CN110503254A - 一种基于马尔科夫链的非金属管道泄漏预警方法 - Google Patents
一种基于马尔科夫链的非金属管道泄漏预警方法 Download PDFInfo
- Publication number
- CN110503254A CN110503254A CN201910742453.4A CN201910742453A CN110503254A CN 110503254 A CN110503254 A CN 110503254A CN 201910742453 A CN201910742453 A CN 201910742453A CN 110503254 A CN110503254 A CN 110503254A
- Authority
- CN
- China
- Prior art keywords
- state
- change rate
- flow change
- pipeline
- flow
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 229910052755 nonmetal Inorganic materials 0.000 title claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 105
- 230000007704 transition Effects 0.000 claims abstract description 57
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000002427 irreversible effect Effects 0.000 claims abstract description 4
- 230000035772 mutation Effects 0.000 claims abstract description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 13
- 230000014509 gene expression Effects 0.000 claims description 9
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 claims description 2
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供一种基于马尔科夫链的非金属管道泄漏预警方法,属于管道设备技术领域。首先将非金属管道的运行状态分为正常运行状态和泄漏状态,设定管道的泄漏为突变过程,泄漏状态的变化为渐变构成,管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态,且管道的泄漏不可逆,实时获取管道变化的转移概率矩阵,并预测管道流量变化的趋势发展,通过比较预测管道流量变化与实际管道流量变化,可判别管道的泄漏情况。本方法可实时进行管道流量变化的监控,通过预测比较的方法,减少误报率,同时也可以判断管道泄漏的发展状态,使其能及时发现管道泄漏,减少泄漏损失。
Description
技术领域
本发明涉及管道泄漏技术领域,特别是涉及一种基于马尔科夫链的非金属管道泄漏预警方法。
背景技术
近年来由于非金属管道(以下称管道)其特有的耐腐蚀、耐高温、摩阻低、耐磨损等特点,逐渐取代金属管道,成为管道运输的主要管材。但非金属管道同样也会因为第三方破坏、使用寿命过长发生接口破损、管道断裂等故障,以致造成管道泄漏,而由于非金属管道与金属管道在材质上的本质区别,许多用于金属管道泄漏检测的方法对非金属管道不再适用,因此,有必要研究一种不同于金属管道泄漏监测的方法来对非金属管道进行实时监测。
马尔可夫链是设备可靠性分析中常用的有力工具,该原理可利用已有的状态过程来预测未来的状态转移趋势,进而来判断设备的未来发展情况。目前已有学者利用马尔可夫链建立模型来进行金属管道的腐蚀分析(可参见文献:王如君,王天瑜.灰色-马尔科夫链模型在埋地油气管道腐蚀预测中的应用[J].中国安全生产科学技术,2015,11(4):102-106.),该文献建立了油气管道的埋地腐蚀预测模型,但对于管道受到的瞬时破坏或其他原因造成管道泄漏并不能实时进行管道泄漏分析,笔者将基于马尔科夫理论,结合非金属管道泄漏的特点,利用非金属管道流量参数的马尔科夫性质,根据流量变化的特征对非金属管道的实时状态进行监控,并及时判断非金属管道的正常运行或泄漏状态,实现基于马尔科夫链的对非金属管道进行泄漏预警的效果。
发明内容
本发明的目的是提出能应用于非金属管道泄漏预警的方法,且设定非金属管道发生泄漏为一种随机变化过程,而马尔可夫链可仅根据此时间点的状态来预测随机过程中下一时间点状态,因此,提出一种基于马尔科夫链的非金属管道泄漏预警方法。
本发明解决其技术问题所要采用的技术方案是:一种基于马尔科夫链的非金属管道泄漏预警方法,其预警方法包括以下步骤:
步骤1,利用安装在管线上的流量传感器收集第一组X个流量变化率q1,q2,q3,q4,q5…qx,其中qi为流量的变化率=ΔQn/Qn×100%,qi(i=1,2,3,4,5…X)中,i为采集到的X个流量变化率的排序,ΔQn为传感器传输数据的时间点Tn的流量与时间点Tn-1的流量的变化量,Qn为时间段T内的实时流量,Tn为流量计收集传输流量数据的时间,n=1,2,3,4,5…,然后设置四个变化状态,分别为第一状态:qi的值为0,表示管道为非泄漏状态;第二状态:qi的值为0-1(%),表示管道为小型泄漏状态;第三状态:qi的值为1-3(%),表示管道为泄漏扩大状态;第四状态:qi的值为3-100(%),表示管道为大泄漏状态。
设定条件:管道的泄漏为突变过程,泄漏状态的变化为渐变构成,管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态中某一程度的泄露,且管道的泄漏状态不可逆,但是泄漏程度可逆,根据以上条件,得到管道泄漏的邻接矩阵A为:
其中,当Aij=1表示第i状态与第j状态之间存在转移关系,当Aij=0表示第i状态与第j状态之间不存在转移关系,(i=1,2,3,4;j=1,2,3,4)。
步骤2,进行第一组流量变化率的状态分类,将各流量变化率分别归为这四个状态分类,以时间为序,按时间顺序统计在X个参数中,相邻两个参数选取的时间间隔,流量变化率的状态转移情况,形成状态转移概率矩阵P中的各个元素;
步骤2.1,得到处于第一状态的流量变化率数量为n1,由第一状态至第一状态转移的数量为n11,由第一状态至第二状态转移的数量为n12,由第一状态至第三状态转移的数量为n13,由第一状态至第四状态转移的数量为n14,统计这n1个流量变化率在下一时刻的状态转移情况:
第一状态至第一状态的转移概率
第一状态至第二状态的转移概率
第一状态至第三状态的转移概率
第一状态至第四状态的转移概率
步骤2.2,得到处于第二状态的流量变化率数量为n2,由第二状态至第二状态转移的数量为n22,由第二状态至第三状态转移的数量为n23,由第二状态至第四状态转移的数量为n24,统计这n2个流量变化率在下一时刻的状态转移情况:
第二状态至第一状态的转移概率p21=0;
第二状态至第二状态的转移概率
第二状态至第三状态的转移概率
第二状态至第四状态的转移概率
步骤2.3,得到处于第三状态的流量变化率数量为n3,由第三状态至第二状态转移的数量为n32,由第三状态至第三状态转移的数量为n33,由第三状态至第四状态转移的数量为n34,统计这n3个流量变化率在下一时刻的状态转移情况:
第三状态至第一状态的转移概率p31=0;
第三状态至第二状态的转移概率
第三状态至第三状态的转移概率
第三状态至第四状态的转移概率
步骤2.4,得到处于第四状态的流量变化率数量为n4,由第四状态至第二状态转移的数量为n42,由第四状态至第三状态转移的数量为n43,由第四状态至第四状态转移的数量为n44,统计这n4个流量变化率在下一时刻的状态转移情况:
第四状态至第一状态的转移概率p41=0;
第四状态至第二状态的转移概率
第四状态至第三状态的转移概率
第四状态至第四状态的转移概率
则该马尔科夫链中的状态转移概率矩阵P为:
且满足:n1+n2+n3+n4=X。
步骤3,按照步骤1的方法收集第二组X个流量变化率,并按照步骤2的方法统计这X个流量变化率在每个变化状态内的数量,将此时实际流量变化率在每个区间的数量编为第一参数向量,设为其中,α1表示第一参数向量,表示在第一参数向量下,X个流量变化率中,在第一状态下的流量变化率的数量;表示在第一参数向量下,X个流量变化率中,在第二状态下的流量变化率的数量;表示在第一参数向量下,X个流量变化率中,在第三状态下的流量变化率的数量;表示在第一参数向量下,X个流量变化率中,在第四状态下的流量变化率的数量;
由马尔科夫链计算,得到将来时间段的基于马尔可夫链的预测流量变化率的参数向量β1,其公式为:
由矩阵乘法:
其中,表示在预测得出的在第一状态下的流量变化率的数量,表示在预测得出的在第二状态下的流量变化率的数量,表示在预测得出的在第三状态下的流量变化率的数量,表示在预测得出的在第四状态下的流量变化率的数量;
在这X个流量参数中,以S表示为预测状态序列号,(S=1,2,3,4),选取含有流量参数呈现数量最多的状态,即选取认作此时预测管道状态将呈现为第Smax状态。
步骤4,按照步骤1的方法获取收集第三组X个流量变化率的值,并按照步骤2的方法统计其在各个变化状态的匹配数量情况,设为在这X个流量参数中,以W表示为实际管道状态序列号(W=1,2,3,4),选取含有流量参数呈现数量最多的状态,即选取认作管道实际处于第Wmax状态。
步骤5,比较预测状态和实际状态中状态序列号S和W的值:
①若S=W=1,则判断管道处于正常运行状态;
②若S<W,则管道处于开始泄漏前期阶段,且判断其为第W状态;
③若S>W,则判断管道处于开始泄漏后期阶段,且判断其状态为第W状态;
④若S=W≠1,则判断其状态为泄漏稳定阶段,且判断其状态为第W状态。
步骤6,以步骤3所得数据为第一组数据,步骤4所得数据成为第二组数据,继续预测判定管道实时状态或泄漏情况,开始重新迭代数据。
步骤7,步骤1-步骤6的泄漏检测方法可作为利用次声波泄漏定位的辅助手段,当利用此方法检测到泄漏状态时,若发生泄漏,触发警报程序,并实时监测泄漏状态,泄漏报警程序触发次声波传感器,并开始接收泄漏点次声波信号,记录下接收到同源次声波信号的时间点;
然后根据定位泄漏点公式计算出泄漏位置:
其中,X为管道泄漏点到上游次声波传感器的距离,L为管道上游次声波传感器至管道下游次声波传感器之间的距离,T1为管道上游次声波传感器接收到同源次声波信号的时间点,T2为管道下游次声波传感器接收到同源次声波信号的时间点,C为次声波在非金属管道中的传播速度。
本发明的有益效果是:本发明提供的一种基于马尔科夫链的非金属管道泄漏预警方法,其优点是,由于管道状态的选取取决于出现状态最多的次数,可在一定程度上修正对瞬时异常状态的预警,增强预警的准确性,同时,该方法的判断结果仅与在这一时间点的瞬时状态有关,与已过去的时间无关,因此对于外界瞬时异常因素的影响抵抗力强,可保证数据的准确度;同时,由于次声波传感器由发生泄漏出状态时触发,因此,该方法还可提升次声波传感器的使用寿命。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明最佳实施例的系统示意图。
图2是本发明最佳实施例的流程示意图。
图中:1、上游流量传感器,2、上游压力传感器,3、上游次声波传感器,4、泄漏阀,5、下游次声波传感器,6、下游压力传感器,7、下游流量传感器。
具体实施方式
现在结合附图对本发明作详细的说明。此图为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
本实施例中试验系统管道呈U形,总长100m,管材为PVC材质,管道外径Ф63*8.7mm管道最大工作压力为2.0Mpa,管道介质为压缩空气。在距离管道上游进口端头60米处安装泄漏阀模拟管道泄漏,管道上、下游进口位置附近分别安装流量传感器,压力传感器和次声波传感器,具体如图1所示。
本实施例中每组以采集五个流量数据作为一组数据为例进行具体说明该预警方法。
如图2所示,本发明的一种基于马尔科夫链的非金属管道泄漏预警方法,其预警方法包括以下步骤:
步骤1,利用安装在管线上的流量传感器采集到第一组五个流量:2.27、2.27、2.27、2.27、2.27,单位:m3/h,根据公式qi=ΔQi/Qi×100%计算得到第一组五个流量变化率q1=0%,q2=0%,q3=0%,q4=0%,q5=0%。
步骤2,设置四个变化状态,第一状态:流量变化率qi的值为0,表示管道为非泄漏状态;第二状态:流量变化率qi的值为0-1(%),表示管道为小型泄漏状态;第三状态:流量变化率qi的值为1-3(%),表示管道为泄漏扩大状态;第四状态:流量变化率qi的值为3-100(%),表示管道为大泄漏状态;
设定条件:管道的泄漏为突变过程,泄漏状态的变化为渐变过程,管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态中某一程度的泄漏,且管道的泄漏状态不可逆,但是泄漏程度可逆,根据以上条件,得到管道泄漏的邻接矩阵A为:
其中,Aij=1(i=1,2...4;j=1,2...4)表示第i状态与第j状态之间存在转移关系,Aij=0表示第i状态与第j状态之间不存在转移关系。
将步骤1中获得第一组流量变化率的进行状态分类,将各流量变化率分别归为这四个状态分类,以时间为序,按时间顺序统计在这五个时间段中,流量变化率的状态转移情况,形成状态转移概率矩阵P中的各个元素。
状态转移概率矩阵P的计算过程如下:
步骤2.1,根据分类得到处于第一状态的流量变化率数量为5,由第一状态至第一状态转移的数量为5,由第一状态至第二状态转移的数量为0,由第一状态至第三状态转移的数量为0,由第一状态至第四状态转移的数量为0,统计这5个流量变化率在下一时刻的状态转移情况:
第一状态至第一状态的转移概率p11=1;
第一状态至第二状态的转移概率p12=0;
第一状态至第三状态的转移概率p13=0;
第一状态至第四状态的转移概率p14=0;
步骤2.2,得到处于第二状态的流量变化率数量为0,由第二状态至第二状态转移的数量为0,由第二状态至第三状态转移的数量为0,由第二状态至第四状态转移的数量为0,统计这0个流量变化率在下一时刻的状态转移情况:
第二状态至第一状态的转移概率p21=0;
第二状态至第二状态的转移概率p22=0;
第二状态至第三状态的转移概率p23=0;
第二状态至第四状态的转移概率p24=0;
步骤2.3,得到处于第三状态的流量变化率数量为0,由第三状态至第二状态转移的数量为0,由第三状态至第三状态转移的数量为0,由第三状态至第四状态转移的数量为0,统计这0个流量变化率在下一时刻的状态转移情况:
第三状态至第一状态的转移概率p31=0;
第三状态至第二状态的转移概率p32=0;
第三状态至第三状态的转移概率p33=0;
第三状态至第四状态的转移概率p34=0;
步骤2.4,得到处于第四状态的流量变化率数量为0,由第四状态至第二状态转移的数量为0,由第四状态至第三状态转移的数量为0,由第四状态至第四状态转移的数量为0,统计这0个流量变化率在下一时刻的状态转移情况:
第四状态至第一状态的转移概率p41=0;
第四状态至第二状态的转移概率p42=0;
第四状态至第三状态的转移概率p43=0;
第四状态至第四状态的转移概率p44=0;
则该马尔科夫链中的状态转移概率矩阵P为:
步骤3,收集第二组流量:2.37、2.37、2.34、2.34、2.31,单位:m3/h。得到第二组五个流量变化率:q1=0%,q2=0%,q3=2.64%,q4=2.57%,q5=2.92%,同步骤2统计这五个流量变化率在每个区间内的数量,将此时实际流量变化率在每个区间的数量编为第一参数向量,设为α1=[2 0 3 0],其中α1表示第一参数向量,2表示在第一参数向量下,五个流量变化率中,在第一状态下的流量变化率的数量;0表示在第一参数向量下,五个流量变化率中,在第二状态下的流量变化率的数量;3表示在第一参数向量下,五个流量变化率中,在第三状态下的流量变化率的数量;0表示在第一参数向量下,五个流量变化率中,在第四状态下的流量变化率的数量;
由马尔科夫链计算,得到第三个时间段的基于马尔可夫链的预测流量变化率的参数向量β1,其公式为:
β1=α1×P,得到的β1=[2 0 0 0],
由β1=[2 0 0 0],得到此时预测下一时刻处于第一状态的参数数量最多,含有2个参数,即其中S=1,则此时预测下一时刻状态为第一状态,即不泄漏状态。
步骤4,收集到第三组流量:2.31、2.28、2.28、2.28、2.25,单位:m3/h,得到第三组五个流量变化率的值q1=0%,q2=1.21%,q3=2.4%,q4=1.17%,q5=0.38%,同步骤2统计其在各个区间的匹配数量情况,设为α2=[1 1 3 0],其中得到此时处于第三状态的参数数量最多,含有3个参数,即其中W=3,即此时实际状态为第三状态。
步骤5,比较和中S和W的数量值:
由于S=1,W=3,S<W,得到管道处于泄漏前期阶段,且泄漏状态为第三状态。
步骤6,使第二组数据为第一组数据,第三组数据成为第二组数据,继续预测判定管道实时状态或泄漏情况。此时为泄漏第三状态,判定发生泄漏,触发报警程序,系统开始进行报警。
步骤7,泄漏报警程序触发次声波传感器启动,并开启次声波传感器工作,开始接收泄漏点次声波信号。
管道泄漏点到前段次声波传感器的距离为X,管道上游次声波传感器3至管道下游次声波传感器5之间的距离为L=100m,管道上游次声波传感器3接收到同源次声波信号的时间点为T1=0.082s,管道下游次声波传感器5接收到同源次声波信号的时间点为T2=0.203s,次声波在非金属管道中的传播速度约为
C=334m/s,由此可由公式定位泄漏点:
所以定位其泄漏点为距管道前段59.586m处。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关的工作人员完全可以在不偏离本发明的范围内,进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (2)
1.一种基于马尔科夫链的非金属管道泄漏预警方法,其特征在于:包括以下步骤:
步骤1:利用安装在管线上的任一流量传感器采集管道在不同时刻的瞬时流量,并通过采集的流量计算相邻采样时刻之间的流量变化率qi,
qi=ΔQi/Qi×100%
其中,ΔQi第i-1采样时刻与第i采样时刻之间的流量变化量,Qi为第i采样时刻的瞬时流量;
采集并计算多个流量变化率数据,并将计算得到的X个流量变化率作为第一组流量变化率;
步骤2:设置四个变化状态,第一状态:流量变化率qi的值为0,表示管道为非泄漏状态;第二状态:流量变化率qi的值为0-1(%),表示管道为小型泄漏状态;第三状态:流量变化率qi的值为1-3(%),表示管道为泄漏扩大状态;第四状态:流量变化率qi的值为3-100(%),表示管道为大泄漏状态;
设定条件:管道的泄漏为突变过程,泄漏状态的变化为渐变过程,管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态中某一程度的泄漏,且管道的泄漏状态不可逆,但是泄漏程度可逆,根据以上条件,得到管道泄漏四个变化状态的邻接矩阵A为:
其中,当Aij=1表示第i状态与第j状态之间存在转移关系,当Aij=0表示第i状态与第j状态之间不存在转移关系,(i=1,2,3,4;j=1,2,3,4);
将步骤1中获得的第一组流量变化率按照上述四个变化状态进行分类,然后以时间为序,按时间顺序统计流量变化率的状态转移情况,并根据邻接矩阵A形成状态转移概率矩阵P中的各个元素:
其中,pij为状态i转移到状态j的概率,(i=1,2,3,4;j=1,2,3,4);
步骤3:按照步骤1的方法获取X个流量变化率作为第二组流量变化率,并按照步骤2的方法统计第二组流量变化率在每个变化状态内的数量,将此时实际流量变化率在每个变化状态的数量编为第一参数向量,设为 其中,α1表示第一参数向量,表示在第一参数向量下,X个流量变化率中,在第一状态下的流量变化率的数量;表示在第一参数向量下,X个流量变化率中,在第二状态下的流量变化率的数量;表示在第一参数向量下,X个流量变化率中,在第三状态下的流量变化率的数量;表示在第一参数向量下,X个流量变化率中,在第四状态下的流量变化率的数量;
由马尔科夫链计算得到进行预测的将来时间段的基于马尔可夫链的流量变化率的参数向量β1,其公式为:
其中,表示在预测得出的在第一状态下的流量变化率的数量,表示在预测得出的在第二状态下的流量变化率的数量,表示在预测得出的在第三状态下的流量变化率的数量,表示在预测得出的在第四状态下的流量变化率的数量;在这X个流量参数中,以S表示为预测状态序列号,(S=1,2,3,4),选取含有流量参数呈现数量最多的状态,即选取认作此时预测管道状态将呈现为第Smax状态;
步骤4:按照步骤1的方法获取X个流量变化率作为第三组流量变化率,并按照步骤2的方法统计第三组流量变化率在每个变化状态内的数量,记为第二参数向量其中,表示在第二参数向量下,X个流量变化率中,在第一状态下的流量变化率的数量;表示在第二参数向量下,X个流量变化率中,在第二状态下的流量变化率的数量;表示在第二参数向量下,X个流量变化率中,在第三状态下的流量变化率的数量;表示在第二参数向量下,X个流量变化率中,在第四状态下的流量变化率的数量;在这X个流量参数中,以W表示为实际管道状态序列号(W=1,2,3,4),选取含有流量参数呈现数量最多的状态,即选取认作管道实际处于第Wmax状态;
步骤5,比较预测状态和实际状态中状态序列号S和W的值:①若S=W=1,则判断管道处于正常运行状态;②若S<W,则判断管道处于开始泄漏前期阶段,且判断其为第W状态;③若S>W,则判断管道处于开始泄漏后期阶段,且判断其状态为第W状态;④若S=W≠1,则判断其状态为泄漏稳定阶段,且判断其状态为第W状态;
步骤6,以步骤3所得数据为第一组数据,步骤4所得数据成为第二组数据,继续预测判定管道实时状态或泄漏情况,开始重新迭代数据;
步骤7,采用步骤1-步骤6进行泄漏状态的判定,当利用此方法检测到泄漏状态时,触发泄漏报警程序,泄漏报警程序触发次声波传感器,并开始接收泄漏点次声波信号,记录下接收到同源次声波信号的时间点;
然后根据定位泄漏点公式计算出泄漏位置:
其中,X为管道泄漏点到上游次声波传感器的距离,L为管道上游次声波传感器至管道下游次声波传感器之间的距离,T1为管道上游次声波传感器接收到同源次声波信号的时间点,T2为管道下游次声波传感器接收到同源次声波信号的时间点,C为次声波在非金属管道中的传播速度。
2.如权利要求1所述的基于马尔科夫链的非金属管道泄漏预警方法,其特征在于:步骤2中状态转移概率矩阵P的计算过程如下:
步骤2.1,根据分类得到处于第一状态的流量变化率数量为n1,其中,由第一状态至第一状态转移的数量为n11,由第一状态至第二状态转移的数量为n12,由第一状态至第三状态转移的数量为n13,由第一状态至第四状态转移的数量为n14,统计这n1个流量变化率在下一时刻的状态转移情况:
第一状态至第一状态的转移概率
第一状态至第二状态的转移概率
第一状态至第三状态的转移概率
第一状态至第四状态的转移概率
步骤2.2,根据分类得到处于第二状态的流量变化率数量为n2,其中,由第二状态至第二状态转移的数量为n22,由第二状态至第三状态转移的数量为n23,由第二状态至第四状态转移的数量为n24,统计这n2个流量变化率在下一时刻的状态转移情况:
第二状态至第一状态的转移概率p21=0;
第二状态至第二状态的转移概率
第二状态至第三状态的转移概率
第二状态至第四状态的转移概率
步骤2.3,根据分类得到处于第三状态的流量变化率数量为n3,其中,由第三状态至第二状态转移的数量为n32,由第三状态至第三状态转移的数量为n33,由第三状态至第四状态转移的数量为n34,统计这n3个流量变化率在下一时刻的状态转移情况:
第三状态至第一状态的转移概率p31=0;
第三状态至第二状态的转移概率
第三状态至第三状态的转移概率
第三状态至第四状态的转移概率
步骤2.4,根据分类得到处于第四状态的流量变化率数量为n4,其中,由第四状态至第二状态转移的数量为n42,由第四状态至第三状态转移的数量为n43,由第四状态至第四状态转移的数量为n44,统计这n4个流量变化率在下一时刻的状态转移情况:
第四状态至第一状态的转移概率p41=0;
第四状态至第二状态的转移概率
第四状态至第三状态的转移概率
第四状态至第四状态的转移概率
则该马尔科夫链中的状态转移概率矩阵P为:
且满足:n1+n2+n3+n4=X。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742453.4A CN110503254B (zh) | 2019-08-13 | 2019-08-13 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742453.4A CN110503254B (zh) | 2019-08-13 | 2019-08-13 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503254A true CN110503254A (zh) | 2019-11-26 |
CN110503254B CN110503254B (zh) | 2023-01-17 |
Family
ID=68586425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910742453.4A Active CN110503254B (zh) | 2019-08-13 | 2019-08-13 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503254B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111550676A (zh) * | 2020-06-19 | 2020-08-18 | 陈方斌 | 一种水管漏水检测装置及其方法 |
CN116957343A (zh) * | 2023-09-19 | 2023-10-27 | 四川雅韵能源开发有限责任公司 | 一种天然气运输安全风险分析方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106297202A (zh) * | 2015-06-02 | 2017-01-04 | 齐鲁工业大学 | 一种家庭可燃气体报警控制装置及其控制方法 |
US20170328522A1 (en) * | 2016-05-16 | 2017-11-16 | International Business Machines Corporation | Automated Gas Detection and Reporting System |
CN107742193A (zh) * | 2017-11-28 | 2018-02-27 | 江苏大学 | 一种基于时变状态转移概率马尔可夫链的行车风险预测方法 |
CN107990836A (zh) * | 2017-11-21 | 2018-05-04 | 武汉理工大学 | 一种石化管道应变及温度在线监测系统及方法 |
CN109357167A (zh) * | 2018-10-30 | 2019-02-19 | 长春市万易科技有限公司 | 一种燃气管道漏点检测装置及检测方法 |
CN109977563A (zh) * | 2019-03-29 | 2019-07-05 | 西安建筑科技大学 | 基于tv-hsmm的海底油气管道剩余寿命预测方法 |
-
2019
- 2019-08-13 CN CN201910742453.4A patent/CN110503254B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106297202A (zh) * | 2015-06-02 | 2017-01-04 | 齐鲁工业大学 | 一种家庭可燃气体报警控制装置及其控制方法 |
US20170328522A1 (en) * | 2016-05-16 | 2017-11-16 | International Business Machines Corporation | Automated Gas Detection and Reporting System |
CN107990836A (zh) * | 2017-11-21 | 2018-05-04 | 武汉理工大学 | 一种石化管道应变及温度在线监测系统及方法 |
CN107742193A (zh) * | 2017-11-28 | 2018-02-27 | 江苏大学 | 一种基于时变状态转移概率马尔可夫链的行车风险预测方法 |
CN109357167A (zh) * | 2018-10-30 | 2019-02-19 | 长春市万易科技有限公司 | 一种燃气管道漏点检测装置及检测方法 |
CN109977563A (zh) * | 2019-03-29 | 2019-07-05 | 西安建筑科技大学 | 基于tv-hsmm的海底油气管道剩余寿命预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111550676A (zh) * | 2020-06-19 | 2020-08-18 | 陈方斌 | 一种水管漏水检测装置及其方法 |
CN111550676B (zh) * | 2020-06-19 | 2022-02-25 | 陈方斌 | 一种水管漏水检测装置及其方法 |
CN116957343A (zh) * | 2023-09-19 | 2023-10-27 | 四川雅韵能源开发有限责任公司 | 一种天然气运输安全风险分析方法及系统 |
CN116957343B (zh) * | 2023-09-19 | 2023-12-19 | 四川雅韵能源开发有限责任公司 | 一种天然气运输安全风险分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110503254B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103939749B (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 | |
EP2477088B1 (en) | System and method for identifying likely geographical locations of anomalies in a water utility network | |
CN105042339A (zh) | 一种基于无量纲的成品油管道泄漏量估计系统及方法 | |
CN108360608B (zh) | 一种供水系统输水管的爆管识别与定位方法 | |
EP2060896A1 (en) | Water leakage monitoring system | |
CN106872155B (zh) | 一种排气阀性能测试系统以及测试方法 | |
CN105927863A (zh) | Dma分区管网泄漏在线检测定位系统及其检测定位方法 | |
CN108506740B (zh) | 一种基于流速计的液体管道泄漏区域确定方法及系统 | |
CN111853553B (zh) | 流体管道的故障检测方法及系统 | |
CN105757459B (zh) | 一种瓦斯抽采管网参数监测系统及漏点精确定位方法 | |
CN207394379U (zh) | 城市供气管道堵塞和泄漏模拟检测系统 | |
CN110503254A (zh) | 一种基于马尔科夫链的非金属管道泄漏预警方法 | |
CN112711844A (zh) | 一种管道泄漏定位、泄漏量预警与自动处理方法及系统 | |
CN115451347B (zh) | 一种石油管道安全的智能监控系统及方法 | |
CN105627103B (zh) | 一种矿用瓦斯抽采管的管段漏气诊断方法及系统 | |
Hilgefort | Big data analysis using Bayesian network modeling: a case study with WG-ICDA of a gas storage field | |
Ostapkowicz et al. | Possible leakage detection level in transmission pipelines using improved simplified methods | |
CN109855536B (zh) | 一种基于应变测量的油气管道堵塞检测方法 | |
CN113236986B (zh) | 一种基于声呐探测的管道泄露监测系统 | |
Jiang et al. | Fault recognition technology for pipeline systems based on multi-feature fusion of monitoring data | |
Boatwright et al. | CCWI2017: F93'Investigating a spatially constrained geostatistical technique for approximate leak/burst event location' | |
Lu et al. | Multi-points synchronous measurement of pressure used in burst and leakage monitoring along the water transmission pipeline | |
KR20230137021A (ko) | 인공지능을 이용한 배관이상 탐지 방법 및 시스템 | |
TWM651588U (zh) | 找出供水管網漏水熱區之裝置 | |
CN106323362A (zh) | 利用光纤探针法测量气液两相流的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |