CN104736987A - 使用水平分析在人口稠密地区中进行气体泄漏检测和定位的方法 - Google Patents

Abstract

提供了来自移动平台的改进的气体泄漏检测。可执行自动水平空间尺度分析，以将被测气体的泄漏与背景水平区分开。通过使用同位素比和/或化学示踪器来将被测气体的泄漏与其它源区分开，可提供源标识。与多点测量结果的空间分析相组合的多点测量可提供泄漏源距离估计。可单独地或以任何组合来实施这些方法。

Description

使用水平分析在人口稠密地区中进行气体泄漏检测和定位的方法

发明领域

本发明涉及气体泄漏检测。

背景技术

气体泄漏检测是重要的实际问题。在许多情况下，需要在大区域上迅速地搜索气体泄漏。已经考虑过的用于此类应用的一种方法是在移动的车辆上安装气体泄漏检测仪器，例如在US 3,107,517、US 3,444,721和US4,164,138中已考虑的那样。然而，用于移动气体泄漏检测的常规方法存在严重不足。典型地，这些不足包括以下的一项或多项：1)难以将泄漏与背景进行区分；2)难以将被测气体的泄漏与其它可能的来源进行区分；以及3)缺乏至泄漏源的估计距离。

因此，克服这些困难将会是本领域的进步。

发明内容

本方法以如下方式减轻了这些困难。可执行自动水平空间尺度分析以将被测气体的泄漏与背景水平区分开。通过使用同位素比和/或化学示踪剂来将被测气体的气体泄漏与其它来源区分开，可提供源标识。多点测量与多点测量结果的空间分析的结合可提供泄漏源距离估计。可以单独地或以任何组合来实施这些方法。

附图说明

图1a-b示意性地示出根据本发明的诸个实施例的水平分析。

图2示意性地示出适用于本发明的诸个实施例的示例性光学吸收仪器。

图3a-b示出来自本发明的实施例同位素分析结果。

图4示出适合关于同位素比测量而使用的气体处理方法。

图5a-c示意性地示出根据本发明的诸个实施例的多点测量。

图6a-c示意性地示出适用于多点测量的一些气体处理方法。

图7示出关于本发明的诸个实施例的示例性用户界面显示。

具体实施方式

将气体泄漏定义为在环境中存在高于背景浓度的气体的任何情形是方便的。所定义的气体泄漏包括但不限于：来自气体管道或输送系统的泄漏(例如天然气泄漏)、来自气体处理或操作设施的泄漏、以及从气体源向环境中的排放(例如污染、来自垃圾填埋地的气体排放、等等)。

气体烟羽模型是将气体浓度与空间中的位置相关联的任何数学模型。

A)水平分析

A1)原理

图1a-b示出根据本发明的诸个实施例的水平空间尺度分析的示例。移动平台102沿着至少一个平台轨道106前进。平台102可以是任何车辆，诸如小汽车、卡车、厢型车或自行车。平台102还可以是能够运输气体测量仪器的任何其它移动实体，诸如人、驮畜等等。平台轨道106设置在一个或多个可能的气体泄漏位置(例如108a、108b)附近。为简单起见，平台轨道被示为单个直线段，但实际上平台轨道可以是曲线和直线段的任何组合。在本示例中，位置108a处的泄漏排放气体烟羽110，该气体烟羽与平台轨道106相交。气体测量仪器104设置在该平台上。本发明的实施并非必须依赖于仪器104的气体入口的诸个细节。一种实现是将该入口放置于平台的前方并按实际情况尽量接近地平面，其中该入口具有横跨平台宽度的一个或多个分立的入口端口(或散布型入口)。利用仪器104执行一个或多个主要气体浓度测量。

典型地，将这些主要气体浓度测量原始地记录为相对于时间的浓度。将相对于时间的平台位置数据(例如利用全球定位系统(GPS))与相对于时间的浓度数据组合，以提供图1b上示意性示出的相对于位置的浓度数据。在此示出了峰112和背景水平114。

相对于位置的浓度数据的可获得性使自动水平空间尺度分析得以实现，自动水平空间尺度分析可用于将气体泄漏与背景气体水平区分开。一般地，水平空间尺度分析包括利用相对于平台位置的浓度数据进行气体泄漏检测的任何分析方法。以下给出详细示例。应注意，简单的阈值操作(即，如果测得浓度大于X则报告泄漏，且如果测得浓度小于X则不报告泄漏，其中X是一些预定的阈值)不是水平空间尺度分析的示例，因为它没有利用相对于位置的浓度数据。可将自动水平空间尺度分析的诸个结果报告给最终用户。以下描述此类报告的各种方法。一种可能是提供是否存在泄漏的二选一的是/否指示。

水平空间尺度分析依赖于如下事实：当平台移动时，由于排放烟羽的较大空间范围，附近点的来源随着变化的位置迅速变化，而远处的来源缓慢地变化。换言之，所产生的浓度中的仅仅几米宽的狭窄尖峰非常接近平台。在泄漏标识过程中，该狭窄空间范围被用于偏置附近的来源。存在用于执行水平空间尺度分析的若干可能的算法，包括但不限于：

寻峰和宽度分析——可利用标准峰定位方法来分析该数据，然后可接着(利用线性或非线性优化)拟合每个标识出的峰以查明中心和宽度。用于该拟合步骤的函数形式可以是高斯脉冲(高斯函数是由穿过大气传播的烟羽呈现的预期函数形式)，或高斯函数与系统响应的卷积(典型地是与指数尾部进行卷积的窄高斯函数)。

空间峰小波分析——该算法使用特殊模型基函数(与整个点－源系统响应函数的离散二阶导数相关)，该函数通过其宽度或空间范围来参数化。将该基函数集合与测量数据进行卷积。输出小波分析既给出水平位置又给出有效宽度，水平位置和有效宽度可经由气体烟羽模型与从测量到排放源的距离相关联。优选地，自动水平空间尺度分析响应于从约1m到约50m的检测范围中的气体浓度峰半宽，并且基本不响应于该检测范围之外的气体浓度峰半宽。该空间选择性有助于将气体泄漏与背景气体浓度的变化区分开。例如，气体背景浓度可以显著变化(例如相差2倍或更多倍)，但该变化倾向于在比上述检测范围大许多的空间长度尺度上出现。还应注意，背景浓度中的这种大变化严重干扰用于寻找气体泄漏的简单阈值操作。

优选地，主气体浓度测量被迅速地执行(例如以0.2Hz或更高的速率，更优选以1Hz或更高的速率)。这可实现如下概念：以正常的地面道路速度(例如每小时35英里)驾驶车载平台，同时积累有用的相对于位置的浓度数据。如果气体浓度测量太慢，则将不尽人意地降低该数据的空间分辨率。优选地，至少与主气体浓度测量一样迅速地执行平台位置测量。

主浓度测量的其它重要属性包括：

1)对于该方法所针对的所有泄漏，主气体测量分析物应当存在显著量。

2)进行这些测量的环境(例如市区)中的该分析物的典型背景水平应当充分低，使得来自目标泄漏的浓度改变能与10-300米处的局部背景信号清楚地区分开。

3)对于天然气，甲烷是最富含的组分，但对于主浓度测量而言，其它碳氢化合物或其它品类(硫化氢或其它着嗅剂)是可行的分析物。

本发明不是必须依赖于所采用的气体检测技术。可将任何能够提供迅速跟踪气体浓度测量的气体检测方法用于主气体浓度测量。图2上示意性地示出了一种合适的气体检测方法。在此，主气体浓度测量是在移动平台中的仪器中设置的光学谐振腔中进行的光吸收测量。更具体地，图2示出了能够保持气体样本以供分析的吸收池202。吸收池202包括由镜204、206和208限定的光学腔。该示例示出环形腔，该腔具有单向腔模208,该单向腔模208围绕该腔顺时钟传播。可采用任何其它的谐振腔几何结构。通过将输出光212与输入光210作比较，可测量腔吸收。替代地，通过测量从该腔排放的光辐射的衰减率(即腔衰荡光谱(CRDS))，可测量腔吸收。

可将水平空间尺度分析与示踪剂(同位素比示踪器和/或化学示踪器)的使用相组合，以提供泄漏源标识。在以下章节B中提供关于示踪剂的进一步细节。

如以下章节C中所描述，还可将水平空间尺度分析与多点测量和分析相组合。所得的自动横向空间尺度分析可提供至泄漏源的距离估计。

虽然在平台正在移动的时候执行主气体浓度测量，但也可在该平台静止的时候执行附加的浓度测量。这样的静止气体浓度测量可用于检查背景气体浓度。

虽然实时测量是优选的，但更稀疏采样的数据(例如经由真空瓶采样和经由气相色谱法或其它方法的稍后分析)也是用于正确地标识来自其它背景源的目标排放的可行方法。

可选地，该系统可包括大气气象信息(特别是风向，但也可以是风速或大气稳定性类别)的来源，该来源可位于平台之上或在附近的静止位置处。“附近”的含义是足够近，使得平台位置处的大气状况与静止测量有良好的相关性。

可选地，该系统可包括机载的视频摄像头和记录系统，视频摄像头和记录系统可用于基于与浓度数据一起手机的本地图像来排除潜在的源。例如，如果天然气驱动的车辆在测量期间经过附近，则可忽略测得的排放尖峰。

平台轨道应当尽可能接近潜在的源。随着至排放源的距离减小：1)主浓度信号将升高，从而允许更有置信度的源标识和/或更敏感的泄漏检测；2)减弱了风对于隐藏信号或使测得位置相对于泄漏位置移动的影响；以及3)源自泄漏的浓度信号的空间范围变得更窄，使得更容易与背景信号和来自其它更远处(或扩展的)来源的烟羽进行区分，背景信号和来自其它更远处(或扩展的)来源的烟羽具有更缓慢变化的信号。

可选地，可进行单个位置的重复测量以提供潜在泄漏的进一步确认(或排除)。

可选地，可在道路的不同侧或不同车道中进行测量，以提供泄漏源的更精确定位。

可选地，可结合诸如视觉检查和/或利用手持计量仪的测量之类的其它常规方法来使用本方法，以检测排放的组分以进一步提炼结果。

可选地，可按照降低的速度、或停泊在该来源处或附近来进行测量，从而提供关于位置和/或源属性的附加信息。

A2)示例

本章节给出关于甲烷气体泄漏检测的水平空间尺度分析的具体示例。

最初，测量因变于时间的甲烷浓度。将其与GPS接收器的输出相组合，以获得因变于至某些初始点的距离的甲烷浓度。可使用内插以在规则间距的收集点上采样数据。

甲烷的浓度典型地随着位置而平滑地变化，多数情况下等于百万分之1.8的全球背景水平，伴随着来自诸如垃圾填埋地和沼泽之类的大而相对远的来源的增强。这些增强可将背景水平提高若干个百万分点。相比之下，典型的天然气泄漏产生在空间范围上非常窄的甲烷烟羽。虽然它随着大气稳定性状况而变化，但它直到烟羽已经传播超过100m才会变化，并且它的半宽的尺寸是20m量级。

因此，通过测得甲烷浓度的空间分布来检测气体泄漏的问题涉及以下：

1)对可归因于背景变化的大尺度结构应当不敏感。

2)检测高于背景的甲烷浓度中的局部增强，该局部增强由具有1m至20m的大约范围内的半宽的诸个峰组成。

3)排除由于仪器缺陷引起的测量中的噪声。

该示例性方法的基本思路是，对于由参数w指定的各种尺度(在此，w具有长度平方的尺寸)，将作为距离的函数的输入浓度f(x)与高斯核函数进行卷积。如果我们将L(x,w)定义为f(x)和g(x,w)的卷积，则标准化的二阶导数对于f中的具有与成比例的空间范围的结构是敏感的。例如，如果f(x)是具有半宽σ的高斯峰，即 $f\left(x\right)=\exp ({-x}^2/{2\mathrm{\σ}}^2)/(\mathrm{\σ}/\sqrt{2\mathrm{\π}}),$ 则我们发现

$-w\left(\frac{{\∂}^{2}L}{{\∂x}^2}\right)=\frac{w}{\sqrt{2\mathrm{\π}}}\left[\frac{w+{\mathrm{\σ}}^2-x^2}{{(w+{\mathrm{\σ}}^2)}^{5/2}}\right]\exp [-\frac{x^2}{2(w+{\mathrm{\σ}}^2)}]---\left(2\right)$

其在x＝0和w＝2σ²时具有极大值。该极大值的数值是f中的原始峰的幅值的0.385倍。远离该峰，其平滑地下降至零。

该算法的基础是计算表面并检查x和w的局部极大值的结果。对于每个极大值将相应的峰的位置x₀和半宽w₀报告为和并且将峰幅值从极大值处的表面的值按比例缩放。仅考虑与典型的1m至20m的峰半宽的范围相对应的w的范围，该范围对应于泄漏检测中可见的烟羽尺寸。

若干数学属性允许对上述空间尺度表面的更方便的计算。由于高斯核函数满足将该表面计算为和输入函数f(x)的卷积是有可能的。实际上使用w的地理上隔开的有限数量的值，即w∈{w₁,w₂,...,w_n}，其中对于一些λ>1，w_i＝λ^(i-1)w₁。也可通过有限差来逼近g相对于w的偏导数，并可将卷积计算为离散求和。

以流水线方式组织空间尺度表面的计算是可能的，从而使用f(x)的一连串样本作为输入。可缓慢地对卷积求值，使得在任何阶段，仅按照需要产生该表面的足够的样本，以确定该表面上的点是否是局部极大值。一旦已经进行该确定，就丢弃不再需要的样本，从而整个计算可在有限的存储器量中接近实时地执行。

在已获得候选峰的位置、幅值和宽度的情况下，可应用附加的过滤步骤，该步骤选择高于某个阈值(或在某个范围内)的诸个幅值。如以下章节D中更详细描述地，可利用诸个图标将余下的峰显示为泄漏指示，这些图标的尺寸指示峰的幅值，并且这些图标在地图上的位置指示定位该峰的路径。

B)示踪剂

我们已经发现可利用同位素比测量来执行源标识。例如，根据甲烷的来源，甲烷同位素比(CH₄中相对于维也纳标准平均海水(Vienna standardmean ocean water，VSMOW)的δD(‰)和CH₄中相对于维也纳Pee Dee箭石(Vienna Pee Dee Belemnite，VPDB)的δ¹³C(‰))落在诸个特征范围之内。对于近表面微生物气体(例如沼泽气体、垃圾填埋地气体)，这些范围是大约-350<δD<-260和-63<δ¹³C<-40。对于表面之下的微生物气体(例如深海沉积物和漂移气体)，这些范围是大约-250<δD<-170和-90<δ¹³C<-60。对于热成因气体(例如天然气和煤层气体)，这些范围是大约-250<δD<-100和-57<δ¹³C<-28。由于这些范围基本上不重叠，所以同位素比测量能用于提供甲烷的源标识。可以预期到:同位素比源标识一般可应用于任何气体的泄漏测量。

因此，根据本发明的该方面的方法开始于如上所述的从移动平台的主气体浓度测量(可执行或省略来自上述方法的水平空间尺度分析)。也可从移动平台执行来自移动平台的一个或多个辅助的同位素比测量。辅助的同位素比测量用于提供源标识，而主气体浓度测量用于确定气体泄漏的存在/不存在。可将这些结果提供给最终用户。

可选地，除同位素比分析之外，还可执行化学示踪剂分析以用于源标识。例如，与同位素比源标识相组合，用硫醇标记的天然气可使用硫醇作为化学示踪剂以与天然气的其它源进行区分。

示踪剂测量(例如化学和/或同位素比)的重要属性如下：

1)对于目标测量区域之内的所有可能的泄漏，示踪剂应当以相对于主要组分的已知恒定比率存在于排放气体中。该比例表示目标源的“签名”。

2)目标排放源的比率签名应当与目标测量区域中可见的主组分的其它常见来源不同且可区分开。

3)目标排放源的比率签名还应当与环境背景的比率签名不同。

例如，对于以甲烷作为主浓度测量的情况，市区环境中的甲烷的其它常见来源是排水系统、垃圾填埋地、石化处理工厂或其它工业活动。可用于甲烷的示踪剂的示例是甲烷样本中的碳的稳定的同位素比(¹³C/¹²C)。天然气是甲烷的岩石成因源的示例，其具有与例如从排水系统、雨水沟或垃圾填埋地排放的生物成因的气体所不同的稳定的同位素比。

其它候选示踪剂品类包括但不限于:天然气中的氢稳定同位素比²H/¹H、硫化氢或其它着嗅剂、或乙烷、丙烷或其它烃类。

可选地，多个示踪剂给出附加的维度，从而允许将主组分的目标源与其它源进行区分的更有效方法。

可采用用于执行同位素比分析的任何方法。一种优选的方法是根据同位素比相对于浓度倒数的线性拟合(称为基林图(keeling plot))的y截距来执行源标识。图3a-b示出这样的图的示例。图3a的示例示出泄漏检测的典型信号(y截距与背景水平不同)。图3b的示例示出典型的背景信号(y截距与背景水平相同)。

基林图分析的基本原理如下。对于单个示踪剂，该比率将从环境空气中的背景值变化至接近但不达到纯排放中呈现的比率，这是因为所观测到的比率是由背景气体和排放的混合物而产生。通过将示踪剂比率绘制为所观测到的主浓度的倒数的函数，称为基林图(由Charles Keeling为了分析大气二氧化碳中存在的碳13而开发)的该分析可用于清楚地标识背景和源。该曲线的截距是排放源的示踪剂比率。如果该值能与其它可能的源区分开，则可进行毫无疑问的源确定。在该实例中，“区分开”的意思是根据该曲线图确定的截距不会以统计上显著的方式与预期源签名所不同。对于多个示踪剂，可将基林方法扩展至多个示踪剂比率。

当能够实时地进行示踪剂测量时，基林方法得以最好地被应用。对于数据点的数量更有限的瓶类型测量，仍可将基林方法应用于源确定，只要注意收集峰处或峰附近以及附近的基线上的瓶样本，其中浓度水平已经返回至环境水平但并未离太远，从而主浓度的其它源或示踪剂正在影响结果。

替代地，可采用J.B.Miller和P.P.Tans(Tellus,55B,207-214，通过引用整体结合于此)的方法，其中将示踪剂浓度绘制为主浓度的函数，并对这些数据执行线性回归。最佳拟合的直线的斜率用于估计气体泄漏的示踪剂比率。该方法的优点在于，示踪剂浓度的不确定性通常不会随着主浓度而变化，从而允许使用更简单的未甲醛的线性回归算法。

在一些情况下，可结合辅助同位素比测量来采用气体处理系统。例如，气体处理系统可用于获取一个或多个样本，并将获取的样本提供给离线的同位素比测量仪器。在此，“离线”表明同位素比测量典型地比上述的主气体浓度测量要慢许多。因此，同位素比测量相对于主浓度测量的时间尺度而言是离线的。然而，同位素比测量仪器优选地设置在移动平台之上。可随行地分析所获取的同位素比样本。图4示出示例。在此，气体处理系统406在腔室404中存储在入口402处获得的样本，并且能够将腔室404的内容提供给仪器104(在此，仪器104是同位素比仪器)。

可采用用于执行辅助同位素比测量的任何方法。如果也测量化学示踪剂，则可采用用于这种示踪剂测量的任何方法。优选地，采用如上所述的光吸收光谱法。作为如上所述的主气体浓度测量的附加，可使用静止测量。

如以下章节C中所描述，可将辅助同位素比测量与多点测量和分析相组合。所得的自动横向空间尺度分析可提供至泄漏源的距离估计。

C)用于距离估计的多点测量

我们已经发现多点测量能用于提供至泄漏源的距离的估计。在此，多点测量是来自移动平台上的横向彼此分开的两个或更多个点的任何测量。图5a-c示出横向分开的示例。令z为平台行进的方向，y为垂直方向且x垂直于y和z。图5a示出横向分开的测量点502和504，其中该分开完全处于x方向中。图5b示出横向分开的测量点502和504，其中该分开部分处于x方向中且部分处于z方向中。图5b上的点502和504是横向分开的，因为在x方向上存在非零的间距。图5c示出横向分开的测量点502和504，其中该分开完全处于y方向中。在此，测量点被设置于桅杆506之上。

因此，根据本发明的该方面的方法开始于如上所述的来自移动平台的主气体浓度测量(可执行或省略来自上述方法的水平空间尺度分析)。可使用多点测量来提供距离估计。更具体地，估计平台测量位置与泄漏源位置之间的距离，其中平台测量位置是执行相关测量时的平台位置。使用多点测量的自动空间尺度分析来提供该距离估计。可按照各种方式将包括距离估计的结果提供给最终用户。优选地，将测量点垂直地彼此分开(例如，如同图5c中的示例)。空间尺度分析可包括提供气体泄漏烟羽模型，并逆转此模型以根据所测得的浓度梯度来确定源距离。注意，可根据本文中考虑的多点测量来确定该测得浓度梯度。可在气体烟羽模型中包括实时大气数据。

可关于多点测量来采用各种气体处理方法。基础要求是获得同时或接近同时(即，优选在约5秒之内，更优选在约1秒之内)的测量。图6a-c示出多种两点测量的示例。可将所有这些方法扩展至任何数量的横向分开的诸个点处的测量。图6a的示例示出具有分开的入口502和504的两个仪器104a和104b。这可清楚地提供同时测量，但具有由于重复测量仪器而增加成本的缺点。图6b的示例示出了经由开关602连接至入口502和504的单个仪器104。如果该开关和仪器足够快，则该方法可在入口处提供接近同时的测量。图6c的示例示出具有分开的入口502和504的气体处理系统604，该系统能够将同时或接近同时获取的样本按顺序提供给单个仪器。例如，可将入口502和504处获取的样本分别存储在腔室606和608中，并按顺序提供给仪器104。腔室606和腔室608的分析之间的时间差不重要。

优选地，利用如上所述的光吸收光谱法来执行主气体浓度测量。也可采用如上所述的静止气体浓度测量。

C2)多点示例

我们考虑将烟羽的多个垂直测量用于量化从测量到迎风源位置的距离的以下示例。由Gifford于1959年开发的用于烟羽的一种良好有效的物理模型是将烟羽建模为风向的横截面的空间尺寸中的高斯分布,即:(对于地平面源而言)

$C(x,y,z)=\frac{Q}{\mathrm{\&pi;V}{\mathrm{\&sigma;}}_y{\mathrm{\&sigma;}}_z}\exp (y^2/{2\mathrm{\&sigma;}}_y^2-z^2/{2\mathrm{\&sigma;}}_z^2)---\left(3\right)$

如所预期的，该高斯分布的尺寸随着不断增加的距离而水平地和垂直地(即分别是σ_y和σ_z)增加，并且可根据风速、太阳辐射、地面反照率、湿度以及地形和障碍物的测量来估计高斯分布的尺寸所增加的量，所有这些因素均影响大气的湍流混合。然而，如果想要在距离估计中容纳一定的更高不确定性，则可仅根据风速、时间以及云量来估计大气的湍流混合，所有这些因素都是可在平台上或从公共天气数据库实时获得的参数。利用这些可用的数据，可估计高斯宽度参数的估计值(例如通过使用Pasquill-Gifford-Turner湍流输入方案或该方案的经修改版本)。例如，对于σ_y和σ_z的一种可能的函数形式是其中a和b是拟合参数并且x是沿着烟羽轴的距离。可对于y和z方向执行分别的拟合，或者可将同一拟合用于这两个方向。

多点垂直测量可用于估计垂直高斯宽度。也可根据水平空间尺度分析来估计水平宽度，但垂直分析具有烟羽的垂直范围不会像水平尺寸那样因平台或其它附近平台的移动而严重失真的优点，其中烟羽会因为平台的移动而被水平地带走。

给定垂直高斯宽度的估计，可使用可用的查找表来确定在宽度以及关于大气的湍流混合的可用信息被给定的情况下至源的距离。不论在什么情况下，即使没有任何大气测量，也可确定粗糙的距离估计(诸如在路上、路附近或远处)，该距离估计将向搜索排放源的检查者提供有价值的附加信息。

可执行其它形式的多点分析，作为使用烟羽模型的替代方案。例如，对于路上的来源，在路面处或附近(例如在25cm之内)的接近排放源的测量点将看到与2-3米桅杆上的测量点所显著不同的浓度。在该情况下，高斯烟羽模型无效，并且诸如(Δ峰高度)/(平均峰高度)>t(其中阈值t是0.5量级)之类的阈值分析可毫无疑问地将此类源标识为本地(例如在路上)。

D)用户界面

图7示出与本发明的实施例有关的示例性用户界面。在此，地图显示302具有叠加在其上的泄漏图(例如704、708、710)。这些泄漏图包括示出检测到的泄漏的位置(即测量到相应的泄漏浓度的诸个平台位置)的指示器(例如706)。可根据诸如峰幅值(即峰浓度超出本地背景的量)、峰浓度或峰的测得空间宽度之类的量来缩放附图尺寸。可在泄漏图内部显示数值参数(诸如一些定义区域内的泄漏的幅值、浓度、宽度或严重性分级等等)。如果执行同位素比测量，则可将他们也示出在显示上(例如712)。泄漏图可具有任何形状。泄漏图上的指示器可具有任何形状。

Claims (18)

1.一种气体泄漏检测和定位的方法，所述方法包括：

从移动平台执行一个或多个主气体浓度测量，所述移动平台沿设置在一个或多个潜在的气体泄漏位置附近的至少一个平台轨道行进；

对所述主气体浓度测量执行自动水平空间尺度分析；

基于所述自动水平空间尺度分析，自动确定所述潜在的气体泄漏位置中的一个或多个处是否存在气体泄漏；以及

将所述潜在的气体泄漏位置处的泄漏指示提供给最终用户。

2.如权利要求1所述的方法，其特征在于，所述自动水平空间尺度分析响应于从约1m到约50m的检测范围中的气体浓度峰半宽，并且基本不响应于所述检测范围之外的气体浓度峰半宽。

3.如权利要求2所述的方法，其特征在于，f(x)是作为位置x的函数的测得气体浓度，g(x,w)是具有空间尺度参数w的核函数，L(x,w)是f(x)和g(x,w)的卷积，并且通过定位相对于x和w的一个或多个局部极大值来标识候选气体浓度峰。

4.如权利要求3所述的方法，其特征在于，仅在对应于所述检测范围的w范围上计算F(x,w)。

5.如权利要求3所述的方法，其特征在于，通过将局部极大值处的F(x,w)的值与预定阈值作比较来获得所述泄漏指示。

6.如权利要求3所述的方法，其特征在于，所述核g(x,w)是高斯函数。

7.如权利要求6所述的方法，其特征在于，F(x,w)的局部极大值具有坐标和并且相应的峰位置和宽度估计x₀和w₀分别由和给出。

8.如权利要求1所述的方法，其特征在于，在0.2Hz或更高的速率下执行所述主气体浓度测量，并且所述方法进一步包括：

以0.2Hz或更高的速率测量所述移动平台的位置，以提供测得平台位置；以及

将所述测得平台位置与所述主气体浓度测量组合，以提供相对于位置的气体浓度数据，以用于所述自动水平空间尺度分析。

9.如权利要求1所述的方法，其特征在于，所述主气体浓度测量是在所述移动平台中的仪器中设置的光学谐振腔中进行的光吸收测量。

10.如权利要求1所述的方法，其特征在于，进一步包括：

当所述移动平台沿着所述至少一个平台轨道行进时，从所述移动平台执行一个或多个辅助示踪剂测量；

其中自动确定所述潜在的气体泄漏位置中的一个或多个处是否存在气体泄漏的步骤还基于所述辅助示踪剂测量。

11.如权利要求10所述的方法，其特征在于，所述一个或多个辅助示踪剂测量能够区分由所述主气体浓度测量测得的所述气体的不同源。

12.如权利要求11所述的方法，其特征在于，所述一个或多个辅助示踪剂测量包括同位素比测量。

13.如权利要求1所述的方法，其特征在于，还包括：

当所述移动平台沿着所述至少一个平台轨道行进时，在所述移动平台上的两个或更多个横向分开的位置处执行一个或多个所述主气体浓度测量；

对所述主气体浓度测量执行自动横向空间尺度分析；

其中自动确定所述潜在的气体泄漏位置处是否存在气体泄漏的步骤还基于所述自动横向空间尺度分析。

14.如权利要求1所述的方法，其特征在于，还包括，当所述平台静止时执行一个或多个静止气体浓度测量。

15.如权利要求1所述的方法，其特征在于，所述泄漏指示是关于是否存在泄漏的二选一的是/否指示。

16.如权利要求1所述的方法，其特征在于，还包括提供示出地图的显示，泄漏图叠加在所述地图上以示出检测到的泄漏，其中所述泄漏图包括示出检测到的泄漏的位置的指示器，并且利用所述测得浓度与本地背景水平之间的差对所述泄漏图的尺寸进行缩放。

17.如权利要求1所述的方法，其特征在于，还包括提供示出地图的显示，泄漏图叠加在所述地图上以示出检测到的泄漏，其中所述泄漏图包括示出检测到的泄漏的位置的指示器，并且利用所述测得浓度对所述泄漏图的尺寸进行缩放。

18.如权利要求1所述的方法，其特征在于，还包括提供示出地图的显示，泄漏图叠加在所述地图上以示出检测到的泄漏，其中利用测得的泄漏空间宽度对所述泄漏图的尺寸进行缩放。