一种燃气泄漏检测方法与装置与流程

1.本发明属于有毒气体泄漏检测与定位技术领域，具体涉及一种燃气泄漏检测方法与装置。


背景技术：

2.天然气的应用已从民用发展到工业、采暖、制冷、发电、燃气汽车、分布式能源等诸多领域。燃气的广泛应用对国民经济水平的提高和社会事业的发展起到了重要作用。但是随着燃气输配管网大面积的敷设，地下燃气管线越来越密集，也越来越复杂，燃气自身的特性加之管道在制造、安装、使用、管理等诸多方面的不确定因素，使燃气管道在一定程度上存在燃气泄漏的可能性，给城镇燃气管网的安全运行带来巨大挑战。燃气管道发生事故而导致的燃气泄漏事件频繁发生，不仅影响燃气的正常输送，而且还会造成大面积的环境污染，严重的还会引发火灾、爆炸等灾害，给人民的生命财产安全带来极大的威胁。
3.燃气泄漏最早采用人工检测方法，耗费时间长，费时费力。为此，已研制出专门用于燃气泄漏检测的检测车，可以对空气中的甲烷浓度进行实时检测，并根据甲烷浓度判断周围是否发生了燃气泄漏。但是由于各种各样的原因，空气中存在一定量的甲烷，这会对检测造成干扰。目前的燃气泄漏检测算法仅仅是根据甲烷的峰值进行判断，并没有考虑到甲烷背景值的影响，很难消除上述干扰的影响，造成在定位时有较多的误报点。


技术实现要素：

4.为了解决现有技术中存在的上述问题，本发明提供一种燃气泄漏检测方法与装置。
5.为了实现上述目的，本发明采用以下技术方案。
6.第一方面，本发明提供一种燃气泄漏检测方法，包括：
7.从检测车获取相同检测时间的甲烷浓度序列a和乙烷浓度序列b；
8.对a、b分别进行背景去噪处理，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb；
9.分别求解aa和bb的峰值点，按照峰值点的幅度大小对峰值点进行排名，得到第i个峰值点的排名s
a
(i)、s
b
(i)，融合s
a
(i)、s
b
(i)得到综合排名s(i)；
10.构建以aa或bb的峰值为因变量、以所述峰值的综合排名为自变量的离散序列，计算所述序列中相邻峰值点下降幅值超过设定阈值的突降点，所述突降点及其前面的峰值点均为燃气泄漏点。
11.进一步地，所述方法还包括对从检测车获取的数据进行预处理的步骤：补充缺失数据，去掉重复数据，剔除异常数据。
12.进一步地，所述对a、b分别进行背景去噪处理的方法包括：
13.将a、b分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内甲烷浓度的最小值a
min
和乙烷浓度的最小值b
min
；
14.将a
min
和b
min
分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗
口内数据的平均值，得到甲烷浓度背景值a0和乙烷浓度的背景值b0；
15.计算aa＝a
‑
a0，bb＝b
‑
b0，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb。
16.更进一步地，滑动时间窗口长度的计算公式为：
17.n＝int(l
×
f/v)
18.式中，n为窗口长度，其大小为数据采集周期的倍数或滑动时间窗口内的数据个数；l为滑动时间窗口覆盖的检测距离，单位为m；v为检测车行驶速度，单位为m/s；f为数据采集频率，单位h
z
，int()表示取整运算。
19.进一步地，综合排名的方法包括：按照s＝k
a
×
s
a
(i)+k
b
×
s
b
(i)的大小进行排名得到综合排名s(i)，其中，k
a
、k
b
为加权系数，0<k
a
<1，0<k
b
<1，k
a
+k
b
＝1。
20.第二方面，本发明提供一种燃气泄漏检测装置，包括：
21.数据获取模块，用于从检测车获取相同检测时间的甲烷浓度序列a和乙烷浓度序列b；
22.背景去噪模块，用于对a、b分别进行背景去噪处理，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb；
23.排名融合模块，用于分别求解aa和bb的峰值点，按照峰值点的幅度大小对峰值点进行排名，得到第i个峰值点的排名s
a
(i)、s
b
(i)，融合s
a
(i)、s
b
(i)得到综合排名s(i)；
24.泄漏检测模块，用于构建以aa或bb的峰值为因变量、以所述峰值的综合排名为自变量的离散序列，计算所述序列中相邻峰值点下降幅值超过设定阈值的突降点，所述突降点及其前面的峰值点均为燃气泄漏点。
25.进一步地，所述装置还包括预处理模块，用于对从检测车获取的数据进行预处理：补充缺失数据，去掉重复数据，剔除异常数据。
26.进一步地，所述对a、b分别进行背景去噪处理的方法包括：
27.将a、b分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内甲烷浓度的最小值a
min
和乙烷浓度的最小值b
min
；
28.将a
min
和b
min
分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内数据的平均值，得到甲烷浓度背景值a0和乙烷浓度的背景值b0；
29.计算aa＝a
‑
a0，bb＝b
‑
b0，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb。
30.更进一步地，滑动时间窗口长度的计算公式为：
31.n＝int(l
×
f/v)
32.式中，n为窗口长度，其大小为数据采集周期的倍数或滑动时间窗口内的数据个数；l为滑动时间窗口覆盖的检测距离，单位为m；v为检测车行驶速度，单位为m/s；f为数据采集频率，单位h
z
，int()表示取整运算。
33.进一步地，综合排名的方法包括：按照s＝k
a
×
s
a
(i)+k
b
×
s
b
(i)的大小进行排名得到综合排名s(i)，其中，k
a
、k
b
为加权系数，0<k
a
<1，0<k
b
<1，k
a
+k
b
＝1。
34.与现有技术相比，本发明具有以下有益效果。
35.本发明由于基于剔除背景信号后的甲烷浓度和乙烷浓度进行燃气泄漏检测，能够消除背景噪声对检测结果的不良影响；由于基于两种气体浓度峰值点的排名进行综合排名，而不是基于峰值点浓度大小进行综合排名实现燃气泄漏检测，可消除汽车尾气、城市下水道气体等造成的数据异常对检测结果的不良影响。
附图说明
36.图1为本发明的实施例一种燃气泄漏检测方法的流程图。
37.图2为甲烷浓度曲线的示意图。
38.图3为包含峰值点的时域曲线示意图。
39.图4为本发明的实施例一种燃气泄漏检测装置的方框图。
具体实施方式
40.为使本发明的目的、技术方案及优点更加清楚、明白，以下结合附图及具体实施方式对本发明作进一步说明。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作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。
41.图1为本发明实施例一种燃气泄漏检测方法的流程图，所述方法包括以下步骤：
42.步骤101，从检测车获取相同检测时间的甲烷浓度序列a和乙烷浓度序列b；
43.步骤102，对a、b分别进行背景去噪处理，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb；
44.步骤103，分别求解aa和bb的峰值点，按照峰值点的幅度大小对峰值点进行排名，得到第i个峰值点的排名s
a
(i)、s
b
(i)，融合s
a
(i)、s
b
(i)得到综合排名s(i)；
45.步骤104，构建以aa或bb的峰值为因变量、以所述峰值的综合排名为自变量的离散序列，计算所述序列中相邻峰值点下降幅值超过设定阈值的突降点，所述突降点及其前面的峰值点均为燃气泄漏点。
46.本实施例涉及燃气泄漏检测车。所述检测车主要包括载车和安装在载车上的传感器单元和数据处理单元，用于测量检测点的甲烷浓度和乙烷浓度。当然，还应包括通信单元，用于上传检测数据。本实施例所述方法可由安装在云端服务器上的程序基于从检测车获取的数据实现燃气泄漏检测。
47.在本实施例中，步骤101主要用于从检测车获取甲烷浓度和乙烷浓度数据。本实施例通过同时监测甲烷浓度和乙烷浓度，然后融合两种气体浓度的数据实现燃气泄漏检测。这种数据融合处理方法的检测精度显然优于仅基于甲烷浓度一种数据进行检测的精度。由于需要同时对甲烷浓度和乙烷浓度进行处理，因此两种浓度数据对应的采集时刻应该相同，即需要将两种浓度数据在时间上对正，得到与两种浓度对应的两个数据序列a和b。值得说明的是，除了需要获取甲烷浓度和乙烷浓度数据，一般还需要获取检测车的位置坐标、车速、风速等数据，用于泄漏源的定位计算。
48.在本实施例中，步骤102主要用于获得剔除背景信号后的甲烷浓度和乙烷浓度。图2是甲烷浓度序列的示意图，图中的背景浓度大约有2ppm左右。背景浓度主要由噪声信号和干扰信号组成，如果不对其进行处理，用包含背景浓度的甲烷浓度和乙烷浓度信号直接进行燃气泄漏检测，有时容易将噪声或干扰信号误判为泄漏源。消除背景信号的方法很多，可以在时域进行去噪处理，也可以根据甲烷浓度信号和乙烷浓度信号与背景信号频率成份的不同，在频域采取滤波手段，滤除背景噪声保留有用的甲烷浓度信号和乙烷浓度信号。本实施例对消除背景信号的具体方法不作限制。本实施例由于基于剔除背景信号后的甲烷浓度和乙烷浓度进行燃气泄漏检测，能够消除背景信号对检测结果的不良影响。
49.在本实施例中，步骤103主要用于求解峰值点并进行排名。首先计算甲烷浓度和乙烷浓度的峰值点。一个曲线的峰值点实际上就是曲线上的极大值点，如图3所示，图3中的7个“+”分别为一个峰值点。对于连续函数f(t)，极大值点t0满足：t<t0时，f(t)单调升，即一阶导数大于0；t>t0时，f(t)单调降，即一阶导数小于0。对于离散时间序列f(n)，极大值点n0满足：f(n0‑
1)<f(n0)，f(n0)>f(n0+1)。据此可以求出两种浓度曲线上的峰值点。然后分别对两种浓度曲线上的峰值点按照幅度大小进行排名，即峰值点的幅度越大排名越靠前，得到第i个峰值点的排名s
a
(i)、s
b
(i)，并对s
a
(i)、s
b
(i)进行融合得到一个综合排名s(i)。
50.在本实施例中，步骤104主要用于确定燃气泄漏点。本实施例检测燃气泄漏点的原理是，发生泄漏的检测点的气体浓度明显大于没有发生泄漏的检测点的气体浓度。具体方法是：根据上一步得到的综合排名s(i)，对aa或bb的峰值进行排序，得到一个离散序列；然后计算该离散序列的突降点即峰值下降幅度超过设定阈值的点。突降点(包括突降点)以前的峰值点的幅值明显高于突降点后面的峰值点的幅值，因此，可以认为突降点以前的峰值点对应燃气泄漏点。如果没有检测到突降点，说明此次检测没有燃气泄漏点。本实施例由于基于两种气体浓度峰值点的排名进行综合排名，而不是基于峰值点幅值进行综合排名，可消除汽车尾气、城市下水道气体等造成的数据异常对排名的影响，从而提高检测精度。
51.作为一可选实施例，所述方法还包括对从检测车获取的数据进行预处理的步骤：补充缺失数据，去掉重复数据，剔除异常数据。
52.在本实施例中，增加数据预处理步骤，可提高数据处理的效率。检测车的数据采集频率是2hz，即每秒钟采集到两条数据，由于信号干扰等因素的影响，数据收集过程可能会出现数据的缺失、异常和重复等情况，需要对数据进行预处理，俗称数据清洗。针对缺失值数据，采用拉格朗日插值的方法进行缺失值填补；针对重复数据，对相同检测时间并且经纬度相同的数据进行去重处理；针对异常点数据，使用箱线图法进行异常值处理。另外，为了避免数据大小相差悬殊造成数据处理误差，一般还要进行归一化处理。
53.作为一可选实施例，所述对a、b分别进行背景去噪处理的方法包括：
54.将a、b分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内甲烷浓度的最小值a
min
和乙烷浓度的最小值b
min
；
55.将a
min
和b
min
分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内数据的平均值，得到甲烷浓度背景值a0和乙烷浓度的背景值b0；
56.计算aa＝a
‑
a0，bb＝b
‑
b0，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb。
57.本实施例给出了背景去噪处理的一种技术方案。本实施例进行背景去噪处理的思路是：先计算各自的背景信号，然后用包含背景信号的甲烷浓度信号和乙烷浓度信号分别减去各自的背景信号。计算背景信号的原理是：设置一个固定长度的滑动时间窗口，计算每一时刻窗口内数据的最小值；再将输出的最小值再输入到一个固定长度的滑动时间窗口，计算每一时刻窗口内数据的平均值。实际上就是求最小值的平均值。由于是计算窗口内数据的最小值，只要窗口宽度大于有用信号(甲/乙烷浓度信号)的宽度，窗口内就包含背景信号，求最小值的结果一定是背景信号，因此可以去掉有用信号得到背景信号。本实施例的上述计算可以利用一个卷积神经网络ccn实现，ccn的卷积核即可实现滑动时间窗口的功能。
58.作为一可选实施例，滑动时间窗口长度的计算公式为：
59.n＝int(l
×
f/v)
60.式中，n为窗口长度，其大小为数据采集周期的倍数或滑动时间窗口内的数据个数；l为滑动时间窗口覆盖的检测距离，单位为m；v为检测车行驶速度，单位为m/s；f为数据采集频率，单位h
z
，int()表示取整运算。
61.本实施例给出了确定滑动时间窗口长度的技术方案。窗口长度可以用时间长度(如20秒)表示，通常一般用窗口时间长度相对数据采集周期的倍数或窗口内数据点的数量表示。窗口长度的大小与检测车行驶速度、检测覆盖的检测距离范围以及数据采集周期或频率有关，计算公式如上式。下面给出一个具体实例。首先确定时间窗口覆盖的检测距离为50米，这样会给复检排查工作带来便利。检测车平均车速大概为24.4km/h，即7m/s，检测设备的数据采集频率为2h
z
，大约1秒钟2个值。将数据代入上述公式后得到：n＝14。
62.作为一可选实施例，综合排名的方法包括：按照s＝k
a
×
s
a
(i)+k
b
×
s
b
(i)的大小进行排名得到综合排名s(i)，其中，k
a
、k
b
为加权系数，0<k
a
<1，0<k
b
<1，k
a
+k
b
＝1。
63.本实施例给出了计算综合排名s(i)的一种技术方案。本实施例通过计算甲烷浓度峰值点的排名s
a
(i)和乙烷浓度峰值点的排名s
b
(i)的加权均值计算综合排名s(i)。由于燃气泄漏检测以甲烷浓度为主，因此应突出甲烷浓度峰值点的排名，而排名是越小越好，所以甲烷浓度的加权系数小于乙烷浓度的加权系数。由于是加权求均值(不是求和)，因此限定加权系数均小于1且加权系数的和等于1。值得说明的是，由于本实施例只是根据排名的相对大小进行检测，因此也可以不进行此项限制，只要正确选取2个加权系数的相对大小即可，如取k
a
＝0.8，k
b
＝1。
64.图4为本发明实施例一种燃气泄漏检测装置的组成示意图，所述装置包括：
65.数据获取模块11，用于从检测车获取相同检测时间的甲烷浓度序列a和乙烷浓度序列b；
66.背景去噪模块12，用于对a、b分别进行背景去噪处理，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb；
67.排名融合模块13，用于分别求解aa和bb的峰值点，按照峰值点的幅度大小对峰值点进行排名，得到第i个峰值点的排名s
a
(i)、s
b
(i)，融合s
a
(i)、s
b
(i)得到综合排名s(i)；
68.泄漏检测模块14，用于构建以aa或bb的峰值为因变量、以所述峰值的综合排名为自变量的离散序列，计算所述序列中相邻峰值点下降幅值超过设定阈值的突降点，所述突降点及其前面的峰值点均为燃气泄漏点。
69.本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。后面的实施例也是如此，均不再展开说明。
70.作为一可选实施例，所述装置还包括预处理模块，用于对从检测车获取的数据进行预处理：补充缺失数据，去掉重复数据，剔除异常数据。
71.作为一可选实施例，所述对a、b分别进行背景去噪处理的方法包括：
72.将a、b分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内甲烷浓度的最小值a
min
和乙烷浓度的最小值b
min
；
73.将a
min
和b
min
分别输入到一个长度相等的滑动时间窗口，计算每一时刻滑动时间窗口内数据的平均值，得到甲烷浓度背景值a0和乙烷浓度的背景值b0；
74.计算aa＝a
‑
a0，bb＝b
‑
b0，得到剔除背景信号后的甲烷浓度aa和乙烷浓度bb。
75.作为一可选实施例，滑动时间窗口长度的计算公式为：
76.n＝int(l
×
f/v)
77.式中，n为窗口长度，其大小为数据采集周期的倍数或滑动时间窗口内的数据个数；l为滑动时间窗口覆盖的检测距离，单位为m；v为检测车行驶速度，单位为m/s；f为数据采集频率，单位h
z
，int()表示取整运算。
78.作为一可选实施例，综合排名的方法包括：按照s＝k
a
×
s
a
(i)+k
b
×
s
b
(i)的大小进行排名得到综合排名s(i)，其中，k
a
、k
b
为加权系数，0<k
a
<1，0<k
b
<1，k
a
+k
b
＝1。
79.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。