CN109357167A - 一种燃气管道漏点检测装置及检测方法 - Google Patents
一种燃气管道漏点检测装置及检测方法 Download PDFInfo
- Publication number
- CN109357167A CN109357167A CN201811276735.1A CN201811276735A CN109357167A CN 109357167 A CN109357167 A CN 109357167A CN 201811276735 A CN201811276735 A CN 201811276735A CN 109357167 A CN109357167 A CN 109357167A
- Authority
- CN
- China
- Prior art keywords
- leakage
- gas pipeline
- module
- gas
- data
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
一种燃气管道漏点检测装置及检测方法,涉及燃气管道检测领域,本发明的燃气管道漏点检测装置包括传感器模块,采集燃气管道的流量、压力、次声波数据;与传感器模块相连的数据传输模块;与数据传输模块相连的固定IP线路;与固定IP线路相连的服务器,流量、压力、次声波数据通过数据传输模块和固定IP线路上传至服务器中;安装在服务器中的燃气管道泄漏报警管理***,接收流量、压力、次声波数据并对其进行计算和分析,对燃气运行状态进行展示和报警。与服务器相连的管理计算机,用于对燃气管道泄漏报警管理***进行管理。本发明提出了不同路段的燃气特征图谱,减少环境等影响因素,减少燃气报警的误报率,检测精度和报警效率高。
Description
技术领域
本发明涉及燃气管道检测技术领域,具体涉及一种燃气管道漏点检测装置及检测方法。
背景技术
天然气作为矿物燃料中最清洁的能源,具有热量高、能源效率高等优点,被视为目前最具前途的新兴高效能源。管道传输因具有成本费用低、安全密闭、运输量大、质量可保证、容易控制管理等优势,已成为天然气运输的首选方式。但是天然气具有易燃、易爆的特点,一旦发生管道泄漏事故,就有可能造成***、火灾、中毒、环境污染等一系列灾害,如果发生在居民聚集区,将会造成更为严重的危害。天然气管道发生泄漏的原因主要包括外力损伤、材料设备腐蚀老化、违规操作和自然灾害等。
天然气在生产、加工、运输和储存等过程中泄漏是难以避免的,数万公里长的管线上有成千上万个泄漏源,管线维护是一项艰苦的过程。目前天然气管道泄漏的检测方法有很多种,声波检测法、负压波检测法、压力梯度法等是目前应用较多的几种方法。
声波检测法技术原理:
当管道产生漏点时,气体由裂纹或腐化小孔喷发形成声波源,进而经过与管道的反作用力,声波源向管道外释放能量构成发射波。且主要集中在低频段,用特定的传感器(声波传感器、麦克风等)可以进行捕获。由于只有管线压力产生波动的瞬间才会有声波的传递,因此只需通过侦测声波曲线的波动,即可察觉是否有潜在的泄漏威胁。一旦天然气管道发生泄漏,管道内的高压天然气气体就会突然释放,从而在漏孔处产生高压冲击波,进而产生声波,也就是说泄漏的声波由气体泄漏激励产生,为连续的声波信号。
冲击模型的公式如下所示:
其中,t为时间值,单位为秒;t0是时间常数,它对应声波衰减幅度为初始幅值的e-1的时刻;t1为管道发生泄漏的时刻,单位秒;p0为t1时刻所对应的声压幅值,单位帕;p为t时刻值所对应的声压幅值,单位帕。
对公式(1)应用傅里叶变换,得到的频谱函数如下所示:
其中,p0为t1时刻所对应的声压幅值,单位帕;P(w)为经傅里叶变换后的单正弦波,单位帕;t0是时间常数,它对应声波衰减幅度为初始幅值的e-1的时刻。
泄漏形成后,会持续有气体经泄漏口释放,形成管道的微振动,因而会产生持续的稳定声源,它是一种连续的声波信号。这也是声波法优越于其他方法的原因之一。泄漏处的声波的频带范围很宽,其中绝大多数处在175KHz~750KHz。在声波的传播过程中,信号中的高频成分会在管道介质中逐渐衰减,而低频成分能够远距离传播,基于这个特点,声波测量法能应用于天然气管道泄漏检测。
燃气泄漏点定位公式为:
其中,v为次声波传播速度,单位米/秒;u为燃气在管线中的速度,单位米/秒;△t为两个次声波传感器的时间差,单位秒;L为两个传感器间距离,单位米;x为泄漏点位置,单位米。
管道中压力分布情况公式为:
其中,PQ、PZ为Q监测点和Z监测点的压力,单位帕;L为Q监测点和Z监测点的距离,单位米;X为泄漏点距离Q监测点的距离,单位米;Px为X点压力,单位帕。
由于城市地下燃气管道所处的环境复杂,现场干扰情况众多,不同的管线材质、不同的直径、压力等情况所产生的报警均不相同,如果单靠设定阈值进行泄漏判断必将大大增加泄漏误判率和漏判率。
近年来因城市管网泄漏造成的事故时有发生,现有探测技术难以满足日益增长的天然气工业发展的需求,急需研究一种燃气泄漏快速检测的方案,对减少事故发生具有重大的社会意义。
发明内容
为解决燃气泄漏问题,本发明提供一种燃气管道漏点检测装置及检测方法。
本发明为解决技术问题所采用的技术方案如下:
本发明的一种燃气管道漏点检测装置,包括:
传感器模块,采集燃气管道的流量、压力、次声波数据;
与传感器模块相连的数据传输模块;
与数据传输模块相连的固定IP线路;
与固定IP线路相连的服务器,流量、压力、次声波数据通过数据传输模块和固定IP线路上传至服务器中;
安装在服务器中的燃气管道泄漏报警管理***,接收流量、压力、次声波数据并对其进行计算和分析,对燃气运行状态进行展示和报警。
与服务器相连的管理计算机,用于对燃气管道泄漏报警管理***进行管理。
进一步的,所述传感器模块包括均与数据传输模块相连的流量传感器、多个压力传感器和多个次声波传感器;所述流量传感器安装在燃气管道的出入口处,在燃气管道内每间隔1Km安装1个压力传感器和1个次声波传感器,在燃气管道外每间隔1Km安装1个次声波传感器,安装在燃气管道内的次声波传感器与安装在燃气管道外的次声波传感器一一对应设置,安装在燃气管道外的次声波传感器与燃气管道外壁的垂直距离为10-15cm。
进一步的,所述数据传输模块包括外壳和安装在外壳内的输入模块、多路AD转换模块、存储模块和传输模块;所述输入模块与多路AD转换模块相连,多路AD转换模块与存储模块相连,存储模块与传输模块相连,传输模块与固定IP线路相连;所述输入模块为四路输入模块;传输模块为NB-IoT模式;
由输入模块接收传感器模块传送的模拟信号经多路AD转换模块转换成数字信号,保存到存储模块中,存储完成后的检测数据每30秒钟通过传输模块和固定IP线路传递给燃气管道泄漏报警管理***。
进一步的,所述燃气管道泄漏报警管理***包括:与固定IP线路相连的数据接收模块、与数据接收模块相连的燃气运行状态展示模块和模式识别模块、与模式识别模块相连的报警模块和燃气泄漏智能学习模块,所述燃气运行状态展示模块与模式识别模块相连;所述数据接收模块接收由传感器模块通过数据传输模块和固定IP线路传递过来的检测数据,同时通过消息传递的方式将检测数据传递给燃气运行状态展示模块和模式识别模块;所述燃气运行状态展示模块将燃气管道的检测数据进行显示,所述模式识别模块对检测数据进行计算,若检测数据超过报警值,则模式识别模块将报警信号通过消息传递的方式发送至报警模块和燃气运行状态展示模块,报警模块进行报警,燃气运行状态展示模块对报警信息进行显示,所述燃气泄漏智能学习模块通过学习各种检测数据,完成不同燃气管道段的报警模型设置,并将报警模型固化到模式识别模块中。
进一步的,所述管理计算机中安装有客户程序管理***,所述管理计算机通过网络浏览器和客户程序管理***访问燃气管道泄漏报警管理***,通过身份验证后,使用其中的数据接收模块、燃气运行状态展示模块、模式识别模块、报警模块、燃气泄漏智能学习模块,完成燃气管道泄漏报警管理功能。
本发明的一种燃气管道漏点检测装置的检测方法,包括以下步骤:
步骤一、动态指纹采集
通过传感器模块采集燃气管道的流量、压力、次声波数据,并通过NB-IoT网络和固定IP线路上传给燃气管道泄漏报警管理***;
步骤二、泄漏模拟数据采集
在燃气管道中,模拟100个燃气泄漏点,每个燃气泄漏点模拟泄漏直径范围为1-20厘米,每次泄漏大于10分钟;采集泄漏前1小时至泄漏后1小时的燃气管道的流量、压力、次声波数据,并通过NB-IoT网络和固定IP线路上传给燃气管道泄漏报警管理***;
步骤三、特征单色音频频谱识别
S301:单频拆分
将次声波数据进行单频率拆分,并对单音频振幅进行标识;
S302:频谱关联分析
分别计算燃气管道内和燃气管道外的各个次声波频率在未泄漏点和泄漏点出现的概率;
S303:频谱噪音剔除
对燃气管道内和燃气管道外在泄漏前、泄漏中、泄漏后三个时间段出现的各个次声波频率进行对比分析,根据燃气管道内的次声波频率剔除燃气管道外的次声波频率;
S304:频谱分类
采用小波变换方法整理燃气管道内的次声波频率,计算燃气管道内的次声波频率在泄漏前、泄漏中、泄漏后三个时间段出现的概率;
S305:频谱时间剔除
剔除燃气管道内的次声波频率在泄漏前、泄漏中、泄漏后三个时间段出现的重复频谱;
S306:特征频谱提取
剔除重复频谱后,若泄漏中时间段的剩余频谱数量小于2个,则将过滤次声波强度调至5%,即平均音频强度5%以下的频谱首先剔除掉,再重复步骤S303到S305,此时,若泄漏中时间段的剩余频谱数量小于2个,则将过滤次声波强度再调高5%,即平均音频强度10%以下的频谱首先剔除掉,再重复步骤S303到S305,直至泄漏中时间段内的剩余频谱数量大于2个为止,将这些剩余频谱定义为燃气泄漏特征单色频谱;
步骤四、波幅特征识别
根据步骤三获得的燃气泄漏特征单色频谱所对应的次声波强度变化规律,以此作为识别燃气泄漏的验证图谱对波幅特征进行识别;
S401:声强剪裁
将燃气管道内采集的次声波强度P0与燃气管道外采集的次声波强度作对比,对燃气管道内的次声波强度P0作a比例裁剪,形成P1,a的取值范围在1-10之间;
S402:寻找奇异点
将P1按照时间求二阶导数,并计算出奇异点;
S403:特征波幅提取
以奇异点为原点,将P1前30秒、后30秒、后60秒的波强曲线作为燃气泄漏的特征波幅谱线;
步骤五、燃气管道压力扰动波识别
燃气管道内的各个检测点遵循压力平衡公式,作一个压力与时间的变化曲线,计算压力时间变化曲线对时间的二阶导数,再计算出极值,极值的时间点即是发生泄漏的时间点即压力扰动时间,以此为根据来判断是否发生燃气泄漏事件和最近的泄漏点;
步骤六、泄漏点位置计算
S601:采用次声波法计算泄漏点X的位置;
S602:压力扰动法计算泄漏点
根据步骤五得到的压力扰动时间计算最相近的两个压力传感器感知的时间点,根据这两个时间点的距离及时间差,计算其燃气泄漏发生点的距离X1,计算公式如下:
其中,PQ、PZ分别为Q监测点和Z监测点的压力,单位帕;L为Q监测点和Z监测点的距离,单位米;X1为泄漏点X与Q监测点的距离,单位米;
S603:位置校准参数计算
将计算所得的X和X1与实际的泄漏地点X0进行验证和纠偏,采用公式(6)计算出A值和B值:
X0=A×X+B×X1 (6)
其中,A、B为位置校准参数;
步骤七、燃气管道漏点检测参数固化
将步骤三至步骤六所得的各种参数保存到模式识别模块中。
进一步的,在步骤七之后还包括步骤八:燃气管道运行状态展示
S801:燃气管道运行状态模拟
燃气运行状态展示模块采用数字孪生方法,展示实际的燃气管道运行状态和预期的虚拟燃气管道运行状态,其核心驱动引擎为故障预测与健康管理引擎PHM,即数字孪生数据驱动的PHM中计算出来的数据为模拟数据,通过压力传感器、流量传感器、次声波传感器实时感知燃气管道的实际运行状态;燃气运行状态展示模块模拟预期的虚拟燃气管道运行状态,在数字孪生数据的驱动下虚拟的燃气管道数据传输能够与实际燃气管道数据传输同步运行;
S802:燃气泄漏关阀处理
在燃气管道任意处,假设出现泄漏事件,在数字孪生数据驱动的PHM中,用突出的颜色展现需要关闭的阀门和影响的用户;
S803:参数调整
从燃气泄漏到关闭阀门后2-4小时内,提取燃气管道内的压力数据、流量数据、次声波数据,并与在数字孪生数据驱动的PHM中计算出来的模拟数据进行对比,并调整PHM参数,使之与检测的实际燃气管道运行状态一致。
进一步的,在步骤三与步骤四之间还包括以下步骤:特征复合音频频谱识别;具体操作如下:
将步骤S303频谱噪音剔除后的频谱作为数据源,分别以燃气泄漏前10秒、泄漏后10秒为数据聚集核采用模糊核聚集算法计算得到基于核的可能性聚类;通过可能性聚类后,每个样本对应得到C个隶属度系数,代表样本隶属于每类的程度,在[0,1]内取值,样本被分为两大类:第一类样本为靠近某一类的中心且远离其他类别,为非支持向量;第二类样本处于不同类别的交界位置,可隶属于多个类,为支持向量;将第一类样本直接划入最贴近的类而不考虑和其他类的关系,不用添加到支持向量机的训练集中;将第二类样本用于支持向量机的训练,直到满足设定阈值后,得到燃气泄露特征符合频谱。
本发明的有益效果是:
本发明采用燃气泄漏智能学习算法,对实际的燃气管道进行分段采集,对各种天然气泄漏的特征波谱进行分段学习,形成天然气运行网络泄漏图谱,从而解决靠设定阈值带来的漏判和误判问题,提高报警精度。
本发明提出了不同路段的燃气特征图谱,减少环境等影响因素,减少燃气报警的误报率,提高了检测精度,提高报警效率与燃气安全管理水平,提升维护社会公共安全能力水平,减少事故发生频次,降低事故发生后造成的人员伤亡和财产损失,对行业的安全管理形成示范带动作用,增强企业核心竞争力,提高行业的准入壁垒,提升企业经济效益。
附图说明
图1为本发明的燃气管道漏点检测装置的结构示意图。
图2为本发明的燃气管道漏点检测装置中数据传输模块的结构示意图。
图3为本发明的燃气管道漏点检测装置中燃气管道泄漏报警管理***的结构示意图。
图4为本发明的燃气管道漏点检测方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
如图1所示,本发明的一种燃气管道漏点检测装置由传感器模块、数据传输模块、固定IP线路、服务器、管理计算机和燃气管道泄漏报警管理***组成。
传感器模块与数据传输模块相连,数据传输模块与固定IP线路相连,固定IP线路与服务器相连,管理计算机与服务器通过网络相连,燃气管道泄漏报警管理***安装在服务器中,管理计算机中安装有客户程序管理***。
传感器模块采集的信号通过导线连接到数据传输模块,数据传输模块通过NB-IoT网络、固定IP线路将采集的信号传递给安装在服务器中的燃气管道泄漏报警管理***,管理计算机通过客户程序管理***对燃气管道泄漏报警管理***进行管理。
传感器模块包括:1个流量传感器L、多个压力传感器Y、多个次声波传感器C。流量传感器L、压力传感器Y、次声波传感器C均与数据传输模块T相连。流量传感器L安装在燃气管道的出入口处。燃气管道内每间隔1Km安装1个压力传感器Y和1个次声波传感器C。燃气管道外每间隔1Km安装1个次声波传感器C,安装在燃气管道内的次声波传感器C与安装在燃气管道外的次声波传感器C一一对应设置,即安装在燃气管道内的次声波传感器C与安装在燃气管道外的次声波传感器C连线后线段与燃气管道垂直。安装在燃气管道外的次声波传感器C与燃气管道外壁的垂直距离为10-15cm。
如图2所示,数据传输模块由外壳、输入模块、多路AD转换模块、存储模块、传输模块组成。外壳为直径15cm的燃气管道埋藏标志的塑料件,放置在燃气管道埋藏地点外,具备50米防水能力。输入模块、多路AD转换模块、存储模块、传输模块均安装在外壳内部。输入模块与多路AD转换模块相连,多路AD转换模块与存储模块相连,存储模块与传输模块相连,传输模块与固定IP线路相连。输入模块为四路输入模块;传输模块为NB-IoT模式;由输入模块接收传感器模块传送的模拟信号经多路AD转换模块转换成数字信号,保存到存储模块中。存储模块采样频率为100HZ,数据存储文件格式为时间、传感器号、检测数值。存储完成后的检测数据每30秒钟通过传输模块和固定IP线路传递给燃气管道泄漏报警管理***。
如图3所示,燃气管道泄漏报警管理***由数据接收模块、燃气运行状态展示模块、模式识别模块、报警模块、燃气泄漏智能学习模块组成。固定IP线路与数据接收模块相连,数据接收模块与燃气运行状态展示模块和模式识别模块相连,燃气运行状态展示模块与模式识别模块相连,模式识别模块与报警模块和燃气泄漏智能学习模块相连。数据接收模块接收由传感器模块通过数据传输模块和固定IP线路传递过来的检测数据,同时通过消息传递的方式将检测数据传递给燃气运行状态展示模块和模式识别模块。燃气运行状态展示模块将燃气管道的检测数据在燃气运行图上显示出来,模式识别模块采用预先设置的计算方法对检测数据进行计算,如果检测数据超过报警值,则模式识别模块将报警信号通过消息传递的方式发送至报警模块和燃气运行状态展示模块,报警模块进行报警,燃气运行状态展示模块在燃气运行图上显示报警信息。燃气泄漏智能学习模块通过学习各种检测数据,完成不同燃气管道段的报警模型设置,并将报警模块固化到模式识别模块中。
管理计算机通过网络浏览器和客户程序管理***访问燃气管道泄漏报警管理***,通过身份验证后,使用其中的数据接收模块、燃气运行状态展示模块、模式识别模块、报警模块、燃气泄漏智能学习模块,完成各项燃气管道泄漏报警管理功能。
如图4所示,本发明的一种燃气管道漏点检测方法,其具体的实现步骤如下:
步骤一、动态指纹采集
在燃气管道正常运行情况下,传感器模块采集7*24小时的燃气管道的流量、压力、次声波数据,每间隔30秒钟将采集的流量、压力、次声波数据通过NB-IoT网络、固定IP线路传递给燃气管道泄漏报警管理***。
步骤二、泄漏模拟数据采集
在燃气管道中,模拟100个燃气泄漏点,每个燃气泄漏点模拟泄漏直径范围为1-20厘米,每次泄漏大于10分钟;采集泄漏前1小时至泄漏后1小时的燃气管道的流量、压力、次声波数据,每间隔30秒钟将采集的流量、压力、次声波数据通过NB-IoT网络、固定IP线路上传到服务器中。
步骤三、特征单色音频频谱识别
S301:单频拆分
将服务器中的次声波数据(次声波数据是燃气管道内、燃气管道外复杂的音频信号)按1分钟或2分钟为时间间隔,进行单频率拆分,并对单音频振幅进行标识。
S302:频谱关联分析
分别计算燃气管道内和燃气管道外的各个次声波频率在未泄漏点(正常点)和泄漏点出现的概率。
S303:频谱噪音剔除
对燃气管道内和燃气管道外在泄漏前、泄漏中、泄漏后三个时间段出现的各个次声波频率进行对比分析,根据燃气管道内的次声波频率剔除燃气管道外的次声波频率,以此剔除环境音频对燃气管道音频的影响。
S304:频谱分类
采用小波变换的方法,整理燃气管道内的次声波频率,计算燃气管道内的次声波频率在泄漏前、泄漏中、泄漏后三个时间段出现的概率。
S305:频谱时间剔除
剔除燃气管道内的次声波频率在泄漏前、泄漏中、泄漏后三个时间段出现的重复频谱。
S306:特征频谱提取
剔除重复频谱后,若泄漏中时间段的剩余频谱数量小于2个,则将过滤次声波强度调至5%,即平均音频强度5%以下的频谱首先剔除掉,再重复S303到S305,此时,若泄漏中时间段的剩余频谱数量小于2个,则将过滤次声波强度再调高5%,即平均音频强度10%以下的频谱首先剔除掉,再重复S303到S305,直至泄漏中时间段内的剩余频谱数量大于2个为止,然后将这些剩余频谱定义成燃气泄漏特征单色频谱。
步骤四、特征复合音频频谱识别
若经过步骤三后无法找到燃气泄漏特征单色频谱,或者燃气泄漏特征单色频谱在后期验证中效果不理想,则采用本步骤进行特征复合音频频谱识别。
将步骤S303频谱噪音剔除后的频谱作为数据源,采用模糊核聚集算法,将低维空间中不易聚类的数据利用核函数映射到高维特征空间来扩大模式类之间的差异,然后在高维空间中对其进行聚类,增加对样本特征的优化,通过利用核函数将在观察空间线性不可分的样本非线性映射到高维的特征空间而变得线性可分,这样样本特征经很好地分辨、提取并放大后,可以实现更为准确的聚类,以达到更好的聚类效果。利用核学习方法的思想,分别以燃气泄漏前10秒、泄漏后10秒为数据聚集核,结合模糊核聚集算法就能得到基于核的可能性聚类。
通过聚类后,每个样本会得到C个(C为聚类个数)隶属度系数,代表样本隶属于每类的程度,在[0,1]内取值,样本可分为两大类:一种情况是样本隶属于某一类的程度非常大,对其他类的隶属程度很小,这类样本一般都非常靠近某一类的中心且远离其他类别,一般不会为支持向量;另一种情况是样本到各类的距离相差不大,处于不同类别的交界位置,可能隶属于多个类,这类样本有可能为支持向量。对于前者,可以将其直接划入最贴近的类而不用考虑和其他类的关系,不用添加到支持向量机的训练集中;对于后者,需要用支持向量机进行训练,直到满足设定阈值后,得到燃气泄露特征符合频谱。
步骤五、波幅特征识别
根据步骤三获得的燃气泄漏特征单色频谱或步骤四获得的燃气泄漏特征复合频谱所对应的次声波强度变化规律,以此作为识别燃气泄漏的验证图谱。
S501:声强剪裁
首先将燃气管道内采集的次声波强度P0与燃气管道外采集的次声波强度作对比,对燃气管道内的次声波强度P0作a比例裁剪,形成P1,a的取值范围在1-10之间,可以根据实际检测场地试验确定a的具体数值。
S502:寻找奇异点
将燃气管道内的次声波强度P0作a比例裁剪后形成的P1按照时间求二阶导数,并计算出奇异点。
S503:特征波幅提取
以奇异点为原点,将P1前30秒、后30秒、后60秒的波强曲线作为燃气泄漏的特征波幅谱线。
步骤六、燃气管道压力扰动波识别
由于在燃气管道正常运行情况下,燃气管道压力是一个动态平台,各个检测点遵循压力平衡公式,作一个压力与时间的变化曲线。如果发生泄漏事件,必然打破这个压力动态平衡公式,计算压力时间曲线对时间的二阶导数,再计算出其极值,极值的时间点即是可能发生泄漏的时间点即压力扰动时间,以此为根据来判断是否发生燃气泄漏事件和最近的泄漏点。
步骤七、泄漏点位置计算
S701:次声波法计算泄漏点
根据次声波传感器采集的次声波数据即音频信号时间差来计算泄漏点位置,具体采用燃气泄漏点定位公式(3)来计算泄漏点X的位置。
S702:压力扰动法计算泄漏点
由于燃气泄漏时,其泄漏点的压力接近为0。因而,根据步骤六计算的压力扰动时间,计算最相近的两个压力传感器感知的时间点,根据这两个时间点的距离及时间差,计算其燃气泄漏发生点的距离X1。具体公式如下:
其中,PQ、PZ分别为Q监测点和Z监测点的压力,单位帕;L为Q监测点和Z监测点的距离,单位米;X1为泄漏点X与Q监测点的距离,单位米。
S703:位置校准参数计算
将计算所得的X和X1与实际的泄漏地点X0进行验证和纠偏,采用公式(6)计算出A值和B值:
X0=A×X+B×X1 (6)
其中,A、B为位置校准参数即纠偏常量,不同区域的纠偏常量不同。
步骤八、燃气管道漏点检测参数固化
将步骤三至步骤七所得的各种参数保存到模式识别模块中。
步骤九、燃气管道运行状态展示
S901:燃气管道运行状态模拟
燃气运行状态展示模块采用数字孪生方法,展示实际的燃气管道运行状态和预期的虚拟燃气管道运行状态,其核心驱动引擎为故障预测与健康管理引擎(PHM),即数字孪生数据驱动的PHM中计算出来的数据为模拟数据。通过压力传感器、流量传感器、次声波传感器实时感知燃气管道的实际运行状态;燃气运行状态展示模块模拟预期的虚拟燃气管道运行状态,在数字孪生数据的驱动下虚拟的燃气管道数据传输可以与实际燃气管道数据传输同步运行。
S902:燃气泄漏关阀处理
在***运行中,每年至少模拟一次燃气泄漏情况。在燃气管道任意处,假设出现泄漏事件,在数字孪生数据驱动的PHM中,用突出的颜色展现需要关闭的阀门和影响的用户。
S903:参数调整
从燃气泄漏到关闭阀门后2-4小时内,提取燃气管道内的压力数据、流量数据、次声波数据,并与在数字孪生数据驱动的PHM中计算出来的模拟数据进行对比,并调整PHM参数,使之与检测的实际燃气管道运行状态一致。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种燃气管道漏点检测装置,其特征在于,包括:
传感器模块,采集燃气管道的流量、压力、次声波数据;
与传感器模块相连的数据传输模块;
与数据传输模块相连的固定IP线路;
与固定IP线路相连的服务器,流量、压力、次声波数据通过数据传输模块和固定IP线路上传至服务器中;
安装在服务器中的燃气管道泄漏报警管理***,接收流量、压力、次声波数据并对其进行计算和分析,对燃气运行状态进行展示和报警。
与服务器相连的管理计算机,用于对燃气管道泄漏报警管理***进行管理。
2.根据权利要求1所述的一种燃气管道漏点检测装置,其特征在于,所述传感器模块包括均与数据传输模块相连的流量传感器、多个压力传感器和多个次声波传感器;所述流量传感器安装在燃气管道的出入口处,在燃气管道内每间隔1Km安装1个压力传感器和1个次声波传感器,在燃气管道外每间隔1Km安装1个次声波传感器,安装在燃气管道内的次声波传感器与安装在燃气管道外的次声波传感器一一对应设置,安装在燃气管道外的次声波传感器与燃气管道外壁的垂直距离为10-15cm。
3.根据权利要求1所述的一种燃气管道漏点检测装置,其特征在于,所述数据传输模块包括外壳和安装在外壳内的输入模块、多路AD转换模块、存储模块和传输模块;所述输入模块与多路AD转换模块相连,多路AD转换模块与存储模块相连,存储模块与传输模块相连,传输模块与固定IP线路相连;所述输入模块为四路输入模块;传输模块为NB-IoT模式;
由输入模块接收传感器模块传送的模拟信号经多路AD转换模块转换成数字信号,保存到存储模块中,存储完成后的检测数据每30秒钟通过传输模块和固定IP线路传递给燃气管道泄漏报警管理***。
4.根据权利要求1所述的一种燃气管道漏点检测装置,其特征在于,所述燃气管道泄漏报警管理***包括:与固定IP线路相连的数据接收模块、与数据接收模块相连的燃气运行状态展示模块和模式识别模块、与模式识别模块相连的报警模块和燃气泄漏智能学习模块,所述燃气运行状态展示模块与模式识别模块相连;所述数据接收模块接收由传感器模块通过数据传输模块和固定IP线路传递过来的检测数据,同时通过消息传递的方式将检测数据传递给燃气运行状态展示模块和模式识别模块;所述燃气运行状态展示模块将燃气管道的检测数据进行显示,所述模式识别模块对检测数据进行计算,若检测数据超过报警值,则模式识别模块将报警信号通过消息传递的方式发送至报警模块和燃气运行状态展示模块,报警模块进行报警,燃气运行状态展示模块对报警信息进行显示,所述燃气泄漏智能学习模块通过学习各种检测数据,完成不同燃气管道段的报警模型设置,并将报警模型固化到模式识别模块中。
5.根据权利要求1所述的一种燃气管道漏点检测装置,其特征在于,所述管理计算机中安装有客户程序管理***,所述管理计算机通过网络浏览器和客户程序管理***访问燃气管道泄漏报警管理***,通过身份验证后,使用其中的数据接收模块、燃气运行状态展示模块、模式识别模块、报警模块、燃气泄漏智能学习模块,完成燃气管道泄漏报警管理功能。
6.如权利要求1至5中任意一项所述的一种燃气管道漏点检测装置的检测方法,其特征在于,包括以下步骤:
步骤一、动态指纹采集
通过传感器模块采集燃气管道的流量、压力、次声波数据,并通过NB-IoT网络和固定IP线路上传给燃气管道泄漏报警管理***;
步骤二、泄漏模拟数据采集
在燃气管道中,模拟100个燃气泄漏点,每个燃气泄漏点模拟泄漏直径范围为1-20厘米,每次泄漏大于10分钟;采集泄漏前1小时至泄漏后1小时的燃气管道的流量、压力、次声波数据,并通过NB-IoT网络和固定IP线路上传给燃气管道泄漏报警管理***;
步骤三、特征单色音频频谱识别
S301:单频拆分
将次声波数据进行单频率拆分,并对单音频振幅进行标识;
S302:频谱关联分析
分别计算燃气管道内和燃气管道外的各个次声波频率在未泄漏点和泄漏点出现的概率;
S303:频谱噪音剔除
对燃气管道内和燃气管道外在泄漏前、泄漏中、泄漏后三个时间段出现的各个次声波频率进行对比分析,根据燃气管道内的次声波频率剔除燃气管道外的次声波频率;
S304:频谱分类
采用小波变换方法整理燃气管道内的次声波频率,计算燃气管道内的次声波频率在泄漏前、泄漏中、泄漏后三个时间段出现的概率;
S305:频谱时间剔除
剔除燃气管道内的次声波频率在泄漏前、泄漏中、泄漏后三个时间段出现的重复频谱;
S306:特征频谱提取
剔除重复频谱后,若泄漏中时间段的剩余频谱数量小于2个,则将过滤次声波强度调至5%,即平均音频强度5%以下的频谱首先剔除掉,再重复步骤S303到S305,此时,若泄漏中时间段的剩余频谱数量小于2个,则将过滤次声波强度再调高5%,即平均音频强度10%以下的频谱首先剔除掉,再重复步骤S303到S305,直至泄漏中时间段内的剩余频谱数量大于2个为止,将这些剩余频谱定义为燃气泄漏特征单色频谱;
步骤四、波幅特征识别
根据步骤三获得的燃气泄漏特征单色频谱所对应的次声波强度变化规律,以此作为识别燃气泄漏的验证图谱对波幅特征进行识别;
S401:声强剪裁
将燃气管道内采集的次声波强度P0与燃气管道外采集的次声波强度作对比,对燃气管道内的次声波强度P0作a比例裁剪,形成P1,a的取值范围在1-10之间;
S402:寻找奇异点
将P1按照时间求二阶导数,并计算出奇异点;
S403:特征波幅提取
以奇异点为原点,将P1前30秒、后30秒、后60秒的波强曲线作为燃气泄漏的特征波幅谱线;
步骤五、燃气管道压力扰动波识别
燃气管道内的各个检测点遵循压力平衡公式,作一个压力与时间的变化曲线,计算压力时间变化曲线对时间的二阶导数,再计算出极值,极值的时间点即是发生泄漏的时间点即压力扰动时间,以此为根据来判断是否发生燃气泄漏事件和最近的泄漏点;
步骤六、泄漏点位置计算
S601:采用次声波法计算泄漏点X的位置;
S602:压力扰动法计算泄漏点
根据步骤五得到的压力扰动时间计算最相近的两个压力传感器感知的时间点,根据这两个时间点的距离及时间差,计算其燃气泄漏发生点的距离X1,计算公式如下:
其中,PQ、PZ分别为Q监测点和Z监测点的压力,单位帕;L为Q监测点和Z监测点的距离,单位米;X1为泄漏点X与Q监测点的距离,单位米;
S603:位置校准参数计算
将计算所得的X和X1与实际的泄漏地点X0进行验证和纠偏,采用公式(6)计算出A值和B值:
X0=A×X+B×X1 (6)
其中,A、B为位置校准参数;
步骤七、燃气管道漏点检测参数固化
将步骤三至步骤六所得的各种参数保存到模式识别模块中。
7.根据权利要求6所述的检测方法,其特征在于,在步骤七之后还包括
步骤八:燃气管道运行状态展示
S801:燃气管道运行状态模拟
燃气运行状态展示模块采用数字孪生方法,展示实际的燃气管道运行状态和预期的虚拟燃气管道运行状态,其核心驱动引擎为故障预测与健康管理引擎PHM,即数字孪生数据驱动的PHM中计算出来的数据为模拟数据,通过压力传感器、流量传感器、次声波传感器实时感知燃气管道的实际运行状态;燃气运行状态展示模块模拟预期的虚拟燃气管道运行状态,在数字孪生数据的驱动下虚拟的燃气管道数据传输能够与实际燃气管道数据传输同步运行;
S802:燃气泄漏关阀处理
在燃气管道任意处,假设出现泄漏事件,在数字孪生数据驱动的PHM中,用突出的颜色展现需要关闭的阀门和影响的用户;
S803:参数调整
从燃气泄漏到关闭阀门后2-4小时内,提取燃气管道内的压力数据、流量数据、次声波数据,并与在数字孪生数据驱动的PHM中计算出来的模拟数据进行对比,并调整PHM参数,使之与检测的实际燃气管道运行状态一致。
8.根据权利要求6所述的检测方法,其特征在于,在步骤三与步骤四之间还包括以下步骤:特征复合音频频谱识别;具体操作如下:
将步骤S303频谱噪音剔除后的频谱作为数据源,分别以燃气泄漏前10秒、泄漏后10秒为数据聚集核采用模糊核聚集算法计算得到基于核的可能性聚类;通过可能性聚类后,每个样本对应得到C个隶属度系数,代表样本隶属于每类的程度,在[0,1]内取值,样本被分为两大类:第一类样本为靠近某一类的中心且远离其他类别,为非支持向量;第二类样本处于不同类别的交界位置,可隶属于多个类,为支持向量;将第一类样本直接划入最贴近的类而不考虑和其他类的关系,不用添加到支持向量机的训练集中;将第二类样本用于支持向量机的训练,直到满足设定阈值后,得到燃气泄露特征符合频谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276735.1A CN109357167B (zh) | 2018-10-30 | 2018-10-30 | 一种燃气管道漏点检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276735.1A CN109357167B (zh) | 2018-10-30 | 2018-10-30 | 一种燃气管道漏点检测装置及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109357167A true CN109357167A (zh) | 2019-02-19 |
CN109357167B CN109357167B (zh) | 2020-08-25 |
Family
ID=65347116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811276735.1A Active CN109357167B (zh) | 2018-10-30 | 2018-10-30 | 一种燃气管道漏点检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109357167B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503254A (zh) * | 2019-08-13 | 2019-11-26 | 常州大学 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
CN110529747A (zh) * | 2019-09-23 | 2019-12-03 | 安徽理工大学 | 埋地燃气管道泄漏点定位*** |
CN110646181A (zh) * | 2019-08-30 | 2020-01-03 | 广州文冲船厂有限责任公司 | 一种用于测试lng管路***强度的测试方法及测试装置 |
CN110792928A (zh) * | 2019-09-24 | 2020-02-14 | 中国石油化工股份有限公司 | 一种基于大数据的管道泄漏诊断组合算法 |
CN110923675A (zh) * | 2019-12-27 | 2020-03-27 | 清华大学无锡应用技术研究院 | 一种碳化硅涂层沉积炉流体场的数字孪生控制方法 |
CN111020536A (zh) * | 2019-12-27 | 2020-04-17 | 清华大学无锡应用技术研究院 | 一种优化的化学气相沉积工艺 |
CN111501027A (zh) * | 2019-12-27 | 2020-08-07 | 清华大学无锡应用技术研究院 | 化学气相沉积设备流场均匀控制的方法 |
CN112128624A (zh) * | 2020-06-08 | 2020-12-25 | 广东希睿数字科技有限公司 | 一种燃气数字孪生3d可视化智能运维*** |
CN113864658A (zh) * | 2021-09-01 | 2021-12-31 | 常州维格电子有限公司 | 一种燃气管道泄漏故障的检测***及方法 |
CN114019935A (zh) * | 2021-09-26 | 2022-02-08 | 华能巢湖发电有限责任公司 | 一种基于工业物联网设备实时检测诊断*** |
CN114036734A (zh) * | 2021-11-03 | 2022-02-11 | 北京工业大学 | 一种基于数字孪生的车用氢气传感器布局优化方法及*** |
CN114542997A (zh) * | 2022-03-04 | 2022-05-27 | 夏泽鑫 | 一种基于数字孪生的供水管网异常漏损探测方法 |
CN114577332A (zh) * | 2020-12-01 | 2022-06-03 | 国际商业机器公司 | 维护活动的优先化的方法、***和计算机程序产品 |
CN114877264A (zh) * | 2022-06-06 | 2022-08-09 | 国家石油天然气管网集团有限公司 | 一种基于声纹识别的天然气管体泄露识别方法和*** |
CN116129032A (zh) * | 2022-10-02 | 2023-05-16 | 重庆蕴明科技股份有限公司 | 一种基于数字孪生的三维可视化管理***及构建方法 |
CN116257811A (zh) * | 2023-05-16 | 2023-06-13 | 天津新科成套仪表有限公司 | 一种基于燃气流量检测深度学习的异常处理方法 |
CN116480956A (zh) * | 2023-04-28 | 2023-07-25 | 火眼科技(天津)有限公司 | 一种地下管网泄露检测***及方法 |
CN116643525A (zh) * | 2023-06-05 | 2023-08-25 | 广州研测安全技术有限公司 | Ai人工智能燃气安全监控*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5866802A (en) * | 1995-10-17 | 1999-02-02 | Matsushita Electric Industrial Co., Ltd. | Piping leakage detecting apparatus |
CN101319955A (zh) * | 2007-06-07 | 2008-12-10 | 北京昊科航科技有限责任公司 | 提取次声波监测管道泄漏的方法 |
CN202082629U (zh) * | 2011-04-06 | 2011-12-21 | 黄定军 | 天然气管线泄漏监测*** |
CN203147291U (zh) * | 2013-03-27 | 2013-08-21 | 黄鹏 | 利用次声波、流量平衡和负压波进行管道泄漏监测的*** |
CN103438359A (zh) * | 2013-08-06 | 2013-12-11 | 毛振刚 | 输油管道泄漏检测与定位*** |
CN105156905A (zh) * | 2015-07-09 | 2015-12-16 | 南京声宏毅霆网络科技有限公司 | 管道的泄漏监测***及监测方法、监测设备和服务器 |
-
2018
- 2018-10-30 CN CN201811276735.1A patent/CN109357167B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5866802A (en) * | 1995-10-17 | 1999-02-02 | Matsushita Electric Industrial Co., Ltd. | Piping leakage detecting apparatus |
CN101319955A (zh) * | 2007-06-07 | 2008-12-10 | 北京昊科航科技有限责任公司 | 提取次声波监测管道泄漏的方法 |
CN202082629U (zh) * | 2011-04-06 | 2011-12-21 | 黄定军 | 天然气管线泄漏监测*** |
CN203147291U (zh) * | 2013-03-27 | 2013-08-21 | 黄鹏 | 利用次声波、流量平衡和负压波进行管道泄漏监测的*** |
CN103438359A (zh) * | 2013-08-06 | 2013-12-11 | 毛振刚 | 输油管道泄漏检测与定位*** |
CN105156905A (zh) * | 2015-07-09 | 2015-12-16 | 南京声宏毅霆网络科技有限公司 | 管道的泄漏监测***及监测方法、监测设备和服务器 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503254A (zh) * | 2019-08-13 | 2019-11-26 | 常州大学 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
CN110503254B (zh) * | 2019-08-13 | 2023-01-17 | 常州大学 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
CN110646181A (zh) * | 2019-08-30 | 2020-01-03 | 广州文冲船厂有限责任公司 | 一种用于测试lng管路***强度的测试方法及测试装置 |
CN110529747A (zh) * | 2019-09-23 | 2019-12-03 | 安徽理工大学 | 埋地燃气管道泄漏点定位*** |
CN110792928A (zh) * | 2019-09-24 | 2020-02-14 | 中国石油化工股份有限公司 | 一种基于大数据的管道泄漏诊断组合算法 |
CN110792928B (zh) * | 2019-09-24 | 2021-08-10 | 中国石油化工股份有限公司 | 一种基于大数据的组合算法的管道泄漏诊断方法 |
CN111020536B (zh) * | 2019-12-27 | 2022-05-24 | 清华大学无锡应用技术研究院 | 一种优化的化学气相沉积工艺 |
CN110923675A (zh) * | 2019-12-27 | 2020-03-27 | 清华大学无锡应用技术研究院 | 一种碳化硅涂层沉积炉流体场的数字孪生控制方法 |
CN111020536A (zh) * | 2019-12-27 | 2020-04-17 | 清华大学无锡应用技术研究院 | 一种优化的化学气相沉积工艺 |
CN111501027A (zh) * | 2019-12-27 | 2020-08-07 | 清华大学无锡应用技术研究院 | 化学气相沉积设备流场均匀控制的方法 |
CN111501027B (zh) * | 2019-12-27 | 2022-01-21 | 清华大学无锡应用技术研究院 | 化学气相沉积设备流场均匀控制的方法 |
CN110923675B (zh) * | 2019-12-27 | 2022-05-24 | 清华大学无锡应用技术研究院 | 一种碳化硅涂层沉积炉流体场的数字孪生控制方法 |
CN112128624A (zh) * | 2020-06-08 | 2020-12-25 | 广东希睿数字科技有限公司 | 一种燃气数字孪生3d可视化智能运维*** |
CN114577332A (zh) * | 2020-12-01 | 2022-06-03 | 国际商业机器公司 | 维护活动的优先化的方法、***和计算机程序产品 |
CN114577332B (zh) * | 2020-12-01 | 2024-04-02 | 国际商业机器公司 | 维护活动的优先化的方法、***和计算机程序产品 |
CN113864658B (zh) * | 2021-09-01 | 2023-11-03 | 常州维格电子有限公司 | 一种燃气管道泄漏故障的检测***及方法 |
CN113864658A (zh) * | 2021-09-01 | 2021-12-31 | 常州维格电子有限公司 | 一种燃气管道泄漏故障的检测***及方法 |
CN114019935A (zh) * | 2021-09-26 | 2022-02-08 | 华能巢湖发电有限责任公司 | 一种基于工业物联网设备实时检测诊断*** |
CN114036734A (zh) * | 2021-11-03 | 2022-02-11 | 北京工业大学 | 一种基于数字孪生的车用氢气传感器布局优化方法及*** |
CN114542997A (zh) * | 2022-03-04 | 2022-05-27 | 夏泽鑫 | 一种基于数字孪生的供水管网异常漏损探测方法 |
CN114877264A (zh) * | 2022-06-06 | 2022-08-09 | 国家石油天然气管网集团有限公司 | 一种基于声纹识别的天然气管体泄露识别方法和*** |
CN116129032A (zh) * | 2022-10-02 | 2023-05-16 | 重庆蕴明科技股份有限公司 | 一种基于数字孪生的三维可视化管理***及构建方法 |
CN116480956A (zh) * | 2023-04-28 | 2023-07-25 | 火眼科技(天津)有限公司 | 一种地下管网泄露检测***及方法 |
CN116480956B (zh) * | 2023-04-28 | 2024-01-23 | 火眼科技(天津)有限公司 | 一种地下管网泄露检测***及方法 |
CN116257811B (zh) * | 2023-05-16 | 2023-07-25 | 天津新科成套仪表有限公司 | 一种基于燃气流量检测深度学习的异常处理方法 |
CN116257811A (zh) * | 2023-05-16 | 2023-06-13 | 天津新科成套仪表有限公司 | 一种基于燃气流量检测深度学习的异常处理方法 |
CN116643525A (zh) * | 2023-06-05 | 2023-08-25 | 广州研测安全技术有限公司 | Ai人工智能燃气安全监控*** |
CN116643525B (zh) * | 2023-06-05 | 2024-03-08 | 广州研测安全技术有限公司 | Ai人工智能燃气安全监控*** |
Also Published As
Publication number | Publication date |
---|---|
CN109357167B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109357167A (zh) | 一种燃气管道漏点检测装置及检测方法 | |
Sevillano et al. | DYNAMAP–Development of low cost sensors networks for real time noise mapping | |
CN106067244B (zh) | 一种用于周界探测***的传感器阈值自适应调节方法及*** | |
CN110398647B (zh) | 变压器状态监测方法 | |
CN107561579A (zh) | 一种隧道施工微震监测***及监测方法 | |
CN106323385A (zh) | 储罐在线检验检测及评估方法、装置 | |
CN109470352A (zh) | 基于自适应阈值的分布式光纤管道安全监测算法 | |
CN106814670A (zh) | 一种河道采砂智能监管方法及*** | |
CN113531399B (zh) | 光纤振动预警方法、装置、计算机设备及存储介质 | |
CN116824807B (zh) | 多灾害预警报警方法及*** | |
JP2023538474A (ja) | ケーブル切断防止のための統計的画像処理に基づく異常検出 | |
JP2023550091A (ja) | 分散型光ファイバセンシングによる振動の垂直距離予測 | |
CN113919395A (zh) | 基于一维卷积神经网络的给水管网渗漏事故诊断方法 | |
Khan et al. | Artificial Intelligence based Multi-modal sensing for flash flood investigation | |
KR102221713B1 (ko) | 입출력 음향 데이터 기반의 딥러닝을 활용한 하수관 상태 판별 방법 | |
Wang et al. | Employing fiber sensing and on-premise AI solutions for cable safety protection over telecom infrastructure | |
US20240055842A1 (en) | Dynamic Anomaly Localization of Utility Pole Wires | |
CN108180398B (zh) | 一种燃气管道防第三方破坏检测方法及检测*** | |
CN116026449B (zh) | 一种基于单芯光纤传感的振动定位监测*** | |
CN117330255A (zh) | 一种基于超声波检测装置和无人机的燃气检测*** | |
CN112116220A (zh) | 一种大规模建筑群震害人工智能预警及监测方法 | |
CN109738899A (zh) | 一种基于随机共振探测阵列的低空飞行器探测方法及*** | |
CN116792693A (zh) | 一种燃气管道地下泄漏扩散范围的预测分析*** | |
US20230184620A1 (en) | Method for characterising leaks | |
Bellucci et al. | LIFE DYNAMAP: an overview of the project after two years working |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A gas pipeline leak detection device and detection method Effective date of registration: 20230302 Granted publication date: 20200825 Pledgee: Agricultural Bank of China Limited Changchun Chaoyang sub branch Pledgor: CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY Co.,Ltd. Registration number: Y2023220000012 |