CN112963740B - 一种换流站消防管道泄漏监测定位方法 - Google Patents

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

一种换流站消防管道泄漏监测定位方法

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：

步骤一、对所采集次声波信号s[n]进行离散傅里叶变换，计算得到其频谱各点

并计算频谱总能量

其中，m为采集信号总长度；

步骤二、根据次声波信号的频带宽度f_b以及所采集次声波信号s[n]的采样频率f_s，确定所采集信号频谱的划分份数

其中，[]_向下取整表示对方框中数进行向下取整操作，则频谱中第i份点数区间为

步骤三、根据步骤二所得各频谱区间，分别计算各区间内频谱的能量，则第i份频谱能量为

步骤四、计算各份频谱能量与频谱总能量的比值，则第i份频谱能量与频谱总能量的比值为

步骤五、统计

的个数，记为K；

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IMF_x[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IMF_x[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；

步骤八、根据步骤七中所保留的模态分量重构采集次声波信号

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，优选地，所述时域特征为均值μ_x、均方根值

波形指标S_f、峰值指标C_f、脉冲指标I_f、裕度指标CL_f和峭度指标K_v。

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

均值

均方根值

波形指标

峰值指标

脉冲指标

裕度指标

峭度指标

其中，x_i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。

在本发明提供的换流站消防管道泄漏监测定位方法中，再更进一步优选地，所述特征向量为[μ_x，

S_f，C_f，I_f，CL_f，K_v，Z₁，Z₂，Z₃，Z₄，Z₅，Z₆，Z₇，Z₈，Z₉，Z₁₀]。

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：

步骤一：对所采集次声波信号s[n]进行离散傅里叶变换，计算得到其频谱各点

并计算频谱总能量

其中，m为采集信号总长度；

步骤二：根据次声波信号的频带宽度f_b以及所采集次声波信号s[n]的采样频率f_s，确定所采集信号频谱的划分份数

其中，[]_向下取整表示对方框中数进行向下取整操作，则频谱中第i份点数区间为

步骤三：根据步骤二所得各频谱区间，分别计算各区间内频谱的能量，则第i份频谱能量为

步骤四：计算各份频谱能量与频谱总能量的比值，则第i份频谱能量与频谱总能量的比值为

步骤五：统计

的个数，记为K；

步骤六：对采集次声波信号s[n]进行VMD分解，其分解层数也即分解所得模态数为K；即

其中IMF_x[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IMF_x[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；

步骤八：根据步骤七中所保留的模态分量重构采集次声波信号

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[μ_x，

S_f，C_f，I_f，CL_f，K_v，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：

步骤一、对所采集次声波信号s[n]进行离散傅里叶变换，计算得到其频谱各点

并计算频谱总能量

其中，m为采集信号总长度；

步骤二、根据次声波信号的频带宽度f_b以及所采集次声波信号s[n]的采样频率f_s，确定所采集信号频谱的划分份数

其中，[ ]_向下取整表示对方框中数进行向下取整操作，则频谱中第i份点数区间为

步骤三、根据步骤二所得各频谱区间，分别计算各区间内频谱的能量，则第i份频谱能量为

步骤四、计算各份频谱能量与频谱总能量的比值，则第i份频谱能量与频谱总能量的比值为

步骤五、统计

的个数，记为K；

步骤六、对采集次声波信号s[n]进行VMD分解，其分解层数也即分解所得模态数为K；即

其中IMF_x[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IMF_x[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；

步骤八、根据步骤七中所保留的模态分量重构采集次声波信号

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。

2.根据权利要求1所述的换流站消防管道泄漏监测定位方法，其特征在于，所述时域特征为均值μ_x、均方根值

波形指标S_f、峰值指标C_f、脉冲指标I_f、裕度指标CL_f和峭度指标K_v。

3.根据权利要求2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

均值

均方根值

波形指标

峰值指标

脉冲指标

裕度指标

峭度指标

其中，x_i表示实时采集到的信号，N为采集信号的点数。

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。

5.根据权利要求4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

其中，k＝1，2，……，N表示频谱；N是频域序列一半的长度。

6.根据权利要求5所述的换流站消防管道泄漏监测定位方法，其特征在于，所述特征向量为[μ_x，

S_f，C_f，I_f，CL_f，K_v，Z₁，Z₂，Z₃，Z₄，Z₅，Z₆，Z₇，Z₈，Z₉，Z₁₀]。

Images