一种基于马尔科夫链的非金属管道泄漏预警方法与流程

本发明涉及管道泄漏技术领域，特别是涉及一种基于马尔科夫链的非金属管道泄漏预警方法。

背景技术：

近年来由于非金属管道(以下称管道)其特有的耐腐蚀、耐高温、摩阻低、耐磨损等特点，逐渐取代金属管道，成为管道运输的主要管材。但非金属管道同样也会因为第三方破坏、使用寿命过长发生接口破损、管道断裂等故障，以致造成管道泄漏，而由于非金属管道与金属管道在材质上的本质区别，许多用于金属管道泄漏检测的方法对非金属管道不再适用，因此，有必要研究一种不同于金属管道泄漏监测的方法来对非金属管道进行实时监测。

马尔可夫链是设备可靠性分析中常用的有力工具，该原理可利用已有的状态过程来预测未来的状态转移趋势，进而来判断设备的未来发展情况。目前已有学者利用马尔可夫链建立模型来进行金属管道的腐蚀分析(可参见文献：王如君，王天瑜.灰色－马尔科夫链模型在埋地油气管道腐蚀预测中的应用[j].中国安全生产科学技术,2015,11(4):102-106.)，该文献建立了油气管道的埋地腐蚀预测模型，但对于管道受到的瞬时破坏或其他原因造成管道泄漏并不能实时进行管道泄漏分析，笔者将基于马尔科夫理论，结合非金属管道泄漏的特点，利用非金属管道流量参数的马尔科夫性质，根据流量变化的特征对非金属管道的实时状态进行监控，并及时判断非金属管道的正常运行或泄漏状态，实现基于马尔科夫链的对非金属管道进行泄漏预警的效果。

技术实现要素：

本发明的目的是提出能应用于非金属管道泄漏预警的方法，且设定非金属管道发生泄漏为一种随机变化过程，而马尔可夫链可仅根据此时间点的状态来预测随机过程中下一时间点状态，因此，提出一种基于马尔科夫链的非金属管道泄漏预警方法。

本发明解决其技术问题所要采用的技术方案是：一种基于马尔科夫链的非金属管道泄漏预警方法，其预警方法包括以下步骤：

步骤1，利用安装在管线上的流量传感器收集第一组x个流量变化率q1,q2,q3,q4,q5…qx，其中qi为流量的变化率＝δqn/qn×100％，qi(i＝1,2,3,4,5…x)中，i为采集到的x个流量变化率的排序，δqn为传感器传输数据的时间点tn的流量与时间点tn-1的流量的变化量，qn为时间段t内的实时流量，tn为流量计收集传输流量数据的时间，n＝1,2,3,4,5…,然后设置四个变化状态，分别为第一状态：qi的值为0，表示管道为非泄漏状态；第二状态：qi的值为0-1(％)，表示管道为小型泄漏状态；第三状态：qi的值为1-3(％)，表示管道为泄漏扩大状态；第四状态：qi的值为3-100(％)，表示管道为大泄漏状态。

设定条件：管道的泄漏为突变过程，泄漏状态的变化为渐变构成，管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态中某一程度的泄露，且管道的泄漏状态不可逆，但是泄漏程度可逆，根据以上条件，得到管道泄漏的邻接矩阵a为：

其中，当aij＝1表示第i状态与第j状态之间存在转移关系，当aij＝0表示第i状态与第j状态之间不存在转移关系，(i＝1,2,3,4；j＝1,2,3,4)。

步骤2，进行第一组流量变化率的状态分类，将各流量变化率分别归为这四个状态分类，以时间为序，按时间顺序统计在x个参数中，相邻两个参数选取的时间间隔，流量变化率的状态转移情况，形成状态转移概率矩阵p中的各个元素；

步骤2.1，得到处于第一状态的流量变化率数量为n1，由第一状态至第一状态转移的数量为n11，由第一状态至第二状态转移的数量为n12，由第一状态至第三状态转移的数量为n13，由第一状态至第四状态转移的数量为n14，统计这n1个流量变化率在下一时刻的状态转移情况：

第一状态至第一状态的转移概率

第一状态至第二状态的转移概率

第一状态至第三状态的转移概率

第一状态至第四状态的转移概率

步骤2.2，得到处于第二状态的流量变化率数量为n2，由第二状态至第二状态转移的数量为n22，由第二状态至第三状态转移的数量为n23，由第二状态至第四状态转移的数量为n24，统计这n2个流量变化率在下一时刻的状态转移情况：

第二状态至第一状态的转移概率p21＝0；

第二状态至第二状态的转移概率

第二状态至第三状态的转移概率

第二状态至第四状态的转移概率

步骤2.3，得到处于第三状态的流量变化率数量为n3，由第三状态至第二状态转移的数量为n32，由第三状态至第三状态转移的数量为n33，由第三状态至第四状态转移的数量为n34，统计这n3个流量变化率在下一时刻的状态转移情况：

第三状态至第一状态的转移概率p31＝0；

第三状态至第二状态的转移概率

第三状态至第三状态的转移概率

第三状态至第四状态的转移概率

步骤2.4，得到处于第四状态的流量变化率数量为n4，由第四状态至第二状态转移的数量为n42，由第四状态至第三状态转移的数量为n43，由第四状态至第四状态转移的数量为n44，统计这n4个流量变化率在下一时刻的状态转移情况：

第四状态至第一状态的转移概率p41＝0；

第四状态至第二状态的转移概率

第四状态至第三状态的转移概率

第四状态至第四状态的转移概率

则该马尔科夫链中的状态转移概率矩阵p为：

且满足：n1+n2+n3+n4＝x。

步骤3，按照步骤1的方法收集第二组x个流量变化率，并按照步骤2的方法统计这x个流量变化率在每个变化状态内的数量，将此时实际流量变化率在每个区间的数量编为第一参数向量，设为其中，α1表示第一参数向量，表示在第一参数向量下，x个流量变化率中，在第一状态下的流量变化率的数量；表示在第一参数向量下，x个流量变化率中，在第二状态下的流量变化率的数量；表示在第一参数向量下，x个流量变化率中，在第三状态下的流量变化率的数量；表示在第一参数向量下，x个流量变化率中，在第四状态下的流量变化率的数量；

由马尔科夫链计算，得到将来时间段的基于马尔可夫链的预测流量变化率的参数向量β1,其公式为：

由矩阵乘法：

其中，表示在预测得出的在第一状态下的流量变化率的数量，表示在预测得出的在第二状态下的流量变化率的数量，表示在预测得出的在第三状态下的流量变化率的数量，表示在预测得出的在第四状态下的流量变化率的数量；

在这x个流量参数中，以s表示为预测状态序列号，(s＝1，2，3，4)，选取含有流量参数呈现数量最多的状态，即选取认作此时预测管道状态将呈现为第smax状态。

步骤4，按照步骤1的方法获取收集第三组x个流量变化率的值，并按照步骤2的方法统计其在各个变化状态的匹配数量情况，设为在这x个流量参数中，以w表示为实际管道状态序列号(w＝1,2,3,4)，选取含有流量参数呈现数量最多的状态，即选取认作管道实际处于第wmax状态。

步骤5，比较预测状态和实际状态中状态序列号s和w的值：

①若s＝w＝1，则判断管道处于正常运行状态；

②若s＜w，则管道处于开始泄漏前期阶段，且判断其为第w状态；

③若s＞w，则判断管道处于开始泄漏后期阶段，且判断其状态为第w状态；

④若s＝w≠1，则判断其状态为泄漏稳定阶段，且判断其状态为第w状态。

步骤6,以步骤3所得数据为第一组数据，步骤4所得数据成为第二组数据，继续预测判定管道实时状态或泄漏情况，开始重新迭代数据。

步骤7,步骤1-步骤6的泄漏检测方法可作为利用次声波泄漏定位的辅助手段，当利用此方法检测到泄漏状态时，若发生泄漏，触发警报程序，并实时监测泄漏状态，泄漏报警程序触发次声波传感器，并开始接收泄漏点次声波信号，记录下接收到同源次声波信号的时间点；

然后根据定位泄漏点公式计算出泄漏位置：

其中，x为管道泄漏点到上游次声波传感器的距离，l为管道上游次声波传感器至管道下游次声波传感器之间的距离，t1为管道上游次声波传感器接收到同源次声波信号的时间点,t2为管道下游次声波传感器接收到同源次声波信号的时间点,c为次声波在非金属管道中的传播速度。

本发明的有益效果是：本发明提供的一种基于马尔科夫链的非金属管道泄漏预警方法，其优点是，由于管道状态的选取取决于出现状态最多的次数，可在一定程度上修正对瞬时异常状态的预警，增强预警的准确性，同时，该方法的判断结果仅与在这一时间点的瞬时状态有关，与已过去的时间无关，因此对于外界瞬时异常因素的影响抵抗力强，可保证数据的准确度；同时，由于次声波传感器由发生泄漏出状态时触发，因此，该方法还可提升次声波传感器的使用寿命。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明最佳实施例的系统示意图。

图2是本发明最佳实施例的流程示意图。

图中：1、上游流量传感器，2、上游压力传感器，3、上游次声波传感器，4、泄漏阀，5、下游次声波传感器，6、下游压力传感器，7、下游流量传感器。

具体实施方式

现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

本实施例中试验系统管道呈u形，总长100m，管材为pvc材质，管道外径ф63*8.7mm管道最大工作压力为2.0mpa，管道介质为压缩空气。在距离管道上游进口端头60米处安装泄漏阀模拟管道泄漏，管道上、下游进口位置附近分别安装流量传感器，压力传感器和次声波传感器，具体如图1所示。

本实施例中每组以采集五个流量数据作为一组数据为例进行具体说明该预警方法。

如图2所示，本发明的一种基于马尔科夫链的非金属管道泄漏预警方法，其预警方法包括以下步骤：

步骤1，利用安装在管线上的流量传感器采集到第一组五个流量：2.27、2.27、2.27、2.27、2.27，单位：m³/h，根据公式qi＝δqi/qi×100％计算得到第一组五个流量变化率q1＝0％,q2＝0％,q3＝0％,q4＝0％,q5＝0％。

步骤2，设置四个变化状态，第一状态：流量变化率qi的值为0，表示管道为非泄漏状态；第二状态：流量变化率qi的值为0-1(％)，表示管道为小型泄漏状态；第三状态：流量变化率qi的值为1-3(％)，表示管道为泄漏扩大状态；第四状态：流量变化率qi的值为3-100(％)，表示管道为大泄漏状态；

设定条件：管道的泄漏为突变过程，泄漏状态的变化为渐变过程，管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态中某一程度的泄漏，且管道的泄漏状态不可逆，但是泄漏程度可逆，根据以上条件，得到管道泄漏的邻接矩阵a为：

其中，aij＝1(i＝1,2...4；j＝1,2...4)表示第i状态与第j状态之间存在转移关系，aij＝0表示第i状态与第j状态之间不存在转移关系。

将步骤1中获得第一组流量变化率的进行状态分类，将各流量变化率分别归为这四个状态分类，以时间为序，按时间顺序统计在这五个时间段中，流量变化率的状态转移情况，形成状态转移概率矩阵p中的各个元素。

状态转移概率矩阵p的计算过程如下：

步骤2.1，根据分类得到处于第一状态的流量变化率数量为5，由第一状态至第一状态转移的数量为5，由第一状态至第二状态转移的数量为0，由第一状态至第三状态转移的数量为0，由第一状态至第四状态转移的数量为0，统计这5个流量变化率在下一时刻的状态转移情况：

第一状态至第一状态的转移概率p11＝1；

第一状态至第二状态的转移概率p12＝0；

第一状态至第三状态的转移概率p13＝0；

第一状态至第四状态的转移概率p14＝0；

步骤2.2，得到处于第二状态的流量变化率数量为0，由第二状态至第二状态转移的数量为0，由第二状态至第三状态转移的数量为0，由第二状态至第四状态转移的数量为0，统计这0个流量变化率在下一时刻的状态转移情况：

第二状态至第一状态的转移概率p21＝0；

第二状态至第二状态的转移概率p22＝0；

第二状态至第三状态的转移概率p23＝0；

第二状态至第四状态的转移概率p24＝0；

步骤2.3，得到处于第三状态的流量变化率数量为0，由第三状态至第二状态转移的数量为0，由第三状态至第三状态转移的数量为0，由第三状态至第四状态转移的数量为0，统计这0个流量变化率在下一时刻的状态转移情况：

第三状态至第一状态的转移概率p31＝0；

第三状态至第二状态的转移概率p32＝0；

第三状态至第三状态的转移概率p33＝0；

第三状态至第四状态的转移概率p34＝0；

步骤2.4，得到处于第四状态的流量变化率数量为0，由第四状态至第二状态转移的数量为0，由第四状态至第三状态转移的数量为0，由第四状态至第四状态转移的数量为0，统计这0个流量变化率在下一时刻的状态转移情况：

第四状态至第一状态的转移概率p41＝0；

第四状态至第二状态的转移概率p42＝0；

第四状态至第三状态的转移概率p43＝0；

第四状态至第四状态的转移概率p44＝0；

则该马尔科夫链中的状态转移概率矩阵p为：

步骤3，收集第二组流量：2.37、2.37、2.34、2.34、2.31，单位：m³/h。得到第二组五个流量变化率：q1＝0％,q2＝0％,q3＝2.64％,q4＝2.57％,q5＝2.92％，同步骤2统计这五个流量变化率在每个区间内的数量，将此时实际流量变化率在每个区间的数量编为第一参数向量，设为α1＝[2030]，其中α1表示第一参数向量，2表示在第一参数向量下，五个流量变化率中，在第一状态下的流量变化率的数量；0表示在第一参数向量下，五个流量变化率中，在第二状态下的流量变化率的数量；3表示在第一参数向量下，五个流量变化率中，在第三状态下的流量变化率的数量；0表示在第一参数向量下，五个流量变化率中，在第四状态下的流量变化率的数量；

由马尔科夫链计算，得到第三个时间段的基于马尔可夫链的预测流量变化率的参数向量β1,其公式为：

β1＝α1×p，得到的β1＝[2000],

由β1＝[2000]，得到此时预测下一时刻处于第一状态的参数数量最多，含有2个参数，即其中s＝1，则此时预测下一时刻状态为第一状态，即不泄漏状态。

步骤4，收集到第三组流量：2.31、2.28、2.28、2.28、2.25，单位：m³/h，得到第三组五个流量变化率的值q1＝0％,q2＝1.21％,q3＝2.4％,q4＝1.17％,q5＝0.38％，同步骤2统计其在各个区间的匹配数量情况，设为α2＝[1130]，其中得到此时处于第三状态的参数数量最多，含有3个参数，即其中w＝3，即此时实际状态为第三状态。

步骤5，比较和中s和w的数量值：

由于s＝1，w＝3，s＜w，得到管道处于泄漏前期阶段，且泄漏状态为第三状态。

步骤6，使第二组数据为第一组数据，第三组数据成为第二组数据，继续预测判定管道实时状态或泄漏情况。此时为泄漏第三状态，判定发生泄漏，触发报警程序，系统开始进行报警。

步骤7，泄漏报警程序触发次声波传感器启动，并开启次声波传感器工作，开始接收泄漏点次声波信号。

管道泄漏点到前段次声波传感器的距离为x，管道上游次声波传感器3至管道下游次声波传感器5之间的距离为l＝100m，管道上游次声波传感器3接收到同源次声波信号的时间点为t1＝0.082s,管道下游次声波传感器5接收到同源次声波信号的时间点为t2＝0.203s,次声波在非金属管道中的传播速度约为

c＝334m/s，由此可由公式定位泄漏点：

所以定位其泄漏点为距管道前段59.586m处。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。