CN113551159B - 厌氧环境下埋地燃气管道泄漏的判别方法 - Google Patents
厌氧环境下埋地燃气管道泄漏的判别方法 Download PDFInfo
- Publication number
- CN113551159B CN113551159B CN202111102843.9A CN202111102843A CN113551159B CN 113551159 B CN113551159 B CN 113551159B CN 202111102843 A CN202111102843 A CN 202111102843A CN 113551159 B CN113551159 B CN 113551159B
- Authority
- CN
- China
- Prior art keywords
- concentration
- correlation coefficient
- sample data
- data
- 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.)
- 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
-
- 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
Abstract
Description
技术领域
本发明属于可燃气检测技术领域,尤其是厌氧环境下埋地燃气管道泄漏的判别方法。
背景技术
现有的燃气高压管线巡线技术,一般以人工巡线为主,辅助以无人机等设备,巡线方法为人工手持甲烷浓度检测仪器,或将甲烷浓度检测仪器挂载在无人机沿管线进行巡查,实时检测在管线周围是否有浓度数值产生,若产生了浓度数值,则巡线人员前往产生数值处,人工确认是否存在泄漏情况。
城市燃气高压管线大多会铺设在城市近郊,在近郊燃气高压管线会较多的穿越农田,水塘等易形成厌氧环境的区域,这些区域由于微生物的堆积产生沼气,现有的燃气巡线设备,主要以采集空气中甲烷浓度来判断是否产生燃气泄漏,而沼气中含有大量的甲烷,当现有检测设备检测到空气中含有沼气也会发出警报,这将干扰正常的巡线工作,增加巡线人员的工作量,使得每日所能巡查的管线减少,从而产生安全隐患。
对于天然气和沼气,成分差别较多,由于发酵不会产生乙烷,而我国高压管网中的天然气中存在一定量的乙烷,因此目前常用手段是采用便携式乙烷分析仪分析气体中是否存在乙烷。由于便携乙烷监测技术目前尚不成熟,传感器价格昂贵,因此通过检测乙烷浓度的方法判别燃气泄漏与沼气生成难以普及,目前如何快速有效的判别厌氧环境下埋地燃气管道泄漏成为可燃气检测技术领域的一个重大难题。
发明内容
本发明的目的在于克服现有技术的不足,提出厌氧环境下埋地燃气管道泄漏的判别方法,能够提高巡线工作质量,快速准确的判断高压燃气管网附近的可燃气体种类。
本发明解决其技术问题是采取以下技术方案实现的:
厌氧环境下埋地燃气管道泄漏的判别方法,包括以下步骤:
步骤1、获取某个时间段内埋地燃气管道上方厌氧环境中的样本数据,样本数据包括:甲烷气体浓度值、获取该浓度值时对应的时间、环境温度和地理信息;
步骤2、统计甲烷气体浓度值数据的个数,同时对样本数据进行等级划分,计算同温度等级下的浓度等级极差率;
步骤3、对甲烷气体浓度值进行筛选,对于浓度等级极差率大于等于33%且浓度值数据个数在同温度等级下的浓度总数据个数占比大于等于50%的甲烷气体浓度值进行筛选;
步骤6、对于浓度等级极差率小于33%或浓度值数据个数在同温度等级下的浓度总数据个数占比小于50%的甲烷气体浓度值进行筛选;
而且,所述步骤1中地理信息为获取甲烷浓度值处燃气管道上方的覆盖物信息。
而且,所述步骤2包括以下步骤:
步骤2.1、将步骤1中的样本数据整理成(X,Y)的数据格式,其中Y代表甲烷气体浓度值,X代表获取该浓度值时对应的环境温度;
步骤2.2、对样本数据进行等级划分,得到温度等级X_class和浓度等级Y_class,温度等级以1摄氏度为一个等级,浓度等级以1%为一个等级;
步骤2.3、对温度等级X_class中的数据进行统计,得到温度等级统计量X_value;对浓度等级Y_class中的数据进行统计,得到浓度等级统计量Y_value;若温度等级X_class中统计数据等于X_value的数量,以X_count表示;若浓度等级Y_class中统计数据等于Y_value的数量,以Y_count表示;
步骤2.4、将Y_class中最大值与最小值做差得到浓度等级范围Y_scope;
步骤2.5、计算每个温度等级下浓度等级Y_class的浓度极差值Y_range,浓度极差值Y_range为每个温度等级下,Y_class的最大值和最小值之间的差值;
步骤2.6、计算每一个温度等级X_class下,对应的浓度等级极差率Y_ratio:
Y_ratio = Y_range / Y_scope。
而且,所述步骤3中的具体实现方法为:统计极差率占比ratio_count = (Y_ratio≥0.33)_num / (X_class)_num;同时判断ratio_count是否大于等于0.5,若ratio_count≥0.5,则进行步骤4,否则进行步骤7。
而且,所述步骤4包括以下步骤:
而且,所述步骤7包括以下步骤:
而且,完成步骤8后,根据记录的数据,不断对步骤8中的判定区间进行优化:将每组样本数据计算出的相关度系数所在的判断气体类型判定区间而确定的气体类型、步骤1的时间、地理信息以及巡线人员在气体泄漏现场所确定的气体类型进行比对,随着样本数据的增加,若不断有经过计算认定为可能为沼气或可能为燃气的结论结合巡线人员现场研判结果,被确认为沼气或燃气,则结合计算出的相关度系数值,对设定的各判定区间进行优化,使确认为沼气的相关度系数值包含在沼气的判定区间内且为临界值,使确认为燃气的相关度系数值包含在燃气的判定区间内且为临界值,根据调整的沼气的判定区间和燃气的判定区间修改可能为沼气的判定区间和可能为燃气的判定区间。
本发明的优点和积极效果是:
1、本发明通过获取样本数据,针对样本数据进行计算并得到相关度系数,根据得到的相关度系数值并结合相关度系数值的判定区间,识别燃气管线是否泄漏,本发明相较于现有的人工巡线检测手段,所能判断的气体种类得以增加,减少了巡线人员确认可燃气体来源的时间,从单一的人工确认,转变为数据分析辅以人工检测,从而提高了巡线效率,管网安全性得以提升。
2、本发明相较于现有的相关性算法,提出了同温度梯度下浓度剧烈变化这一情况的修正方式,大幅提高了现有相关性判断方法的准确度,并且通过分析历史检测结果,优化判断判定区间,随着样本数据的增加,检测结果准确度也会随之提高。
3、本发明方法相对于传统的人工判断方法以及相关性算法具有更高的准确率,且随着监测曲线样本库的扩大,能更有效地捕捉复杂情况下埋地式燃气管线的泄漏信息。
附图说明
图1为本发明流程图;
图2为本发明沼气的判定结果图;
图3为本发明燃气的判定结果图。
具体实施方式
以下结合附图对本发明做进一步详述。
厌氧环境下埋地燃气管道泄漏的判别方法,如图1所示,包括以下步骤:
步骤1、获取某个时间段内埋地燃气管道上方厌氧环境中的样本数据,样本数据包括:甲烷气体浓度值、获取该浓度值时对应的时间、环境温度和地理信息。
本步骤中地理信息为获取甲烷浓度值处燃气管道上方的覆盖物信息,包括水稻田和其他覆盖物。
步骤2、统计甲烷气体浓度值数据的个数,同时对样本数据进行等级划分,计算同温度等级下的浓度等级极差率。
步骤2.1、将步骤1中的样本数据整理成(X,Y)的数据格式,其中Y代表甲烷气体浓度值,X代表获取该浓度值时对应的环境温度。
步骤2.2、对样本数据进行等级划分,得到温度等级X_class和浓度等级Y_class,温度等级以1摄氏度为一个等级,浓度等级以1%为一个等级。
步骤2.3、对温度等级X_class中的数据进行统计,得到温度等级统计量X_value;对浓度等级Y_class中的数据进行统计,得到浓度等级统计量Y_value;若温度等级X_class中统计数据等于X_value的数量,以X_count表示;若浓度等级Y_class中统计数据等于Y_value的数量,以Y_count表示。
步骤2.4、将Y_class中最大值与最小值做差得到浓度等级范围Y_scope。
步骤2.5、计算每个温度等级下浓度等级Y_class的浓度极差值Y_range,浓度极差值Y_range为每个温度等级下,Y_class的最大值和最小值之间的差值。
步骤2.6、计算每一个温度等级X_class下,对应的浓度等级极差率Y_ratio:
Y_ratio = Y_range / Y_scope。
步骤3、对甲烷气体浓度值进行筛选,对于浓度等级极差率大于等于33%且浓度值数据个数在同温度等级下的浓度总数据个数占比大于等于50%的甲烷气体浓度值进行筛选。
步骤4、对步骤3中筛选出的甲烷气体浓度值对应的样本数据进行斯皮尔曼相关度系数计算,得到相关度系数r,并根据样本数据进行相关性检验中的T检验或Z检验。
步骤6、对于浓度等级极差率小于33%或浓度值数据个数在同温度等级下的浓度总数据个数占比小于50%的甲烷气体浓度值进行筛选。
完成步骤8后,根据步骤5及步骤8记录的数据,不断对步骤8中的判定区间进行优化:将每组样本数据计算出的相关度系数所在的判断气体类型判定区间而确定的气体类型与巡线人员在气体泄漏现场所确定的气体类型进行比对,随着样本数据的增加,若不断有经过计算认定为可能为沼气或可能为燃气的结论结合巡线人员现场研判结果,被确认为沼气或燃气,则结合计算出的值,对设定的各判定区间进行优化,例如:初始可能为沼气的值判定区间为,随着样本数据的增加以及现场人员研判,得出当时,气体类型均为沼气,则可以将可能为沼气的判断区间由优化为,其余判断区间优化与所述优化方法一致。
本发明通过气体中两个特征参数的相关性而判定气体类型的判定依据为:沼气发酵生成的甲烷和环境温度有非常强的相关性,随着环境温度的增加,沼气中所含有的甲烷浓度也会随之增加。但是在同一温度梯度下,沼气中所含有的甲烷浓度是在一定的浓度梯度内,且浓度梯度之间的差值很小。因此样本数据若为沼气。随着其温度梯度的增加,浓度梯度也随之增加,但在同一个温度梯度下的浓度梯度数据应当集中在某几个相邻的浓度梯度内。
如图2所示,为沼气的判定结果图,工作人员使用乙烷检测仪对现场环境进行检测,未检测到气体中含有乙烷,因此能够验证气体类型为沼气。从图中可以看出甲烷的浓度与温度具有很强的相关性。根据甲烷浓度与温度二者的整体变化趋势,因此判定结果为沼气。
燃气泄漏是一个时间跨度非常长的现象,同时是一个持续的状态,每个时刻都会有新的燃气从管道中泄漏至管道外,这就导致了在管道外的检测的区域中的甲烷浓度不会是一个恒定值。他会由两部分组成,一部分为一直在堆积的燃气,这一部分的甲烷浓度会一直上升,还有一部分是已经发生扩散的燃气,这一部分的甲烷含量会随着扩散范围的增加,浓度值产生变化,这也就导致了在同一温度梯度下,燃气的甲烷浓度会存在不同且差距较大的浓度梯度。因此泄露的燃气中甲烷浓度与时间呈现很强的相关性,并且同一温度梯度下,浓度梯度呈现一种分散的状态。而这一趋势并不会出现在沼气的堆积形成的甲烷气体中,这是因为沼气的堆积,是需要靠温度来进行发酵,而随着温度的升高,其甲烷浓度也会随之升高,且并不会出现在同温度梯度下产生较大的浓度梯度这一现象。
若检测时间为中午至夜间,则沼气的数据为:随温度的下降,浓度梯度下降,即中午时甲烷浓度最高,夜间甲烷浓度最低,而燃气的数据为:随时间的增长,浓度梯度升高,即中午时甲烷浓度最低,夜间甲烷浓度最高。
如图3所示,根据现有技术判断甲烷浓度与温度二者的整体变化趋势:本数据中温度升高,甲烷浓度同时升高,因此通过现有技术将其判定为沼气。
但是本次数据的检测时间为清晨至中午,时间的增长与温度的上升产生重叠,即时间增长时温度也上升。因此这种情况不能仅靠甲烷浓度与温度二者的整体变化趋势去判定气体类型。
根据本发明的方法:从曲线上来看,尤其是温度梯度为13和25时,同温度下甲烷浓度变化剧烈,甲烷浓度不随温度的改变而改变,并且同一温度梯度下,浓度梯度呈现一种分散的状态,故燃气特征极为明显。同时,根据温度梯度的个数以及各温度梯度下浓度的极差值,判定出样本数据类型为燃气,同时进行人工复查,人工复查的结果与判定结果相同。
将样本数据统计完毕以及等级划分后,计算同温度等级下的极差率:
特征为样本点分布相对分散,步骤8区间判定为可能为沼气的一种燃气泄漏样本数据,需要对相关度系数值得判定标准进行优化。上述极差计算后相关度系数值在燃气判定范围内的数据,相关度系数值作为参考可以优化后续判断,
依据现有判断区间对已被确认为燃气泄漏或沼气的历史数据进行判定,将结果统计后,分析判定结果,从而调整相关度系数的判定区间,使对这些历史数据判定结果的准确性达到最高。随后,定期根据新的历史数据对相关度系数的判定区间进行更新,以提高模型的准确性。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (8)
1.厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:包括以下步骤:
步骤1、获取某个时间段内埋地燃气管道上方厌氧环境中的样本数据,样本数据包括:甲烷气体浓度值、获取该浓度值时对应的时间、环境温度和地理信息;
步骤2、统计甲烷气体浓度值数据的个数,同时对样本数据进行等级划分,计算同温度等级下的浓度等级极差率;
步骤3、对甲烷气体浓度值进行筛选,对于浓度等级极差率大于等于33%且浓度值数据个数在同温度等级下的浓度总数据个数占比大于等于50%的甲烷气体浓度值进行筛选;
步骤6、对于浓度等级极差率小于33%或浓度值数据个数在同温度等级下的浓度总数据个数占比小于50%的甲烷气体浓度值进行筛选;
2.根据权利要求1所述的厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:所述步骤1中地理信息为获取甲烷浓度值处燃气管道上方的覆盖物信息。
3.根据权利要求1所述的厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:所述步骤2包括以下步骤:
步骤2.1、将步骤1中的样本数据整理成(X,Y)的数据格式,其中Y代表甲烷气体浓度值,X代表获取该浓度值时对应的环境温度;
步骤2.2、对样本数据进行等级划分,得到温度等级X_class和浓度等级Y_class,温度等级以1摄氏度为一个等级,浓度等级以1%为一个等级;
步骤2.3、对温度等级X_class中的数据进行统计,得到温度等级统计量X_value;对浓度等级Y_class中的数据进行统计,得到浓度等级统计量Y_value;若温度等级X_class中统计数据等于X_value的数量,以X_count表示;若浓度等级Y_class中统计数据等于Y_value的数量,以Y_count表示;
步骤2.4、将Y_class中最大值与最小值做差得到浓度等级范围Y_scope;
步骤2.5、计算每个温度等级下浓度等级Y_class的浓度极差值Y_range,浓度极差值Y_range为每个温度等级下,Y_class的最大值和最小值之间的差值;
步骤2.6、计算每一个温度等级X_class下,对应的浓度等级极差率Y_ratio:
Y_ratio = Y_range / Y_scope。
4.根据权利要求3所述的厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:所述步骤3中的具体实现方法为:统计极差率占比ratio_count = (Y_ratio≥0.33)_num / (X_class)_num;同时判断ratio_count是否大于等于0.5,若ratio_count≥0.5,则进行步骤4,否则进行步骤7。
5.根据权利要求1或3所述的厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:所述步骤4包括以下步骤:
6.根据权利要求1或3所述的厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:所述步骤7包括以下步骤:
8.根据权利要求1所述的厌氧环境下埋地燃气管道泄漏的判别方法,其特征在于:完成步骤8后,根据步骤5及步骤8记录的数据,不断对步骤8中的判定区间进行优化:将每组样本数据计算出的相关度系数所在的判断气体类型判定区间而确定的气体类型、步骤1的时间、地理信息以及巡线人员在气体泄漏现场所确定的气体类型进行比对,随着样本数据的增加,若不断有经过计算认定为可能为沼气或可能为燃气的结论结合巡线人员现场研判结果,被确认为沼气或燃气,则结合计算出的相关度系数值,对设定的各判定区间进行优化,使确认为沼气的相关度系数值包含在沼气的判定区间内且为临界值,使确认为燃气的相关度系数值包含在燃气的判定区间内且为临界值,根据调整的沼气的判定区间和燃气的判定区间修改可能为沼气的判定区间和可能为燃气的判定区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111102843.9A CN113551159B (zh) | 2021-09-22 | 2021-09-22 | 厌氧环境下埋地燃气管道泄漏的判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111102843.9A CN113551159B (zh) | 2021-09-22 | 2021-09-22 | 厌氧环境下埋地燃气管道泄漏的判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113551159A CN113551159A (zh) | 2021-10-26 |
CN113551159B true CN113551159B (zh) | 2021-12-03 |
Family
ID=78106397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111102843.9A Active CN113551159B (zh) | 2021-09-22 | 2021-09-22 | 厌氧环境下埋地燃气管道泄漏的判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113551159B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032160A1 (en) * | 2011-10-20 | 2014-01-30 | Picarro, Inc. | Methods for gas leak detection and localization in populated areas using horizontal analysis |
CN107228282A (zh) * | 2017-07-06 | 2017-10-03 | 东北石油大学 | 一种天然气管道泄漏定位方法和装置 |
CN109215295A (zh) * | 2018-09-11 | 2019-01-15 | 清华大学合肥公共安全研究院 | 燃气泄漏的判断方法、装置及电子设备 |
CN110085003A (zh) * | 2019-04-25 | 2019-08-02 | 常州机电职业技术学院 | 一种埋地燃气管道监控预警方法 |
CN110319982A (zh) * | 2019-06-03 | 2019-10-11 | 清华大学合肥公共安全研究院 | 基于机器学习的埋地式燃气管线泄漏判断方法 |
CN113379280A (zh) * | 2021-06-24 | 2021-09-10 | 南宁师范大学 | 一种燃气用埋地高分子聚乙烯管道风险的判定方法及系统 |
-
2021
- 2021-09-22 CN CN202111102843.9A patent/CN113551159B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032160A1 (en) * | 2011-10-20 | 2014-01-30 | Picarro, Inc. | Methods for gas leak detection and localization in populated areas using horizontal analysis |
CN107228282A (zh) * | 2017-07-06 | 2017-10-03 | 东北石油大学 | 一种天然气管道泄漏定位方法和装置 |
CN109215295A (zh) * | 2018-09-11 | 2019-01-15 | 清华大学合肥公共安全研究院 | 燃气泄漏的判断方法、装置及电子设备 |
CN110085003A (zh) * | 2019-04-25 | 2019-08-02 | 常州机电职业技术学院 | 一种埋地燃气管道监控预警方法 |
CN110319982A (zh) * | 2019-06-03 | 2019-10-11 | 清华大学合肥公共安全研究院 | 基于机器学习的埋地式燃气管线泄漏判断方法 |
CN113379280A (zh) * | 2021-06-24 | 2021-09-10 | 南宁师范大学 | 一种燃气用埋地高分子聚乙烯管道风险的判定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113551159A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110107815B (zh) | 燃气管道的泄漏检测方法及装置 | |
CN107733357B (zh) | 一种大型光伏电站中电池面板的故障检测算法 | |
CN109685289B (zh) | 高炉炉况顺行预测方法、装置及系统 | |
CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
CN105069537B (zh) | 一种组合式空气质量预报模型的构建方法 | |
CN109346745A (zh) | 一种基于阻抗判断燃料电池内部水状态的方法及系统 | |
CN106650068B (zh) | 一种预测燃煤电厂碳排放量的计算方法 | |
CN106644284A (zh) | 一种用于化工厂装置的自动泄漏监测与修复系统 | |
CN110298540A (zh) | 一种油气田地面管道内腐蚀风险评价方法 | |
CN108763643A (zh) | 一种新型的地区机动车排放因子计算方法 | |
CN112763465B (zh) | 一种抗干扰的船用柴油硫含量超标嗅探识别方法 | |
CN115290831B (zh) | 一种空气质量检测方法 | |
CN112730519A (zh) | 一种便携式的甲烷微量泄漏量化检测仪及其检测方法 | |
CN116432123A (zh) | 一种基于cart决策树算法的电能表故障预警方法 | |
CN113551159B (zh) | 厌氧环境下埋地燃气管道泄漏的判别方法 | |
CN112434852A (zh) | 一种高炉送风制度合理性的评价方法 | |
Riddick et al. | A cautionary report of calculating methane emissions using low-cost fence-line sensors | |
CN114993774A (zh) | 一种用于污水处理厂的温室气体监测方法 | |
CN112730737A (zh) | 一种基于非道路移动机械远程监控数据的排放计算方法 | |
CN210071607U (zh) | 一种燃料电池空气过滤器对气体过滤的测试装置 | |
US11561212B1 (en) | Method for determining NOx sensor data falsification based on remote emission monitoring | |
CN116242978A (zh) | 一种智能排水管理系统及方法 | |
CN114878084A (zh) | 一种氢能源车辆氢气泄漏检测方法 | |
CN113295586A (zh) | 一种大气污染监测系统的数据校准方法 | |
CN111495920B (zh) | 一种填埋场通风系统注气抽气调控方法 |
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 |