CN1584531A - 基于压力信号检测油气管道泄漏的方法 - Google Patents
基于压力信号检测油气管道泄漏的方法 Download PDFInfo
- Publication number
- CN1584531A CN1584531A CN 200410019451 CN200410019451A CN1584531A CN 1584531 A CN1584531 A CN 1584531A CN 200410019451 CN200410019451 CN 200410019451 CN 200410019451 A CN200410019451 A CN 200410019451A CN 1584531 A CN1584531 A CN 1584531A
- Authority
- CN
- China
- Prior art keywords
- formula
- pressure signal
- value
- leakage
- signal sequence
- 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.)
- Granted
Links
Images
Landscapes
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种基于压力信号检测油气管道泄漏的方法,属于管道泄漏监测技术领域。该方法包括以下过程:采集非平稳状态下的压力变送器输出值序列;采用包括批处理法和递归处理法对非平稳信号加以变换处理;以变换的平稳压力信号序列采用序贯概率比检验法递推公式计算检验参数;判断泄漏是否发生,当检验参数大于报警上限时,则判断管道发生了泄漏,从而可以实现对油气管道泄漏检测的目的。本发明的优点在于:检测精度高,灵敏度好,成本低廉,运行可靠;特别适用于油气管道输送过程中启泵或停泵阶段压力变送器输出值处于非平稳条件下的管道泄漏检测。
Description
技术领域
本发明涉及一种基于压力信号检测油气管道泄漏的方法,属于管道泄漏检测技术领域。
背景技术
长距离输送管道由多个泵站及连接泵站的管道组成,泵站上有多种测量仪表,其中压力变送器是每个泵站都有的仪表,它们被安装在管壁上,直接测量管道内部压力,一般有较高的测量精度,压力变送器的输出值能反映出管道输送状况的变化,因此管道泄漏检测大多采用压力变送器的输出值作为判断的依据。在油气管道输送过程中,由于环境因素如土壤的腐蚀或人为因素如打孔盗油造成管壁破裂,发生油气泄漏,管内压力相应发生变化,使得压力变送器的输出值变化,根据这种变化,利用各种数学算法判断泄漏发生就是管道泄漏检测技术。
利用压力变送器的输出值判断泄漏发生最初是阈值的方法。如果管道正常输送时管内压力是5MPa,选择阈值为0.1MPa,即压力变送器的输出值小于4.9MPa时认为管道上发生了泄漏,系统就给出报警信号,提醒泵站工作人员进行处理。阈值法很容易实施,多数泵站采用此方法进行泄漏的判断,但它也有明显的缺点,现场条件下压力变送器的输出值受到许多干扰,比如管壁的震动、温度的变化,干扰因素使输出值的偏差可能超过阈值而产生误报警,这使阈值法的应用遇到了一定的限制。
针对这种情况,美国壳牌石油公司发明了序贯概率比检验法检测泄漏,并申请了专利。该方法仍然利用压力变送器的输出值来判断泄漏,不同于阈值法的是利用序贯算法对压力变送器的输出值进行了变换,当变换值超过设定的报警限时,系统才认为泄漏发生。举例来说明序贯算法,正常输送时管内压力是5MPa,由于干扰因素的存在,压力变送器的输出值不可能总是5MPa,但干扰因素往往是随机的,即压力变送器的输出值可能是4.9MPa,也可能是5.1MPa,如果将输出值相加后取平均其结果仍是5MPa,而不会超出阈值的范围,因此就减少了误报警率。下面说明现有的基于压力信号检测油气管道泄漏的方法:
(1)采集一段时间内压力变送器的输出值记为z(k),比如100秒作为一个时间单位,k等于1到100;
(2)计算该时间段内均值记为μ,Δμ是压力变化的阈值,由现场情况决定其取值,μ的计算公式为μ=(∑z(k))/n。其中∑为求和符号,即计算100秒内压力变送器输出值的总和,n等于100;
(3)定义L(k)为序贯算法的输出值,z(k)是其输入值,记L(k)的初始值L(0)为0,L(k)的计算公式为
L(k)=L(k-1)+z(k)·Δμ-μ·Δμ-(Δμ·Δμ)/2 (1)
(4)作出管道是否发生泄漏的判断:给出L(k)的报警限,如果计算出的L(k)大于报警限,认为该段时间内有泄漏发生;如果L(k)始终小于报警限,认为该段时间内无泄漏发生;
该方法无须对原有的SCADA系统进行任何改动,即可以进行在线检测,检测成本低,精度高,其泄漏检测灵敏度下限可以达到仪表精度的一半,因此这是一项很有前景的技术。
以上方法基于压力平稳值情况下适用,即均值是不随时间变化的μ=a(a是常数),当管道输送处于平稳状态时,这种情况是容易满足的,因此可以利用以上方法进行计算。然而实际上管道的压力并非平稳输出,特别在泵的启动和停泵过程,其压力输出有线性增加和线性减少的趋势,此时计算公式(1)的μ就不是一个常数,而是μ=a+b·k其中a为截距,b为斜率,k为采样时刻,如果仍然按照公式(1)计算,就会产生线性误差,甚至无法应用,因此必须将压力检测信号加以处理,才能进一步判断泄漏。
发明内容
本发明的目的在于提供一种基于压力信号检测油气管道泄漏的方法,该方法特别适用于输油过程中启泵或停泵阶段压力变送器输出值处于非平稳条件下的泄漏检测,具有检测精度高,系统容易实现,运行可靠等特点。
本发明是通过下述技术方案加以实现的,该方法包括以下过程:
1、采集非平稳状态下的压力变送器输出值序列z(k);
2、对非平稳信号加以变换处理:
1)批处理的方法,采用一元线性回归法得
z(k)=a+b·k+ε(k) (2)
式中z(k)为采集的压力信号序列,ε(k)为不带线性趋势的压力信号序列,a,b是线性系统未知参数,也就是待求的量。由最小二乘法求得未知参数a,b的值,得到一条拟合的直线,截距a,斜率为b,公式为
f(k)=a+b·k (3)
由公式(2)和(3)的差得到ε(k),然后转入第三步再处理。
2)递归的处理方法,采用卡尔曼滤波器法,系统状态方程为
x(k)=x(k-1) (4)
z(k)=H(k)x(k)+v(k) (5)
其中x(k)为过程状态变量,其值为(a,b);z(k)为采集的压力信号序列;H(k)取值为(1,k);v(k)是不带线性趋势的压力信号序列,同ε(k)。将公式(4)(5)递推得到公式(3),进而得到ε(k),转入下一步处理。
3、以变换的平稳压力信号序列采用序贯概率比检验法递推公式计算检验参数L(k):
L(k)=L(k-1)+ε(k)·Δμ-(Δμ·Δμ)/2 (6)
4、判断泄漏是否发生:当检验参数L(k)大于报警上限时,则判断管道发生了泄漏,从而可以实现对油气管道泄漏检测的目的。
本发明的特点主要体现在:
1、本方法特别适用于油气管道输送过程中启泵或停泵阶段压力变送器输出值处于非平稳条件下的管道泄漏检测。
2、利用序贯概率比检验法本质上是检验均值的变化,当均值的变化大于仪表精度的一半时就可以检测出泄漏,本发明检测精度高,灵敏度好。
3、当运行参数发生变化时,该方法能很好地跟踪变化,因此适用性较强;本方法可以直接嵌入SCADA系统中,不需要另外的资源,成本低廉,运行可靠。
附图说明
图1:数据采集器采集的压力变送器输出值曲线。
图2:图1中压力变送器的输出值曲线去除线性趋势后的结果图。
图3:由图2截取的带有泄漏信号的平稳压力信号图。
图4:由图3经序贯概率比检验法变换后的输出信号图。
图中,横坐标均表示测量压力信号点的个数。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明:
在泵的启动阶段,采集压力变送器的输出值,得到图1的上升曲线,其中压力输出值从0.094MPa到0.101Mpa,压力差达到0.007Mpa带有明显的上升趋势。应用序贯法检测泄漏必须由公式L(k)=L(k-1)+z(k)·Δμ-μ·Δμ-Δμ·Δμ/2计算泄漏检验参数,其中μ应该是常数,即μ=a(a是常数)。图1中μ值显然不是常数,而是一条截距为a,斜率为b的直线,用公式表示为μ=a+b·k。因此必须算出直线中a,b的值,代入式中才可以利用序贯算法计算泄漏。本发明就是针对这种情况进行了改进,克服了序贯概率比方法应用中的一大障碍。
计算a,b的值,其一是批处理的方法,即利用最小二乘法对一组数据进行处理,拟合出直线方程,得到a,b的值。图1的数据按本方法计算后得a,b的值分别为0.0943和9.4076e-008;其二是递归的方法,即利用卡尔曼滤波器法,每采集一次压力信号,判断一次拟合曲线的截距与斜率,逐点连接后得到拟合直线方程,同样得到a,b的值。图1的数据按照本方法计算后得到a,b的值分别为0.0943和9.4076e-008。批处理的方法是对一批数据进行综合处理,其结果准确率高,但其判断方法不具有实时性,而递归的方法克服了其不足,适用于在线实时监测。将a,b代入公式(2)中就可以得到不带线性趋势的值ε(k),也就是图2中所示曲线。
由图2中可以看出在40000点之前,信号均值在0值附近,50000点之后,信号均值在-10附近,均值的这种变化说明管道中有泄漏发生,可以利用序贯法来判断。为了更清楚的表示序贯算法的处理过程,我们取泄漏前后共1800个采样点来说明,如图3所示,取第一个值作为横坐标的原点,共1800个坐标点,纵坐标表示变换后的压力值,其并不是稳定在一个值上,由于干扰的存在,其值在均值上下波动,如果利用阈值法,就会把一些大的波动认为是泄漏发生,则会造成误报警。图3中的值作为输入值,经公式(6)计算后得到输出值L(k),就是图4所示曲线,其曲线是光滑的,不存在大的波动,避免了阈值法中误报警的情况,图4中给出报警上限为0.08e-004,如图中水平直线所示,在1600点之后L(k)曲线值超过上限,系统产生泄漏报警。
Claims (1)
1.一种基于压力信号检测油气管道泄漏的方法,其特征在于包括以下过程:
1)采集非平稳状态下的压力变送器输出值序列z(k);
2)对非平稳信号加以变换处理:
(1)批处理的方法,采用一元线性回归法得
z(k)=a+b·k+ε(k) (2)
式中z(k)为采集的压力信号序列,ε(k)为不带线性趋势的压力信号序列,a,b是线性系统未知参数,也就是待求的量;由最小二乘法求得未知参数a,b的值,得到一条拟合的直线,截距a,斜率为b,公式为
f(k)=a+b·k (3)
由公式(2)和(3)的差得到ε(k),然后转入第三步再处理;
(2)递归的处理方法,采用卡尔曼滤波器法,系统状态方程为
x(k)=x(k-1) (4)
z(k)=H(k)x(k)+v(k) (5)
其中x(k)为过程状态变量,其值为(a,b);z(k)为采集的压力信号序列;H(k)取值为(1,k);v(k)是不带线性趋势的压力信号序列,同ε(k);将公式(4)(5)递推得到公式(3),进而得到ε(k),转入下一步处理;
3)以变换的平稳压力信号序列采用序贯概率比检验法递推公式计算检验参数L(k):
L(k)=L(k-1)+ε(k)·Δμ-(Δμ·Δμ)/2 (6)
4)判断泄漏是否发生:当检验参数L(k)大于报警上限时,则判断管道发生了泄漏,从而可以实现对油气管道泄漏检测的目的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410019451 CN1261744C (zh) | 2004-05-31 | 2004-05-31 | 基于压力信号检测油气管道泄漏的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410019451 CN1261744C (zh) | 2004-05-31 | 2004-05-31 | 基于压力信号检测油气管道泄漏的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1584531A true CN1584531A (zh) | 2005-02-23 |
CN1261744C CN1261744C (zh) | 2006-06-28 |
Family
ID=34600510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200410019451 Expired - Fee Related CN1261744C (zh) | 2004-05-31 | 2004-05-31 | 基于压力信号检测油气管道泄漏的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1261744C (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100456010C (zh) * | 2005-06-01 | 2009-01-28 | 天津大学 | 基于压力信号拐点检测油气管道泄漏的方法 |
CN101424550B (zh) * | 2008-09-03 | 2010-06-23 | 中国海洋石油总公司 | 仪表冻表故障快速检测方法 |
CN102563360A (zh) * | 2012-01-16 | 2012-07-11 | 北方工业大学 | 基于序贯概率比检测的管道安全预警系统的振动事件检测方法 |
CN103292966A (zh) * | 2012-02-29 | 2013-09-11 | 株式会社日立制作所 | 漏水检测装置 |
CN103629534A (zh) * | 2013-11-25 | 2014-03-12 | 孙良 | 一种基于综合信号的输油管道泄漏检测和定位方法 |
CN103968256A (zh) * | 2014-05-19 | 2014-08-06 | 税爱社 | 油库管道泄漏检测方法 |
CN106768701A (zh) * | 2016-12-18 | 2017-05-31 | 武汉钢铁股份有限公司 | 火焰清理机漏气检测方法 |
CN104061445B (zh) * | 2014-07-09 | 2017-07-28 | 中国石油大学(华东) | 一种基于神经网络的管道泄漏检测方法 |
CN107906375A (zh) * | 2017-11-22 | 2018-04-13 | 浙江理工大学 | 基于加权排列熵的管道泄漏检测方法及系统 |
CN110243556A (zh) * | 2019-06-25 | 2019-09-17 | 北京航天时代光电科技有限公司 | 一种新型惯组气密检测装置及方法 |
CN110672283A (zh) * | 2019-10-28 | 2020-01-10 | 中国南方电网有限责任公司超高压输电公司大理局 | 一种换流阀内冷水管路漏水检测及定位方法及系统 |
CN112377820A (zh) * | 2020-11-17 | 2021-02-19 | 张峰 | 一种根据负压波斜率变化定位燃气泄漏点的方法 |
CN113606500A (zh) * | 2021-08-05 | 2021-11-05 | 山东拙诚智能科技有限公司 | 一种实时监测燃气庭院管网突发泄漏的方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2009262099B2 (en) * | 2008-06-27 | 2014-01-09 | Exxonmobil Research And Engineering Company | A method and apparatus for real time enhancing of the operation of a fluid transport pipeline |
-
2004
- 2004-05-31 CN CN 200410019451 patent/CN1261744C/zh not_active Expired - Fee Related
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100456010C (zh) * | 2005-06-01 | 2009-01-28 | 天津大学 | 基于压力信号拐点检测油气管道泄漏的方法 |
CN101424550B (zh) * | 2008-09-03 | 2010-06-23 | 中国海洋石油总公司 | 仪表冻表故障快速检测方法 |
CN102563360A (zh) * | 2012-01-16 | 2012-07-11 | 北方工业大学 | 基于序贯概率比检测的管道安全预警系统的振动事件检测方法 |
CN102563360B (zh) * | 2012-01-16 | 2014-03-05 | 北方工业大学 | 基于序贯概率比检测的管道安全预警系统的振动事件检测方法 |
CN103292966A (zh) * | 2012-02-29 | 2013-09-11 | 株式会社日立制作所 | 漏水检测装置 |
CN103292966B (zh) * | 2012-02-29 | 2016-06-15 | 株式会社日立制作所 | 漏水检测装置 |
CN103629534B (zh) * | 2013-11-25 | 2017-01-11 | 中国石油大学(华东) | 一种基于综合信号的输油管道泄漏检测和定位方法 |
CN103629534A (zh) * | 2013-11-25 | 2014-03-12 | 孙良 | 一种基于综合信号的输油管道泄漏检测和定位方法 |
CN103968256B (zh) * | 2014-05-19 | 2017-06-06 | 税爱社 | 油库管道泄漏检测方法 |
CN103968256A (zh) * | 2014-05-19 | 2014-08-06 | 税爱社 | 油库管道泄漏检测方法 |
CN104061445B (zh) * | 2014-07-09 | 2017-07-28 | 中国石油大学(华东) | 一种基于神经网络的管道泄漏检测方法 |
CN106768701A (zh) * | 2016-12-18 | 2017-05-31 | 武汉钢铁股份有限公司 | 火焰清理机漏气检测方法 |
CN106768701B (zh) * | 2016-12-18 | 2018-10-16 | 武汉钢铁有限公司 | 火焰清理机漏气检测方法 |
CN107906375A (zh) * | 2017-11-22 | 2018-04-13 | 浙江理工大学 | 基于加权排列熵的管道泄漏检测方法及系统 |
CN107906375B (zh) * | 2017-11-22 | 2024-04-05 | 浙江理工大学 | 基于加权排列熵的管道泄漏检测方法及系统 |
CN110243556A (zh) * | 2019-06-25 | 2019-09-17 | 北京航天时代光电科技有限公司 | 一种新型惯组气密检测装置及方法 |
CN110243556B (zh) * | 2019-06-25 | 2021-02-05 | 北京航天时代光电科技有限公司 | 一种新型惯组气密检测装置及方法 |
CN110672283A (zh) * | 2019-10-28 | 2020-01-10 | 中国南方电网有限责任公司超高压输电公司大理局 | 一种换流阀内冷水管路漏水检测及定位方法及系统 |
CN112377820A (zh) * | 2020-11-17 | 2021-02-19 | 张峰 | 一种根据负压波斜率变化定位燃气泄漏点的方法 |
CN113606500A (zh) * | 2021-08-05 | 2021-11-05 | 山东拙诚智能科技有限公司 | 一种实时监测燃气庭院管网突发泄漏的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1261744C (zh) | 2006-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1261744C (zh) | 基于压力信号检测油气管道泄漏的方法 | |
CN1693865A (zh) | 基于压力信号拐点检测油气管道泄漏的方法 | |
CN101598263B (zh) | 便携式管道泄漏检测方法及装置 | |
CN111123188A (zh) | 基于改进最小二乘法的电能表综合检定方法及系统 | |
CN113947017B (zh) | 一种滚动轴承剩余使用寿命预测方法 | |
CN112668206B (zh) | 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 | |
CN103968256B (zh) | 油库管道泄漏检测方法 | |
CN109854953B (zh) | 一种特殊工况下的原油输送管线泄漏检测系统及方法 | |
CN101592288B (zh) | 一种管道泄漏辨识方法 | |
CN109340582A (zh) | 一种海底管道泄漏监测方法及系统 | |
CN101603854A (zh) | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 | |
CN116128260A (zh) | 基于数据样本的重点企业环境分析方法 | |
CN107906375B (zh) | 基于加权排列熵的管道泄漏检测方法及系统 | |
CN110909413A (zh) | 一种混凝土面板堆石坝水平位移预测精确方法及系统 | |
CN104502024A (zh) | 阀门内漏流量量化回归预测方法及装置 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN111365623A (zh) | 一种基于线性拟合的负压波拐点识别方法 | |
CN108108672A (zh) | 一种基于线性搜索策略的随机共振电流弱信息识别方法 | |
Ravula et al. | Experimental validation of leak and water-ingression detection in low-pressure gas pipeline using pressure and flow measurements | |
CN103853144B (zh) | 基于采油生产数据的现场传感器故障检测方法 | |
Darmawan et al. | Realtime Weather Prediction System Using GRU with Daily Surface Observation Data from IoT Sensors | |
Tylman et al. | Fully automatic AI-based leak detection system | |
CN116292247A (zh) | 一种基于lstm流量预测模型的液压铲主泵早期故障诊断方法及装置 | |
CN116340819A (zh) | 一种供水管网水力状态判别方法 | |
CN108760773A (zh) | 在线碳氢化合物含水率及纯油密度分析撬座系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |