CN112593913A - 气田集输智能化提升系统 - Google Patents
气田集输智能化提升系统 Download PDFInfo
- Publication number
- CN112593913A CN112593913A CN201911184641.6A CN201911184641A CN112593913A CN 112593913 A CN112593913 A CN 112593913A CN 201911184641 A CN201911184641 A CN 201911184641A CN 112593913 A CN112593913 A CN 112593913A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- gathering
- transportation
- pipeline
- gas
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 239000007788 liquid Substances 0.000 claims description 83
- 238000000034 method Methods 0.000 claims description 51
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 14
- 241000521257 Hydrops Species 0.000 claims description 7
- 206010030113 Oedema Diseases 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000002688 persistence Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013475 authorization Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 2
- 230000008447 perception Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 118
- 239000012071 phase Substances 0.000 description 31
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 30
- 239000007791 liquid phase Substances 0.000 description 28
- 230000006870 function Effects 0.000 description 20
- 239000012530 fluid Substances 0.000 description 19
- 239000003345 natural gas Substances 0.000 description 15
- 230000001052 transient effect Effects 0.000 description 15
- 238000010521 absorption reaction Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 230000008020 evaporation Effects 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 210000001124 body fluid Anatomy 0.000 description 3
- 239000010839 body fluid Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000013433 optimization analysis Methods 0.000 description 2
- 230000005501 phase interface Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009834 vaporization Methods 0.000 description 2
- 230000008016 vaporization Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供一种气田集输智能化提升系统,包括万物互联操作平台、数字化集输管网、站场智能化监控子系统、集输系统智能决策支持系统、异常工况智能化识别与处理子系统等模块;该气田集输智能化提升系统按照生产指令日常运作及日常运作管理的智能化,而后者所谓的管理主要体现在对日常生产过程中的异常情况的识别与处理,即对异常工况的管理可以很好地实现前端地面、地下感知智能化,正常生产值守与处理无人化,系统监视实时化、立体化、可视化,异常工况识别与处理全面化、智能化,后端分析与决策全面科学化。
Description
技术领域
本发明具体涉及一种气田集输智能化提升系统。
背景技术
气田集输系统是一个天然气集输与加工生产的基层生产执行单元,目前大多采用分公司、采气厂、管理区的三级管理模式。主要由井站、集气站、集中处理中心,以及管线系统、自动化系统构成。原有的管理方式已经不能满足信息化时代的需求。申请人从集输系统工艺技术着手,对宏观生产运作、站场工艺操作器械、万物互联操作系统等方面进行了分析,提出可行的智能化提升方案,旨在提高企业核心竞争力、降低集输系统损耗、完善油田企业信息化建设基础平台。
发明内容
本发明的目的在于针对现有技术的不足,提供一种气田集输智能化提升系统,该气田集输智能化提升系统可以很好地解决上述问题。
为达到上述要求,本发明采取的技术方案是:提供一种气田集输智能化提升系统,该气田集输智能化提升系统包括如下模块:万物互联操作平台,用于实现安防监控系统,消防安全系统,车辆调度系统,人员管理系统,巡线系统相互调用相关的信息;数字化集输管网,通过各种数据采集手段,包括设计、建设资料收集,实际检测与测量数据,航拍技术,利用三维立体成像技术,对集输系统管线、生产场地建筑物、生产设施进行拍照,并转换成可以自由转动的三维立体图像;站场智能化监控子系统,用于实现对所有生产建筑物的内、外部图像、视频的实时监控与分析,对可疑对象进行初步鉴定与警示,并发回监控中心供决策人员进一步判断与决策,生产建筑物大门及工作场所均设置图像与指纹门禁系统,对进出人员根据授权进行检查、记录、行为限制;集输系统智能决策支持系统,用于实现对集输系统数据的深度应用,并支持生产过程各种决策问题的解决,包括突发问题及持续性问题的分析与决策;异常工况智能化识别与处理子系统,用于实现对日常生产运行数据的监控与异常情况的智能化筛选,筛选与识别出异常工况并利用各种工况处理专家系统进行智能化处置。
优选的,万物互联操作平台包括如下组件:
入口,采用BCCA协议管道,为物联网硬件接入爱普适万物互联智慧操作系统的标准协议体系,通过BCCA认证的产品即可接入爱普适万物互联智慧操作系统并开启万物互联功能;
出口,为S-API接口;
极简应用程序接口,为爱普适万物互联智慧操作系统的应用开放接口。
优选的,还包括如下模块:输气管道泄漏智能预警与监控系统、输气管道积液智能预警与智能清管系统。
优选的,输气管道泄漏智能预警与监控系统利用数据采集技术和实时管道模拟软件实现管线的自动监测,泄漏分析。
优选的,输气管道积液智能预警与智能清管系统用于采集管道输送气体压力、温度、含水量、气体组分参数,建立输气管道积液预测模型,预测管道积液随距离的变化情况,实时计算管道输送效率,判断管道是否需要清管,自动发送接收清管器,实现管道的高效输送。
优选的,异常工况智能化识别与处理子系统借助于人工智能技术对采集到的生产一线数据进行特征识别,发现异常工况数据,并在进行监控的前提下进行分析与预警,同时利用异常工况处理智能化专家系统提出处置方案。
优选的,异常工况智能化识别与处理子系统的构建方式如下:
建设井、集气站基础设施智能化标准建设样板,实现气田井场、集气站的远程操控及集中管控;
基于中石化智能油气田云平台、数据资源、标准化体系和安全体系,结合气田实际进行实施落地;
围绕产建及采气生产,部署智能化工业软件,支持生产流程的数据驱动、自动运转。
优选的,数字化集输管网实现对集输系统更直观的立体化监控,并实现对井口设施、输气管线及相关设施的实时监控与分析,实时掌握管输系统的状态,通过物联网与相关的其他子系统实现联动。
优选的,站场智能化监控子系统用于保障生产场地的安全、有序及人员管理,所有前端监控信息都将汇入三维立体可视化系统进行立体显示。
优选的,集输系统智能决策支持系统利用采集的集输系统生产数据及可能用到的外部环境大数据对集输系统运作过程中出现的各种问题进行深度的科学分析与决策,以支持各级人员处理生产运作过程中遇到的各种复杂决策问题。
该气田集输智能化提升系统按照生产指令日常运作及日常运作管理的智能化,而后者所谓的管理主要体现在对日常生产过程中的异常情况的识别与处理,即对异常工况的管理可以很好地实现前端地面、地下感知智能化,正常生产值守与处理无人化,系统监视实时化、立体化、可视化,异常工况识别与处理全面化、智能化,后端分析与决策全面科学化。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的集输系统智能决策支持系统的示意图。
图2示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的结构示意图。
图3示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的管道实时监测系统组成示意图。
图4示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的负压波泄漏定位示意图。
图5示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的不同尺度下奇异点的表现示意图。
图6示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的管道实时监测系统组成示意图。
图7示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的瞬态模型的示意图。
图8示意性地示出了根据本申请一个实施例的气田集输智能化提升系统的网格离散模式的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本申请作进一步地详细说明。
在以下描述中,对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度,但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外,重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例,但并非必然指代相同的实施例。
为简单起见,以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例,提供一种气田集输智能化提升系统,如图1-3 所示,包括:万物互联操作平台、数字化集输管网、站场智能化监控子系统、集输系统智能决策支持系统、异常工况智能化识别与处理子系统。
根据本申请的一个实施例,该气田集输智能化提升系统的万物互联操作平台可以为基于APCOS系统的万物互联操作平台,目前很多气田集输系统的各个子系统都是各自独立的,比如安防监控系统,消防安全系统,车辆调度系统,人员管理系统,巡线系统等,它们不能智能地相互调用相关的信息,主要依靠人工处理。APCOS万物互联操作平台是打通信息孤岛的利器。
爱普适万物互联智慧操作系统(简称:APCOS)是物联网终端设备、通信网络、计算机硬件与软件资源的综合管理系统,为物联网平台、场景应用的系统开发和使用提供底层支持环境。
APCOS包括如下三大组件:入口——BCCA协议管道,是物联网硬件接入爱普适万物互联智慧操作系统(APCOS)的标准协议体系,通过BCCA认证的产品即可接入APCOS并开启万物互联功能。出口——S-API接口极简应用程序接口,是爱普适万物互联智慧操作系统(APCOS)的应用开放接口。系统资源调度能力提供支撑——普适内核。
根据本申请的一个实施例,该气田集输智能化提升系统的数字化集输管网这一模块是目前很多气田信息化建设的薄弱环节,目前大多处于一个非数字化的阶段,基本没有数据远传功能,线路阀室、站场只有机械仪表。通过各种数据采集手段,包括设计、建设资料收集,实际检测与测量数据,航拍技术,利用三维立体成像技术,对集输系统管线、生产场地建筑物、生产设施进行拍照,并转换成可以自由转动的三维立体图像,包括地下埋管(通过埋管数据进行成像)。借之实现对集输系统更直观的立体化监控,帮助决策者更好地观察异常工况并作出更合理的决策。实现对井口设施、输气管线及相关设施的实时监控与分析,包括工艺参数的监控、视频监控等,实时掌握管输系统的状态。与集中控制系统相关联,通过物联网与相关的其他子系统实现联动。
根据本申请的一个实施例,该气田集输智能化提升系统的站场智能化监控子系统,实现对所有生产建筑物(如:集气站等)的内、外部图像、视频的实时监控与分析,对可疑对象(危险嫌疑分子、火灾、水灾、雷电等)进行初步鉴定与警示,并发回监控中心供决策人员进一步判断与决策。生产建筑物大门及工作场所均设置图像与指纹门禁系统,对进出人员根据授权进行检查、记录、行为限制,保障生产场地的安全、有序及人员管理。所有前端监控信息都将汇入三维立体可视化系统进行立体显示。其智能化体现在:摄像监控头的智能扫描与追踪;对可疑物的智能识别与判断,甚至决策;对可疑物的决策方案智能生成(供决策者决策参考);异常状况特征数据的识别、生成与存储。
根据本申请的一个实施例,该气田集输智能化提升系统的集输系统智能决策支持系统实现对集输系统数据的深度应用,并支持生产过程各种决策问题的解决,包括突发问题及持续性问题的分析与决策。利用长期采集的集输系统生产数据及可能用到的外部环境大数据对集输系统运作过程中出现的各种问题进行深度的科学分析与决策,以支持各级人员处理生产运作过程中遇到的各种复杂决策问题。包括各种趋势分析、问题原因分析、相关性分析、处置方案优化推送、最优化分析等等。其智能化目标:实现对集输系统数据的深度应用,并支持生产过程各种决策问题的解决,包括突发问题及持续性问题的分析与决策。其系统构思:利用长期采集的集输系统生产数据及可能用到的外部环境大数据对集输系统运作过程中出现的各种问题进行深度的科学分析与决策,以支持各级人员处理生产运作过程中遇到的各种复杂决策问题。包括各种趋势分析、问题原因分析、相关性分析、处置方案优化推送、最优化分析等等。
根据本申请的一个实施例,该气田集输智能化提升系统的异常工况智能化识别与处理子系统具体实现方式如下:
其智能化目标:实现对日常生产运行数据(SCADA系统与安全监控摄像系统)的监控与异常情况的智能化筛选,筛选与识别出异常工况并利用各种工况处理专家系统进行智能化处置(直接处置与提供决策参考方案)。
其系统构思:借助于人工智能技术对采集到的生产一线数据进行特征识别,及时发现异常工况数据,并在进行监控的前提下进行分析与预警,同时利用异常工况处理智能化专家系统提出处置方案,经人工认定后进行处置,可以是人工处置,也可以是自动处置(如阀门的控制等)。图2是智能化集输系统的结构示意图。其中的“生产一线实时数据”是指从集输系统前端通过SCADA系统感应并传回的所有数据,是我们可以观察并进行分析、处理的生产实时数据,其是智能化集输系统运行的基础;“异常工况特征数据”是指从以往异常工况出现中提炼出来的能识别特定异常工况的数据,也包括新出现的异常工况数据,其是智能化集输系统识别异常工况的数据基础;“异常工况处理记录”主要用来记录每次异常工况出现时的处置数据,其也是下一次处理同样异常工况的处置方案基础,当处置方案积累到一定数量后,系统便可借助于知识学习及最优化技术推演出当前异常工况处理的最佳方案,这个方案可能不同于库里的所有方案,是相关技术与方法的最优组合;“异常工况处理专家知识库”主要存放天然气集输系统相关专家的知识,是智能化集输系统的核心,收集知识的多少与质量决定了对集输系统异常工况的处理能力与质量。
具体方法:1、建设井、集气站基础设施智能化标准建设样板,实现东胜气田井场、集气站的远程操控及集中管控;2、基于中石化智能油气田云平台、数据资源、标准化体系和安全体系,结合东胜气田实际进行实施落地;3、围绕产建及采气生产,部署智能化工业软件1.0(一体化生产管控、气田设备智能监测与远程控制、安全管理、智能管线等),支持生产流程的数据驱动、自动运转,在此基础上进行研究、经营领域的智能化提升,并构建专家系统。
根据本申请的一个实施例,该气田集输智能化提升系统的输气管道泄漏智能预警与监控系统通过建立适合工程应用的输气管道泄漏检测方法,应用于天然气管道的泄漏检测,缩短发现天然气管道泄漏的时间,帮助现场工作人员快速准确的确定泄漏地点,为下一步的抢修抢险工作赢得时间,从而降低由于管道泄漏造成的损失,保证天然气管道的安全运营。输气管线的泄漏检测是指利用数据采集技术和实时管道模拟软件实现管线的自动监测,泄漏分析。管线泄漏监测系统实际是油气田自动化系统的一部分。该系统的具体实施方案如下:如图3所示,13#站—11#站—集中处理站段为例介绍管道系统自动实时监测的硬件系统组成。
13#站—11#站—集中处理站段穿越G18高速公路,管段由13#站部署DN250 集气管线8km进人11#站-集中处理站DN300管径7.5km管长的管线。且G18已经提前为13#站穿越做出预留,13#站外输压力2.82MPa<3.5MPa,满足目前生产需求。根据监测要求,13#站,11#站,集中处理站的变送器选用压力、次声波、流量等变送器。RTU负责采集、远传变送器测量的13#站、11#站、集中处理站设备以及管线的运行信号,通过微波、卫星通信,把13#站、11#站、集中处理站设备以及管线上采集到的数据传送到控制中心。数据采集板卡负责和主机相连。主机将RTU传来的数据写入实时数据库,并用实时数据库中的数据分析、判断管线工况和13#站、11#站、集中处理站设备的运行状况,计算13#站、11# 站、集中处理站设备以及管线的工艺参数,比较理论值与实际值和阀值之间的差异,从泄漏知识库中寻找相对应的泄漏信息。
采样频率的设定:为了对输气管线进行泄漏,就必须对采集到的数据进行分析处理,这就必须将模拟信号转变为计算机所能接受的数字信号,这就存在一个采样频率确定的问题,采样频率ws=2π/Ts,Ts为采集时间间隔,如果采样率设定过高,采样间隔小,则在一定时间内采样点数太多,造成计算机的储量需要过大和计算时间过长;如果频率太低,一方面由于采样间隔大而造成信息丢失,另一方面在频域内会产生频混现象,造成频谱失真,使后继工作严重失去依据。天然气管道泄漏,由于实时性的要求,管线的运行参数以及站场设备的运行参数变化比较平缓,管线的采样时间与管道步长要进行综合考虑,即满足定位精度,又要满足系统实时性的要求,采样频率一般需达到100Hz以上。
测量信号的滤波:在实际数据采集过程中,由于输气管道受周围环境、压缩机(组)运转特性的影响,采样直接得到的压力、温度、流量等信号中不可避免的混有噪声,有时,噪声甚至可以把有用的信息完全淹没。另外,由于电网中电压波动、沿线工厂及交通工具引发的振动也可能使采样信号中出现远远偏离采样信号真值的伪信号。因此,为了准确地获得管道和压气站设备运行的实际压力、温度和流量等信号,应该对这些信号进行预处理,检测并剔除信号中所包含的粗大误差、累进性系统误差和周期性系统误差,以获得可靠的压力、温度、流量、压差、转速等信号,交付后面的泄漏检测使用。
管道泄漏声波的检测原理:当输气管道发生泄漏时,管内流体从管道破口向外喷射,就会导致输气管内气体的流动参数发生改变,其造成的后果就是管道泄漏点处的气体密度会减小,压力会有所降低,泄漏点两边相邻区域的气体就会在压力差的作用下向泄漏点处进行补充,在这种情况下就会致使泄漏点相邻区域内的气体密度依次减小,压力逐级降低,这样就会进一步的造成更远处的气体向泄漏点相邻区间的地方补充,这种情况会依次向管道上下游方向传播,就会形成声波在输气管道内的上下游传播。而事先安装在管道两端的声波传感器在管道发生泄漏后监听并将采集到的声波信号,通过数据采集器进行A/D转换滤波后传递给上位机软件,上位机软件通过对声波信号进行特征量提取,来判断输气管道是否发生了泄漏。当管道处于工况时,我们把次声波传感器采集的声波信号当做背景噪声,一旦输气管道发生泄漏,此时,产生的泄漏声波信号和正常工况下的背景噪声将会一同传递给次声波传感器,经过上位机泄漏检测系统的对比和鉴别,来迅速做出泄漏判断。
负压波法泄漏检测:当泄漏发生时,由于管道内部流体的压力较高,而管道外部压力为大气压,这就在泄漏处产生压差,管道内流体在压差作用下迅速流失,使得泄漏处因流体物质损失而引起局部流体密度减少,进而引起管道内此处流体的压力降低。由于流体的连续性,管道中的流体速度不会立即发生改变,流体在泄漏点和与其相邻的两边的区域之间的压力产生差异,这种差异导致泄漏点上下游区域内的高压流体流向泄漏点处的低压区域,从而又引起与泄漏点相邻区域流体的密度减小和压力降低。这种因泄漏引起的压力变化过程称作“负压波”。负压波法是近年来在实际管线中应用较为广泛的一种检测方法,其基本原理是发生泄漏时在泄漏处会引起压力突降,形成一个负压波,该波以一定的波速向管道端传播,安装在两端的压力传感器根据检测到的压力变化即可判断是否发生泄漏,并根据接收到该波的时间差及波在介质中的传播速度就可进行定位。
管道泄漏声波的检测原理如下:
(A)管道泄漏的声波模型
一旦天然气管道发生泄漏,管道内的高压天然气气体就会突然释放,从而在漏孔处产生出高压冲击波,进而产生声波,即泄漏的声波由气体泄漏激励产生,为连续的声波信号。其冲击模型的公式如下:
公式(2-1)中,t0是事件常数,它对应声波衰减幅度为初始幅值的e-1的时刻;t1为管道发生泄漏的时刻;Ρ0为t1时刻对应的声压幅值;
对公式(2-1)应用傅里叶变换,得到的频谱函数如下所示:
泄漏形成后,会持续有气体经泄漏口释放,形成管道的微振动,因而会产生持续的稳定声源,它是一种连续的声波信号。这也是声波法优越于其他方法的原因之一。泄漏处的声波的频带范围很宽,其中绝大多数在175KHz~750KH 范围内,在声波的传播过程中,信号中的高频成分会在管道介质中逐渐衰减,而低频成分能够远距离传播,正式基于这个特点,所以声波测量法才能应用于天然气管道泄漏技术上。
(B)泄漏声波信号的衰减因素分析
在管道发生泄漏时,如果泄漏的声波在非理想的媒介中传播时,其强度会随着距离的增加而渐渐衰减,在这样的传播过程中,声能会逐渐转变成为热能而耗散,我们把这一过程定义为声衰减,也称为声波的吸收。而在实际的传播过程中,有很多因素能够影响声波的传播,这其中主要有媒介的粘滞吸收和热传导吸收这两种方式。
媒质的粘滞吸收
当声波的振动在具有粘滞性的媒质中传播时,造成相邻近质点的运动速度不同时,它们之间的相对运动会产生内摩擦力,将媒质中传播的声信号的振动转变为热能耗散。下面所示的就是在粘滞媒质中的声波一维波动方程:
式中,Ρ0为环境密度;ξ为任意位置处质点的位移;Ks为绝热体积弹性系数,Ks=-VdΡ/dV。公式(2-3)的解为:
公式(2-4)中,A、B是常数;C是声波在媒介中的传播速度(m/s);x 是声波的传播距离(m);w是角频率,H是声波频率(Hz);an为媒质的粘滞吸收系数,它是表述振幅随距离衰减快慢的重要物理量。
在公式(2-4)中,第一项表述声波的特征,其振幅为传播速度为c,角频率为w,传播方向为正x方向,从式子我们可以得出,在声波的传播过程中,其振幅会随距离的增加而指数地进行衰减;第二项代表的是方向为负x方向传播的声波。
在一般情况下,沾滞系数an表示如下所示:
在公式(2-5)中,媒质的粘滞吸收系数与声波频率的平方成正比,而与声速的三次方成反比。
媒质的热传导吸
传播过程中声波在绝热的,声压变化造成媒质产生压缩和膨胀的变化,压缩区的体积变小,温度升高,膨胀区的体积变大,温度降低。相邻的压缩区和膨胀区之间的温度梯度导致一部分热量从温度高的部分流向温度较低的区域中去,发生热传导,将声能转变为热能耗散吸收。综合考虑媒质的粘滞吸收和热传导吸收效应后,可得到声吸收系数斯托克斯-克希霍夫公式:
式中:ω为声波角频率;c为声波传播的速度,m/s;ρ0为媒质密度,kg/m3; K为媒质热传导系数;η为媒质粘滞系数;Cv为定容比热,kJ/(kg·K);Cp为定压比热,kJ/(kg·K)。
③泄漏声波信号的波速分析
声波在天然气介质中的传播速度与其密度、温度、质点速度和压强等因素有关。在满足管径尺寸的情况下,通过输气管内的流动方程组可以得出在管道中的声波衰减系数α与声速v的计算式分别为:
公式(2-7)、(2-8)中,ρ0为初始流场的不可压缩流体密度,视为常数;ρ为压缩性流体密度,为时间的函数;ω为声波的角频率;r为管道的半径;u为粘滞系数,由流体的切变粘滞系数u1和容变粘滞系数产u2组成,一般为:
由公式(2-9)得出,声波吸收系数与输气管道的半径成反比例关系,而与声波的频率平方成正比例关系。
在实际环境中,声速我们一般按340m/s来计算,在输气管线中,我们可以近似认为声波在天然气中的传播速度与在空气中的传播速度一样,压力和温度与声速v的计算式为:
由式(2-10)可以得出,声波波速是与管线流体温度和压强息息相关。考虑管内天然气流速对声波传播的影响,修正定位公式,引入管内气流体流速u,根据未修正的声波泄漏定位公式得到修正后的声波定位公式为:
以上对输气管道声波波速的分析和对定位公式的修正,其目的就是为了减小由声波速度v引起的误差,从而提高基于声波法进行泄漏点定位的准确性和可靠性。
负压波法泄漏检测与定位原理如下:
负压波法的定位原理如图4所示:设L为管道长度,x为泄漏点到首端的距离,负压波传播速度为v,管道内天然气流速分别为u1,u2(u1,u2分别表示起始端到泄漏点天然气流速和泄漏点到终端的天然气流速),得到如下计算公式:
t1-t2=Δt (2-14)
x=t1(v-u1) (2-15)
将以上公式整理可得到:
3)小波变换法在信号处理中的应用
①小波变换的基本原理与性质
小波变换是一种能够在时间-频率内对信号进行分析的方法,具有可以对信号在不同范围、不同的时间区域内进行分析,对噪声不敏感,能够分析到信号的任意细节等优点,在信号处理领域获得越来越广泛的应用,被誉为“数学显微镜”。
显然ψa,b(t)是基本函数ψ(t)先作移位再作伸缩以后得到的。若a,b不断变化,这可得到一组函数ψa,b(t)。给定平方可积的信号x(t),即x∈L2(R),则x(t)的小波变换定义为:
式中a,b,t都是连续变量,因此该式又称为连续小波变换。信号x(t)的小波变换WTx(a,b)是a和b的函数,b是时移,a是尺度因子。ψ(t)又称为基本波或母小波。ψa,b(t)是母小波经移位和伸缩所产生的一组函数,称之为小波基函数,或简称为小波基。
②小波变换信号除杂的应用
由之前的分析可以知道,在管道泄漏负压波信号中掺入了很多的噪声信号,要实现压力突变点的捕捉,就必须消除这些噪声,同时需要保持信号良好的局部特性(边缘点、尖点)。传统的除噪方法主要包括线性滤波法和非线性滤波法,如中值滤波和Wiener滤波传统除噪方法的不足在于使信号变换后的熵增高、无法刻画信号的非平稳特性并且无法得到信号的相关性。为了克服上述缺点,人们开始使用小波变换解决信号除噪问题。阀值除噪方法是一种实现简单、效果较好的小波除噪方法。其思想就是对小波变换后的各层系数中大于和小于某阀值的系数分别处理,然后对处理完的小波系数再进行反变换,重构出经过除噪后的信号。具体步骤如下:
(A)小波分解:选择一个小波并确定小波分解的阶次N,然后将含有噪声的信号按照相应的小波基求得各阶次的小波分解后的高频系数;
(B)小波分解高频系数的阀值处理:对1~N阶尺度上分解得到的高频系数在相应阶次上的门限值进行量化处理,得到新的小波高频系数;
(C)小波重构:根据分解得到的N阶低频概貌和经过阀值处理后得到的 1~N阶的高频系数,用小波合成重构信号,得到除噪后的信号。
③小波技术检测压力突变点
(A)奇异性检测原理
一般信号奇异性分为两种情况:(1)信号在某一时刻其幅值发生突变,引起信号的不连续,这种类型的突变称为第一种类型的间断点;(2)信号外观上光滑,幅值没有发生突变,但是信号的一阶微分有突变发生且一阶微分不连续,这种类型的突变称为第二类型的间断点。
在数学上,通常用李普西兹指数(Lipschitz)来描述函数的局部奇异性。李普西兹指数的定义为:设n为一非负整数我们说f(x)在点x0的李普西兹指数为a,如果存在两个常数A和h0>0,及n次多项式pn(h),使得对任意的h≤h0,均有: |f(x0+h)-pn(h)|≤A|h|a,如果该式对所有x0∈(a,b)均成立,称f(x)在(a,b)上是一致李普西兹指数a,记为
对于二进制小波,其模极大值与奇异性的关系是:
log2|WT2ix(t)|≤log2K+ja (2-18)
结合各种信号的Lipschitz指数a的特性可以知道,有效信号与噪声信号的小波变换模极大值随着尺度j的增大而产生相反的趋势。
(B)搜索奇异点的方法
在利用小波分析信号的这种局部奇异性时,可以选择小波为光滑函数的一阶或二阶导数,当小波函数可看作某一平滑函数的一阶导数时,信号小波变换模的局部极值点对应于信号的突变点(或边缘);当小波函数可看作某一平滑函数的二阶导数;信号小波变换模的过零点,也对应信号的突变点(或边缘),因此,采用检测小波变换系数模的过零点和局部极值点的方法可检测信号的边缘位置。这是两种相似的方法,但是比较来说,用局部极值点进行检测更具有优越性一般所选小波。因此我们选择光滑函数的一阶导数作为小波来进行奇异点的检测。本文中选取db1小波进行奇异点的捕捉。除了小波基的选择外,我们还需要选择合适的尺度,只有在合适的尺度下,各突变点的小波变换才能避免干扰。尺度越小,极大值点与突变点的位置对应越好,但受噪声影响明显,容易产生伪极值点。尺度越大,受噪声影响越小,但定位容易产生偏差。图5中以阶跃信号和斜坡信号的小波变换为例,说明了不同尺度下小波变换的时间-尺度特性。图中采用的小波函数是db4,这里由于没有噪声的干扰,因此可以很容易从d1就得出信号的奇异点,然而实际信号是含有大量的噪声的,在实际处理时就需要把多尺度结合起来综合观察,本文提出采用从整体到局部的奇异点搜索法来捕捉奇异点,这样既能准确的得到压力突变点的位置,又较好的去除了伪极值。
根据本申请的一个实施例,该气田集输智能化提升系统的输气管道积液智能预警与智能清管系统的建立目的:通过建立管线数据采集系统,采集管道输送气体压力、温度、含水量、气体组分等参数,建立输气管道积液预测模型,预测管道积液随距离的变化情况,实时计算管道输送效率,判断管道是否需要清管,自动发送接收清管器。实现管道的高效输送。在管输过程中由于压力等工况条件的改变,管道内会析出液体,沉积于管线低洼处,导致管内壁腐蚀、结垢,使管道流通面积减小、输送效率降低,输送成本增大。随着管道运行时间的增长,管内积液累积、腐蚀、结垢日益严重,最终将导致管道堵塞、破裂,造成安全事故。
根据本申请的一个实施例,该气田集输智能化提升系统的输气管道积液智能预警与智能清管系统具体实施方案如下:如图6所示,13#站—11#站—集中处理站段穿越G18高速公路,管段由13#站部署DN250集气管线8km进人11# 站-集中处理站DN300管径7.5km管长的管线。且G18已经提前为13#站穿越做出预留,13#站外输压力2.82MPa<3.5MPa,满足目前生产需求。根据监测要求,图6中13#站,11#站,集中处理站的变送器选用压力、温度、流量、在线色谱仪等变送器。RTU负责采集、远传变送器测量的13#站、11#站、集中处理站设备以及管线的运行信号,通过微波、卫星通信,把13#站、11#站、集中处理站设备以及管线上采集到的数据传送到控制中心。数据采集板卡负责和主机相连。主机将RTU传来的数据写入实时数据库,积液预测软件实时计算管道各位置压力、温度、持液率、流速等工艺参数,判断管道积液量及输送效率,发出清管指令。
管道稳态多相流模型:当液化气的汽化率较大,即含较多气体时,管道内的流体会存在明显的气液相界面,这一流态称为分层流。在这种流态下,气液相不是均匀混合在一起的,因此管道沿线的参数计算与均相流状态下存在较大的区别,需要专门采用分相流模型进行处理。所谓分相流模型(Separated Flow Model)就是认为气液两相流体分开流动,各自占有一定截面面积,且在流动截面上每一相速度是常量。
A、分相流连续性方程由液相质量守恒,可得
式中HL——持液率,无量纲;
在热力学平衡条件下,蒸发或蒸汽凝结遵循下式:
式中γ——汽化潜热,kJ/kg;
q——单位时间由管道单位面积壁面进入的热流量,kJ/(m2·s)。将式(2-19)代入(2-20)整理得:
同样,可以导出气相质量守恒方程:
由式(2-21)与(2-22)相加,并考虑:
G=ρlwlHL+ρgwg(1-HL) (2-23)
ρm=ρlHL+ρg(1-HL) (2-24)
得
B、分相流动量方程
对于液相,动量增加率为:
控制体上受力为:
式中τw——管道内壁面剪切力,N/m2;
τim——单位界面面积上,动量从气相传到液相的传递率,也即界面剪应力, N/m2;
Si——界面周界,m;
Slw——液体与管内壁界面的周界,m。
式(2-27)中第二项为作用于微元体两端的压力项,第三项是作用在微元体倾斜表面上的压力,是由于液体截面面积的变化而产生的。
把式(2-27)中第二项的偏导数展开,并考虑作用于微元体的力和液相动量产生率相等,可得到液相的动量平衡方程为:
对于稳定流动,并考虑连续性方程(2-31)后,上式可化为:
同样地,对气相也可导出相类似的方程:
式中Sgw——气相与管内壁周界,m。
对于稳定流动,并考虑连续性方程(2-32)后,上式可化为:
从式(2-29)、(2-30)可以看出相与相之间的质量传递对动量传递是有影响的,研究表明这种影响很大,即τim和没有相间传质时的τi可以有很大的差别。为了解决这个问题,有学者引入了“等效层流膜”模型。这个模型假定在靠近界面的气体内,有一个层流边界层,在这个边界层上,速度由气相平均速度wg 变成液相界面速度(假定一级近似等于液相速度wl)。等效层流膜模型的基础是边界层厚度并不由于质量传递而发生显著变化。该文表明,这个概念是从实验数据和很多先进的计算方法中产生的,并与绝大多数实际蒸发和凝结系统中所遇到的各种条件也是相符合的。为了方便,定义λi和λim为有传质和无传质情况下的摩擦因子。
等效层流膜模型给出了存在和不存在传质情况下的剪应力,如下:
式中,F为无量纲因子,定义为:
对于F<<1(即低凝结率),式(2-32)可简化为:
根据上面的定义,重新整理得到:
把各相的动量方程(2-28)、(2-30)相加得到混合物的动量方程:
将上式用混合物密度ρm、质量流速G和质量含气率x表示,即
G=ρlHLwl+ρg(1-HL)wg (2-39)
ρm=HLρl+(1-HL)ρg (2-40)
可得
若对于稳定流动,有:
对等截面管道稳定流动,有:
C、分相流能量守恒方程
对于液相:
气相:
式中Slw、Sgw——管道中液体、气体流动与管壁周界,m;
Si——管道中液体与气体接触周界,m;
qlv、qgv——单位时间液体、气体单位体积的热量产生率,kJ/(m3·s);
el、eg——单位质量液体、气体对流传热能,kJ/kg;
q——单位时间由管道单位面积壁面进入系统的热量,kJ/(m2·s);
qi——单位时间由液体、气体热能单位面积上所交换的热量,kJ/(m2·s)。
式(2-46)中左边第一项表示液相流入控制体的能量;第二项表示由气相变为液相所带入控制体液相中的能量,若ea的脚标“a”取液相“l”,若ea的脚标“a”取气相“g”;第三项表示液相与管壁面接触进入控制体液相中的能量;第四项表示液相与气相接触进入控制体液相中的能量;第五项表示控制体内液相中产生的热量;右边第一项表示液相流出控制体的能量;第二项表示控制体中液相能量存积率。式(2-47)中左边第一项表示气相流入控制体的能量;第二项表示由气相变为液相所带走的能量;第三项表示气相与管壁接触进入控制体气相中的能量;第四项表示气相与液相接触由气相传入液相的能量;第五项表示气相控制体内气相产生的热量;右边第一项表示气相流出控制体的能量;第二项表示控制体中气相能量存积率。
对方程(2-56)、(2-47)化简得:
考虑方程(2-48)-(2-52)以及连续性方程(2-31)和(2-32),方程(2-53) 和(2-54)可简化为:
对于稳定流动,由方程(2-55)、(2-56)可得:
若无相变,式(2-57)、(2-58)右端第三项为零。混合能量方程如下,对于控制体,若考虑:
qSlw+gSgw=qS (2-59)
qlvAHL+qgvA(1-HL)=qvA (2-60)
将(2-55)与(2-56)合并化简,得
化简得
考虑
G=ρlHLwl+ρg(1-HL)wg (2-63)
方程(2-62)可简化
对于稳定流动,有:
管道清管瞬态仿真模型:
瞬态模型将管道分为3个流动区域,如图7。
(1)管线上游区:从管路入口到球,重新建立稳态的过程。管路入口流量为入口边界条件,重新建立的液体前锋处的压力为出口边界。出口边界是运动的,压力也是变化的。
(2)清管液塞区:球到球前液弹段前锋。液弹前锋的运动速度大于下游液体运动速度,前面的液体不断被液弹卷起,液弹段不断增大。
(3)管线下游区:液弹前锋到管路出口。这是一个以液弹前缘入口为边界的瞬态流动,出口边界为管路出口压力。
该模型由清管球前段塞部分的数学模型和混输管路(即管线下游区)的瞬态数学模型两部分组成。模拟清管球前液塞的流动规律可采用流体力学中的质量守恒和动量守恒定律,因此仅考虑恒温流动不必考虑能量方程。
选取液塞前锋和液塞末尾之间的液塞段为控制体。假设液体密度、液塞中的含液率不随时间改变,且通过清管球与管壁之间的缝隙滑落到球后的液体的速度为0。对移动控制体CV中的液相可以列出质量守恒方程:
式中t——时间变量,s;
Ls——液塞段长度,m;
HLs——液塞体的持液率,无量纲;
HL——管线下游区的持液率,无量纲;
wt——液塞前锋的移动速度,m/s;
wl——未被液塞扰动时,管道中液相的流速,m/s;
wp——清管球运动速度,m/s;
E——清管效率系数,当球与管道直径比大于0.95时,可以取为1;
1-E——清管球后的含液率,它是清管球直径与管径比的函数。
液塞段长度的变化来源于液弹前缘与球的速度差,因此,液弹长度随时间的变化速率为:
将式(2-68)代入式(2-69)得:
假定在一个微元时间内,液体密度、液弹速度和液弹中的含液率不随时间改变,且通过清管球与管壁之间的缝隙滑落到球后的液体的速度为0,对控制体单元CV列出动量守恒方程:
ρlwsHLs(wt-wp)A+ρlwl(wl-wt)HLA=(Pp-Pf)A-gρsAsinθLs-τsπdLs (2-71)
式中ws——液塞的平均移动速度,m/s;
ρl——液体的密度,kg/m3;
A——管路截面积,m2;
Pp——清管球处的压力,MPa;
Pf——液塞段前端的压力,MPa;
g——重力加速度,m/s2;
ρs——液塞段密度,kg/m3;
θ——管线的倾角,rad;
τs——液塞段液体与管壁的剪切应力,MPa。
为了计算液塞的平均移动速度,考虑到有一小部分液体从球与管壁之间的间隙滑过(Leakage),落在球后面,列出恰好在球前面的断面和球后面的段之间的液体容积平衡,有:
HLs(wp-ws)=(1-E)(wp-0) (2-72)
求解式(2-72),得液塞的平均移动速度ws计算式:
清管球的速度可以认为等于清管球前气体的速度。为了计算液塞速度,需要知道液塞持液率,这里采用格雷戈里(Gregory)关系式,如下:
式(2-72)、式(2-73)两式联立即可同时求出液塞速度和液塞持液率。将式(2-73)和式(2-74)带入式(2-72),就可以计算液塞段的总压降。
采用管路瞬态数学模型计算球上游和液塞前端下游瞬态过程,由于边界是移动的,将通球模型和瞬态模型耦合起来。球作为移动边界,气体不能通过,但是,少量液体可以滑过。液塞前锋也是移动边界。耦合通球模型和瞬态模型的关键在于追踪球、弹前缘和球后液塞前锋在每个时间层所处的位置。
这种离散方法的原理如图8所示:根据图8所示,清管球位于j与j+1网格之间,液塞前锋在网格M与M+1之间。清管球的坐标位置为xp,液塞前锋坐标位置为xf。在清管球所在的网格内xp坐标处创建临时的移动网格,同样在液塞前锋所在的网格内xf坐标处创建临时的移动网格,这样就可以跟踪清管球与液塞前锋的移动边界。
在每个时间步长,清管球的新坐标为:
液塞前锋的新坐标为:
液塞前锋的运动速度可按照式(2-68)计算。
球后液体前锋的位置为:
在液弹段和下游段的交界处,由气相质量守恒可得:
HLs(wt-ws)=(1-HL,M+1)(wt-wG,M+1) (2-79)
HL,M+1是M+1节点的持液率,可由上时间层的瞬态仿真结果得到。式(2-61) 可用于计算wG,M+1。同理,为了计算M+1节点处的液相流速,在交界处列出液相的质量守恒方程为:
(wL,M+1-wt)HL,M+1=HLs(ws-wt) (2-80)
此时,已经知道了液塞前锋和球的坐标位置,就可以将瞬态模拟分为上游和下游两部分。下游部分数值模拟的边界条件为:管线终点分离器操作压力作为出口边界,段塞前端气相和液相的体积流量(流速)作为入口边界。上游部分数值模拟的边界条件为:清管球前压力作为出口边界,入口气液相的体积流量作为入口边界。然后分别利用泰特尔(Taitel)混输管路瞬态数学模型计算清管球前以及段塞前锋后管线的压力、持液率、流量等参数的变化规律。这样,就可以完成整条管线一个时间层的各流动参数的计算,并将计算结果存入对应的固定节点。下时间层首先由式(2-75)—式(2-78)计算球、球前液塞前锋、球后液体前锋的位置,然后重新计算移动边界位置和边界条件参数,将管道分为上游和下游两部分进行该时间层的计算。依次计算下去,直至球到达管道出口以后,瞬态计算就转变为一般湿天然气管道的瞬态计算。收球后,管道的进出口边界条件均不再变化,最后管内流动应该恢复至清管前的稳定流动状态。这个恢复时间就是清管后的多相流动再生平衡时间,该参数对于清管周期的制定具有重要意义。模拟达到稳态流动后,停止计算。这就完成了整个通球清管过程的模拟。
以上所述实施例仅表示本发明的几种实施方式,其描述较为具体和详细,但并不能理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。
Claims (10)
1.一种气田集输智能化提升系统,其特征在于,包括如下模块:
万物互联操作平台,用于实现安防监控系统,消防安全系统,车辆调度系统,人员管理系统,巡线系统相互调用相关的信息;
数字化集输管网,通过各种数据采集手段,包括设计、建设资料收集,实际检测与测量数据,航拍技术,利用三维立体成像技术,对集输系统管线、生产场地建筑物、生产设施进行拍照,并转换成可以自由转动的三维立体图像;
站场智能化监控子系统,用于实现对所有生产建筑物的内、外部图像、视频的实时监控与分析,对可疑对象进行初步鉴定与警示,并发回监控中心供决策人员进一步判断与决策,生产建筑物大门及工作场所均设置图像与指纹门禁系统,对进出人员根据授权进行检查、记录、行为限制;
集输系统智能决策支持系统,用于实现对集输系统数据的深度应用,并支持生产过程各种决策问题的解决,包括突发问题及持续性问题的分析与决策;
异常工况智能化识别与处理子系统,用于实现对日常生产运行数据的监控与异常情况的智能化筛选,筛选与识别出异常工况并利用各种工况处理专家系统进行智能化处置。
2.根据权利要求1所述的气田集输智能化提升系统,其特征在于,所述万物互联操作平台包括如下组件:
入口,采用BCCA协议管道,为物联网硬件接入爱普适万物互联智慧操作系统的标准协议体系,通过BCCA认证的产品即可接入爱普适万物互联智慧操作系统并开启万物互联功能;
出口,为S-API接口;
极简应用程序接口,为爱普适万物互联智慧操作系统的应用开放接口。
3.根据权利要求1所述的气田集输智能化提升系统,其特征在于,还包括如下模块:输气管道泄漏智能预警与监控系统、输气管道积液智能预警与智能清管系统。
4.根据权利要求3所述的气田集输智能化提升系统,其特征在于:所述输气管道泄漏智能预警与监控系统利用数据采集技术和实时管道模拟软件实现管线的自动监测,泄漏分析。
5.根据权利要求3所述的气田集输智能化提升系统,其特征在于:所述输气管道积液智能预警与智能清管系统用于采集管道输送气体压力、温度、含水量、气体组分参数,建立输气管道积液预测模型,预测管道积液随距离的变化情况,实时计算管道输送效率,判断管道是否需要清管,自动发送接收清管器,实现管道的高效输送。
6.根据权利要求1所述的气田集输智能化提升系统,其特征在于:所述异常工况智能化识别与处理子系统借助于人工智能技术对采集到的生产一线数据进行特征识别,发现异常工况数据,并在进行监控的前提下进行分析与预警,同时利用异常工况处理智能化专家系统提出处置方案。
7.根据权利要求1所述的气田集输智能化提升系统,其特征在于,所述异常工况智能化识别与处理子系统的构建方式如下:
建设井、集气站基础设施智能化标准建设样板,实现气田井场、集气站的远程操控及集中管控;
基于中石化智能油气田云平台、数据资源、标准化体系和安全体系,结合气田实际进行实施落地;
围绕产建及采气生产,部署智能化工业软件,支持生产流程的数据驱动、自动运转。
8.根据权利要求1所述的气田集输智能化提升系统,其特征在于:所述数字化集输管网实现对集输系统更直观的立体化监控,并实现对井口设施、输气管线及相关设施的实时监控与分析,实时掌握管输系统的状态,通过物联网与相关的其他子系统实现联动。
9.根据权利要求1所述的气田集输智能化提升系统,其特征在于:站场智能化监控子系统用于保障生产场地的安全、有序及人员管理,所有前端监控信息都将汇入三维立体可视化系统进行立体显示。
10.根据权利要求1所述的气田集输智能化提升系统,其特征在于:所述集输系统智能决策支持系统利用采集的集输系统生产数据及可能用到的外部环境大数据对集输系统运作过程中出现的各种问题进行深度的科学分析与决策,以支持各级人员处理生产运作过程中遇到的各种复杂决策问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184641.6A CN112593913A (zh) | 2019-11-27 | 2019-11-27 | 气田集输智能化提升系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184641.6A CN112593913A (zh) | 2019-11-27 | 2019-11-27 | 气田集输智能化提升系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112593913A true CN112593913A (zh) | 2021-04-02 |
Family
ID=75180035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911184641.6A Pending CN112593913A (zh) | 2019-11-27 | 2019-11-27 | 气田集输智能化提升系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112593913A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113553724A (zh) * | 2021-07-30 | 2021-10-26 | 中国石油化工股份有限公司 | 一种页岩气井生产过程井筒异常分析及处理系统 |
CN116255570A (zh) * | 2022-12-22 | 2023-06-13 | 新疆敦华绿碳技术股份有限公司 | 一种用于二氧化碳捕集的管道监测和隐患分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201991524U (zh) * | 2011-02-28 | 2011-09-28 | 煤炭科学研究总院重庆研究院 | 煤矿区煤层气安全集输智能调控系统 |
CN203014486U (zh) * | 2012-11-09 | 2013-06-19 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种直流接地极在线监测系统 |
WO2015147871A1 (en) * | 2014-03-28 | 2015-10-01 | Sicpa Security Inks & Systems Usa, Inc. | Global management for oil gas assets |
WO2015168706A1 (en) * | 2014-05-02 | 2015-11-05 | Kongsberg Oil And Gas Technologies As | System and console for monitoring and managing well site drilling operations |
CN206479829U (zh) * | 2017-01-19 | 2017-09-08 | 沈霁 | 基于物联网的油田或气田生产管控系统 |
-
2019
- 2019-11-27 CN CN201911184641.6A patent/CN112593913A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201991524U (zh) * | 2011-02-28 | 2011-09-28 | 煤炭科学研究总院重庆研究院 | 煤矿区煤层气安全集输智能调控系统 |
CN203014486U (zh) * | 2012-11-09 | 2013-06-19 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种直流接地极在线监测系统 |
WO2015147871A1 (en) * | 2014-03-28 | 2015-10-01 | Sicpa Security Inks & Systems Usa, Inc. | Global management for oil gas assets |
WO2015168706A1 (en) * | 2014-05-02 | 2015-11-05 | Kongsberg Oil And Gas Technologies As | System and console for monitoring and managing well site drilling operations |
CN206479829U (zh) * | 2017-01-19 | 2017-09-08 | 沈霁 | 基于物联网的油田或气田生产管控系统 |
Non-Patent Citations (2)
Title |
---|
张璞: "浅谈长庆气田天然气集输系统数字化", 《中国石油和化工标准与质量》 * |
杨丽彬等: "大数据环境下的管理信息系统发展研究", 《大数据》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113553724A (zh) * | 2021-07-30 | 2021-10-26 | 中国石油化工股份有限公司 | 一种页岩气井生产过程井筒异常分析及处理系统 |
CN116255570A (zh) * | 2022-12-22 | 2023-06-13 | 新疆敦华绿碳技术股份有限公司 | 一种用于二氧化碳捕集的管道监测和隐患分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Korlapati et al. | Review and analysis of pipeline leak detection methods | |
Whittle et al. | Sensor networks for monitoring and control of water distribution systems | |
US10275402B2 (en) | Systems and methods to provide pipeline damage alerts | |
He et al. | Integrated structural health monitoring in bridge engineering | |
Chen et al. | Application of Hilbert‐Huang Transform in Structural Health Monitoring: A State‐of‐the‐Art Review | |
Zhang et al. | Vortex‐induced vibration measurement of a long‐span suspension bridge through noncontact sensing strategies | |
CN112593913A (zh) | 气田集输智能化提升系统 | |
US20170184561A1 (en) | Integrated Air Quality Forecasting | |
KR102343736B1 (ko) | 환경시설물 침수 예측 시스템 및 환경시설물 침수 예측 방법 | |
Idachaba et al. | Current technologies and the applications of data analytics for crude oil leak detection in surface pipelines | |
US20180306677A1 (en) | Structure abnormality detection device, structure abnormality detection method, storage medium, and structure abnormality detection system | |
CA3206902A1 (en) | Prediction of pipeline column separations | |
CN115965246A (zh) | 一种岩溶塌陷灾害的预警分析方法 | |
Chen et al. | Detection of the pipeline elbow erosion by percussion and deep learning | |
CN117275209A (zh) | 一种基于分布式光纤声波传感的监测预警方法以及相关装置 | |
Rayhana et al. | Smart valve detection system for water distribution networks | |
Sharma et al. | A comprehensive study of techniques utilized for structural health monitoring of oil and gas pipelines | |
CN210141480U (zh) | 一种天然气管网泄漏监测系统 | |
Obshta et al. | Cyber-Physical System for Diagnostic Along the Controlled Section of the Oil Pipeline | |
CN110411387B (zh) | 一种基于频率的梁式结构附加质量初步定位方法 | |
Chan et al. | A better estimation of wave arrival time in water distribution networks using WAvelet kNEe (WANE) | |
Wang et al. | Enhancing pipeline integrity management with machine learning and integrated monitoring technologies | |
CN112413413B (zh) | 结合深度学习和多次测量技术的管道泄漏监测及定位方法 | |
Forliti et al. | Motion magnification analysis for city monitoring | |
Ponomarev et al. | Using the normal-mode method of probing the infrasonic propagation for purposes of the comprehensive nuclear-test-ban treaty |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210402 |
|
RJ01 | Rejection of invention patent application after publication |