CN111536429B - 一种基于决策融合的油气管道预警系统及预警方法 - Google Patents

Abstract

本发明属于油气管道监测预警系统技术领域，具体涉及一种基于决策融合的油气管道预警系统及预警方法，包括基础设施层，包括智能感知设备；感知执行层，通过智能感知设备对油气管道进行监测和数据采集；基础数据层，用于将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；核心服务层，用于对数据库的数据进行挖掘；将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警；能够将多源数据进行融合，有效地提高了信息处理的性能，预警准确率更高，且对于油气管道的预警更具有针对性。

Description

一种基于决策融合的油气管道预警系统及预警方法

技术领域

本发明属于油气管道监测预警系统技术领域，具体涉及一种基于决策融合的油气管道预警系统及预警方法。

背景技术

目前，随着经济的发展，石油天然气的需求日趋增加，天然气的运输主要是通过长输管道实现，而长输油气管道面临着管道本体焊缝缺陷分析难，大直流及土壤杂散电流干扰问题，第三方施工实施监控难，地质灾害防范难、山区段管线巡线难等问题，且由于年久失修、腐蚀、磨损以及意外损伤等原因导致的管道泄露事件频频发生，不仅造成了巨大的经济损失，而且严重污染环境，危害人类的身体健康。针对石油天然气长输管道的安全管理，面对现在丰富的检测手段和预警技术及由这些检测产生的大量数据，现有的技术手段较少注重这些技术的融合联动，对这些问题不能及时、有效地预警与防范。

采用有效的油气管道安全防护预警系统对管道进行实时防护，相对于传统的事后被动预警以及采用单一的技术手段对管道安全进行防护，采用联动协同预警的方式能够更准确的发现威胁管道安全的事件并做出预警，对已发生安全问题的管道能够准确监测安全问题所在的点位，且能通过检测得到的数据进行预测分析，对管道安全进行预警，实现了油气管道全方位、全时段的安全管控，提升了企业经营效能。

在现有技术当中，例如：申请号为CN201911177310.X的专利文献公开了一种埋地油气管道安全防护预警系统，包括：C扫描子系统，用于对埋地管道超声检测；图像处理模块，用于接收C扫描子系统所采集到的数据，并对接收到的数据进行处理，形成C扫描图像；中央处理器，用于接收C扫描图像，并对C扫描图像进行分析，进而判断被测埋地管道是否存在异常，并对被测埋地管道的状态进行等级评价，产生相应的预警信息；警报模块，用于接收中央处理器所发送的异常数据信息，在出现异常点处发出警报信息。但是，该专利文献的预警系统无法通过地下、地上及空中的多方位数据采集实现对管道的监测，不具备多数据集成以实现协同预警的功能。

又如：申请号为CN201810313585.0的专利文献公开了一种基于无人机巡检的油气管道沉降预警系统，包括远程控制平台、无人机载平台和移动基站，远程控制平台依照油气管道布局规划无人机的巡检路线，将各个地区实时地表图像信息传送回远程控制平台，同时控制平台通过图像识别技术提取出最新图像特征值，并与前一天的图片特征值比对分析，计算出相应位置每日地表下沉量和地表裂缝宽度并导出检测技术表，最后对超出设定值的区域发出预警，移动基站配合无人机完成信息采集和打卡工作。但是，该专利文献的预警系统无法实现将无人机巡检采集的数据与管道全生命周期的数据进行融合，监测手段较为单一。

现有的相关技术对于预警类型和管道安全缺乏实时监控，主动预警的目的性不够，且监测数据质量精度不高，预警准确率较低，尚未形成融合和集成的功能，为此，有必要在此基础之上进行改进。

发明内容

本发明的目的是为了解决现有技术所存在的不足和缺陷问题，现提供一种基于决策融合的油气管道预警系统及预警方法。

为了达到上述发明目的，本发明采用以下技术方案：

一种基于决策融合的油气管道预警系统，包括：

基础设施层，包括智能感知设备；

感知执行层，通过智能感知设备对油气管道进行监测和数据采集；

基础数据层，用于将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；

核心服务层，用于对数据库的数据进行挖掘，将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警。

作为优选方案，所述感知执行层包括用于从地下采集油气管道数据的地下感知单元、用于从地上采集油气管道数据的地上感知单元及用于从高空采集油气管道数据的无人机巡检单元。

作为优选方案，所述地下感知单元包括分布式光纤传感模块、阴极保护设备及智能内检测模块。

作为优选方案，所述分布式光纤传感模块包括用于采集振动信号的瑞立传感器、用于采集温度信号布里渊传感器及用于采集应力信号的拉曼传感器。

作为优选方案，所述地上感知单元包括AI摄像头、合成孔径雷达及点状传感器；所述AI摄像头采集AI摄像头视频数据；所述合成孔径雷达及点状传感器用于采集地质灾害的数据。

作为优选方案，所述决策融合具体包括：

通过建立D-S决策模型，将不同预警任务对应的多种预警手段的多种预警级别融合得出相应预警任务的总预警级别，对总预警级别进行概率判断，选取概率最大的总预警级别作为相应预警任务的预警级别。

作为优选方案，所述事故树分析具体包括：

将预警系统转化为事故树模型，计算事故树模型各个节点的重要性，通过对预警任务和预警手段进行重要性排序，以实现主动预警。

作为优选方案，还包括应用层，通过API连接于核心服务层，用于将各个预警任务及其对应的预警级别进行展示。

作为优选方案，所述油气管道全生命周期的数据包括运维数据、建设期数据及地理信息数据。

本发明还提供一种基于决策融合的油气管道预警方法，包括如下步骤：

S1、感知执行层通过智能感知设备对油气管道进行监测和数据采集；

S2、基础数据层将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；

S3、核心服务层用于对数据库的数据进行挖掘；将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警。

本发明与现有技术相比，有益效果是：

1、将多源信息数据进行融合，有效地提高了信息处理的性能，有利于消除信息来源的多样性，增加冗余，还能对不同来源的优劣势进行互补，将信息的完整性发挥到最优，更好的辅助人们去完成目标。

2、通过预警的得到的数据和基础数据层的数据，利用事故树分析给出各种预警手段和预警级别的重要性排序，使油气管道的主动预警更有针对性。

3、在移动设备端和预警的电子屏幕上给出各种预警信息，有效提高事故处置效率，保障管道的安全，有利于减少事故的发生，同时保护人员安全。

4、基于多源信息的应用，实现了油气管道全方位、全时段的安全管控，提升了企业经营效能。该系统可以与智能管道的各类业务集成，实现智能管网的推广应用，有利于管道管理水平的提升，为决策者提供足够的信息，从而保障管道安全、高效运营，实现当前系统及数据采集与应用相结合，实现油气管道安全、高效、可持续发展。

附图说明

图1是本发明实施例1的一种基于决策融合的油气管道预警系统的架构图；

图2是本发明实施例1的一种基于决策融合的油气管道预警系统的数据库框架图；

图3是本发明实施例1的一种基于决策融合的油气管道预警系统的预警结构框架图；

图4是本发明实施例1的一种基于决策融合的油气管道预警系统的决策融合与事故树分析流程图；

图5是本发明实施例1的信度函数模型示意图。

具体实施方式

下面通过具体实施例对本发明的技术方案作进一步描述说明。

实施例1：

如图 1至图4所示，本实施例提供一种基于决策融合的油气管道预警系统，包括：

基础设施层，包括智能感知设备；

感知执行层，通过智能感知设备对油气管道进行监测和数据采集；

基础数据层，用于将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；

核心服务层，用于对数据库的数据进行挖掘，将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警；

应用层，通过API连接于核心服务层，用于将各个预警任务及其对应的预警级别进行展示。

感知执行层用于智能感知，感知执行层包括用于从地下采集油气管道数据的地下感知单元、用于从地上采集油气管道数据的地上感知单元及用于从高空采集油气管道数据的无人机巡检单元。感知执行层通过网络基础设施与基础设施层建立通信连接。

地下感知单元包括分布式光纤传感模块、阴极保护设备及智能内检测模块。分布式光纤传感模块用于获取分布式光纤传感数据，根据散射情况的不同，包括用于采集振动信号的瑞立传感器、用于采集温度信号布里渊传感器及用于采集应力信号的拉曼传感器。对分布式光纤传感模块的数据通过数据挖掘，对管道的第三方检测（对振动信号分析），管道泄漏（对温度信号进行分析）和管道安防（对应力信号进行分析）进行预警。对于第三方检测，通过瑞立传感器、拉曼传感器、无人机巡检及AI摄像头对获取的数据进行数据挖掘，通过采用不同的预警手段集成来实现第三方检测预警。对于管道泄漏检测，通过SCADA系统，布里渊传感器、光纤应变传感器（泄漏点应力不同），光纤温度传感器（泄漏点温度不同）获得的数据进行数据挖掘，实现泄露预警，通过冗余的预警手段，克服现有管道泄漏检测的弊端。

阴极保护设备用于获取阴极保护数据，通过在线路上设置智能阴保桩、排流测量箱、光纤电流环，对油气管道的特高压直流单极运行的时间、受干扰管道的电位、电流、排流电流、绝缘性能等数据进行实时监控。对阴极保护数据（主要是保护电位）进行分析，给出预警，降低因管道腐蚀带来的安全问题。

智能内检测模块用于获取内检测数据，对管道进行检测，检测出管道本体的各种缺陷、管壁变化、管壁材质变化、缺陷内外分辨、管道特征如管箍、补疤、弯头、焊缝、三通等进行识别，可提供缺陷面积、程度、方位、位置等全面的智能检测数据。对智能内检测数据进行分析，进行缺陷数据判别，给出管道的安全等级，减少管道因使用年限过久，地质灾害或者管道在设计制造时的缺陷造成的管道破裂等本质安全问题。

地上感知单元包括AI摄像头、合成孔径雷达及点状传感器。AI摄像头通过对油气管道进行实时监控以采集AI摄像头视频数据。AI摄像头边缘计算通过采用网络、计算、存储、应用核心能力为一体的开放平台，提供就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，可以满足行业在实时业务、应用智能、安全与隐私保护等方面的需求。采用华为云的开源产品KubeEdge边缘计算框架对AI摄像头数据进行分析。合成孔径雷达及点状传感器用于采集油气管道的地质灾害的数据，通过对地质灾害及防汛抗台期间的自然灾害监测数据进行挖掘分析，实现地质灾害预警。

无人机巡检单元用于获取油气管道航拍的视频及图片，并将其制成无人机巡检数据。通过无人机代替人工巡检，拍摄无人机在高空对管网进行航拍，获取带有目标对象的视频和图片制作成数据集。可以对复杂自然环境中的管道进行安全管控，将拍摄得到的数据进行分析，得到预警信息。一方面通过实现挖掘机等施工机械识别来弥补漏报问题，一方面也可以进行对水工保护等设施破坏的识别。通过部署分布式光纤传感模块，实现施工机械预警，但准确性偏低，并且漏报率高，结合无人机巡检单元，能够提高预警准确性以实现预警确认。

油气管道全生命周期的数据包括运维数据、建设期数据、地理信息数据，且不限于以上数据信息。基础数据层将感知执行层采集的感知层数据与运维数据、建设期数据及地理信息数据存储到以PostgreSQL为核心的数据库，通过扩展PostGIS并与ArcGIS整合实现空间数据管理，通过扩展TimescaleDB实现时间序列数据管理，实现时间+空间的时空数据融合；应用MINIO私有云对象存储实现对象数据管理，实现对象与时空数据关系管理，实现对象数据与时空数据融合。通过构建数据库，实现对历史数据的管理和对生产数据的存储，便于企业进行数据的查询，也为核心服务层提供了数据支撑。

核心服务层用于对数据库的数据进行数据挖掘，预警任务包括第三方检测预警、泄露预警及阴保腐蚀预警，预警任务不限于上述三种任务。用以实现第三方检测预警的手段有多种，分别通过无人机巡检模块、瑞立传感器、拉曼传感器及AI摄像头实现对数据的获取，通过对这些数据的挖掘分析，实现第三方检测预警。用以实现泄露预警的手段有多种，分别通过对SCADA系统及布里渊传感器获取的数据进行分析，实现泄露预警。用于实现阴保腐蚀预警的手段有多种，分别通过对智能阴保桩、光纤电流环及排流测量箱检测的数据进行分析，实现阴保腐蚀预警。

决策融合是对各个预警任务的预警信息进行融合得出一个相应预警任务的总的预警级别，决策融合具体包括：

通过建立D-S决策模型，将不同预警任务对应的多种预警手段的多种预警级别融合得出相应预警任务的总预警级别，对总预警级别进行概率判断，选取概率最大的总预警级别作为相应预警任务的预警级别。

核心服务层对数据库中的数据进行挖掘，每种预警任务具有多种预警手段，对于每种预警任务分别采用多种预警模型对数据库中的相应数据进行挖掘分析；对每种预警任务来说，通过建立D-S决策模型，将不同的预警手段（用于实现该预警任务的各个预警模型）得出的不同的预警级别融合成综合考虑多个预警手段的总预警级别，对这个综合考虑了多个预警手段的总预警级别，进行概率判断，选取概率最大的总预警级别作为相应预警任务的预警级别，实现协同预警。

运用D-S理论进行决策融合：

（1）假设针对同一预警任务有a种不同的预警手段，每种预警手段都有m个预警级别，建立假设空间u={A₁,A₂,A₃...,A_m}，构建mass函数。满足：

（2）计算归一化系数：

其中

的值是指通过各类预警手段得到不同预警级别的概率值，具体地表 示通过第i类预警手段获得的该预警手段第i个预警级别的概率值。

（3）计算合成的mass函数：

（3）

（4）计算信度函数和似然函数：

（4）

（5）

通常将A的信任程度记为A(Bel(A)，Pl(A))，Bel与Pl之间的部分为信度区间，信度区间表示对A不知道的程度，如图5所示。

（5）计算各对象的类概率函数：

即对象A_i的确定性，选择确定性最大的对象，作为融合决策的最终判断。

（6）

式中：|A|和|U|分别表示A，U中元素的个数。

其中对于预警级别A_i，

，f(A_i)是根据a种预警手段融合得到的概率，再选 择f(A_i)中最大的值对应的预警级别作为这个任务最终的预警结果，以实现决策融合。

事故树分析具体包括：

运用事故树分析方法，首先将预警系统转化事故树模型，然后计算事故树模型各个节点的重要性，对预警系统的各个元素（包括不同的预警任务和各种预警手段）进行重要性排序，来实现主动预警。

预警系统包括第三方检测预警、泄露预警及阴保腐蚀预警等多种预警任务，各种预警任务分别包含实现该预警任务的多种预警手段，这些预警任务和预警手段是事故树模型的节点，通过事故树分析计算各个节点的重要性。

（1）对于第i类预警手段，利用下列公式转化为节点的概率：

（7）

式中j为预警级别。对于事故树中其他类型的节点，将其在数据库中的频率大小转化为概率。

（2）将预警系统结构图转化为事故树，求出其最小割集，将每个节点的结构重要度和其对应的概率相结合可以对重要性进行定量的分析。

定义结构重要度：

（8）

其中：

，基本事件x_i属于k_j最小割集；

：基本事件x_i所在最小割集中基本事件的 个数。

(3)给出预警级别的重要性：

（9）

根据Q(i)值的大小可以对预警系统的预警任务和预警手段进行重要性排序，来实现主动预警。

在日常生产中可以根据重要性的大小对各种预警任务和预警手段及影响管网安全的各类因素给予不同的关注程度，实现了油气管道全方位、全时段的安全管控。

应用层，通过API连接于核心服务层，用于将各类预警信息进行展示，同时在移动设备端和预警电子屏幕上给出预警手段和预警级别的坐标，实现了油气管道全方位、全时段的安全管控，提升了企业经营效能。基于物联网、大数据以及数据挖掘技术，对采集到的各类数据，根据目的的不同，运用不同的数据挖掘算法进行预警模型建模，再进行决策融合，给出管道预警信息，同时结合事故树分析法，保障了管道的安全管控，有效提高事故处置效率，保障管道的安全，有利于减少事故的发生，同时保护人员安全。

与本实施例提供的一种基于决策融合的油气管道预警系统对应的预警方法，包括如下步骤：

S1、感知执行层通过智能感知设备对油气管道进行监测和数据采集；

S2、基础数据层将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；

S3、核心服务层用于对数据库的数据进行挖掘；将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警。

上述仅为本发明的较佳实施例及所运用技术原理，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种基于决策融合的油气管道预警系统，其特征在于，包括：

基础设施层，包括智能感知设备；

感知执行层，通过智能感知设备对油气管道进行监测和数据采集；

基础数据层，用于将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；

核心服务层，用于对数据库的数据进行挖掘，将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警；

所述决策融合具体包括：

通过建立D-S决策模型，将不同预警任务对应的多种预警手段的多种预警级别融合得出相应预警任务的总预警级别，对总预警级别进行概率判断，选取概率最大的总预警级别作为相应预警任务的预警级别；

所述事故树分析具体包括：

将预警系统转化为事故树模型，计算事故树模型各个节点的重要性，通过对预警任务和预警手段进行重要性排序，以实现主动预警；

其中，运用D-S理论进行决策融合：

(1)假设针对同一预警任务有a种不同的预警手段，每种预警手段都有m个预警级别，建立假设空间u＝{A₁,A₂,A₃...,A_m}，构建mass函数，满足：

(2)计算归一化系数：

其中m_j(A_i)的值是指通过各类预警手段得到不同预警级别的概率值，具体地表示通过第i类预警手段获得的该预警手段第i个预警级别的概率值；

(3)计算合成的mass函数：

(4)计算信度函数和似然函数：

通常将A的信任程度记为A(Bel(A)，Pl(A))，Bel与Pl之间的部分为信度区间，信度区间表示对A不知道的程度；

(5)计算各对象的类概率函数：

即对象A_i的确定性，选择确定性最大的对象，作为融合决策的最终判断；

式中：|A|和|U|分别表示A，U中元素的个数；

其中对于预警级别A_i，i∈[1,m]，f(A_i)是根据a种预警手段融合得到的概率，再选择f(A_i)中最大的值对应的预警级别作为这个任务最终的预警结果，以实现决策融合；

事故树分析具体如下：

对于第i类预警手段，利用下列公式转化为节点的概率：

式中j为预警级别，对于事故树中其他类型的节点，将其在数据库中的频率大小转化为概率；

将预警系统结构图转化为事故树，求出其最小割集，将每个节点的结构重要度和其对应的概率S_i相结合可以对重要性进行定量的分析；

定义结构重要度：

其中：x_i∈k_j，基本事件x_i属于k_j最小割集；n_t：基本事件x_i所在最小割集中基本事件的个数；

给出预警级别的重要性：

Q(i)＝I(i)·S_i (9)

根据Q(i)值的大小可以对预警系统的预警任务和预警手段进行重要性排序，来实现主动预警。

2.根据权利要求1所述的一种基于决策融合的油气管道预警系统，其特征在于，所述感知执行层包括用于从地下采集油气管道数据的地下感知单元、用于从地上采集油气管道数据的地上感知单元及用于从高空采集油气管道数据的无人机巡检单元。

3.根据权利要求2所述的一种基于决策融合的油气管道预警系统，其特征在于，所述地下感知单元包括分布式光纤传感模块、阴极保护设备及智能内检测模块。

4.根据权利要求3所述的一种基于决策融合的油气管道预警系统，其特征在于，所述分布式光纤传感模块包括用于采集振动信号的瑞立传感器、用于采集温度信号布里渊传感器及用于采集应力信号的拉曼传感器。

5.根据权利要求2所述的一种基于决策融合的油气管道预警系统，其特征在于，所述地上感知单元包括AI摄像头、合成孔径雷达及点状传感器；所述AI摄像头用于采集AI摄像头视频数据，所述合成孔径雷达及点状传感器用于采集地质灾害数据。

6.根据权利要求1所述的一种基于决策融合的油气管道预警系统，其特征在于，还包括应用层，通过API连接于核心服务层，用于将各个预警任务及其对应的预警级别进行展示。

7.根据权利要求1所述的一种基于决策融合的油气管道预警系统，其特征在于，所述油气管道全生命周期的数据包括运维数据、建设期数据及地理信息数据。

8.基于权利要求1-7任一项所述的一种基于决策融合的油气管道预警系统的预警方法，其特征在于，包括如下步骤：

S1、感知执行层通过智能感知设备对油气管道进行监测和数据采集；

S2、基础数据层将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库；

S3、核心服务层用于对数据库的数据进行挖掘；将不同预警任务对应的多种预警手段的多种预警级别进行决策融合，得出相应预警任务的预警级别；通过事故树分析分别得出各个预警任务和预警手段的重要性排序，实现主动预警。

Images