一种管道泄漏检测方法及装置与流程

摘要: 本技术涉及管道泄漏检测方法领域,具体而言,涉及一种管道泄漏检测方法及装置。背景技术:1、油气长输管道在运行过程中因腐蚀、第三方破坏等原因可能发生泄漏,泄漏不仅造...
一种管道泄漏检测方法及装置与流程

本技术涉及管道泄漏检测方法领域,具体而言,涉及一种管道泄漏检测方法及装置。

背景技术:

1、油气长输管道在运行过程中因腐蚀、第三方破坏等原因可能发生泄漏,泄漏不仅造成资源损失,更可能引发火灾、爆炸及环境污染等严重事故。随着管道网络日益复杂,对泄漏检测的及时性、准确性和定位精度提出了更高要求。基于瞬态模拟的泄漏检测方法因其能够模拟管道动态水力行为而受到广泛关注。

2、现有基于atmos sim的管道泄漏检测方法通常采用实时残差分析策略。具体实现过程为:首先利用atmos sim建立待测管道的几何模型、物性参数及边界条件,通过实时采集管道首末端的压力、流量及温度数据作为输入边界进行瞬态水力模拟,计算出管道沿线各节点的理论压力与流量值。然后将理论计算值与实际传感器实测值逐点比较,计算残差序列。当残差超过预设的固定阈值且持续一定时间窗口后,系统即判定为泄漏并发出报警。部分改进方法还会采用统计过程控制技术对残差序列进行平滑处理,以减少随机噪声引起的误报。

3、然而,上述现有技术在实际工程应用中在管道正常瞬变工况下易产生误报警,且对缓慢微小泄漏检测灵敏度低的技术问题。

技术实现思路

1、本技术实施例的目的在于提供一种管道泄漏检测方法及装置,用以通过虚拟传感器阵列与工况自适应仿真,结合时空模式判定,实现了对管道泄漏的高灵敏度检测和精确定位,同时有效降低了正常工况变化导致的误报警。。

2、第一方面,提供了一种管道泄漏检测方法,该方法可以包括:

3、基于管道运行过程中采集的当前时间窗口内管道运行数据序列,利用训练好的工况编码神经网络,获取该时间窗口对应的当前工况特征向量;

4、以当前工况特征向量作为边界条件驱动管道瞬态流动仿真模型,得到各虚拟压力测点在当前时间窗口内的模拟压力时序值;

5、基于各虚拟压力测点的模拟压力时序值与相邻真实压力传感器的实测压力时序值,确定沿管道分布的一致性指标序列;

6、基于所述一致性指标序列的当前偏差模式特征向量与正常基准偏差模式特征向量的比较结果,结合时空模式判定条件,确定泄漏位置区间。

7、在一个可能的实现中,所述工况编码神经网络的训练过程,包括:

8、利用管道瞬态流动仿真模型,生成正常运行动态数据集和泄漏运行动态数据集;对所述正常运行动态数据集和所述泄漏运行动态数据集中的各数据样本标注对应的工况参数标签;

9、构建一个多任务的工况编码神经网络,该工况编码神经网络网络由共享的卷积-长短期记忆编码层和多个并行的工况分类分支组成,以管道实际可测的边界参数序列作为输入,以所述工况参数标签作为监督信号进行联合预训练,以得到训练好的工况编码神经网络;其中,将预训练后的共享的卷积-长短期记忆编码层输出的固定长度向量作为工况特征向量。

10、在一个可能的实现中,得到各虚拟压力测点在当前时间窗口内的模拟压力时序值,包括:

11、将所述当前工况特征向量输入到一个预先训练好的边界条件映射网络中,该网络输出管道的边界变化曲线;

12、以无泄漏假设作为泄漏边界条件,将该边界变化曲线作为动态边界驱动配置的管道瞬态流动仿真模型进行求解,该模型采用网格自适应加密策略,在相邻真实压力传感器间的区段内设置密度为真实传感器密度预设倍数的虚拟压力测点;

13、在每个加密网格节点上输出模拟压力时序值,并将该模拟时序值按时间对齐后作为该虚拟压力测点的模拟压力时序值,以得到当前时间窗口内的模拟压力时序值。

14、在一个可能的实现中,所述时间窗口的长度根据管道长度及压力波传播速度动态确定,包括:

15、以管道长度除以压力波传播速度所得时间的二倍作为基础窗口长度,并叠加一个随机抖动因子后得到最终时间窗口长度。

16、在一个可能的实现中,确定沿管道分布的一致性指标序列,包括:

17、对于每一个虚拟压力测点,将其模拟压力时序值与相邻的两个真实压力传感器的实测压力时序值分别进行逐时刻作差,得到两个差值序列和相应加权平均后的差值序列;

18、将加权平均后的差值序列在所述当前时间窗口内进行滑动平均滤波,得到一个标量值作为该虚拟压力测点处的一致性指标,以及沿管道顺序排列的一致性指标序列。

19、在一个可能的实现中,所述方法还包括:

20、在将所述一致性指标序列的当前偏差模式特征向量与正常基准偏差模式特征向量比较之前,采用一维空洞卷积神经网络中包含三个并行的空洞卷积分支分别对所述一致性指标序列进行多尺度特征提取,并将三个分支的输出特征拼接后,再经全局平均池化和全连接层,输出固定维度的当前偏差模式特征向量;其中,各分支的空洞率不同;

21、所述正常基准偏差模式特征通过以下方式配置:在管道无泄漏且工况稳定的历史运行期间,获取多个历史时间窗口的一致性指标序列;将各历史时间窗口的一致性指标序列依次经过与一维空洞卷积神经网络进行特征提取,并对多个输出向量按同一维度位置计算所有向量的平均值和标准差,得到正常基准偏差模式特征向量。

22、在一个可能的实现中,基于所述一致性指标序列的当前偏差模式特征向量与正常基准偏差模式特征向量的比较结果,结合时空模式判定条件,确定泄漏位置区间,包括:

23、将所述当前偏差模式特征向量与所述正常基准偏差模式特征向量逐元素相减,得到差异特征向量,并将该差异特征向量沿管道里程方向展开为差异值序列;

24、采用长度为l的滑动窗口沿所述差异值序列逐点扫描,计算每个窗口内差异值的局部累积和,并判断该窗口内差异值是否连续超过预设差异阈值,l为正整数;

25、当任一窗口内的局部累积和大于第一阈值,且该窗口对应的管道区段长度大于预设的最小泄漏区段长度时,将该窗口的起始位置与结束位置标记为候选泄漏区段;

26、在连续多个时间窗口内追踪同一候选泄漏区段的局部累积和,若该累积和随时间呈单调递增趋势且相邻时间窗口的递增幅度超过第二阈值,则确认该候选泄漏区段为真实泄漏区段;

27、在该确认的泄漏区段内,将差异值峰值点所对应的里程位置作为泄漏点的估计位置,并将该区段的起始里程与结束里程作为泄漏位置区间。

28、第二方面,提供了一种管道泄漏检测装置,该装置可以包括:

29、获取单元,用于基于管道运行过程中采集的当前时间窗口内管道运行数据序列,利用训练好的工况编码神经网络,获取该时间窗口对应的当前工况特征向量;

30、驱动单元,用于以当前工况特征向量作为边界条件驱动管道瞬态流动仿真模型,得到各虚拟压力测点在当前时间窗口内的模拟压力时序值;

31、确定单元,用于基于各虚拟压力测点的模拟压力时序值与相邻真实压力传感器的实测压力时序值,确定沿管道分布的一致性指标序列;

32、以及,基于所述一致性指标序列的当前偏差模式特征向量与正常基准偏差模式特征向量的比较结果,结合时空模式判定条件,确定泄漏位置区间。

33、第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

34、存储器,用于存放计算机程序;

35、处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。

36、第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。

37、本技术实施例提供的一种管道泄漏检测方法及装置,该方法基于管道运行过程中采集的当前时间窗口内管道运行数据序列,利用训练好的工况编码神经网络,获取该时间窗口对应的当前工况特征向量;以当前工况特征向量作为边界条件驱动管道瞬态流动仿真模型,得到各虚拟压力测点在当前时间窗口内的模拟压力时序值;基于各虚拟压力测点的模拟压力时序值与相邻真实压力传感器的实测压力时序值,确定沿管道分布的一致性指标序列;基于一致性指标序列的当前偏差模式特征向量与正常基准偏差模式特征向量的比较结果,结合时空模式判定条件,确定泄漏位置区间。该方法通过虚拟传感器阵列与工况自适应仿真,结合时空模式判定,实现了对管道泄漏的高灵敏度检测和精确定位,同时有效降低了正常工况变化导致的误报警。