CN110617403A - 基于多传感器信息融合的长输管线泄漏检测方法 - Google Patents
基于多传感器信息融合的长输管线泄漏检测方法 Download PDFInfo
- Publication number
- CN110617403A CN110617403A CN201910886476.2A CN201910886476A CN110617403A CN 110617403 A CN110617403 A CN 110617403A CN 201910886476 A CN201910886476 A CN 201910886476A CN 110617403 A CN110617403 A CN 110617403A
- Authority
- CN
- China
- Prior art keywords
- temperature
- value
- pipeline
- leakage
- delta
- 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
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及管线泄漏检测技术领域,具体涉及一种基于多传感器信息融合的长输管线泄漏检测方法。在长输管线的首端和末端设置流量计,以及长度方向上均匀设置温度传感器,实时采集流量数据及温度数据;计算累积流量差值ΔF,并模糊处理;计算温度时间梯度ΔTi(t),并进行模糊处理;计算温度空间梯度ΔTi(s),并模糊处理;根据ΔF、ΔTi(t)、ΔTi(s)的模糊输入语言变量,结合预先建立的模糊对照库,输出管线发生泄漏的可能性P,对输出管线发生泄漏的可能性P进行模糊处理后的管线泄漏概率P(k)进行判断,当P(k)超过阈值Pth时,判断为管线泄漏。通过流量、温度时间梯度和温度空间梯度三个参量信息进行异质多传感器模糊融合分析,继而进行管线的泄漏与定位检测,检测结果可靠。
Description
技术领域
本发明涉及管线泄漏检测技术领域,具体涉及一种基于多传感器信息融合的长输管线泄漏检测方法。
背景技术
长输管线不仅包含对石油和天然气等石化产品的输送,还包含对液氨、低温甲醇、低温乙二醇等化学品的输送。无论长输管线经过偏远的山区、人烟稀少的平原,还是穿过人口密集的生活区,管线内介质的泄漏不仅会造成环境污染,还带来经济损失,甚至影响到周边居民的人身财产安全。因此,对长输管线泄漏的可靠检测是一项极具意义的系统工程。
长输管线泄漏的原因,既有不法份子盗油盗气、施工单位野蛮施工等第三方破坏,也有地震、滑坡、泥石流等自然灾害,还有防护层老化、焊接质量缺陷等管道自身缺陷。目前常用的泄漏检测方法有负压波法、次声波法和分布式光纤检测法等。其中负压波法基于压力对泄漏位置进行定位,针对第三方破坏引起的泄漏,压力变化明显,适用性较好,但是当管道输送介质为气体,或管道自身存在渗漏的情况下,压力变化微小,负压波法无法有效检测。次声波法通过检测泄漏介质与泄漏处管壁的高速摩擦产生的次声波信号进行定位检测,其定位方法同负压波法类似,由于输气管线泄漏时同样产生次声波信号,因此在输气管线同样适用。但是,现场发生多点泄漏时,不同泄漏点产生的次声波会相互干扰,引起传感器无法分辨,从而导致定位不准。分布式光纤测温法沿管线敷设感温光纤,感温光纤上每隔0.5m有一个测温点,当管网有泄漏时,泄漏介质引起周边温度场的改变,通过测温报警点即可对泄漏处进行定位。分布式光纤测温法不仅能解决管道渗漏引起的泄漏检测,而且施工方便、易维护。由于长输管线敷设路径长(一般有几十至上百公里不等),同一时间途径地域的温度不尽相同;且有些地域本身的气候变化显著,昼夜温差较大。因此,单纯的分布式光纤测温法难以应对复杂多变的气候变化,会产生一定的误报警。综上所述,目前的测量方法难以满足对架空敷设长输管线健康状态的有效监测与泄漏定位。
发明内容
本发明的目的就是针对现有技术的缺陷,提供一种基于多传感器信息融合的长输管线泄漏检测方法,其基于流量、温度时间梯度和温度空间梯度三参量异质多传感器信息模糊融合,可降低环境温度和恶劣气候变化等对测量结果造成的影响,检测结果具有较高的可靠性。
本发明一种基于多传感器信息融合的长输管线泄漏检测方法,其技术方案为:在长输管线的首端和末端设置流量计,以及长度方向上均匀设置温度传感器,基于所述流量计和温度传感器进行泄露检测的方法包括
步骤1,实时采集流量数据及温度数据,且每次采集的数据为一帧;
步骤2,基于采集到的当前帧流量数据计算累积流量差值ΔF,并对所述累积流量差值ΔF进行模糊处理;
步骤3,基于采集到的当前帧温度数据计算温度时间梯度ΔTi(t),并对所述温度时间梯度ΔTi(t)进行模糊处理;
步骤4,基于采集到的当前帧温度数据计算温度空间梯度ΔTi(s),并对所述温度空间梯度ΔTi(s)进行模糊处理;
步骤5,根据累积流量差值ΔF、温度时间梯度ΔTi(t)、温度空间梯度ΔTi(s)的模糊输入语言变量,结合预先建立的模糊对照库,输出管线发生泄漏的可能性P,对所述输出管线发生泄漏的可能性P进行模糊处理后的管线泄漏概率P(k)进行判断,当P(k)超过阈值Pth时,判断为管线泄漏。
较为优选的,还包括
步骤6,当判断为管线泄漏时,泄漏点集合C由泄漏位置集合A和泄漏位置集合B共同确定,且C=A∩B;
其中,泄漏位置集合A和泄漏位置集合B分别根据温度时间梯度和温度空间梯度的模糊语言值进行确定。
较为优选的,所述基于采集到的当前帧流量数据计算累积流量差值ΔF包括:
计算首站流量计后n个温度测点的平均值和末站流量计前n个温度测点的平均值;
利用首站流量计后n个温度测点的平均值和末站流量计前n个温度测点的平均值分别对首站和末站瞬时流量进行温度补偿,得到补偿流量;
根据所述补偿流量分别计算首站累积流量和末站累积流量;
根据首站累积流量和末站累积流量计算累积流量差值ΔF。
较为优选的,所述基于采集到的当前帧温度数据计算温度时间梯度ΔTi(t)为:
根据公式ΔTi (t)(k)=|Ti(k)-Ti(k-T)|计算温度时间梯度ΔTi(t);
其中,Ti(k)为管线上第i个测点在第k帧时的温度值,Ti(k-T)为管线上第i个测点在第k-T帧时的温度值,ΔTi (t)(k)为第i个测点在第k帧时的温度时间梯度值。
较为优选的,所述基于采集到的当前帧温度数据计算温度空间梯度ΔTi(s)为:
根据公式ΔTi (s)(k)=|Ti(k)-Ti+1(k)|计算温度空间梯度ΔTi(s);
其中,Ti(k)为管线上第i个测点在第k帧时的温度值,Ti+1(k)为管线上第i+1个测点在第k帧时的温度值,ΔTi (s)(k)为第i个测点在第k帧时的温度空间梯度值。
较为优选的,所述模糊对照库为:
当ΔF=NB时,P=S;
当ΔF=NS时
若ΔTi (t)和ΔTi (s)均取值B,P=B;
若ΔTi (t)和ΔTi (s)一个取值B,一个取值M,P=M;
其余情况下P=S;
当ΔF=O时
若ΔTi (t)和ΔTi (s)均取值B,P=B;
若ΔTi (t)和ΔTi (s)之间有一个或两个取值M,P=M;
其余情况下P=S;
当ΔF=PS时
若ΔTi (t)和ΔTi (s)均取值B,P=B;
若ΔTi (t)和ΔTi (s)之间有一个取值S,P=S;
其余情况下P=M;
当ΔF=PB时
若ΔTi (t)和ΔTi (s)之间有1个取值B,P=B;
若ΔTi (t)和ΔTi (s)之间有一个取值S,P=S;
其余情况下P=M;
其中,S、M、B为语言值的大、中、小,NB、NS、O、PS、PB分别为负大、负小、零、正小、正大。
较为优选的,所述步骤2中,基于采集到的当前帧流量数据计算累积流量差值ΔF之前,对采集到的当前帧流量数据进行去噪处理。
较为优选的,所述累积流量差值ΔF的模糊处理包括:
设置累积流量差值ΔF的基本论域、语言值的离散论域、量化因子、语言变量的语言值和对应每个语言值的隶属度函数μ(ΔF)。
较为优选的,所述温度时间梯度ΔTi(t)的模糊处理包括:
设置温度时间梯度ΔTi(t)的基本论域、语言值的离散论域、量化因子、语言变量的语言值和对应每个语言值的隶属度函数μ(ΔTi (t))。
较为优选的,所述温度空间梯度ΔTi(s)的模糊处理包括:
设置温度空间梯度ΔTi(s)的基本论域、语言值的离散论域、量化因子、语言变量的语言值和对应每个语言值的隶属度函数μ(ΔTi (s))。
本发明的有益效果为:通过流量、温度时间梯度和温度空间梯度三个参量信息进行异质多传感器模糊融合分析,继而进行长输管线的泄漏与定位检测,检测结果可靠。通过温度时间梯度、温度空间梯度等进行泄漏分析,降低环境温度和恶劣气候变化等对测量结果造成的影响;通过流量计前后n个温度测点的平均值分别补偿首站与末站的瞬时流量,减小流量采集误差,提升流量参量的准确性。
附图说明
图1为本发明用于实施基于多传感器信息融合的长输管线泄漏检测方法的系统设置示意图;
图2为本发明基于多传感器信息融合的长输管线泄漏检测方法流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明,便于清楚地了解本发明,但它们不对本发明构成限定。
如图1所示,用于实施基于多传感器信息融合的长输管线泄漏检测方法的系统包括控制器1,容积式流量计2,分布式光纤温度传感器3和DTS测温主机4等模块组成;分布式测温光纤4随管线敷设,每间隔0.5m有1个温度测点,通过光通率变化进行温度测量,测温精度可达1℃,测温范围为-180~300℃;DTS测温主机3布置在现场,采集分布式测温光纤4每个测点的原始温度,在主机内进行平滑、累加平均和小波去噪等数据处理,然后通过Modbus协议或TCP/IP协议将测点温度返回给控制器1;容积式流量计2分布在管线的首、末两端,实时监测流入和流出管线介质的体积流量,流量信号以4~20mA+Hart信号形式,通过阻燃多股铜芯聚乙烯绝缘聚氯乙烯护套铜丝编织屏蔽计算机电缆传送至控制器1。控制器1为逻辑控制模块,对采集的温度和流量数据进行分析、预警和存储。
本发明为独立于用户基本过程控制系统之外的第三方子系统,不直接参与工艺过程的操控,通过Modbus和泄漏联锁干节点接口为操作人员提供长输管线的健康状态信息。
如图2所示,基于多传感器信息融合的长输管线泄漏检测方法的流程如下:
步骤1,控制器从容积流量计和DTS主机采集一帧流量(首站和末站)及温度(每个测温点)数据,设此次信号采集为第k帧,FA(k)为首站在第k帧检测的流量,FB(k)为末站在第k帧检测的流量,Ti(k)为第i个测点在第k帧检测到的温度(温度单位为℃)。
步骤2,基于采集到的当前帧流量数据计算累积流量差值ΔF,并对所述累积流量差值ΔF进行模糊处理。对首站和末站的原始流量数据分别进行去噪处理;然后分别计算首站/末站流量计前后n个温度测点的平均值,并分别对首站和末站瞬时流量进行温度补偿;之后,分别计算首站与末站的累积流量,继而得到首站和末站的累积流量差值ΔF;最后,确定流量参量的论域、模糊语言值以及每个模糊语言值对应的隶属度函数,进行流量参量的模糊化处理。
其具体方法如下:
根据采集的第k帧温度信息,计算首站流量计后n个温度测点温度的平均值设FA′(k)为去噪后的瞬时流量,FA″(k)为补偿后瞬时流量,温度补偿按下式进行,式中T0为被测管线的设计温度(温度单位为℃)。末站瞬时流量补偿方法与首站相同,此处不过多赘述。
之后,根据补偿流量分别计算首站和末站的累积流量FA∑(k)和FB∑(k),并通过公式(2)计算得到第k帧累积流量差值ΔF(k):
ΔF(k)=FA∑(k)-FB∑(k) (2)
最后,进行流量参量的模糊化。设ΔF参量的基本论域为[-900m3/h,900m3/h],该语言值的离散论域为{-3,-2,-1,0,1,2,3},则量化因子为1/300,语言变量的语言值设为NB,NS,O,PS,PB等5个,对应每个语言值的隶属度函数μ(ΔF)如下表1所示。
表1ΔF输入参量隶属度函数
步骤3:基于采集到的当前帧温度数据计算温度时间梯度ΔTi(t),并对所述温度时间梯度ΔTi(t)进行模糊处理。DTS主机已对每个测点的温度信号进行平滑、累加平均和小波去噪等分析,控制器在此基础上根据公式(3)依次计算每个测点在周期T的温度时间梯度值ΔTi (t)(k);
ΔTi (t)(k)=|Ti(k)-Ti(k-T)| (3)
然后,进行温度时间梯度参量的模糊化。设ΔTi(t)参量的基本论域为[0℃,10℃],该语言值的离散论域为{0,1,2,3},则量化因子为3/10,语言变量的语言值设为S,M,B等3个,对应每个语言值的隶属度函数μ(ΔTi (t))如下表2所示。
表2ΔTi (t)和ΔTi (s)输入参量隶属度函数
步骤4,基于采集到的当前帧温度数据计算温度空间梯度ΔTi(s),并对所述温度空间梯度ΔTi(s)进行模糊处理。控制器根据公式(4)依次计算每个测点在本帧的温度空间梯度值ΔTi(s)(k)。
ΔTi (s)(k)=|Ti(k)-Ti+1(k)| (4)
然后,进行温度空间梯度参量的模糊化。设ΔTi (s)参量的基本论域为[0℃,10℃],该语言值的离散论域为{0,1,2,3},则量化因子为3/10,语言变量的语言值设为S,M,B等3个,对应每个语言值的隶属度函数μ(ΔTi (s))如表2所示。
步骤5,根据累积流量差值ΔF、温度时间梯度ΔTi(t)、温度空间梯度ΔTi(s)的模糊输入语言变量,结合预先建立的模糊对照库,输出管线发生泄漏的可能性P,对所述输出管线发生泄漏的可能性P进行模糊处理后的管线泄漏概率P(k)进行判断,当P(k)超过阈值Pth时,判断为管线泄漏。
本例模糊规则库如下:
(1)当ΔF=NB时,无论ΔTi(t)和ΔTi(s)如何取值,P=S。
(2)当ΔF=NS时,当且仅当ΔTi(t)和ΔTi(s)均取值B时,P=B;当ΔTi(t)和ΔTi(s)一个取值B,一个取值M时,P=M;其余情况下P=S。
模糊规则如表3-1所示
表3-1模糊规则-1
(3)当ΔF=O时,当且仅当ΔTi (t)和ΔTi (s)均取值B时,P=B;当ΔTi (t)和ΔTi (s)之间有一个或两个取值M时,P=M;其余情况下P=S。
模糊规则如表3-2所示
表3-2模糊规则-2
(4)当ΔF=PS时,当且仅当ΔTi(t)和ΔTi(s)均取值B时,P=B;当ΔTi(t)和ΔTi(s)之间有一个取值S时,P=S;其余情况下P=M。
模糊规则如表3-3所示
表3-3模糊规则-3
(5)当ΔF=PB时,当ΔTi(t)和ΔTi(s)之间有1个取值B时,P=B;当ΔTi(t)和ΔTi(s)之间有一个取值S时,P=S;其余情况下P=M。
模糊规则如表3-4所示
表3-4模糊规则-4
由以上模糊规则可以看出,本例采用小(S)、中(M)、大(B)三个语言值描述输出模糊变量P,每个语言值的隶属度函数μ(P)如表4所示。输出变量P的基本论域为[0,1],对应的离散论域为{0,1,2,3,4},则其量化因子为4。
表4输出参量P隶属度函数
采用最大隶属度法去模糊化,去模糊化后即可得到第k帧数据分析中管线泄漏概率P(k)。本例规定,当P(k)>0.7时,系统即判定管线泄漏。
步骤6,泄漏点集合C确定。泄漏点集合C由温度时间梯度确定的泄漏集合A和温度空间梯度确定的泄漏集合B共同确定,确定方法如下:
C=A∩B (5)
对于温度时间梯度参量,其泄漏点集合A根据公式(6)确定,且当所有点的温度时间梯度模糊变量落入离散论域0时,集合A为全集。
A={i|ΔTi (t)=1或ΔTi (t)=2或ΔTi (t)=3} (6)
对于温度空间梯度参量,其泄漏点集合B根据公式(7)确定,且当所有点的温度空间梯度模糊变量落入离散论域0时,集合B为全集。
B={i|ΔTi (s)=1或ΔTi (s)=2或ΔTi (s)=3} (7)
步骤7,控制器综合步骤5和步骤6的结果作为模糊判定输出,并进行下一帧数据采集,继续执行步骤1至步骤6。
在一个更加优选的实施例中,可根据项目具体实施情况,将管线分割为若干个相对独立的物理区域,对每一个区域分别进行本发明所述方法的检测,以提高流量参量的响应精度。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种基于多传感器信息融合的长输管线泄漏检测方法,其特征在于:在长输管线的首端和末端设置流量计,以及长度方向上均匀设置温度传感器,基于所述流量计和温度传感器进行泄露检测的方法包括
步骤1,实时采集流量数据及温度数据,且每次采集的数据为一帧;
步骤2,基于采集到的当前帧流量数据计算累积流量差值ΔF,并对所述累积流量差值ΔF进行模糊处理;
步骤3,基于采集到的当前帧温度数据计算温度时间梯度ΔTi(t),并对所述温度时间梯度ΔTi(t)进行模糊处理;
步骤4,基于采集到的当前帧温度数据计算温度空间梯度ΔTi(s),并对所述温度空间梯度ΔTi(s)进行模糊处理;
步骤5,根据累积流量差值ΔF、温度时间梯度ΔTi(t)、温度空间梯度ΔTi(s)的模糊输入语言变量,结合预先建立的模糊对照库,输出管线发生泄漏的可能性P,对所述输出管线发生泄漏的可能性P进行模糊处理后的管线泄漏概率P(k)进行判断,当P(k)超过阈值Pth时,判断为管线泄漏。
2.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,还包括
步骤6,当判断为管线泄漏时,泄漏点集合C由泄漏位置集合A和泄漏位置集合B共同确定,且C=A∩B;
其中,泄漏位置集合A和泄漏位置集合B分别根据温度时间梯度和温度空间梯度的模糊语言值进行确定。
3.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述基于采集到的当前帧流量数据计算累积流量差值ΔF包括:
计算首站流量计后n个温度测点的平均值和末站流量计前n个温度测点的平均值;
利用首站流量计后n个温度测点的平均值和末站流量计前n个温度测点的平均值分别对首站和末站瞬时流量进行温度补偿,得到补偿流量;
根据所述补偿流量分别计算首站累积流量和末站累积流量;
根据首站累积流量和末站累积流量计算累积流量差值ΔF。
4.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述基于采集到的当前帧温度数据计算温度时间梯度ΔTi(t)为:
根据公式ΔTi (t)(k)=|Ti(k)-Ti(k-T)|计算温度时间梯度ΔTi(t);
其中,Ti(k)为管线上第i个测点在第k帧时的温度值,Ti(k-T)为管线上第i个测点在第k-T帧时的温度值,ΔTi (t)(k)为第i个测点在第k帧时的温度时间梯度值。
5.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述基于采集到的当前帧温度数据计算温度空间梯度ΔTi(s)为:
根据公式ΔTi (s)(k)=|Ti(k)-Ti+1(k)|计算温度空间梯度ΔTi(s);
其中,Ti(k)为管线上第i个测点在第k帧时的温度值,Ti+1(k)为管线上第i+1个测点在第k帧时的温度值,ΔTi (s)(k)为第i个测点在第k帧时的温度空间梯度值。
6.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述模糊对照库为:
当ΔF=NB时,P=S;
当ΔF=NS时
若ΔTi (t)和ΔTi (s)均取值B,P=B;
若ΔTi (t)和ΔTi (s)一个取值B,一个取值M,P=M;
其余情况下P=S;
当ΔF=O时
若ΔTi (t)和ΔTi (s)均取值B,P=B;
若ΔTi (t)和ΔTi (s)之间有一个或两个取值M,P=M;
其余情况下P=S;
当ΔF=PS时
若ΔTi (t)和ΔTi (s)均取值B,P=B;
若ΔTi (t)和ΔTi (s)之间有一个取值S,P=S;
其余情况下P=M;
当ΔF=PB时
若ΔTi (t)和ΔTi (s)之间有1个取值B,P=B;
若ΔTi (t)和ΔTi (s)之间有一个取值S,P=S;
其余情况下P=M;
其中,S、M、B为语言值的大、中、小,NB、NS、O、PS、PB分别为负大、负小、零、正小、正大。
7.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述步骤2中,基于采集到的当前帧流量数据计算累积流量差值ΔF之前,对采集到的当前帧流量数据进行去噪处理。
8.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述累积流量差值ΔF的模糊处理包括:
设置累积流量差值ΔF的基本论域、语言值的离散论域、量化因子、语言变量的语言值和对应每个语言值的隶属度函数μ(ΔF)。
9.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述温度时间梯度ΔTi(t)的模糊处理包括:
设置温度时间梯度ΔTi(t)的基本论域、语言值的离散论域、量化因子、语言变量的语言值和对应每个语言值的隶属度函数μ(ΔTi (t))。
10.根据权利要求1所述的基于多传感器信息融合的长输管线泄漏检测方法,其特征在于,所述温度空间梯度ΔTi(s)的模糊处理包括:
设置温度空间梯度ΔTi(s)的基本论域、语言值的离散论域、量化因子、语言变量的语言值和对应每个语言值的隶属度函数μ(ΔTi (s))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910886476.2A CN110617403B (zh) | 2019-09-19 | 2019-09-19 | 基于多传感器信息融合的长输管线泄漏检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910886476.2A CN110617403B (zh) | 2019-09-19 | 2019-09-19 | 基于多传感器信息融合的长输管线泄漏检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110617403A true CN110617403A (zh) | 2019-12-27 |
CN110617403B CN110617403B (zh) | 2021-07-06 |
Family
ID=68923683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910886476.2A Active CN110617403B (zh) | 2019-09-19 | 2019-09-19 | 基于多传感器信息融合的长输管线泄漏检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110617403B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114017685A (zh) * | 2021-11-26 | 2022-02-08 | 国家石油天然气管网集团有限公司华南分公司 | 一种成品油管道泄漏的检测方法、装置及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1435678A (zh) * | 2002-07-04 | 2003-08-13 | 东北大学 | 流体输送管道泄露智能故障诊断与定位的方法与装置 |
WO2013000308A1 (en) * | 2011-06-27 | 2013-01-03 | International Business Machines Corporation | Determining fluid leakage volume in pipelines |
CN104197203A (zh) * | 2014-07-14 | 2014-12-10 | 东北大学 | 一种基于模糊推理的管道泄漏定位方法 |
CN105042339A (zh) * | 2015-06-03 | 2015-11-11 | 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 |
CN109469837A (zh) * | 2018-11-19 | 2019-03-15 | 江苏省特种设备安全监督检验研究院 | 基于vmd-pse的压力管道多点泄漏定位方法 |
-
2019
- 2019-09-19 CN CN201910886476.2A patent/CN110617403B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1435678A (zh) * | 2002-07-04 | 2003-08-13 | 东北大学 | 流体输送管道泄露智能故障诊断与定位的方法与装置 |
WO2013000308A1 (en) * | 2011-06-27 | 2013-01-03 | International Business Machines Corporation | Determining fluid leakage volume in pipelines |
CN104197203A (zh) * | 2014-07-14 | 2014-12-10 | 东北大学 | 一种基于模糊推理的管道泄漏定位方法 |
CN105042339A (zh) * | 2015-06-03 | 2015-11-11 | 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 |
CN109469837A (zh) * | 2018-11-19 | 2019-03-15 | 江苏省特种设备安全监督检验研究院 | 基于vmd-pse的压力管道多点泄漏定位方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114017685A (zh) * | 2021-11-26 | 2022-02-08 | 国家石油天然气管网集团有限公司华南分公司 | 一种成品油管道泄漏的检测方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110617403B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2721387B1 (en) | Monitoring of conduits | |
Kim et al. | Robust leak detection and its localization using interval estimation for water distribution network | |
CN111222743B (zh) | 一种光纤感知事件的垂直偏移距离及威胁级别判断方法 | |
WO2011141537A1 (en) | A leakage detection system | |
EP2510320B1 (en) | Monitoring fluid flow in a conduit | |
CN109737317B (zh) | 流体管道泄漏的次声波定位系统及方法 | |
KR100954605B1 (ko) | 유비쿼터스 기반 배관시설 상태 상시 감시 시스템 | |
CN109442561A (zh) | 一种分布式热力管道泄漏监测系统 | |
WO2019007497A1 (en) | METHOD AND APPARATUS FOR NON-INTRUSIVE VIBRATION OF A CENTRALIZED SYSTEM FOR DETECTING AND MONITORING LEAKAGE OF WATER DISTRIBUTION NETWORK PIPELINES | |
CN110617403B (zh) | 基于多传感器信息融合的长输管线泄漏检测方法 | |
Idachaba et al. | Current technologies and the applications of data analytics for crude oil leak detection in surface pipelines | |
CN105135215A (zh) | 一种光纤法集油管线泄漏检测装置 | |
JP2022552498A (ja) | 漏洩検出方法 | |
CN116305699B (zh) | 一种基于全方位感知的管道监督系统 | |
US20210356350A1 (en) | Method and device for identifying the occurrence of a defect in a pipeline by means of estimation | |
CN112856249A (zh) | 一种城市供水管网泄漏监测方法 | |
CN117367348A (zh) | 一种基于矿井水仓的淤泥高度实时测量系统及方法 | |
Xu et al. | Leak detection methods overview and summary | |
WO2009067769A1 (en) | System for locating pigs in single phase and multiphase fluid transport pipelines | |
CN113124322B (zh) | 一种天然气管道冰堵定位方法及系统 | |
CN108303173B (zh) | 一种分布式光纤传感管道扰动事件检测方法 | |
JP2023550091A (ja) | 分散型光ファイバセンシングによる振動の垂直距離予測 | |
Wang et al. | Enhancing Pipeline Integrity Management with Machine Learning and Integrated Monitoring Technologies | |
CN113514199A (zh) | 检测和定位流体泄漏的方法 | |
RU2462656C2 (ru) | Комбинированная гидроакустическая система обнаружения утечек нефтепродуктопровода |
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 |