一种基于泵机组状态耦合分析的管道泄漏诊断方法及装置制造方法
【专利摘要】本发明涉及一种基于泵机组状态耦合分析的管道泄漏诊断方法及装置，其中，该方法包括：管道压力和泵机组状态参数同时进行实时采集；对所述管道压力进行降噪处理；对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理；判断所述异常管道压力是否为负压波；对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
【专利说明】一种基于泵机组状态耦合分析的管道泄漏诊断方法及装置
【技术领域】
[0001]本发明涉及故障诊断领域，特别涉及一种基于泵机组状态耦合分析的管道泄漏诊断方法及装置。
【背景技术】
[0002]随着我国油气管道服役年限的增长，因局部腐蚀、长期占压、外力碰撞等因素所造成的穿孔、渗漏等小泄漏事件时有发生，若不及时发现将会造成严重的环境污染和经济损失，由此促进了管道泄漏检测技术的迅速发展。负压波法因其灵敏、准确、适用性强、成本低、维护方便的特点，在输油站场管道泄漏检测和漏点定位中具有广泛的应用。但是负压波法对输油站场内的设备、阀操作引起的负压波的抗干扰能力差，存在误报警率较高的问题，影响站场正常的生产运行。因此，开展管道泄漏诊断研究，排除设备、阀操作的影响，降低泄漏诊断的误报警率具有重要意义。
[0003]在实际生产储运过程中，不仅泄漏事件会产生负压波，一些站内操作也会产生负压波，比如:上游站停泵、关阀，下游站启泵、开进口阀，站内导流程等；另外，站内放油操作、油温下降等也会产生负压波，这些都可能会引起泄漏检测系统的误报警。误报警同样会引起人员、物力、财力的损失，因此，管道泄漏检测有必要减小误报警的发生。
【发明内容】
[0004]为解决上述技术问题，本发明提出一种基于泵机组状态耦合分析的管道泄漏诊断方法及装置，针对负压波抗干扰能力差、误报警率高的问题，建立泵机组状态耦合分析模型，提出基于输油泵机组状态耦合分析的管道泄漏诊断技术，对解决实际管道泄漏诊断误报警率高的问题具有很强的实用性。
[0005]为实现上述目的，本发明提供了一种基于泵机组状态耦合分析的管道泄漏诊断方法，该方法包括:
[0006]管道压力和泵机组状态参数同时进行实时采集；
[0007]对所述管道压力进行降噪处理；
[0008]对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理；
[0009]判断所述异常管道压力是否为负压波；
[0010]对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
[0011]优选地，所述降噪处理的方法为二次阈值方法。
[0012]优选地，所述异常捕捉处理的方法为逻辑推理算法。
[0013]优选地，所述特征提取获取的特征参数为压力下降沿个数Nd、压力上升沿个数Nu和首末点差值D。
[0014]优选地，所述判断所述异常管道压力是否为负压波的步骤包括:
[0015]对所述异常管道压力进行特征提取；
[0016]对异常管道压力的特征值进行模式识别，来判断所述异常管道压力是否为负压波。
[0017]优选地，所述对所述负压波是否由泵机组操作引起的进行判断的步骤包括:
[0018]建立泵机组标准状态模型；
[0019]对泵机组参数进行特征提取，所述泵机组标准状态模型对泵机组参数的特征值通过判断，获得所述泵机组是否处于稳定模式。
[0020]为实现上述目的，本发明还提供了一种基于泵机组状态耦合分析的管道泄漏诊断装置，该装置包括:
[0021]采集单元，用于管道压力和泵机组状态参数同时进行实时采集；
[0022]降噪单元，用于对所述管道压力进行降噪处理；
[0023]异常捕捉单元，用于对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理；
[0024]负压波判断单元，用于判断所述异常管道压力是否为负压波；
[0025]诊断单元，用于对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
[0026]上述技术方案具有如下有益效果:针对负压波法对设备、阀操作的抗干扰能力差、容易产生误报警的问题，通过建立泵机组状态模型，排除设备、阀操作的影响，大大提高管道泄漏检测识别的准确率。其主要特点是:
[0027](I)通过选择泵机组行为参数，并提取其特征向量，构建机组标准状态模型。分析输油泵失效模式对特性曲线的影响，研究其与管路系统之间耦变规律；
[0028](2)根据管路压力信号含有小噪声的特点，提出一种二次阈值降噪算法对压力信号进行降噪，提高负压波的捕捉能力；
[0029](3)对泵机组状态进行划分，依据对其进行耦合分析，排除机组状态对负压波误报警的影响；通过现场管道泄漏和停机数据验证，表明该方法能有效提高管道泄漏检测识别准确率。
【专利附图】
【附图说明】
[0030]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本发明提出的一种基于泵机组状态耦合分析的管道泄漏诊断方法流程图；
[0032]图2为本发明提出的一种基于泵机组状态耦合分析的管道泄漏诊断装置框图；
[0033]图3为本实施例的技术方案流程图；
[0034]图4为本实施例的基于逻辑推理的管道压力异常捕捉算法流程图；
[0035]图5为本实施例的某省管线压力示意图之一；
[0036]图6为本实施例的A站P204泵机组状态参量图；
[0037]图7为本实施例的基于图6的待测机组状态与标准状态的波形谱对比图；
[0038]图8为本实施例的B站P203泵机组的状态参量图；
[0039]图9为本实施例的基于图8的待测机组状态与标准状态的波形谱对比图；
[0040]图10为本实施例的某省管线压力示意图之二 ；
[0041]图11为本实施例的C站P204泵机组状态参量图；
[0042]图12为本实施例的基于图11的待测机组状态与标准状态的波形谱对比图。
【具体实施方式】
[0043]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0044]本技术方案的工作原理:首先，通过选择泵机组行为参数，并提取其特征向量，构建机组标准状态模型。然后，应用二次阈值降噪方法对管路压力信号降噪，判断是否存在负压波。若产生负压波则启动机组状态模型，判断负压波是否由机组操作引起，若是则可排除该负压波警报，否则可知有泄漏发生。本技术方案在常规负压波检测方法的基础上，采用二次阈值算法对负压波信号进行降噪，提高泄漏模式匹配的识别率。同时，增加泵机组状态参数的实时采集，建立机组状态模型，排除站内操作如启停泵、调阀、站内导流等对泄漏模式识别的干扰，大大降低泄漏诊断识别的误报警率。
[0045]如图1所示，为本发明提出的一种基于泵机组状态耦合分析的管道泄漏诊断方法流程图。该方法包括:
[0046]步骤101):管道压力和泵机组状态参数同时进行实时采集；
[0047]步骤102):对所述管道压力进行降噪处理；
[0048]步骤103):对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理；
[0049]步骤104):判断所述异常管道压力是否为负压波；
[0050]步骤105):对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
[0051]优选地，所述降噪处理的方法为二次阈值方法。
[0052]优选地，所述异常捕捉处理的方法为逻辑推理算法。
[0053]优选地，所述特征提取获取的特征参数为压力下降沿个数Nd、压力上升沿个数Nu和首末点差值D。
[0054]优选地，所述判断所述异常管道压力是否为负压波的步骤包括:
[0055]对所述异常管道压力进行特征提取；
[0056]对异常管道压力的特征值进行模式识别，来判断所述异常管道压力是否为负压波。
[0057]优选地，所述对所述负压波是否由泵机组操作引起的进行判断的步骤包括:
[0058]建立泵机组标准状态模型；
[0059]对泵机组参数进行特征提取，所述泵机组标准状态模型对泵机组参数的特征值通过判断，获得所述泵机组是否处于稳定模式。
[0060]如图2所示，为本发明提出的一种基于泵机组状态耦合分析的管道泄漏诊断装置框图。该装置包括:
[0061]采集单元201，用于管道压力和泵机组状态参数同时进行实时采集；
[0062]降噪单元202，用于对所述管道压力进行降噪处理；
[0063]异常捕捉单元203，用于对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理；
[0064]负压波判断单元204，用于判断所述异常管道压力是否为负压波；
[0065]诊断单元205，用于对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
[0066]实施例:
[0067]如图3所示，为本实施例的方法流程图。在常规负压波检测方法的基础上，采用二次阈值算法对负压波信号进行降噪，提高泄漏模式匹配的识别率。同时，如图3所示，增加泵机组状态参数的实时采集，建立机组状态模型，排除站内操作如启停泵、调阀、站内导流等对泄漏模式识别的干扰，大大降低泄漏诊断识别的误报警率。
[0068]针对长输管道压力波动比较平稳的特点，首先利用阈值判断法对实时压力数据进行降噪处理，然后提取数据特征指标，最后采用逻辑推理算法实现压力异常的捕捉。提取的特征指标主要为数据段内的统计特征指标，包括:上升沿个数Ni!、下降沿个数Nd、首末点差值D等，该逻辑推理算法的流程如图4所示。根据历史数据进行统计，设置下降沿个数阈值Td,上升沿个数阈值Tu，首末差值阈值Tt，持续异常下降沿数Cu，持续异常首末差值Ct，连续异常次数Na，异常次数阈值Ta。从数据缓存区获得实时的管道压力数据，并通过二次阈值降噪对其进行预处理。分别计算该数据段的上升沿个数Nu、下降沿个数Nd、首末点差值D。若上一时刻压力正常，则依次计算Nd>Td，Nu〈Tu，D>Tt是否成立。如果不成立说明压力正常；否则Na = Na+Ι，再判断Na>Ta，成立则可判定为压力异常输出报警，不成立则为正常。若上一时刻压力异常，则依次判断Nu>Cu，D>Ct是否成立。若成立，则对Na进行清零，管道压力正常；否则判断为持续异常。
[0069]采用上述图3和图4的技术方案，对管道故障识别进行分析如下:
[0070]一、管道泄漏识别实例分析
[0071]以某省境内长输原油管道为例，共有4个输油站，依次为A站、B站、C站和D站。监测系统同时对管道压力和机组参数进行了采集。某日凌晨02:20左右，泄漏检测系统先后捕捉到B站进站和A站出站压力异常，管道压力如图5所示。上游出站压力下降0.09MPa,下游进站压力下降0.06MPa。
[0072]此时启动机组状态耦合分析功能，首先确定与该条管道相关的机组为:A站P204泵和B站P203泵，其中A站P204泵的过程参量如图6所示；然后计算得到P204泵的机组参量波形谱为: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}，与五种标准状态波形谱的对比如图7所示。
[0073]最后，计算该待测机组波形谱S与标准波形谱的海明距离分别为:0.9525,
0.6114，0.7123，0.8034和0.7273，取其最大值可知此时A站P204泵机组为正常输送状态。
[0074]如图8所示，为本实施例的B站P203泵机组的状态参量图。同样的方法可得出该泵机组的机组参量波形谱为=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}，与五种标准状态波形谱的对比如图9所
/Jn ο
[0075]计算出该待测机组(B站P203泵机组)波形谱S与标准波形谱的海明距离分别为:
0.9480，0.6132，0.7385，0.8248和0.7519，取其最大值可知此时B站P203泵机组也为正常输送状态。
[0076]由于与该条管道两端压力状态量最为相关的上游站P204泵与下游站P203泵运行状态均为正常输送状态，因此，检漏系统耦合分析认为，此压力异常不是由机组状态改变所引起的，进而判定A站至B站管段发生了泄漏事件，系统发出了管道泄漏报警。
[0077]为了避免泄漏带来的严重后果，调度人员确认报警后及时安排了全线停输，并派出抢修队赶赴事故管段进行抢修。经抢修中心确认，A站至B站管段确实发生了人工打孔盗油事故。之后通过完整的压力下降波形可以知道，本次盗油持续约20分钟，按照盗油分子所用油罐车为5m3计算，估算出泄漏速率为15m3/h，当时管输总量为1650m3/h，因此可以计算出本次检测到的泄漏量约为0.9%。根据报警记录可知，本次泄漏检测报警的反应时间为I分50秒，满足现场检漏的时效性要求。
[0078]二、降量停泵引发的误报警排除实例分析
[0079]泄漏检测系统先后捕捉到C出站和D进站压力异常，管道压力如图10所示。上游出站压力下降0.35MPa，下游进站压力下降0.3MPa左右。
[0080]此时启动机组状态耦合分析模块，首先确定与该条管道相关的机组为:C站P204泵机组和D站P202泵机组，其中C站P204泵的过程参量如图11所示；然后计算得到P204泵的机组参量波形谱为: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}，与五种标准状态波形谱的对比如图12所示。
[0081]计算该待测机组(C站P204泵)波形谱S与标准波形谱的海明距离分别为:0.7369，0.6936，0.9692，0.8650和0.8737，取其最大值可知此时机组处于停泵操作过程中。
[0082]因此，系统耦合分析认为，此压力异常由C站P204泵的停泵所引起，只发出压力异常提示。经现场调度中心确认，因当周输油任务接近完成，执行全线停泵减输操作，停运了C站P204泵机组。因此，利用机组状态耦合分析的方法成功排除了此次管道泄漏误报警。
[0083]综上所述，此次压降是由输油管线降量停泵操作引起的。从本次压力异常检测的结果可以看出，基于耦变工况的管道泄漏诊断能够有效地检测到管道压力的异常，达到减少误报警、提高管道泄漏诊断准确率的目的。同时，若进一步研究耦变规律，建立输油泵机组故障的工况自组织优选算法诊断模型，根据工况优选输油泵故障的诊断算法，能有效提高设备故障诊断识别率。
[0084]以上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种基于泵机组状态耦合分析的管道泄漏诊断方法，其特征在于，该方法包括: 管道压力和泵机组状态参数同时进行实时采集； 对所述管道压力进行降噪处理； 对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理； 判断所述异常管道压力是否为负压波； 对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
2.如权利要求1所述的方法，其特征在于，所述降噪处理的方法为二次阈值方法。
3.如权利要求1所述的方法，其特征在于，所述异常捕捉处理的方法为逻辑推理算法。
4.如权利要求3所述的方法，其特征在于，所述特征提取获取的特征参数为压力下降沿个数Nd、压力上升沿个数Nu和首末点差值D。
5.如权利要求1所述的方法，其特征在于，所述判断所述异常管道压力是否为负压波的步骤包括: 对所述异常管道压力进行特征提取； 对异常管道压力的特征值进行模式识别，来判断所述异常管道压力是否为负压波。
6.如权利要求1所述的方法，其特征在于，所述对所述负压波是否由泵机组操作引起的进行判断的步骤包括: 建立泵机组标准状态模型； 对泵机组参数进行特征提取，所述泵机组标准状态模型对泵机组参数的特征值通过判断，获得所述泵机组是否处于稳定模式。
7.一种基于泵机组状态耦合分析的管道泄漏诊断装置，其特征在于，该装置包括: 采集单元，用于管道压力和泵机组状态参数同时进行实时采集； 降噪单元，用于对所述管道压力进行降噪处理； 异常捕捉单元，用于对降噪处理后的管道压力进行特征提取，根据提取的特征对降噪处理后的管道压力进行异常捕捉处理； 负压波判断单元，用于判断所述异常管道压力是否为负压波； 诊断单元，用于对所述负压波是否由泵机组操作引起的进行判断；其中，如果所述泵机组不处于稳定模式，则所述负压波由泵机组操作引起；如果所述泵机组处于稳定模式，则确认管道泄漏。
【文档编号】F17D5/02GK104329569SQ201410437655
【公开日】2015年2月4日 申请日期:2014年8月29日 优先权日:2014年8月29日
【发明者】梁伟, 张来斌, 卢文青, 卢琳琳, 仇经纬, 李威君 申请人:中国石油大学(北京)