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 PDF

Info

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
Application number
CN202111102843.9A
Other languages
English (en)
Other versions
CN113551159A (zh
Inventor
荣刚
单文序
邓铁强
王泽煦
柴浩
张惠丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Taida Binhai Cleaning Energy Group Co ltd
Tianjin Chengjian University
Original Assignee
Tianjin Taida Binhai Cleaning Energy Group Co ltd
Tianjin Chengjian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Taida Binhai Cleaning Energy Group Co ltd, Tianjin Chengjian University filed Critical Tianjin Taida Binhai Cleaning Energy Group Co ltd
Priority to CN202111102843.9A priority Critical patent/CN113551159B/zh
Publication of CN113551159A publication Critical patent/CN113551159A/zh
Application granted granted Critical
Publication of CN113551159B publication Critical patent/CN113551159B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明涉及厌氧环境下埋地燃气管道泄漏的判别方法，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
Figure 238393DEST_PATH_IMAGE001
，根据得到的相关度系数
Figure 182079DEST_PATH_IMAGE001
值并结合相关度系数
Figure 475657DEST_PATH_IMAGE001
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。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。

Description

厌氧环境下埋地燃气管道泄漏的判别方法
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
Figure DEST_PATH_IMAGE001
，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5、样本数据均判断为燃气，并且样本数据相关度系数
Figure 761327DEST_PATH_IMAGE002
值的绝对值在0.6以上的不进行记录，样本数据相关度系数
Figure 627652DEST_PATH_IMAGE002
值的绝对值小于等于0.6的进行记录；
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；
步骤7、对步骤6中筛选出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
Figure 887732DEST_PATH_IMAGE001
，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8、根据步骤7得到的相关度系数
Figure 248437DEST_PATH_IMAGE002
的判定区间判定样本数据的类型，并对相关度系数
Figure 543152DEST_PATH_IMAGE002
进行记录。
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：
步骤4.1、将样本数据（X，Y）代入斯皮尔曼相关度系数计算公式中，计算样本数据中相关度系数
Figure 580378DEST_PATH_IMAGE002
：
Figure DEST_PATH_IMAGE003
其中，
Figure 609645DEST_PATH_IMAGE004
为样本数据总容量，
Figure DEST_PATH_IMAGE005
为温度等级，
Figure 757730DEST_PATH_IMAGE006
为浓度等级；
步骤4.2、判断样本数据总容量
Figure DEST_PATH_IMAGE007
，若本数据总容量
Figure 172531DEST_PATH_IMAGE008
，则进行步骤4.3，否则进行步骤4.4；
步骤4.3、将相关度系数
Figure DEST_PATH_IMAGE009
代入T检验方程中，检验相关度的显著性
Figure 922269DEST_PATH_IMAGE010
：
Figure DEST_PATH_IMAGE011
Figure 688100DEST_PATH_IMAGE012
为显著性系数选0.01的显著性
Figure 390608DEST_PATH_IMAGE010
，若
Figure DEST_PATH_IMAGE013
，则相关度系数显著，相关度系数
Figure 925494DEST_PATH_IMAGE014
可信，进行步骤5；若
Figure DEST_PATH_IMAGE015
，则相关度系数
Figure 38944DEST_PATH_IMAGE014
不可信，舍弃样本数据；
步骤4.4、将相关度系数
Figure 246065DEST_PATH_IMAGE014
代入Z检验方程中，检验相关度的显著性
Figure 1532DEST_PATH_IMAGE016
：
Figure DEST_PATH_IMAGE017
Figure 390925DEST_PATH_IMAGE018
为显著性系数选0.01的显著性
Figure 222746DEST_PATH_IMAGE016
，若
Figure DEST_PATH_IMAGE019
，则相关度系数显著，相关度系数
Figure 697589DEST_PATH_IMAGE020
可信，进行步骤5；若
Figure DEST_PATH_IMAGE021
，则相关度系数
Figure 725588DEST_PATH_IMAGE020
不可信，舍弃样本数据。
而且，所述步骤7包括以下步骤：
步骤7.1、将样本数据（X、Y）代入斯皮尔曼相关度系数计算公式中，计算样本数据中相关度系数
Figure 189062DEST_PATH_IMAGE020
：
Figure 175472DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
为样本数据总容量，
Figure 403191DEST_PATH_IMAGE024
为温度等级，
Figure 251193DEST_PATH_IMAGE025
为浓度等级；
步骤7.2、判断样本数据总容量
Figure DEST_PATH_IMAGE026
，若本数据总容量
Figure 349599DEST_PATH_IMAGE027
，则进行步骤7.3，否则进行步骤7.4；
步骤7.3、将相关度系数
Figure DEST_PATH_IMAGE028
代入T检验方程中，检验相关度的显著性
Figure 788801DEST_PATH_IMAGE029
：
Figure DEST_PATH_IMAGE030
Figure 441500DEST_PATH_IMAGE031
为显著性系数选0.01的显著性
Figure 76880DEST_PATH_IMAGE010
，若
Figure DEST_PATH_IMAGE032
，则相关度系数显著，相关度系数
Figure 46104DEST_PATH_IMAGE033
可信，进行步骤8；若
Figure DEST_PATH_IMAGE034
，则相关度系数
Figure 171055DEST_PATH_IMAGE035
不可信，舍弃样本数据；
步骤7.4、将相关度系数
Figure 311050DEST_PATH_IMAGE035
代入Z检验方程中，检验相关度的显著性
Figure DEST_PATH_IMAGE036
：
Figure 291732DEST_PATH_IMAGE037
Figure 36834DEST_PATH_IMAGE018
为显著性系数选0.01的显著性
Figure 535948DEST_PATH_IMAGE016
，若
Figure DEST_PATH_IMAGE038
，则相关度系数显著，相关度系数
Figure 445130DEST_PATH_IMAGE039
可信，进行步骤8；若
Figure DEST_PATH_IMAGE040
，则相关度系数
Figure 219051DEST_PATH_IMAGE039
不可信，舍弃样本数据。
而且，所述步骤8的判定区间为：若相关度系数
Figure 880976DEST_PATH_IMAGE041
时，判定为沼气；若
Figure DEST_PATH_IMAGE042
时，判定为可能为沼气；若
Figure 36145DEST_PATH_IMAGE043
时，判定可能为燃气；若相关度系数
Figure DEST_PATH_IMAGE044
时，判定为燃气；同时将相关度系数
Figure 681890DEST_PATH_IMAGE001
值进行记录。
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
Figure 462764DEST_PATH_IMAGE001
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
Figure 995508DEST_PATH_IMAGE001
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
Figure 836425DEST_PATH_IMAGE001
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
Figure 438308DEST_PATH_IMAGE001
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
Figure 22873DEST_PATH_IMAGE001
，根据得到的相关度系数
Figure 144544DEST_PATH_IMAGE001
值并结合相关度系数
Figure 156362DEST_PATH_IMAGE001
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。
统计总体温度等级X_class下
Figure 183224DEST_PATH_IMAGE045
的数据量占据总体温度等级X_class的极差率占比ratio_count；即
Figure DEST_PATH_IMAGE046
；同时判断ratio_count是否大于等于0.5，若
Figure 102638DEST_PATH_IMAGE047
，则进行步骤4，否则进行步骤7。
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4.1、将样本数据（X，Y）代入斯皮尔曼相关度系数计算公式中，计算样本数据中相关度系数
Figure DEST_PATH_IMAGE048
：
Figure 875553DEST_PATH_IMAGE049
其中，
Figure DEST_PATH_IMAGE050
为样本数据总容量。
步骤4.2、判断样本数据总容量
Figure 589431DEST_PATH_IMAGE051
，若本数据总容量
Figure DEST_PATH_IMAGE052
，则进行步骤4.3，否则进行步骤4.4。
步骤4.3、将相关度系数
Figure 447797DEST_PATH_IMAGE053
代入T检验方程中，检验相关度的显著性
Figure DEST_PATH_IMAGE054
：
Figure 108586DEST_PATH_IMAGE055
Figure 188537DEST_PATH_IMAGE031
为显著性系数选0.01的显著性
Figure 558470DEST_PATH_IMAGE010
，若
Figure DEST_PATH_IMAGE056
，则相关度系数显著，相关度系数
Figure 153399DEST_PATH_IMAGE057
可信，进行步骤5；若
Figure DEST_PATH_IMAGE058
，则相关度系数
Figure 917347DEST_PATH_IMAGE059
不可信，舍弃样本数据。
步骤4.4、将相关度系数
Figure 117385DEST_PATH_IMAGE060
代入Z检验方程中，检验相关度的显著性
Figure 100002_DEST_PATH_IMAGE061
：
Figure 438645DEST_PATH_IMAGE062
Figure 661815DEST_PATH_IMAGE018
为显著性系数选0.01的显著性
Figure 946297DEST_PATH_IMAGE016
，若
Figure 841DEST_PATH_IMAGE019
，则相关度系数显著，相关度系数
Figure 100002_DEST_PATH_IMAGE063
可信，进行步骤5；若
Figure 227423DEST_PATH_IMAGE064
，则相关度系数
Figure 100002_DEST_PATH_IMAGE065
不可信，舍弃样本数据。
步骤5、样本数据均判断为燃气，并且样本数据相关度系数
Figure 547677DEST_PATH_IMAGE002
值的绝对值在0.6以上的不进行记录，样本数据相关度系数
Figure 619538DEST_PATH_IMAGE002
值的绝对值小于等于0.6的进行记录。
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。
步骤7、对步骤6中筛选出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
Figure 528588DEST_PATH_IMAGE065
，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7.1、将样本数据（X，Y）代入斯皮尔曼相关度系数计算公式中，计算样本数据中相关度系数
Figure 411225DEST_PATH_IMAGE065
：
Figure 405726DEST_PATH_IMAGE066
其中，
Figure 100002_DEST_PATH_IMAGE067
为样本数据总容量。
步骤7.2、判断样本数据总容量
Figure 15699DEST_PATH_IMAGE068
，若本数据总容量
Figure 100002_DEST_PATH_IMAGE069
，则进行步骤7.3，否则进行步骤7.4。
步骤7.3、将相关度系数
Figure 326725DEST_PATH_IMAGE070
代入T检验方程中，检验相关度的显著性
Figure 363952DEST_PATH_IMAGE072
：
Figure 100002_DEST_PATH_IMAGE073
Figure 908065DEST_PATH_IMAGE031
为显著性系数选0.01的显著性
Figure 72462DEST_PATH_IMAGE010
，若
Figure 956104DEST_PATH_IMAGE074
，则相关度系数显著，相关度系数
Figure 100002_DEST_PATH_IMAGE075
可信，进行步骤8；若
Figure 898652DEST_PATH_IMAGE076
，则相关度系数
Figure 867745DEST_PATH_IMAGE075
不可信，舍弃样本数据。
步骤7.4、将相关度系数
Figure 835832DEST_PATH_IMAGE075
代入Z检验方程中，检验相关度的显著性
Figure 100002_DEST_PATH_IMAGE077
：
Figure 105140DEST_PATH_IMAGE078
Figure 15327DEST_PATH_IMAGE018
为显著性系数选0.01的显著性
Figure 222448DEST_PATH_IMAGE016
，若
Figure 977915DEST_PATH_IMAGE019
，则相关度系数显著，相关度系数
Figure 100002_DEST_PATH_IMAGE079
可信，进行步骤8；若
Figure 570570DEST_PATH_IMAGE080
，则相关度系数
Figure 386079DEST_PATH_IMAGE079
不可信，舍弃样本数据。
步骤8、根据步骤7得到的相关度系数
Figure 809058DEST_PATH_IMAGE002
的判定区间判定样本数据的类型，并对相关度系数进行记录。
若相关度系数
Figure 100002_DEST_PATH_IMAGE081
时，判定为沼气；若
Figure 899374DEST_PATH_IMAGE082
时，判定为可能为沼气；若
Figure 100002_DEST_PATH_IMAGE083
时，判定可能为燃气；若相关度系数
Figure 159585DEST_PATH_IMAGE084
时，判定为燃气；同时将相关度系数
Figure DEST_PATH_IMAGE085
值进行记录，作为历史数据以优化
Figure 677154DEST_PATH_IMAGE086
时的判定结果。
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
Figure 108136DEST_PATH_IMAGE048
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
Figure 408667DEST_PATH_IMAGE048
值，对设定的各判定区间进行优化，例如：初始可能为沼气的
Figure 726647DEST_PATH_IMAGE085
值判定区间为
Figure DEST_PATH_IMAGE087
，随着样本数据的增加以及现场人员研判，得出当
Figure 415117DEST_PATH_IMAGE088
时，气体类型均为沼气，则可以将可能为沼气的判断区间由
Figure DEST_PATH_IMAGE089
优化为
Figure 349706DEST_PATH_IMAGE090
，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：
大部分数据的极差率在0.1~10之间，此时计算极差率是无意义的，计算极差率结束后，直接计算全组数据的相关度系数
Figure DEST_PATH_IMAGE091
值，
小部分数据的极差率非常大（比如同温度下浓度有5%，也有18%，这时极差率有130，极差率大于0.5）当极差率大于等于0.5的时候，不用考虑相关度系数
Figure 47404DEST_PATH_IMAGE091
值，直接判定为燃气。
当极差率小于0.5的时候，极差率这部分的计算是无意义的（极差率很有可能非常小，这在实际中是大部分数据的情况）。极差率计算完成后，用全部数据做相关度系数r计算，根据相关度系数
Figure 734737DEST_PATH_IMAGE091
值判定气体类型。
同时，计算极差率这部分与计算斯皮尔曼相关度系数r是独立的，极差率与相关度系数
Figure 266213DEST_PATH_IMAGE091
不会相互影响。
用全部数据做斯皮尔曼相关度系数
Figure 156940DEST_PATH_IMAGE091
计算，也是对步骤8判断区间的优化，在极差计算中会有部分数据计算出的相关度系数
Figure 596011DEST_PATH_IMAGE091
值在燃气判定范围内。
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
Figure 137851DEST_PATH_IMAGE091
值得判定标准进行优化。上述极差计算后相关度系数
Figure 636965DEST_PATH_IMAGE091
值在燃气判定范围内的数据，相关度系数
Figure 14988DEST_PATH_IMAGE091
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
Figure 523330DEST_PATH_IMAGE091
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
Figure 185255DEST_PATH_IMAGE091
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
Figure DEST_PATH_IMAGE002
，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5、样本数据均判断为燃气，并且样本数据相关度系数
Figure DEST_PATH_IMAGE004
值的绝对值在0.6以上的不进行记录，样本数据相关度系数
Figure 608166DEST_PATH_IMAGE004
值的绝对值小于等于0.6的进行记录；
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；
步骤7、对步骤6中筛选出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
Figure 56465DEST_PATH_IMAGE002
，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8、根据步骤7得到的相关度系数
Figure 367360DEST_PATH_IMAGE004
的判定区间判定样本数据的类型，并对相关度系数
Figure 60772DEST_PATH_IMAGE004
进行记录。
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：
步骤4.1、将样本数据（X，Y）代入斯皮尔曼相关度系数计算公式中，计算样本数据中相关度系数
Figure 406303DEST_PATH_IMAGE004
：
Figure DEST_PATH_IMAGE006
其中，
Figure DEST_PATH_IMAGE008
为样本数据总容量，
Figure DEST_PATH_IMAGE010
为温度等级，
Figure DEST_PATH_IMAGE012
为浓度等级；
步骤4.2、判断样本数据总容量
Figure DEST_PATH_IMAGE014
，若本数据总容量
Figure DEST_PATH_IMAGE016
，则进行步骤4.3，否则进行步骤4.4；
步骤4.3、将相关度系数
Figure DEST_PATH_IMAGE018
代入T检验方程中，检验相关度的显著性
Figure DEST_PATH_IMAGE020
：
Figure DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE024
为显著性系数选0.01的显著性
Figure 245077DEST_PATH_IMAGE020
，若
Figure DEST_PATH_IMAGE025
，则相关度系数显著，相关度系数
Figure DEST_PATH_IMAGE027
可信，进行步骤5；若
Figure DEST_PATH_IMAGE029
，则相关度系数
Figure 902323DEST_PATH_IMAGE027
不可信，舍弃样本数据；
步骤4.4、将相关度系数
Figure 835644DEST_PATH_IMAGE027
代入Z检验方程中，检验相关度的显著性
Figure DEST_PATH_IMAGE031
：
Figure DEST_PATH_IMAGE033
Figure DEST_PATH_IMAGE035
为显著性系数选0.01的显著性
Figure 396201DEST_PATH_IMAGE031
，若
Figure DEST_PATH_IMAGE037
，则相关度系数显著，相关度系数
Figure DEST_PATH_IMAGE039
可信，进行步骤5；若
Figure DEST_PATH_IMAGE041
，则相关度系数
Figure 717461DEST_PATH_IMAGE039
不可信，舍弃样本数据。
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：
步骤7.1、将样本数据（X、Y）代入斯皮尔曼相关度系数计算公式中，计算样本数据中相关度系数
Figure 2949DEST_PATH_IMAGE039
：
Figure DEST_PATH_IMAGE043
其中，
Figure DEST_PATH_IMAGE045
为样本数据总容量，
Figure DEST_PATH_IMAGE047
为温度等级，
Figure DEST_PATH_IMAGE049
为浓度等级；
步骤7.2、判断样本数据总容量
Figure DEST_PATH_IMAGE051
，若本数据总容量
Figure DEST_PATH_IMAGE053
，则进行步骤7.3，否则进行步骤7.4；
步骤7.3、将相关度系数
Figure DEST_PATH_IMAGE055
代入T检验方程中，检验相关度的显著性
Figure DEST_PATH_IMAGE057
：
Figure DEST_PATH_IMAGE059
Figure 305009DEST_PATH_IMAGE024
为显著性系数选0.01的显著性
Figure 861017DEST_PATH_IMAGE020
，若
Figure DEST_PATH_IMAGE061
，则相关度系数显著，相关度系数
Figure DEST_PATH_IMAGE063
可信，进行步骤8；若
Figure DEST_PATH_IMAGE065
，则相关度系数
Figure DEST_PATH_IMAGE067
不可信，舍弃样本数据；
步骤7.4、将相关度系数
Figure 415495DEST_PATH_IMAGE067
代入Z检验方程中，检验相关度的显著性
Figure DEST_PATH_IMAGE069
：
Figure DEST_PATH_IMAGE071
Figure 250596DEST_PATH_IMAGE035
为显著性系数选0.01的显著性
Figure 260140DEST_PATH_IMAGE031
，若
Figure 936235DEST_PATH_IMAGE037
，则相关度系数显著，相关度系数
Figure DEST_PATH_IMAGE073
可信，进行步骤8；若
Figure DEST_PATH_IMAGE075
，则相关度系数
Figure 130456DEST_PATH_IMAGE073
不可信，舍弃样本数据。
7.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8的判定区间为：若相关度系数
Figure DEST_PATH_IMAGE077
时，判定为沼气；若
Figure DEST_PATH_IMAGE079
时，判定为可能为沼气；若
Figure DEST_PATH_IMAGE081
时，判定可能为燃气；若相关度系数
Figure DEST_PATH_IMAGE083
时，判定为燃气；同时将相关度系数
Figure 984011DEST_PATH_IMAGE002
值进行记录。
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
Figure 95449DEST_PATH_IMAGE002
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
Figure 124585DEST_PATH_IMAGE002
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
Figure 427390DEST_PATH_IMAGE002
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
Figure 909187DEST_PATH_IMAGE002
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。
CN202111102843.9A 2021-09-22 2021-09-22 厌氧环境下埋地燃气管道泄漏的判别方法 Active CN113551159B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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