輸氣管道泄漏檢測技術及其發展趨勢

閆驍瑾

西安石油大學 石油工程學院（陜西 西安 710065）

隨著天然氣管道的快速發展，人們將會越來越重視管道的安全運行，而管道泄漏則成為人們無法忽視的一個重要問題。本文將從現有的管道泄漏檢測技術分析總結各項檢測技術的優缺點以及發展趨勢。

1 泄漏檢測技術方法

經過多年的發展，許多管道泄漏檢測方法都已投入使用。但是目前仍沒有分類統一，根據檢測部位的不同，可分為內檢測和外檢測兩種方法；根據檢測工具的不同，可以分為硬件方法和軟件方法；根據檢測方法的不同，可以分為直接和間接法[1]。

1.1 人工巡檢法

通過人工分段分時對沿線管道進行巡檢的辦法，來確定管道是否泄漏。此方法于早期使用，耗時耗力且無法保證檢測的連續性。

1.2 電纜法

通過對沿線管道外壁鋪設氣敏電纜來進行泄漏檢測。其靈敏度高，檢測效果好，尤其針對緩慢泄漏效果更佳。但電纜造價昂貴，且檢測過的電纜會被泄漏氣體污染無法繼續使用，需更換新的電纜以便繼續檢測。同時，泄漏的流體會滲入電纜導致特性發生變化[2]。

1.3 分布式光纖溫度傳感器

分布式光纖傳感系統是以光纖作為傳感敏感元件和傳輸信號介質，對沿線管道的溫度變化進行探測。當天然氣輸送管道發生泄漏時，在泄漏點引起溫度變化，反斯托克斯光強與溫變的關系[3]如下：

式中：Lm為反斯托克斯光的光強，cd；Ln為斯托克斯光的光強，cd；h為布朗克系數；c為光速，m/s；α為溫度相關系數；ν為拉曼平移量，m-1；k為鮑爾次曼常數，J/K；T為溫度，℃。

可通過計算分析得到光纖上的溫度分布，從而判斷沿線管道的泄漏情況。其優點是測量一次便可得到整個區域內的分布圖；缺點是檢測信號較弱，處理系統需要較高的信噪比，檢測過程中要對大量的信號進行處理，因此進行一次測量會比較耗時。

在提高拉曼散射信噪比的研究中，為了解決多模光纖模式色散大影像空間分辨率的問題，何祖源、劉銀萍等人[4]設計出基于小芯徑多模光纖的拉曼分布式溫度傳感器系統，通過實驗有效地實現高溫度分辨率和空間分辨率的長距離測量。

1.4 智能清管器檢測

新型智能清管器采用磁通、超聲和錄像等技術來進行泄漏檢測，最常見的是漏磁清管器。其原理是當磁性清管器在完整管道內隨流體運行時，管壁上會形成一個完整的閉合磁場。當管道出現裂紋或穿孔時，破損部位的磁通量會發生變化，通過傳感器采集管壁磁場變化信息，將沿線有缺陷的磁場信息反饋到計算機中進行分析[5]。其優點是靈敏度高，定位精度高；缺點是無法持續檢測，且清管器造價昂貴，無法大范圍推廣使用。

1.5 模型法

1）不包含故障模型。其思想是在管道兩端設置流量計，建立管道內流體的無故障動態模型，通過估計觀測器的估計值與實測值之間是否產生偏差來檢測管道是否發生泄漏[6]。其原理如圖1所示。

圖1 不包含故障模型原理圖

2）包含故障模型。在假設管道發生多次泄漏的條件下，建立管道的流體動力學模型。采用狀態估計法，預先獲得假設漏點的漏點估計值，并用判斷準則對漏點進行檢測和定位。

這種方法的缺陷在于流量計，其靈敏度低且響應時間長。同時，若泄漏位置發生在預先設定泄漏點之外，則包含故障模型法的誤差會增大[6]。

1.6 流量平衡法

根據質量守恒定律，流體流入管道的質量流量應等于流出的質量流量。當發生泄漏時，管道泄漏點前后會形成流量差[7]，即：

式中：Q泄前為泄漏點前的流量；Q泄后為泄漏點后的流量。

通過對多管段的質量流量采集匯總，若在某一管段的流量有明顯差異，則該管段出現泄漏。該法比較直觀、簡潔。但隨著輸氣管道的復雜化發展，支線管道的數量以及天氣、地理環境、工況等的影響，均會導致流體流量的變化從而使得檢測的誤報率變高。因此又提出了一種提高檢測精度的流量平衡法，基于擬合流量誤差曲線來降低流量計和管道流體殘余量之間的誤差，達到提高精度的要求。但是此法需要建立復雜的動態模型，且對緩慢泄漏的敏感性較低。因此需結合其他方法使用。

1.7 壓力梯度法

在管道首端和末端設置壓力傳感器，在正常工況下，管內壓降為平滑斜直線。當出現泄漏情況，泄漏點前后的流量發生變化，壓降直線將出現拐點，此拐點則為泄漏點，此法易操作，簡單明了。但缺陷在于穩定流動時，近似認為管內壓力分布為線性變化，而在實際中沿線壓力梯度是非線性的，工況條件的變化對壓力分布和測量精度均會產生影響[8]。

1.8 壓力點分析法

管道處于穩定的流動狀態時，管內流體壓力處于不隨時間變化的狀態。當外部設備提供能量變化時，壓力為連續變化的穩定狀態。管道發生泄漏后，管道的穩定狀態被破壞。壓力值出現突降，并開始趨于新的穩態。在此過程中，泄漏點產生負壓波并向管道上、下游傳遞，進而影響管道沿線各點壓力。通過壓力傳感器采集數據，統計分析后繪制壓變曲線并與穩態壓變曲線進行對比，從而得到泄漏位置[9]。該方法的優點是無需建立復雜的模型，數據處理量小；缺點是對于長輸管道需設置大數量傳感器和相關信號傳輸設施，因此耗費較大，對于緩慢泄漏檢測性不強[10]。

1.9 負壓波法

負壓波法目前是使用范圍較廣的一種方法，圖2為示意圖。其工作原理是：流體外泄引起管道局部瞬時壓降和流速降低，上游管段流體流入該局部區域則會彌補此處壓降，從而導致泄漏處與上、下游臨近處形成壓差，并以負波的形式向管道兩端傳遞。在管道首末兩端設置壓力傳感器采集數據，通過分析壓力梯度特征和壓變時間差即可檢測泄漏[11]。

圖2 負壓波法原理圖

該方法優點是成本小、易操作，便于維護，故受到廣泛采用。但缺點在于負壓波法適用大流量泄漏，對于小流量泄漏、多點泄漏敏感性不強，且易受到噪聲干擾，從而導致檢測精度降低，誤報率較高。為了提高精度，常采用小波變換、卡爾曼濾波等來進行降噪處理。

1.10 聲波（應力波）法

其原理類似于負壓波法，當管壁受到破壞后，流體流經泄漏孔時噴出，由于瞬時壓降產生渦流，與管壁摩擦碰撞產生噪聲，并將該噪聲作為信號源，以聲波（應力波）的形式傳遞到管道上下游的傳感器。該方法優點是可在信號傳播過程中短時間判斷泄漏情況，操作簡單。但缺陷是[12]：①噪聲的強度大小受泄漏孔徑的影響，因此無法判斷泄漏程度。②噪聲在傳輸過程中會隨著距離衰減，故長輸管道的檢測精度不高。③外在因素產生的噪聲也會影響檢測結果，導致誤報率較高。

1.11 神經元網絡法

在實踐中，導致管道泄漏的因素很多，解決這些問題的數學模型是剛性的。無法闡述多樣性的泄漏工況。神經元網絡法以其良好的學習能力和自適應能力得到廣泛使用。通過BP 算法將管道泄漏特征信號分解成矩陣，建立了管道泄漏檢測的神經網絡模型。其流程圖如圖3所示[13]。

圖3中的權值計算公式如下所示：

圖3 神經元網絡法流程圖

式中：wij為網絡的權值；J(t)為網絡總目標函數；η為學習率；Ep為網絡的目標函數。

現場實踐表明，神經元網格法在抗噪聲方面有著突出的優點，且自適應能力強、實用性強。對于復雜工況例如成蠟、堵塞、突發泄漏等應用有著良好的效果。但局限于所取的壓力和流量信號的訓練樣本包含發生泄漏的問題樣本，從而導致對緩慢泄漏、工況頻變管道的誤報、漏報率較高，尤其是對于壓縮流體來說近乎不可行[14]。

1.12 支持向量機檢測法

在實際應用下，泄漏樣本量小，將粗糙集理論與粒子群優化算法相結合的支持向量機具有學習樣本量小、泛化能力強等優點，被用于檢測泄漏，可以解決人工神經網絡的局部極小問題和壓力波法的噪聲干擾問題。例如：張來斌等人通過ICA（獨立分量分析）原理對壓力信號源降噪處理，對14 個管道中的部分樣本和泄漏數據進行訓練，其正確率有了顯著提高[15]。

針對支持向量存在新樣本進入訓練的情況，劉衍珩等人提出了一種在KKT條件下的改進算法，通過對1 000 個實驗樣本（其中800 個為新增樣本）進行訓練，結果表明在精度未明顯降低的情況下有效地減少了訓練耗時[16]。

支持向量函數將信號源與噪聲分離，獨立分析，但其有效性取決于核函數和懲罰系數的選取，而且由于計算復雜，實用性差，需要進一步改進。

2 各種泄漏檢測方法對比

以上檢測技術的對比見表1。從表1可知：

表1 各種檢測技術的對比

1）傳統的檢測方法中，人工巡檢法對于長輸管道無法做到全時段、全距離“應檢盡檢”且在檢測過程中耗時耗力，故實用性一般。

2）靈敏度較高的電纜法、分布式光纖溫度傳感器、智能清管器檢測需要配置昂貴的檢測設備，長輸管道無法大規模布置，同時氣敏電纜易受污染，需經常更換，成本過大，可行性較低[17]。

3）流量平衡法、負壓波法、聲波法等易受外界條件的干擾從而導致靈敏度低、誤報率高。對于長輸管道，負壓波法、聲波法還需配置大量的傳感器，性價比低。

4）基于快速算法的檢測方法中，神經元網絡法和支持向量機檢測法雖說靈敏度較高，但由于算法自身的局限性使得誤報率較高且操作復雜，還需建立復雜的模型，因此實用性一般[18]。

3 結束語

通過對以上各種泄漏檢測技術進行對比，目前尚未有一種方法可以完美適用于任意工況，得益于計算機水平的不斷提高和人工智能的不斷發展，檢測技術將會是多領域、多方法的相互補充、結合使用。

1）基于聲波傳感的檢測方法能夠詳細闡述泄漏后產生的聲波的傳輸過程，但易受外界噪聲干擾，常導致檢測結果不佳。可結合降噪處理技術，來提高檢測精度。例如次聲波法，可通過結合信號尖端補償和小波變換降噪，從而有效地進行泄漏檢測。該方法具有良好的可行性和應用性。

2）基于快速算法的神經元網絡法和支持向量機法因其自身的局限性，在檢測中常無法達到預期的效果。通過與泄漏數據特征提取和信號處理方法的耦合使用，可有效地避免在一定條件下才能有效檢測的瓶頸，在簡化操作性的同時保持高定位精度和降低誤報率。

3）緩慢泄漏和小流量泄漏仍是一個難以攻克的問題，因緩漏、微漏時壓降緩慢，信噪比較弱，檢測困難。因此將信號壓縮和轉換結合使用，克服低信噪比的特點，提高泄漏信號的檢測能力，在降低高誤報率的同時增強緩漏、微漏檢測靈敏度。