一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法及裝置制造方法
【專利摘要】本發(fā)明涉及一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法及裝置，其中，該方法包括：管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集；對所述管道壓力進行降噪處理；對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理；判斷所述異常管道壓力是否為負壓波；對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
【專利說明】一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法及裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及故障診斷領(lǐng)域，特別涉及一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法及裝置。

【背景技術(shù)】
[0002]隨著我國油氣管道服役年限的增長，因局部腐蝕、長期占壓、外力碰撞等因素所造成的穿孔、滲漏等小泄漏事件時有發(fā)生，若不及時發(fā)現(xiàn)將會造成嚴重的環(huán)境污染和經(jīng)濟損失，由此促進了管道泄漏檢測技術(shù)的迅速發(fā)展。負壓波法因其靈敏、準確、適用性強、成本低、維護方便的特點，在輸油站場管道泄漏檢測和漏點定位中具有廣泛的應用。但是負壓波法對輸油站場內(nèi)的設備、閥操作引起的負壓波的抗干擾能力差，存在誤報警率較高的問題，影響站場正常的生產(chǎn)運行。因此，開展管道泄漏診斷研究，排除設備、閥操作的影響，降低泄漏診斷的誤報警率具有重要意義。
[0003]在實際生產(chǎn)儲運過程中，不僅泄漏事件會產(chǎn)生負壓波，一些站內(nèi)操作也會產(chǎn)生負壓波，比如:上游站停泵、關(guān)閥，下游站啟泵、開進口閥，站內(nèi)導流程等；另外，站內(nèi)放油操作、油溫下降等也會產(chǎn)生負壓波，這些都可能會引起泄漏檢測系統(tǒng)的誤報警。誤報警同樣會引起人員、物力、財力的損失，因此，管道泄漏檢測有必要減小誤報警的發(fā)生。


【發(fā)明內(nèi)容】

[0004]為解決上述技術(shù)問題，本發(fā)明提出一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法及裝置，針對負壓波抗干擾能力差、誤報警率高的問題，建立泵機組狀態(tài)耦合分析模型，提出基于輸油泵機組狀態(tài)耦合分析的管道泄漏診斷技術(shù)，對解決實際管道泄漏診斷誤報警率高的問題具有很強的實用性。
[0005]為實現(xiàn)上述目的，本發(fā)明提供了一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法，該方法包括:
[0006]管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集；
[0007]對所述管道壓力進行降噪處理；
[0008]對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理；
[0009]判斷所述異常管道壓力是否為負壓波；
[0010]對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
[0011]優(yōu)選地，所述降噪處理的方法為二次閾值方法。
[0012]優(yōu)選地，所述異常捕捉處理的方法為邏輯推理算法。
[0013]優(yōu)選地，所述特征提取獲取的特征參數(shù)為壓力下降沿個數(shù)Nd、壓力上升沿個數(shù)Nu和首末點差值D。
[0014]優(yōu)選地，所述判斷所述異常管道壓力是否為負壓波的步驟包括:
[0015]對所述異常管道壓力進行特征提?。?br> [0016]對異常管道壓力的特征值進行模式識別，來判斷所述異常管道壓力是否為負壓波。
[0017]優(yōu)選地，所述對所述負壓波是否由泵機組操作引起的進行判斷的步驟包括:
[0018]建立泵機組標準狀態(tài)模型；
[0019]對泵機組參數(shù)進行特征提取，所述泵機組標準狀態(tài)模型對泵機組參數(shù)的特征值通過判斷，獲得所述泵機組是否處于穩(wěn)定模式。
[0020]為實現(xiàn)上述目的，本發(fā)明還提供了一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷裝置，該裝置包括:
[0021]采集單元，用于管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集；
[0022]降噪單元，用于對所述管道壓力進行降噪處理；
[0023]異常捕捉單元，用于對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理；
[0024]負壓波判斷單元，用于判斷所述異常管道壓力是否為負壓波；
[0025]診斷單元，用于對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
[0026]上述技術(shù)方案具有如下有益效果:針對負壓波法對設備、閥操作的抗干擾能力差、容易產(chǎn)生誤報警的問題，通過建立泵機組狀態(tài)模型，排除設備、閥操作的影響，大大提高管道泄漏檢測識別的準確率。其主要特點是:
[0027](I)通過選擇泵機組行為參數(shù)，并提取其特征向量，構(gòu)建機組標準狀態(tài)模型。分析輸油泵失效模式對特性曲線的影響，研究其與管路系統(tǒng)之間耦變規(guī)律；
[0028](2)根據(jù)管路壓力信號含有小噪聲的特點，提出一種二次閾值降噪算法對壓力信號進行降噪，提高負壓波的捕捉能力；
[0029](3)對泵機組狀態(tài)進行劃分，依據(jù)對其進行耦合分析，排除機組狀態(tài)對負壓波誤報警的影響；通過現(xiàn)場管道泄漏和停機數(shù)據(jù)驗證，表明該方法能有效提高管道泄漏檢測識別準確率。

【專利附圖】

【附圖說明】
[0030]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0031]圖1為本發(fā)明提出的一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法流程圖；
[0032]圖2為本發(fā)明提出的一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷裝置框圖；
[0033]圖3為本實施例的技術(shù)方案流程圖；
[0034]圖4為本實施例的基于邏輯推理的管道壓力異常捕捉算法流程圖；
[0035]圖5為本實施例的某省管線壓力示意圖之一；
[0036]圖6為本實施例的A站P204泵機組狀態(tài)參量圖；
[0037]圖7為本實施例的基于圖6的待測機組狀態(tài)與標準狀態(tài)的波形譜對比圖；
[0038]圖8為本實施例的B站P203泵機組的狀態(tài)參量圖；
[0039]圖9為本實施例的基于圖8的待測機組狀態(tài)與標準狀態(tài)的波形譜對比圖；
[0040]圖10為本實施例的某省管線壓力示意圖之二 ；
[0041]圖11為本實施例的C站P204泵機組狀態(tài)參量圖；
[0042]圖12為本實施例的基于圖11的待測機組狀態(tài)與標準狀態(tài)的波形譜對比圖。

【具體實施方式】
[0043]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0044]本技術(shù)方案的工作原理:首先，通過選擇泵機組行為參數(shù)，并提取其特征向量，構(gòu)建機組標準狀態(tài)模型。然后，應用二次閾值降噪方法對管路壓力信號降噪，判斷是否存在負壓波。若產(chǎn)生負壓波則啟動機組狀態(tài)模型，判斷負壓波是否由機組操作引起，若是則可排除該負壓波警報，否則可知有泄漏發(fā)生。本技術(shù)方案在常規(guī)負壓波檢測方法的基礎(chǔ)上，采用二次閾值算法對負壓波信號進行降噪，提高泄漏模式匹配的識別率。同時，增加泵機組狀態(tài)參數(shù)的實時采集，建立機組狀態(tài)模型，排除站內(nèi)操作如啟停泵、調(diào)閥、站內(nèi)導流等對泄漏模式識別的干擾，大大降低泄漏診斷識別的誤報警率。
[0045]如圖1所示，為本發(fā)明提出的一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法流程圖。該方法包括:
[0046]步驟101):管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集；
[0047]步驟102):對所述管道壓力進行降噪處理；
[0048]步驟103):對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理；
[0049]步驟104):判斷所述異常管道壓力是否為負壓波；
[0050]步驟105):對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
[0051]優(yōu)選地，所述降噪處理的方法為二次閾值方法。
[0052]優(yōu)選地，所述異常捕捉處理的方法為邏輯推理算法。
[0053]優(yōu)選地，所述特征提取獲取的特征參數(shù)為壓力下降沿個數(shù)Nd、壓力上升沿個數(shù)Nu和首末點差值D。
[0054]優(yōu)選地，所述判斷所述異常管道壓力是否為負壓波的步驟包括:
[0055]對所述異常管道壓力進行特征提取；
[0056]對異常管道壓力的特征值進行模式識別，來判斷所述異常管道壓力是否為負壓波。
[0057]優(yōu)選地，所述對所述負壓波是否由泵機組操作引起的進行判斷的步驟包括:
[0058]建立泵機組標準狀態(tài)模型；
[0059]對泵機組參數(shù)進行特征提取，所述泵機組標準狀態(tài)模型對泵機組參數(shù)的特征值通過判斷，獲得所述泵機組是否處于穩(wěn)定模式。
[0060]如圖2所示，為本發(fā)明提出的一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷裝置框圖。該裝置包括:
[0061]采集單元201，用于管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集；
[0062]降噪單元202，用于對所述管道壓力進行降噪處理；
[0063]異常捕捉單元203，用于對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理；
[0064]負壓波判斷單元204，用于判斷所述異常管道壓力是否為負壓波；
[0065]診斷單元205，用于對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
[0066]實施例:
[0067]如圖3所示，為本實施例的方法流程圖。在常規(guī)負壓波檢測方法的基礎(chǔ)上，采用二次閾值算法對負壓波信號進行降噪，提高泄漏模式匹配的識別率。同時，如圖3所示，增加泵機組狀態(tài)參數(shù)的實時采集，建立機組狀態(tài)模型，排除站內(nèi)操作如啟停泵、調(diào)閥、站內(nèi)導流等對泄漏模式識別的干擾，大大降低泄漏診斷識別的誤報警率。
[0068]針對長輸管道壓力波動比較平穩(wěn)的特點，首先利用閾值判斷法對實時壓力數(shù)據(jù)進行降噪處理，然后提取數(shù)據(jù)特征指標，最后采用邏輯推理算法實現(xiàn)壓力異常的捕捉。提取的特征指標主要為數(shù)據(jù)段內(nèi)的統(tǒng)計特征指標，包括:上升沿個數(shù)Ni!、下降沿個數(shù)Nd、首末點差值D等，該邏輯推理算法的流程如圖4所示。根據(jù)歷史數(shù)據(jù)進行統(tǒng)計，設置下降沿個數(shù)閾值Td,上升沿個數(shù)閾值Tu，首末差值閾值Tt，持續(xù)異常下降沿數(shù)Cu，持續(xù)異常首末差值Ct，連續(xù)異常次數(shù)Na，異常次數(shù)閾值Ta。從數(shù)據(jù)緩存區(qū)獲得實時的管道壓力數(shù)據(jù)，并通過二次閾值降噪對其進行預處理。分別計算該數(shù)據(jù)段的上升沿個數(shù)Nu、下降沿個數(shù)Nd、首末點差值D。若上一時刻壓力正常，則依次計算Nd>Td，Nu〈Tu，D>Tt是否成立。如果不成立說明壓力正常；否則Na = Na+Ι，再判斷Na>Ta，成立則可判定為壓力異常輸出報警，不成立則為正常。若上一時刻壓力異常，則依次判斷Nu>Cu，D>Ct是否成立。若成立，則對Na進行清零，管道壓力正常；否則判斷為持續(xù)異常。
[0069]采用上述圖3和圖4的技術(shù)方案，對管道故障識別進行分析如下:
[0070]一、管道泄漏識別實例分析
[0071]以某省境內(nèi)長輸原油管道為例，共有4個輸油站，依次為A站、B站、C站和D站。監(jiān)測系統(tǒng)同時對管道壓力和機組參數(shù)進行了采集。某日凌晨02:20左右，泄漏檢測系統(tǒng)先后捕捉到B站進站和A站出站壓力異常，管道壓力如圖5所示。上游出站壓力下降0.09MPa,下游進站壓力下降0.06MPa。
[0072]此時啟動機組狀態(tài)耦合分析功能，首先確定與該條管道相關(guān)的機組為:A站P204泵和B站P203泵，其中A站P204泵的過程參量如圖6所示；然后計算得到P204泵的機組參量波形譜為:S = {1.2277，1.2431，1.2524，1.2501，1.2889，1.400，1.3616，1.2924，1.1147，1.000，1.1431，2.05}，與五種標準狀態(tài)波形譜的對比如圖7所示。
[0073]最后，計算該待測機組波形譜S與標準波形譜的海明距離分別為:0.9525,
0.6114，0.7123，0.8034和0.7273，取其最大值可知此時A站P204泵機組為正常輸送狀態(tài)。
[0074]如圖8所示，為本實施例的B站P203泵機組的狀態(tài)參量圖。同樣的方法可得出該泵機組的機組參量波形譜為=S = {1.2164，1.2201，1.2427，1.2737，1.2376，1.2266，
1.6142，1.3197，1.2042，1.000，1.1803，1.7024}，與五種標準狀態(tài)波形譜的對比如圖9所
/Jn ο
[0075]計算出該待測機組(B站P203泵機組)波形譜S與標準波形譜的海明距離分別為:
0.9480，0.6132，0.7385，0.8248和0.7519，取其最大值可知此時B站P203泵機組也為正常輸送狀態(tài)。
[0076]由于與該條管道兩端壓力狀態(tài)量最為相關(guān)的上游站P204泵與下游站P203泵運行狀態(tài)均為正常輸送狀態(tài)，因此，檢漏系統(tǒng)耦合分析認為，此壓力異常不是由機組狀態(tài)改變所引起的，進而判定A站至B站管段發(fā)生了泄漏事件，系統(tǒng)發(fā)出了管道泄漏報警。
[0077]為了避免泄漏帶來的嚴重后果，調(diào)度人員確認報警后及時安排了全線停輸，并派出搶修隊趕赴事故管段進行搶修。經(jīng)搶修中心確認，A站至B站管段確實發(fā)生了人工打孔盜油事故。之后通過完整的壓力下降波形可以知道，本次盜油持續(xù)約20分鐘，按照盜油分子所用油罐車為5m3計算，估算出泄漏速率為15m3/h，當時管輸總量為1650m3/h，因此可以計算出本次檢測到的泄漏量約為0.9%。根據(jù)報警記錄可知，本次泄漏檢測報警的反應時間為I分50秒，滿足現(xiàn)場檢漏的時效性要求。
[0078]二、降量停泵引發(fā)的誤報警排除實例分析
[0079]泄漏檢測系統(tǒng)先后捕捉到C出站和D進站壓力異常，管道壓力如圖10所示。上游出站壓力下降0.35MPa，下游進站壓力下降0.3MPa左右。
[0080]此時啟動機組狀態(tài)耦合分析模塊，首先確定與該條管道相關(guān)的機組為:C站P204泵機組和D站P202泵機組，其中C站P204泵的過程參量如圖11所示；然后計算得到P204泵的機組參量波形譜為:S = {1.0065，1.006，1.0088，1.008，1.0177，1.0718，1.004，1.2269，
1.2192，1.4991，1.0569，1.3115}，與五種標準狀態(tài)波形譜的對比如圖12所示。
[0081]計算該待測機組(C站P204泵)波形譜S與標準波形譜的海明距離分別為:0.7369，0.6936，0.9692，0.8650和0.8737，取其最大值可知此時機組處于停泵操作過程中。
[0082]因此，系統(tǒng)耦合分析認為，此壓力異常由C站P204泵的停泵所引起，只發(fā)出壓力異常提示。經(jīng)現(xiàn)場調(diào)度中心確認，因當周輸油任務接近完成，執(zhí)行全線停泵減輸操作，停運了C站P204泵機組。因此，利用機組狀態(tài)耦合分析的方法成功排除了此次管道泄漏誤報警。
[0083]綜上所述，此次壓降是由輸油管線降量停泵操作引起的。從本次壓力異常檢測的結(jié)果可以看出，基于耦變工況的管道泄漏診斷能夠有效地檢測到管道壓力的異常，達到減少誤報警、提高管道泄漏診斷準確率的目的。同時，若進一步研究耦變規(guī)律，建立輸油泵機組故障的工況自組織優(yōu)選算法診斷模型，根據(jù)工況優(yōu)選輸油泵故障的診斷算法，能有效提高設備故障診斷識別率。
[0084]以上所述的【具體實施方式】，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發(fā)明的【具體實施方式】而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷方法，其特征在于，該方法包括: 管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集； 對所述管道壓力進行降噪處理； 對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理； 判斷所述異常管道壓力是否為負壓波； 對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
2.如權(quán)利要求1所述的方法，其特征在于，所述降噪處理的方法為二次閾值方法。
3.如權(quán)利要求1所述的方法，其特征在于，所述異常捕捉處理的方法為邏輯推理算法。
4.如權(quán)利要求3所述的方法，其特征在于，所述特征提取獲取的特征參數(shù)為壓力下降沿個數(shù)Nd、壓力上升沿個數(shù)Nu和首末點差值D。
5.如權(quán)利要求1所述的方法，其特征在于，所述判斷所述異常管道壓力是否為負壓波的步驟包括: 對所述異常管道壓力進行特征提取； 對異常管道壓力的特征值進行模式識別，來判斷所述異常管道壓力是否為負壓波。
6.如權(quán)利要求1所述的方法，其特征在于，所述對所述負壓波是否由泵機組操作引起的進行判斷的步驟包括: 建立泵機組標準狀態(tài)模型； 對泵機組參數(shù)進行特征提取，所述泵機組標準狀態(tài)模型對泵機組參數(shù)的特征值通過判斷，獲得所述泵機組是否處于穩(wěn)定模式。
7.一種基于泵機組狀態(tài)耦合分析的管道泄漏診斷裝置，其特征在于，該裝置包括: 采集單元，用于管道壓力和泵機組狀態(tài)參數(shù)同時進行實時采集； 降噪單元，用于對所述管道壓力進行降噪處理； 異常捕捉單元，用于對降噪處理后的管道壓力進行特征提取，根據(jù)提取的特征對降噪處理后的管道壓力進行異常捕捉處理； 負壓波判斷單元，用于判斷所述異常管道壓力是否為負壓波； 診斷單元，用于對所述負壓波是否由泵機組操作引起的進行判斷；其中，如果所述泵機組不處于穩(wěn)定模式，則所述負壓波由泵機組操作引起；如果所述泵機組處于穩(wěn)定模式，則確認管道泄漏。
【文檔編號】F17D5/02GK104329569SQ201410437655
【公開日】2015年2月4日 申請日期:2014年8月29日 優(yōu)先權(quán)日:2014年8月29日
【發(fā)明者】梁偉, 張來斌, 盧文青, 盧琳琳, 仇經(jīng)緯, 李威君 申請人:中國石油大學(北京)