CN106844814A - 一种大型复杂天然气管网***泄漏检测方法 - Google Patents
一种大型复杂天然气管网***泄漏检测方法 Download PDFInfo
- Publication number
- CN106844814A CN106844814A CN201610873491.XA CN201610873491A CN106844814A CN 106844814 A CN106844814 A CN 106844814A CN 201610873491 A CN201610873491 A CN 201610873491A CN 106844814 A CN106844814 A CN 106844814A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- parameter
- pressure
- flow
- leak detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
一种大型复杂天然气管网***泄漏检测方法,步骤一、静态仿真,得到管道内沿线压力、流量和温度的初始分布;步骤二、在线仿真得到管道内沿线压力、流量和温度的实时分布;步骤三、参数学习,根据敏度分析理论,在隐式法和特征线法气体管道动态仿真状态空间模型基础上,提出基于管道瞬变流动状态空间模型的管道参数实时在线估计和学习模型;步骤四、泄漏检测,计算各压力测点的仿真压力与实测压力偏差,通过仿真—实测压力偏差分布的相关性分析,实现大型复杂油气管道***的泄漏状态辨识和诊断;本发明突破分段检测的限制,创立了CPM大型复杂天然气管道***泄漏检测体系。
Description
技术领域
本发明涉及管道***泄漏检测技术领域,特别涉及一种大型复杂天然气管网***泄漏检测方法。
背景技术
目前,管道在线泄漏检测技术和***正沿着两个思路发展:一是基于管道内部流动和泄漏特征的管道分析计算检测方法CPM(Computational Pipeline Monitoring),一是借助于外部***和设备的外部检测方法(光纤、电缆和次声波法等)。
基于管道动态模型的泄漏检测方法充分利用了管道***流动和泄漏的全部特征,能识别管道的正常瞬变流动和由微小泄漏所产生的扰动,对所出现的微小泄漏敏感但不受过程中各种测量噪声的影响,且不受泄漏发生时间和管道运行状态的影响,实现连续检测和诊断。故其泄漏检测灵敏度、可靠性高,泄漏定位准确,抗干扰能力强,是管道泄漏检测CPM方法中的高端技术和方法,也是适用于天然气管道泄漏报警和定位的唯一方法,广泛应用于国外天然气长输管道泄漏检测***中。
管道动态模型泄漏检测技术涉及管道在线自适应动态仿真建模技术、非线性***滤波技术、随机状态诊断、随机过程分析和信号处理等技术,使得管道泄漏检测***对过程中的各种噪声不敏感,而对管道中出现的微小泄漏却能做出迅速响应。
在国外,管道动态模型泄漏检测技术研究日趋深入和成熟,形成了多种商品化的产品,并在天然气管道***泄漏检测上得到广泛应用。但在国内,其理论研究和技术开发工作较为局限,由于理论研究和应用开发难度高,国内管道泄漏检测技术开发商并未涉足该领域。
发明内容
为了克服现有技术的缺陷,本发明的目的在于提供一种大型复杂天然气管网***泄漏检测方法,突破分段检测的限制,创立CPM大型复杂天然气管道***泄漏检测体系,针对大型复杂天然气管道***及测量数据分布特点,提出基于动态模型的天然气管网压力分布相关性分析泄漏检测方法。
为了达到上述目的,本发明通过下述技术方案实现:
一种大型复杂天然气管网***泄漏检测方法,包括以下步骤:
步骤一、静态仿真,以节点压力法来分析管网流体定常流动;根据定常流动的假设和关系式,考虑到管网静态流动特点,即各参数不随时间变化,得到相应的各元件的静态分析模型,然后用***及节点的质量守恒关系建立以节点压力为未知量的非线性代数方程组,最后用拟牛顿法求解该方程组,得到流体管网定常流动的计算机模拟解,对所测管道进行静态仿真,得到管道内沿线压力、流量和温度的初始分布;
步骤二、在线仿真,应用管网仿真软件进行在线仿真,通过标准OPC通讯接口,提供与SCADA***和其它OPC应用软件的实时双向通讯,按需求自动读取SCADA***的实时运行数据和设备状态参数,运行数据包括压力、流量和温度,设备状态参数包括阀门位置、泵/压缩机启/停/功率/转速,并据此状态和数据动态建模,实现在线仿真;得到管道内沿线压力、流量和温度的实时分布;
步骤三、参数学习,根据敏度分析理论,在隐式法和特征线法气体管道动态仿真状态空间模型基础上,如式(1)所示;提出基于管道瞬变流动状态空间模型的管道参数实时在线学习模型,如式(2)所示;建立管道实时在线学习过程,计算过程如表1所示;以适应管道参数的不确定性和缓慢变化过程,从而通过学习-观测过程耦合,消除和减少管道参数不确定性和缓慢变化所造成的影响,实现在线自适应精确动态仿真,为管道动态模型泄漏检测技术提供动态模型仿真基础;管道实时在线学习模型是动态估计和跟踪管道参数不确定性的有效手段,良好的实时在线学习模型是鲁棒模拟器的重要保证:
式中,θ为待估计参数形成的r维向量,θ∈Rr,它可以是时间序列的缓变参数,也可以是空间分布参数,根据学习和估计的需要确定其形式;
式中,为一数量,其中λ为记忆因子,满足0≤λ≤1。
表1参数学习步骤及计算过程
步骤四、泄漏检测,计算各压力测点的仿真压力与实测压力偏差,通过仿真-实测压力偏差分布的相关性分析,实现大型复杂油气管道***的泄漏状态辨识和诊断。
本发明具有以下特征:适合大型复杂气体和液体管网***;突破流体介质的限制;突破天然气管道分段检测的限制、充分利用分布特征;连续监测,不断更新泄漏位置和泄漏点,不受泄漏时间的影响,可以同时监测多个漏点;需要复杂的在线仿真,检测效果依赖于管道沿线仪表的布置。
附图说明
图1是本发明的结构示意图。
图2是参数学习及估计工程图。
图3是榆济线PNS管网仿真模型图。
图4是参数学***均压力偏差图。
图5是参数学习后***各测点压力偏差图。
图6是任村(林州站)模拟泄漏检测结果图。
图7是遮峪阀室与安阳站压力偏差趋势图。
具体实施方式
下面结合附图和具体实例对本发明作详细叙述。
一种大型复杂天然气管网***泄漏检测方法,包括以下步骤:
步骤一、静态仿真,图3即是建立的榆济管道管网仿真模型,模型共由55个节点、54条管线组成,其中包括一座压缩机站,一台调压设备。根据定常流动的假设和关系式,考虑管网静态流动特点,得到相应的各元件的静态分析模型;然后利用***及各站点的质量守恒关系,建立以站点压力为未知量的非线性代数方程组;榆济线最终的方程组维数是294维,最后用拟牛顿法求解该方程组,迭代精度设置为0.0001,得到流体管网定常流动的计算机模拟解,即得到管道内沿线压力、流量和温度的初始分布;
步骤二、在线仿真,通过标准OPC通讯接口,实现与榆济线SCADA***(PVSS.OPC.1)的实时双向通讯,每20秒自动读取SCADA读取运行数据包括各站点压力、流量和温度,压缩机站进出、站压力,调压撬进出口压力,并据此数据动态建模,实现在线仿真,所建立的方程组是530维,以隐式差分法求解该方程组,得到管道内沿线压力和流量的实时分布;
步骤三、参数学习,根据敏度分析理论,在隐式法和特征线法气体管道动态仿真状态空间模型基础上,如式(1)所示,提出基于管道瞬变流动状态空间模型的管道参数实时在线估计和学习模型;如式(2)所示,建立管道实时在线学习过程,如图2所示,计算过程如表1所示,以适应管道参数的不确定性和缓慢变化过程,从而通过学习-观测过程耦合,消除和减少管道参数不确定性和缓慢变化所造成的影响,实现在线自适应精确动态仿真,为管道动态模型泄漏检测技术提供动态模型仿真基础;管道实时在线学习模型是动态估计和跟踪管道参数不确定性的有效手段,良好的实时在线学习模型是鲁棒模拟器的重要保证:
式中,θ为待估计参数形成的r维向量,θ∈Rr,它可以是时间序列的缓变参数,也可以是空间分布参数,根据学习和估计的需要确定其形式;
式中,为一数量,其中λ为记忆因子,满足0≤λ≤1;
表2参数学习步骤及计算过程
参数学***均压力偏差和沿线各点压力偏差,结果分别如图4和图5所示。图4是***平均压力偏差随时间变化的关系,从图中可以看出,***平均压力偏差在1KPa波动,这说明整个***仿真精度非常高。图5是沿线个点压力偏差随时间变化的关系,从图中可以看出,沿线各点压力偏差均在4KPa以内,即沿线各点仿真压力比较高。
步骤四、设置泄漏检测参数。压力分布相关性泄漏检测方法参数设置如表3和表4所示。它们定义了压力分布泄漏检测所需的所有参数、检测方法和检测报警具体要求。其中表3明确了PPRTM泄漏检测的具体方法、参数及报警要求;表4列出了榆济管道沿线所有可能的压力测点及相关参数,其中固定压差偏差须通过运行稳定后自适应学习功能自动标定。
表3 PPRTM泄漏检测要求
表4压力分布
步骤五、进行压力相关性分析泄漏检测,包括仿真-实测压力分布偏差对比、管道泄漏压力分布偏差特征分析、泄漏诊断和报警、泄漏处理和定位。
本次测试以林州站为测试站点。模拟该站发生泄漏,进行泄漏检测。由于林州站距离任村阀室较近,在仿真模型中,将林州站与任村阀室合并一处。
泄漏检测从6月11日20:32开始,此时林州站已经开始为用户供气,供气瞬时流量为6464.9Nm3/h,模拟该站发生5858.4Nm3/h的泄漏。泄漏检测结果如图6所示。从图中可以看出,泄漏发生后,林州站上游遮峪阀室,与林州站下游安阳站压力偏差均开始增大,图中红色圆圈标注的地方,这表明PPRTM泄漏检测方法可以检测出两个压力测点之间的泄漏。将遮峪阀室与安阳站压力偏差提取出,如图7所示。图7中,由于管线模拟发生泄漏,遮峪阀室与安阳站压力偏差都产生了影响,并且随着泄漏的持续,压力偏差不断增大。
Claims (1)
1.一种大型复杂天然气管网***泄漏检测方法,包括以下步骤:
步骤一、静态仿真,以节点压力法来分析管网流体定常流动;根据定常流动的假设和关系式,考虑到管网静态流动特点,即各参数不随时间变化,得到相应的各元件的静态分析模型;然后用***及节点的质量守恒关系,建立以节点压力为未知量的非线性代数方程组;最后用拟牛顿法求解该方程组,得到流体管网定常流动的计算机模拟解;对所测管道进行静态仿真,得到管道内沿线压力、流量和温度的初始分布;
步骤二、在线仿真,应用管网仿真软件进行在线仿真,通过标准OPC通讯接口,提供与SCADA***和其它OPC应用软件的实时双向通讯,按需求自动读取SCADA***的实时运行数据和设备状态参数,运行数据包括压力、流量和温度,设备状态参数包括阀门位置、泵/压缩机启/停/功率/转速,并据此状态和数据动态建模,实现在线仿真;得到管道内沿线压力、流量和温度的实时分布;
步骤三、参数学习,根据敏度分析理论,在隐式法和特征线法气体管道动态仿真状态空间模型基础上,如式(1)所示,提出基于管道瞬变流动状态空间模型的管道参数实时在线估计和学习模型;如式(2)所示,建立管道实时在线学习过程;计算过程如表1所示,以适应管道参数的不确定性和缓慢变化过程,从而通过学习-观测过程耦合,消除和减少管道参数不确定性和缓慢变化所造成的影响,实现在线自适应精确动态仿真,为管道动态模型泄漏检测技术提供动态模型仿真基础,
式中,θ为待估计参数形成的r维向量,θ∈Rr,它是时间序列的缓变参数,或是空间分布参数,根据学习和估计的需要确定其形式;
式中,为一数量,其中λ为记忆因子,满足0≤λ≤1;
表5参数学习步骤及计算过程
步骤四、泄漏检测,计算各压力测点的仿真压力与实测压力偏差,通过仿真-实测压力偏差分布的相关性分析,实现大型复杂油气管道***的泄漏状态辨识和诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610873491.XA CN106844814B (zh) | 2016-09-30 | 2016-09-30 | 一种大型复杂天然气管网***泄漏检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610873491.XA CN106844814B (zh) | 2016-09-30 | 2016-09-30 | 一种大型复杂天然气管网***泄漏检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106844814A true CN106844814A (zh) | 2017-06-13 |
CN106844814B CN106844814B (zh) | 2021-02-02 |
Family
ID=59146405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610873491.XA Active CN106844814B (zh) | 2016-09-30 | 2016-09-30 | 一种大型复杂天然气管网***泄漏检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106844814B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115394A (zh) * | 2018-06-29 | 2019-01-01 | 南京中高知识产权股份有限公司 | 一种城市管网模拟*** |
CN109344436A (zh) * | 2018-08-28 | 2019-02-15 | 中国石油化工股份有限公司天然气分公司 | 一种大型复杂天然气管网***在线仿真方法 |
CN109469834A (zh) * | 2018-12-07 | 2019-03-15 | 中国石油大学(北京) | 一种液体管道泄漏检测方法、装置及*** |
CN110188506A (zh) * | 2019-06-13 | 2019-08-30 | 中国海洋石油集团有限公司 | 一种深水脐带缆泄漏故障样本特征库的构建方法 |
CN111022220A (zh) * | 2019-12-27 | 2020-04-17 | 潍柴动力股份有限公司 | 气态天然气泄漏的检测方法、装置、***及设备 |
CN111428320A (zh) * | 2020-01-19 | 2020-07-17 | 西安石油大学 | 一种用于并行计算的管网***动态和在线仿真建模方法 |
CN113418146A (zh) * | 2021-08-03 | 2021-09-21 | 上海航天动力科技工程有限公司 | 一种用于供水管网的漏损辅助定位控制方法 |
CN113464850A (zh) * | 2021-06-29 | 2021-10-01 | 佛燃能源集团股份有限公司 | 一种天然气管网泄漏监测及应急处置*** |
CN114072612A (zh) * | 2018-12-27 | 2022-02-18 | 阿特拉斯·科普柯空气动力股份有限公司 | 在压力或真空下的气体管网中检测阻塞的方法及气体管网 |
CN114636113A (zh) * | 2022-02-22 | 2022-06-17 | 中国特种设备检测研究院 | 一种油库管道泄漏检测方法 |
CN114838296A (zh) * | 2022-02-25 | 2022-08-02 | 重庆兆光科技股份有限公司 | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** |
CN117463865A (zh) * | 2023-12-25 | 2024-01-30 | 广东思豪内高压科技有限公司 | 基于内高压成型机的管路密封智能监控及预警方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202868318U (zh) * | 2012-10-25 | 2013-04-10 | 黄腾飞 | 一种基于模拟仿真技术的管网微小泄漏缺陷检测*** |
CN104091286A (zh) * | 2014-06-23 | 2014-10-08 | 北京北斗星地科技发展有限公司 | 一种城市管网生产运营综合管理*** |
-
2016
- 2016-09-30 CN CN201610873491.XA patent/CN106844814B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202868318U (zh) * | 2012-10-25 | 2013-04-10 | 黄腾飞 | 一种基于模拟仿真技术的管网微小泄漏缺陷检测*** |
CN104091286A (zh) * | 2014-06-23 | 2014-10-08 | 北京北斗星地科技发展有限公司 | 一种城市管网生产运营综合管理*** |
Non-Patent Citations (4)
Title |
---|
SHOUXI WANG等: "leak detection for gas and liquid pipeline by online modeling", 《SPE PROJECTS》 * |
宋涛: "天然气管网特征线法动态仿真分析", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
王晓丹: "天然气管线动态模型压力分布泄漏检测技术研究", 《万方数据库》 * |
郑建国 等: "大型天然气管网动态仿真研究与实现", 《计算机仿真》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115394A (zh) * | 2018-06-29 | 2019-01-01 | 南京中高知识产权股份有限公司 | 一种城市管网模拟*** |
CN109344436A (zh) * | 2018-08-28 | 2019-02-15 | 中国石油化工股份有限公司天然气分公司 | 一种大型复杂天然气管网***在线仿真方法 |
CN109344436B (zh) * | 2018-08-28 | 2023-05-26 | 中国石油化工股份有限公司 | 一种大型复杂天然气管网***在线仿真方法 |
CN109469834A (zh) * | 2018-12-07 | 2019-03-15 | 中国石油大学(北京) | 一种液体管道泄漏检测方法、装置及*** |
CN114072612A (zh) * | 2018-12-27 | 2022-02-18 | 阿特拉斯·科普柯空气动力股份有限公司 | 在压力或真空下的气体管网中检测阻塞的方法及气体管网 |
CN114072612B (zh) * | 2018-12-27 | 2023-11-10 | 阿特拉斯·科普柯空气动力股份有限公司 | 在压力或真空下的气体管网中检测阻塞的方法及气体管网 |
CN110188506A (zh) * | 2019-06-13 | 2019-08-30 | 中国海洋石油集团有限公司 | 一种深水脐带缆泄漏故障样本特征库的构建方法 |
CN110188506B (zh) * | 2019-06-13 | 2023-01-03 | 中国海洋石油集团有限公司 | 一种深水脐带缆泄漏故障样本特征库的构建方法 |
CN111022220A (zh) * | 2019-12-27 | 2020-04-17 | 潍柴动力股份有限公司 | 气态天然气泄漏的检测方法、装置、***及设备 |
CN111022220B (zh) * | 2019-12-27 | 2021-03-16 | 潍柴动力股份有限公司 | 气态天然气泄漏的检测方法、装置、***及设备 |
CN111428320B (zh) * | 2020-01-19 | 2023-06-02 | 西安石油大学 | 一种用于并行计算的管网***动态和在线仿真建模方法 |
CN111428320A (zh) * | 2020-01-19 | 2020-07-17 | 西安石油大学 | 一种用于并行计算的管网***动态和在线仿真建模方法 |
CN113464850A (zh) * | 2021-06-29 | 2021-10-01 | 佛燃能源集团股份有限公司 | 一种天然气管网泄漏监测及应急处置*** |
CN113418146A (zh) * | 2021-08-03 | 2021-09-21 | 上海航天动力科技工程有限公司 | 一种用于供水管网的漏损辅助定位控制方法 |
CN114636113A (zh) * | 2022-02-22 | 2022-06-17 | 中国特种设备检测研究院 | 一种油库管道泄漏检测方法 |
CN114838296A (zh) * | 2022-02-25 | 2022-08-02 | 重庆兆光科技股份有限公司 | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** |
CN114838296B (zh) * | 2022-02-25 | 2023-08-25 | 重庆兆光科技股份有限公司 | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** |
CN117463865A (zh) * | 2023-12-25 | 2024-01-30 | 广东思豪内高压科技有限公司 | 基于内高压成型机的管路密封智能监控及预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106844814B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844814A (zh) | 一种大型复杂天然气管网***泄漏检测方法 | |
Soldevila et al. | Leak localization in water distribution networks using Bayesian classifiers | |
Sanz et al. | Leak detection and localization through demand components calibration | |
Ormsbee et al. | Calibrating hydraulic network models | |
Liu et al. | Fast leak detection and location of gas pipelines based on an adaptive particle filter | |
US20100324873A1 (en) | Method and system for estimating three phase fluid flow for individual wells | |
Wang et al. | Experimental study on water pipeline leak using In-Pipe acoustic signal analysis and artificial neural network prediction | |
CN115111537B (zh) | 用于确定燃气管网中泄漏点的位置的方法、装置和介质 | |
CN105840987A (zh) | 一种基于压力波和声波的管道泄漏加权定位方法及装置 | |
Caputo et al. | Using neural networks to monitor piping systems | |
Mousavi et al. | Uncertainty-based automatic calibration of HEC-HMS model using sequential uncertainty fitting approach | |
CN107013812B (zh) | 一种三场耦合管道泄漏监测方法 | |
CN112711844A (zh) | 一种管道泄漏定位、泄漏量预警与自动处理方法及*** | |
US10309861B2 (en) | Intelligent pipeline small leaks and thefts detection methods and systems | |
Rojas et al. | Adaptive estimation of the hydraulic gradient for the location of multiple leaks in pipelines | |
Fu et al. | Identifying two-point leakages in parallel pipelines based on flow parameter analysis | |
Okeya et al. | Locating pipe bursts in a district metered area via online hydraulic modelling | |
Romano et al. | Burst detection and location in water distribution systems | |
Guan et al. | Pressure-driven background leakage models and their application for leak localization using a multi-population genetic algorithm | |
Sophocleous et al. | Leak detection and localization based on search space reduction and hydraulic modelling | |
CN112182959A (zh) | 一种配水管网泄漏检测方法 | |
Günther et al. | Experimental setup to examine leakage outflow in a scaled water distribution network | |
Díaz et al. | Probabilistic leak detectability assessment via state estimation in water transport networks | |
Leonzio et al. | Robust Water Leak Detection and Localization with Graph Signal Processing | |
Radzman et al. | Pipe leakage detection system with artificial neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221221 Address after: No. 22, Chaoyangmen street, Chaoyang District, Beijing 100020 Patentee after: CHINA PETROLEUM & CHEMICAL Corp. Patentee after: YUJI PIPELINE COMPANY OF SINOPEC GAS CO. Address before: 710065, No. 18, two East, electronic road, Shaanxi, Xi'an Patentee before: XI'AN SHIYOU University Patentee before: YUJI PIPELINE COMPANY OF SINOPEC GAS CO. |