基于改進(jìn)灰狼算法的成品油管道泄漏定位方法*

郭 穎，楊理踐，張 賀

(1. 沈陽工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，沈陽 110870； 2. 遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001)

成品油管道是一種用來運(yùn)輸成品油的高效、安全、科學(xué)的渠道，是目前國(guó)內(nèi)管網(wǎng)體系的重要組成之一.管道泄漏現(xiàn)象普遍存在于油品的運(yùn)輸過程中，而現(xiàn)有的泄漏檢測(cè)與定位方法一般都是針對(duì)某一特定管道進(jìn)行的，而在實(shí)際的成品油輸送管道中，當(dāng)局部管段壓力過高或受腐蝕、磨損、震動(dòng)等影響，管道測(cè)量的信號(hào)具有非線性特征，這種情況下通常使用負(fù)壓波檢測(cè)法來檢測(cè)泄漏，但是效果不理想[1-3].隨著我國(guó)石油化工行業(yè)的高速發(fā)展，將有越來越多的長(zhǎng)距離輸送成品油的管道逐漸投入使用，研究成品油管道泄漏點(diǎn)的檢測(cè)與定位方法對(duì)于油氣管道的完整性管理具有重要的理論意義和工程價(jià)值[4-5].

實(shí)現(xiàn)成品油輸送管道泄漏點(diǎn)的檢測(cè)與準(zhǔn)確定位的必要條件是對(duì)泄漏信號(hào)的有效提取和判別.成品油輸送管道采集的壓力信號(hào)、次聲波信號(hào)及超聲波信號(hào)等是用于管道泄漏檢測(cè)的主要信號(hào).成品油輸送系統(tǒng)是非線性系統(tǒng)，信號(hào)的泄漏特征容易被淹沒在噪聲里，噪聲的存在會(huì)對(duì)后期的管道泄漏識(shí)別以及定位產(chǎn)生干擾[6-7].成品油輸送管道壓力信號(hào)中存在小振幅的噪聲，泄漏特征信息被噪聲影響不易識(shí)別出來.劉金海等[8]提出采用低通濾波、陷波濾波和小波濾波對(duì)管道首末兩端壓力信息進(jìn)行高精度實(shí)時(shí)濾波，保證泄漏特征信息不被過濾掉.由于采用小波變換進(jìn)行去噪時(shí)，需要根據(jù)經(jīng)驗(yàn)來選取合適的小波基函數(shù)，而經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)是一種自適應(yīng)的信號(hào)分析方法，它不再需要選擇基函數(shù).郭晨城等[9]提出采用EMD提取管道泄漏信號(hào)的奇異點(diǎn)信息，減少噪聲對(duì)泄漏特征信號(hào)的影響.由于EMD方法受分解尺度選擇和重構(gòu)分量選擇的影響，林偉國(guó)等[10]提出一種基于時(shí)域積分的泄漏聲波信號(hào)增強(qiáng)方法，通過不斷提高泄漏信號(hào)的信噪比，有效減少了泄漏檢測(cè)的誤報(bào)率和漏報(bào)率.由于天然氣具有可壓縮性，當(dāng)天然氣輸送管道發(fā)生泄漏時(shí)，通過壓力變送器檢測(cè)到的管道首末端壓力變化并不明顯，因此，應(yīng)用于輸油管道泄漏檢測(cè)的負(fù)壓波方法難以應(yīng)用于輸氣管道的泄漏檢測(cè)與定位.由于局域均值分解(local mean decomposition，LMD)的信號(hào)分解條件較EMD更為寬松，在降低端點(diǎn)效應(yīng)對(duì)信號(hào)分解過程影響的同時(shí)也避免了過包絡(luò)現(xiàn)象等[11].孫潔娣等[12]采用改進(jìn)LMD對(duì)天然氣管道首末端進(jìn)行聲發(fā)射信號(hào)分解，去除了與泄漏無關(guān)或噪聲干擾的乘積函數(shù)分量，獲取了含有主要泄漏信息的瞬時(shí)頻率(product function，PF)分量，實(shí)現(xiàn)了對(duì)泄漏點(diǎn)的精準(zhǔn)定位.

由于成品油管道外部的噪聲組成比較復(fù)雜，目前已有泄漏去噪的研究成果，主要是針對(duì)特定液體或天然氣管道的泄漏進(jìn)行的，如何有效地進(jìn)行成品油管道泄漏監(jiān)測(cè)，保證生產(chǎn)的安全進(jìn)行，是當(dāng)下成品油輸送管道管理急于解決的問題.

由于泄漏點(diǎn)的位置具有隨機(jī)性，它距離上、下游監(jiān)控站的距離各不相同，使得成品油會(huì)對(duì)負(fù)壓波產(chǎn)生反射、散射、吸收等不同程度的影響.因此，通過對(duì)超聲波波速信號(hào)進(jìn)行消噪并進(jìn)行信號(hào)拐點(diǎn)時(shí)間提取，利用管道首末站信號(hào)拐點(diǎn)的時(shí)間差值建立目標(biāo)函數(shù)，通過改進(jìn)灰狼算法優(yōu)化求解獲得泄漏點(diǎn)位置，通過環(huán)道實(shí)驗(yàn)室實(shí)驗(yàn)及現(xiàn)場(chǎng)數(shù)據(jù)驗(yàn)證了該方法的可行性.

1 定位方法

1.1 管道沿程環(huán)境對(duì)壓力波波速的影響

流體的彈性模量、密度和管道材質(zhì)影響負(fù)壓波傳播的速度.由于體積彈性系數(shù)和密度等是隨距離變化的函數(shù)[13-14]，所以負(fù)壓波波速表達(dá)式為

(1)

式中：K為介質(zhì)體積彈性系數(shù)；ρ為介質(zhì)的密度；E為管道材質(zhì)的彈性模量；d為管道直徑；Q為與該約束條件相關(guān)的修正系數(shù)；e為管壁厚度.

1.2 壓力和超聲波波速之間關(guān)系

成品油管道發(fā)生泄漏時(shí)，一般會(huì)根據(jù)泄漏所產(chǎn)生的負(fù)壓波到達(dá)管道首末站的時(shí)間差進(jìn)行泄漏點(diǎn)定位.由于管道完整性管理的要求，不允許在原有管道上打孔安裝壓力測(cè)量傳感器進(jìn)行泄漏檢測(cè)與定位，因此，利用夾持式超聲波傳感器的波速來間接測(cè)量管道內(nèi)部壓力變化.該方法可以在不損壞管道內(nèi)部流體流場(chǎng)，無壓力損失的情況下對(duì)管道內(nèi)部壓力進(jìn)行無損檢測(cè).

由于管道泄漏導(dǎo)致管道首末站兩端壓力發(fā)生變化，壓力的變化則會(huì)引起超聲波波速發(fā)生變化，超聲波的波速與壓力之間的數(shù)學(xué)關(guān)系式[15]為

US=GP

(2)

式中：US為超聲波波速值；G為比例系數(shù)；P為管道內(nèi)部壓力值.通過式(2)可以看出，壓力與超聲波波速之間存在線性關(guān)系，因此，可由超聲波波速的變化反應(yīng)管道內(nèi)部壓力的變化情況.

1.3 超聲波波速信號(hào)拐點(diǎn)時(shí)刻的獲取

1.3.1 LMD算法

LMD算法的本質(zhì)是將信號(hào)分解為無數(shù)個(gè)有物理意義的PF乘積，由此可反映出信號(hào)在空間各個(gè)尺度上分布規(guī)律，從而更能細(xì)致地對(duì)采集信號(hào)特征進(jìn)行分析[16].

信號(hào)x(t)被分解為M個(gè)PF分量和一個(gè)殘余分量rk(t)，其表達(dá)式為

(3)

(4)

(5)

1.3.2 超聲波波速拐點(diǎn)提取

通過對(duì)管道首末站的超聲波波速信號(hào)進(jìn)行預(yù)處理，進(jìn)行LMD分解，通過互相關(guān)分析選取主要PF分量，重構(gòu)信號(hào)，然后再利用小波變換提取信號(hào)拐點(diǎn).

(6)

式中：φ(t)為基本小波函數(shù)；a為尺度因子.超聲波波速拐點(diǎn)提取的原理框圖如圖1所示.

圖1 超聲波波速信號(hào)拐點(diǎn)提取原理框圖Fig.1 Schematic principle of turning point extraction for ultrasonic velocity signal

1.4 改進(jìn)灰狼優(yōu)化算法

灰狼優(yōu)化(grey wolf optimizer，GWO)算法[18]是一種新型群體智能優(yōu)化算法，它通過模擬自然界灰狼群體捕食獵物的行為實(shí)現(xiàn)優(yōu)化搜索的目的.GWO和粒子群算法(particle swarm optimization，PSO)及其改進(jìn)算法(improved particle swarm optimization，IPSO)[19]相比，具有易于實(shí)現(xiàn)、程序調(diào)整參數(shù)少等優(yōu)點(diǎn)[20].縱然GWO算法在許多領(lǐng)域中取得較好的應(yīng)用效果，但是依然存在易陷入局部最優(yōu)、收斂速度慢、求解精度不高等缺點(diǎn).

(7)

A=2ψr1-ψ

(8)

C=2r2

(9)

其中，r1和r2為[0，1]之間的隨機(jī)數(shù)；ψ為距離控制參數(shù)，隨著迭代次數(shù)的不斷增加從2線性減少到0，即

(10)

其中，θmax為最大迭代次數(shù).

狼群中其他灰狼個(gè)體Xi根據(jù)α、β、γ的位置Xa、Xβ、Xγ來更新各自的位置，即

(11)

(12)

根據(jù)式(11)～(12)可以得出，對(duì)個(gè)體位置迭代過程中采用GWO算法時(shí)，只考慮了個(gè)體當(dāng)前位置和群體以往遍歷的最優(yōu)位置信息，而最優(yōu)位置的更新是起決定作用的.所以GWO算法在求取最優(yōu)解問題時(shí)容易陷入局部最優(yōu)的缺陷.

新提出的灰狼優(yōu)化算法(improved grey wolf optimizer，IGWO)是通過將粒子群優(yōu)化算法中的對(duì)粒子運(yùn)動(dòng)最優(yōu)解進(jìn)行記憶保存的思想加入到GWO中，進(jìn)而增強(qiáng)了GWO算法的收斂速度和求解精度.該方程表達(dá)式為

(13)

圖2 改進(jìn)灰狼算法應(yīng)用流程圖Fig.2 Application flow chart of IGWO

1.5 成品油管道泄漏點(diǎn)定位計(jì)算

成品油輸送管道泄漏點(diǎn)定位計(jì)算原理如圖3所示.由泄漏點(diǎn)處所產(chǎn)生的負(fù)壓波傳播到管道首末站的時(shí)間分別為t1、t2，此時(shí)間即為管道首末站檢測(cè)到超聲波波速發(fā)生變化所需時(shí)間，其表達(dá)式分別為

(14)

(15)

泄漏點(diǎn)定位公式為

(16)

圖3 泄漏點(diǎn)定位原理圖Fig.3 Schematic principle of localization of leakage points

每次將X=n(其中，n為已知值)代入式(17)，計(jì)算Δt，并計(jì)算yn值，即

yn=|Δtn-Δt|

(17)

通過改變n的值，依次計(jì)算yn，其中，yn中最小值對(duì)應(yīng)的n即為泄漏點(diǎn)位置.算法步驟如下：1)管道首末站超聲波波速拐點(diǎn)確認(rèn)；2)確定發(fā)生泄漏的位置是距離管道首站近還是管道末站近；3)如果是距離管道首站的超聲波波速先變化，泄漏定位搜索位置為原管道長(zhǎng)度的1/2；4)采用改進(jìn)灰狼優(yōu)化算法求解式(17)，進(jìn)行泄漏點(diǎn)位置的估計(jì)計(jì)算.

2 仿真實(shí)驗(yàn)

2.1 環(huán)道實(shí)驗(yàn)

搭建2 800 m實(shí)驗(yàn)環(huán)形管道，管徑為DN50.環(huán)形管道上共設(shè)有14個(gè)模擬泄漏點(diǎn).首站流量為120 L/min，管道運(yùn)行壓力為1.2 MPa.環(huán)形管道利用美國(guó)國(guó)家儀器公司DAQ-9184對(duì)管道首末站的超聲波波速信號(hào)進(jìn)行采集，利用DAQ-9028對(duì)管道的首末站流量進(jìn)行采集.實(shí)驗(yàn)裝置如圖4所示.

圖4 實(shí)驗(yàn)裝置Fig.4 Experiment apparatus

實(shí)驗(yàn)中，介質(zhì)為水，超聲波波速為1 520 m/s，負(fù)壓波波速為1 200 m/s，管道首站溫度為30 ℃，末站溫度為20 ℃.當(dāng)距離管道首端1 400 m處的泄漏閥打開時(shí)，管道泄漏時(shí)刻采集的流量信號(hào)如圖5所示.

圖5 管道首末站流量變化曲線Fig.5 Flow change curves at first and last stations of pipeline

從圖5中可以看出，當(dāng)管道發(fā)生泄漏時(shí)，首末端流量會(huì)發(fā)生明顯變化，首端的流量增加，末端的流量減少.首末端采集到的超聲波波速信號(hào)經(jīng)過LMD信號(hào)消噪處理后，首末端的信號(hào)如圖6、7所示.

圖6 管道首站超聲波波速信號(hào)與消噪后信號(hào)對(duì)比曲線Fig.6 Comparison of ultrasonic velocity signals before and after de-noising at first station of pipeline

圖7 管道末站超聲波波速信號(hào)與消噪后信號(hào)對(duì)比曲線Fig.7 Comparison of ultrasonic velocity signals before and after de-noising at last station of pipeline

從圖6、7中可以看出，經(jīng)LMD信號(hào)消噪后，首末端超聲波波速信號(hào)有一個(gè)非常明顯的拐點(diǎn).超聲波波速信號(hào)經(jīng)LMD消噪后，再次通過小波分析進(jìn)行拐點(diǎn)提取，管道首末站的信號(hào)拐點(diǎn)位置如圖8、9所示.

由圖8、9可知，通過LMD信號(hào)消噪和小波變換處理之后的信號(hào)拐點(diǎn)更清晰，所提出的方法不僅能直接去除信號(hào)中的噪聲，而且能清晰地給出拐點(diǎn)，實(shí)現(xiàn)管道首末站超聲波波速信號(hào)拐點(diǎn)時(shí)刻準(zhǔn)確獲取，從而進(jìn)行管道泄漏點(diǎn)定位.

圖8 首站超聲波波速信號(hào)經(jīng)小波變換之后的拐點(diǎn)Fig.8 Turning point of ultrasonic velocity signal after wavelet transform at first station

圖9 末站超聲波波速信號(hào)經(jīng)小波變換之后的拐點(diǎn)Fig.9 Turning point of ultrasonic velocity signal after wavelet transform at last station

GWO算法的參數(shù)選取種群數(shù)量N=30，維數(shù)D=500；IGWO算法參數(shù)設(shè)置和GWO算法一樣；PSO算法參數(shù)選取學(xué)習(xí)因子c1=c2=2，慣性權(quán)重初始設(shè)置為ω0=1，最小慣性權(quán)重ωmin=0.3，慣性權(quán)重線性下降.IPSO算法參數(shù)設(shè)置和PSO一樣.

圖10給出了IGWO、GWO、IPSO和PSO在不同迭代次數(shù)下對(duì)函數(shù)目標(biāo)值的尋優(yōu)收斂曲線.在對(duì)函數(shù)目標(biāo)值的求解過程中，IGWO算法具有更快的收斂速度和更高的收斂精度.表1給出了環(huán)形管道四種算法30次實(shí)驗(yàn)的泄漏點(diǎn)位置估計(jì)計(jì)算平均結(jié)果比較.

圖10 IGWO、GWO、IPSO和PSO對(duì)目標(biāo)函數(shù)收斂曲線Fig.10 Convergence curves of target function by IGWO，GWO，IPSO and PSO

表1 環(huán)形管道泄漏點(diǎn)位置估計(jì)結(jié)果Tab.1 Estimation results of leakage point locations in annular pipeline

從表1可以看出，與GWO、IPSO及PSO算法相比，IGWO在管道泄漏位置估計(jì)上獲得了較準(zhǔn)確的泄漏位置估計(jì).

2.2 現(xiàn)場(chǎng)測(cè)試數(shù)據(jù)實(shí)驗(yàn)

在某成品油管線上某段進(jìn)行泄漏測(cè)試，測(cè)試段的管道里程為148 km，輸量約為1 223 m3/h，管道首站輸油溫度為13 ℃，管道末站輸油溫度為9 ℃.在管道測(cè)試段采用打開泄放閥門進(jìn)行泄漏模擬測(cè)試，該管段的上游出站壓力為12 MPa，下游進(jìn)站壓力為8 MPa，泄漏測(cè)試點(diǎn)距管上游里程為45.5 km.

根據(jù)管道參數(shù)按照式(1)計(jì)算負(fù)壓波的波速.定位公式采用式(17)進(jìn)行計(jì)算.表2給出了四種算法2次實(shí)驗(yàn)的泄漏點(diǎn)位置估計(jì)平均結(jié)果比較.

表2 泄漏點(diǎn)位置估計(jì)結(jié)果Tab.2 Estimation results of leakage point locations

從表2可以看出，與GWO、IPSO及PSO算法相比，IGWO估計(jì)的泄漏點(diǎn)位置與實(shí)際管線泄漏模擬位置相接近.根據(jù)現(xiàn)場(chǎng)實(shí)際條件，泄漏量大于正常輸量的2%，定位誤差可控制在120 m左右.

3 結(jié) 論

本文通過分析得出以下結(jié)論：

1) 分析了超聲波波速與管道內(nèi)部壓力之間的關(guān)系，提出了采用超聲波波速來檢測(cè)管道泄漏的方法.

2) 對(duì)灰狼優(yōu)化算法進(jìn)行了改進(jìn)，提高了算法對(duì)泄漏點(diǎn)的定位速度以及估計(jì)精度.

3) 為了更加準(zhǔn)確地提取出超聲波波速信號(hào)拐點(diǎn)，采用LMD與小波包分析算法相結(jié)合，用來確定泄漏時(shí)產(chǎn)生的負(fù)壓波傳播到管道首末站的時(shí)間差，從而提高了泄漏點(diǎn)的定位精度.