信息融合在输油管道泄漏检测中的应用研究

信息融合在输油管道泄漏检测中的应用研究

刘鹏

国家管网集团东部原油储运有限公司邹城输油处，山东 邹城， 273500

摘要：自上世纪中叶以来，经过几十年的发展，管道泄漏检测技术在理论上得到了广泛的研究，一些成熟的方法已经应用到工程中。然而，随着管网规模的扩大，各种工况频繁发生，单一传感器或单一特征域的方法不能有效识别管道状态，容易导致误报和漏报。因此，通过各种手段和方法获取管道运行状态信息并进行信息融合，已成为管道泄漏识别领域的一个重要研究方向。

关键词：泄漏检测；证据理论；冲突度量；冲突预处理；

管道运输已经成为石油和天然气的主要运输方式。然而，由于环境和人为因素的影响，管道泄漏事故时有发生，造成环境污染、财产损失和人员伤亡。为了保证管道的安全运行，迫切需要及时准确地识别管道泄漏情况。现有的泄漏识别方法大多基于单传感器或单特征域信息，只能从某一方面反映信号特征，存在信息利用不足的问题。因此，研究基于信息融合的输油管道泄漏识别方法具有重要的理论价值和现实意义。

一、证据理论在管道泄漏识别中的研究现状

由于环境的影响、传感器测量误差和噪声的干扰，采集到的管道压力和流量信号具有不确定性，证据理论可以很好地处理这种不确定性。近年来，证据理论在管道泄漏识别中的应用越来越受到重视，大多是将神经网络和支持向量机结合起来进行基本概率分布，然后进行DS融合。针对油气管道泄漏预警和泄漏识别问题，提出了一种多传感器融合方法。该方法采用加权证据融合，分析融合过程中应遵循的规则，保证各特征源的信息能够将融合后的不确定信息最小化，增强系统的容错性，提高泄漏判断的准确性，大大提高误报和漏报的指标。为了减少各种复杂工况的干扰，提出了一种基于证据理论的成品油管道泄漏融合识别方法。该方法根据证据融合后的可信度分布得到最终的识别结果，比单一证据得到的识别结果更可靠，具有更好的峰值和可分性。能有效区分泄漏工况和带泵阀门调节等干扰工况，降低误报率。综合利用神经网络和证据理论进行管道故障检测，根据无线传感器网络采集的信号，利用神经网络实现概率分布，并进行DS融合诊断，得到比单个传感器更可靠的结果，显著提高泄漏诊断的准确性。

二、输油管道泄漏检测原理

负压波检测管道泄漏的原理是:当管道某处泄漏时，泄漏处会产生瞬态压降，形成压力波，以一定速度从泄漏点向两端传播；一段时间后，分别传输到上游和下游，上游和下游压力传感器捕捉特定的瞬态压降波形，可用于泄漏判断。不同工况下进出口压力和流量变化不同，在管道输送过程中，输送条件的变化，如开泵、停泵、调节流量阀等。也会影响管道头端参数的平衡状态，从而造成负压波的出现。由于无法区分负压波的发生是管道泄漏还是正常运行造成的，仅通过负压波的发生来判断是否发生泄漏会造成很大的误差。在管道泄漏检测中，除了压力，流量也是一个重要参数。国内很多原油管道都不是密闭输送，接油端直接接大罐，所以压力很低。由于大水箱的过滤作用，压力变化可能会淹没在噪音中。如果同时监测流量变化，可以及时发现泄漏，弥补压力灵敏度低的缺点。

三、多传感器信息融合原理

多传感器信息融合技术和人脑综合处理信息的过程一样，可以充分利用多传感器资源，按照一定的优化准则，将各种传感器在空间和时间上的互补和冗余信息结合起来，对观测环境产生一致的解释和描述。其主要目标是通过基于每个传感器的分离的观察信息优化信息来获得更多有用的信息。最终目标是利用多个传感器的共同或联合操作来提高整个系统的有效性。管道检测系统框图如图1所示。

图1管道检测系统框图

1. 标量卡尔曼滤波算法。20世纪60年代初，以卡尔曼为代表的专家提出了卡尔曼滤波的理论和方法。该算法不仅适用于平稳过程，也适用于非平稳随机过程，便于解决矢量信号波形的最优线性滤波问题。由于管道进出口压力是一维信号序列，即标量信号进行分析，因此采用标量信号的卡尔曼滤波理论。标量卡尔曼滤波算法是指卡尔曼滤波器在单个随机信号x(k)作用下的滤波估计方法。该系统利用该算法分别对每个随机压力信号进行滤波和估计，得到管道泄漏时每个压力信号的新息。所谓创新，是指从第k次测量z(k)中减去前一次(k-1)测量中包含的关于z(k)的旧信息x (k-1)而留下的新信息，不在旧信息中。根据管道上实时采集的压力信号序列的特点，建立以下模型:

式中:w(k)、v(k)为均值为0且方差分别为σ²_w、σ²_v的白噪声。这个模型的递归算法如下。

预测误差方差:p₁(k)=p(k－1)+σ²_w;

滤波器增益:b(k)=p₁(k)［p₁(k)+σ²_v］－1;

滤波误差方差:p(k)=p₁(k)－b(k)p₁(k)=b(k)×σ²_v;

滤波方程:x=x(k－1)+b(k)［x(k)－x(k－1)］;

新息:s(k)=z(k)－x(k－1);

滤波值和误差方差的初始值设为x(0)=E［s(k)］，p(0)=0。

管道正常输送时，首端压力值保持不变；管道泄漏时，压力曲线变化，创新突变。

2. 流量平衡法。流量平衡法是根据质量平衡原理(管道出入口之间的质量流量是否相同)来判断管道是否泄漏的方法。由于实际测量的流量与流体的温度、压力、密度和粘度等性质以及流体的状态有关，与管道中流体残留量的不确定性有关，因此平衡法对任何扰动或管道本身的动态变化都非常敏感，容易造成检测误差。因此，平衡法的研究主要是对实测流量信号进行处理，并对平衡方程进行修正。此外，这种方法只能用于管道故障报警，不能定位泄漏点。

3.加权平均算法。加权平均算法是一种简单直观的多传感器数据融合方法。该方法不需要知道传感器测量数据的任何先验知识，只需要基于传感器提供的测量数据自适应地寻找每个传感器对应的最优加权因子，从而获得均方误差最小的信息融合值。由于系统中不同的传感器有相应的权重，在“总均方误差最小”的最优条件下，根据每个传感器的测量值，可以自适应地找到相应的权重，使融合后的X达到最优值。设各个传感器的方差分别为σ²₁，σ² ₂，…，σ²_n;各传感器的测量值分别为X₁，X₂，…，X_n，彼此相互独立;各传感器的加权因子分别为W1，W2，…，Wn，则加权因子引入后，系统的传感器数据的融合值为 。依据多元函数求极值理论，当加权因子为:

以上分析是基于某一时刻每个传感器的观测值。当估计的真值x不变时，可以基于每个传感器的历史数据的平均值进行估计。

四、算法仿真与融合实现

1. 标量卡尔曼滤波器的仿真结果。利用Matlab对管道泄漏时实时采集的进出口压力数据进行估计，相应的新息值随采样时间变化的波形如图2所示。

图1管道出入口压力新息输出波形

从图2可以看出，管道在第20个采样时间发生泄漏，但由于泄漏量较小，压力创新变化不是很明显。

2.流量平衡法的模拟结果。对进出口流量差进行了Matlab仿真，在第20个采样时间，进出口流量差发生了剧烈变化，说明此时管道发生了泄漏。

3．加权融合平均算法的仿真结果。当压力变化不明显时，不可能用小泄漏来判断管道泄漏。因此，采用多传感器信息融合技术的加权平均方法对进出口压力和出口流量信息进行加权融合，输出波形。在第20个采样时刻，波形发生突变，说明此时管道泄漏，比图2中的压力波形有更明显的突变点。从仿真结果可以看出，多传感器的应用可以从不同方面反映管道状况，融合后可以获得明显的特征信号，从而有效去除其他环境因素的干扰。

总之，将多传感器信息融合技术应用于检测系统，弥补了传统传感器功能单一、检测精度低、使用寿命短、信息控制分散、每个传感器的检测数据不能充分反映事物真实信息等缺点，提高了系统的准确性。

参考文献：

［1］邓毅．浅谈信息融合在输油管道泄漏检测中的应用研究．2019．

［2］刘保华．输油管道泄漏检测与定位系统的设计与若干技术研究.2019.