|
|
|
<P align=center> 毕锋东1，李树杰1，陈久会2，马 骥3</P>
<P> (1.新疆新捷股份有限公司,乌鲁木齐 830000；2.北京昊科航科技有限责任公司，北京100039)</P>
<P> <STRONG> 摘 要</STRONG> 根据克-乌线的情况，采用《HKH系列管道泄漏监测报警定位系统》，设计了合适的专用模糊神经网络，给出了专用网络图和部分算法。说明了调试方法，对测试数据进行了分析，根据试验效果对该系统在克-乌成品油管道上的适用性做出了结论，提出了存在问题和改进建议。</P>
<P><STRONG> 关键词 人工智能；模糊神经网络；泄漏监测；应用研究</STRONG></P>
<P> 中图分类号：文献标识码：文章编号</P>
<P> Application on Artificial Intelligent System for Leck Monitoring Using in Finished Oil Pipeline from Karamay to Urumchi Bi Fengdong Li Shujie Chen Jiuhui Ma Ji</P>
<P> (1.Xinjiang Xin Jie Co.,Ltd, Wulumuqi830000 ,China;2．Beijing Haokehang Science&Technology Co.,Ltd,Beijing100039,China 3. College of Information Engineering, Shenyang University, Shenyang 110043, China) </P>
<P> Abstract: According to the using of pipeline, designed a suitable and special fuzzy nerve network with HKH pipeline monitoring system for leck detection and assessed the special net picture and part of arithmetic. We amplify the method of test and research the data, then draw the conclusion of system application in the finished oil pipeline from Karamay to Urumchi, according to experimental effect and give the problem in exite and advise for improvement. </P>
<P><STRONG> Key words:</STRONG> artificial intelligent; pipeline; leaking monitoring; application research.</P>
<P><STRONG> 1 引言</STRONG></P>
<P> 人工智能作为现代设计方法学○1的一个重要组成部分，已经在我国管道泄漏监测中有了成功应用案例○2。为了解决克—乌成品油管道泄漏监测的技术难题，弥补国外技术的不足，根据克-乌线的情况，采用《HKH系列管道泄漏监测报警定位系统》，研究合适的专用模糊神经网络，确定该网络在克－乌成品油管道上的适用性。</P>
<P><STRONG> 2人工智能型的管道泄漏监测模型</STRONG></P>
<P> 2.1克－乌成品油管道泄漏监测的神经网络模型</P>
<P> 克－乌成品油管道是长距离多品种油密闭顺序输送管道，两个进油站，一个出油站，中间又有四个串联泵站，每个泵站又都有变频泵和工频泵，串联泵站没有流量计，管道内混油头数量不定，管道输送压力变化较大，情况复杂。为了在这种环境中能正确识别出管道泄漏信号，经反复研究，我们设计了专门的网络。为了给网络提供尽可能多的信息，我们在没有流量计的站增加了差压变送器，用以代替流量计信号。这样，每个站就有了三种进入网络的原始信号。</P>
<P> A B C D E F G H</P>
<P> 这个网络图共分了八层。</P>
<P> A层：是输入层，其中：</P>
<P> 是人工设定的阈值，是与检测量性质和量程相关的一个数值。</P>
<P> 是输入量，对于中间的一个站来讲，他们分别代表进站压力、差压和出站压力。</P>
<P> B层是模糊层：在此完成检测量的模糊化， 是上层的输出、下层的输入。</P>
<P> (1.1)</P>
<P> 其中： ——是与检测量性质和量程相关的一个系数，</P>
<P> 是与采集数相关的一个量。</P>
<P> C层：是阈值配置层，在此完成信息分类前的阈值配置。</P>
<P> 是人工设置的阈值，对任何输入 ，该值对应的每一个下级单元都是不同的。</P>
<P> (1.2)</P>
<P> 在这里， 1，2，3； 1，2，3……12。</P>
<P> 是信号分配器，对于任何输入 ， 所对应的每一个下级单元都是不同的。</P>
<P> (1.3)</P>
<P> 是与 相关的阈值。</P>
<P> D层是分类层：在这里，管道运行状态被分成了12个特征点：</P>
<P> 保存了上次计算的结果，</P>
<P> (1.4)</P>
<P> E层是历史经验层：</P>
<P> 是提取的历史经验，是根据F层的数据变化经一定的运算以后不断更新的，当F层数据进来时，该层要对更新要求进行识别，进行合理处理后作为新的历史经验被保存下来；</P>
<P> (1.5)</P>
<P> F层是函数运算层：</P>
<P> 包括二方面的内容，一个是根据以前的经验和当前进来的信息进行综合运算，给出一个输出数据，送到下一级，再一个是给出一个历史经验的新数据，送到E层；</P>
<P> (1.6)</P>
<P> G层是合成层：</P>
<P> 根据前级数据合成的一个新数值，送到下一级；</P>
<P> (1.7)</P>
<P> H层是输出层：</P>
<P> 接受前面的三个数据，在此进运算后输出，给出一个唯一的结论。</P>
<P> (1.8)</P>
<P> 2.2专用模糊神经网络的定位技术</P>
<P> 动态管道泄漏监测要解决的问题其实只有两个，一个是正确的识别出泄漏，一个是定位。识别泄漏是关键的技术，在此基础上的才是定位。</P>
<P> 采用专用模糊神经网络监测能够正确识别管道泄漏，这第一个问题就解决了。接下来的就是定位的问题了。</P>
<P> 为了解决克乌线微小信号下定位误差大的问题，我们选择了水击波速度法。根据监测点内管道长度、上下游监测点接收到水击波信号的时间差和管道内水击波的传播速度就可以计算出泄漏点的位置。该法的定位公式如下：</P>
<P> (1.9)</P>
<P> 式中：</P>
<P> —— 泄漏点的位置</P>
<P> ——被监测的管道的长度</P>
<P> ——波在管道中传播的速度</P>
<P> ——首末两站点收到波的时间差</P>
<P> (1.10)</P>
<P> 式中：</P>
<P> ——流体密度；</P>
<P> K ——液体的体积弹性系数；</P>
<P> E ——管材弹性系数；</P>
<P> D ——管道的平均直径</P>
<P> δ——管壁厚度；</P>
<P> Ψ——系数，对于埋地管道，Ψ＝1－μ²；</P>
<P> μ——泊松系数，钢管的μ=0.3；</P>
<P> 从上面的公式可以看出，一般情况下， 和 的变化可以忽略不计，定位误差大小仅与 有关，所以采用水击波速度计算泄漏位置的关键问题是找到事件发生的确切时刻 。由于专用模糊神经网络能准确的找到事件的发生时刻，从而为准确的计算 提供了依据，也解决了小信号所需定位时间太长的问题。</P>
<P><STRONG> 3 专用模糊神经网络的调试</STRONG></P>
<P> 专用人工智能网络的调试是在系统软硬件安装后在现场进行的。首先根据运行参数进行初调试，再进行实地放油试验。放油过程中不进行调试操作，放油后再根据放油结果调整系统学习模型，这是一个不断循环的过程。直至达到调试目标。</P>
<P> 调试放油方法：放油前1个小时至最后一次放油结束期间内各站不要进行较大的人工操作，包括启停泵，切换混油以及变频设备的调整等；系统各单元正常运行30分钟以上；每两次放油的最短时间间隔不能少于20分钟（以前一次关阀时间至下一次开阀时间计算）；现场放油操作要求准确、快捷，并进行精确放油计量；最小泄放量不小于瞬时量的0.5%；开关阀门放油要连续操作，不反复开关阀门调节流量；每次放油持续时间不少于2.5分钟。</P>
<P><STRONG> 4 系统测试结果</STRONG></P>
<P> 在正常输油和系统稳定运行的条件下，选择不易报警的下游段管道作为测试段，采用现场放油的方法对《HKH系列管道泄漏监测报警定位系统》的性能和特点进行实际检验。在全过程系统处于全自动无人干预的状态。</P>
<P> 4.1输单品种油时测试数据</P>
<P> 表一 2004年10月25日距703站135km处放油现场测试数据表</P>
<P> 序号 时：分 输油量m3/h 放油量m3/h 放油速度% 报警情况 位置误差km</P>
<P> 1 12:48 309.1 2.1 0.679 134.69 -0.31</P>
<P> 2 13:00 301.2 1.7 0.564 130.76 -4.24</P>
<P> 3 13:31 301.2 2.0 0.664 135.9 0.9</P>
<P> 4 14:00 300.1 1.5 0.500 134.86 -0.14</P>
<P> 表一中的数据均来自现场纪录，测试时输送的油品是柴油，管道中没有混油头。每次放油报警相应时间均小于3分钟。</P>
<P> 4.2. 管道中有混油头时现场放油测试数据</P>
<P> 2005年9月25日，在管道中有汽顶柴混油头的情况下，再一次进行了测试。</P>
<P> 表二 管道中有混油头时现场放油测试数据表</P>
<P> 放油地点 放油时间2005年9月25日 输油量m3/h 放油速度m3/h （放油量/输油量）×100% 报警位置距克首站km 响应时间min</P>
<P> 自动记录 现场测量 自动记录 现场测量 </P>
<P> 10号阀池 11:35-11:40 278 0.692 1.9 0.25 0.68 238.5 3</P>
<P> 12:15-12:25 278 1.9 0.68 </P>
<P> 12:50-13:00 278 1.6 0.58 </P>
<P> 13:30-13:40 278 0.518 1.56 0.19 0.57 239.88 3</P>
<P> 14:00-14:10 276 0.696 1.77 0.25 0.64 237.65 3</P>
<P> 13号阀池 16:20-16:30 277 0.717 1.32 0.26 0.48 260.04 3</P>
<P> 16:50-17:00 277 0.609 1.4 0.22 0.51 272.243 3</P>
<P> 17:30-17:40 277 1.35 0.49 </P>
<P> 18:00-18:10 277 1.35 0.48 </P>
<P> 18:35-18:45 277 1.4 0.51 </P>
<P> 表二自动记录是系统报警记录中的数值，该值是管道两端流量计差值变化的累计量，它反映的是可检测信号的数值；现场测量是放油时现场流量计的计量值，它是现场放油的实际值；</P>
<P> 4.3数据分析</P>
<P> 现场数据和监测系统记录的数据都是可靠的。但管道泄漏监测系统记录的泄漏数据远小于现场记录的数据。这种差别是由输油管道特性决定的。</P>
<P> 4.3.1 泄漏发生后的阶段特性</P>
<P> 当管道泄漏发生时，管道内外压差大使流体迅速外漏，由此造成管道局部压力下降，泄漏点到上游压差最大，到下游压差最小，泄漏速度最大，这一阶段时间长度计为Tf，流体的瞬时泄漏速度记为Qf；</P>
<P> 随着管道收缩和管内油品压力降低体积膨胀，导致Qf大于监测系统记录的泄漏速度Qd。现场泄漏速度为最低，这是泄漏发生的第二阶段；</P>
<P> 泄漏引起使泵的流量增加，管道压力有稍许回升，导致了泄漏速度的增大。此时，尽管还有波动，但基本上管道压力已趋于稳定，这是泄漏发生后的第三阶段；</P>
<P> 这三个阶段是泄漏过渡阶段。先是现场有了泄漏Qf，而监测点的泄漏为0，随后监测系统开始检测到泄漏速度Qd，管道处于压缩能和过充装能量的释放阶段。这阶段，Qf和Qd同时存在，但始终有Qf＞Qd。</P>
<P> 泄漏使管道压力重新分布，管道逐步开始进入一个新的稳态过程。这一过程是稳定泄漏阶段。Qf和Qd逐步靠近，最后趋于相等；</P>
<P> 随着关放油阀，泄漏点压力突然上升，现场没有流量了，监测系统还会有流量。现场流量计停止运行了同一个Tf时间后，Qd才结束。此后管道进入压力上升，流量的过充装阶段。但现场流量计和监测系统都未能记录这种充装量。</P>
<P> 从上面分析可知，在泄漏未到达稳定状态之前，始终有Qf＞Qd。如果开孔放油时间还未到达稳定阶段就关上了阀门，其结果必然是现场放油量大于监测点统计的量。可见，短时间放油，现场泄漏多，流程仪表记录的少是必然规律。</P>
<P> 管道压力平衡需要多少时间？这个问题很复杂。有人做过计算③，在一条成品油管道发生0.5％泄漏时，距泄漏点80km的监测点上首波压降300Pa，480秒后大约又下降了10倍，达3kPa。可见，压力下降还处在过渡阶段。</P>
<P> 4.3.2关于系统灵敏度</P>
<P> 不可测量的参数无法评论其数值指标。就管道泄漏监测系统而言，衡量系统灵敏度指标的正确数据只能以来自系统监测点上的信号为依据。</P>
<P> 从表二自动记录数据栏可以看到，系统在泄漏0.19％下仍能正常报警。不难得出结论，如果不是因为混油头经过泵站带来的波动影响和人工测试放油等间隔连续性造成的管道工作不平稳，对于一般管道穿孔发生的泄漏和打孔盗油造成的泄漏而言，系统漏报是不可能的，而且灵敏度远优于国外领先产品0.5％的技术指标，系统的可靠性是可以信赖的。</P>
<P> 在真实的管道泄漏中，无论自然泄漏还是人工开孔盗油，一般泄漏都会进入稳定泄漏阶段，此时，有Qf＝Qd。所以，实际泄漏发生时，泄漏速度和系统监测到的泄漏速度在使用中是一致的。</P>
<P> 图三 9月25日管道中有混油头时现场放油曲线图</P>
<P> 4.4. 放油过程曲线解读</P>
<P> 放油过程在图三中必然对应一小段下凹的曲线。但单从下凹曲线上已经不容易确切的分清所有的放油过程了。从图像中可以分出曲线图上有18个下凹的曲线段，实际只放了10次油，而曲线下落最大的位置却不是放油所致，那是混油头经过泵站时形成的。</P>
<P> 图三中，1、4、5、6、7是放油报警过程曲线，2、3和8、9、10是未报警的放油曲线。在第一次放油前40分钟，管道刚好经过两次较大的压力波动，到放油开始时，余波还在。未报警的2和3放油过程刚好被混油头经过泵站的全过程给连了起来。由于连续操作，在第五次放油以后，管道这种较长周期的振荡已经形成，这给后面放油识别造成了直接困难。</P>
<P><STRONG> 5.克－乌成品油管道泄漏监测系统性能综合评价</STRONG></P>
<P> 5.1系统性能优于预想效果</P>
<P> 测试已经证明，系统模型高度智能化，灵敏度达到了0.2％，完全自动化运行，无需人的干预，真正实现无人值守。从上面的放油数据和曲线我们看到，在管道压力变化复杂的背景下保持高灵敏度的同时，能够识别人工操作和管道异常波动，抑制误报警。克－乌成品油管道泄漏监测系统性能优于预想效果。</P>
<P> 5.2问题和建议</P>
<P> 受放油条件限制，放油速度无法再大，无法验证在0.5％泄漏速度下的效果，从图三我们也看到，尽管性能优异，非常灵敏，没有误报警，但在灵敏度达到0.2％时仍有一半的放油过程没有报警，后两次的定位重复性也不好，有待今后改进。</P>
<P><STRONG> 6、结 论</STRONG></P>
<P> 为解决克乌成品油管道泄漏监测问题，我们采用了《HKH系列管道泄漏监测报警定位系统》，设计了专门模糊神经网络。经过调试，在系统工作正常的情况下进行了实际泄放试验，分析了试验数据和图像，证明了这确实是适合我们需要的管道泄漏监测系统。和其他同类技术相比，它具有灵敏度高、响应快、误报少、定位准、功能全、智能化程度高、不需要人工设置参数等诸多优点，满足克－乌成品油管道泄漏监测的需求，试验结果达到了预期的目的。</P>
<P><STRONG> 参考文献</STRONG></P>
<P> ○1 现代设计方法学 机械科学研究院 北京机科易普软件技术有限公司</P>
<P> ○2 人工智能在管道泄漏监测中的应用 《管道技术与设备》2003(6·40) 李学军，陈久会</P>
<P> ③ 用压力波法监测顺序输送管道泄漏的特点 《管道技术与设备》1995（1） 于达</P>
|
|
状 态：
离线
公司简介
产品目录
|
|
|
公司名称：
|
北京昊科航科技有限责任公司
|
| 联 系 人： |
陈久会
|
| 电 话： |
010-88202991
|
| 传 真： |
010-63710449 |
| 地 址： |
北京市丰台区帝京路1号帝京花园C20 |
| 邮 编： |
100070 |
| 主 页： |
|
|
|
|
|
