CN116973043A - 基于分布式光纤的管道智能监测预警方法及系统 - Google Patents
基于分布式光纤的管道智能监测预警方法及系统 Download PDFInfo
- Publication number
- CN116973043A CN116973043A CN202311237275.2A CN202311237275A CN116973043A CN 116973043 A CN116973043 A CN 116973043A CN 202311237275 A CN202311237275 A CN 202311237275A CN 116973043 A CN116973043 A CN 116973043A
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- generate
- data
- time domain
- 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.)
- Pending
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003287 optical effect Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 230000008054 signal transmission Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 31
- 239000000835 fiber Substances 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 5
- 239000007789 gas Substances 0.000 description 18
- 238000001514 detection method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229910052691 Erbium Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
- G01M3/243—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations for pipes
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及安全预警技术领域,公开了一种基于分布式光纤的管道智能监测预警方法及系统,用于提高对致密气田集输管网进行分布式光纤智能监测预警的准确率。包括:发射连续光信号将连续光信号进行信号调制,生成脉冲光信号;对脉冲光信号进行功率放大,生成放大光信号;将放大光信号传输至传感光纤进行信号传输;采集在信号传输过程中产生的干涉光信号,对干涉光信号进行光电转换,生成电信号数据;将电信号数据传输至信号处理模块,对电信号数据进行异常振动定位识别,生成振动位置信息;基于振动位置信息对电信号数据进行振动模式分析,生成异常振动模式;通过异常振动模式及振动位置信息生成预警信息,并将预警信息传输至数据处理终端。
Description
技术领域
本发明涉及安全预警技术领域,尤其涉及一种基于分布式光纤的管道智能监测预警方法及系统。
背景技术
致密气是指存在于页岩层的非常规天然气资源,我国致密气层气储量丰富,是天然气产量的主要增长领域。中海油致密气产区位于鄂尔多斯盆地边缘,工区地表环境以及管输介质和生产工况较为复杂,使得地面集输管道受到来自内部和外部的安全威胁,极易出现管道腐蚀、第三方损坏、地质灾害等引发管道失效泄漏的事件发生,一旦发现和管控不及时,很可能继而导致火灾、爆炸等重大危害事故的发生,从而给公司造成较大的经济损失和恶劣的社会影响,加大了生产单位日常运行管理和安全管理工作难度。
目前,对于管道腐蚀、第三方破坏、地质灾害引发管道失效等问题通常采用人工巡检方式进行,人工巡检方式存在实时性差、成本大等问题,亟待推出一种能够实现致密气田集输管网智能化监测预警的技术。目前管道监测预警方式主要有温度监测、应变监测、光纤振动预警、AI智能识别监控、压力监测以及软件分析这几类方法,温度监测以及管道应变监测可靠性高、检测精度高,但是需要管道进行开挖来埋设专用检测设备,由于工区地表环境复杂,加大了施工难度,同时对管道本体也会产生一定的影响;压力监测方式主要运用于输油管道,在输气管道上存在误报率高、可靠性差等问题。
发明内容
有鉴于此,本发明实施例提供了一种基于分布式光纤的管道智能监测预警方法及系统,提高了对致密气田集输管网进行分布式光纤智能监测预警的准确率。
本发明提供了一种基于分布式光纤的管道智能监测预警方法,包括:通过窄线宽激光器发射连续光信号,并通过调制解调器将所述连续光信号进行信号调制,生成脉冲光信号;通过掺铒光纤放大器对所述脉冲光信号进行功率放大,生成放大光信号;通过环形器将所述放大光信号传输至预置的传感光纤进行信号传输;采集在信号传输过程中产生的干涉光信号,并通过光电探测器对所述干涉光信号进行光电转换,生成对应的电信号数据并传输至数据采集模块;通过所述数据采集模块将所述电信号数据传输至信号处理模块,通过信号处理模块对所述电信号数据进行异常振动定位识别,生成振动位置信息;基于所述振动位置信息对所述电信号数据进行振动模式分析,生成异常振动模式;通过所述异常振动模式以及所述振动位置信息生成预警信息,并将所述预警信息传输至预置的数据处理终端。
在本发明中,所述通过信号处理模块对所述电信号数据进行异常振动定位识别,生成振动位置信息步骤,包括:通过所述信号处理模块对所述电信号数据进行曲线映射,生成多个瑞利散射曲线;对每个所述瑞利散射曲线进行时域信号提取,生成时域信号集合;对所述时域信号集合进行时域特征分析,得到对应的时域特征集合;通过所述时域特征集合对所述电信号数据进行异常振动定位识别,生成振动位置信息。
在本发明中,所述通过所述信号处理模块对所述电信号数据进行曲线映射,生成多个瑞利散射曲线步骤,包括:通过所述信号处理模块对所述电信号数据进行时序数据提取,生成对应的目标时序数据;通过所述目标时序数据对所述电信号数据进行曲线映射,生成多个瑞利散射曲线。
在本发明中,所述对每个所述瑞利散射曲线进行时域信号提取,生成时域信号集合步骤,包括:对每个所述瑞利散射曲线进行曲线点位遍历,生成每个所述瑞利散射曲线对应的曲线点位集合;对每个所述瑞利散射曲线对应的曲线点位集合进行纵向时间序列提取,生成多个纵向时间序列数据;通过多个所述纵向时间序列数据对每个所述瑞利散射曲线进行时域信号提取,生成时序信号集合。
在本发明中,所述通过所述时域特征集合对所述电信号数据进行异常振动定位识别,生成振动位置信息步骤,包括:对所述时域特征集合进行振动点位提取,确定多个振动点位数据;对所述多个振动点位数据进行中间点位分析,生成目标中间点位;通过所述目标中间点位对所述电信号数据进行异常振动定位识别,生成振动位置信息。
在本发明中,所述基于所述振动位置信息对所述电信号数据进行振动模式分析,生成异常振动模式步骤,包括:对所述振动位置信息进行时域信号匹配,生成多个振动时域信号;对多个所述振动时域信号进行向量转换,生成目标特征向量;将所述目标特征向量输入预置的振动类型分类器对所述电信号数据进行振动模式分析,生成异常振动模式。
在本发明中,所述对多个所述振动时域信号进行向量转换,生成目标特征向量步骤,包括:通过小波函数对所述振动时域信号进行小波包分解处理,得到多个小波包系数;通过多个所述小波包系数对所述振动时域信号进行能量分布分析,生成小波包能量分布特征;通过所述小波包能量分布特征对多个所述振动时域信号进行向量转换,生成目标特征向量。
本发明还提供了一种基于分布式光纤的管道智能监测预警系统,包括:
窄线宽激光器、调制解调器、掺铒光纤放大器、环形器、光电探测器、数据采集模块、信号处理模块以及传感光纤;
所述窄线宽激光器与所述调制解调器电连接;所述调制解调器的输出端与所述掺铒光纤放大器的输入端电连接;所述环形器为三端口环形器,分别与所述掺铒光纤放大器、传感光纤以及光电探测器电连接;所述光电探测器的输出端与所述数据采集模块的输入端电连接;所述数据采集模块的输出端与所述信号处理模块的输入端电连接。
本发明提供的技术方案中,通过窄线宽激光器发射连续光信号,并通过调制解调器将连续光信号进行信号调制,生成脉冲光信号;通过掺铒光纤放大器对脉冲光信号进行功率放大,生成放大光信号;通过环形器将放大光信号传输至预置的传感光纤进行信号传输;采集在信号传输过程中产生的干涉光信号,并通过光电探测器对干涉光信号进行光电转换,生成对应的电信号数据并传输至数据采集模块;通过数据采集模块将电信号数据传输至信号处理模块,通过信号处理模块对电信号数据进行异常振动定位识别,生成振动位置信息;基于振动位置信息对电信号数据进行振动模式分析,生成异常振动模式;通过异常振动模式以及振动位置信息生成预警信息,并将预警信息传输至预置的数据处理终端。在本申请实施例中,通过分布式光纤振动传感技术,提升了系统的监测范围,对致密气田管道异常情况进行定位。针对致密气田集输管道周边环境特性及危害管道安全运行事故类型,对探测信号中的噪声进行削减,避免了其他干扰信号对监测的影响,降低了系统的误报警率,大大提升了危害管道安全运行事故的检测效果。通过建立智能监测预警系统,将振动识别信息与软件系统相结合,提升了致密气田集输管道监测预警的准确率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于分布式光纤的管道智能监测预警方法的流程图。
图2为本发明实施例中对电信号数据进行异常振动定位识别的流程图。
图3为本发明实施例中基于分布式光纤的管道智能监测预警系统的示意图。
附图标记:301、窄线宽激光器;302、调制解调器;303、掺铒光纤放大器;304、环形器;305、光电探测器;306、数据采集模块;307、信号处理模块;308、传感光纤。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,下面所描述的本发明不同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结合。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,图1是本发明实施例的基于分布式光纤的管道智能监测预警方法的流程图,如图1所示,包括以下步骤:
S101、通过窄线宽激光器发射连续光信号,并通过调制解调器将连续光信号进行信号调制,生成脉冲光信号;
S102、通过掺铒光纤放大器对脉冲光信号进行功率放大,生成放大光信号;
S103、通过环形器将放大光信号传输至预置的传感光纤进行信号传输;
S104、采集在信号传输过程中产生的干涉光信号,并通过光电探测器对干涉光信号进行光电转换,生成对应的电信号数据并传输至数据采集模块;
S105、通过数据采集模块将电信号数据传输至信号处理模块,通过信号处理模块对电信号数据进行异常振动定位识别,生成振动位置信息;
S106、基于振动位置信息对电信号数据进行振动模式分析,生成异常振动模式;
S107、通过异常振动模式以及振动位置信息生成预警信息,并将预警信息传输至预置的数据处理终端。
需要说明的是,窄线宽光纤激光器的工作波长为1550nm,线宽小于100kHz,用于发射出强相干的连续探测光;调制解调器为全光纤声光调制器,连接光纤为保偏光纤,用于将强相干连续光调制为脉冲信号;掺铒光纤放大器,其输入端与调制解调器的输出端相连,用于对脉冲光信号进行放大;环形器为三端口环形器,分别连接掺铒光纤放大器、传感光纤以及光电探测器,传感光纤为普通单模光纤或钢带轻铠光纤,长度在10km到100km之间,以适应致密气田地形,满足致密气田集输管网长距离、实时监测,脉冲光在传感光纤内产生瑞利散射光,光电探测器一端与环形器相连接,一端与数据采集模块相连接,用于实现将传输来的光信号转换为电信号并进行信号放大操作;数据采集模块用于将电信号采集到信号处理平台中,最大采集速度大于10MSps,以满足对致密气田集输管网异常的实时监测与定位要求;信号处理模块为信号处理平台,能够发出控制指令,调整采集参数,并对采集到的数据依次进行数据预处理、时域特征分析、振动定位以及模式识别,以判断管道异常事件发生的位置及类型,显示振动发生的位置,同时对振动信号的时间、类型、详细信息进行记录和存储。
通过执行上述步骤,通过窄线宽激光器发射连续光信号,并通过调制解调器将连续光信号进行信号调制,生成脉冲光信号;通过掺铒光纤放大器对脉冲光信号进行功率放大,生成放大光信号;通过环形器将放大光信号传输至预置的传感光纤进行信号传输;采集在信号传输过程中产生的干涉光信号,并通过光电探测器对干涉光信号进行光电转换,生成对应的电信号数据并传输至数据采集模块;通过数据采集模块将电信号数据传输至信号处理模块,通过信号处理模块对电信号数据进行异常振动定位识别,生成振动位置信息;基于振动位置信息对电信号数据进行振动模式分析,生成异常振动模式;通过异常振动模式以及振动位置信息生成预警信息,并将预警信息传输至预置的数据处理终端。在本申请实施例中,通过分布式光纤振动传感技术,提升了系统的监测范围,对致密气田管道异常情况进行定位。针对致密气田集输管道周边环境特性及危害管道安全运行事故类型,对探测信号中的噪声进行削减,避免了其他干扰信号对监测的影响,降低了系统的误报警率,大大提升了危害管道安全运行事故的检测效果。通过建立智能监测预警系统,将振动识别信息与软件系统相结合,提升了致密气田集输管道监测预警的准确率。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)对振动位置信息进行时域信号匹配,生成多个振动时域信号;
(2)对多个振动时域信号进行向量转换,生成目标特征向量;
(3)将目标特征向量输入预置的振动类型分类器对电信号数据进行振动模式分析,生成异常振动模式。
具体的,首先,根据振动位置信息,在原始电信号数据中截取相应位置的时域信号。这些时域信号即为振动时域信号。对多个振动时域信号进行特征提取,提取各种时域特征,例如振动幅值、峰值、均方根等。这些时域特征作为特征向量的组成部分,形成目标特征向量。建立预置的振动类型分类器,该分类器经过训练,能够识别不同振动事件的类型。该分类器可以是基于机器学习算法的模型,如支持向量机(SVM)、随机森林(Random Forest)等。将目标特征向量输入预置的振动类型分类器中,对电信号数据进行振动模式分析。分类器会根据输入的特征向量,判断振动事件的类型,并生成相应的异常振动模式信息。
例如: 假设要分析一个管道系统的振动信号,首先根据振动位置信息,在原始电信号数据中提取多个振动时域信号。然后,对这些时域信号进行特征提取,如振动幅值、峰值、均方根等时域特征。这些特征组成了目标特征向量。接下来,将目标特征向量输入预置的振动类型分类器中。分类器会根据输入的特征向量,判断振动事件的类型,例如管道泄漏、山体滑坡、地质灾害、人工开挖、机械开挖等。根据分类器的输出,可以得到异常振动模式信息,例如判断出是否存在管道泄漏或其他类型的振动事件。
需要说明的是,在本发明实施例中,光电探测器探测后向瑞利散射光,数据采集模块对数据进行采集,对采集到的曲线相邻处电压相除,结果超出设定阈值则认为有振动事件的发生,此时对振动事件进行定位和报警。判断是否有振动事件定位公式:,式中c为真空中光速,/>为光纤纤芯的折射率,/>为位置坐标,/>为时间数据。
在本发明实施例中,将数据采集终端的采样频域为5000Hz,每组数据设置采样点数为10000,本例采集识别的振动异常信号主要有人工敲击、机械电镐破坏、管道泄漏等。
在一具体实施例中,执行对多个振动时域信号进行向量转换,生成目标特征向量步骤的过程可以具体包括如下步骤:
(1)通过小波函数对振动时域信号进行小波包分解处理,得到多个小波包系数;
(2)通过多个小波包系数对振动时域信号进行能量分布分析,生成小波包能量分布特征;
(3)通过小波包能量分布特征对多个振动时域信号进行向量转换,生成目标特征向量。
具体的,从振动开始的连续多帧时域信号作为振动信号,利用小波函数对振动信号进行小波包分解,得到各层的小波包系数,根据小波包系数计算得到小波包能量分布特征,小波包能量分布特征与时域特征共同构成振动信号的多类特征向量,具体的,从振动开始的连续多帧时域信号作为振动信号: 首先,获取从振动开始的连续多帧时域信号,这些信号包含了振动事件发生期间的信号数据。利用小波函数对振动信号进行小波包分解,将振动信号分解为多个小波包系数。小波包分解是一种信号分解技术,将信号分解为不同尺度和频率的子信号,对各层的小波包系数进行能量分布分析,计算每个小波包系数的能量分布特征。能量分布特征反映了信号在不同频率和时间尺度上的能量分布情况。将小波包能量分布特征与之前提到的时域特征进行组合,构成振动信号的多类特征向量。这样的特征向量综合考虑了时域特征和频域特征,可以更全面地描述振动信号的特征。
需要说明的是,在小波包特征分析之前还可以使用谱减法降噪处理,所述谱减法降噪处理包括:在无振动事件的静态环境中,将多次预处理得到的各空间位置点上的连续多帧时域信号作为各空间位置点的噪声信号,根据振动位置的振动信号计算振动信号的功率谱,将振动信号的功率谱减去振动点噪声信号的平均功率谱得到新的信号功率谱,将新的信号功率谱进行反傅里叶变换还原得到降噪后的振动信号。
在一具体实施例中,如图2所示,执行步骤S105的过程可以具体包括如下步骤:
S201、通过信号处理模块对电信号数据进行曲线映射,生成多个瑞利散射曲线;
S202、对每个瑞利散射曲线进行时域信号提取,生成时域信号集合;
S203、对时域信号集合进行时域特征分析,得到对应的时域特征集合;
S204、通过时域特征集合对电信号数据进行异常振动定位识别,生成振动位置信息。
具体的,通过信号处理模块对电信号按照时间顺序截断为若干连续光脉冲产生的若干条瑞利散射曲线,抽取若干条新的瑞利散射曲线中空间上每个点的纵向时间序列信号作为每个点的时域信号;计算各个点时域信号的时域特征,并与相应的动态特征阈值进行相比,当时域特征值与对应阈值的比值大于设定值时,判断对应点位置有干扰信号;若空间上连练若干位置点都判断出有干扰信号,则表明在这些点的中间位置有振动事件发生,这些点的中间位置记为振动位置。例如,假设传感光纤沿着管道铺设,通过对光纤的监测可以检测管道周围的振动情况。当某个位置的振动引起瑞利散射曲线中光强的变化,信号处理模块将提取该位置的时域信号,并计算其时域特征。例如,在某个位置上,时域信号的能量值与预设的动态特征阈值相比较,发现能量值较高,超过了设定的比值阈值。这表明该位置的信号受到了干扰,可能存在振动事件。通过对相邻多个位置的检测结果进行综合,如果多个位置都检测到干扰信号,那么可以确定在这些位置的中间发生了振动事件,这些位置的中点即为振动位置。总之,该方案通过信号处理、时域特征计算和动态特征阈值比较的方法,可以检测和定位振动事件。它通过分析光纤中的信号变化,判断是否存在干扰信号,并通过多点检测来确定振动事件的位置。
需要说明的是,有干扰的情况下,动态特征阈值不进行更新;无干扰的情况下,动态特征阈值采用如下更新方式:新的动态特征阈值为当前动态特征阈值和时域信号的时域特征的加权和;初始动态特征阈值通过以下方式得到:在无振动事件的静态环境中,将多次预处理得到的多帧时域信号的时域特征进行平均处理得到初始动态特征阈值。
在一具体实施例中,执行步骤S201的过程可以具体包括如下步骤:
(1)通过信号处理模块对电信号数据进行时序数据提取,生成对应的目标时序数据;
(2)通过目标时序数据对电信号数据进行曲线映射,生成多个瑞利散射曲线。
具体的,通过光电探测器将传感光纤中的后向瑞利散射光信号转换为电信号数据。信号处理模块对这些电信号数据进行时序数据提取,例如进行采样和滤波处理,以获得感兴趣的时序数据。在这个示例中,可以将时域信号的幅度作为目标时序数据。通过计算电信号数据的幅度,可以得到随时间变化的振动信号幅度数据。将目标时序数据映射到瑞利散射曲线的纵轴(光强)上,生成瑞利散射曲线。根据之前的描述,瑞利散射曲线的形成取决于光纤中微小变化引起的相位变化,从而影响后向瑞利散射光的强度。例如,如果目标时序数据表示管道周围的振动信号幅度,可以将这些幅度值映射到瑞利散射曲线的光强坐标上。较大的幅度值对应于较高的光强,而较小的幅度值对应于较低的光强。通过将这些点连接起来,可以生成瑞利散射曲线,反映管道周围振动信号的变化。
在一具体实施例中,执行步骤S202的过程,包括如下步骤:
(1)对每个瑞利散射曲线进行曲线点位遍历,生成每个瑞利散射曲线对应的曲线点位集合;
(2)对每个瑞利散射曲线对应的曲线点位集合进行纵向时间序列提取,生成多个纵向时间序列数据;
(3)通过多个纵向时间序列数据对每个瑞利散射曲线进行时域信号提取,生成时序信号集合。
具体的,对于每个瑞利散射曲线,需要遍历曲线上的每个点位。通过遍历瑞利散射曲线,可以获取曲线上的各个点位的坐标信息,瑞利散射曲线,表示管道周围的振动信号。可以按照一定的采样间隔遍历曲线上的点位,获得每个点位的坐标信息(横坐标表示空间位置,纵坐标表示光强或振动幅度)。遍历完成后,将这些点位的坐标信息组成一个曲线点位集合,用于后续的数据处理和分析。对于每个瑞利散射曲线的曲线点位集合,可以从中提取纵向时间序列数据。纵向时间序列表示在每个空间位置点上,随时间变化的振动信号数据。通过在每个空间位置点上提取纵向时间序列,可以获取多个纵向时间序列数据,每个序列对应一个空间位置点的振动信号,利用纵向时间序列数据,可以进行时域信号提取,提取出振动信号的时序数据,时域信号提取的方法可以包括计算每个纵向时间序列的统计特征,例如均值、方差、峰值等。这些特征可以反映振动信号的时域变化特性。
将提取的时域信号数据组成时序信号集合,每个时序信号对应一个空间位置点的振动信号的时域特征。通过上述步骤,可以得到每个瑞利散射曲线对应的曲线点位集合,从中提取纵向时间序列数据,并进一步提取时域信号,生成时序信号集合。这样的数据处理流程可以用于分析和比较不同位置点的振动信号特征,进一步研究和判断振动事件的发生与位置。例如,假设通过上述步骤处理了一条瑞利散射曲线,得到了曲线点位集合和纵向时间序列数据。选取其中的两个空间位置点进行示例说明:空间位置点A:提取的纵向时间序列数据表示该点处的振动信号随时间的变化。通过时域信号提取,获得了该点振动信号的均值、方差等时域特征。空间位置点B:同样提取纵向时间序列数据,并进行时域信号提取,得到该点振动信号的均值、方差等时域特征。
在一具体实施例中,执行步骤S204的过程,包括如下步骤:
(1)对时域特征集合进行振动点位提取,确定多个振动点位数据;
(2)对多个振动点位数据进行中间点位分析,生成目标中间点位;
(3)通过目标中间点位对电信号数据进行异常振动定位识别,生成振动位置信息。
具体的,若连续若干位置点都判断出有干扰信号,说明在这些点的中间位置有振动事件发生。因此,可以通过分析时域特征集合,找到连续干扰信号的点位,并将它们的中间位置作为振动点位。例如,假设的时域特征集合包含了10个空间位置点的时域特征,其中连续的3个位置点都被判断为有干扰信号。可以找到这3个位置点的中间位置,作为一个振动点位。
对于多个振动点位数据,可以进行中间点位分析。这意味着对这些振动点位进行统计和分析,以确定它们的中间位置。中间点位分析可以采用简单的统计方法,例如计算这些振动点位的平均值或取中位数等。通过这种方式,可以生成一个目标中间点位,它代表了多个振动点位的整体位置。
例如,找到了3个振动点位,并计算它们的中间位置。假设这三个点位的空间位置分别为A、B、C,那么它们的中间位置可以通过计算(A + B + C) / 3 得到。利用目标中间点位,可以对电信号数据进行异常振动定位识别。这意味着可以将电信号数据与目标中间点位进行比较,以确定振动事件的位置信息。通过比较电信号数据与目标中间点位的特征,可以识别出与振动事件相关的异常信号。这些异常信号的位置信息即为振动位置信息,可以用于进一步分析和处理。
本发明实施例还提供了一种基于分布式光纤的管道智能监测预警系统,如图3所示,该基于分布式光纤的管道智能监测预警系统具体包括:窄线宽激光器301、调制解调器302、掺铒光纤放大器303、环形器304、光电探测器305、数据采集模块306、信号处理模块307以及传感光纤308。
所述窄线宽激光器301与所述调制解调器302电连接;所述调制解调器302的输出端与所述掺铒光纤放大器303的输入端电连接;所述环形器304为三端口环形器,分别与所述掺铒光纤放大器303、传感光纤308以及光电探测器305电连接;所述光电探测器305的输出端与所述数据采集模块306的输入端电连接;所述数据采集模块306的输出端与所述信号处理模块307的输入端电连接。
通过上述各个模块的协同合作,通过窄线宽激光器发射连续光信号,并通过调制解调器将连续光信号进行信号调制,生成脉冲光信号;通过掺铒光纤放大器对脉冲光信号进行功率放大,生成放大光信号;通过环形器将放大光信号传输至预置的传感光纤进行信号传输;采集在信号传输过程中产生的干涉光信号,并通过光电探测器对干涉光信号进行光电转换,生成对应的电信号数据并传输至数据采集模块;通过数据采集模块将电信号数据传输至信号处理模块,通过信号处理模块对电信号数据进行异常振动定位识别,生成振动位置信息;基于振动位置信息对电信号数据进行振动模式分析,生成异常振动模式;通过异常振动模式以及振动位置信息生成预警信息,并将预警信息传输至预置的数据处理终端。在本申请实施例中,通过分布式光纤振动传感技术,提升了系统的监测范围,对致密气田管道异常情况进行定位。针对致密气田集输管道周边环境特性及危害管道安全运行事故类型,对探测信号中的噪声进行削减,避免了其他干扰信号对监测的影响,降低了系统的误报警率,大大提升了危害管道安全运行事故的检测效果。通过建立智能监测预警系统,将振动识别信息与软件系统相结合,提升了致密气田集输管道监测预警的准确率。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于分布式光纤的管道智能监测预警方法,其特征在于,方法包括:
通过窄线宽激光器发射连续光信号,并通过调制解调器将所述连续光信号进行信号调制,生成脉冲光信号;
通过掺铒光纤放大器对所述脉冲光信号进行功率放大,生成放大光信号;
通过环形器将所述放大光信号传输至预置的传感光纤进行信号传输;
采集在信号传输过程中产生的干涉光信号,并通过光电探测器对所述干涉光信号进行光电转换,生成对应的电信号数据并传输至数据采集模块;
通过所述数据采集模块将所述电信号数据传输至信号处理模块,通过信号处理模块对所述电信号数据进行异常振动定位识别,生成振动位置信息;
基于所述振动位置信息对所述电信号数据进行振动模式分析,生成异常振动模式;
通过所述异常振动模式以及所述振动位置信息生成预警信息,并将所述预警信息传输至预置的数据处理终端。
2.根据权利要求1所述的基于分布式光纤的管道智能监测预警方法,其特征在于,所述通过信号处理模块对所述电信号数据进行异常振动定位识别,生成振动位置信息步骤,包括:
通过所述信号处理模块对所述电信号数据进行曲线映射,生成多个瑞利散射曲线;
对每个所述瑞利散射曲线进行时域信号提取,生成时域信号集合;
对所述时域信号集合进行时域特征分析,得到对应的时域特征集合;
通过所述时域特征集合对所述电信号数据进行异常振动定位识别,生成振动位置信息。
3.根据权利要求2所述的基于分布式光纤的管道智能监测预警方法,其特征在于,所述通过所述信号处理模块对所述电信号数据进行曲线映射,生成多个瑞利散射曲线步骤,包括:
通过所述信号处理模块对所述电信号数据进行时序数据提取,生成对应的目标时序数据;
通过所述目标时序数据对所述电信号数据进行曲线映射,生成多个瑞利散射曲线。
4.根据权利要求2所述的基于分布式光纤的管道智能监测预警方法,其特征在于,所述对每个所述瑞利散射曲线进行时域信号提取,生成时域信号集合步骤,包括:
对每个所述瑞利散射曲线进行曲线点位遍历,生成每个所述瑞利散射曲线对应的曲线点位集合;
对每个所述瑞利散射曲线对应的曲线点位集合进行纵向时间序列提取,生成多个纵向时间序列数据;
通过多个所述纵向时间序列数据对每个所述瑞利散射曲线进行时域信号提取,生成时序信号集合。
5.根据权利要求2所述的基于分布式光纤的管道智能监测预警方法,其特征在于,所述通过所述时域特征集合对所述电信号数据进行异常振动定位识别,生成振动位置信息步骤,包括:
对所述时域特征集合进行振动点位提取,确定多个振动点位数据;
对所述多个振动点位数据进行中间点位分析,生成目标中间点位;
通过所述目标中间点位对所述电信号数据进行异常振动定位识别,生成振动位置信息。
6.根据权利要求1所述的基于分布式光纤的管道智能监测预警方法,其特征在于,所述基于所述振动位置信息对所述电信号数据进行振动模式分析,生成异常振动模式步骤,包括:
对所述振动位置信息进行时域信号匹配,生成多个振动时域信号;
对多个所述振动时域信号进行向量转换,生成目标特征向量;
将所述目标特征向量输入预置的振动类型分类器对所述电信号数据进行振动模式分析,生成异常振动模式。
7.根据权利要求6所述的基于分布式光纤的管道智能监测预警方法,其特征在于,所述对多个所述振动时域信号进行向量转换,生成目标特征向量步骤,包括:
通过小波函数对所述振动时域信号进行小波包分解处理,得到多个小波包系数;
通过多个所述小波包系数对所述振动时域信号进行能量分布分析,生成小波包能量分布特征;
通过所述小波包能量分布特征对多个所述振动时域信号进行向量转换,生成目标特征向量。
8.一种基于分布式光纤的管道智能监测预警系统,用以执行如权利要求1至7任一项所述的基于分布式光纤的管道智能监测预警方法,其特征在于,包括:窄线宽激光器、调制解调器、掺铒光纤放大器、环形器、光电探测器、数据采集模块、信号处理模块以及传感光纤;
所述窄线宽激光器与所述调制解调器电连接;所述调制解调器的输出端与所述掺铒光纤放大器的输入端电连接;所述环形器为三端口环形器,分别与所述掺铒光纤放大器、传感光纤以及光电探测器电连接;所述光电探测器的输出端与所述数据采集模块的输入端电连接;所述数据采集模块的输出端与所述信号处理模块的输入端电连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311237275.2A CN116973043A (zh) | 2023-09-25 | 2023-09-25 | 基于分布式光纤的管道智能监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311237275.2A CN116973043A (zh) | 2023-09-25 | 2023-09-25 | 基于分布式光纤的管道智能监测预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116973043A true CN116973043A (zh) | 2023-10-31 |
Family
ID=88473459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311237275.2A Pending CN116973043A (zh) | 2023-09-25 | 2023-09-25 | 基于分布式光纤的管道智能监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116973043A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115479219A (zh) * | 2022-09-20 | 2022-12-16 | 无锡科晟光子科技有限公司 | 智能管道状态监测方法、监测装置及智能管道系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1862239A (zh) * | 2006-06-15 | 2006-11-15 | 华中科技大学 | 分布式光纤振动传感方法及装置 |
CN203758610U (zh) * | 2013-12-20 | 2014-08-06 | 上海波汇通信科技有限公司 | 一种长距离分布式光纤振动监测系统 |
CN104565826A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油天然气股份有限公司 | 管道光纤安全监测预警方法和系统 |
CN106225907A (zh) * | 2016-06-28 | 2016-12-14 | 浙江大学 | 一种基于φ‑otdr技术的光纤振动识别系统及方法 |
CN111063174A (zh) * | 2018-10-17 | 2020-04-24 | 海隆石油集团(上海)信息技术有限公司 | 一种基于分布式光纤传感的管道线路安全预警系统 |
CN114323248A (zh) * | 2021-12-31 | 2022-04-12 | 郑州信大先进技术研究院 | 一种四通道地埋光缆分布式光纤振动传感预警方法及系统 |
CN116773001A (zh) * | 2023-05-10 | 2023-09-19 | 西安万飞控制科技有限公司 | 一种面向油气管道的光纤振动误识别改进方法 |
-
2023
- 2023-09-25 CN CN202311237275.2A patent/CN116973043A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1862239A (zh) * | 2006-06-15 | 2006-11-15 | 华中科技大学 | 分布式光纤振动传感方法及装置 |
CN104565826A (zh) * | 2013-10-29 | 2015-04-29 | 中国石油天然气股份有限公司 | 管道光纤安全监测预警方法和系统 |
CN203758610U (zh) * | 2013-12-20 | 2014-08-06 | 上海波汇通信科技有限公司 | 一种长距离分布式光纤振动监测系统 |
CN106225907A (zh) * | 2016-06-28 | 2016-12-14 | 浙江大学 | 一种基于φ‑otdr技术的光纤振动识别系统及方法 |
CN111063174A (zh) * | 2018-10-17 | 2020-04-24 | 海隆石油集团(上海)信息技术有限公司 | 一种基于分布式光纤传感的管道线路安全预警系统 |
CN114323248A (zh) * | 2021-12-31 | 2022-04-12 | 郑州信大先进技术研究院 | 一种四通道地埋光缆分布式光纤振动传感预警方法及系统 |
CN116773001A (zh) * | 2023-05-10 | 2023-09-19 | 西安万飞控制科技有限公司 | 一种面向油气管道的光纤振动误识别改进方法 |
Non-Patent Citations (2)
Title |
---|
于清澄;: "光纤预警技术在长输管道中的研究与应用", 中国仪器仪表, no. 03, pages 27 - 30 * |
张景川;曾周末;赖平;封皓;靳世久;: "基于小波能谱和小波信息熵的管道异常振动事件识别方法", 振动与冲击, no. 05, pages 8 - 11 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115479219A (zh) * | 2022-09-20 | 2022-12-16 | 无锡科晟光子科技有限公司 | 智能管道状态监测方法、监测装置及智能管道系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Advances in phase-sensitive optical time-domain reflectometry | |
CN106225907B (zh) | 一种基于φ-otdr技术的光纤振动识别系统及方法 | |
CN110912605B (zh) | 一种光缆或光电复合缆的安全监测预警装置及方法 | |
Bai et al. | Detection and identification of external intrusion signals from 33 km optical fiber sensing system based on deep learning | |
CN111222743B (zh) | 一种光纤感知事件的垂直偏移距离及威胁级别判断方法 | |
CN104217513B (zh) | 提高相位敏感光时域反射计识别入侵事件准确率的方法 | |
CN116973043A (zh) | 基于分布式光纤的管道智能监测预警方法及系统 | |
CN103824406A (zh) | 基于光纤传感的隧道电缆入侵探测方法和系统 | |
CN106683305A (zh) | 防窃听光纤报警系统 | |
CN114613116B (zh) | 防外破预警方法、装置、设备及存储介质 | |
CN110335430A (zh) | 基于深度学习的管道安全监测系统、方法和装置 | |
CN105067101A (zh) | 振源识别的基于振动信号的基音频率特征的提取方法 | |
CN101299635B (zh) | 宽域全光纤扰动信号前-后判别装置及方法 | |
CN112032575B (zh) | 一种基于弱光栅的管道安全监测方法、系统及存储介质 | |
Zhong et al. | Nuisance alarm rate reduction using pulse-width multiplexing Φ-OTDR with optimized positioning accuracy | |
CN115100800A (zh) | 基于dvs的光缆预警系统及其控制方法 | |
CN210566747U (zh) | 光纤复合管道及其监测系统 | |
US20240201008A1 (en) | Distributed Acoustic Sensing Voice Message Recognition System and Method | |
Li et al. | Pipe line safety monitoring using distributed optical fiber vibration sensor in the China west-east gas pipeline project | |
CN104916059B (zh) | 基于eemd的m‑z干涉仪型机场周界预警系统模式识别方法 | |
CN201166263Y (zh) | 全光纤扰动传感微弱信号检测模块 | |
CN101626270B (zh) | 光电复合缆外部安全预警定位系统进行事件预警与分类的方法 | |
CN101245899A (zh) | 全光纤扰动传感与定位网络系统中的信号检测装置 | |
Fu et al. | Pipeline leak detection based on fiber optic early-warning system | |
Yetik et al. | Earthquake detection using fiber optic distributed acoustic sensing |
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 |