油氣管道泄漏檢測技術發展研究現狀

王彥升 陳 雷 葛烜鑄 賈彥強 蔣波沱 邢曉龍 張 旭

（沈陽航空航天大學 安全工程學院，遼寧 沈陽110136）

0 引言

油氣管道泄漏檢測技術是保障管道安全生產的重要手段。由于監測要求的不斷提高，泄漏檢測方法經歷了從以硬件為主的階段到以軟件為主軟硬結合的發展過程。近年來，隨著信息技術的快速發展與現代控制理論的進展，基于泄漏檢測方法以其較高的性價比、靈活的運用方式獲得了廣泛的應用已經成為對管道泄漏進行連續監測的主要手段。本文在此基礎上對泄漏檢測技術及發展研究現狀進行探討。

1 泄漏檢測技術方法

根據檢測過程中所使用的測量手段不同，分為基于硬件和軟件的方法；根據測量分析的媒介不同，可分為直接檢測法與間接檢測法；根據檢測過程中檢測裝置所處位置不同，可分為內部檢測法與外部檢測法；根據檢測對象的不同，可分為檢測管壁狀況和檢測內部流體狀態的方法。

1.1 聲發射技術法

當管道發生泄漏時，流體通過裂紋或者腐蝕孔向外噴射形成聲源，然后通過和管道相互作用，聲源向外輻射能量形成聲波，這就是管道泄漏聲發射現象。當管道出現泄漏時，管道中的流體被擾動，接收換能器上的電壓將發生明顯變化。通過采集若干個泄漏點電壓變化量，描繪出泄漏點與電壓變化量的關系曲線，并求出曲線對應的方程。用這種方法，可以立即發現泄漏，進而根據擬合曲線或方程確定泄漏點的位置。在實驗室中，通過測量得到不同泄漏點位置所對應的電壓信號，描繪出泄漏點位置與電壓信號變化量的曲線，進而得到其擬合曲線以及函數表達式，即可實時觀測管道的運行，發現并確定泄漏點的位置[1]。

1.2 GPS 時間標簽法

采用GPS 同步時間脈沖信號是在負壓波的基礎上，強化各傳感器數據采集的信號同步關系，通過采樣頻率與時間標簽的換算，分別確定管道泄漏點上游和下游的泄漏負壓波的速度，然后利用泄漏點上下游檢測到的泄漏特征信號的時間標簽差，就可以確定管道泄漏的位置。采用GPS 進行同步采集數據，泄漏定位精度可達到總管線長度的1%之內，比傳統方法精度提高近3 倍[2]。

1.3 壓力點分析法

該方法是在站場或干線某位置上安裝一個壓力傳感器，泄漏時漏點產生的負壓波向檢測點傳播，引起該點壓力（或流量）變化，分析比較檢測點數據與正常工況的數據，可檢測出泄漏。再由負壓波傳播速度和負壓波到達檢測點的時間可進行漏點定位。此法具有優良的檢漏性能，能在10 min 內確定50 gal/min 的漏失。該方法適用于檢測氣體、液體和某些多相流管道，已廣泛應用于各種距離和口徑的管道泄漏檢測。

1.4 壓力梯度法

當管道正常輸送時，站間管道的壓力坡降呈斜直線，當發生泄漏時，漏點前后的壓力坡降呈折線狀，折點即為泄漏點，據此可算出實際泄漏位置。壓力梯度法只需要在管道兩端安裝壓力傳感器，簡單、直觀，不僅可以檢測泄漏，而且可確定泄漏點的位置。但因為管道在實際運行中，沿線壓力梯度呈非線性分布，因此壓力梯度法的定位精度較差，而且儀表測量對定位結果有很大影響。所以壓力梯度法定位可以作為一個輔助手段。此方法對原油（或其他流體）在黏度、密度、比熱容等特性方面隨著沿程溫度下降有較大變化的管道顯示出很大的優越性，但該方法需要流量信號，而且需要建立較復雜的數學模型，增加了計算工作量[3-10]。

1.5 狀態估計法

該方法根據質量平衡方程、動量平衡方程、能量平衡方程及狀態方程等機理建模。得到一個非線性的分布式參數系統模型，通常可采用差分法或特征線法等方法將其線性化。設計狀態估計器對系統狀態進行估計，將估計值作為泄漏檢測的依據，這就是基于狀態估計的方法的基本原理。其中估計器可以是觀測器，也可以是Kalman 濾波器。根據建立模型的方法，狀態估計法可分為不包含故障的模型法和包含故障的模型法。

1.5.1 不包含故障的模型法

建立管道模型并設計估計器，模型中不含有泄漏的信息。當泄漏發生時，模型估計值與實際測量值將產生殘差，可用殘差信號來進行檢測定位。

1.5.2 包含故障的模型法

建立管道模型時預先假設管道有幾處指定的位置發生了泄漏，通過對系統的狀態估計得到這幾個預先假設的泄漏點的泄漏量估計值，運用適當的判別準則便可進行泄漏檢測和定位。該方法在長90 km、內徑785 mm 的氣體管道上，在80 min 內可檢測出2%的泄漏量，并在100 min 內可完成定位，定位精度比較高。但當實際泄漏點不處于指定泄漏點之間時，定位公式將無法使用。對于氣體管道，檢測速度相對較慢，仍需設置流量計[5－6,8-12]。

1.6 神經網絡法

基于人工神經網絡檢測管道泄漏的方法，不同于已有的基于管道準確流動模型描述的泄漏檢測法，能夠運用自適應能力學習管道的各種工況，對管道運行狀況進行分類識別，是一種基于經驗的類似人類的認知過程的方法。這種方法十分靈敏有效，能夠迅速準確預報出管道運行情況，檢測出管道運行故障并且有較強的抗惡劣環境和抗噪聲干擾的能力。泄漏引發應力波適當的特征提取指標能顯著提高神經網絡 的 運 算 速 度[5－6,11-14]。

1.7 統計檢漏法

該方法采用一種“順序概率測試”假設檢驗的統計分析方法，從實際測量到的流量和壓力信號中實時計算泄漏發生的置信概率。在實際統計上，輸入和輸出的質量流通過流量變化來平衡。在輸入的流量和壓力均值與輸出的流量和壓力均值之間會有一定的偏差，但大多數偏差在可以接受的范圍之內，只有一小部分偏差是真正的異常。通過計算標準偏差和檢驗零假設，對偏差的顯著性進行檢驗，來判斷是否出現故障。泄漏發生后，采用一種最小二乘算法進行定位[9]。

2 存在的問題及發展趨勢

2.1 存在的問題

一個高效可靠的管道泄漏檢測與定位系統，必須在發生微小的泄漏時，能在最短的時間內，正確地報警，準確地指出泄漏位置，并較好地估計出泄漏量，而且對工況的變化適應性要強，即泄漏檢測與定位系統誤報率、漏報率低，還應便于維護。在實際工程設計中，首先要正確分析工況條件及最終性能要求，明確各性能要求的主次關系，然后從眾多的泄漏檢測方法中進行分析，經過適當權衡和取舍，最后選定最優解決方案[15-17]。長輸管道的泄漏檢測與定位在工程實踐中已取得了很大進步，同時也暴露了許多問題。例如，長輸管道的小泄漏檢測和定位仍是重點問題、長輸管道的非線性分布參數的時間滯后問題等。

2.2 發展趨勢

目前的泄漏檢測和定位手段是多學科多技術的集成，特別是傳感器技術、模式識別技術、通信技術、信號處理技術和模糊邏輯、神經網絡、專家系統、粗糙集理論等人工智能技術等的發展，促進了泄漏檢測定位方法的實現。可對流量、壓力、溫度、密度、黏度等信息進行采集和處理，通過建立數學模型、信號處理、神經網絡的模式分類，或通過模糊理論對檢測區域或信號進行模糊劃分，利用粗糙集理論簡約模糊規則，從而提取故障特征等基于知識的方法進行檢測和定位。

2.2.1 實現自適應

實際的輸送管道是非線性時變參數系統，因此自適應算法的應用是液體輸送管道泄漏檢測技術研究的一個重要內容。由于人工神經網絡具有并行分布、容錯性、自組織、自聯想、自學習和自適應等許多特點，因此在設備故障預測、監測和診斷領域的應用廣泛，它也被用于輸送管道泄漏的檢測。但基于人工神經網絡的檢漏法仍處于試驗階段，還有許多有待解決的問題。

2.2.2 濾波方法

實際輸送管道的泄漏檢測信號（如壓力）中混雜著大量的噪聲，這些工程背景噪聲的幅度有時甚至可以將泄漏產生的有用信號淹沒。因此，有效的濾波方法是液體輸送管道泄漏檢測技術研究的一個重要內容。

2.2.3 虛擬儀器技術

由于液體輸送管道泄漏檢測的多樣性和復雜性，單一的泄漏檢測方法很難同時滿足檢測泄漏靈敏度、定位準確度、誤報警率和及時報警等多項要求。為了提高輸送管道泄漏檢測的準確性和可靠性，應將各種泄漏檢測方法有機結合，可使用虛擬儀器技術。因此，虛擬儀器技術的應用是液體輸送管道檢測技術的一個重要內容。利用虛擬技術，綜合各種泄漏檢測方法，通過開發不同的測試和分析軟件模塊，可以靈活、方便地構成以計算機為核心的全數字化的輸送管道自動監控系統，系統將成為集測試、信號轉換、數據分析和網絡通信等為一體的綜合性監控系統。這種系統模式將具有成本低、研制周期短以及系統的功能可增加和升級等顯著特點。

2.2.4 其他

將建立管道的數學模型和某種信號處理方法相結合；將管外檢測技術和管內檢測技術相結合；將智能方法引入檢測和定位技術實現智能檢測、機器人檢測和定位等。

3 結束語

綜上所述，泄漏檢測方法很多，一條管道要選用哪種泄漏監測或檢測方法則要根據管道的設計參數、傳輸介質的參數、設備的經濟性和數據通訊能力來綜合選擇，沒有一種單一的泄漏監測或檢測方法可適用任何管道。無論采用何種方法，都要提高對微小的緩慢泄漏量檢測的靈敏度以及對泄漏點定位的精度。在現有條件下，要按照科學的最佳管道泄漏檢測與定位方法技術組合的方案，在現場運用中考慮各種檢漏方法的特點，繼續開發運用新型高效管道泄漏檢測和定位的自動化技術方法，迅速、準確、及時地采用恰當措施發現、控制和解決險情，更好地保護和改善環境，保障人們的生命財產安全。

［1］崔中興,李松梅,劉文,等.油氣管道聲波法測漏技術[J].油氣儲運,2002,21(7):35-37.

［2］夏海波.基于GPS 時間標簽的管道泄漏定位方法[J].計算機測量與控制,2003,11(3):161-176.

［3］靳世久,姜弘彥.強環境下噪聲地下管道泄漏檢測[J].天津大學學報,1994,27(6):782-787.

［4］吳海霞,蔣耘晨,趙顯利.運用虛擬儀器實現輸油管道泄漏監測和定位[J].北京理工大學學報，2004，24(2):174-177.

［5］朱蕓.天然氣長輸管道泄漏檢測與定位方法研究[D].蘭州:蘭州理工大學,2005.

［6］李煒,朱蕓. 長輸管線泄漏檢測與定位方法分析[J].天然氣工業,2005,25(6):105-109.

［7］張曉鐘.油品儲運檢測診斷技術綜述[J].油氣儲運,1995,14(6):44-47.

［8］李愛英,王凱全,邵輝.管道泄漏監測技術及其研究進展[J].江蘇石油化工學院學報，2002，14(4):14-17.

［9］蘇欣,袁宗明.油氣長輸管道檢漏技術綜述[J].石油化安全技術,2005,21(4):14-17:26.

［10］劉恩斌,彭善碧,李長俊.現代管道泄漏檢測技術探討[J].管道技術與設備,2004(5):17-19.

［11］董東,王桂增.Kalman 濾波器在長輸管道泄漏診斷中的應用[J].自動化學報,1990,16(4):303-309.

［12］陶洛文.以辨識為基礎的長輸管線故障定位[J].清華大學學報,1986，26(2):69-75.

［13］唐秀家,彥大春.基于神經網絡的管道泄漏檢測儀器及方法[J].北京大學學報,1997,33(3):319-326.

［14］倫淑嫻,張化光,馮健.自適應模糊神經網絡系統在管道泄漏檢測中的應用[J].石油學報,2004,25(4):101-104.

［15］張連文.管道泄漏檢測技術及評價[J].油氣田地面工程,2003,22(4):1-3.

［16］常景龍,李鐵.輸氣管道泄漏檢測技術的優化和選擇[J].油氣儲運,2000,19(5):9-13,17.

［17］付道明,孫軍,賀志剛,等.國內外管道泄漏檢測技術研究進展[J].石油機械,2004，32(3):48-51.