CN112963740B - 一种换流站消防管道泄漏监测定位方法 - Google Patents
一种换流站消防管道泄漏监测定位方法 Download PDFInfo
- Publication number
- CN112963740B CN112963740B CN202110232186.3A CN202110232186A CN112963740B CN 112963740 B CN112963740 B CN 112963740B CN 202110232186 A CN202110232186 A CN 202110232186A CN 112963740 B CN112963740 B CN 112963740B
- Authority
- CN
- China
- Prior art keywords
- leakage
- monitoring
- index
- spectrum
- frequency
- 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.)
- Active
Links
Images
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
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明属于管道泄漏监测技术领域,具体涉及一种换流站消防管道泄漏监测定位方法,首先采用频带能量占比法确定变分模态分解所需模态数,而后采用互相关法筛选其中含噪较高的模态,之后利用小波阈值去噪法对其进行去噪。进而根据去噪后信号构建包含其时频域信息的特征向量,并将其作为输入训练轻量级高效梯度提升树模型来判定管道泄漏的发生。本发明具有对管道泄漏监测准确、高效的优点。
Description
技术领域
本发明属于管道泄漏监测技术领域,具体涉及一种换流站消防管道泄漏监测定位方法。
背景技术
换流站是指在高压直流输电系统中,为了完成将交流电变换为直流电或者将直流电变换为交流电的转换,并达到电力系统对于安全稳定及电能质量的要求而建立的站点。
近年来,由消防管道遭受换流站入地电流的影响出现老化、腐蚀、穿孔和泄漏等事故频发,从而带来极大的消防安全隐患。因此换流站消防管道泄漏监测定位方法的研究显得尤为重要。原始的管道泄漏监测方法主要依靠操作人员通过听音设备判断管道泄漏状态,如利用“不间断夜流量检测”法发现管道存在泄漏时,操作人员需要通过听音设备逐步排查搜寻泄漏点的位置。经过多年研究,听音设备由最初的听音棒提升为目前的电子听漏仪,电子听漏仪可在一定程度上抑制背景噪声,但仍依靠工作人员的经验来判断漏点的位置,人力成本太高并且会造成损伤发现不及时的情况,造成严重的后果。因此,市场急需高效率、准确性高且节省人力的管道泄漏监测定位方法。
发明内容
本发明要解决的技术问题是提供一种换流站消防管道泄漏监测定位方法,用以对管道泄漏进行高效、准确的进行监测定位。
为了解决上述技术问题,本发明的技术方案为:
一种换流站消防管道泄漏监测定位方法,包括如下步骤:
步骤六、对采集次声波信号s[n]进行变分模态分解(Variation ModeDecomposition,VMD),其分解层数也即分解所得模态数为K;即其中IMFx[n]为分解所得第x个模态分量,res[n]为分解所得残差分量;
步骤七、计算各模态分量IMFx[n]与采集次声波信号s[n]之间的互相关系数,并与阈值th比较,若ρ(x)≥th,则保留该模态分量,否则,对该模态分量进行小波阈值去噪处理,小波基选用db4,小波分解层数为3层,阈值为σ为小波系数标准差;其中,阈值th=0.5;
步骤九、对重构信号分别进行时域特征提取以及频域特征提取;
步骤十、根据步骤九所得时域及频域特征因子,构建特征向量,并将其送入预先训练好的轻量级的高效梯度提升树(Light Gradient Boosting Machine,LGBM)模型中进行分类识别;从而判断当前采集次声波信号是否包含泄漏信息,进而得出当前管道是否存在泄漏。
在本发明提供的换流站消防管道泄漏监测定位方法中,进一步优选地,所述
其中,xi表示实时采集到的信号,N为采集信号的点数。
在本发明提供的换流站消防管道泄漏监测定位方法中,更进一步优选地,所述频域特征为Z1、Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9和Z10。
在本发明提供的换流站消防管道泄漏监测定位方法中,再进一步优选地,所述
其中,k=1,2,……,N表示频谱;N是频域序列一半的长度。
本发明基于改进的VMD方法,首先根据次声波信号频带宽度以及信号采样频率确定变分模态分解模态数,然后计算各模态分量与原始分量的相关系数,筛选出含噪声较多的模态分量,并用小波阈值去噪算法进行去噪处理。之后,从时域及频域提取去噪后信号的特征构建特征向量,作为LGBM模型的输入达到能够判定管道泄漏状况的目的。实验测试表明,该方法可以有效的对信号进行分解去噪,并且完成管道泄漏监测功能,报警准确度较高。
附图说明
图1为本发明中次声波泄漏监测系统示意图;
图2为本发明试验平台示意图;
图3为有泄漏时信号时域图;
图4为有泄漏时信号频域图;
图5为VMD算法分解得第一模态分量时域图;
图6为VMD算法分解得第二模态分量时域图;
图7为VMD算法分解得第三模态分量时域图;
图8为VMD算法分解得第一模态分量频域图;
图9为VMD算法分解得第二模态分量频域图;
图10为VMD算法分解得第三模态分量频域图;
图11为测试集经LGBM模型判定结果。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
一种换流站消防管道泄漏监测定位方法,该方法所用的监测系统主要由次声波传感器、信号采集模块和监测主机构成。如图1所示,传感器A和传感器B之间的距离为L,泄漏点S距离传感器A的距离为y,次声波信号传至传感器A处的时间为t1,传至传感器B处的时间为t2。次声波的传播时间可根据管内液体中次声波的传播速度v(m/s)和管内流体速度u(m/s)来计算,计算公式为:
其中,Δt为次声波传输至传感器AB之间的时间差。
根据采集的信号进行管道泄漏监测定位的方法步骤如下:
步骤七:计算各模态分量IMFx[n]与采集次声波信号s[n]之间的互相关系数,并与阈值th比较,若ρ(x)≥th,则保留该模态分量,否则,对该模态分量进行小波阈值去噪处理,小波基选用db4,小波分解层数为3层,阈值为σ为小波系数标准差;其中,阈值th=0.5;
步骤九:对重构信号分别进行时域特征提取以及频域特征提取,其中,时域特征如表1所示,频域特征如表2所示。
表1时域特征因子
表2频域特征因子
其中,F(k),k=1,2,……,N表示频谱;N是频域序列一半的长度。
步骤十:根据步骤九所得时域及频域特征因子,构建特征向量为[μx,Sf,Cf,If,CLf,Kv,Z1,Z2,Z3,Z4,Z5,Z6,Z7,Z8,Z9,Z10];并将其送入预先训练好的LGBM模型中进行分类识别;从而判断当前采集次声波信号是否包含泄漏信息,进而得出当前管道是否存在泄漏。
为验证本发明的监测定位方法,发明人在南方电网超高压输电公司天生桥局提供的管道上安装了管道泄漏监测系统,并按上述方法进行监测定位试验。其管道示意图如图2所示。本次试验中管道为DN15型铸铁管道,管道压力为0.5Mpa,管道中部的阀门用来模拟泄漏故障的发生,管长为200米,泄漏点位置为距次声波传感器(T1)110米处。信号采样周期为2ms,采样点数为200000个。
当有泄漏发生时,该系统采集得到次声波信号的时域图如图3所示,频域图如图4所示。
本次试验采样频率为500Hz,加之泄漏次声波信号的频带宽度为20Hz,因此,根据本发明所提方法把其频域划分为12份,并计算各份能量与总能量之比,结果如表3所示。由表3可知,其中占比大于1/12=0.083的共有3个。因此,本次VMD算法分解模态数设为3。上述有泄漏信号经VMD算法分解后(各分量时域及其频域图如图5至10所示),再计算第一模态分量、第二模态分量、第三模态分量与原始信号的相关系数,分别为0.9753、0.2133和0.0633。则对其中小于0.5的后两个模态分量进行小波去噪后,重构信号。为验证本发明所构建特征向量的有效性,选用89组采集信号构建测试集,其中66组为无泄漏信号,23组为有泄漏信号。则经LGBM树模型验证结果如图11所示。其中前23组有泄露信号有两组判断错误,其余无错,准确度约为97%。
表3各频带能量与频域总能量之比
本发明为解决高压换流站内存在的较严重的水系统管道泄漏问题,提出了一种新的管道泄漏监测方法。该方法基于改进的VMD方法,首先根据次声波信号频带宽度以及信号采样频率确定变分模态分解模态数,然后计算各模态分量与原始分量的相关系数,筛选出含噪声较多的模态分量,并用小波阈值去噪算法进行去噪处理。之后,从时域及频域提取去噪后信号的特征构建特征向量,作为LGBM模型的输入达到能够判定管道泄漏状况的目的。试验测试表明,该方法可以有效的对信号进行分解去噪,并且完成管道泄漏监测功能,报警准确度较高。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。
Claims (6)
1.一种换流站消防管道泄漏监测定位方法,其特征在于,包括如下步骤:
步骤七、计算各模态分量IMFx[n]与采集次声波信号s[n]之间的互相关系数,并与阈值th比较,若ρ(x)≥th,则保留该模态分量,否则,对该模态分量进行小波阈值去噪处理,小波基选用db4,小波分解层数为3层,阈值为σ为小波系数标准差;其中,阈值th=0.5;
步骤九、对重构信号分别进行时域特征提取以及频域特征提取;
步骤十、根据步骤九所得时域及频域特征因子,构建特征向量,并将其送入预先训练好的LGBM模型中进行分类识别;从而判断当前采集次声波信号是否包含泄漏信息,进而得出当前管道是否存在泄漏。
4.根据权利要求3所述的换流站消防管道泄漏监测定位方法,其特征在于,所述频域特征为Z1、Z2、Z3、Z4、Z5、Z6、Z7、Z8、Z9和Z10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232186.3A CN112963740B (zh) | 2021-03-02 | 2021-03-02 | 一种换流站消防管道泄漏监测定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232186.3A CN112963740B (zh) | 2021-03-02 | 2021-03-02 | 一种换流站消防管道泄漏监测定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112963740A CN112963740A (zh) | 2021-06-15 |
CN112963740B true CN112963740B (zh) | 2022-09-23 |
Family
ID=76276194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110232186.3A Active CN112963740B (zh) | 2021-03-02 | 2021-03-02 | 一种换流站消防管道泄漏监测定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112963740B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625164A (zh) * | 2021-08-02 | 2021-11-09 | 南京航空航天大学 | 航空发电机故障特征提取方法、系统、介质及计算设备 |
CN114305354B (zh) * | 2021-12-31 | 2024-08-23 | 青岛海信日立空调系统有限公司 | 一种生命特征检测方法及装置 |
CN114576568B (zh) * | 2022-02-25 | 2023-08-29 | 辽宁石油化工大学 | 基于次声波的管道泄漏检测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS516083A (en) * | 1974-07-03 | 1976-01-19 | Nippon Kokan Kk | Ryutaino morekenchisochi |
CN106523928A (zh) * | 2016-11-24 | 2017-03-22 | 东北大学 | 基于声波实时数据二级筛选的管道泄漏检测装置及方法 |
CN108535638A (zh) * | 2018-01-25 | 2018-09-14 | 国网浙江省电力有限公司电力科学研究院 | 基于多层滤波器的有载分接开关机械状态监测方法及系统 |
CN109681789A (zh) * | 2019-03-01 | 2019-04-26 | 重庆邮电大学 | 基于变分模态分解的流体管道泄漏声振动相干检测定位方法 |
WO2020155002A1 (zh) * | 2019-01-29 | 2020-08-06 | 南京工业大学 | 基于pso-vmd算法的管道泄漏检测装置及检测方法 |
CN112013286A (zh) * | 2020-08-26 | 2020-12-01 | 辽宁石油化工大学 | 管道泄漏点的定位方法及装置、存储介质、终端 |
CN112013285A (zh) * | 2020-08-26 | 2020-12-01 | 辽宁石油化工大学 | 管道泄漏点的检测方法及装置、存储介质、终端 |
CN112232600A (zh) * | 2020-11-17 | 2021-01-15 | 烟台海颐软件股份有限公司 | 一种基于变分模态分解的短期电力负荷预测方法及系统 |
-
2021
- 2021-03-02 CN CN202110232186.3A patent/CN112963740B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS516083A (en) * | 1974-07-03 | 1976-01-19 | Nippon Kokan Kk | Ryutaino morekenchisochi |
CN106523928A (zh) * | 2016-11-24 | 2017-03-22 | 东北大学 | 基于声波实时数据二级筛选的管道泄漏检测装置及方法 |
CN108535638A (zh) * | 2018-01-25 | 2018-09-14 | 国网浙江省电力有限公司电力科学研究院 | 基于多层滤波器的有载分接开关机械状态监测方法及系统 |
WO2020155002A1 (zh) * | 2019-01-29 | 2020-08-06 | 南京工业大学 | 基于pso-vmd算法的管道泄漏检测装置及检测方法 |
CN109681789A (zh) * | 2019-03-01 | 2019-04-26 | 重庆邮电大学 | 基于变分模态分解的流体管道泄漏声振动相干检测定位方法 |
CN112013286A (zh) * | 2020-08-26 | 2020-12-01 | 辽宁石油化工大学 | 管道泄漏点的定位方法及装置、存储介质、终端 |
CN112013285A (zh) * | 2020-08-26 | 2020-12-01 | 辽宁石油化工大学 | 管道泄漏点的检测方法及装置、存储介质、终端 |
CN112232600A (zh) * | 2020-11-17 | 2021-01-15 | 烟台海颐软件股份有限公司 | 一种基于变分模态分解的短期电力负荷预测方法及系统 |
Non-Patent Citations (3)
Title |
---|
一种基于VMD和小波去噪的管道泄漏检测算法;潘凌云等;《自动化技术与应用》;20170925(第09期);全文 * |
基于高频电子器件的便携式接触电子测量仪;江海等;《电工技术》;20200410(第07期);全文 * |
配电网故障区段定位的互补约束新模型与算法;郭壮志等;《中国电机工程学报》;20160720(第14期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112963740A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112963740B (zh) | 一种换流站消防管道泄漏监测定位方法 | |
CN109654384B (zh) | 基于pso-vmd算法的管道泄漏检测装置及检测方法 | |
CN108050396B (zh) | 一种流体管道泄漏源监测定位系统及方法 | |
US9810598B2 (en) | Systems and methods for determining a leak rate through an opening using acoustical sensors | |
CN112097126B (zh) | 一种基于深度神经网络的供水管网爆管管道精确识别方法 | |
CN103675617A (zh) | 一种用于高频局部放电信号检测的抗干扰方法 | |
CN110967599A (zh) | 一种电能质量扰动检测与定位算法 | |
CN106646121B (zh) | 一种配电网故障行波波头的辨识方法 | |
CN105258940B (zh) | 机械故障定量提取的标准化多小波与多小波包变换方法 | |
CN111695465B (zh) | 基于压力波模式识别的管网故障诊断与定位方法及系统 | |
CN104535281B (zh) | 基于压力相关法的机坪管网密闭性测试装置进行测试的方法 | |
CN106771598B (zh) | 一种自适应谱峭度信号处理方法 | |
CN111896616B (zh) | 基于声发射-bp神经网络的气液两相流流型识别方法 | |
CN105785324A (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN101901209A (zh) | 基于改进emd和arma模型的结构响应分析方法 | |
CN109342018A (zh) | 一种水轮机空化状态监测方法 | |
CN110816588A (zh) | 一种机车车轮失圆检测方法、装置、设备及系统 | |
CN111666529A (zh) | 一种海浪数据处理及波浪谱生成方法 | |
Li et al. | Leakage detection of HVAC pipeline network based on pressure signal diagnosis | |
US20150253216A1 (en) | Leak inspection device, leak inspection method, and leak inspection program | |
CN109630908B (zh) | 一种多次降噪的管道泄漏定位方法 | |
CN112766224A (zh) | 畸变信号中提取真实信号的方法、装置、设备和存储介质 | |
CN112034312A (zh) | 一种电力设备绝缘缺陷模式识别方法 | |
CN104484545B (zh) | 一种基于方差贡献率的泄流结构振动响应动态融合方法 | |
CN114441111A (zh) | 一种管道泄漏次声波信号分析方法及系统 |
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 |