DE102019127409A1

DE102019127409A1 - Verfahren zur Leckerkennung

Info

Publication number: DE102019127409A1
Application number: DE102019127409.5A
Authority: DE
Inventors: Auf Nichtnennung Antrag
Original assignee: Rosen Swiss AG
Current assignee: Rosen 2 Holding Ag Ch
Priority date: 2019-10-11
Filing date: 2019-10-11
Publication date: 2021-04-15
Also published as: CA3156834A1; US20230221206A1; EP4042125A1; WO2021069735A1; JP2022552498A

Abstract

Es wird ein Verfahren zur Leckerkennung an einem von einem Medium durchströmten Objekt, insbesondere einem Rohr oder einer Pipeline, vorgeschlagen. Erfindungsgemäß wird in den ermittelten Werten für die Änderung der Durchflussrate und des Drucks des Mediums sowie einer Temperaturänderung ein Muster identifiziert und anhand des identifizierten Musters und aufgrund von selbstlernenden Systemen eine Wahrscheinlichkeit für das Vorliegen eines Lecks ermittelt.

Description

Die Erfindung betrifft ein Verfahren zur Leckerkennung nach dem Oberbegriff des Anspruchs 1 sowie ein Computerprogrammprodukt nach dem Oberbegriff des Anspruchs 12.
Treten an Rohrleitungen Leckagen auf, ist es oft von großer wirtschaftlicher Bedeutung, das Leck schnell und sicher zu erkennen, zu finden und zu verschließen. Insbesondere im Fall von Pipelinesystemen, die sich - typischerweise unterteilt in Pipelinesegmente - zum Teil interkontinental erstrecken und große Mengen potentiell umweltschädlicher Produkte, beispielsweise Erdöl, transportieren, ist es in der Regel auch von hoher ökologischer Bedeutung, ein auftretendes Leck schnell zu verschließen.
Auf der Basis des Prinzips der Massenerhaltung wird bei bekannten Methoden zur Leckerkennung in der Regel grundsätzlich eine Massenstrombilanz gebildet. Prinzipiell sollte die Menge eines transportierten Fluids, die in einen Rohrabschnitt eintritt, an dessen Ende auch vollständig wieder aus diesem austreten, sofern kein Leck in dem betreffenden Abschnitt vorliegt. Unter idealisierten Bedingungen deutet somit ein Missverhältnis aus dem Eintrittsmassenstrom und dem Austrittsmassenstrom auf das Vorliegen eines Lecks hin.
Die genaue Position des Lecks entlang des betreffenden Rohrabschnitts kann auf diese Weise jedoch nicht ohne Weiteres ermittelt werden. Darüber hinaus lässt sich dieses idealisierte Prinzip nur unzureichend auf reale Rohrleitungssysteme übertragen. Problematisch ist insbesondere der Einfluss verschiedener Umweltfaktoren. Aufgrund der zum Teil erheblichen Länge der Pipelines bzw. Pipelinesegmente von mehreren tausend Kilometern durchlaufen etwa große Pipelines in Abschnitten oftmals mehrere Klimazonen. Vor allem regional unterschiedliche und sich darüber hinaus zeitlich ändernde Temperaturen entlang der Pipeline stellen in Abhängigkeit vom transportierten Produkt eine z.T. erhebliche Störgröße für die Ermittlung einer Massenstrombilanz dar.
Aufgrund der thermischen Expansion des transportierten Fluids, die jeweils vom einzelnen Produkt abhängt, kann die Massenstrombilanz auch ohne das Vorliegen eines Lecks negativ oder sogar positiv ausfallen. Das Eigenvolumen der Pipeline sorgt dabei für einen gewissen Puffereffekt. Durchläuft eine Pipeline kältere Regionen, wird sich das transportierte Fluid in diesen Bereichen zusammenziehen. Einen entsprechenden Effekt haben kurzfristige lokale Veränderungen der Umgebungstemperatur der Pipeline, beispielsweise durch Niederschläge oder aufgrund einer unterschiedlich starken Abschirmung des Erdbodens vor Sonnenlicht infolge des Bestellens und Aberntens von Feldern bei landwirtschaftlicher Bodennutzung oberhalb der Pipeline. Bleibt dieser Effekt bei der Ermittlung der Massenstrombilanz unberücksichtigt, wird ein Verlust des transportierten Fluids registriert, obwohl kein Leck vorliegt.
Unter wirtschaftlichen Gesichtspunkten ist es nahezu unmöglich, beispielsweise ein Rohrleitungsnetzwerk mit einer hohen Gesamtleitungslänge und einer komplexen Verzweigungsstruktur hinsichtlich aller relevanten Faktoren lückenlos zu überwachen. Ein auftretendes Leck wird daher selten unmittelbar von Sensoren erkannt. Ferner können in aller Regel Umweltfaktoren sowie die thermodynamischen Eigenschaften des Mediums nicht in ausreichendem Maß erfasst werden, um exakte Aussagen zur Korrektur der für einen Messabschnitt ermittelten Massenstrombilanz treffen zu können. Aus diesem Grund sind verschiedene Ansätze bekannt, um auftretende Schwankungen durch statistische Behandlung ermittelter Daten zu berücksichtigen bzw. zu kompensieren. Hierdurch soll die Identifikation von Lecks unter realen Bedingungen verbessert werden.
Zur Berücksichtigung thermodynamischer Veränderungen entlang der Pipeline bzw. des transportierten Fluids wird beispielsweise der Ansatz verfolgt, auftretende Prozesse und relevante Einflussfaktoren durch ein Echtzeitmodell abzubilden. Entsprechende Verfahren sind etwa unter dem Namen „Real Time Transient Model“ (RTTM) bekannt. Zum Teil erlauben bekannte Verfahren auch eine Ortung des Lecks in einem bestimmten Bereich, beispielsweise indem sich ausbreitende Druckwellen, die bei der Leckentstehung auftreten, detektiert werden.
Hierbei ist jedoch stets von Nachteil, dass die Verlässlichkeit der auf statistische Weise ermittelten Ergebnisse häufig gering ist. Dies gilt vor allem, wenn nur eine vergleichsweise kleine Datenmenge verfügbar ist oder eine Einzelmessung ausgewertet werden muss. Aufgrund des hohen ökonomischen und ökologischen sowie sicherheitsrelevanten Risikos bei einem fälschlicherweise nicht erkannten Leck, wird im Zweifel üblicherweise entschieden, eine manuelle Kontrolle des betreffenden Rohrleitungsabschnitts vorzunehmen. Nicht selten muss hierzu ein Team von Servicetechnikern über weite Entfernungen in unwegsames Gebiet vorrücken, etwa um eine Überlandpipeline zu kontrollieren. Es ist verständlicherweise wünschenswert, die damit verbundenen Gefahren für Mensch und Umwelt und zum Teil erheblichen Kosten zu vermeiden.
Vor diesem Hintergrund ist Aufgabe der vorliegenden Erfindung, die Verlässlichkeit der Leckerkennung anhand ermittelter Daten zu verbessern.
Die vorgenannte Aufgabe wird durch ein Verfahren gemäß dem Patentanspruch 1 sowie durch ein Computerprogrammprodukt nach Anspruch 12 gelöst. Vorteilhafte Weiterbildungen sind jeweils Gegenstand der abhängigen Ansprüche.
Nach dem vorschlagsgemäßen Verfahren wird zunächst eine Reihe von Werten ermittelt, welche die Basis für die nachfolgende Auswertung bilden. Die Werte umfassen wenigstens eine Änderung der Durchflussrate und eine Druckänderung des durch ein durchströmtes Objekt transportierten Produkts bzw. Mediums sowie eine Temperaturwertänderung. Strukturell wird das durchströmte Objekt, bei dem es sich insbesondere um ein Rohr oder eine Pipeline handelt, in einen oder mehrere Messabschnitte unterteilt. An jedem Messabschnitt wird verfahrensgemäß nun eine Mehrzahl von Messpunkten definiert. Vorzugsweise sind je ein Messpunkt im Anfangsbereich und im Endbereich des Messabschnitts angeordnet. An jedem der Messpunkte werden nun Werte für die vorgenannten und ggf. für weitere physikalische Größen ermittelt.
Die Ermittlung der gewünschten Werte kann durch direkte und/oder indirekte Messung der physikalischen Größen erfolgen. Hierbei ist eine möglichst hohe insbesondere zeitliche Auflösung der Erfassung vorteilhaft. Alternativ oder zusätzlich können jedoch auch auf andere Weise generierte, insbesondere simulierte, Daten als Wert dem erfindungsgemäßen Verfahren zugrunde gelegt bzw. einem Messpunkt zugeordnet werden.
Es versteht sich, dass erfindungsgemäß alternativ oder zusätzlich zur Ermittlung eines absoluten Wertes für die betreffenden Größen jeweils auch ein relativer Wert sowie die Veränderung der entsprechenden Größen ermittelt werden kann. Die insbesondere zeitliche Veränderung gibt Aufschluss über die Dynamik auftretender Prozesse und ist von daher im Rahmen des Verfahrens von größerer Bedeutung als der bloße Absolutwert einer Größe.
Vorzugsweise werden der Einschätzung, ob ein ungewollter Volumenverlust des Mediums vorliegt oder nicht, im Wesentlichen keine statischen Betrachtungen des Ist-Zustandes zugrunde gelegt. Vielmehr beruht das erfindungsgemäße Verfahren insbesondere auf der Verwendung eines dynamischen Modells. Von daher hat vor allem die insbesondere zeitliche Änderung der ermittelten Größen große Bedeutung.
Die Änderung der Durchflussrate des Mediums, d. h. des in dem durchströmten Objekt transportierten Fluids, ist insbesondere massenbezogen, kann jedoch auch als volumenbezogen verstanden werden. Ferner kann sich die Druckänderung auf den hydrostatischen und/oder den dynamischen Druck beziehen. Der zugrunde gelegte Temperaturwert bzw. dessen Änderung betrifft insbesondere die Umgebungstemperatur am Messpunkt, kann alternativ oder zusätzlich aber auch unmittelbar die Änderung der Temperatur des Mediums am Messpunkt widerspiegeln. Die Erfassung von Druck- und Temperaturänderungen ist von vergleichsweise großer Bedeutung, da sich der Fluss des Mediums in der Regel stark in Abhängigkeit eines vorliegenden Temperatur- und/oder Druckgradienten ändert.
Über die genannten physikalischen Größen hinaus können ferner auch Werte für weitere Größen ermittelt werden, beispielsweise für die Strömungsgeschwindigkeit des Mediums oder dessen Dichte oder für den äußeren Umgebungsdruck im Bereich eines Messpunkts.
Stehen tatsächliche Messwerte nicht oder in zu geringer Menge zur Verfügung, lassen sich ggf. Werte für die gewünschten Größen basierend auf Messwerten der angrenzenden oder benachbarten Messpunkte interpolieren.
Alternativ oder zusätzlich zu einer tatsächlichen Messung kann die Ermittlung der Werte an den Messpunkten auch insbesondere im Wege einer Modellierung erfolgen. Dabei wird insbesondere das durchströmte Objekts modelliert, vorzugsweise einschließlich des strömenden Mediums. Dadurch kann beispielsweise das Auftreten bestimmter Werte für die physikalischen Größen von Interesse simuliert werden, so dass sich ihre Auswirkungen auf das durchströmte Objekt und/oder das Medium anhand des zugrunde liegenden Modells ermitteln lassen.
Üblicherweise können sowohl gemessene als auch durch Modellierung bzw. Simulation ermittelte Werte grundsätzlich mit einer Unsicherheit, d. h. einem zufälligen und/oder systematischen Fehler, belegt sein. Aus diesem Grund lassen sich Aussagen mit Hilfe des erfindungsgemäßen Verfahrens insbesondere in Form von Wahrscheinlichkeiten treffen.
Anstelle eines Echtzeitmodells oder zusätzlich zu einem solchen können Werte auch im Wege einer Vorwärtsmodellierung generiert werden. Hierzu wird insbesondere ein iteratives Verfahren eingesetzt, durch welches die an einem Messpunkt vorliegenden Werte und ihre Auswirkungen vorhergesagt werden. Die Zahl der Iterationsschritte kann dabei grundsätzlich danach gewählt werden, welche Anforderungen im Einzelfall an die Genauigkeit der Berechnung gestellt werden.
Sind Werte für die zugrunde liegenden physikalischen Größen an verschiedenen Messpunkten des Messabschnitts ermittelt, so wird verfahrensgemäß wenigstens eine Wertegruppe aus diesen Werten gebildet. Die Wertegruppe kann letztlich die Gesamtmenge der erfassten oder anderweitig ermittelten Werte umfassen oder durch eine Untergruppe dieser Werte gebildet werden.
Die ermittelten Werte werden einer Datenverarbeitungseinrichtung zur Auswertung zugeführt. Bei der Datenverarbeitungseinrichtung kann es sich um einen lokal in der Nähe des Messabschnitts vorhandenen Rechner handeln. Besonders bevorzugt ist jedoch eine zentrale Verarbeitung der Daten von verschiedenen Messpunkten und/oder Messabschnitten durch eine gemeinsame Datenverarbeitungseinrichtung. Bei der Datenverarbeitungseinrichtung kann es sich darüber hinaus auch um ein Netzwerk aus mehreren zusammenwirkenden Rechnern handeln. Insbesondere ist es bevorzugt, die Datenverarbeitungseinrichtung räumlich entfernt von den zu überwachenden Messabschnitten, etwa in einem zentralen Rechenzentrum, vorzusehen. Die Datenverarbeitung kann somit auch beispielsweise nach dem Prinzip eines Cloud-Services erfolgen.
Die Wertegruppe wird mittels der Datenverarbeitungseinrichtung dahingehend untersucht, ob die Werte der Wertegruppe ein Muster bilden oder innerhalb der Wertegruppe ein Muster gebildet ist. Wird mittels der Datenverarbeitungseinrichtung ein Muster in der Wertegruppe identifiziert, kann anhand des Musters, insbesondere anhand seiner Art und der Stärke seiner Ausprägung, eine Wahrscheinlichkeit bestimmt werden, mit der ein Leck in dem Messabschnitt des durchströmten Objekts vorliegt. Auf diese Weise ist insbesondere eine heuristische Leckerkennung möglich, so dass auftretende Leckagen im betrachteten Messabschnitt auch dann erkannt werden können, wenn eine Auswertung der vorhandenen Daten mit bekannten statistischen Methoden keine verlässlichen Ergebnisse liefert.
Insbesondere lassen sich durch das erfindungsgemäße Verfahren Muster voneinander unterscheiden, die, einerseits, auf einer Flussänderung und/oder einer Temperaturänderung des Mediums durch Umwelteinflüsse beruhen oder die, andererseits, mit einem ungewollten Volumenverlust aufgrund einer Leckage oder einer illegalen Entnahme in Verbindung stehen. Das Ziel ist hierbei, möglichst schnell auf die jeweilige Situation reagieren zu können, um den Verlust des transportierten Mediums so gering wie möglich zu halten.
Vorzugsweise wird auf die Wertegruppe bzw. auf ein in der Wertegruppe identifiziertes Muster ein Klassifizierungsalgorithmus angewendet. Ein vorhandenes Muster kann somit nicht nur identifiziert, sondern auch hinsichtlich der Einteilung in verschiedene Musterklassen bewertet werden. Die Klassen stehen dabei insbesondere mit der Relevanz des Musters bezüglich des eventuellen Vorliegens eines Lecks in Zusammenhang.
Alternativ oder zusätzlich kann auch ein Musteranalysealgorithmus auf das Muster angewendet werden, der - ähnlich einem Verfahren zur Bilderkennung - das Muster aufgrund seiner Beschaffenheit interpretiert bzw. deutet, insbesondere um zu ermitteln, welches Ereignis mit welcher Wahrscheinlichkeit durch das Muster repräsentiert wird.
Die Datenverarbeitungseinrichtung ist vorzugsweise entsprechend ausgebildet, um einen solchen Klassifizierungsalgorithmus und/oder Musteranalysealgorithmus ausführen zu können.
Es bietet sich an, dass die ermittelten Werte als Datensatz in einer Datenbank gespeichert werden. Dabei kann ein solcher Datensatz insbesondere durch eine Wertegruppe gebildet werden, anhand derer auch die Auswertung hinsichtlich einer Musteridentifikation erfolgt. Alternativ oder zusätzlich ist bevorzugt, ein identifiziertes Muster als Datensatz in einer Datenbank zu speichern und/oder ein solches Muster einem zuvor oder parallel gespeicherten Datensatz zuzuordnen. Hierdurch kann bei einer späteren Analyse erneut auf ein solches Muster und/oder die zugrunde liegenden Werte zugegriffen werden. Insbesondere lässt sich eine weitere Analyse dadurch verifizieren.
Wird bei einer Auswertung der Werte einer gebildeten Wertegruppe ein Muster identifiziert und ist bzw. sind bereits ein oder mehrere Muster in einer Datenbank gespeichert, können die Muster miteinander verglichen werden. Mehrere gespeicherte Muster bilden dabei insbesondere eine Art Look-Up Table. Durch einen ggf. angewendeten Klassifikationsalgorithmus kann vorzugsweise bestimmt werden, mit welchen der gespeicherten Muster ein neu identifiziertes Muster verglichen wird. Bei einem hinreichend großen Umfang der Datenbank gespeicherter Muster, die bevorzugt jeweils bestimmten Ereignissen zugeordnet sind, kann auf diese Weise schnell und verlässlich das vorliegende Ereignis nach dem Prinzip eines Fingerabdruckvergleichs identifiziert werden.
Über einen Gesamtmusterabgleich hinaus können alternativ oder zusätzlich auch nur einzelne Charakteristika eines bestimmten als charakteristisch definierten Musters mit einem neu identifizierten Muster abgeglichen werden. Hierbei dient das charakteristische Muster als Kriterium für das Vorliegen eines Lecks im Messabschnitt des durchströmten Objekts. Das charakteristische Muster kann auf insbesondere gemittelten Messwerten beruhen, die mit dem Vorliegen eines Lecks in Zusammenhang stehen. Darüber hinaus können auch generierte, d. h. durch Berechnung modellierte und/oder simulierte, Daten zur Erzeugung des charakteristischen Musters herangezogen werden. In diesem Fall entspricht das charakteristische Muster vorzugsweise einem Muster, das sich idealerweise beim Vorliegen eines Lecks in den ermittelten Werten herausbildet. Je nach dem Grad der Übereinstimmung des neu identifizierten Musters mit dem charakteristischen Muster lässt sich mittels der Datenverarbeitungseinrichtung eine Aussage über die Wahrscheinlichkeit treffen, mit der ein Leck im betreffenden Messabschnitt vorliegt. Wird dabei ein festgelegter Schwellenwert überschritten, kann dies insbesondere als hartes Kriterium für das Vorliegen eines Lecks herangezogen werden, so dass entsprechende Maßnahmen, etwa eine manuelle Überprüfung oder eine Notabschaltung, eingeleitet werden können.
Eine besonders bevorzugte Ausgestaltung des erfindungsgemäßen Verfahrens sieht vor, dass mittels der Datenverarbeitungseinrichtung ein Lernalgorithmus auf die ermittelten Werte bzw. auf die aus diesem gebildete Wertegruppe angewendet wird. Durch einen lernfähigen Algorithmus wird das Verfahren nicht nur im Rahmen der aktuellen Anwendung ggf. mit jeder Iteration aussagekräftiger, wie es bei gängigen statistischen Verfahren bereits der Fall ist. Vielmehr wird der Lernalgorithmus durch jede Anwendung und jede Verarbeitung neuer Daten trainiert. Durch evolutionäre Effekte steigt die Verlässlichkeit eines solchen selbstlernenden Systems dabei mit der Zeit. Somit sinkt die Fehlerrate bei der Identifikation und insbesondere Interpretation von Mustern in den ermittelten Werten.
Gängige statistische Verfahren zur Datenanalyse hinsichtlich einer Leckerkennung stellen üblicherweise auf die Kompensation auftretender Schwankungen ab, um aus den entsprechend bereinigten Daten die gewünschten Informationen herauslesen zu können. Durch das erfindungsgemäße Verfahren wird insbesondere bei Zugrundelegen eines lernfähigen Algorithmus bei der Datenanalyse eine Leckerkennung anhand des Auftretens entsprechender Muster in den ermittelten Werten auch unter Bedingungen ermöglicht, unter denen bekannte Verfahren scheitern. Dies kann beispielsweise der Fall sein, wenn die zugrunde gelegten Werte starke Ausreißer aufweisen, wodurch bei der statistischen Behandlung getroffene Näherungen fehlgehen. Demgegenüber beruht das erfindungsgemäße Verfahren auf der systematischen Anwendung empirischer Daten auf neu ermittelte Werte. Insbesondere durch die Anwendung eines lernfähigen Algorithmus können dabei auch Ereignisse anhand des sich in den Werten herausbildenden Musters identifiziert werden, welche von jeweils starr angewendeten statistischen Algorithmen nicht erfasst werden.
In einer besonders bevorzugten Ausgestaltung des Verfahrens erfolgt die Auswertung der ermittelten Werte bzw. der gebildeten Wertegruppe unter Verwendung eines Künstlichen Neuronalen Netzes. Die Datenverarbeitungseinrichtung ist vorzugsweise hierzu entsprechend ausgebildet.
Der Lernalgorithmus wird bevorzugt vor der Anwendung auf die ermittelten Werte bzw. die Wertegruppe mit gespeicherten Werten trainiert, die mit real aufgetretenen Ereignissen, insbesondere dem tatsächlichen Vorliegen eines Lecks, in Zusammenhang stehen bzw. in diesem Zusammenhang erfasst wurden. Alternativ oder zusätzlich kann das Trainieren des Lernalgorithmus auch anhand von simulierten Werten erfolgen. Solche simulierten Werte sind dabei vorzugsweise durch die Simulation eines Lecks an dem durchströmten Objekt bestimmt worden. Durch das Training in der vorgenannten Weise wird der Lernalgorithmus geschult, bestimmte Wertekonstellationen bzw. Muster in Wertegruppen mit bestimmten Ereignissen in Verbindung zu bringen. Es ist somit nach einem geeigneten Training möglich, mittels des lernfähigen Algorithmus durch entsprechende Konfiguration einer Abfrage ein Muster in unbekannten bzw. neuen Werten zu identifizieren, das mit einer bestimmten Art von Ereignis in Zusammenhang steht, insbesondere auf das Vorliegen eines Lecks im betrachteten Messabschnitt hindeutet.
In konstruktiver Hinsicht ist es bevorzugt, die für das erfindungsgemäße Verfahren herangezogenen Werte, insbesondere für die Änderung der Durchflussrate des Mediums, des Drucks des Mediums und/oder der Temperatur, jeweils nicht-invasiv zu ermitteln. Dadurch wird vermieden, dass eine Messeinrichtung, wie ein Sensor, in den Innenbereich des durchströmten Objekts eingebracht wird und so der Fluss des Mediums im Innern beeinflusst wird. Hierdurch bestünde die Gefahr, dass die Messung selbst und damit auch die spätere Datenauswertung verfälscht wird. Eine entsprechende Messung der Daten erfolgt bevorzugt mittels einer Messeinrichtung, die auf oder in einer Hülle des durchströmten Objekts, beispielsweise der Wandung einer Pipeline, angeordnet ist. Im Fall der Durchflussrate eignet sich besonders ein sog. Clamp-On Flowmeter, das die Durchflussänderung des Mediums im Innern des durchströmten Objekts von außen erfassen kann.
Besonders bevorzugt erfolgt die Messung der Durchflussratenänderung mittels eines akustischen Verfahrens. Hierbei wird die Durchflussrate bzw. deren Änderung anhand des Ausbreitungsverhaltens von außen eingebrachter akustischer Signale im fließenden Medium ermittelt. Als besonders geeignet hat sich ein ultraschallbasiertes Verfahren herausgestellt, bei dem die eingekoppelten akustischen Signale eine entsprechend hohe Frequenz besitzen. Insbesondere erfolgt die Einkopplung der akustischen Signale berührungsfrei, d. h. ohne dass ein mechanischer Transducer von außen auf die Wandung des durchströmten Objekts einwirkt.
Die Wertegruppe, die verfahrensgemäß zur Identifikation eines Musters untersucht wird, wird zwar aus den an den Messpunkten ermittelten Werten gebildet, ist jedoch nicht zwingend allein auf diese Werte beschränkt. Es können zusätzlich weitere, insbesondere allgemein verfügbare, Daten einbezogen bzw. der Wertegruppe hinzugefügt werden, beispielsweise im Hinblick auf das aktuelle und/oder prognostizierte Wetter in der Umgebung des durchströmten Objekts. Unter Umständen kann dadurch die Aussagekraft der Ergebnisse des erfindungsgemäßen Verfahrens weiter erhöht werden.
Bei einer bevorzugten Ausgestaltung des Verfahrens werden ermittelte Werte verschiedener Messpunkte zu einer zentralen Datenverarbeitungseinrichtung übertragen. Die Übertragung erfolgt dabei vorzugsweise drahtlos.
Die Erfindung umfasst ferner auch ein Computerprogrammprodukt, mittels dessen eine Wahrscheinlichkeit bestimmt werden kann, mit der ein Leck an einem von einem Medium durchströmten Objekt vorliegt. Das Computerprogrammprodukt ist dabei insbesondere zur Ausführung des erfindungsgemäßen Verfahrens zur Leckerkennung oder zum Einsatz im Rahmen des erfindungsgemäßen Verfahrens ausgebildet. Es umfasst von daher Instruktionen zur Erkennung eines Musters in einer Wertegruppe, wobei die Wertegruppe durch Werte gebildet wird, die an einem Messabschnitt des durchströmten Objekts ermittelt werden und sich wenigstens auf eine Änderung der Durchflussrate des Mediums, eine Druckänderung des Mediums und/oder eine Temperaturänderung beziehen.
Nachfolgend wird die Erfindung anhand von Ausführungsbeispielen näher erläutert. Dabei bilden alle beschriebenen und/oder zeichnerisch dargestellten Merkmale jeweils eigenständige Aspekte der Erfindung, unabhängig von ihrer Kombination in den Ausführungsbeispielen oder den Rückbezügen der Ansprüche.
Es zeigt

1 eine schematische Darstellung einer beispielhaften Anwendungssituation des erfindungsgemäßen Verfahrens,
2 eine schematische Darstellung einer weiteren Anwendungssituation des erfindungsgemäßen Verfahrens und
3 eine schematische Veranschaulichung der Datenverarbeitung bei dem erfindungsgemäßen Verfahren.

1 zeigt eine typische Anwendungssituation für das erfindungsgemäße Verfahren. Ein durchströmtes Objekt 1 in Form einer Pipeline bzw. eines Pipelineabschnitts zur Förderung eines Produkts in Form eines insbesondere fluiden Mediums ist im Außenbereich zum Teil oberirdisch und zum Teil unterirdisch verlegt.
Der dargestellte Ausschnitt stellt einen Messabschnitt 2 des erheblich längeren durchströmten Objekts 1 dar. Der Messabschnitt 2 wird durch das erfindungsgemäße Verfahren zur Leckerkennung überwacht. Hierzu wird an zwei Messpunkten 3 jeweils ein Wert für verschiedene physikalische Parameter ermittelt.
Abweichend zu den dargestellten zwei Messpunkten 3 kann einem Messabschnitt 2 auch eine größere Zahl von Messpunkten 3 zugeordnet sein. Es ist darüber hinaus zwar bevorzugt, jedoch erfindungsgemäß nicht zwingend notwendig, dass für verschiedene physikalische Größen die Messpunkte 3 an denselben Positionen entlang des Messabschnitts 2 des durchströmten Objekts 1 angeordnet sind.
Allgemein ist unter dem durchströmten Objekt 1 ein Objekt zu verstehen, das grundsätzlich dazu vorgesehen ist, von einem Medium durchströmt zu werden. Im Rahmen der Erfindung ist es insofern grundsätzlich auch möglich, Werte zu einem Messabschnitt 2 zu ermitteln, der nicht durchgängig vom Medium durchflossen wird. Eine Bestimmung und/oder Voraussage von Umweltparametern, wie einer Änderung der Umgebungstemperatur, kann etwa im Hinblick auf einen bevorstehenden Transport des Mediums durch den Messabschnitt 2 von Interesse sein.
Grundsätzlich ist es für alle relevanten physikalischen Parameter bevorzugt, die entsprechenden Werte möglichst nicht-invasiv zu ermitteln, d. h. ohne dass das fließende Medium durch in das durchströmte Objekt 1 eingebrachte Bauteile beeinflusst oder der Fluss anderweitig gestört wird.
Es wird ein Wert für die Änderung der Durchflussrate des Mediums ermittelt. Dies erfolgt insbesondere durch einen Flussmesser 4. Im vorliegend gezeigten Beispiel ist die bevorzugte Ausgestaltung des Flussmessers 4 als sog. Clamp-On Flowmeter, das von außen auf das durchströmte Objekt 1 aufgebracht ist, dargestellt. Die Durchflussrate des Mediums bzw. deren Änderung lässt sich somit nicht-invasiv ermitteln. Es versteht sich, dass grundsätzlich auch jede andere Art von Flussmessung zur Wertermittlung dienlich sein kann. Die Durchflussrate kann als bezogen auf die Masse und/oder das Volumen verstanden werden.
Im dargestellten Beispiel beruht der Flussmesser 4 auf einem akustischen Prinzip zur Messung der Durchflussratenänderung des Mediums. Hierbei werden akustische Signale, insbesondere im Ultraschallbereich, durch die Wandung des durchströmten Objekts 1 in das Medium eingebracht und ihre Ausbreitungsgeschwindigkeit gemessen, um einen Rückschluss auf die Strömungseigenschaften des Mediums zu ziehen. Die Einkopplung des akustischen Signals und/oder die Auslesung des fortgepflanzten Signals erfolgt vorzugsweise berührungsfrei, d. h. ohne eine mechanische Kopplung eines Transducers des Flussmessers 4 mit der Wandung des durchströmten Objekts 1.
Des Weiteren wird an jedem Messpunkt 3 ein Wert für die Druckänderung des Mediums ermittelt. Eine Messung der Druckänderung erfolgt insbesondere durch einen entsprechenden Drucksensor 5.
Ferner wird insbesondere mittels eines Temperatursensors 6 eine Temperaturänderung ermittelt. Hierbei handelt es sich insbesondere um einen Wert für die Umgebungstemperatur bzw. deren Änderung am Ort des Messpunktes 3. Alternativ oder zusätzlich kann auch ein Wert abseits des Messpunktes 3, beispielsweise zwischen zwei Messpunkten 3 eines Messabschnitts 2, erfasst werden. In diesem Zusammenhang kann ein solcher Wert für die Lufttemperatur, die Bodentemperatur, die Temperatur des durchströmten Objekts 1 oder des strömenden Mediums selbst ermittelt werden. Insbesondere der Einfluss der Umgebungstemperatur auf das Medium im durchströmten Objekt 1 entlang der Strecke kann somit berücksichtigt werden.
Die insbesondere durch Messung ermittelten Werte für die genannten und ggf. weitere physikalische Parameter werden an eine Datenverarbeitungseinrichtung 7 übermittelt, um in der Folge weiter ausgewertet zu werden. Die Übermittlung erfolgt vorzugsweise drahtlos. Es versteht sich, dass alternativ oder zusätzlich auch eine drahtgebundene Übermittlung erfolgen kann.
Bei der Datenverarbeitungseinrichtung 7 kann es sich, wie in der Darstellung von 1 angedeutet, um eine zentrale Datenverarbeitungseinrichtung 7 handeln, die an einem vom Messabschnitt 2 entfernten Ort positioniert ist. Die Datenverarbeitungseinrichtung 7 kann als einzelner Rechner, jedoch auch als Netzwerk mehrerer zusammenwirkender Rechner ausgebildet sein. Darüber hinaus kann auch eine Ausgestaltung der Datenverarbeitungseinrichtung 7 als komplexes System mit mehreren parallel arbeitenden und/oder hierarchisch verknüpften Recheneinheiten vorgesehen sein.
Die Datenübertragung von den Messpunkten 3 zur Datenverarbeitungseinrichtung 7 kann insbesondere nach gängigen Übertragungsstandards, wie Bluetooth oder WiFi, und/oder über ein Mobilfunknetzwerk erfolgen. Möglich ist darüber hinaus auch eine satellitengestützte Kommunikation zwischen den Messpunkten 3 bzw. den an den Messpunkten 3 vorgesehenen Einrichtungen zur Werteermittlung, und der Datenverarbeitungseinrichtung 7.
Ferner kann eine Kommunikation zwischen entsprechenden Kommunikationseinrichtungen an den Messpunkten 3 erfolgen. Dies erlaubt beispielsweise, lediglich an einem Messpunkt 3 oder zumindest an wenigen Messpunkten 3 eine leistungsstarke Sendeanlage vorzusehen, um die ermittelten Werte zur Datenverarbeitungseinrichtung 7 zu übermitteln. Die an den einzelnen Messpunkten 3 des Messabschnitts 2 werden dabei zunächst über vergleichsweise kurze Distanzen zu einem solchen zentralen Messpunkt 3 übermittelt und von dort an die Datenverarbeitungseinrichtung 7 übertragen. Ein entsprechender Aufbau kann auch durch eine separate Relaisstation 10 realisiert werden, die keinem konkreten Messpunkt 3 zugeordnet ist, sondern sich in der Umgebung des betreffenden Messabschnitts 2 und damit in Reichweite der Kommunikationseinrichtungen aller betreffenden Messpunkte 3 befindet.
Wie im Folgenden noch näher erläutert werden wird, werden die übermittelten Daten im Rahmen des erfindungsgemäßen Verfahrens mittels der Datenverarbeitungseinrichtung 7 ausgewertet und dabei auf das Vorliegen eines Musters untersucht, das auf das Vorhandensein eines Lecks 8 im untersuchten Messabschnitt 2 hindeutet. Wird ein solches Leck 8 erkannt bzw. wird eine hinreichende Wahrscheinlichkeit für das Vorliegen eines Lecks 8 ermittelt, können in kurzer Zeit entsprechende Maßnahmen eingeleitet werden, um Abhilfe zu schaffen.
In der Darstellung der 1 ist ein solches Leck 8 im unterirdisch verlaufenden Abschnitt des durchströmten Objekts 1 angedeutet. Das transportierte Medium, bei dem es sich beispielsweise um Erdöl handeln kann, dringt an der Stelle des Lecks 8 unkontrolliert in das Erdreich 9 vor und kann dort beispielsweise das Grundwasser verunreinigen. Neben der wirtschaftlichen Bedeutung eines Verlustes des transportierten Mediums kann ein solches Leck 8 schwerwiegende ökologische Konsequenzen nach sich ziehen. Eine umfangreiche Schädigung der Umwelt tritt dabei nicht nur bei katastrophalen Lecks 8 auf, bei denen in kurzer Zeit eine große Menge des transportierten Mediums austritt. Vielmehr können auch kleine Lecks 8, die nur ein langsames Austreten des Mediums über die Zeit bewirken, bereits eine große ökologische Gefahr darstellen.
In 2 ist beispielhaft eine weitere Anwendungssituation für das erfindungsgemäße Verfahren gezeigt. Das durchströmte Objekt 1 wird dort durch ein vergleichsweise komplexes Rohrnetzwerk gebildet. Der dargestellte Ausschnitt soll rein sinnbildlich ein weit verzweigtes Netzwerk aus Rohrleitungen von zum Teil großer Länge darstellen. Abgesehen von verzweigten Netzwerken aus Versorgungsleitungen, die zum Teil große Entfernungen zwischen verschiedenen Regionen der Erde überbrücken, kann auch eine größere Industrieanlage, beispielsweise eine Raffinerie, ein vergleichsweise komplexes Rohrnetzwerk aufweisen. In einem solchen stark verzweigten durchströmten Objekt 1 lassen sich verschiedene Messabschnitte 2 definieren. Ein Messabschnitt 2 ist dabei nicht zwingend nur durch die Strecke des durchströmten Objekts 1 zwischen zwei Messpunkten 3 definiert, sondern kann auch weitere Bereiche umfassen, in denen insbesondere mehr als zwei Messpunkte 3 vorgesehen sind. Die Definition eines Messabschnitts 2 hängt letztlich davon ab, von welchen Messpunkten 3 erhaltene Werte bzw. für welche Messpunkte 3 ermittelte Werte der Auswertung durch die Datenverarbeitungseinrichtung 7 zugrunde gelegt werden.
Bei einer entsprechend hohen Verzweigungskomplexität des durchströmten Objekts 1 lässt sich dieses nur noch schwer durch entsprechende Sensoren unmittelbar überwachen. Ähnlich wie bei einer Pipeline mit einer sehr großen Länge scheitert eine lückenlose Kontrolle des Systems letztlich an den Kosten, die für eine entsprechende Zahl von Sensoren anfallen würden. Darüber hinaus kommt es durch die jeweils miteinander in fluidischer Verbindung stehenden Teilvolumina in den verschiedenen Zweigen des durchströmten Objekts 1 zu Wechselwirkungen und Puffereffekten, wenn das transportierte Medium sich im Rohrnetzwerk ausbreitet. Dies erschwert die Auswertung einer Massenstrombilanz ebenfalls.
Hier wirkt sich das erfindungsgemäße Verfahren vorteilhaft aus, indem durch die Identifikation von Mustern in den ermittelten Werten Störereignisse, wie das Auftreten eines Lecks 8, in einem bestimmten Messabschnitt 2 erkannt werden.
Der Einfluss unterschiedlicher Temperaturen auf das Verhalten des transportierten Mediums tritt nicht nur beim Durchlaufen verschiedener Klimazonen oder aufgrund unterschiedlicher Wetterbedingungen entlang einer Pipeline auf. Auch beim Beispiel einer Industrieanlage kommt es üblicherweise vor, dass Rohrleitungen an unterschiedlich warmen Strukturen entlang verlaufen. Aus diesem Grund ändert sich die Temperatur des Mediums üblicherweise beim Durchströmen der Rohrleitung bzw. des Rohrleitungsnetzwerks. Die damit verbundene Ausdehnung bzw. Kontraktion des Mediums stört die Erhebung einer Massenstrombilanz erheblich und erschwert die Detektion eines tatsächlichen Massenverlustes, etwa aufgrund eines Lecks 8 oder aufgrund einer illegalen Entnahme auf dem Transportweg.
Ziel des erfindungsgemäßen Verfahrens ist die Unterscheidung von Mustern in den ermittelten Werten, die aufgrund von Temperatur- und Volumenschwankungen des Mediums aufgrund äußerer und innerer Einflüsse stattfinden, von solchen Mustern, die im Zusammenhang mit tatsächlichem Verlust des Mediums aus dem durchströmten Objekt 1 auf dem Transportweg stehen. Die natürlichen Einflüsse auf das Medium sind vielfältig und dementsprechend nur schwer vollständig im Rahmen gängiger statistischer Methoden zu berücksichtigen.
Auftretende Schwankungen stehen vor allem mit einer zeitlichen wie räumlichen - insbesondere entlang des durchströmten Objekts 1 - Veränderung der Temperatur des transportierten Mediums in Zusammenhang. Diese hängt dabei zwar stark von der Umgebungstemperatur ab, wird jedoch von zahlreichen weiteren Faktoren beeinflusst. Luft- und Bodentemperatur sind unterschiedlich stark von der Sonneneinstrahlung abhängig und wirken sich entsprechend auf die Temperatur des Mediums aus. Regen und Wolken haben dagegen einen kurzfristigen kühlenden Effekt. Darüber hinaus kann insbesondere bei unterirdisch verlaufenden Rohrleitungen die Biomasse an der Oberfläche einen Effekt auf die Temperatur des Mediums in der Leitung haben, etwa in Form einer Isolationswirkung oder durch Abschirmung des Bodens vor Sonnenlicht. Auch dieser Faktor unterliegt mitunter kurzfristigen Veränderungen, beispielsweise durch Anbau und Ernte auf landwirtschaftlich genutzten Flächen.
Bei einem ausreichend stark ausgedehnten oder entsprechend komplex verzweigten durchströmten Objekt 1, wie einer Pipeline oder ein Rohrleitungsnetzwerk, kommt es in der Regel zudem unweigerlich aufgrund innerer Effekte zu thermodynamischen Veränderungen der Strömungseigenschaften des transportierten Mediums. Die Gründe hierfür liegen beispielsweise in der Schwankung bzw. Veränderung des Strömungswiderstands aufgrund der Leitungsform. Insbesondere falls das transportierte Medium aus verschiedenen Substanzen zusammengesetzt ist, kann darüber hinaus eine Veränderung der Zusammensetzung auftreten. Auch dies kann sich auf das Strömungsverhalten des Mediums auswirken.
Große Pipelines oder Rohrnetzwerke können ferner ein erhebliches Eigenvolumen aufweisen, das beim sog. „line packing“, d.h. dem Beschicken der Leitung mit dem Medium und dem Aufbau des Betriebsdrucks, zunächst ausgefüllt wird, bevor das Medium an einer bestimmten Stelle wieder austritt bzw. entnommen wird. Ein hinreichend großes Innenvolumen des durchströmten Objekts 1 führt darüber hinaus auch während des Betriebs zu Puffereffekten, durch welche volumenbezogene Änderungen des Mediums nur indirekt registriert werden können. Ohne weitere Berücksichtigung innerer und/oder äußerer Parameter lassen sich daher aus einer vergleichenden Messung der Durchflussrate bzw. deren Änderung am Eingang und am Ausgang eines Messabschnitts 2 des durchströmten Objekts 1 kaum aussagekräftige Schlüsse ziehen.
In umfangreichen Tests wurde überraschenderweise festgestellt, dass sich unterschiedliche Arten von Mustern in den ermittelten Werten bilden können. Natürliche Schwankungen können zum Teil mittels gängiger statistischer Methoden auch nach Einbeziehung der Umgebungsparameter nicht vollständig eliminiert werden, führen jedoch zu Mustern in den Daten. Diese unterscheiden sich von denjenigen Mustern, die bei einem tatsächlichen Massenverlust, etwa aufgrund eines Lecks 8, einem Leitungsbruch oder einer illegalen Entnahme von Medium auf dem Transportweg, zu beobachten sind.
Hier setzt die Erfindung an, indem diese beiden Arten von Mustern identifiziert und voneinander unterschieden werden. Wie bereits erwähnt, wird verfahrensgemäß mittels der Datenverarbeitungseinrichtung 7 bei oder nach der Auswertung der ermittelten Werte für die Änderung der Durchflussrate, des Drucks und der Temperatur und ggf. weiterer physikalischer Größen nach einem Muster in diesen Werten gesucht.
Die Darstellung gemäß 3 illustriert den grundsätzlichen Ablauf bei der Auswertung ermittelter Werte durch die Datenverarbeitungseinrichtung 7 zur Leckerkennung. Aus den ermittelten Werten wird zunächst eine Wertegruppe 11 gebildet, die von der Datenverarbeitungseinrichtung 7 auf das Vorhandensein eines Musters analysiert wird. Die Wertegruppe 11 kann dabei die Gesamtheit der an den Messpunkten 3 eines Messabschnitts 2 ermittelten Werte umfassen oder eine Teilmenge davon darstellen.
Wird ein Muster in der Wertegruppe 11 identifiziert, kann durch die Datenverarbeitungseinrichtung 7 anhand dieses Musters die Wahrscheinlichkeit für das Vorliegen eines Lecks 8 in dem betreffenden Messabschnitt 2 des durchströmten Objekts 1 ermittelt werden. Die Identifikation eines solchen Musters in den Daten der Wertegruppe 11 erfolgt dabei insbesondere durch einen entsprechenden Algorithmus einer Erkennungsroutine, ähnlich wie im Fall einer digitalen Bilderkennung.
Die Datenverarbeitungseinrichtung 7 ist vorzugsweise zur Ausführung eines Klassifikationsalgorithmus ausgebildet und wendet einen solchen auf die Wertegruppe 11 an. Ein identifiziertes Muster wird somit hinsichtlich seiner Art, Beschaffenheit und/oder Ausprägung klassifiziert.
Alternativ oder zusätzlich zu einem solchen Klassifikationsalgorithmus kann auch ein Musteranalysealgorithmus von der Datenverarbeitungseinrichtung 7 auf die Wertegruppe 11 angewendet werden. Durch einen solchen Musteranalysealgorithmus kann das identifizierte Muster hinsichtlich seiner Bedeutung interpretiert werden. Dadurch kann eine Aussage getroffen werden, welches reale Ereignis durch das in den ermittelten Werten auftretende Muster repräsentiert wird.
In einer bevorzugten Ausgestaltung greift die Datenverarbeitungseinrichtung 7 auf eine Datenbank zu, in der ein identifiziertes Muster als Datensatz 12 gespeichert werden kann. Gleiches gilt für die ermittelten Werte bzw. die Wertegruppe 11. Insbesondere können das identifizierte Muster, die Wertegruppe 11 und/oder ein bestimmtes real auftretendes Ereignis, beispielsweise das Vorliegen eines Lecks 8, miteinander verknüpft werden und als Datensätze 12 oder als ein gemeinsamer Datensatz 12 in der Datenbank gespeichert werden.
Durch einen Vergleich des in der analysierten Wertegruppe 11 mit einem oder mehreren in Datensätzen 12 der Datenbank gespeicherten Mustern kann im einfachsten Fall eine schnelle Zuordnung des identifizierten Musters zu einer Ereignisgruppe vorgenommen werden. Ein solcher fingerabdruckartiger Abgleich ist insbesondere möglich, wenn die Datenverarbeitungseinrichtung 7 Zugriff auf Datensätze 12 hat, die hinsichtlich der gespeicherten Muster und/oder der zugeordneten Ereignisse klassifiziert sind, und sich das identifizierte Muster von seiner Charakteristik her eindeutig einer dieser Klassen zuordnen lässt.
Alternativ oder zusätzlich kann auch ein charakteristisches bzw. idealisiertes Muster als Kriterium herangezogen werden, anhand dessen durch einen Vergleich mit dem in der Wertegruppe 11 identifizierten Muster die Wahrscheinlichkeit für das Vorliegen eines Lecks 8 im betrachteten Messabschnitt 2 ermittelt wird. Ein solches charakteristisches Muster kann auf gemessenen Werten aus einer oder mehreren Messungen im Zusammenhang mit einem real aufgetretenen Ereignis basieren oder aber auf simulierten Werten beruhen.
Bei einem ausreichenden Grad an Übereinstimmung des identifizierten Musters mit dem charakteristischen Muster, d. h. beim Überschreiten eines definierten Schwellenwertes, kann das Kriterium für das Vorliegen eines Lecks 8 als erfüllt gewertet werden, so dass entsprechende Maßnahmen eingeleitet werden können.
Besonders bevorzugt ist eine Ausgestaltung des erfindungsgemäßen Verfahrens, bei der die Datenverarbeitungseinrichtung 7 einen Lernalgorithmus auf die ermittelten Werte bzw. die Wertegruppe 11 anwendet, um ein Muster zu identifizieren. Alternativ oder zusätzlich kann ein lernfähiger Algorithmus auch dazu eingesetzt werden, als Klassifikationsalgorithmus und/oder als Musteranalysealgorithmus zu dienen. Gegenüber der zuvor beschriebenen Identifikation und Auswertung eines Musters in der Wertegruppe 11 nach im Wesentlichen fest vorgegebenen Kriterien hat ein lernfähiger Algorithmus den Vorteil, dass er durch ein entsprechendes Training mit geeigneten Daten mit der Zeit leistungsfähiger und verlässlicher wird. Somit sinkt die Fehleranfälligkeit im Hinblick auf die fälschliche Interpretation eines Musters als Indikator für ein Leck 8 (false positive) sowie im Hinblick auf das NichtErkennen eines vorliegenden Lecks 8 anhand der ermittelten Werte (false negative).
Ein solcher Lernalgorithmus wird vorzugsweise durch Datensätze 12 trainiert, die mit realen Ereignissen, insbesondere dem Vorliegen eines Lecks 8, in Verbindung stehen bzw. beim Auftreten des betreffenden Ereignisses gemessen wurden. Derartige Daten bilden letztlich die Realität bestmöglich ab, so dass der trainierte Lernalgorithmus im Ergebnis auf die konkreten Muster zugeschnitten ist, die im Einzelfall unter realen Bedingungen in den ermittelten Werten auftreten können.
Alternativ oder zusätzlich kann der Lernalgorithmus auch mit simulierten Werten bzw. Modelldaten trainiert werden. Hierdurch können dem Algorithmus Komponenten hinzugefügt werden, die sich auf idealisierte Bedingungen beziehen.
Für eine optimale Erkennungsleistung in Bezug auf die Identifikation, Klassifikation und/oder Interpretation von Mustern in einer Wertegruppe 11 kann ein Training des Algorithmus mit einer Kombination von realen und simulierten bzw. idealen Daten unter Umständen besonders zielführend sein.
In einer weiter bevorzugten Ausgestaltung kann die Datenverarbeitungseinrichtung 7 ein insbesondere iteratives Verfahren zur Modellierung von Werten anwenden. Hierbei kommt insbesondere ein Verfahren zur Vorwärtsmodellierung zum Einsatz, um Werte zu ermitteln, die unter bestimmten Arbeits- und/oder Umgebungsbedingungen zu erwarten sind.
Die im Wege eines solchen Modellierungsverfahrens ermittelten Werte können auf unterschiedliche Weise im Rahmen des erfindungsgemäßen Verfahrens eingesetzt werden. Beispielsweise ermöglicht die parallele Anwendung eines solchen Modellierungsverfahrens eine unabhängige Verifikation der gemessenen Werte und/oder eines in den Werten herausgebildeten Musters.
Im Wege der Vorwärtsmodellierung erhaltene Daten eignen sich darüber hinaus auch zum Training eines Lernalgorithmus.
Des Weiteren ist eine serielle Verknüpfung des erfindungsgemäßen Verfahrens auf Basis einer Mustererkennung mit einem entsprechenden Verfahren zur Modellierung von Daten auf Basis gemessener Werte möglich. Hierdurch kann beispielsweise eine zukünftige Entwicklung ausgehend von bekannten bzw. gemessenen Startparametern modelliert werden und in den so erhaltenen Ergebnissen durch Identifikation von auftretenden Mustern die Gefahr eines bevorstehenden strukturellen Versagens des durchströmten Objekts 1 eingeschätzt werden.
Neben einer Berücksichtigung von Datensätzen 12 einer Datenbank in der oben erläuterten Weise können auch Daten aus externen Quellen, insbesondere allgemein verfügbare Daten auf verschiedene Weise einbezogen werden. Diese Daten werden insbesondere der Wertegruppe 11 hinzugefügt und/oder mit der Wertegruppe 11 verknüpft, um bei der Auswertung berücksichtigt zu werden. Solche externen Daten können jedoch auch im Rahmen einer Modellierung und/oder zum Training eines Lernalgorithmus verwendet werden. Die Daten können beispielsweise das Wetter, die geologische Beschaffenheit des Bodens, die insbesondere landwirtschaftliche Flächennutzung oder dergleichen betreffen.
Im Rahmen der Auswertung der ermittelten Werte bzw. der daraus gebildeten Wertegruppe 11 erfolgt die Identifikation eines Musters in der Wertegruppe 11 und ggf. eine Interpretation des Musters oder eine anderweitige Zuordnung zu einem bestimmten Ereignis oder einer Ereigniswahrscheinlichkeit. Vorzugsweise generiert die Datenverarbeitungseinrichtung 7 daraufhin eine entsprechende Ausgabe 13, welche das Ergebnis der vorangegangenen Analyse bzw. des angewendeten Verfahrens für einen Benutzer wiedergibt.
Die Ausgabe 13 kann in unterschiedlicher Art und Weise, vorzugsweise optisch, akustisch und/oder in Textform erfolgen. Insbesondere kann die Ausgabe 13, wie in 3 dargestellt, eine Warnmeldung über das Vorliegen eines Lecks 8 umfassen. Ferner kann beispielsweise ein Statusbericht generiert werden.
Im Hinblick auf ein automatisch operierendes System können alternativ oder zusätzlich auch unmittelbar Abhilfemaßnahmen im Zusammenhang mit der Ausgabe 13 eingeleitet werden, beispielsweise eine Alarmierung an Wartungs- und/oder Servicekräfte abgegeben werden.
Es versteht sich dabei, dass grundsätzlich auch eine Kombination verschiedener Ausgaben 13 bzw. Reaktionen auf das Ergebnis der verfahrensmäßigen Analyse erfolgen kann.
Bezugszeichenliste

1: Durchströmtes Objekt
2: Messabschnitt
3: Messpunkt
4: Flussmesser
5: Drucksensor 20
6: Temperatursensor
7: Datenverarbeitungseinrichtung
8: Leck
9: Erdreich
10: Relaisstation 25
11: Wertegruppe
12: Datensatz
13: Ausgabe

Claims

Verfahren zur Leckerkennung an einem von einem Medium durchströmten Objekt (1), insbesondere einem Rohr oder einer Pipeline, wobei an einer Mehrzahl von Messpunkten (3) an einem Messabschnitt (2) des durchströmten Objekts (1) je ein Wert für eine Änderung der Durchflussrate des Mediums, für eine Druckänderung des Mediums und eine Temperaturwertänderung ermittelt wird, und wobei die ermittelten Werte von einer Datenverarbeitungseinrichtung (7) erfasst und statistisch ausgewertet werden, dadurch gekennzeichnet, dass aus den ermittelten Werten eine Wertegruppe (11) gebildet wird und mittels der Datenverarbeitungseinrichtung (7) ein Muster in der Wertegruppe (11) identifiziert wird und anhand des identifizierten Musters eine Wahrscheinlichkeit für das Vorliegen eines Lecks (8) in dem Messabschnitt (2) des durchströmten Objekts (1) ermittelt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein Klassifizierungsalgorithmus und/oder ein Musteranalysealgorithmus auf das identifizierte Muster angewandt wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das identifizierte Muster als Datensatz (12) in einer Datenbank gespeichert wird und/oder einem in einer Datenbank gespeicherten Datensatz (12) zugeordnet wird.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass das identifizierte Muster mit einem oder mehreren gespeicherten Mustern verglichen wird.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass ein charakteristisches Muster als Kriterium für das Vorliegen eines Lecks (8) im Messabschnitt (2) des durchströmten Objekts (1) dient.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass die Datenverarbeitungseinrichtung (7) einen Lernalgorithmus auf die ermittelten Werte und/oder die Wertegruppe (11) anwendet.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Lernalgorithmus vor der Anwendung auf die ermittelten Werte bzw. die Wertegruppe (11) mit gespeicherten und/oder simulierten Werten trainiert wird, wobei die gespeicherten bzw. simulierten Werte einem tatsächlichen und/oder einem simulierten Vorliegen eines Lecks (8) an einem von einem Medium durchströmten Objekt (1) zugeordnet sind.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass der Wert für die Änderung der Durchflussrate des Mediums, der Wert für die Änderung des Drucks des Mediums und/oder die Temperaturwertänderung jeweils nicht-invasiv ermittelt werden.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass die Messung der Änderung der Durchflussrate mittels eines akustischen, vorzugsweise ultraschallbasierten, Verfahrens erfolgt.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass Daten aus einer externen Quelle, insbesondere das Wetter in der Umgebung des Messabschnitts (2) und/oder eines Messpunktes (3) betreffend, von der Datenverarbeitungseinrichtung (7) verarbeitet, insbesondere mit der Wertegruppe (11) verknüpft und/oder der Wertegruppe (11) hinzugefügt, werden.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass die ermittelten Werte verschiedener Messpunkte (3) zu einer zentralen Datenverarbeitungseinrichtung (7), vorzugsweise drahtlos, übertragen werden.
Computerprogrammprodukt zur Bestimmung einer Wahrscheinlichkeit für das Vorliegen eines Lecks (8) an einem von einem Medium durchströmten Objekt (1), insbesondere einem Rohr oder einer Pipeline, gekennzeichnet durch Instruktionen zur Erkennung eines Musters in einer Wertegruppe (11), wobei die Wertegruppe (11) durch an einem Messabschnitt (2) des durchströmten Objekts (1) ermittelte Werte für eine Änderung der Durchflussrate des Mediums, für eine Druckänderung des Mediums und/oder eine Temperaturänderung gebildet wird.