一种基于时序分解算法的城市检查窨井内聚集气体辨识诊断方法与流程

本发明涉及地下空间可燃气体监测与辨识方法，具体涉及辨识城市检查窨井内聚集气体的诊断方法。

背景技术：

1、在地下密闭有限空间内，包括污水井、燃气井和电力通信井等各类城市检查窨井，极易沿土壤孔隙渗入各类气体并发生聚集。最主要的是城市直埋燃气管道泄漏并沿土壤孔隙渗流扩散的天然气，以及由于城市垃圾和污水处理系统的施建，有机废弃物使检查窨井内滋生的沼气。两种聚集气体的危害不同，但其主要成分都是甲烷，难以辨识区别，所不同的仅是天然气中含有乙烷。

2、目前为有效预警杜绝检查窨井内气体的聚集，避免遇静电、明火等爆炸事故的发生，在各类检查窨井安装有气体传感器，通过远程数据传输，实时监测地下空间中气体聚集情况，一旦达到爆炸风险下限阈值即发生报警提示。但现有能辨识气体物性的传感器如乙烷传感器等（由于需要实时色谱分析）都十分昂贵，而普通浓度传感器的使用，限制了传输数据对天然气或沼气的辨识，导致无法采用不同应急手段进行处理。

3、现有研究检索到国内已申报发明专利，如公开号为cn215910066u的中国专利采用双气路采样与甲烷、乙烷传感器联用，通过乙烷\甲烷比值判别来源，这种布设两种辨识不同气体的传感器依赖组分辨识，成本很高；公开号为cn117890038a的中国专利利用乙烷气体对红外检测单元干扰导致的检测数值偏差，同时采用激光甲烷检测单元与红外甲烷检测单元检测甲烷气体浓度，并将两者做差值，当差值超过设定阈值时判定为天然气泄漏，这种辨识方法需要两种监测传感器导致成本高，且未考虑滋生的沼气具有的日周期波动特征；公开号为cn115964609a的中国专利公开了一种燃气泄漏识别方法，是在燃气管线相邻地下空间甲烷报警前提下，针对每五分钟一次采样间隔的甲烷浓度传感器数据，利用其周期特征进行相关性检验判断是否为燃气泄漏并进行报警辨识，但这种方法只能针对报警数据进行是否有天然气泄漏进行判断，泛化能力弱，在同时存在滋生沼气等状况下易出现误报、漏判，无法满足高精度、强鲁棒性的工程应用需求。

4、综上所述，当前检查窨井天然气与沼气监测方法可分为两大方向：一是仅监测甲烷气体浓度，但其难以区分甲烷气体浓度增高是由于沼气堆积所致，或是由天然气泄漏所致；二是关注气体组分检测，多依赖于各类传感器，初投资高且易造成低浓度泄漏漏判。

技术实现思路

1、本发明的目的在于克服现有技术的难题，提供一种检查窨井内天然气泄漏与沼气堆积的识别方法。本方法依据天然气泄漏与沼气堆积聚集风险特性构建检查窨井内聚集气体辨识诊断方法，可极大的降低初投资、提高辨识精准度。

2、为实现上述目的，本发明采用以下技术方案：

3、本发明的一种基于时序分解算法的城市检查窨井内聚集气体辨识诊断方法，包括以下步骤：

4、步骤s1，按固定时间间隔采集被监测的地下检查窨井中的甲烷浓度时序数据，得到甲烷浓度的原始采样数据序列x，记为：

5、；

6、其中为第个采样时刻的甲烷浓度值，；

7、为总采样点数；

8、步骤s2，对所述的原始采样数据序列x进行预处理，通过异常值剔除算法，剔除异常数据点，采用线性插值法补全因数据剔除产生的缺失点，通过滑动平均滤波法对插值后的甲烷浓度数据进行去噪处理，得到标准化甲烷浓度时间序列；

9、步骤s3，采用stl时序分解算法，将步骤s2得到的标准化甲烷浓度时间序列分解为标准化甲烷浓度趋势项数据序列、标准化甲烷浓度周期项数据序列和标准化甲烷浓度残差项数据序列：

10、；

11、其中：表示在时刻经步骤s2进行预处理后的标准化甲烷浓度值序列；

12、为标准化甲烷浓度趋势项数据序列；

13、为标准化甲烷浓度周期项数据序列；

14、为标准化甲烷浓度残差项数据序列；

15、步骤s4，针对步骤s3所得标准化甲烷浓度周期项数据序列，采用离散傅里叶变换法进行频域分析，得到标准化甲烷浓度周期项的主周期；

16、步骤s5，针对步骤s3中stl分解所得标准化甲烷浓度周期项数据序列，计算延迟阶数为时的自相关系数；

17、步骤s6，基于步骤s4所得标准化甲烷浓度周期项的主周期以及步骤s5计算得到的延迟阶数为时的自相关系数；比对主周期和自相关系数数值是否满足沼气堆积的周期性判定条件，沼气堆积的周期性判定条件为：

18、条件一、至少一个主周期落在自适应日周期区间，所述的自适应日周期区为根据目标窨井历史甲烷浓度周期项主周期数据，采用统计方法构建的动态判定区间，用于识别当前主周期是否属于沼气堆积引起的日周期波动特征：

19、；

20、；

21、；

22、其中：为当前标准化甲烷浓度周期项数据序列的主周期；

23、为无天然气泄漏工况下，沼气堆积的历史周期平均值，通过历史数据统计得到；

24、为无天然气泄漏工况下，沼气周期的标准差，反映沼气周期波动的自然偏差；

25、为无天然气泄漏工况下，第个历史样本甲烷浓度周期项数据序列的主导周期，所述的历史样本甲烷浓度周期项数据序列中样本数据来自目标检查窨井的历史监测数据，选取过去连续日、无天然气泄漏工况下的甲烷浓度监测数据，并依次执行步骤s2预处理、步骤s3的stl分解及步骤s4的离散傅里叶变换法进行频域分析，提取得到每日甲烷浓度周期项的主导周期，然后将主导周期汇总构成历史样本集；

26、为无天然气泄漏工况下，参与数据统计的监测总天数；

27、条件二、自相关系数满足：

28、；

29、同时满足以上条件，判定为该检查窨井内出现沼气堆积；

30、步骤s7，针对步骤s3中stl分解所得甲烷浓度趋势项数据序列，计算相邻采样时刻的甲烷浓度相对变化率，构建得到甲烷浓度相对变化率序列v，计算甲烷浓度相对变化率序列的波动率标准差，以表征甲烷浓度突变程度，具体过程如下：

31、步骤s71，采用公式计算相邻采样时刻的甲烷浓度相对变化率并构建甲烷浓度相对变化率序列：

32、；

33、其中为第采样时刻对应的标准化甲烷浓度趋势项数据序列中的甲烷浓度相对于相邻前一时刻的甲烷浓度相对变化率；

34、与分别为步骤s3中stl分解所得标准化甲烷浓度趋势数据序列 中在第采样时刻与第采样时刻的甲烷浓度值；

35、步骤s72，计算所述甲烷浓度相对变化率序列v的波动率标准差，以量化甲烷浓度趋势的整体波动剧烈程度，计算公式如下：

36、，d=2,3，···,n；

37、其中，为甲烷浓度相对变化率序列v的均值；

38、步骤s8，基于步骤s7中计算得到的甲烷浓度相对变化率和波动率标准差数值，与实际出现天然气泄漏时的数值区间进行比对，若甲烷浓度相对变化率和波动率标准差数值均满足阈值条件，则判定该检查窨井内出现天然气泄漏，天然气泄漏判定条件：

39、条件一、趋势项相对变化率超过动态突变阈值：

40、；

41、；

42、；

43、其中：为动态阈值下限；

44、为动态阈值上限；

45、为正常无泄漏工况下，历史样本甲烷浓度趋势项相对变化率序列的标准差；

46、为无天然气泄漏工况下，参与统计的历史样本总数；

47、为正常无泄漏工况下，历史样本甲烷浓度趋势项相对变化率序列的平均值；

48、为正常无泄漏工况下，第个历史样本对应的甲烷浓度趋势项相对变化率序列的采样值；

49、为待检测甲烷浓度趋势项序列中，与第个采样时刻对应的甲烷浓度相对变化率，

50、条件二、波动率标准差满足：

51、；

52、同时满足以上条件，判定为天然气泄漏。

53、步骤s9，基于步骤s6沼气是否堆积的判断结果以及步骤s8天然气是否泄漏的判断识别结果，执行分级反馈与处置。

54、本发明的有益效果：

55、基于传感器采集的时序数据特征进行深度分析，以此辨识天然气泄漏与沼气堆积的差异规律，并结合针对性构建的天然气泄漏与沼气堆积判别指标，实现对检查窨井内甲烷来源的精准、定量判定，解决现有技术仅依靠甲烷浓度无法区分天然气泄漏与沼气堆积的技术难题，从而达成检查窨井天然气泄漏风险的精准预警及沼气堆积的及时识别，为地下可燃气体安全防控提供可靠技术支撑。