一種融合改進的油氣儲運泄漏高精識別技術

中圖分類號：TQ086 文獻標識碼：A 文章編號：1001-5922（2025）10-0160-04

A fusion improved high-precision identification technology for oil and gas storage and transportation leakage

GAO Panfeng （Pipe China Eastern Crude Oil Storage and Transportation Co.，Ltd.，Xuzhou 2210o8，Jiangsu China）

Abstract：Inorder tosolve theproblems oflow accuracyand insufficientrobustness of leakage identificationin traditional oil and gasstorage and transportation，a leakage identification method based on improved signal noise reduction and timedelay estimation is proposed.Firstly，theparametersof variational mode decompositionare optimized by adaptive particle swarm optimization algorithm to improve the noise reduction processing abilityof leakage signal.Then，the dynamic exponential parameter，coherence factorand proportional coeficient are introduced to improve the phase transformation weighting algorithm to enhance the delay estimation accuracyofthe algorithm underlow SNR conditions.The results show that the positioning eror ranges of the fixed leakage point and the random leakage point are 0.432～1.305 m and O.137～1.204 m，respectively，and the average positioning error is less than O.84 m. It is concluded that the method has high positioning accuracy and strong robustness，which can provide ahigher precision solution foroil andgas storageand transportation leakage，and has certainsignificance for ensuring the safety of oil and gas storage and transportation.

Key Words： oil and gas storage and transportation;leakage identification;variational mode decomposition;time delay estimation;signal noise reduction

油氣儲運作為國家能源的一個重要環(huán)節(jié)，其管道系統(tǒng)的穩(wěn)定運行直接關系到能源供應的可靠性。然而，在長期運行過程中，管道常因機械損傷、腐蝕穿孔或人為操作失誤等因素發(fā)生泄漏事故[。泄漏不僅造成能源浪費和經(jīng)濟損失，還可能引發(fā)火災、爆炸等重大安全事故，并對生態(tài)環(huán)境造成嚴重破壞2。因此，開發(fā)高效、精準的管道泄漏識別技術，對保障油氣儲運安全具有重要意義。

目前，基于負壓波傳播特性的泄漏檢測方法是管道泄漏定位的主流技術之一，其可以利用管內(nèi)與管外的壓力差實現(xiàn)泄漏定位[34。但忽略了實際泄漏信號存在不穩(wěn)定且非線性的特征，且易受高頻噪聲和外界的干擾，導致信號出現(xiàn)毛刺、畸變等問題[5]。廣義互相關時延估計（GCC）因其原理簡單、穩(wěn)定性好等優(yōu)點，在油氣儲運泄漏識別中廣泛應用。但隨著信噪比的降低，該算法已無法滿足泄漏定位精度需求。基于此，本研究提出一種融合改進信號降噪與時延估計的泄漏識別方法，進而為油氣儲運管道泄漏檢測提供一種更高精度的解決方案。

1油氣儲運泄漏識別機理與特征分析

泄漏發(fā)生時，管道內(nèi)外會形成顯著的壓力差，其中內(nèi)部高壓介質(zhì)通過破損點迅速外泄，導致泄漏點附近壓力驟降。這種壓力變化以波的形式沿管道分別向上、下游傳播，形成負壓波。其傳播特性與管道結構、介質(zhì)物理性質(zhì)密切相關。負壓波在傳播過程中攜帶泄漏點的位置信息，傳播速度會受介質(zhì)密度、管材彈性模量、管徑等因素影響，具體計算公式為：

式中： ε_P 為介質(zhì)的壓縮系數(shù)； ρ 為介質(zhì)密度。

由式（1）可知，負壓波速度與介質(zhì)壓縮性和密度的平方根成反比。實際泄漏信號表現(xiàn)為非平穩(wěn)、非線性的特征，常疊加高頻噪聲和干擾，導致信號出現(xiàn)毛刺和畸變[。這種信號特征為泄漏檢測提供了關鍵依據(jù)，但需通過降噪和特征提取才能準確識別泄漏點位置與泄漏強度。

2油氣儲運泄漏特征提取與識別模型構架

2.1特征信號降噪處理

2.1.1 變分模態(tài)分解（VMD）參數(shù)優(yōu)化

VMD是在維納濾波、希爾伯特變換以及混頻調(diào)節(jié)理論的基礎上，建立的一種高效的信號分解方法[10]。傳統(tǒng)的VMD中，其分解層數(shù) K 和懲罰因子 a 對信號分解效果起顯著影響[1]。為提高泄漏信號提取的準確性，引入通過自適應粒子群優(yōu)化算法（APSO）與弗雷歇距離（FD）對VMD參數(shù)進行優(yōu)化。其中，引入非線性指數(shù)自適應策略動態(tài)調(diào)整慣性權重和學習因子的APSO平衡全局與局部搜索能力進行動態(tài)調(diào)整[12]。同時，通過式（2的復合適應度函數(shù)增強APSO算法的魯棒性。

式中： R 為原始信號與 IMF 分量的相關系數(shù)； H_P 為排列熵。

然后，在 IMF 分量篩選中，利用FD量化 IMF 分量與原始信號的路徑相似度13，具體計算公式為：

L（i）=FD[PDF（f（t）），PDF（IMF_i（t））]

式中： f（t） 為原始信號， IMF_i（t） 為第 i 個IMF分量。

L（i） 值越小，表明路徑相似度越高。隨后，再計算兩個相鄰IMF分量與輸人信號之間距離的相似性增量，即可重構IMF分量[14]。

上述信號降噪流程如圖1所示。

2.1.2廣義互相關時延估計算法的改進

廣義互相關（GCC）算法通過頻域加權函數(shù)提升時延估計精度，其中相位變換加權（GCC-PHAT）因其對信號相位信息的敏感性被廣泛應用于管道泄漏定位[15]。而傳統(tǒng)的GCC-PHAT雖能銳化高信噪比信號的時延峰值，但在低信噪比條件下，會大幅放大噪聲干擾，導致相關峰模糊甚至出現(xiàn)偽峰，嚴重降低時延估計精度[。為克服上述缺陷，首先引入指數(shù)參數(shù) β ，通過實際信噪比動態(tài)調(diào)節(jié)加權函數(shù)的衰減強度，抑制噪聲干擾；然后，融合相干因子，通過頻域相干性分析增強信號相關成分的權重，削弱非相干噪聲影響；最后添加比例系數(shù)平衡互功率譜與相干因子的貢獻權重。改進后的GCC-PHAT時延估計公式為：

式中： ψ_x1x2（ω） 為信號 x₁（t） 與 x₂（t） 的互功率譜; x₁（ω）為傅里葉變換， x₂^*（ω） 為其共軛; γ_x1x2（ω） 為相干因子。

改進后的GCC-PHAT函數(shù)通過自適應頻域加權，可以銳化信噪比條件下的互相關峰值，從而提升時延估計精度。

2.2油氣儲運泄漏識別模型的構建

基于上述的改進，將油氣儲運泄露識別的流程設定為：

（1）采用改進后的VMD算法對原始信號進行降噪處理，得到降噪信號；（2）對降噪后的信號進行互相關運算，計算兩路信號的互相關函數(shù)；（3）利用改進后的GCC-PHAT算法對互功率譜進行頻域加權；（4）將加權后的互功率譜通過傅里葉逆變換轉(zhuǎn)換回時域，得到廣義互相關時域函數(shù)；（5）對廣義互相關時域函數(shù)進行峰值檢測，確定時延估計值;（6）將得到的時延差代人式（5），即可計算泄漏點位置。

式中： L 為泄漏點， L_☉ 為管道總長度； V 為負壓波傳播速度； Δt 為時延估計值。

上述識別流程可用示意圖如圖2所示。

3 實驗驗證

3.1 實驗環(huán)境

本實驗通過MATLABR2021a平臺，利用其內(nèi)置信號處理工具箱實現(xiàn)變分模態(tài)分解、自適應粒子群優(yōu)化算法以及GCC-PHAT等核心算法進行實驗。同時，硬件環(huán)境采用配備有IntelCorei7-10700K處理器、32GB內(nèi)存的計算機系統(tǒng)，運行Windows10操作系統(tǒng)，確保算法運算的高效性與穩(wěn)定性。

3.2 數(shù)據(jù)來源

在實驗采集2組泄漏信號，第1組采集10個泄漏點，泄漏點固定為 20m ；第2組采集10個泄漏點，泄漏點按照 20m 與 30m 的間隔選取。

3.3 結果與分析

固定泄露點定位誤差結果如表1所示。

由表1可知，針對固定泄漏點 20m） 的10組實驗，本油氣儲運泄漏識別模型定位誤差范圍為 0.432～1.305m ，平均定位誤差為 0.838m 其中最小誤差低至2.16%，70% 以上的實驗定位誤差控制在 5% 以內(nèi)。

隨機泄漏點定位誤差結果如表2所示。

表1固定泄漏點定位誤差分析Tab.1Analysis of fixed leakage point positioning error

表2隨機泄漏點定位誤差分析'ab.2Analysis of random leakage point positioning error

由表2可知，在隨機泄漏點 20m 與 30m 間隔分布）的10組實驗中，定位誤差范圍為 0.137～1.204m 平均定位誤差為 0.811m 其中 20m 泄漏點組平均誤差為 3.11% 30m 泄漏點組平均誤差為 3.47% ，兩組誤差分布一致性高。綜上，本油氣儲運泄漏識別模型對不同泄漏位置均具有魯棒性，定位精度不受泄漏點距離變化的顯著影響。

4結語

本研究提出的油氣儲運管道泄漏識別方法不僅可顯著提升信號降噪能力，同時通過引入動態(tài)指數(shù)參數(shù)、相干因子和比例系數(shù)對GCC-PHAT的改進，可有效抑制低信噪比條件下的噪聲干擾，增強時延估計識別的準確性。而結果為泄露的平均定位誤差在0.840以內(nèi)，具有適應復雜工況的可行性和能力。

【參考文獻】

[1]趙帥，秦林，林冬，等.油氣管道漏磁數(shù)據(jù)處理和缺陷識別量化方法的研究進展[J].腐蝕與防護，2024，45（2）：27-35.

[2]陳浩，劉珊，沈博臣.油氣儲運設施在線監(jiān)測預警系統(tǒng)設計J].粘接，2020，43（8）：32-36.

[3]謝偉康，陳國明，師吉浩，等.聯(lián)合站油氣設備泄漏燃爆事故及危險區(qū)域識別[J].中國安全科學學報，2021，31（12）：85-94.

[4]羅松，莊瑞，張恩勇，等.水下結構油氣泄漏檢測新需求及多技術融合應用設想[J].中國海上油氣，2021，33（1）：201-207.

[5]郭曉婷，楊亮，宋云鵬，等.油氣管道三軸高清漏磁內(nèi)檢測機器人設計驗證[J].儀表技術與傳感器，2020（12）：53-57.

[6]李典航，王申營，程駿，等.結合Sigmoid函數(shù)的自適應時延估計算法研究[J]自動化儀表，2025，46（4）：31-35.

[7]莊建軍，張若愚.基于優(yōu)化變分模態(tài)分解的心電信號去噪研究[J].信息技術，2024（12）：1-11.

[8]陳哲灃，王健.基于變分模態(tài)分解的中國主要集裝箱港口碳排放組合預測[J].中國航海，2024，47（4）：138-145.

[9]張勇，周興達，王明吉，等.基于MEEMD-KF-散布熵的油氣管道工況識別[J].電子測量技術，2022，45（11）：64-71.

[10]路敬祎.張輝.張勇，等.一種新的油氣管道泄漏信號檢測方法研究[J].化工自動化及儀表，2024，51（6）：1023-1027.

[11］李昌偉，楊祥國，鄧如朝，等.應用于電氣設備局部放電定位的改進相位變換加權可控響應功率算法[J].應用聲學，2025，44（2）：324-338.

[12]趙峰，張帆，陳小強，等.基于VMD-APSO的風電場混合儲能系統(tǒng)容量優(yōu)化配置[J].高壓電器，2023，59（6）：120-127.

[13]WANG X W，LI J. Cable external breakage source local-ization method based on improved generalized cross-cor-relation phase transform with multi-sensorfusion[J].Ener-gies，2025，18（10）：26-28.

[14]劉曉艷，楊波，賀聯(lián)合，等.油氣儲運設備在線監(jiān)測系統(tǒng)設計[J].粘接，2022，49（4）：193-196.

[15] FIROOZABADI A D，IRARRAZAVAL P，ADASME P，etal.3D Multiple sound source localization by proposedt-shaped circular distributed microphone arrays in combi-nation with GEVD and adaptive GCC-PHAT/ML algo-rithms[J]. Sensors，2022，22（3）：10-11.

[16]張青松，張兵，秦怡.基于改進VMD和APSO-SVM的高速列車軸承故障診斷[J].機車電傳動，2022（1）：31-36.