油田集輸管道震蕩泄漏信號定位技術應用研究

孫秉才 趙敏 曹航博 李永權 孫守宇 劉哲

1中國石油天然氣公司安全環保技術研究院

2北京聲創新技術發展有限責任公司

3長慶油田第四采油廠

油氣管道泄漏檢測定位是一項集多領域、跨學科的研究課題，涉及熱力學、流體力學、聲波傳播、傳感器技術、微弱信號檢測、數字信號處理、人工智能等諸多學科[1-9]。盡管油氣管道泄漏檢測定位技術的研究經歷了幾十年的發展歷程，但由于管道運營過程中的諸多復雜因素，至今還沒有一種權威、通用、簡單、可靠的泄漏檢測定位方法。

基于負壓波的管道泄漏檢測定位技術是目前國內外廣泛使用的方法，主要應用于長輸管道泄漏檢測定位[10-11]，而應用于油田集輸管道泄漏檢測定位技術的研究較少。針對震蕩泄漏信號帶來的定位誤差大的問題，以油田集輸管道現場模擬泄漏測試數據為基礎，通過上下游采集信號特征分析，進行了震蕩泄漏信號定位技術應用研究，提出了一種基于關注信號下降沿的泄漏定位算法。

1 油田集輸管道模擬泄漏試驗數據

模擬泄漏測試場地選擇長慶油田某集輸管道，現場增壓站至轉油站管線長度8 776 m，管徑89 mm，沿山勢起伏鋪設，途經兩次跨越，十多處穿越，該管道是一條水油混輸管線。泄漏測試點距離增壓站5 303 m，距離轉油站3 473 m。轉油站海拔高于增壓站大約66 m 高程。

為了研究油田集輸管道泄漏檢測定位技術，在增壓站開油泵狀態下進行了不同孔徑泄漏測試試驗。油田增壓站每隔大約10 min 對集輸管道進行一次開油泵操作，開泵油和停油泵交替進行。增壓站、泄漏測試點、轉油站三地管道壓力數據見表1。

表1 各段管道測試壓力數據Tab.1 Test pressure data of each section in the pipeline

在開油泵時段進行了泄漏孔徑2 mm 的5 次放油測試，利用傳統相關定位方法，其中5 次定位結果（距離增壓站）分別是5 438 m、6 161 m、6 140 m、5 377 m，一次漏報。這4次定位最小誤差是74 m，最大誤差858 m。可見，傳統相關定位方法應用于油田集輸管道定位誤差大且很不穩定。造成定位誤差大的根本原因是泄漏信號傳播到末端傳感器呈現多峰震蕩信號特征，直接對首末兩端傳感器監測信號做相關運算，相關峰可能出現在震蕩信號的任意峰值點上。

將第1 次泄漏測試的兩端采集信號局部放大，做相關運算，相關峰不明顯且呈現多個大小接近的相關峰（圖1）。實際上，將上游增壓站泄漏信號x1（泄漏時間4 050 ms）與下游轉油站泄漏信號x2（泄漏時間2 150 ms）對齊，它們之間的時間差大約1 800 ms。

圖1 第1 次泄漏測試上下游采集的信號及信號之間的相關波形Fig.1 Signals collected from upstream and downstream in the first leak test and correlation waveforms between the signals

2 基于關注下降沿的泄漏定位算法

為了克服油田集輸管道首末端傳感器采集信號直接相關造成多個大小接近相關峰的困擾，提出一種基于關注信號下降沿的泄漏定位算法。該算法由積分器、微分器、判決器、篩選器和相關器等五部分組成，定位算法流程如圖2 所示。

圖2 基于關注下降沿泄漏檢測定位算法流程Fig.2 Flow of leak detection and location algorithm based on focusing on falling edge

積分器起到對輸入采集信號x(t)的平滑濾波作用，克服由于管道工況造成傳感器采集監測信號限幅失真問題（如圖1下游轉油站采集信號限幅失真嚴重，這無益于信號處理）。積分器輸出信號為如下卷積：

式中：x(n)為輸入信號；s(n)為輸出信號；hs(n)為系統的單位脈沖響應；符號*表示卷積和運算。

微分器的作用是區分采集信號波形是下降沿還是上升沿，進行特征提取。數學上，波形的上升沿經過微分后變為正值，而下降沿經過微分后變為負值。微分器輸出為如下卷積：

式中：s(n)為這一級的輸入信號；d(n)為輸出信號；hd(n)為系統的單位脈沖響應。

判決器的作用是尋找確定信號下降沿時間區段，判決條件是d(n)≤0，s(n)表現為下降沿。同時，將d(n)＞0 的時間區段，設置s(n)=0 。判決器輸出為

式中：d(n)為輸入信號；q(n)為輸出信號。

篩選器的作用是篩選些最有可能是泄漏信號發生的下降沿，這里參數設為M，為關注下降沿時間區段的數量。首先對所有下降沿時間區段的信號波形數值求代數和，然后按數值總和大小升序排序，選擇代數和數值最小的前M項。篩選器輸出為

式中：q(i)為輸入信號；p(k)為輸出信號。

由此得出，在下降沿時間區段，數值總和負值的絕對值越大越有可能成為泄漏信號。

根據上述基于關注下降沿的泄漏信號處理方法，對圖1 第一次泄漏測試的集輸管道首末端兩傳感器采集信號，進行積分、微分、判決、篩選等步驟處理。上下游信號各個步驟處理結果的波形圖如圖3 所示。

圖3 上下游兩傳感器采集信號依次經過積分、微分、判決、篩選處理Fig.3 Signal collected by upstream and downstream sensors is processed by integral，differential，decision，and screening in turn

最后，將上下游篩選器輸出的兩相關信號做相關運算[12]，由它們相關峰對應兩信號下降沿的時間差，確定泄漏信號發生的位置。相關器輸出為

式中：y(n)為輸出信號；N為兩信號做相關運算的窗口樣點數，p1(n)和p2(n)分別為上下游兩信號。

首末端傳感器采集信號下降沿時間差為1 810 ms，傳感器采樣率每秒100 個樣點，增壓站傳感器滯后轉油站181 個樣點（圖4）。

圖4 相關器輸出波形Fig.4 Correlator output waveform

3 定位結果分析

利用前文提出的基于關注下降沿的泄漏定位算法，對采集的5 次泄漏測試數據進行算法驗證，得到5 次定位結果。將直接相關定位方法（傳統方法）和泄漏定位算法（本文算法）的各5 次泄漏測試數據列表，進行平均值和標準差對比，結果見表2。

表2 傳統方法和本文算法結果對比Tab.2 Comparison of the results between traditional methods and algorithms in this paper 單位：m

根據參考定位位置5303 m，通過比較，傳統直接相關定位4 次平均值5 779 m，定位誤差476 m，標準差430。而新算法定位5 次平均值5 398 m，定位誤差95 m，標準差5.37 m。由此可見，本算法不僅定位誤差減小了381 m，而且標準差更小。對比結果表明，基于關注下降沿的泄漏定位算法，針對油田集輸管道的震蕩泄漏信號，不僅定位精度高，而且更穩定。

本算法對其余4 次泄漏測試數據的驗證結果如圖5 所示。這4 次泄漏測試數據的相關峰均高于閾值0.2，相關峰對應的時間差分別為1 800、1 790、1 790、1 790 ms。這4 次加上第1 次的5 次泄漏測試定位的時間差相對穩定。可見，基于關注下降沿的泄漏定位算法，能夠克服管道震蕩泄漏信號造成的定位精度低、不穩定的缺陷。現場應用結果驗證了該定位算法不僅提高了定位精度，同時也改善了定位精度的魯棒性。

圖5 本算法對其余4 次泄漏測試數據定位驗證相關峰Fig.5 This algorithm localizes the remaining four leak test data to verify the relevant peaks

4 結論

以長慶油田某集輸管道模擬泄漏測試數據為基礎，通過增壓站至轉油站上下游采集信號特征分析，發現下游轉油站傳感器采集的震蕩泄漏信號是造成相關定位誤差大的原因。為提高定位精度進行了震蕩泄漏信號定位技術應用研究，提出了一種基于關注信號下降沿的管道泄漏定位算法。該算法的關鍵技術是積分器和微分器，積分器對震蕩泄漏信號先作平滑濾波，微分器將確定信號的下降沿區間，再通過判決器和篩選器剔除震蕩泄漏信號中的非關注下降沿部分，避免了泄漏信號中的震蕩部分對相關峰值的影響。現場試驗數據表明，與傳統定位方法的相比，新算法定位誤差由476 m減少到95 m，定位方差標準差由430 m 大幅減少到5.37 m。基于關注下降沿的管道泄漏定位算法可以進一步應用于其他油氣管道各種復雜泄漏信號的定位分析中。