一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法
【專利摘要】本發(fā)明公開一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，包括：1、選取燃氣管網(wǎng)各節(jié)點作為控制點；2、使用離線流體模擬軟件Pipeline Studio建立燃氣管網(wǎng)仿真模型；3、在燃氣管網(wǎng)仿真模型相鄰控制點之間的管段上分別設(shè)置m個等距離間隔的模擬泄漏點(m≥2)；4、根據(jù)燃氣管網(wǎng)供氣量選取n個等間隔的模擬泄漏量；5、將上述n個模擬泄漏量分別輸入m個模擬泄漏點，分別對每個工況進行穩(wěn)態(tài)模擬，獲取各工況下控制點壓力數(shù)據(jù)；6、制作燃氣管網(wǎng)泄漏工況特征圖像；7、提取圖像特征向量，作為SVM的檢測樣本；8、SVM多次分類識別。本方法能夠比較快速、準確地檢測定位泄漏源位置，為應(yīng)急處置提供依據(jù)。
【專利說明】
一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及燃氣管網(wǎng)安全檢測技術(shù)領(lǐng)域，具體涉及一種基于特征圖像的燃氣管網(wǎng) 泄漏檢測和定位方法。
【背景技術(shù)】
[0002] 隨著我國能源結(jié)構(gòu)調(diào)整進程的加快，城市燃氣管網(wǎng)的建設(shè)也在飛速發(fā)展。由于燃 氣的易燃易爆特性，作為燃氣輸送主要手段的管道的安全性顯得尤為重要。在各類安全生 產(chǎn)事故中，燃氣管道泄漏無疑對人們的生命財產(chǎn)安全構(gòu)成了巨大威脅，在竭力避免此類事 故發(fā)生的同時，也要求我們能夠盡早定位泄漏點并進行相關(guān)處置。
[0003] 目前，國內(nèi)外對燃氣管道的泄漏檢測及定位的研究大多是針對輸氣、輸油的長輸 管道，然而城市燃氣管網(wǎng)一方面與長輸管道一樣，具有長期使用性、埋地隱蔽性的特點；另 一方面由于城市燃氣管網(wǎng)在城市中成環(huán)狀網(wǎng)絡(luò)分布，形成網(wǎng)絡(luò)拓撲結(jié)構(gòu)和多管耦合結(jié)構(gòu)， 管網(wǎng)中還包括閥門井等附屬設(shè)施，其泄漏檢測定位的難度遠高于長輸管道。加之城市人口 及財產(chǎn)密度較大，以及野蠻施工、私挖亂建對燃氣管道造成外力破壞等問題，這使得城市燃 氣管網(wǎng)的泄漏安全隱患較長輸管道更為突出。因此，尋求一種適用于城市燃氣管網(wǎng)的高效、 準確的泄漏檢測定位方法是十分必要的。
[0004] 燃氣管網(wǎng)運行中用氣負荷復(fù)雜多變，管網(wǎng)運行參數(shù)相應(yīng)波動，其特征具有一定的 模糊性。
[0005] 支持向量機（Support Vector Machine，SVM)是Corinna Cortes和Vapnik等于 1995年首先提出的，它在解決小樣本、非線性及高維模式識別等機器學(xué)習(xí)問題中表現(xiàn)出許 多特有的優(yōu)勢。在機器學(xué)習(xí)中，支持向量機是與相關(guān)的學(xué)習(xí)算法有關(guān)的監(jiān)督學(xué)習(xí)模型，可以 分析數(shù)據(jù)，識別模式，用于分類和回歸分析。
[0006] SCADA(Supervisory Control and Data Acquisition)系統(tǒng)，即數(shù)據(jù)米集與監(jiān)視 控制系統(tǒng)日趨完善，它可以對現(xiàn)場的運行設(shè)備進行監(jiān)視和控制，以實現(xiàn)數(shù)據(jù)采集、設(shè)備控 制、測量、參數(shù)調(diào)節(jié)以及各類信號報警等各項功能。
[0007] GIS(Geographic Information System)，即地理信息系統(tǒng)，結(jié)合地理學(xué)與地圖學(xué) 以及遙感和計算機科學(xué)，已經(jīng)廣泛的應(yīng)用在不同的領(lǐng)域，是用于輸入、存儲、查詢、分析和顯 示地理數(shù)據(jù)的計算機系統(tǒng)。
[0008] 燃氣管網(wǎng)仿真技術(shù)的不斷進步，各類水力計算軟件不斷更新，為模式識別在燃氣 管網(wǎng)泄漏檢測定位中的應(yīng)用提供了技術(shù)條件。
[0009] 本發(fā)明的目的在于提供一種適用于復(fù)雜城市燃氣管網(wǎng)的泄漏源的較低成本的檢 測及定位方法，該方法充分利用現(xiàn)有軟硬件設(shè)施，無需對埋地管道進行開挖，可較為快速、 準確地檢測定位泄漏源位置，為應(yīng)急處置提供依據(jù)，從而減少因燃氣泄漏以及查找泄漏源 造成的財產(chǎn)損失，降低安全風險。

【發(fā)明內(nèi)容】

[0010] 有鑒于此，本發(fā)明提出一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，無需 對埋地管道進行開挖，可較為快速、準確地檢測定位泄漏源位置，為應(yīng)急處置提供依據(jù)，從 而減少因燃氣泄漏以及查找泄漏源造成的財產(chǎn)損失，降低安全風險。
[0011] 為實現(xiàn)該技術(shù)目的，本發(fā)明的技術(shù)方案如下：
[0012] 本發(fā)明實現(xiàn)的一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，該方法包括：
[0013] 步驟一:選取燃氣管網(wǎng)各節(jié)點作為控制點，結(jié)合SCADA系統(tǒng)的壓力遙測信息，采用 多元回歸的方法擬合出各控制點宏觀模型的數(shù)學(xué)表達式，從而獲取各控制點在時間序列上 所對應(yīng)的運行壓力另外若客觀條件允許，可在各控制點處直接安裝壓力變送器，實時 獲取控制點運行壓力；
[0014] 步驟二:結(jié)合燃氣管網(wǎng)地理信息，包括路由、管長、管徑、壁厚等，使用離線流體模 擬軟件Pipeline Studio建立燃氣管網(wǎng)仿真模型；
[0015] 步驟三:在燃氣管網(wǎng)仿真模型相鄰控制點之間的管段上分別設(shè)置m個等距離間隔 的模擬泄漏點(m2 2)，模擬泄漏點設(shè)置數(shù)量將影響定位精度，設(shè)置越多則定位越精確；
[0016] 步驟四：根據(jù)燃氣管網(wǎng)供氣量選取η個等間隔的模擬泄漏量(如各模擬泄漏量之間 相差總供氣量的5% )，泄漏量間隔選取越密集則使用該方法可檢測的泄漏工況越廣泛；
[0017] 步驟五:將上述η個模擬泄漏量分別輸入m個模擬泄漏點，得到kXmXn個泄漏工況 (其中k為燃氣管網(wǎng)所含管段數(shù)），輸入邊界條件，分別對每個工況進行穩(wěn)態(tài)模擬，獲取各工 況下控制點壓力數(shù)據(jù)；
[0018] 步驟六:根據(jù)各工況下控制點壓力數(shù)據(jù)制作燃氣管網(wǎng)泄漏工況特征圖像，并分別 提取圖像特征向量，作為支持向量機(SVM)的訓(xùn)練樣本；
[0019] 步驟七:根據(jù)待檢測實際運行工況各控制點壓力制作燃氣管網(wǎng)工況特征圖像，并 提取圖像特征向量，作為SVM的檢測樣本；
[0020] 步驟八:根據(jù)泄漏量、泄漏點位置等，將訓(xùn)練樣本所包含的泄漏工況分類，并為其 對應(yīng)的特征向量賦予相應(yīng)的分類標簽，利用SVM，選取徑向基核函數(shù)（Radial Basis Function，RBF)，通過粒子群優(yōu)化算法(Particle Swarm Optimization，PS0)或遺傳算法 (Genetic Algorithm，GA)對檢測樣本進行尋優(yōu)分類，從而實現(xiàn)燃氣管網(wǎng)泄漏點定位?；?特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法流程圖如圖1所示。
[0021 ]所述步驟一中的結(jié)合SCADA系統(tǒng)的壓力遙測信息，各控制點在時間序列上所對應(yīng) 的運行壓力/f 4是采用以下多項式，利用多元回歸的方法進行擬合的：
[0025]式中#+1)--當i = l，2,…，mi時，為第(k+Ι)時刻第i個儲配站的供氣壓力或儲氣 壓力，當i =mi+l，mi+2，· · ·，mi+m2時，為第(k+1)時刻第i個門站的計算供氣壓力，當i =mi+m2+ 1，mi+m2+2，…，mi+m2+m3時，為第(k+1)時刻第i個控制點的計算壓力；
[0026] q(k+1)一一第(k+Ι)時刻預(yù)計總用氣量；
[0027] --當j = l，2，···，mi時，為第(k+1)時刻第j個儲配站的出氣或進氣量，當j = nu+1，mi+2，…，mi+m2時，為第(k+1)時刻第j個門站的供氣量；
[0028] Ai〇,Aii ,Bij ,Cii--回歸系數(shù)，通過多兀線性回歸或逐步回歸確定；
[0029] P"一一第k時刻，各門站、儲配站及控制點的遙測壓力；
[0030] α--流量的冪數(shù)，取1~2。
[0031] 所述步驟七中的燃氣管網(wǎng)工況特征圖像的繪制方法如下：
[0032] 1)結(jié)合燃氣管網(wǎng)地理信息所包含的管段走向及長度信息繪制燃氣管網(wǎng)拓撲結(jié)構(gòu)；
[0033] 2)將各管段上的壓力變化簡化為線性，已知長度為1的管段兩端編號分別為i和i+ 1的控制點在第(k+1)時刻壓力分別為if 4、/^+u，則該管段上距離控制點i距離為X的一 點壓力計算公式為：
[0035] 3)在各管段上每隔一定的壓力差標記一個等壓點，連接各管段上的等壓點點，從 而得到"等壓線圖"；
[0036] 4)將"等壓線"與各管段圍成的閉合區(qū)域按照一定的規(guī)律著色，獲得燃氣管網(wǎng)工況 特征圖像。
[0037] 圖2所示為根據(jù)研究中所使用的實驗管網(wǎng)繪制的在某正常運行工況下的特征圖 像。
[0038] 所述步驟六中的對燃氣管網(wǎng)泄露工況特征圖像進行特征向量提取是基于圖像的 紋理特征，本發(fā)明選擇紋理特征中的以下四個統(tǒng)計特征進行特征向量提?。?br>[0039] (1)均值:紋理平均亮度的度量。
[0041 ] (2)角二階距:也叫能量，是圖像灰度分布均勻性的度量。
[0043] (3)標準方差:文理平均對比度的度量。
[0045] (4)熵：隨機性的度量。熵越大表明隨機性越大，信息量也就越大；反之確定性越 大。
[0047]式中：
[0048] L一一灰度等級總數(shù)；
[0049] Zl-一第i個灰度級；
[0050] p(Zi)一一歸一化直方圖灰度級分布中灰度為Zi的概率。 [0051 ]基于Matlab的管網(wǎng)特征圖像特征向量提取程序如下：
[0052]


[0055]所述步驟八是利用支持向量機SVM分類識別功能對燃氣管網(wǎng)工況特征圖像進行分 類識別，實現(xiàn)燃氣泄漏檢測和定位。
[0056] 有益效果：
[0057] 1、充分利用現(xiàn)有軟硬件設(shè)施，能夠快速、準確地檢測定位泄漏源位置，為應(yīng)急處置 提供依據(jù)。
[0058] 2、有效降低燃氣泄漏以及查找泄漏源造成的財產(chǎn)損失，降低安全風險。
[0059] 3、與現(xiàn)有技術(shù)相比，本方法無需對燃氣管網(wǎng)現(xiàn)有硬件設(shè)施進行改造，或只需在控 制點處增加壓力變送器，其成本較低;不受城市燃氣管網(wǎng)拓撲結(jié)構(gòu)復(fù)雜及其附屬設(shè)施的影 響，且以圖像特征作為分類特征，具有一定的模糊性，其適應(yīng)性較強；同時，本方法也可用于 供水、輸油等管網(wǎng)。
【附圖說明】
[0060] 圖1是本發(fā)明的基于特征圖像的燃氣管網(wǎng)泄露檢測和定位方法流程示意圖。
[0061] 圖2是根據(jù)研究中所使用的實驗管網(wǎng)繪制的在某正常運行工況下的特征圖像。
[0062] 圖3是天津城建大學(xué)燃氣管網(wǎng)實驗平臺。
[0063]圖4是根據(jù)天津城建大學(xué)燃氣管網(wǎng)實驗平臺，利用離線流體模擬軟件Pipeline Studio建立燃氣管網(wǎng)仿真模型。
[0064]圖5是由表1數(shù)據(jù)繪制各工況下模擬控制點壓力以及實測控制點壓力散點圖:a)工 況l;b)工況2;c)工況3。
[0065]圖6是改造后的管網(wǎng)模型及泄漏點編號。
[0066]圖7是6號泄漏點位于其所在管段中點，泄漏量為5m3/h工況下的特征圖像。
【具體實施方式】
[0067]下面結(jié)合各附圖和具體實施例對本發(fā)明做進一步詳細說明。
[0068] 實施例
[0069] -種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，該方法包括：
[0070] 步驟一:選取燃氣管網(wǎng)各節(jié)點作為控制點，結(jié)合SCADA系統(tǒng)的壓力遙測信息，采用 多元回歸的方法擬合出各控制點宏觀模型的數(shù)學(xué)表達式，從而獲取各控制點在時間序列上 所對應(yīng)的運行壓力if 另外若客觀條件允許，可在各控制點處直接安裝壓力變送器，實時 獲取控制點運行壓力；
[0071] 步驟二:結(jié)合燃氣管網(wǎng)地理信息，包括路由、管長、管徑、壁厚等，使用離線流體模 擬軟件Pipeline Studio建立燃氣管網(wǎng)仿真模型；
[0072]步驟三:在燃氣管網(wǎng)仿真模型相鄰控制點之間的管段上分別設(shè)置m個等距離間隔 的模擬泄漏點(m2 2)，模擬泄漏點設(shè)置數(shù)量將影響定位精度，設(shè)置越多則定位越精確；
[0073] 步驟四：根據(jù)燃氣管網(wǎng)供氣量選取η個等間隔的模擬泄漏量(如各模擬泄漏量之間 相差總供氣量的5% )，泄漏量間隔選取越密集則使用該方法可檢測的泄漏工況越廣泛；
[0074] 步驟五:將上述η個模擬泄漏量分別輸入m個模擬泄漏點，得到k Xm X η個泄漏工況 (其中k為燃氣管網(wǎng)所含管段數(shù)），輸入邊界條件，分別對每個工況進行穩(wěn)態(tài)模擬，獲取各工 況下控制點壓力數(shù)據(jù)；
[0075] 步驟六:根據(jù)各工況下控制點壓力數(shù)據(jù)制作燃氣管網(wǎng)泄漏工況特征圖像，并分別 提取圖像特征向量，作為支持向量機(SVM)的訓(xùn)練樣本；
[0076] 步驟七:根據(jù)待檢測實際運行工況各控制點壓力制作燃氣管網(wǎng)工況特征圖像，并 提取圖像特征向量，作為SVM的檢測樣本；
[0077] 步驟八:根據(jù)泄漏量、泄漏點位置等，將訓(xùn)練樣本所包含的泄漏工況分類，并為其 對應(yīng)的特征向量賦予相應(yīng)的分類標簽，利用SVM，選取徑向基核函數(shù)（Radial Basis Function，RBF)，通過粒子群優(yōu)化算法(Particle Swarm Optimization，PS0)或遺傳算法 (Genetic Algorithm，GA)對檢測樣本進行尋優(yōu)分類，從而實現(xiàn)燃氣管網(wǎng)泄漏點定位。
[0078] 本方法基于圖像的紋理特征對燃氣管網(wǎng)工況特征圖像進行特征向量提取，本發(fā)明 選擇紋理特征中的以下四個統(tǒng)計特征進行特征向量提?。?br>[0079] (1)均值:紋理平均亮度的度量。
[0081 ] (2)角二階距:也叫能量，是圖像灰度分布均勻性的度量。
[0083] (3)標準方差:文理平均對比度的度量。
[0085] (4)熵：隨機性的度量。熵越大表明隨機性越大，信息量也就越大；反之確定性越 大。
[0087]式中：
[0088] L一一灰度等級總數(shù)；
[0089] Zl-一第i個灰度級；
[0090] p(zi)一一歸一化直方圖灰度級分布中灰度為Zi的概率。
[0091 ]基于Matlab的管網(wǎng)特征圖像特征向量提取程序如下：

[0094]
[0095] 本實施例基于天津城建大學(xué)燃氣管網(wǎng)實驗平臺，旨在用于解釋本發(fā)明，而不能理 解為對本發(fā)明的限制。
[0096] 天津城建大學(xué)燃氣管網(wǎng)實驗平臺如圖3所示，其控制點處均有壓力變送器測點，可 將控制點壓力信號以及進氣點和各負荷點的流量數(shù)據(jù)處理系統(tǒng)中（模擬SCADA系統(tǒng)），實現(xiàn) 對模擬管網(wǎng)運行的實時監(jiān)控與數(shù)據(jù)采集。
[0097]根據(jù)天津城建大學(xué)燃氣管網(wǎng)實驗平臺，利用離線流體模擬軟件Pipeline Studio 建立燃氣管網(wǎng)仿真模型如圖4。
[0098]設(shè)置氣源點壓力為300Kpa，分別調(diào)節(jié)實驗管網(wǎng)和管網(wǎng)模型中負荷點的流 量，選取表1中所示3種工況，并將各工況下管網(wǎng)中16個控制點的模擬控制點壓力與實測控 制點壓力記入表1。
[0099]表1控制點壓力數(shù)據(jù)記錄表(壓力單位:KPa)
[0100]

[0102]
[0103] 由表1數(shù)據(jù)，分別繪制各工況下模擬控制點壓力以及實測控制點壓力散點圖，如圖 5所示。
[0104] 通過上圖對三種工況下模擬控制點壓力與實測控制點壓力的對比可以發(fā)現(xiàn)二者 節(jié)點壓力散點圖十分接近，因此可以認為該計算機管網(wǎng)模型基本可以準確反映實驗管網(wǎng)水 力工況。
[0105] 對已通過實驗驗證的計算機燃氣管網(wǎng)模型進行如下改造：（1)在進氣點以外的每 個節(jié)點處設(shè)置一個負荷點（主要指門站、儲氣站、枝狀分支以及直接連接中壓管網(wǎng)的工業(yè)用 戶），用以模擬正常用氣負荷。為簡化研究，將所節(jié)點流量全部設(shè)置為15m3/h; (2)在管網(wǎng)模 型各控制點之間的管段上設(shè)置一個負荷點，用以模擬泄漏點。由于管網(wǎng)拓撲結(jié)構(gòu)為以進氣 點所在對角線為對稱軸的軸對稱圖形，且用氣負荷均勻分布，因此只需對一半管網(wǎng)設(shè)置泄 漏點進行研究。改造后的管網(wǎng)模型及泄漏點編號如圖6所示。
[0106] 將12個泄漏點位置設(shè)置在所在各管段中點，泄漏量分別設(shè)置為2.5、5、10m3/h(泄 漏量約占管網(wǎng)總流量的1%_4%)，得到36種泄漏工況。對各工況進行穩(wěn)態(tài)模擬，獲取各控制 點壓力。
，繪制36中工況所分別對應(yīng)的燃氣管網(wǎng)工況特 征圖。如圖7所示為6號泄漏點位于其所在管段中點，泄漏量為5m3/h工況下的特征圖像。
[0107] 分別對36張?zhí)卣鲌D像提取特征向量，將泄漏量為2.5m3/h的12個工況所對應(yīng)的特 征向量賦予分類標簽1，將泄漏量為5m 3/h的12個工況所對應(yīng)的特征向量賦予分類標簽2,將 泄漏量為l〇m3/h的12個工況所對應(yīng)的特征向量賦予分類標簽3,得到SVM訓(xùn)練樣本。
[0108] 將12個泄漏點位置設(shè)置在距離所在各管段中點6m處(全部選擇遠離氣源點的方 向），泄漏量分別設(shè)置為5m3/h，得到12種泄漏工況作為待檢測工況。對各工況進行穩(wěn)態(tài)模 擬，獲取各控制點壓力，并分別繪制對應(yīng)的燃氣管網(wǎng)工況特征圖。
[0109] 分別對12張?zhí)卣鲌D像提取特征向量，已知其泄漏量為5m3/h，則其分類標簽為2,由 此獲得SVM檢測樣本。
[0110] 利用SVM，選取徑向基核函數(shù)(Radial Basis Function，RBF)，通過粒子群優(yōu)化算 法(Particle Swarm Optimization，PS0)對檢測樣本進行分類預(yù)測。在參數(shù)C = 3·916,g = 3.701的情況下，分類準確率為94.44%。由此確定待檢測泄漏工況泄漏量為5m3/h。
[0111]將12個泄漏點位置分別設(shè)置在所在各管段中點以及中點兩側(cè)距離中點12m處。由 第一次分類識別已知泄漏量為5m3/h，由此得到泄漏量為5m3/h而泄漏位置不同的36種泄漏 工況。對各工況進行穩(wěn)態(tài)模擬，獲取各控制點壓力，并繪制36中工況所分別對應(yīng)的燃氣管網(wǎng) 工況特征圖。
[0112]分別對36張?zhí)卣鲌D像提取特征向量，根據(jù)每種工況的泄漏點編號分別賦予36組特 征向量1-12的分類標簽(例如，泄漏點編號為1的工況則賦予分類標簽1)，得到SVM訓(xùn)練樣 本。
[0113]檢測樣本依然由第一次分類的12個特征向量構(gòu)成，其分類標簽賦值方式與上述訓(xùn) 練樣本相同。
[0114] 利用SVM，選取徑向基核函數(shù)(Radial Basis Function，RBF)，通過粒子群優(yōu)化算 法(Particle Swarm Optimization，PS0)對檢測樣本進行分類預(yù)測。在參數(shù)C = 96·0679，g = 36.9597的情況下，分類準確率為100%。由此確定待檢測泄漏工況泄漏點所在管段。
[0115]由此可得出結(jié)論，通過以上兩次SVM分類識別，檢測出了泄漏量，并成功將泄漏點 定位在了泄漏發(fā)生的管段，其綜合準確率為94.44%。如需進一步精確泄漏點所在位置，只 需在各管段上增加模擬泄漏點的個數(shù)，重復(fù)上述步驟。
【主權(quán)項】
1. 一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，其特征在于，該方法包括： 步驟(一）：選取燃氣管網(wǎng)各節(jié)點作為控制點，結(jié)合SCADA系統(tǒng)的壓力遙測信息，采用多 元回歸的方法擬合出各控制點宏觀模型的數(shù)學(xué)表達式，從而獲取各控制點在時間序列上所 對應(yīng)的運行壓力另外若客觀條件允許，可在各控制點處直接安裝壓力變送器，實時 獲取控制點運行壓力； 步驟(二）：結(jié)合燃氣管網(wǎng)地理信息，包括路由、管長、管徑、壁厚等，使用離線流體模擬 軟件Pipeline Studio建立燃氣管網(wǎng)仿真模型； 步驟(三）：在燃氣管網(wǎng)仿真模型相鄰控制點之間的管段上分別設(shè)置m個等距離間隔的 模擬泄漏點(m2 2)，模擬泄漏點設(shè)置數(shù)量將影響定位精度，設(shè)置越多則定位越精確； 步驟（四）：根據(jù)燃氣管網(wǎng)供氣量選取η個等間隔的模擬泄漏量(如各模擬泄漏量之間相 差總供氣量的5% )，泄漏量間隔選取越密集則使用該方法可檢測的泄漏工況越廣泛； 步驟（五）：將上述η個模擬泄漏量分別輸入m個模擬泄漏點，得到kXmXn個泄漏工況 (其中k為燃氣管網(wǎng)所含管段數(shù)），輸入邊界條件，分別對每個工況進行穩(wěn)態(tài)模擬，獲取各工 況下控制點壓力數(shù)據(jù)； 步驟(六）：根據(jù)各工況下控制點壓力數(shù)據(jù)制作燃氣管網(wǎng)泄漏工況特征圖像，并分別提 取圖像特征向量，作為支持向量機(SVM)的訓(xùn)練樣本； 步驟(七）：根據(jù)待檢測實際運行工況各控制點壓力制作燃氣管網(wǎng)工況特征圖像，并提 取圖像特征向量，作為SVM的檢測樣本； 步驟(八）：根據(jù)泄漏量、泄漏點位置等，將訓(xùn)練樣本所包含的泄漏工況分類，并為其對 應(yīng)的特征向量賦予相應(yīng)的分類標簽，利用SVM，選取徑向基核函數(shù)（Rad ia 1 Bas i s Function，RBF)，通過粒子群優(yōu)化算法(Particle Swarm Optimization，PS0)或遺傳算法 (Genetic Algorithm，GA)對檢測樣本進行尋優(yōu)分類，從而實現(xiàn)燃氣管網(wǎng)泄漏點定位。2. 如權(quán)利要求1所述的一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，其特征在 于，所述步驟(一）中的結(jié)合SCADA系統(tǒng)的壓力遙測信息，各控制點在時間序列上所對應(yīng)的運 行壓力是采用以下多項式，利用多元回歸的方法進行擬合的：p(k)=A · Q(k+1)+C · p(k) 式中Pi(k+1)--當1 = 1，2，-_，1111時，為第(1^1)時刻第1個儲配站的供氣壓力或儲氣壓 力，當i =mi+l，mi+2，…，mi+m2時，為第(k+1)時刻第i個門站的計算供氣壓力，當i =mi+m2+l， mi+m2+2，…，mi+m2+m3時，為第(k+1)時刻第i個控制點的計算壓力； q(k+1)一一第(k+Ι)時刻預(yù)計總用氣量； ^(/+1)--當j = l，2，···，mi時，為第(k+Ι)時刻第j個儲配站的出氣或進氣量，當j=mi+l， nu+2，…，mi+m2時，為第(k+1)時刻第j個門站的供氣量； Ai〇,Aii,Bij,Cii--回歸系數(shù)，通過多兀線性回歸或逐步回歸確定； Pi(k)-一第k時刻，各門站、儲配站及控制點的遙測壓力； α 流量的舉數(shù)，取1~2。3. 如權(quán)利要求1所述的一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，其特征在 于，所述步驟(七)中的燃氣管網(wǎng)工況特征圖像的繪制方法如下： 1) 結(jié)合燃氣管網(wǎng)地理信息所包含的管段走向及長度信息繪制燃氣管網(wǎng)拓撲結(jié)構(gòu)； 2) 將各管段上的壓力變化簡化為線性，已知長度為1的管段兩端編號分別為i和i+Ι的 控制點在第(k+Ι)時刻壓力分別為，則該管段上距離控制點i距離為X的一點壓 力計算公式為：3) 在各管段上每隔一定的壓力差標記一個等壓點，連接各管段上的等壓點點，從而得 至Γ等壓線圖"； 4) 將"等壓線"與各管段圍成的閉合區(qū)域按照一定的規(guī)律著色，獲得燃氣管網(wǎng)工況特征 圖像。4. 如權(quán)利要求1所述的一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，其特征在 于，所述步驟(六）中的對燃氣管網(wǎng)泄露工況特征圖像進行特征向量提取是基于圖像紋理特 征;本方法選擇紋理特征中的以下四個統(tǒng)計特征進行特征向量提?。?(1) 均值:紋理平均亮度的度量。1=0 (2) 角二階距:也叫能量，是圖像灰度分布均勻性的度量。(3) 標準方差:文理平均對比度的度量。(4) 熵:隨機性的度量。熵越大表明隨機性越大，信息量也就越大;反之確定性越大。 式中：L一一灰度等級總數(shù)； Zl一一第i個灰度級； P(Zi)--歸一化直方圖灰度級分布中灰度為Zi的概率。5. 如權(quán)利要求1所述的一種基于特征圖像的燃氣管網(wǎng)泄漏檢測和定位方法，其特征在 于，所述步驟(八)是利用支持向量機SVM分類識別功能對燃氣管網(wǎng)工況特征圖像進行分類 識別，從而實現(xiàn)燃氣泄漏檢測和定位。
【文檔編號】G06K9/46GK105868444SQ201610171812
【公開日】2016年8月17日
【申請日】2016年3月23日
【發(fā)明人】玉建軍, 靳新迪, 李宏陽
【申請人】天津城建大學(xué)