|
|
|
<P align=center> 畢鋒東1，李樹杰1，陳久會2，馬 驥3</P>
<P> (1.新疆新捷股份有限公司,烏魯木齊 830000；2.北京昊科航科技有限責任公司，北京100039)</P>
<P> <STRONG> 摘 要</STRONG> 根據克-烏線的情況，采用《HKH系列管道泄漏監測報警定位系統》，設計了合適的專用模糊神經網絡，給出了專用網絡圖和部分算法。說明了調試方法，對測試數據進行了分析，根據試驗效果對該系統在克-烏成品油管道上的適用性做出了結論，提出了存在問題和改進建議。</P>
<P><STRONG> 關鍵詞 人工智能；模糊神經網絡；泄漏監測；應用研究</STRONG></P>
<P> 中圖分類號：文獻標識碼：文章編號</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> 人工智能作為現代設計方法學○1的一個重要組成部分，已經在我國管道泄漏監測中有了成功應用案例○2。為了解決克—烏成品油管道泄漏監測的技術難題，彌補國外技術的不足，根據克-烏線的情況，采用《HKH系列管道泄漏監測報警定位系統》，研究合適的專用模糊神經網絡，確定該網絡在克－烏成品油管道上的適用性。</P>
<P><STRONG> 2人工智能型的管道泄漏監測模型</STRONG></P>
<P> 2.1克－烏成品油管道泄漏監測的神經網絡模型</P>
<P> 克－烏成品油管道是長距離多品種油密閉順序輸送管道，兩個進油站，一個出油站，中間又有四個串聯泵站，每個泵站又都有變頻泵和工頻泵，串聯泵站沒有流量計，管道內混油頭數量不定，管道輸送壓力變化較大，情況復雜。為了在這種環境中能正確識別出管道泄漏信號，經反復研究，我們設計了專門的網絡。為了給網絡提供盡可能多的信息，我們在沒有流量計的站增加了差壓變送器，用以代替流量計信號。這樣，每個站就有了三種進入網絡的原始信號。</P>
<P> A B C D E F G H</P>
<P> 這個網絡圖共分了八層。</P>
<P> A層：是輸入層，其中：</P>
<P> 是人工設定的閾值，是與檢測量性質和量程相關的一個數值。</P>
<P> 是輸入量，對于中間的一個站來講，他們分別代表進站壓力、差壓和出站壓力。</P>
<P> B層是模糊層：在此完成檢測量的模糊化， 是上層的輸出、下層的輸入。</P>
<P> (1.1)</P>
<P> 其中： ——是與檢測量性質和量程相關的一個系數，</P>
<P> 是與采集數相關的一個量。</P>
<P> C層：是閾值配置層，在此完成信息分類前的閾值配置。</P>
<P> 是人工設置的閾值，對任何輸入 ，該值對應的每一個下級單元都是不同的。</P>
<P> (1.2)</P>
<P> 在這里， 1，2，3； 1，2，3……12。</P>
<P> 是信號分配器，對于任何輸入 ， 所對應的每一個下級單元都是不同的。</P>
<P> (1.3)</P>
<P> 是與 相關的閾值。</P>
<P> D層是分類層：在這里，管道運行狀態被分成了12個特征點：</P>
<P> 保存了上次計算的結果，</P>
<P> (1.4)</P>
<P> E層是歷史經驗層：</P>
<P> 是提取的歷史經驗，是根據F層的數據變化經一定的運算以后不斷更新的，當F層數據進來時，該層要對更新要求進行識別，進行合理處理后作為新的歷史經驗被保存下來；</P>
<P> (1.5)</P>
<P> F層是函數運算層：</P>
<P> 包括二方面的內容，一個是根據以前的經驗和當前進來的信息進行綜合運算，給出一個輸出數據，送到下一級，再一個是給出一個歷史經驗的新數據，送到E層；</P>
<P> (1.6)</P>
<P> G層是合成層：</P>
<P> 根據前級數據合成的一個新數值，送到下一級；</P>
<P> (1.7)</P>
<P> H層是輸出層：</P>
<P> 接受前面的三個數據，在此進運算后輸出，給出一個唯一的結論。</P>
<P> (1.8)</P>
<P> 2.2專用模糊神經網絡的定位技術</P>
<P> 動態管道泄漏監測要解決的問題其實只有兩個，一個是正確的識別出泄漏，一個是定位。識別泄漏是關鍵的技術，在此基礎上的才是定位。</P>
<P> 采用專用模糊神經網絡監測能夠正確識別管道泄漏，這第一個問題就解決了。接下來的就是定位的問題了。</P>
<P> 為了解決克烏線微小信號下定位誤差大的問題，我們選擇了水擊波速度法。根據監測點內管道長度、上下游監測點接收到水擊波信號的時間差和管道內水擊波的傳播速度就可以計算出泄漏點的位置。該法的定位公式如下：</P>
<P> (1.9)</P>
<P> 式中：</P>
<P> —— 泄漏點的位置</P>
<P> ——被監測的管道的長度</P>
<P> ——波在管道中傳播的速度</P>
<P> ——首末兩站點收到波的時間差</P>
<P> (1.10)</P>
<P> 式中：</P>
<P> ——流體密度；</P>
<P> K ——液體的體積彈性系數；</P>
<P> E ——管材彈性系數；</P>
<P> D ——管道的平均直徑</P>
<P> δ——管壁厚度；</P>
<P> Ψ——系數，對于埋地管道，Ψ＝1－μ²；</P>
<P> μ——泊松系數，鋼管的μ=0.3；</P>
<P> 從上面的公式可以看出，一般情況下， 和 的變化可以忽略不計，定位誤差大小僅與 有關，所以采用水擊波速度計算泄漏位置的關鍵問題是找到事件發生的確切時刻 。由于專用模糊神經網絡能準確的找到事件的發生時刻，從而為準確的計算 提供了依據，也解決了小信號所需定位時間太長的問題。</P>
<P><STRONG> 3 專用模糊神經網絡的調試</STRONG></P>
<P> 專用人工智能網絡的調試是在系統軟硬件安裝后在現場進行的。首先根據運行參數進行初調試，再進行實地放油試驗。放油過程中不進行調試操作，放油后再根據放油結果調整系統學習模型，這是一個不斷循環的過程。直至達到調試目標。</P>
<P> 調試放油方法：放油前1個小時至最后一次放油結束期間內各站不要進行較大的人工操作，包括啟停泵，切換混油以及變頻設備的調整等；系統各單元正常運行30分鐘以上；每兩次放油的最短時間間隔不能少于20分鐘（以前一次關閥時間至下一次開閥時間計算）；現場放油操作要求準確、快捷，并進行精確放油計量；最小泄放量不小于瞬時量的0.5%；開關閥門放油要連續操作，不反復開關閥門調節流量；每次放油持續時間不少于2.5分鐘。</P>
<P><STRONG> 4 系統測試結果</STRONG></P>
<P> 在正常輸油和系統穩定運行的條件下，選擇不易報警的下游段管道作為測試段，采用現場放油的方法對《HKH系列管道泄漏監測報警定位系統》的性能和特點進行實際檢驗。在全過程系統處于全自動無人干預的狀態。</P>
<P> 4.1輸單品種油時測試數據</P>
<P> 表一 2004年10月25日距703站135km處放油現場測試數據表</P>
<P> 序號 時：分 輸油量m3/h 放油量m3/h 放油速度% 報警情況 位置誤差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> 表一中的數據均來自現場紀錄，測試時輸送的油品是柴油，管道中沒有混油頭。每次放油報警相應時間均小于3分鐘。</P>
<P> 4.2. 管道中有混油頭時現場放油測試數據</P>
<P> 2005年9月25日，在管道中有汽頂柴混油頭的情況下，再一次進行了測試。</P>
<P> 表二 管道中有混油頭時現場放油測試數據表</P>
<P> 放油地點 放油時間2005年9月25日 輸油量m3/h 放油速度m3/h （放油量/輸油量）×100% 報警位置距克首站km 響應時間min</P>
<P> 自動記錄 現場測量 自動記錄 現場測量 </P>
<P> 10號閥池 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號閥池 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> 表二自動記錄是系統報警記錄中的數值，該值是管道兩端流量計差值變化的累計量，它反映的是可檢測信號的數值；現場測量是放油時現場流量計的計量值，它是現場放油的實際值；</P>
<P> 4.3數據分析</P>
<P> 現場數據和監測系統記錄的數據都是可靠的。但管道泄漏監測系統記錄的泄漏數據遠小于現場記錄的數據。這種差別是由輸油管道特性決定的。</P>
<P> 4.3.1 泄漏發生后的階段特性</P>
<P> 當管道泄漏發生時，管道內外壓差大使流體迅速外漏，由此造成管道局部壓力下降，泄漏點到上游壓差最大，到下游壓差最小，泄漏速度最大，這一階段時間長度計為Tf，流體的瞬時泄漏速度記為Qf；</P>
<P> 隨著管道收縮和管內油品壓力降低體積膨脹，導致Qf大于監測系統記錄的泄漏速度Qd。現場泄漏速度為最低，這是泄漏發生的第二階段；</P>
<P> 泄漏引起使泵的流量增加，管道壓力有稍許回升，導致了泄漏速度的增大。此時，盡管還有波動，但基本上管道壓力已趨于穩定，這是泄漏發生后的第三階段；</P>
<P> 這三個階段是泄漏過渡階段。先是現場有了泄漏Qf，而監測點的泄漏為0，隨后監測系統開始檢測到泄漏速度Qd，管道處于壓縮能和過充裝能量的釋放階段。這階段，Qf和Qd同時存在，但始終有Qf＞Qd。</P>
<P> 泄漏使管道壓力重新分布，管道逐步開始進入一個新的穩態過程。這一過程是穩定泄漏階段。Qf和Qd逐步靠近，最后趨于相等；</P>
<P> 隨著關放油閥，泄漏點壓力突然上升，現場沒有流量了，監測系統還會有流量。現場流量計停止運行了同一個Tf時間后，Qd才結束。此后管道進入壓力上升，流量的過充裝階段。但現場流量計和監測系統都未能記錄這種充裝量。</P>
<P> 從上面分析可知，在泄漏未到達穩定狀態之前，始終有Qf＞Qd。如果開孔放油時間還未到達穩定階段就關上了閥門，其結果必然是現場放油量大于監測點統計的量。可見，短時間放油，現場泄漏多，流程儀表記錄的少是必然規律。</P>
<P> 管道壓力平衡需要多少時間？這個問題很復雜。有人做過計算③，在一條成品油管道發生0.5％泄漏時，距泄漏點80km的監測點上首波壓降300Pa，480秒后大約又下降了10倍，達3kPa。可見，壓力下降還處在過渡階段。</P>
<P> 4.3.2關于系統靈敏度</P>
<P> 不可測量的參數無法評論其數值指標。就管道泄漏監測系統而言，衡量系統靈敏度指標的正確數據只能以來自系統監測點上的信號為依據。</P>
<P> 從表二自動記錄數據欄可以看到，系統在泄漏0.19％下仍能正常報警。不難得出結論，如果不是因為混油頭經過泵站帶來的波動影響和人工測試放油等間隔連續性造成的管道工作不平穩，對于一般管道穿孔發生的泄漏和打孔盜油造成的泄漏而言，系統漏報是不可能的，而且靈敏度遠優于國外領先產品0.5％的技術指標，系統的可靠性是可以信賴的。</P>
<P> 在真實的管道泄漏中，無論自然泄漏還是人工開孔盜油，一般泄漏都會進入穩定泄漏階段，此時，有Qf＝Qd。所以，實際泄漏發生時，泄漏速度和系統監測到的泄漏速度在使用中是一致的。</P>
<P> 圖三 9月25日管道中有混油頭時現場放油曲線圖</P>
<P> 4.4. 放油過程曲線解讀</P>
<P> 放油過程在圖三中必然對應一小段下凹的曲線。但單從下凹曲線上已經不容易確切的分清所有的放油過程了。從圖像中可以分出曲線圖上有18個下凹的曲線段，實際只放了10次油，而曲線下落最大的位置卻不是放油所致，那是混油頭經過泵站時形成的。</P>
<P> 圖三中，1、4、5、6、7是放油報警過程曲線，2、3和8、9、10是未報警的放油曲線。在第一次放油前40分鐘，管道剛好經過兩次較大的壓力波動，到放油開始時，余波還在。未報警的2和3放油過程剛好被混油頭經過泵站的全過程給連了起來。由于連續操作，在第五次放油以后，管道這種較長周期的振蕩已經形成，這給后面放油識別造成了直接困難。</P>
<P><STRONG> 5.克－烏成品油管道泄漏監測系統性能綜合評價</STRONG></P>
<P> 5.1系統性能優于預想效果</P>
<P> 測試已經證明，系統模型高度智能化，靈敏度達到了0.2％，完全自動化運行，無需人的干預，真正實現無人值守。從上面的放油數據和曲線我們看到，在管道壓力變化復雜的背景下保持高靈敏度的同時，能夠識別人工操作和管道異常波動，抑制誤報警。克－烏成品油管道泄漏監測系統性能優于預想效果。</P>
<P> 5.2問題和建議</P>
<P> 受放油條件限制，放油速度無法再大，無法驗證在0.5％泄漏速度下的效果，從圖三我們也看到，盡管性能優異，非常靈敏，沒有誤報警，但在靈敏度達到0.2％時仍有一半的放油過程沒有報警，后兩次的定位重復性也不好，有待今后改進。</P>
<P><STRONG> 6、結 論</STRONG></P>
<P> 為解決克烏成品油管道泄漏監測問題，我們采用了《HKH系列管道泄漏監測報警定位系統》，設計了專門模糊神經網絡。經過調試，在系統工作正常的情況下進行了實際泄放試驗，分析了試驗數據和圖像，證明了這確實是適合我們需要的管道泄漏監測系統。和其他同類技術相比，它具有靈敏度高、響應快、誤報少、定位準、功能全、智能化程度高、不需要人工設置參數等諸多優點，滿足克－烏成品油管道泄漏監測的需求，試驗結果達到了預期的目的。</P>
<P><STRONG> 參考文獻</STRONG></P>
<P> ○1 現代設計方法學 機械科學研究院 北京機科易普軟件技術有限公司</P>
<P> ○2 人工智能在管道泄漏監測中的應用 《管道技術與設備》2003(6·40) 李學軍，陳久會</P>
<P> ③ 用壓力波法監測順序輸送管道泄漏的特點 《管道技術與設備》1995（1） 于達</P>
|
|
狀 態：
離線
公司簡介
產品目錄
|
|
|
公司名稱：
|
北京昊科航科技有限責任公司
|
| 聯 系 人： |
陳久會
|
| 電 話： |
010-88202991
|
| 傳 真： |
010-63710449 |
| 地 址： |
北京市豐臺區帝京路1號帝京花園C20 |
| 郵 編： |
100070 |
| 主 頁： |
|
|
|
|
|
