管道泄漏监测解决方案
      
即使使用同样的材料，由于采用的技术不同，就会生产出性能迥异的产品；
   即使同样监测的是流量、压力、温度等常规信号，由于采用的算法不同，做出的管道泄漏监测系统也会有质的不同；
绝大多数管道泄漏监测系统的差别不在于信号，而在于算法，由此便有了国外占主流地位的统计法和国内占主流地位的负压力波法；
   拥有独家发明专利的北京昊科航公司，率先推出了一种崭新的算法—基于模糊神经网络的算法，从而使管道泄漏监测系统有了如下业内领先的综合性能：
1、无须设定任何参数，无须人工定位，真正的无人管理系统；
2、无论是否有流量计，都能既无漏报又无误报；
3、发生瞬时量的0.5%泄漏量时也能在0～3分钟内报警，大泄漏几米到几十米、小泄漏500米以内的定位误差；
4、消除了各种仪表误差的影响，对现场信号要求不苛刻；
5、自动识别各种生产工艺操作，消除了人工操作引起的误报警；
6、多种可选择的冗余通信技术，保证了系统的全天候工作；
7、凡是流体输送管道，无论是单段还是管网、无论是海底、陆地还是地下、无论是双层管还是单层管、无论是多品种顺序输送的成品油还是原油，只要是流体输送管道都能监测；
8、完整的运行日志记录了各种操作和故障自检记录；
9、永久的泄漏记录和历史曲线、智能报表；
10、带有电子地图上的报警位置可同时显示里程和大地坐标。
目 录
一、系统简介
1. HKH系列管道泄漏监测软件系统应用原理
2. 系统工作原理
3. 系统的主要性能指标和特点
4. 系统应用
二、应用案例解析
1. 长距离多泵站串联密闭输送成品油输送管网的泄漏监测报警定位技术
2. 油田集输管网的管道泄漏监测报警定位技术。
3. 抚顺—营口成品油输送管线监测报警定位技术。
4. 管线微泄漏的监测报警定位技术。
5. 中间有加热站的管道泄漏监测报警定位技术
6. 高含水高凝油管线的监测报警定位技术。
7. 长期稳定运行、既无误报又无漏报的技术
四、用户意见
1. 商曲线测试报告
2. 济北公司用户意见
3. 抚营线测试报告
4. 抚顺石化用户意见
5. 采油九厂用户意见
五、公司证件
1. 专利证书
2. 高新技术企业证书
一、系统简介
1. HKH系列管道泄漏监测软件系统应用原理
1.1. 概述
管道泄漏报警从宏观角度看并不困难。很早以前，人们已经用电接点压力表、压力开关、记录仪等工具，有效的发现了管道的泄漏，但是这种办法最大的不足是不能定位，而且对于小规模泄漏这样报警也是不合理的。这是因为管道运行中由于各种原因会产生大量的噪声（压力、流量波动），不同的管道输送环境中，这些噪声幅值也不同，一般从0.01Mpa到0.2Mpa不等，而且它在时域分布上没有准确的规律。从统计学角度看，在一定时间内每条管线的这种分布还是有一定的规律，人们还是能够认识、区分这种变化规律的，把这种认识运用到管道泄漏监测技术中，就使该项技术不断进步，实用价值越来越大。
目前国内外应用的管道泄漏监测方法有许多种，但是国内占主导地位的还是负压力波法，国外占主导地位的是统计法。从国内具体管道上的使用效果来看，由于这些方法各有它的适用范围，都不能够完全适应中国油气管道泄漏持续时间短、突发性强、泄漏情况复杂的特点。针对这一情况，我公司在国内外先进管道泄漏监测技术的基础上研制开发了适合我国管道实际状况的《HKH系列管道泄漏监测报警定位系统》这一智能型监测装置，它是在总结了国内外各种方法的优缺点后而重新提出来的、基于模糊神经网络的人工智能型管道泄漏监测系统。该技术克服了负压力波法只能对突然发生的大规模泄漏准确检测的局限性和统计法较灵敏但相对滞后和定位误差大的缺陷，能够在多种复杂情况下对各种大小泄漏进行及时报警和准确定位，这种技术广泛的适应性和它的优良性能在实际应用中得到了很好的验证。国家知识产权局专利局已经宣布我公司的“流体输送管道泄漏监测定位方法”为国家发明专利。
1.2.负压力波法的局限性
现阶段国内用的较多的负压力波法和传统方法相比是一个巨大的进步，它不但解决了定位问题而且也比传统方法误报少得多，从本质上说它是一种声学方法，即利用在管输介质中传播的声波进行检测的方法。我们知道，当管道发生泄漏时，由于管道内外的压差，泄漏点的流体迅速流失，使该点管道内压力下降，流体分子间隙变疏，泄漏点两边密度高的液体就向密度小的泄漏点补充，从而产生了一个新的波源，该波以一定速度依次向管道的两端传播，这就是所谓的负压力波。根据负压力波到达上下游监测点的时间差和管道内压力波的传播速度就可以计算出泄漏点的位置。该法常用的定位公式如下：
X = ( L + aΔt ) / 2 ———————— ①

式中：X —— 泄漏点的位置
L ——被监测的管道的长度
α ——波在管道中传播的速度
Δt——首末两站点收到波的时间差

α= ———————— ②
式中：ρ——流体密度；
K ——液体的体积弹性系数；
E ——管材弹性系数；
D ——管道的平均直径
δ——管壁厚度；
Ψ——系数，对于埋地管道，Ψ＝1－μ²；
μ——泊松系数，钢管的μ=0.3；
从上述公式可以看出，ρ和K除了与流体的特性有关外还和流体的温度和压力相关，一般这两项误差可以用数学模型来近似解决，当然这种情况下的定位公式就不是上式了，所以说①式只不过是一个近似的公式。但是真正的问题并不在这里，它在于负压力波法本身并没有脱离原始的报警方法。
下面我们结合图一和图二来看一下这种识别方法的局限性是怎样产生的：
a b c d
图一 　　 图二
一般认为图一中上面的曲线是负压力波，下面的直线是人工设置的报警阈值线，当压力下降曲线与阈值线相交时，就会发出报警，虽然事件发生在时刻a而不是报警的时刻b，但是由于压力下降比较快，a与b之间的时间差不大，所以对定位的影响不大，这就是为什么负压力波法在信号强时自动报警定位误差也不大的原因。图二中上面的曲线一般不认为是负压力波，其实在本质上它们都是由泄漏引起的管道压力下降波，图二与图一最大的差别是信号相对比较小，事件发生在时刻c而报警发生在时刻d，这种情况下得出的自动报警定位信息显然是不正确的。在生产过程中，管道压力一般都是经常调整的，而人为设定的阈值必然也要跟着调整，这不仅难以操作还增加了人为因素的不利影响。当管道压力缓慢向一个方向变动时，人们也无法跟随着调整阈值，结果往往是使报警系统失去使用价值。为了解决这个问题，人们在管道泄漏监测报警技术中采用了阈值自动跟踪法，如下图所示：
压力曲线 压力曲线

阈值线 阈值跟踪线
a 图三：报警阈值不同曲线形状 b
为了便于理解我们结合图三进行讨论。图三a中固定阈值线是电接点压力表和报警记录仪之类仪表所设置的一个数值在时间上的延伸，它在图上是一条无限延长的直线，当管道压力波触及该线时，就会发出报警。但管道操作是经常发生的，该值也必须随操作而重新设定。
图三b中阈值自动跟踪曲线是由当前压力平均值加上所设定的阈值合成的，因此它有相对的平稳性和滞后性。从长时间来看它是跟踪的，从短时间来看它是滞后的。从图上可以看出，当压力突降时会突破阈值，而正常的压力变化却达不到阈值，因此能够响应较快和相对较小的压力变动信号，从整体性能上看自动阈值跟踪技术并没有使负压力波法的基本性能有所提高。这两种阈值设定法所设定的阈值都应当远离压力波动噪声区才能有效工作。而前一种无法设定的太小，后一种则可稍小些，但都无法避免压力波动引发的误报。
即使采用了压力、流量相关识别技术来尽量减少误报，使得负压波法在相对泄漏量较大的管线上应用有较好的效果，但对缓慢开阀门的盗油、相对较慢的盗油、大输油量管线上的盗油、管道腐蚀穿孔造成的泄漏、或长距离信号的衰减等引起的泄漏报警就无能为力了。
1.3.统计法的特点
1993年，Xue Jun Zhang首先提出了统计法检漏的基本思想和算法，1995
年，壳牌公司开发出了这种检漏方法，到目前为止，该法仍被世界公认为是最先进的管道泄漏检测方法。该法的最大突破是不用复杂的模型就能发现较小的泄漏，当泄漏确定之后，就用测量的流量和压力统计平均值估算泄漏情况，用最小二乘法来定位。
———————— ③
式中：k是由摩擦因数、流体密度和管径而决定的常数，m是流态系数。这两个系数的选择直接影响到定位精度，更为严重的是一旦发生泄漏以后压力的下降是一个很长的过程，而只有稳定以后的数据对上式才有意义，报警系统如果等待那么长的时间就失去了价值，这就使得统计法虽然能够发现较小的泄漏但却不能及时的报警和准确的定位。
1.4.基于模糊神经网络的人工智能型管道泄漏监测系统。
模糊识别是大脑认识事物的方式，而这种认识是由大脑的神经细胞来完成的。人们早就希望把大脑的这种认识事物的能力运用到计算机技术中，尽管到今天为止还没有人能够制造出真正的人类智能型计算机，但在向这一目标前进的过程中毕竟已经取得了大量令人瞩目的成果。
北京昊科航公司在总结前人经验的基础上进行了深入的探索，为了使管道泄漏监测系统在小信号时也能准确识别和定位，采用了基于模糊神经网络的人工智能系统，从而使管道泄漏监测系统的整体性能发生了根本的转变。
1.4.1.消除了仪表的系统误差
迄今为止,任何一家管道泄漏监测系统的整体精度均依赖于仪表系统的误差指标,也就是说监测报警系统的最好精度指标总要低于仪表的综合精度指标,而任何一块仪表的名义精度和使用精度都是不同的，如果一块0.2级的仪表在实际应用中只使用了其量程的一半,就是在标准环境条件下,其误差也只能作为0.4级使用,且不用说使用仪表的环境根本不可能是标准环境了,因此折算到报警系统上去误差就更大了,而一个报警系统依赖的仪表不止一两块，这样结果误差会远大于名义误差。因此,有许多管道泄漏监测系统的供应商都明确忠告用户,系统的性能取决于仪表的精度。北京昊科航科技有限责任公司的“流体输送管道泄漏监测定位方法”彻底的解决了这个问题,它使得过去完全不能检测的小信号的提取成为可能,从而给用户节约了一大笔的仪表开支,过去依靠0.2级流量计才能获得的泄漏信号,在今天甚至用2.5级的流量计也能检测到。这种革命性的变革在管道泄漏检测过程中的定位、及时报警和小泄漏的监测上起到了决定性的作用。这是一项国家发明专利,任何一个厂家或个人未经本公司允许均不得使用,我们也欢迎各界朋友和我们精诚合作,举报侵权者,我公司将给予重谢,也欢迎想使用的朋友与我们就许可证的问题进行合作。
1.4.2.一个不需要设置报警阈值的人工智能系统.
任何报警设备,几乎毫无例外的都要设置一个报警的门限值。即阈值,这早已成了人们的常识,这是因为报警往往依赖于一个被测的物理参数,如果这个参数超过了某种指标,那就报警。但人对事情的识别并不是这样的,假如让我们识别到来的客人是不是熟人,那报警的阈值是什么数字?什么数字也没有,有的是我们头脑中过去积累的经验和印象,这就是模糊识别。而识别条件依赖的物质条件是人脑的神经网络,所以我们可以说人脑是一个复杂的模糊神经网络系统。我们的管道泄漏监测报警定位系统就是一种初级的、模糊工作的系统，所以该系统报警并不需要设置一个阈值，因为一个阈值并不能完全表达泄漏的特征。以一两个数值为门限就判定是否泄漏这在大信号情况下尚可，而在小信号下是完全不行的，它需要凭以往的经验，凭记忆去分析新到来的客人是谁，要学习新知识、结识新朋友，这就是我们开发的基于模糊神经网络的管道泄漏监测报警定位系统。小信号的检测使我们能及时得到管道运行中各种信息的变化，而模糊神经网络系统则能从这种细微的变化中识别出泄漏信息，而网络的自学习功能则使系统能最大限度地适应各种管道环境条件，从而缩短了调试周期，增加了系统的可靠性和广泛的适应性。
1.4.3.HKH系统的泄漏定位技术
HKH管道泄漏报警系统的定位综合考虑了各种情况，从根本原理上讲，和负压力波法相似，也是一个已知时间和速度求路程的问题，只不过这种速度往往因各种环境和流体状况而变，所以速度既不是平均速度也不是匀加速度运动，而是根据具体管道特性确定的数字模型。对于事件发生时刻的认识与以往的任何一种方法都不同，因为没有阈值，这是凭经验和知识估计、寻找出来的。比如，图一中的a点，图二中的c点，是我们用肉眼观察出来的，这也是模糊神经网络处理后的输出结果，其特点是比人的速度快，比人工观察选点更精确、更及时，它不是简单的几种模式识别能做到的，这就是人工智能的特点，所以，它的定位效果是最好的。
2. 系统工作原理
2.2.HKH人工智能系统的工作程序
为使读者方便理解，我们这里说明一下这种人工智能系统的主要解题流程：
第一步、对采集的数据进行预处理，剔除错误数据和其它干扰波；
第二步、积累经验，分析管道运行的规律，提取各种特征；
第三步、把提取的特征输送到定性分析神经网络中，由该网络分析识别是否发生了泄漏；
第四步、根据上述过程所得出的结果，再次进行检查、验证，如无误则可确定事件发生的时刻；
第五步、根据管道输油工况来分析确定管道上压力波的传播速度；
第六步、求出泄漏位置，进行报警。