CN112613484B - 一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法 - Google Patents

Abstract

本发明公开了一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法。压缩机抽吸和管道发生小孔泄漏时造成的管道压降速率很小，传统通过检测管道两端压降速率和持续时间的方法无法区分两种工况。本发明基于奇异谱分析和支持向量机方法，根据输入的压降速率信号可以准确识别这两种工况。其步骤是：采集压缩机抽吸和管道泄漏时阀室的压降速率信号；使用奇异谱分析求解奇异值并构建特征向量；将特征向量输入支持向量机中经过训练后得到分类器；将压降速率信号输入到分类器中进行工况识别。本发明可以在压降速率较小时准确地识别出压缩机抽吸工况和泄漏工况，根据识别结果指导截断阀动作，能有效减少截断阀在泄漏工况下不关断的发生。

Description

一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法

技术领域

本发明属于天然气输送管道安全保障领域，尤其涉及一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法。

背景技术

天然气主要通过管道进行运输，而影响天然气管道安全运行的因素主要有第三方破坏、施工缺陷和管道腐蚀等。由于天然气属于易燃易爆的气体，一旦天然气管道发生泄漏不仅会对环境造成污染、带来经济损失，甚至还会对生命财产造成威胁。因此，为了保证天然气长输管道能够安全可靠的运行，通常会在管道沿线设置线路截断阀室，通过气液联动阀检测管道沿线的压降速率以确保管道在发生泄漏时能及时关断，防止事故扩大。

国内输气管道的线路截断阀大多采用气液联动执行机构驱动，当气液联动阀检测到的压降速率和持续时间同时大于设定值时，截断阀自动关断。由于截断阀的参数需要根据管道的实际运行情况进行设定，所以国内不同管线设定的截断阀参数也不太一致。例如，西气东输二线及陕京三线设定的压降速率值为0.15MPa/min，持续时间设置为120s；陕京一线设定的压降速率值为0.06MPa/min，持续时间设置为120s。实际上，仅通过气液联动阀检测压降速率的方法并不能保证截断阀在任何泄漏情况下都能自动截断。原因在于，当管道发生小孔径泄漏时压降速率很小，其数值远小于截断阀设定的压降速率值，也就导致了截断阀并不能在管道发生微小泄漏时自动截断。同时，研究还发现当管线上的压缩机进行抽吸时，阀室的压降速率也很小，其数值与管道发生小孔径泄漏时的压降速率相接近。

综上所述，压缩机抽吸和管道发生小孔泄漏时阀室的压降速率都很小，且在数值上接近。这也就说明了，单纯地凭借采集到的压降速率数值无法实现对这两种工况的识别。所以，为了保证输气管道的安全运行，能否寻找出一种快速且易于实现的根据压降速率信号识别出压缩机抽吸工况和泄漏工况的方法就显得尤为重要。

发明内容

本发明提供了一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法，以解决实际情况中截断阀无法在压降速率较小时识别出管道发生泄漏的问题，本发明采取的技术方案如下：提供一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法，该方法包括以下步骤：

步骤一，采集输气管道在不同运行输量、运行压力等工况下压缩机抽吸时和管道发生泄漏时的管道沿线各阀室的压降速率随时间变化的信号；

步骤二，使用奇异谱分析中的分解部分对压降速率信号进行降维处理，根据提取出的奇异值构建特征向量，具体过程包括如下步骤：

S21，根据采集到的压降速率信号，构建轨迹矩阵X：

轨迹矩阵X中x₁,x₂...,x_N——各时刻对应的压降速率；

N——时间序列，即压降速率信号的长度；

L——窗口长度，L∈[1,N/2]；

S22，对轨迹矩阵X进行奇异值求解，首先得到L个特征值λ₁,λ₂,…,λ_L(λ₁≥λ₂≥…≥λ_L)，然后将特征值开根号得到L个奇异值

S23，根据奇异值构建特征向量

(n为压降速率信号的个数)。

步骤三，将在步骤三中得到的特征向量输入到支持向量机中，经过训练和验证后得到识别压缩机抽吸工况和泄漏工况的分类器，具体过程包括如下步骤：

S31，在压缩机抽吸工况和泄漏工况的特征向量中，各取70％作为训练集，剩余的30％特征向量作为测试集；

S32，将训练集和测试集在[n₁,n₂]区间上做归一化处理(n₂>n₁)；

S33，对两种工况的特征向量进行分类标记，将管道泄漏工况标记为n₂，压缩机抽吸工况标记为n₁；

S34，使用交叉验证的方法寻找出参数c和参数g的最优值；

S35，将标记好的训练集作为输入特征送入支持向量机中进行训练，然后将输出的工况标记作为输出特征，输入测试集验证分类器模型的分类效果。

步骤四，将采集到的压降速率信号输入到在步骤三中获得的分类器模型中，根据输出的工况编号可以判断出管道此时的工况。

本发明提供的基于奇异谱分析和支持向量机的输气管道泄漏识别方法，是一种根据气液联动阀检测到的压降速率信号，能够快速且准确地识别出管道是否发生泄漏的方法，该方法解决了在压降速率较小时，无法通过压降速率判别管道是否发生泄漏的问题，进而减少了截断阀在泄漏事故时不关断的发生，保证了管道的安全运行。本发明的特点在于首先使用了奇异谱分析提取出了隐藏在压降速率信号中的奇异值，奇异值能够很好的代表不同工况的基本特征；其次分类器模型选择了支持向量机，它能够抓住关键样本，剔除掉冗余样本，具有较好的鲁棒性，而且还对分类器模型里面的参数c(惩罚系数)和参数g(核函数参数)进行了最优选择，提高了分类器识别管结果的准确率。

附图说明

图1基于奇异谱分析和支持向量机的输气管道泄漏识别方法流程图。

图2某输气干线的阀室及压缩机位置示意图。

图3提取的压缩机抽吸工况和泄漏工况下的阀室压降速率信号示意图。

图4使用默认的参数c和参数g时分类器识别的工况结果示意图。

图5对分类器参数c和参数g寻优后分类器识别的工况结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提供一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法，该方法包括以下步骤：

步骤一：采集不同工况下压缩机抽吸时和泄漏时阀室的压降速率信号；

步骤二：使用奇异谱分析提取出能够代表压降速率信号特征的奇异值，并根据奇异值构建出特征向量；

步骤三：将经过归一化处理并标记过的特征向量送入支持向量机中进行训练，然后使用样本集对分类器模型进行测试；

步骤四：根据压降速率信号，使用步骤三中的分类器模型对管道运行工况进行识别。

在步骤一中，对于泄漏工况，采集管道泄漏前后共5分钟的压降速率信号。对于压缩机抽吸工况，采集压缩机抽吸前后共5分钟的压降速率信号；

在步骤二中，根据压降速率信号构建轨迹矩阵X，使用通过奇异谱分析对式(2)求解后得到的奇异值构建特征向量

(n为压降速率信号的个数)；

轨迹矩阵X中x₁,x₂...,x_N——不同时刻对应的压降速率；

N——时间序列，即压降速率信号的长度；

L——窗口长度，L∈[1,N/2]；

在步骤三中，首先确定出训练集和测试集样本的数量，各取两种工况70％的特征向量作为训练集，30％作为测试集，然后将测试集与训练集在指定区间上做归一化处理后对两种工况进行标记，其次在使用测试集对分类器模型进行验证之前，需要对支持向量机中的参数c和参数g进行最优选择，最后将训练集送入支持向量机中进行训练，并用测试集对训练出的分类器进行验证；

在步骤四中，根据采集到的压降速率信号，使用得到的分类器模型对输气管道工况进行识别。下面结合具体实例对本发明的应用原理作进一步描述。

例：如图2所示，某地区的一条采注气管线长84.2km，管径规格为813×14.2mm，管道沿线有5座阀室，阀室数据见表1，末站前设有压缩机。现需要采集压缩机抽吸和管道发生泄漏时各阀室的压降速率信号，并基于奇异谱分析和支持向量机的方法，通过训练求解出一个可用于识别处这两种工况的分类器模型。

表1各阀室距管道起点的距离(km)

第一步：使用TGNET软件模拟计算出了两种工况下沿线各阀室的压降速率信号。对于泄漏工况，模拟了在不同输量、压力、泄漏孔径(25mm、50mm、80mm、125mm)及泄漏位置下各阀室的压降速率曲线，并从中随机选择了89条曲线作为该工况下的压降速率信号；对于压缩机抽吸工况，模拟了在不同输量、压力、及压缩比(1.25、1.5、2.0、2.5)下各阀室的压降速率曲线，并从中随机选择了64条曲线作为该工况下的压降速率信号；由于模拟的时间较长，而管道发生泄漏事故时往往需要快速截断，故使用Matlab软件提取了泄漏生前后共5分钟的压降速率信号和压缩机抽吸前后共5分钟的压降速率信号进行接下来的分析，提取出的压降速率信号如图3所示。

第二步：根据采集到的压降速率信号，构建轨迹矩阵X：

在轨迹矩阵X中，时间序列N取41，窗口长度L取5，形成了5行37列的矩阵，然后对这些轨迹矩阵进行奇异值求解，每个压降速率信号能够求解出5个奇异值，这5个奇异值就能够很好地代表一个压降速率信号的特征，最后再将这5个奇异值构成特征向量

(n为压降速率信号的个数)。共得到了89个管道泄漏工况的特征向量和64个压缩机抽吸工况的特征向量。

第三步：首先各取压缩机抽吸工况和泄漏工况的70％特征向量作为训练集，剩余的30％特征向量作为测试集，即训练集包含了92个样本，测试集包含了57个样本；由于奇异样本会增加后续支持向量机训练的时间，所以为了避免这种情况，需要对所有的特征向量在区间[-1,1]上做归一化处理；然后对两种工况进行分类标记，将管道泄漏工况标记为1，压缩机抽吸工况标记为-1；在构建分类器模型时，需要指定参数c和参数g的值，通常情况下默认参数c的值为2，参数g的值为1，而本发明使用交叉验证的方法对参数c和g进行了寻优，寻找出来参数c最优值为0.25，参数g最优值为32；最后将经过归一化处理并标记过的训练集送入支持向量机中进行训练，然后使用样本集对分类器模型进行测试，最终得到可用于识别压缩机抽吸工况和泄漏工况的分类器。

第四步：对分类器的分类效果进行测试。从得到的压降速率信号中随机选取了57组压降速率信号，包括39组泄漏工况的压降速率信号和18组压缩机抽吸工况的压降速率信号，将它们输入到分类器中进行工况识别，识别结果如图4和图5所示。从图4中可以看到，使用默认的参数c和参数g构建出来的分类器模型对工况识别的准确率为92.9825％，而图5中使用经过参数寻优后的分类器模型可以达到100％，准确率提高了7.0175％，分类结果更加准确，说明本发明提出的方法可根据压降速率信号准确地识别出管道是否发生泄漏。

本发明提供了一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法。首先通过奇异谱分析提取出了隐藏在压降速率信号中的可以代表信号特征的奇异值，然后根据奇异值构建出了属于不同工况的特征向量；将得到的特征向量按比例分为训练集与测试集后进行归一化处理，然后再按照不同的工况将训练集和测试集里面的特征向量进行编号；之后通过交叉验证寻找出分类器模型中参数c(惩罚系数)和参数g(核函数参数)的最优值；再将训练集作为输入特征输入到支持向量机中进行训练，使用测试集对训练出的分类器进行验证；最后输入压降速率信号，根据分类器输出的工况编号识别出管道运行的工况。本发明解决了长期以来在管道的压降速率较小时截断阀无法根据压降速率识别出管道运行工况，进而导致截断阀无法在管道发生微小泄漏时及时关断的问题，减少了截断阀在事故工况下不动作的发生，为根据压降速率信号识别管道是否发生泄漏提供了一种高效且准确的识别方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于奇异谱分析和支持向量机的输气管道泄漏识别方法，包括以下步骤：

步骤一，采集压缩机抽吸时和管道发生泄漏时管道沿线各阀室的压降速率信号；

步骤二，使用奇异谱分析对步骤一中采集到的压降速率信号进行奇异值求解，根据奇异值构建特征向量，具体过程包括如下步骤：

S11，根据采集到的压缩机抽吸工况和管道泄漏工况下的阀室压降速率信号，构建轨迹矩阵X：

轨迹矩阵X中x₁,x₂...,x_N——各时刻对应的压降速率；

N——时间序列，即压降速率信号的长度；

L——窗口长度，L∈[1,N/2]；

对于这两种工况，时间序列N取41，窗口长度L取5，将采集到的5分钟压降速率信号按等时间间隔分为41份，轨迹矩阵中的x_i即为对应时刻的压降速率，所构建的轨迹矩阵X为一个5行37列的汉克尔矩阵；

S12，对轨迹矩阵X进行奇异值求解，首先得到L个由大到小排列的特征值λ₁≥λ₂≥...≥λ_L，然后将这些特征值逐一开根号得到L个奇异值

这两种工况对应的每个轨迹矩阵都可以分解出5个奇异值；

S13，根据奇异值构建特征向量

其中n为压降速率信号的个数；

步骤三，把步骤二中构建的特征向量送入支持向量机中，经过训练和验证后得到分类器；

步骤四，将采集的压降速率信号输入到在步骤三中获得的分类器中，根据输出的工况编号识别管道此时运行的工况。

2.如权利要求1所述的基于奇异谱分析和支持向量机的输气管道泄漏识别方法，其特征在于，步骤一中采集的压降速率信号是指阀室的压降速率随时间变化的曲线，对于压缩机抽吸工况，采集的信号为压缩机开始抽吸前后共5分钟的压降速率随时间变化的曲线；对于泄漏工况，采集的信号为管道发生泄漏前后共5分钟的压降速率随时间变化的曲线。

3.如权利要求1所述的基于奇异谱分析和支持向量机的输气管道泄漏识别方法，其特征在于，步骤三中在使用测试集对分类器模型进行验证之前对分类器模型中的惩罚系数c和核函数参数g进行了最优选择，提高了识别结果的准确率，获得分类器模型的过程包括如下步骤：

S31，各取压缩机抽吸工况和泄漏工况70％的特征向量作为训练集，其余30％的特征向量作为测试集；

S32，将训练集和测试集在[n₁,n₂]区间上做归一化处理，其中n₂>n₁；

S33，对两种工况的特征向量进行分类标记，将管道泄漏工况标记为n₂，压缩机抽吸工况标记为n₁；

S34，使用交叉验证的方法寻找出分类器模型中惩罚系数c和核函数参数g的最优值；

S35，将训练集送入支持向量机中进行训练后得到分类器模型，再输入测试集验证模型的分类效果，得到的分类器模型可用于识别压缩机抽吸工况和泄漏工况。

Images