯度图形及管地电位分布图形。数据处理方面,实现了基于模糊专家系统的杂散电流计算机辅助分析方法。本发明应用于石油天然气、化工、铁路、矿山等需要进行杂散电流分析的领域,可以显著提高杂散电流测试和分析的效率和准确程度。
附图说明
图1是管地电位测试示意图;
图2是大地电位梯度测试示意图;
图3是杂散电流测试仪结构示意图;
图4是实施例测试方法示意图;
图5是管地电位曲线示意图;
图6是大地电位梯度曲线示意图;
图7是同一管线不同测试点相同时刻的管地电位示意图。
具体实施方式
下面结合附图及实施例,详细描述本发明的技术方案。
本发明的杂散电流测试仪,包括数据采集装置及至少2个探测通道,每个探测通道连接一对电极,可以是管道测试桩或参比电极。本发明数据采集装置结构如图3所示,包括微处理器(MCU)、键盘、USB接口、GPS模块、模数转换器(ADC)和匹配电路。每个通道电极采集的电位信号,滤除干扰后经过匹配电路进行衰减或放大,输入ADC进行模数转换,将电位数字信号输入MCU。MCU根据每一对电极之间的直流电压和交流电压以及电极之间的距离,绘制成电位分布图形进行显示并非将数据通过USB接口存入U盘或输入计算机。
大地电位梯度是判断杂散电流强度的重要手段。本发明采用多个探测通道,一次测量多个电压,并根据电极之间的距离,绘出地表大地电位梯度曲线。通过一次测试就可以知道管道附近大地电位梯度的分布情况。
对于绵延数百公里甚至上千公里的管地,可能需要多台测试仪同时进行管地电位的测量,从而对管道上不同位置、相同时刻的管地电位进行比较,得到管道各测试点(测试桩)对地电位分布图,用于分析杂散电流的分布规律。数据采集装置中的GPS模块,可以根据GPS信号进行授时,在指定时刻采集多台杂散电流测试仪每一对电极之间的直流电压和交流电压数据,得到同一时刻电位分布状况。
实施例
如图4,杂散电流测试仪10一般设计4个通道,每个通道连接2个电极11,各电极成直线排列。如图4所示接好测试仪,并测量每一对电极之间的距离,用仪器上的键盘逐一输入通道对应测试点之间的距离,然后启动梯度曲线绘制功能,依次测试各电极之间的电压,计算出相应的大地电位梯度,用图形的方式将大地电位梯度曲线显示在仪器上,如图5所示。图中横坐标为测试点与管道的距离,纵坐标为电位梯度。
在图4所示的大地电位梯度测量方法中,将每一对电极中一个电极换成金属管道的测试桩(一般管道上每1km有一个测试桩),则可以测量管地电位分布图,如图6所示。图中横坐标为时间,纵坐标为测试点与管道之间的电压。图6反应了不同时刻,同一测试桩电位的变化情况。图7表示同一管道不同测试桩电位随时间变化的情况,从中可以分析杂散电流的分布情况。
本发明的杂散电流分析方法,基于规则的杂散电流模糊专家系统计算机辅助分析工具,完成杂散电流强度的评估、频率成分分析、管道腐蚀状况自动评估、排流方案的制定等功能。研制杂散电流模糊专家系统的出发点是在于管线埋设环境的复杂性给杂散电流的分析和治理带来了难度,如果利用人工智能的有关成果,建立杂散电流模糊专家系统,则可以实现杂散电流的计算机辅助分析。计算机模糊专家系统一般包括模糊知识库、模糊数据库、模糊推理机、解释模块、学习模块和输入输出模块。
下面描述各部分功能:
输入输出模块:用以输入系统初始信息,这些信息允许是模糊的、随机的或不完备的;输出系统输出最终结论,这些结论也允许是带不确定性的;显示系统推理过程的解释及系统运行过程中所有的人-机对话;打印必要的输出信息等。
模糊数据库:与一般专家系统中的综合数据库相类似,主要存放系统的初始输入信息,系统推理过程中产生的中间信息和系统最终结论信息等,这些信息都可能是不确定的。
模糊知识库:模糊知识库中存放领域专家总结出来的与待定问题求解领域相关的事实与规则,与一般知识库有所不同的是这些事实与规则可以是模糊的或不完全可靠的。因此,在模糊专家系统中,通常要求为各个事实及规则附上一个可信度标志并为各个规则附上一个强度标志。
模糊推理机:模糊推理机是模糊专家系统的核心。它可以根据系统输入的初始不确定信息,利用模糊知识库中的不确定性知识,按一定的模糊推理策略,较理想地处理待解决的问题,给出恰当的结论。为了实现模糊推理,模糊推理机不仅要具备一般专家系统推理机所具有的推理控制策略,而且还要定义一组函数,用于推理过程中的信息不确定性的传播。由于基于模糊的不确定性描述方法很多,推理机中所确定的信息不确定性传播函数也不完全相同,但通常要包括以下几组函数:(a)合并规则前提中各逻辑项的不确定时的函数;(b)由规则前提不确定性(模糊真值)和规则强度求出规则结论不确定性(模糊真值)的函数;(c)合并由不同规则所导出的同一结论的不确定性(模糊真值)时的函数;(d)从几个可能结论中选取最佳结论时的函数。
解释模块:负责回答用户提出的各种问题,它可对推理路线和提问的含义给出解释,还负责把用户输入的信息转换为系统内规范化的表示形式,然后把这些内部表示交给相应的模块去处理。系统输出的内部信息也由它转换成用户易于理解的外部表示形式显示给用户。
学习模块:主要接受领域专家以自然语言形式描述的领域知识,将之转换成标准的规则或事实表达形式,存入模糊知识库。同时,也通过这个模块实现对知识的管理和维护。知识的管理包括对知识的添加、删除和修改等,强调的是人机交互能力和动态操作。知识维护包括知识一致性、完备性和冗余性等的维护。知识的一致性是指已获得的知识源之间不允许相互矛盾,一致性维护是指当加入新知识或删除旧知识时,要保持知识集合的无矛盾性。知识的完备性维护是指检查各知识源对一些预先约定或既存的完备性约束的满足情况。知识的冗余性是指一条知识从某知识集合中删除,既不扩大也不缩小该知识集合的有关属性。
杂散电流模糊专家系统的知识库知识来源
对于杂散电流分析问题,由于管线绵延数百至数千公里,沿途土壤腐蚀性、管道阴极保护设备类型、土壤电阻率、管道涂层质量等因素千差万别,要建立精确的数学模型进行杂散电流的分析是非常困难的,模糊专家系统在处理这类问题方面具有明显的优势。
开发专家系统,其主要的工作在于如何建立专家系统中的知识以及处理这类经验性知识中广泛存在的不确定性。杂散电流模糊专家系统知识库中知识的来源包括三个部分:1)现有的国家、各有关行业杂散电流测试分析标准;2)权威的期刊、图书等文献资料;3)经过实践多次检验的人类专家尚未总结发表的经验和知识。通常,这类的知识自身存在着一定的模糊性,比如杂散电流干扰的“强”“弱”,土壤腐蚀性的“强”“弱”,管道防腐绝缘层涂层质量的“好”、“中”、“差”等等,适宜建立模糊专家系统进行杂散电流的分析。
事实性知识的模糊描述
事实性知识是人类对客观事物属性的描述,在故障诊断专家系统中,事实性知识可用(模糊断言,可信度)二元组构成的模糊命题来描述。
设U为模糊命题、模糊特征、模糊关系组成的集合,简单起见,模糊命题、模糊特征和模糊关系称为模糊断言,则一条事实性知识可表示为二元组(P,β)。其中:
P为模糊断言,P∈U;β为P的可信度,β∈[0,1]。
例如:(管道涂层质量差,0.85),这个事实可以理解为:
(1)管道涂层质量差(用自然语言描述的模糊断言);
(2)管道涂层质量差的可能性为0.85左右(领域专家给出模糊断言的可信度或者通过编写的模糊隶属函数求取)。
用模糊命题来描述事实性知识的方法对系统运行状态、故障发生的可能性及故障的影响程度的描述比较切合实际,也符合领域专家对诊断问题的表达方式。
规则知识的模糊描述
决策诊断知识是指专家系统在进行故障诊断推理时所用的求解知识。首先由面向对象基于规则的知识表示方法可以自动生成诊断规则,然后将自动生成的诊断规则实例化为模糊产生式规则。
本发明中,模糊产生式规则采用三元组(模糊断言,权重,可信度)来表示诊断知识,每条规则的条件之间都为与运算关系。知识库中第i条规则的表示形式为:
IF wi1*(Pi1,βi1)^wi2*(Pi2,βi2)^---^win*(Pin,βin)
THEN Qi(CFi,αi)
其中,Pij(1≤j≤n),Qi为模糊断言,Pij(1<j<n),Qi∈U,wij(1≤j≤n)为Pij的权重,即前件断言Pij对Qi的影响程度, βij为模糊断言Pij的可信度;“∧”表示各模糊断言之间的与运算关系,为了使推理过程简单,在诊断规则的前提条件中将只考虑各模糊断言之间的与(∧)运算关系,不考虑或(∨)运算关系。而“∨”运算可分成多个“∧”运算来表示;CFi为规则的可信度,CFi∈[0,1];αi为判别是否可以应用该规则的阈值,αi∈[0,1],当规则的前件可信度σ≥αi时,该规则才可用。
其中,规则结论中的可信度由计算得出,规则条件的可信度可以在录入事实的时候输入或者计算得出,各条件的权重、规则的可信度、规则适用性阈值等是在录入知识时人为设定的。
规则的可信度计算
由于本文所建立的模糊专家系统采用的是正向推理(或称数据驱动的推理),即从已知的征兆(事实、证据)出发向前推理以寻找故障原因。因此可信度的传递运算也采用正向推理传递运算方法。
1)、当一条规则被激活时,其结论的可信度计算方法
一条规则实质上就是一条综合决策性诊断知识。对于多因素评判和综合决策问题,通常是采用加权平均求和方式,求出其综合的评价。
设某规则中前件第i个子模糊断言Pi的权重为wi(i=1,2,...,n),其对应事实的可信度为βi,该规则的可信度为CF,规则应用阈值为α。如果这条规则满足条件:
则可以应用该规则,称σ为该规则前件的可信度。而该规则结论Q具有可信度为:
2)、当m个具有相同结论的规则被激活时,其结论的可信度计算方法
例如:
w11*(P11,β11)^w12*(P12,β12)^---^w1n*(P1n,β1n)→Q(CF1,α1)
wm1*(Pm1,βm1)^wm2*(Pm2,βm2)^---^wms*(Pms,βms)→Q(CFm,αm)
与模糊断言Pij(i=1,2,...,m;j=1,2,...,n)对应事实的可信度为βij,如果这m个规则前件的可信度分别满足条件:
则可应用这些规则,并且这些规则的结论Q具有可信度:
其中,
一个模糊专家系统规则的例子
Rule1:IF(1)w10.3,测试点附近土壤呈强酸性,and
(2)w20.4,管道涂层质量差,and
(3)w30.3,管地电位负偏50mV-100mV,
THEN 直流排流(0.95,0.75)
上述规则的意义是:如果现场测试的情况为:“测试点附近土壤呈强酸性”(这个事件对于直流排流事件所有三个影响因素中的重要程度为0.3)、“管道涂层质量差”(0.4)、“管地电位负偏50mV-100mV”(0.3),那么如果计算出来的规则前件的可信度大于0.75的话,就以很大的可能性需要直流排流。
在实际分析中,如果给出模糊断言“测试点附近土壤呈强酸性”“管道涂层质量差”“管地电位负偏50mV-100mV”的可信度分别为0.9,0.8,1的话,则计算出来的规则的可信度为
因此,该规则被激活,得出的结论是“直流排流”。这一结论的可信度为
就是说,有85%的可能性需要实施直流排流。
知识的维护和管理
一个专家系统的不断发展完善,逐渐地走向成熟,需要对其中知识的添加、修改、删除等维护工作。而要使一个专家系统真正地保持生命力,不断地适应环境,就要提高系统的用户可维护性,使用户对知识库进行维护,有必要开发知识的维护和管理模块。
知识的管理和维护包括对知识的添加、删除和修改等,强调的是人机交互能力和动态操作。知识维护包括知识一致性、完备性和冗余性等的维护。知识的一致性是指已获得的知识源之间不允许相互矛盾,一致性维护是指当加入新知识或删除旧知识时,要保持知识集合的无矛盾性。知识的完备性维护是指检查各知识源对一些预先约定或既存的完备性约束的满足情况。知识的冗余性是指一条知识从某知识集合中删除,既不扩大也不缩小该知识集合的有关属性。
基于模糊专家系统的杂散电流分析流程
在具体的实现方法上,采用计算机软件开发工具,编写有关的代码,最终形成杂散电流测试仪智能分析软件。具体流程如下:
a、汇集本领域知识和规则建立计算机模糊专家系统;
b、采集埋地管道管地电位数据、管道附近的大地电位数据、采样率、采样时间;采集埋地管道管附近的土壤电阻率、氧化还原电位、PH值、含水率、容重、氯离子、硫酸根离子、碳酸钙离子、含盐量数据,以及管道防腐层材料、质量状况、电阻率及各种干扰源数据;
c、将上述数据输入所述计算机模糊专家系统进行分析和推理;
d、输出分析结果。
本发明的计算机模糊专家系统包括模糊知识库、模糊数据库、模糊推理机、解释模块、学习模块和输入输出模块。关于计算机模糊专家系统的更详细结构,可以参考有关书籍的介绍。
Claims (10)
- 【权利要求1】杂散电流测试仪,其特征在于,包括数据采集装置及至少2个探测通道,每个探测通道可以测量一路电压;所述数据采集装置用于记录每一路电压,并根据记录的电压数据绘制成图形进行显示;所述电压包括直流分量和交流分量。
- 【权利要求2】根据权利要求1所述的杂散电流测试仪,其特征在于,所述图形为管地电位分布曲线和/或大地电位梯度曲线。
- 【权利要求3】根据权利要求1或2所述的杂散电流测试仪,其特征在于,所述数据采集装置包括GPS模块,所述GPS模块用于根据GPS信号在指定时刻采集每个探测通道的电压,并将GPS信号中的时间与该时刻采集的电压存入数据采集装置。
- 【权利要求4】根据权利要求3所述的杂散电流测试仪,其特征在于,所述数据采集装置可以根据GPS信号实现2台以上杂散电流测试仪的同步测量。
- 【权利要求5】杂散电流分析方法,包括以下步骤:a、汇集本领域知识和规则建立计算机模糊专家系统;b、采集埋地管道电位数据和埋地管道环境数据;c、将埋地管道电位数据和埋地管道环境数据输入所述计算机模糊专家系统进行分析和推理;d、输出分析结果。
- 【权利要求6】根据权利要求5所述的杂散电流分析方法,其特征在于,所述埋地管道电位数据包括管地电位数据、大地电位数据、采样率及采样时间。
- 【权利要求7】根据权利要求5或6所述的杂散电流分析方法,其特征在于,所述埋地管道环境数据包括土壤参数及管道参数。
- 【权利要求8】根据权利要求7所述的杂散电流分析方法,其特征在于,所述土壤参数包括电阻率、氧化还原电位、PH值、含水率、容重、氯离子含量、硫酸根离子含量、碳酸钙离子含量、含盐量。
- 【权利要求9】根据权利要求7所述的杂散电流分析方法,其特征在于,所述管道参数包括管道防腐层材料、质量状况、电阻率及各种干扰源数据。
- 【权利要求10】根据权利要求4所述的杂散电流分析方法,其特征在于,所述计算机模糊专家系统包括模糊知识库、模糊数据库、模糊推理机、解释模块、学习模块和输入输出模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009103003212A CN101477146A (zh) | 2009-01-23 | 2009-01-23 | 杂散电流测试仪及杂散电流分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009103003212A CN101477146A (zh) | 2009-01-23 | 2009-01-23 | 杂散电流测试仪及杂散电流分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101477146A true CN101477146A (zh) | 2009-07-08 |
Family
ID=40837890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009103003212A Withdrawn CN101477146A (zh) | 2009-01-23 | 2009-01-23 | 杂散电流测试仪及杂散电流分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101477146A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105043971A (zh) * | 2015-07-02 | 2015-11-11 | 中国民航大学 | 一种用于研究剥离涂层下金属基体腐蚀行为的实验装置 |
CN106324404A (zh) * | 2016-08-30 | 2017-01-11 | 西南交通大学 | 电气化铁路对沿线油气管道电磁干扰测试系统及分析方法 |
CN107024423A (zh) * | 2017-03-21 | 2017-08-08 | 国家电网公司 | 一种土壤在线交直流干扰测试装置 |
CN108562782A (zh) * | 2018-07-17 | 2018-09-21 | 国网湖南省电力有限公司 | 一种杂散电流的获取方法及杂散电流的检测系统 |
RU2668352C1 (ru) * | 2018-01-09 | 2018-09-28 | Общество с ограниченной ответственностью "Газпром проектирование" | Способ локализации участков трубопроводов, подверженных влиянию геомагнитно-индуцированных блуждающих токов |
CN108717139A (zh) * | 2018-07-18 | 2018-10-30 | 浙江浙能天然气运行有限公司 | 一种钢制油气管道杂散电流监测装置 |
CN109085448A (zh) * | 2018-07-31 | 2018-12-25 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种换流站设备泄漏电流波形测量及成分分析装置 |
CN110763898A (zh) * | 2019-10-16 | 2020-02-07 | 西南交通大学 | 一种地铁车辆段杂散电流分布的获取方法 |
CN111638396A (zh) * | 2020-06-02 | 2020-09-08 | 安徽大学 | 一种基于Boost的土壤杂散电流电位监测方法 |
CN112230040A (zh) * | 2020-10-13 | 2021-01-15 | 广州市扬新技术研究有限责任公司 | 一种用于计算直流牵引供电系统的杂散电流评估方法 |
CN112505390A (zh) * | 2020-12-17 | 2021-03-16 | 广州市扬新技术研究有限责任公司 | 一种分布式轨电位及杂散电流实时监控方法 |
CN113848373A (zh) * | 2021-10-27 | 2021-12-28 | 西安热工研究院有限公司 | 一种埋地管道附近土壤杂散电流测量装置及使用方法 |
CN114778984A (zh) * | 2022-04-28 | 2022-07-22 | 西南交通大学 | 基于地表电位变化的变电站杂散电流检测方法 |
CN115823503A (zh) * | 2022-11-29 | 2023-03-21 | 北京市燃气集团有限责任公司 | 一种社区燃气管道腐蚀热点现场测试与识别方法 |
CN117388563A (zh) * | 2023-09-26 | 2024-01-12 | 广东佛燃科技有限公司 | 一种用于杂散电流流向评估的装置及方法 |
CN118376883A (zh) * | 2024-06-21 | 2024-07-23 | 国网江西省电力有限公司电力科学研究院 | 一种变电站接地网的杂散电流腐蚀分析方法及系统 |
-
2009
- 2009-01-23 CN CNA2009103003212A patent/CN101477146A/zh not_active Withdrawn
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105043971A (zh) * | 2015-07-02 | 2015-11-11 | 中国民航大学 | 一种用于研究剥离涂层下金属基体腐蚀行为的实验装置 |
CN106324404A (zh) * | 2016-08-30 | 2017-01-11 | 西南交通大学 | 电气化铁路对沿线油气管道电磁干扰测试系统及分析方法 |
CN106324404B (zh) * | 2016-08-30 | 2019-01-25 | 西南交通大学 | 电气化铁路对沿线油气管道电磁干扰测试系统及分析方法 |
CN107024423A (zh) * | 2017-03-21 | 2017-08-08 | 国家电网公司 | 一种土壤在线交直流干扰测试装置 |
CN107024423B (zh) * | 2017-03-21 | 2019-09-10 | 国家电网公司 | 一种土壤在线交直流干扰测试装置 |
RU2668352C1 (ru) * | 2018-01-09 | 2018-09-28 | Общество с ограниченной ответственностью "Газпром проектирование" | Способ локализации участков трубопроводов, подверженных влиянию геомагнитно-индуцированных блуждающих токов |
CN108562782B (zh) * | 2018-07-17 | 2020-06-16 | 国网湖南省电力有限公司 | 一种杂散电流的获取方法及杂散电流的检测系统 |
CN108562782A (zh) * | 2018-07-17 | 2018-09-21 | 国网湖南省电力有限公司 | 一种杂散电流的获取方法及杂散电流的检测系统 |
CN108717139A (zh) * | 2018-07-18 | 2018-10-30 | 浙江浙能天然气运行有限公司 | 一种钢制油气管道杂散电流监测装置 |
CN109085448A (zh) * | 2018-07-31 | 2018-12-25 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种换流站设备泄漏电流波形测量及成分分析装置 |
CN110763898A (zh) * | 2019-10-16 | 2020-02-07 | 西南交通大学 | 一种地铁车辆段杂散电流分布的获取方法 |
CN110763898B (zh) * | 2019-10-16 | 2021-04-09 | 西南交通大学 | 一种地铁车辆段杂散电流分布的获取方法 |
CN111638396A (zh) * | 2020-06-02 | 2020-09-08 | 安徽大学 | 一种基于Boost的土壤杂散电流电位监测方法 |
CN111638396B (zh) * | 2020-06-02 | 2022-05-03 | 安徽大学 | 一种基于Boost的土壤杂散电流电位监测方法 |
CN112230040A (zh) * | 2020-10-13 | 2021-01-15 | 广州市扬新技术研究有限责任公司 | 一种用于计算直流牵引供电系统的杂散电流评估方法 |
CN112505390A (zh) * | 2020-12-17 | 2021-03-16 | 广州市扬新技术研究有限责任公司 | 一种分布式轨电位及杂散电流实时监控方法 |
CN112505390B (zh) * | 2020-12-17 | 2022-12-16 | 广州市扬新技术研究有限责任公司 | 一种分布式轨电位及杂散电流实时监控方法 |
CN113848373A (zh) * | 2021-10-27 | 2021-12-28 | 西安热工研究院有限公司 | 一种埋地管道附近土壤杂散电流测量装置及使用方法 |
CN114778984A (zh) * | 2022-04-28 | 2022-07-22 | 西南交通大学 | 基于地表电位变化的变电站杂散电流检测方法 |
CN114778984B (zh) * | 2022-04-28 | 2023-05-30 | 西南交通大学 | 基于地表电位变化的变电站杂散电流检测方法 |
CN115823503A (zh) * | 2022-11-29 | 2023-03-21 | 北京市燃气集团有限责任公司 | 一种社区燃气管道腐蚀热点现场测试与识别方法 |
CN117388563A (zh) * | 2023-09-26 | 2024-01-12 | 广东佛燃科技有限公司 | 一种用于杂散电流流向评估的装置及方法 |
CN117388563B (zh) * | 2023-09-26 | 2024-06-07 | 广东佛燃科技有限公司 | 一种用于杂散电流流向评估的装置及方法 |
CN118376883A (zh) * | 2024-06-21 | 2024-07-23 | 国网江西省电力有限公司电力科学研究院 | 一种变电站接地网的杂散电流腐蚀分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101477146A (zh) | 杂散电流测试仪及杂散电流分析方法 | |
CN107991873B (zh) | 一种基于卷积神经网络及bp神经网络的地铁杂散电流泄漏等级预测方法 | |
CN110375207B (zh) | 一种深埋燃气管道泄漏人工智能检测系统 | |
Huang et al. | Dissolved gas analysis of mineral oil for power transformer fault diagnosis using fuzzy logic | |
Galijasevic et al. | Fault location using voltage measurements | |
CN108827867B (zh) | 基于数据挖掘技术的地铁杂散电流腐蚀特征信息提取方法 | |
CN103136539B (zh) | 接地网腐蚀速率等级预测方法 | |
CN103064008B (zh) | 一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法 | |
CN109034546A (zh) | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 | |
CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
CN109324241B (zh) | 一种变电站接地网腐蚀诊断预警方法及系统 | |
CN110533007B (zh) | 一种桥梁车载应变影响线特征智能识别与提取方法 | |
CN104765945A (zh) | 一种基于数量置信度的设备缺陷率检测方法 | |
Jin-qiang | Fault prediction of a transformer bushing based on entropy weight TOPSIS and gray theory | |
CN109272190A (zh) | 一种基于动量bp神经网络的电力电缆状态评价方法 | |
CN114089136B (zh) | 基于人工智能的高压电缆局放检测与缺陷诊断系统 | |
Mortensen et al. | Relative fault vulnerability prediction for energy distribution networks | |
CN118038295A (zh) | 输电线路缺陷实时在线识别系统 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
Peng et al. | Long-distance oil/gas pipeline failure rate prediction based on fuzzy neural network model | |
CN115184734A (zh) | 一种电网线路故障检测方法和系统 | |
Sarma et al. | A long short-term memory based prediction model for transformer fault diagnosis using dissolved gas analysis with digital twin technology | |
Wang et al. | Remaining Life Prediction for High-speed Rail Bearing Considering Hybrid Data-model-driven Approach | |
Peng et al. | Fault prediction method for on-board equipment of CTCS based on Seq2Seq model using LSTM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C04 | Withdrawal of patent application after publication (patent law 2001) | ||
WW01 | Invention patent application withdrawn after publication |
Open date: 20090708 |