油氣管道泄漏檢測技術(shù)研究進(jìn)展*

盧書彤,高凱歌,靳彥欣,閆柯樂

(中石化安全工程研究院有限公司,山東青島 266104)

0 前言

管道運(yùn)輸是一種長距離輸送液體和氣體的最常見運(yùn)輸方式。隨著石油天然氣工業(yè)的發(fā)展,因管線老化、腐蝕穿孔、地質(zhì)災(zāi)害及第三方破壞等因素造成的管道泄漏事故時(shí)有發(fā)生,造成了嚴(yán)重的生命財(cái)產(chǎn)損失和社會(huì)影響。液體和氣體泄漏主要發(fā)生在管道沿線,因?yàn)楣艿谰嚯x較長,流體運(yùn)動(dòng)引起的內(nèi)應(yīng)力以及天氣條件和土壤運(yùn)動(dòng)引起的外部應(yīng)力都很容易導(dǎo)致泄漏[1]。天然氣的主要成分甲烷(CH4)及其他成分有燃爆風(fēng)險(xiǎn),產(chǎn)生的揮發(fā)性有機(jī)化合物會(huì)對健康造成危害,特別是在高酸性氣田地區(qū),由于天然氣中含有較高濃度的硫化氫(H2S),氣體泄漏會(huì)造成人員中毒,引發(fā)生命危險(xiǎn)[2]。因此,需要準(zhǔn)確地對管道的泄漏進(jìn)行檢測和定位并及時(shí)應(yīng)對,以控制泄漏規(guī)模,將泄漏產(chǎn)生的人員傷亡、經(jīng)濟(jì)損失和環(huán)境影響降到最低。

泄漏檢測技術(shù)的發(fā)展歷史超過170年。最初是使用人工探測的方法,20世紀(jì)60年代以后,地音探聽器、泄漏噪聲相關(guān)器、噪聲記錄儀等不同的聲學(xué)方法和相應(yīng)的設(shè)備被開發(fā)出來。此后負(fù)壓波、探地雷達(dá)和熱紅外成像等非聲學(xué)方法也逐漸被應(yīng)用[3,4]。一些數(shù)理統(tǒng)計(jì)及人工智能方法也逐漸應(yīng)用于泄漏檢測,1976年德國學(xué)者Isermann和Siebert[5]提出了分析流入和流出之間流量和壓力信號(hào)的互相關(guān)的關(guān)系進(jìn)行泄漏檢測的方法,在此基礎(chǔ)上,20世紀(jì)80年代提出了基于非線性模型的自適應(yīng)觀測器泄漏檢測方法[6]。此后,基于支持向量機(jī)、隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法、模型方法及信號(hào)處理方法逐漸被應(yīng)用于傳感器信號(hào)處理,以提高泄漏檢測精度和實(shí)現(xiàn)快速檢測及預(yù)測[7,8]。本文將分析國內(nèi)外研究現(xiàn)狀與研究熱點(diǎn),并對現(xiàn)有的管道泄漏檢測技術(shù)進(jìn)行闡述。

1 國內(nèi)外研究現(xiàn)狀與熱點(diǎn)分析

1.1 數(shù)據(jù)來源

本文研究數(shù)據(jù)均來自于中國知網(wǎng)CNKI文獻(xiàn)數(shù)據(jù)庫、Web of Science核心合集和智慧芽專利數(shù)據(jù)庫,參考吳佐京通,等[9]檢索邏輯,確定本研究數(shù)據(jù)獲取方式,在中國期刊全文數(shù)據(jù)庫(CNKI)中以“(管道(精確))AND(主題:泄漏(精確))AND(主題:監(jiān)測 OR 檢測(精確))”為檢索式,檢索結(jié)果為832條中文文獻(xiàn)。在Web of Science核心合集中以“pipeline leakage detection OR pipeline leakage monitoring”為檢索式,檢索結(jié)果為920條外文文獻(xiàn)。在智慧芽專利數(shù)據(jù)庫中以“MAINF:(輸油管道泄漏) AND MAINF:(監(jiān)測 OR 檢測)”為檢索式,檢索有效專利數(shù)量為154條。

1.2 研究方法

CiteSpace是基于Java語言開發(fā)的一款可視化軟件,可應(yīng)用于油氣管道泄漏檢測的研究態(tài)勢分析。本文基于CiteSpace 6.1. R4版本進(jìn)行分析,在CiteSpace獲得的共現(xiàn)圖中,每個(gè)節(jié)點(diǎn)表示一個(gè)關(guān)鍵詞(作者或研究機(jī)構(gòu)),節(jié)點(diǎn)大小表示該關(guān)鍵詞(作者或研究機(jī)構(gòu))出現(xiàn)的頻次。節(jié)點(diǎn)之間連線的粗細(xì)表示關(guān)鍵詞(作者或研究機(jī)構(gòu))共現(xiàn)(聯(lián)系)強(qiáng)度的高低,節(jié)點(diǎn)的圓圈層代表年輪,年輪寬度指代中心性大小,中心性越大表示對其他節(jié)點(diǎn)的影響越強(qiáng)。同時(shí),專利利用智慧芽分析工具對其技術(shù)主題分類、主要研究機(jī)構(gòu)進(jìn)行影響分析。

1.3 結(jié)果分析

1.3.1 論文發(fā)表及專利申請數(shù)量分析

論文發(fā)表數(shù)量隨著時(shí)間變化而變化的趨勢可歷時(shí)性地反映該研究領(lǐng)域的發(fā)展?fàn)顩r。圖1展示了CNKI文獻(xiàn)數(shù)據(jù)庫與Web of science核心合集中管道泄漏檢測的年發(fā)文數(shù)量及智慧芽專利數(shù)據(jù)庫中管道泄漏檢測的年專利數(shù)量。

圖1 管道泄漏檢測研究年發(fā)文及專利數(shù)量比較

從中國知網(wǎng)CNKI文獻(xiàn)數(shù)據(jù)庫發(fā)文數(shù)量可看出,自1984年開始出現(xiàn)管道泄漏檢測文獻(xiàn)至2002年,每年發(fā)文數(shù)較少,自2003年開始,管道泄漏檢測相關(guān)研究呈波浪式增長,這主要是由于2003年MarcoFerrante提出了采用小波分析的方法對管道壓力信號(hào)進(jìn)行奇異性分析。尤其自2012年開始,由于“光纖傳感”等技術(shù)的應(yīng)用,相關(guān)方面研究呈現(xiàn)快速上升趨勢?？偠灾?廣大學(xué)者對管道泄漏問題愈發(fā)重視,并積極探索各種方法和措施進(jìn)行檢測。從Web of Science核心合集數(shù)據(jù)庫發(fā)文數(shù)量可看出,管道泄漏檢測文章自1973年開始出現(xiàn),1973—2003年處于奠基期,此階段發(fā)文數(shù)量較少,年發(fā)文數(shù)量僅為1.16篇。2003—2015年,國際學(xué)者開始重視管道泄漏檢測技術(shù)研究,國際英文論文發(fā)文量平穩(wěn)增長,2015年后發(fā)文數(shù)量增長迅猛,管道泄漏檢測技術(shù)研究仍在發(fā)展當(dāng)中。從智慧芽有效專利申請數(shù)量來看,有效專利自2006年開始出現(xiàn),此階段管道泄漏檢測技術(shù)文章也呈現(xiàn)明顯增長趨勢,技術(shù)逐漸發(fā)展;自2012年開始,相關(guān)專利呈現(xiàn)出快速增長趨勢,這與論文的增長趨勢一致。

1.3.2 國內(nèi)外研究熱點(diǎn)和趨勢分析

通過 CiteSpace中對中國知網(wǎng)CNKI文獻(xiàn)數(shù)據(jù)庫的關(guān)鍵詞分析得到關(guān)鍵詞的共現(xiàn)、聚類圖譜(圖2)。管道泄漏檢測研究方面的關(guān)鍵詞網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)(N)為 512,連線數(shù)(E)為 1 222,連線密度(Density)為 0.009 3,說明關(guān)鍵詞之間存在聯(lián)系,但聯(lián)系相對不緊密。分析得到關(guān)鍵詞的出現(xiàn)頻次和中心性信息,其中出現(xiàn)頻次和中心性排名前 5 位的關(guān)鍵詞為泄漏檢測、泄漏、泄漏監(jiān)測、管道和管道泄漏。

圖2 CNKI數(shù)據(jù)庫管道泄漏檢測關(guān)鍵詞共現(xiàn)圖譜

繼續(xù)在共現(xiàn)圖譜上進(jìn)行關(guān)鍵詞聚類時(shí)區(qū)分析,利用LLR 抽取關(guān)鍵詞并進(jìn)行自動(dòng)標(biāo)識(shí),此次聚類共導(dǎo)出16個(gè)聚類,并按時(shí)區(qū)可視化。ModularityQ值為0.55>0.3,網(wǎng)絡(luò)聚類結(jié)構(gòu)顯著,Mean Silhouette值為0.85>0.7,說明網(wǎng)絡(luò)聚類內(nèi)部同質(zhì)性高,結(jié)果令人信服。從圖3 可看出,排名前 10 位的類團(tuán)分別為泄漏檢測、管道、泄漏、泄漏監(jiān)測、管道泄漏、數(shù)值模擬、壓力管道、在線監(jiān)測、供水管網(wǎng)、渦激振動(dòng)和故障檢測,顯示了學(xué)者對管道泄漏檢測進(jìn)行研究的不同層面。同時(shí),圖3從時(shí)間維度研究管道泄漏檢測的發(fā)展演進(jìn)過程,能憑借時(shí)間順序清晰展現(xiàn)文獻(xiàn)的更新及其相互關(guān)系。圓環(huán)大小為關(guān)鍵詞出現(xiàn)的頻次,圓環(huán)所處年份為該關(guān)鍵詞首次出現(xiàn)的時(shí)間,圓環(huán)間的連線表示各關(guān)鍵詞同時(shí)出現(xiàn)在一篇文獻(xiàn)中,顯現(xiàn)出不同時(shí)段間傳承關(guān)系;可以看出相關(guān)研究最大圓環(huán)為“泄漏檢測”,相關(guān)概念跨度長,影響范圍大。隨著時(shí)間的推移,關(guān)鍵詞 “數(shù)值模擬”“小波變換”“光纖傳感”等引發(fā)了研究的波浪式增長。

圖3 CNKI數(shù)據(jù)庫關(guān)鍵詞聚類時(shí)區(qū)可視圖譜

通過 CiteSpace中對Web of Science核心合集的關(guān)鍵詞進(jìn)行分析,得到關(guān)鍵詞共現(xiàn)圖譜(閾值10),見圖4。管道泄漏檢測研究方面的關(guān)鍵詞網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)(N)為 574,連線數(shù)(E)為 1 030,連線密度(Density)為 0.006 3,可以看出關(guān)鍵詞之間的聯(lián)系較國內(nèi)研究連接更松散。分析得到關(guān)鍵詞的出現(xiàn)頻次和中心性信息,其中出現(xiàn)頻次和中心性排名前 5 位的關(guān)鍵詞為“l(fā)eak detection(泄漏檢測)”、“l(fā)ocation(定位)”、“system(系統(tǒng))”、“model(模型)” 和“pipeline(管道)”。

經(jīng)統(tǒng)計(jì)分析,行業(yè)內(nèi)就管道泄漏檢測技術(shù)展開了大量的技術(shù)創(chuàng)新與專利布局,涉及硬件開發(fā)、物理模型、數(shù)學(xué)模型的開發(fā)及改造。通過智慧芽專利分析技術(shù)主題分析(圖5)表明,專利申請的主題詞主要有“監(jiān)視系統(tǒng)”(14次)、 “數(shù)據(jù)采集” (12次)、“壓力傳感器”(11次)、“發(fā)送器”(10次)、“激光”(9次)、“光纖傳感”(12次)、“聲波”(6次)等;涉及硬件專利申請的主題詞主要有“監(jiān)控系統(tǒng)”(20次)、 “負(fù)壓波”(8次)等。

圖5 智慧芽專利數(shù)據(jù)技術(shù)主題分類排名

2 油氣管道泄漏檢測方法及研究進(jìn)展

油氣管道泄漏檢測手段按檢測方法可以分為:“基于人工/生物”、“基于硬件”和“基于軟件”3大類方法[10]?！盎谌斯?生物”泄漏檢測方法是指利用經(jīng)驗(yàn)豐富的人員、智能清管器或直升機(jī)/無人機(jī)在管道周圍進(jìn)行石油泄漏檢測的傳統(tǒng)方法。這種方法通常為有經(jīng)驗(yàn)的工作人員沿著管道行走,巡查管道環(huán)境中的異常情況。經(jīng)過訓(xùn)練的觀察員可以通過肉眼觀察或裂縫處散發(fā)的氣味來識(shí)別泄漏[11]。這是最為原始、直接的檢測方式,但在面對較長的管道時(shí), 很難實(shí)現(xiàn)管道整體的實(shí)時(shí)檢測,并且只能對地面的管道進(jìn)行檢測, 對埋在地下或人難以到達(dá)的運(yùn)輸管道無法進(jìn)行有效的泄漏檢測。本文將從基于硬件和基于軟件2個(gè)方面介紹主要的幾種管道泄漏檢測方法及其發(fā)展趨勢與優(yōu)缺點(diǎn),具體分類如圖6。

圖6 管道泄漏檢測方法

2.1 基于硬件的管道泄漏檢測方法

2.1.1 聲學(xué)方法

聲學(xué)泄漏檢測方法包括聲波檢測法、聲發(fā)射法以及超聲波法等。聲波檢測是管道最常見的泄漏檢測技術(shù)之一, 其原理是利用泄漏點(diǎn)處高速射流氣體、液體與管壁相互作用產(chǎn)生的震蕩聲波,根據(jù)聲波傳播特性進(jìn)行管道泄漏檢測。泄漏定位的公式如下[12]。

(1)

式中:c——聲速;

L1——泄漏點(diǎn)距首端傳感器的距離;

L——首末端傳感器之間的距離;

a1——泄漏點(diǎn)與上游傳感器之間管段內(nèi)氣體流速;

a2——泄漏點(diǎn)與下游傳感器之間管段內(nèi)氣體流速;

Δt——同一泄漏聲波傳播到首末站傳感器的時(shí)間差值。

由于壓力波和聲波在天然氣中的傳播速度低于在石油中的傳播速度,因此天然氣管道泄漏檢測的定位精度高于石油管道。一般來說,聲波法用于輸氣管道時(shí),可檢測最小泄漏量為0.01%輸量,對于長輸管道的定位精度為50 m以內(nèi),響應(yīng)時(shí)間小于3 min。 劉翠偉,等[13]用一段長251.5 m, 內(nèi)徑10 mm的管道進(jìn)行模擬泄漏實(shí)驗(yàn),相對定位誤差達(dá)到0.069%, 實(shí)現(xiàn)了精準(zhǔn)泄漏定位。近年來在聲波檢測上,研究者們做了很多工作來提高檢測精度。謝含宇,等[14]采用了平均經(jīng)驗(yàn)?zāi)B(tài)分解算法和相關(guān)性分析對次聲波信號(hào)進(jìn)行處理, 運(yùn)用二次相關(guān)時(shí)延估計(jì)算法進(jìn)行定位計(jì)算, 達(dá)到較高的檢測和定位精度。有很多研究者利用小波分析具有多分辨率分析的功能,對聲波泄漏信號(hào)進(jìn)行降噪處理,以提高結(jié)果的準(zhǔn)確性。Rui Xiao,等[15]提出了一種基于小波變換和支持向量機(jī)的聲信號(hào)綜合檢漏方法,基于熵的算法自適應(yīng)選擇最優(yōu)的小波基,對聲學(xué)傳感器采集的聲學(xué)信號(hào)進(jìn)行小波變換預(yù)處理,然后從多域分量中提取包含泄漏嚴(yán)重程度信息的特征。

聲波檢測法只需在管道內(nèi)布置足夠的聲波傳感器,并不用事先對管道進(jìn)行數(shù)學(xué)建模, 應(yīng)用起來較為簡便,實(shí)用性較強(qiáng)且精度較高,是目前應(yīng)用最為廣泛的檢測方法之一,該方法的研究也一直是該領(lǐng)域的熱點(diǎn)方向。 但由于聲波傳播的范圍較短,在檢測長距離管道時(shí)需要布置多個(gè)傳感器,會(huì)導(dǎo)致成本增加。

聲波泄漏檢測方法在國內(nèi)各油田集輸管道應(yīng)用十分廣泛,新疆油田、勝利油田采用該方法實(shí)現(xiàn)多次有效的盜油盜氣報(bào)警及事故泄漏的識(shí)別[16,17],大港油田[18]等選取海底管線進(jìn)行模擬放油試驗(yàn)。工業(yè)應(yīng)用的大體定位精度在100 m之內(nèi),泄漏識(shí)別靈敏度小于0.5 L/s,響應(yīng)時(shí)間小于1 min,為長輸管道的安全運(yùn)行保駕護(hù)航。

2.1.2 分布式光纖傳感方法

近年來,分布式光纖傳感方法成為用于檢測管道泄漏的新型傳感技術(shù)。其原理是:利用沿管道布設(shè)的光纖及傳感器,通過傳回中控室的光纖信號(hào)和傳感器信號(hào)傳遞的溫度或結(jié)構(gòu)應(yīng)變的變化進(jìn)行泄漏檢測。目前,常見的分布式光纖傳感技術(shù)分為干涉型分布式光纖傳感技術(shù)和散射型分布式光纖傳感技術(shù),其中分布式拉曼光纖測溫系統(tǒng)應(yīng)用較廣,其工作原理主要是結(jié)合了光的散射和光時(shí)域反射定位。

光纖中主要存在的散射有瑞利散射、布里淵散射和拉曼散射,而其中拉曼散射對溫度較為敏感且易與入射光分開。反射回入射端的拉曼散射光中包括斯托克斯光和反斯托克斯光,前者對溫度不敏感而后者的光強(qiáng)與溫度相關(guān),反斯托克斯光與溫度的關(guān)系見式(2)[19]。

(2)

對式(2)取對數(shù)并移項(xiàng)可得式(3) 。

(3)

式中:Lm——反斯托克斯光的光強(qiáng),cd;

Ln——斯托克斯光的光強(qiáng),cd;

h——布朗克系數(shù);

c——光速,m /s;

α——與溫度有關(guān)的系數(shù);

v——拉曼平移量,m-1;

k——鮑爾次曼常數(shù),J/K;

T——溫度,℃。

因此,對散射光進(jìn)行過濾,提取影響其強(qiáng)度、頻率、相位、偏振等物理參數(shù),通過計(jì)算分析即可得出光纖上的溫度分布情況。

光時(shí)域反射技術(shù)是指光源向光纖發(fā)送一束激光,在與周圍的光纖發(fā)生碰撞后產(chǎn)生的散射光返回入射端,通過計(jì)算檢測到反射光與入射光的時(shí)間差,即可獲得光纖中發(fā)出反射光的位置(L),計(jì)算方法如式(4)[19]。

(4)

式中:c——光在真空中的傳播速度,m /s;

n——光纖的折射率;

t——反射光與發(fā)射光的時(shí)間差,s。

當(dāng)管道發(fā)生泄漏時(shí),會(huì)引起管壁和周圍土體的振動(dòng),以及介質(zhì)和溫度的變化,如果將感溫光纜沿管道敷設(shè),光纖感應(yīng)到管道泄漏溫度變化后,對激光源的激光產(chǎn)生反射光感應(yīng)信號(hào),相應(yīng)的分離模塊將拉曼散射中的斯托克斯光和反斯托克斯光分離,并經(jīng)由光電轉(zhuǎn)換器轉(zhuǎn)換為電信號(hào),最終傳遞給計(jì)算機(jī)。通過計(jì)算機(jī)對采集的溫度數(shù)據(jù)與參考光纖設(shè)定的閾值進(jìn)行對比,來判斷管道是否發(fā)生泄漏。

分布式光纖檢測技術(shù)近年來已經(jīng)成功應(yīng)用于各類運(yùn)輸管道的泄漏檢測,包括自來水、冷卻水、石油、天然氣等。目前,市場上存在許多規(guī)格的光纖可供選擇,且現(xiàn)有光纖測溫系統(tǒng)的精度能達(dá)到較高水平,較多學(xué)者利用分布式光纖傳感進(jìn)行實(shí)驗(yàn),測溫精度大多在1 ℃左右,定位誤差范圍在5 m以內(nèi),測量響應(yīng)時(shí)間在5 s內(nèi)。

因分布式光纖傳感方法是以光波為信號(hào),因而不受電磁干擾也不怕水,且目前鋪設(shè)光纖的價(jià)格不斷降低,其優(yōu)勢逐漸顯現(xiàn),但鋪設(shè)光纖時(shí)需要對現(xiàn)場進(jìn)行開挖,工程量較大且需埋在一定的深度才能保證作業(yè)安全。

近年來,光纖傳感檢測方法成為油氣長輸管道泄漏檢測的熱點(diǎn)方法,在中海油某油氣終端項(xiàng)目、西北油田三號(hào)聯(lián)合站、紅河油田油氣混輸管道[20,21]等油田現(xiàn)場安裝配置多通道溫度傳感光纜信號(hào)采集系統(tǒng)進(jìn)行試驗(yàn),試驗(yàn)溫升響應(yīng)時(shí)間、試驗(yàn)前后溫度變化值等參數(shù)表明,泄漏檢測系統(tǒng)能夠敏銳感知到泄漏導(dǎo)致的溫度變化,實(shí)現(xiàn)對管道實(shí)際運(yùn)行狀況的監(jiān)測,對管道泄漏做精確的定位,為管道搶修節(jié)約時(shí)間,減少環(huán)境污染和停產(chǎn)維修給帶來的損失。

2.1.3 其他基于硬件的檢測方法

2.1.3.1 雷達(dá)法

雷達(dá)法包括探地雷達(dá)、激光雷達(dá)、毫米波雷達(dá)等。探地雷達(dá)法是通過機(jī)載雷達(dá)向地下管道發(fā)射脈沖信號(hào),根據(jù)電磁波在介質(zhì)中的傳播理論,電磁波在傳播過程中會(huì)發(fā)生能量衰減、頻散、頻移等,通過脈沖信號(hào)處理反映出介質(zhì)分布,以達(dá)到管道泄漏檢測的目的[22]。該種方法可用于復(fù)雜的地形環(huán)境,但不適用于管徑較小的管道,并且在黏土環(huán)境中容易失真[23]。

激光雷達(dá)系統(tǒng)基于光譜吸收原理,氣體分子選擇性地吸收光,通過分析激光的初始功率和回波功率獲得氣體濃度。該方法定位精度高、檢測速度快[24]。

毫米波是指30～300 GHz頻域(波長為1～10 mm)的電磁波,而毫米波雷達(dá),就是工作在毫米波波段探測的雷達(dá)。在天然氣管道泄漏檢測應(yīng)用中,毫米波雷達(dá)系統(tǒng)可以通過天然氣管道獲取雷達(dá)信號(hào),并根據(jù)天然氣和空氣之間的密度差判斷泄漏。但雷達(dá)探測方法的共同缺點(diǎn)是運(yùn)營成本較高[25,26],不適合大規(guī)模工程應(yīng)用。

2.1.3.2 激光檢測方法

基于激光的檢測方法主要有激光定位系統(tǒng)與二極管激光吸收法2種。二者探測原理基本相同,二極管激光吸收法采用二極管激光發(fā)射器,經(jīng)濟(jì)成本相對較低[27,28]。當(dāng)激光束被引導(dǎo)至管道時(shí),如果發(fā)生泄漏,激光束將被部分吸收,泄漏氣團(tuán)的激光在氣團(tuán)后反射回目標(biāo)。2011年,蔣亞龍,等[29]設(shè)計(jì)了一種基于TDLAS技術(shù)的甲烷濃度檢測系統(tǒng),使用長光程測量池測量了8種甲烷濃度,經(jīng)證明該系統(tǒng)長期穩(wěn)定可靠[30]。

2.1.3.3 熱紅外成像法

熱成像檢測技術(shù)使用熱成像技術(shù)設(shè)備分析管道周圍的熱輻射變化[31]。采用紅外熱成像法檢測目標(biāo)和背景之間的溫度差異來探測識(shí)別目標(biāo),推測地下輸油管道的分布狀態(tài)。當(dāng)天然氣管道泄漏時(shí),管道周圍土壤的溫度將根據(jù)節(jié)流效應(yīng)而降低。對于加熱和運(yùn)輸?shù)脑凸艿?當(dāng)管道泄漏時(shí),周圍土壤的溫度會(huì)升高。其優(yōu)點(diǎn)是檢測速度快,但設(shè)備昂貴,對管道埋入深度有要求,對小于1.0 mm的泄漏孔難以量化[32],且當(dāng)流體溫度和周圍土壤溫度趨于一致時(shí),該方法容易失效[33]。

2.2 基于軟件的管道泄漏檢測方法

基于軟件的管道泄漏檢測方法主要為基于模型的管道泄漏檢測方法,分為物理模型驅(qū)動(dòng)的泄漏檢測方法和數(shù)學(xué)模型驅(qū)動(dòng)的泄漏檢測方法。物理模型驅(qū)動(dòng)的泄漏檢測方法考慮了流體在管道中的速度、密度、壓力和溫度等物理特性,當(dāng)管道中液體的物理行為偏離模型時(shí),就會(huì)進(jìn)行泄漏檢測。數(shù)學(xué)模型驅(qū)動(dòng)的泄漏檢測方法僅使用傳感器數(shù)據(jù)(如壓力和流量)和數(shù)據(jù)分析方法來推導(dǎo)過程模型。

2.2.1 物理模型驅(qū)動(dòng)的泄漏檢測方法

物理模型驅(qū)動(dòng)的泄漏檢測方法的典型是負(fù)壓波法。當(dāng)管道某處突然發(fā)生泄漏時(shí),泄漏點(diǎn)會(huì)產(chǎn)生瞬時(shí)壓降[34]。由于管道內(nèi)的液體是連續(xù)流動(dòng)的,位于泄漏點(diǎn)兩端的傳感器可以接收到上、下游流向泄漏處而形成的負(fù)壓波。該方法優(yōu)點(diǎn)在于成本低,便于維護(hù),但是對于微小泄漏的敏感性不強(qiáng),針對此缺點(diǎn),Silva,等[35]利用小波變換技術(shù)提取瞬態(tài)負(fù)壓波信號(hào),捕捉兩端測點(diǎn)信號(hào)的特征點(diǎn),提高了方法的檢測精度。同時(shí),負(fù)壓波法對噪聲敏感,對傳感器精度的依賴程度較高,不適用于短距離輸送管道[36]。

2.2.2 數(shù)學(xué)模型驅(qū)動(dòng)的泄漏檢測方法

該方法是以系統(tǒng)辨識(shí)法、濾波器法、以及管道流量平衡法等為指導(dǎo),完成數(shù)學(xué)模型的建立[37]。典型方法如支持向量機(jī)法(Support Vector Machine, SVM)是基于監(jiān)督學(xué)習(xí)將低維數(shù)據(jù)投射到高維空間的泄漏異常狀態(tài)檢測方法,Qu,等[38]在光纖傳感器的基礎(chǔ)上,利用SVM對管道泄漏引起的正常和異常振動(dòng)進(jìn)行分類。何健安,等[39]選用高斯函數(shù)作為SVM分類的核函數(shù)在西北已有煤層氣長輸管道進(jìn)行測試和驗(yàn)證,準(zhǔn)確率較高。人工神經(jīng)網(wǎng)絡(luò)法是將管道數(shù)據(jù)清洗后作為模型輸入,經(jīng)過神經(jīng)網(wǎng)絡(luò)連接和計(jì)算,得到泄漏預(yù)測結(jié)果。BP神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的包容性被用于泄漏檢測中,但是此類淺層神經(jīng)網(wǎng)絡(luò)易陷入局部極值[40,41],燕宗偉,等[42]及張勇,等[43]提出一種基于數(shù)據(jù)預(yù)處理的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的管道泄漏檢測方法,效果明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。在此基礎(chǔ)上,深度學(xué)習(xí)檢測算法逐步發(fā)展以克服淺層神經(jīng)網(wǎng)絡(luò)存在的不足,卷積神經(jīng)網(wǎng)絡(luò)(CNN)[44]、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network, RNN)[45]、長短記憶網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)[46]、模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network, FNN)[47]等也逐漸被應(yīng)用于泄漏的圖像數(shù)據(jù)和圖像處理、管道壓力、流量等信號(hào)處理。

隨著計(jì)算機(jī)技術(shù)和人工智能算法的發(fā)展、對管道材料和集輸過程了解的深入,基于數(shù)學(xué)模型驅(qū)動(dòng)的泄漏檢測方法逐漸完善,依賴其強(qiáng)大的泛化能力、分類能力和預(yù)測能力,不斷取得新突破,成本投入相對較低,但是準(zhǔn)確性與定位精度還需提高,更多是作為硬件檢測方法的輔助,或者與硬件檢測方法相結(jié)合。

2.3 方法比較及建議

通過對相關(guān)文獻(xiàn)專利的分析比較,對上述主要油氣管道泄漏檢測方法從以下幾個(gè)方面進(jìn)行比較總結(jié):

a) 從適用范圍和成本看,紅外成像法、化學(xué)法、雷達(dá)法等成本較高且應(yīng)用場景受限,聲波檢測法、分布式光纖等應(yīng)用范圍廣泛且成本較低,既可以應(yīng)用于站場管道,也可用于油氣田環(huán)境的長輸埋地管道,但分布式光纖需沿線敷設(shè),故更適用于新管道,對于正在運(yùn)行的管道開挖成本較大。

b) 定位精度和響應(yīng)時(shí)間方面,主流的檢測方法對于長輸管道的相對定位誤差可以控制在1%～5%之內(nèi),響應(yīng)時(shí)間通常小于1 min,光纖傳感的方法在較為理想的條件下定位誤差可小于1%,且數(shù)秒內(nèi)即可響應(yīng),優(yōu)勢明顯。

c) 基于軟件的檢測方法雖然成本投入相對較低,但更多體現(xiàn)為一種數(shù)據(jù)處理和建立模型的手段,作為硬件探測技術(shù)的輔助與補(bǔ)充,精度上依賴于硬件的條件。

從目前的的方法應(yīng)用趨勢上看,光纖泄漏檢測是一種優(yōu)勢較為明顯的方法,近年來在油田管道的應(yīng)用也較為廣泛,但對于正在運(yùn)行的管道存在開挖不便的問題,可以考慮采用或探索非接觸式或不需沿線長距離分布的檢測方法。

3 結(jié)論與展望

3.1 結(jié)論

本文通過使用CiteSpace軟件對大量中英文獻(xiàn)進(jìn)行檢索,分析了管道泄漏檢測的研究進(jìn)展趨勢與現(xiàn)狀,并從硬件和軟件兩個(gè)角度介紹了可應(yīng)用于油氣管道檢測的集中常用泄漏檢測技術(shù)。通過本文的分析,可以得出以下結(jié)論:

a) 國內(nèi)外對于管道泄漏檢測的研究從20世紀(jì)70、80年代開始,并于2000年之后發(fā)表文章數(shù)量有了爆發(fā)性增長,這主要源于一些新的硬件技術(shù)(如分布式光纖傳感技術(shù))以及數(shù)據(jù)處理方法(如小波變化)的出現(xiàn)。

b) 各種基于硬件的檢測方法由于不同原因在應(yīng)用上受到限制,如成本較高、易受外部信號(hào)干擾、數(shù)據(jù)傳輸不便以及敷設(shè)條件困難等。

c) 基于軟件的檢測方法如支持向量機(jī)法和人工神經(jīng)網(wǎng)絡(luò)法在定位精度方面仍有提升空間,并且需與硬件檢測方法有機(jī)結(jié)合。

3.2 展望

根據(jù)對油氣管道泄漏檢測技術(shù)的研究進(jìn)展,對未來檢測技術(shù)的發(fā)展趨勢展望如下:

a) 從近年來檢測技術(shù)的發(fā)展來看,越來越多的檢測技術(shù)不再局限于單一方法的使用。因此,結(jié)合2種或2種以上的檢測方法(或結(jié)合基于硬件的方法和基于軟件的方法)是未來的發(fā)展方向。

b) 近年來,機(jī)器學(xué)習(xí)技術(shù)發(fā)展迅速?？梢灶A(yù)見,未來的檢測技術(shù)將更加智能化和自動(dòng)化,檢測數(shù)據(jù)可以自動(dòng)識(shí)別和讀取,漏點(diǎn)自動(dòng)判斷和預(yù)警的錯(cuò)誤率將更低。

c) 提高小泄漏的檢測率仍然是當(dāng)前檢測技術(shù)的難點(diǎn),因此提高檢測技術(shù)的靈敏度和準(zhǔn)確性仍然是主流方向,當(dāng)前的主流檢測技術(shù)在多點(diǎn)檢測、抗環(huán)境干擾、提高定位精度方面仍有改進(jìn)的余地。

d) 探索非開挖式的高精度地下探測及泄漏檢測的方法,是未來針對油氣田埋地長輸管道進(jìn)行泄漏檢測的重要發(fā)展方向。