CN103335216B - 一种基于二型模糊逻辑的油气管网泄漏检测装置及方法 - Google Patents
一种基于二型模糊逻辑的油气管网泄漏检测装置及方法 Download PDFInfo
- Publication number
- CN103335216B CN103335216B CN201310243047.6A CN201310243047A CN103335216B CN 103335216 B CN103335216 B CN 103335216B CN 201310243047 A CN201310243047 A CN 201310243047A CN 103335216 B CN103335216 B CN 103335216B
- Authority
- CN
- China
- Prior art keywords
- oil gas
- pipe network
- gas pipe
- fuzzy
- station
- 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.)
- Active
Links
Landscapes
- Pipeline Systems (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
一种基于二型模糊逻辑的油气管网泄漏检测装置及方法,该装置包括数据采集单元、信号滤波板、A/D转换单元、FPGA、电平转换单元和上位机;数据采集单元包括压力传感器、流量传感器、密度传感器、用于采集泵的状态的数字传感器和用于采集阀门开度的数字传感器;信号滤波板包括滤波器、多路开关和信号放大电路;各传感器的输出端和用于采集阀门开度的数字传感器的输出端均连接至滤波器的输入端,滤波器的输出端连接多路开关的一端,多路开关的另一端连接信号放大电路的输入端,信号放大电路的输出端经A/D转换单元连接FPGA,FPGA经电平转换单元连接上位机.本发明采用二型模糊逻辑系统来进行油气管网泄漏检测,判断管网当前的状态,能够提高检测的准确度。
Description
技术领域
本发明属于油气管网检测技术领域,具体涉及一种基于二型模糊逻辑的油气管网泄漏检测装置及方法。
背景技术
管网运输是一种非常重要的运输方式,在运输气体、液体方面具有独特的优势。我国管道网络庞大并迅猛发展,随着管线增多,时间推移,各种不可避免的自然因素如液体腐蚀、磨损以及人为损坏等原因,管网泄漏事故频频发生。因此,有效及时地检测油气管网的泄漏变得尤为重要。
管网泄漏检测的方法有很多种,例如声波检测法、压力梯度法、小波变换法以及负压波法等等。综合各种因素考虑,目前负压波法是油气管网泄漏检测的主要方法之一。负压波法对于突变且流量较大的泄漏检测速度快、定位准确。但对于缓慢且流量较小的泄漏,由于其单位时间内压力变化缓慢,负压波法对其敏感度较低,容易产生漏报。同时,在油气管网的运行过程中,由于各个监控站的泵、阀等设备的调整,引起压力发生变化而导致系统产生大量的误报警,浪费了大量的人力及物力资源。另外除了正常的工况调整外,实际中影响管道运行状态的其它因素也很多,系统的运行状态存在着很大的不确定性。
发明内容
针对现有技术存在的问题,本发明提供一种基于二型模糊逻辑的油气管网泄漏检测装置及方法。
本发明的技术方案是:
一种基于二型模糊逻辑的油气管网泄漏检测装置,包括数据采集单元、信号滤波板、A/D转换单元、FPGA、电平转换单元和上位机;
所述数据采集单元包括压力传感器、流量传感器、密度传感器、用于采集泵的状态的数字传感器和用于采集阀门开度的数字传感器;
所述信号滤波板包括滤波器、多路开关和信号放大电路;
所述压力传感器、流量传感器和密度传感器安装在油气管网监控站中;
压力传感器的输出端、流量传感器的输出端、密度传感器的输出端、用于采集泵的状态的数字传感器的输出端和用于采集阀门开度的数字传感器的输出端均连接至滤波器的输入端,滤波器的输出端连接多路开关的一端,多路开关的另一端连接信号放大电路的输入端,信号放大电路的输出端连接A/D转换单元的输入端,A/D转换单元的输出端连接FPGA的SPI接口,FPGA的SCI接口连接电平转换单元的输入端,电平转换单元的输出端连接上位机。
所述FPGA外接有电源电路、时钟电路和复位电路。
所述数据采集单元用于采集油气管网监控站的压力、流量、密度、泵的状态和阀门开度。
所述信号滤波板用于对油气管网内的压力、流量、密度泵的状态以及阀门开度信号进行滤波,通过多路开关选通所需信号进行信号放大并传输至A/D转换单元。
所述FPGA用于控制数据采集单元对油气管网进行数据采集、根据采集的不同数据设置A/D采样频率和将采集到的数据传输至上位机。
所述上位机用于根据接收到的油气管网内的压力、流量、密度、泵的状态以及阀门开度,建立表征检测站监控的油气管段的当前运行状态与检测站的压力、影响该检测站运行状态的各监控站的工况调整关系的模糊规则,通过二型模糊逻辑推理得到二型模糊集,再降型处理得到一型模糊集合,解模糊后得到油气管网当前运行状态的精确输出值,判断当前油气管网的运行状态,并在油气管网处于泄漏状态时对泄漏点进行定位。
采用所述的基于二型模糊逻辑的油气管网泄漏检测装置进行油气管网泄漏检测的方法,包括如下步骤:
步骤1:采集油气管网中的各监控站的压力、流量、密度及工况信息,工况信息包括泵的状态和阀门开度;
步骤2:对采集到的各监控站的压力、流量、密度及工况信息进行滤波,通过多路开关选通所需信号进行信号放大并传输至A/D转换单元;
步骤3:A/D转换单元对滤波后的监控站的压力、流量、密度及工况信息进行A/D转换后传输至FPGA,FPGA将信息传输至上位机;
步骤4:将各监控站的压力、流量、密度实时存储至上位机的数据库,油气管网的各监控站泵的状态以及阀门开度信号与前一工况的相应信息进行比较,若变化值超过设定的变化阈值,则存储至上位机的数据库,否则,舍弃该信息;
步骤5:油气管网中某监控站的压力发生变化时,该监控站即为当前的检测站,获取影响该检测站运行状态的其他监控站的工况调整信息,根据压力波的传播速度以及该压力发生变化的监控站与影响该检测站运行状态的各监控站之间的距离,得到影响该检测站运行状态的各监控站的工况调整的时刻,在数据库中搜索不超出由该时刻及其误差所确定的时间范围内的其他监控站的工况调整信息;
所述工况调整即前一时刻工况信息与当前时刻工况信息之间的变化;
步骤6:根据数据库中的检测站的压力、影响该检测站运行状态的各监控站的工况调整的历史数据,建立用来表征检测站监控的油气管段的当前运行状态与检测站的压力、影响该检测站运行状态的各监控站的工况调整关系的模糊规则;
步骤6.1:将检测站的压力、影响该检测站运行状态的各监控站的工况调整的历史数据作为输入量,将检测站监控的油气管段的当前运行状态作为输出量;
步骤6.2:对检测站的压力和影响该检测站运行状态的其他监控站的工况调整量进行模糊化,将压力的调整量、泵的状态调整量和阀门开度的调整量分别划分成多个子区间;
步骤6.3:将油气管网的运行状态划分为三个模糊子区间,即正常、泄漏及工况调整;
步骤6.4:采用模糊C均值聚类的方法计算主隶属度函数,求得每一个聚类中心和聚类中心的方差,进而求得对应的次隶属度函数值,得到油气管网相应的模糊规则,其中,次隶属度函数对应的定义域为主隶属度函数;
步骤7:根据步骤6建立的模糊规则进行二型模糊逻辑推理,得到二型模糊集;
步骤7.1:将检测站的压力、影响该检测站运行状态的各监控站的工况调整模糊成一个二型模糊集合;
步骤7.2:运用join运算、meet运算以及扩展t-范数运算进行模糊关系合成和模糊推理合成,得到模糊推理后表征油气管网当前运行状态的二型模糊集;
步骤8:对表征油气管网当前运行状态的二型模糊集进行降型处理,得到一型模糊集合,再利用解模糊方法求得油气管网当前运行状态的精确输出值;
步骤9:根据油气管网当前运行状态的精确输出值判断油气管网当前处于哪种运行状态:正常、泄漏或工况调整;
步骤10:若油气管网当前处于泄漏状态,则对泄漏点进行定位,根据油气管网泄漏处产生的负压波到达泄漏点两侧检测站的时间差计算泄漏点的位置,并给出报警信息,若油气管网当前处于正常状态或工况调整状态,则结束检测;
当油气管网发生泄漏时,泄漏点产生的负压波会以波动的形式向当前泄漏的油气管段上游的检测站和下游的检测站传播,当前泄漏的油气管段上游的检测站即首站,当前泄漏的油气管段下游的检测站即末站,根据首站的压力传感器测得的压力和末站中的压力传感器测得的压力,获得首站压力下降的时间和末站压力下降的时间,根据负压波到达首站和末站的时间差计算泄漏点的位置;
其中,D表示油气管网泄漏点距首站的距离,单位m;L表示泄漏点所属油气管段两侧检测站间的管道长度,单位m;v表示负压波的传播速度,单位m/s;t1表示负压波达到首站的时间,单位s;t2表示负压波到达末站时间,单位s;
若当前泄漏的油气管段为两种油品混合输送,则设油品1先输入,油品2后输入;
其中,D表示油气管网泄漏点距首站的距离,单位m;L表示泄漏点两侧监控站间管道的长度,单位m;v1表示负压波在油品1中的传播速度,单位m/s;v2表示负压波在油品2中的传播速度,单位m/s;t1表示负压波达到首站的时间,单位s;t2表示负压波到达末站时间,单位s;S为所监控的油气管段的横截面积,V为油品密度值发生变化时刻到当前时刻的时间段内累积流量值,单位m3;
若公式(2)求得的D<V/S,则对泄漏点的位置D进行修正,修正公式如下:
有益效果:
采用二型模糊逻辑系统来进行油气管网泄漏检测,判断管网当前的状态,能够提高检测的准确度。另外,将影响检测站压力变化的其他监控站工况调整的信息作为系统输入,能有效的识别压力变化的原因,判断压力变化是由于工况调整引起的还是由于泄漏引起的,防止误报警。
附图说明
图1是本发明具体实施方式的基于二型模糊逻辑的油气管网泄漏检测装置结构框图;
图2是本发明具体实施方式的基于二型模糊逻辑的油气管网泄漏检测装置硬件连接原理图;
图3是本发明具体实施方式的基于二型模糊逻辑的油气管网泄漏检测方法的二型模糊逻辑框图;
图4是本发明具体实施方式的油气管网的结构示意图;
图5是本发明具体实施方式的汽油和柴油混输情况示意图;
图6是本发明具体实施方式的基于二型模糊逻辑的油气管网泄漏检测方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细说明。
本实施方式的油气管网的拓扑结构如图4所示,基于二型模糊逻辑的油气管网泄漏检测装置,如图1所示,包括数据采集单元、信号滤波板、A/D转换单元、FPGA、电平转换单元和上位机。
数据采集单元用于采集油气管网监控站的压力、流量、密度、泵的状态和阀门开度,数据采集单元包括压力传感器、流量传感器、密度传感器、用于采集泵的状态的数字传感器和用于采集阀门开度的数字传感器。
信号滤波板用于对油气管网内的压力、流量、密度泵的状态以及阀门开度信号进行滤波,通过多路开关选通所需信号进行信号放大并传输至A/D转换单元,信号滤波板包括滤波器、多路开关和信号放大电路,滤波器采用INA326芯片,多路开关选用DG406型号的多路开关,信号放大电路采用OP07芯片。
A/D转换单元的型号为AD7656,FPGA用于控制数据采集单元对油气管网进行数据采集、根据采集的不同数据设置A/D采样频率和将采集到的数据传输至上位机,FPGA的型号为EPIC3T144;FPGA外接有电源电路、时钟电路和复位电路,电源电路为FPGA供电。电平转换芯片的型号为MAX232。
上位机用于根据接收到的油气管网内的压力、流量、密度、泵的状态以及阀门开度,建立表征检测站监控的油气管段的当前运行状态与检测站的压力、影响该检测站运行状态的各监控站的工况调整关系的模糊规则,通过二型模糊逻辑推理得到二型模糊集,再降型处理得到一型模糊集合,解模糊后得到油气管网当前运行状态的精确输出值,判断当前油气管网的运行状态,并在油气管网处于泄漏状态时对泄漏点进行定位。
压力传感器、流量传感器和密度传感器安装在油气管网监控站中;
压力传感器的输出端、流量传感器的输出端、密度传感器的输出端、用于采集泵的状态的数字传感器的输出端和用于采集阀门开度的数字传感器的输出端均连接至滤波器的输入端,如图2所示,滤波器的输出端连接多路开关的一端,多路开关的另一端连接信号放大电路的输入端,信号放大电路的输出端连接A/D转换单元的输入端,A/D转换单元的输出端连接FPGA的SPI接口,FPGA的SCI接口连接电平转换单元的输入端,电平转换单元的输出端连接上位机。
采用所述的基于二型模糊逻辑的油气管网泄漏检测装置进行油气管网泄漏检测的方法,其流程如图6所示,包括如下步骤:
步骤1:采集油气管网中的各监控站的压力、流量、密度及工况信息,工况信息包括泵的状态和阀门开度;
步骤2:对采集到的各监控站的压力、流量、密度及工况信息进行滤波,通过多路开关选通所需信号进行信号放大并传输至A/D转换单元;
步骤3:A/D转换单元对滤波后的监控站的压力、流量、密度及工况信息进行A/D转换后传输至FPGA,FPGA将信息传输至上位机;
步骤4:将各监控站的压力、流量、密度实时存储至上位机的数据库,油气管网的各监控站泵的状态以及阀门开度信号与前一工况的相应信息进行比较,若变化值超过设定的变化阈值,则存储至上位机的数据库,否则,舍弃该信息;
步骤5:油气管网中某监控站的压力发生变化时,该监控站即为当前的检测站,获取影响该检测站运行状态的其他监控站的工况调整信息,根据压力波的传播速度以及该压力发生变化的监控站与影响该检测站运行状态的各监控站之间的距离,得到影响该检测站运行状态的各监控站的工况调整的时刻,在数据库中搜索不超出由该时刻及其误差所确定的时间范围内的其他监控站的工况调整信息;
所述工况调整即前一时刻工况信息与当前时刻工况信息之间的变化;
步骤6:根据数据库中的检测站的压力、影响该检测站运行状态的各监控站的工况调整的历史数据,建立用来表征检测站监控的油气管段的当前运行状态与检测站的压力、影响该检测站运行状态的各监控站的工况调整关系的模糊规则;
步骤6.1:将检测站的压力、影响该检测站运行状态的各监控站的工况调整的历史数据作为输入量,将检测站监控的油气管段的当前运行状态作为输出量;
步骤6.2:对检测站的压力和影响该检测站运行状态的其他监控站的工况调整量进行模糊化,将压力的调整量、泵的状态调整量和阀门开度的调整量分别划分成多个子区间;
将压力的调整量和阀门开度的调整分别划分7个子区间,用正大(PB)、正中(PM)、正小(PS)、零(Z)、负小(NS)、负中(NM)、负大(NB)7个语言变量表示。将泵的状态调整量划分为2个子区间,用开(OPEN)、关(CLOSE)2个语言变量表示。
步骤6.3:将油气管网的运行状态划分为三个模糊子区间,即正常、泄漏及工况调整;
步骤6.4:采用模糊C均值聚类的方法计算主隶属度函数,求得每一个聚类中心和聚类中心的方差,进而求得对应的次隶属度函数值,得到油气管网相应的模糊规则,其中,次隶属度函数对应的定义域为主隶属度函数;
采用模糊C均值聚类的方法计算主隶属度的期望,对目标函数进行推导,求得每一个聚类中心和聚类中心的方差,并以此求得对应的次隶属度函数值,便可得到油气管网相应的IF-THEN规则即模糊规则。
步骤7:根据步骤6建立的模糊规则进行二型模糊逻辑推理,得到二型模糊集;
步骤7.1:将检测站的压力、影响该检测站运行状态的各监控站的工况调整模糊成一个二型模糊集合;
步骤7.2:运用join运算、meet运算以及扩展t-范数运算进行模糊关系合成和模糊推理合成,得到模糊推理后表征油气管网当前运行状态的二型模糊集;
其中,油气管网模糊推理的IF-THEN规则如下:
Rl:IF x1isand…and xm+1isand…and xm+n+1isTHEN y is
其中l=1,2…M,M为模糊规则的个数,Rl代表第l条模糊规则,m为当前泄漏的油气管段上游的检测站的阀门的数量,n为当前泄漏的油气管段上游的检测站的泵的数量,x1代表压力值,x2…xm+1代表相应阀门开度的调整量,xm+2…xm+n+1代表相应泵的调整量,y表征油气管网运行状态的输出变量。为输入变量对应的二型模糊子集,为表征管网运行状态的输出二型模糊子集。该规则表示输入空间和输出空间之间的二型模糊关系。
分别记∪′、∩′和*为二型模糊集合的join运算、meet运算和t-范数,记uF为语言变量或推理表达F相应的隶属度函数。设输入的压力以及工况调整信息组成的向量x=[x1…xm+n+1],模糊化为某一个二型模糊集合其隶属度函数定义记为
其中,表示描述输入的压力以及工况调整变量的模糊集合的语言变量。记 则基于扩展的sup-*合成的模糊推理输出隶属度函数可表示为
记所有M条模糊规则推理输出的集合为则
则相应的隶属度函数如下:
步骤8:对表征油气管网当前运行状态的二型模糊集进行降型处理,得到一型模糊集合,再利用解模糊方法求得油气管网当前运行状态的精确输出值;
降型处理是一型模糊系统中解模糊方法的扩展,常用的方法有顶点法、集合中心法、重心法等。将降型处理得到的一型模糊集合利用解模糊方法求得精确输出,常用的解模糊化方法包括最大值法、重心法、中心加权法等。
二型模糊逻辑原理如图3所示。
步骤9:根据油气管网当前运行状态的精确输出值判断油气管网当前处于哪种运行状态:正常、泄漏或工况调整;
步骤10:若油气管网当前处于泄漏状态,则对泄漏点进行定位,根据油气管网泄漏处产生的负压波到达泄漏点两侧检测站的时间差计算泄漏点的位置,并给出报警信息,若油气管网当前处于正常状态或工况调整状态,则结束检测;
当油气管网发生泄漏时,泄漏点产生的负压波会以波动的形式向当前泄漏的油气管段上游的检测站和下游的检测站传播,当前泄漏的油气管段上游的检测站即首站,当前泄漏的油气管段下游的检测站即末站,根据首站的压力传感器测得的压力和末站中的压力传感器测得的压力,获得首站压力下降的时间和末站压力下降的时间,根据负压波到达首站和末站的时间差计算泄漏点的位置;
其中,D表示油气管网泄漏点距首站的距离,单位m;L表示泄漏点所属油气管段两侧检测站间的管道长度,单位m;v表示负压波的传播速度,单位m/s;t1表示负压波达到首站的时间,单位s;t2表示负压波到达末站时间,单位s;
若当前泄漏的油气管段为汽油和柴油混合输送,则设汽油先输入,柴油后输入;
其中,D表示油气网泄漏点距首站的距离,单位m;L表示泄漏点两侧监控站间管道的长度,单位m;v1表示负压波在汽油中的传播速度,单位m/s;v2表示负压波在柴油中的传播速度,单位m/s;t1表示负压波达到首站的时间,单位s;t2表示负压波到达末站时间,单位s;S为所监控的油气管段的横截面积,V为油品密度值发生变化时刻到当前时刻的时间段内累积流量值,单位m3。
当采用公式(2)计算泄漏点位置时,如果D<V/S,则采用下式来修正泄漏点的位置:
Claims (6)
1.一种基于二型模糊逻辑的油气管网泄漏检测装置,其特征在于:包括数据采集单元、信号滤波板、A/D转换单元、FPGA、电平转换单元和上位机;
所述数据采集单元包括压力传感器、流量传感器、密度传感器、用于采集泵的状态的数字传感器和用于采集阀门开度的数字传感器;
所述信号滤波板包括滤波器、多路开关和信号放大电路;
所述压力传感器、流量传感器和密度传感器安装在油气管网监控站中;
压力传感器的输出端、流量传感器的输出端、密度传感器的输出端、用于采集泵的状态的数字传感器的输出端和用于采集阀门开度的数字传感器的输出端均连接至滤波器的输入端,滤波器的输出端连接多路开关的一端,多路开关的另一端连接信号放大电路的输入端,信号放大电路的输出端连接A/D转换单元的输入端,A/D转换单元的输出端连接FPGA的SPI接口,FPGA的SCI接口连接电平转换单元的输入端,电平转换单元的输出端连接上位机;
所述上位机用于根据接收到的油气管网内的压力、流量、密度、泵的状态以及阀门开度,建立表征检测站监控的油气管段的当前运行状态与检测站的压力、影响该检测站运行状态的各监控站的工况调整关系的模糊规则,通过二型模糊逻辑推理得到二型模糊集,再降型处理得到一型模糊集合,解模糊后得到油气管网当前运行状态的精确输出值,判断当前油气管网的运行状态,并在油气管网处于泄漏状态时对泄漏点进行定位。
2.根据权利要求1所述的基于二型模糊逻辑的油气管网泄漏检测装置,其特征在于:所述FPGA外接有电源电路、时钟电路和复位电路。
3.根据权利要求1所述的基于二型模糊逻辑的油气管网泄漏检测装置,其特征在于:所述数据采集单元用于采集油气管网监控站的压力、流量、密度、泵的状态和阀门开度。
4.根据权利要求1所述的基于二型模糊逻辑的油气管网泄漏检测装置,其特征在于:所述信号滤波板用于对油气管网内的压力、流量、密度泵的状态以及阀门开度信号进行滤波,通过多路开关选通所需信号进行信号放大并传输至A/D转换单元。
5.根据权利要求1所述的基于二型模糊逻辑的油气管网泄漏检测装置,其特征在于:所述FPGA用于控制数据采集单元对油气管网进行数据采集、根据采集的不同数据设置A/D采样频率和将采集到的数据传输至上位机。
6.采用权利要求1所述的基于二型模糊逻辑的油气管网泄漏检测装置进行油气管网泄漏检测的方法,其特征在于:包括如下步骤:
步骤1:采集油气管网中的各监控站的压力、流量、密度及工况信息,工况信息包括泵的状态和阀门开度;
步骤2:对采集到的各监控站的压力、流量、密度及工况信息进行滤波,通过多路开关选通所需信号进行信号放大并传输至A/D转换单元;
步骤3:A/D转换单元对滤波后的监控站的压力、流量、密度及工况信息进行A/D转换后传输至FPGA,FPGA将信息传输至上位机;
步骤4:将各监控站的压力、流量、密度实时存储至上位机的数据库,油气管网的各监控站泵的状态以及阀门开度信号与前一工况的相应信息进行比较,若变化值超过设定的变化阈值,则存储至上位机的数据库,否则,舍弃该信息;
步骤5:油气管网中某监控站的压力发生变化时,该监控站即为当前的检测站,获取影响该检测站运行状态的其他监控站的工况调整信息,根据压力波的传播速度以及该压力发生变化的监控站与影响该检测站运行状态的各监控站之间的距离,得到影响该检测站运行状态的各监控站的工况调整的时刻,在数据库中搜索不超出由该时刻及其误差所确定的时间范围内的其他监控站的工况调整信息;
所述工况调整即前一时刻工况信息与当前时刻工况信息之间的变化;
步骤6:根据数据库中的检测站的压力、影响该检测站运行状态的各监控站的工况调整的历史数据,建立用来表征检测站监控的油气管段的当前运行状态与检测站的压力、影响该检测站运行状态的各监控站的工况调整关系的模糊规则;
步骤6.1:将检测站的压力、影响该检测站运行状态的各监控站的工况调整的历史数据作为输入量,将检测站监控的油气管段的当前运行状态作为输出量;
步骤6.2:对检测站的压力和影响该检测站运行状态的其他监控站的工况调整量进行模糊化,将压力的调整量、泵的状态调整量和阀门开度的调整量分别划分成多个子区间;
步骤6.3:将油气管网的运行状态划分为三个模糊子区间,即正常、泄漏及工况调整;
步骤6.4:采用模糊C均值聚类的方法计算主隶属度函数,求得每一个聚类中心和聚类中心的方差,进而求得对应的次隶属度函数值,得到油气管网相应的模糊规则,其中,次隶属度函数对应的定义域为主隶属度函数;
步骤7:根据步骤6建立的模糊规则进行二型模糊逻辑推理,得到二型模糊集;
步骤7.1:将检测站的压力、影响该检测站运行状态的各监控站的工况调整模糊成一个二型模糊集合;
步骤7.2:运用join运算、meet运算以及扩展t-范数运算进行模糊关系合成和模糊推理合成,得到模糊推理后表征油气管网当前运行状态的二型模糊集;
步骤8:对表征油气管网当前运行状态的二型模糊集进行降型处理,得到一型模糊集合,再利用解模糊方法求得油气管网当前运行状态的精确输出值;
步骤9:根据油气管网当前运行状态的精确输出值判断油气管网当前处于哪种运行状态:正常、泄漏或工况调整;
步骤10:若油气管网当前处于泄漏状态,则对泄漏点进行定位,根据油气管网泄漏处产生的负压波到达泄漏点两侧检测站的时间差计算泄漏点的位置,并给出报警信息,若油气管网当前处于正常状态或工况调整状态,则结束检测;
当油气管网发生泄漏时,泄漏点产生的负压波会以波动的形式向当前泄漏的油气管段上游的首站和下游的末站传播,根据首站和末站中的压力传感器测得的压力曲线,获得首站和末站压力下降的时间,根据负压波到达首站和末站的时间差计算泄漏点的位置,计算公式如下:
其中,D表示油气管网泄漏点距首站的距离,单位m;L表示泄漏点两侧检测站间管道的长度,单位m;v表示负压波的传播速度,单位m/s;t1表示负压波达到首站的时间,单位s;t2表示负压波到达末站时间,单位s;
由于负压波在不同密度的油品中其传输速度存在区别,针对密度不同的油品混输的情况,假设油品1先输入,油品2后输入,重新修正定位距离的公式如下:
其中,D表示油气管网泄漏点距首站的距离,单位m;L表示泄漏点两侧监控站间管道的长度,单位m;v1表示负压波在油品1中的传播速度,单位m/s;v2表示负压波在油品2中的传播速度,单位m/s;t1表示负压波达到首站的时间,单位s;t2表示负压波到达末站时间,单位s;S为所监控的油气管段的横截面积,V为油品密度值发生变化时刻到当前时刻的时间段内累积流量值,单位m3;
当采用公式(2)计算泄漏点位置时,如果D<V/S,则采用下式来修正泄漏点的位置:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310243047.6A CN103335216B (zh) | 2013-06-18 | 2013-06-18 | 一种基于二型模糊逻辑的油气管网泄漏检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310243047.6A CN103335216B (zh) | 2013-06-18 | 2013-06-18 | 一种基于二型模糊逻辑的油气管网泄漏检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103335216A CN103335216A (zh) | 2013-10-02 |
CN103335216B true CN103335216B (zh) | 2015-09-23 |
Family
ID=49243425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310243047.6A Active CN103335216B (zh) | 2013-06-18 | 2013-06-18 | 一种基于二型模糊逻辑的油气管网泄漏检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103335216B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942422B (zh) * | 2014-04-09 | 2017-01-18 | 大连理工大学 | 一种基于粒度计算的冶金企业转炉煤气柜位长期预测方法 |
CN103939749B (zh) * | 2014-04-28 | 2016-08-24 | 东北大学 | 基于大数据的输油管网泄漏智能自适应监控系统及方法 |
CN103994333B (zh) * | 2014-05-09 | 2016-09-28 | 东北大学 | 一种基于二维信息融合的油气管网泄漏检测方法 |
CN103994334B (zh) * | 2014-05-30 | 2016-09-14 | 东北大学 | 基于kpca-rbf曲线拟合的输油管道泄漏流量估计装置及方法 |
CN104197204B (zh) * | 2014-08-28 | 2017-02-01 | 洛阳佳岭科技有限公司 | 一种燃气系统的泄漏检测装置及其检测方法 |
CN105042339B (zh) * | 2015-06-03 | 2017-06-23 | 中国石化销售有限公司华东分公司 | 一种基于无量纲的成品油管道泄漏量估计系统及方法 |
CN106352247B (zh) * | 2016-08-31 | 2018-05-01 | 哈尔滨圣昌科技开发有限公司 | 一种管网监测控制系统及采用该系统实现的监测控制方法 |
CN108980630B (zh) * | 2017-05-31 | 2020-06-05 | 西门子(中国)有限公司 | 管道泄漏检测方法和装置 |
CN107782515B (zh) * | 2017-09-20 | 2019-10-18 | 中冶建设高新工程技术有限责任公司 | 用于检测建筑物排水和通风系统密封缺陷的方法及其系统 |
CN108709092B (zh) * | 2018-05-28 | 2020-09-11 | 山东省科学院激光研究所 | 管道泄漏监测方法、装置及系统 |
CN109325681A (zh) * | 2018-09-14 | 2019-02-12 | 长沙理工大学 | 一种多项目风险的二型模糊综合评估方法 |
CN110469767A (zh) * | 2019-08-20 | 2019-11-19 | 遂宁市迪电工控设备有限公司 | 基于智能检测与控制的cng加气机计量超差控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829925A (zh) * | 2012-08-09 | 2012-12-19 | 华北电力大学 | 平面八元阵列电站锅炉承压管泄漏定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11118670A (ja) * | 1997-10-13 | 1999-04-30 | Toyo Commun Equip Co Ltd | 光学系のぼけ特性測定装置および方法 |
-
2013
- 2013-06-18 CN CN201310243047.6A patent/CN103335216B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829925A (zh) * | 2012-08-09 | 2012-12-19 | 华北电力大学 | 平面八元阵列电站锅炉承压管泄漏定位方法 |
Non-Patent Citations (2)
Title |
---|
基于模糊分类的流体管道泄漏故障智能检测方法研究;刘金海等;《仪器仪表学报》;20110131;第32卷(第1期);第26-32页 * |
基于模糊最小-最大神经网络的输油管道泄漏故障诊断方法;刘金海等;《南京航空航天大学学报》;20110731;第43卷;第199-202页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103335216A (zh) | 2013-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103335216B (zh) | 一种基于二型模糊逻辑的油气管网泄漏检测装置及方法 | |
CN105042339B (zh) | 一种基于无量纲的成品油管道泄漏量估计系统及方法 | |
CN100451442C (zh) | 基于混沌分析和微处理器的管道微泄漏诊断方法与装置 | |
CN103491651B (zh) | 一种基于二叉树模型的异常/故障定位检测方法 | |
CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN104061445B (zh) | 一种基于神经网络的管道泄漏检测方法 | |
CN101976842B (zh) | 基于电气分区的关键断面自动获取方法 | |
CN201502870U (zh) | 基于gprs的输油管道泄漏检测与定位装置 | |
CN107420743A (zh) | 一种智能城市燃气pe管网测控系统及测控方法 | |
CN106600074A (zh) | 基于dfhsmm的非侵入式电力负荷监测方法及系统 | |
CN103939749A (zh) | 基于大数据的输油管网泄漏智能自适应监控系统及方法 | |
CN103530818B (zh) | 一种基于brb系统的供水管网建模方法 | |
CN103994333B (zh) | 一种基于二维信息融合的油气管网泄漏检测方法 | |
CN102242872B (zh) | 基于广义模糊双曲正切模型的输油管网泄漏检测方法 | |
Lin et al. | Intelligent pipeline leak detection and analysis system | |
CN111706785A (zh) | 一种天然气枝状管网泄漏管段识别方法 | |
CN105547717A (zh) | 基于贝叶斯网络的柴油机润滑系统故障诊断方法 | |
CN114723595A (zh) | 一种基于水联网平台的排水系统综合管理平台 | |
CN113739082B (zh) | 一种基于多区域联合评估的供水管网漏损监测方法 | |
Fagiani et al. | Computational Intelligence in Smart water and gas grids: An up-to-date overview | |
CN206832418U (zh) | 一种tpp油气管路泄露检测系统 | |
Wang et al. | Deeppipe: An intelligent monitoring framework for operating condition of multi-product pipelines | |
Hu et al. | Adaptive Dynamic Programming-Based Method for Signal Evaluation of Energy Transportation System | |
Huang et al. | A Nitrogen Oxides Emission Prediction Model for Gas Turbines Based on Interpretable Multilayer Perceptron Neural Networks | |
Yan et al. | Leakage diagnosis of water supply network by SVM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |