近年来,不法分子在输油气管道上打孔盗油活动日益猖獗,据统计,20002003 年,中国石油天然气管道分公司所管辖的管道被打孔盗油共计305 次,特别是2003 年12 月19 日,管道—油段因被打孔盗油而引发重大泄漏事故,90 号汽油损失约423 m3 ,管道累计停输14 h ,并导致宝成铁路中断运行7 h ;20002003 年,中石化所管辖的管道被打孔盗油共计3 810 次,2004 年又呈上升趋势。为了保证输油气管道安全运行,进行泄漏检测及防御技术研究十分必要。参照管道泄漏检测及定位技术的实际应用,从原理入手,对目前国内外几种基于软件的输油气管道泄漏检测和定位技术进行了定性比较,并设置了11 项性能评价指标,对各种方法进行了评价。

二、基于软件的泄漏检测诊断技术

近年来,随着计算机技术的迅速发展,泄漏检测技术已成为SCADA 系统的一个重要组成部分。SCADA 系统设在管道沿的关键点,通过传感器测量流量、温度、压力等参数对管道进行实时监测,测量到的数据被送往中央控制中心,运用各种法

进行实时分析处理,以此来进行泄漏检测和定位,并将泄漏检测和定位的结果通过详细的图形界面传送给管理人员,以便了解检测结果并作出反应〔1〕。基于软件的检测方法都可用于SCADA 系统提供的平台上。检测方法可分为以下类。

1 、　简单的基于软件的检测方法

该检测方法主要有压力流量变化法和流量平衡法两种。前者假设的根据是,管道出入口处的压力或流量的变化超过一定程度就意味着泄漏的发生。因此,可以对出入口处的压力和流量进行监测,当其变化超过预先设定的阈值时发出报警。这种方法虽然很简单,但无法定位,而且误报警率很高。后者则是根据管道两端出入口流量是否平衡来检测管道是否有泄漏,当入口流量大于出口流量时,就可以判断管道中间发生了泄漏,即:

　　　　　　　ΔQ = E{ Qin - Qout} (1)

式中　ΔQ ———泄漏的体积流量;

　　　Qin ———管道入口的体积流量;

　　　Qout ———管道出口的体积流量;

　　E{ ·} ———数学期望值。

该检测方法简单、直观,如果在管道中间增加检测点,将所有点的流量信号汇总构成流量平衡图像,根据图像的变化特还可以推断出泄漏点的大致位置。但当工况条件变化或者管内流体参数变化时,流量也会出现不平衡现象,所以误报警率也比较高。为了提高检测的灵敏度和减小误报率, 可以利用式

(2) 对体积平衡法进行改进〔2〕。

　　　　　　ΔQ = E{ Qin - Qout - Qi} (2)

Qi 是考虑了热动态效应引起的管道流体的计算值变化量。为了计算Qi ,需要建立与管内流体温度、压力、密度、粘度以及摩擦等因素有关的管道动态模型。改进的流量平衡法在检漏灵敏度上比一般的流量平衡法有所提高,误报率也有所降低,但它需要建立管道的动态模型,增加了复杂性。流量平衡法比压力流量变化法要灵敏一些,但是仍然不够高,而且不能对泄漏位置进行精确定位。

2 、　基于模型的方法

建立管道的实时动态模型,然后利用模型对管道系统的参数进行在线估算, 将估算值和实际的测量值进行比较来进行泄漏故障诊断, 这就是基于模型方法的基本思想。这一类方法都需要建立管道的模型,根据建立模型的方法,可以分为基于状态估计和基于系统辨识两类方法。

(1) 基于状态估计的方法　这类方法利用管道中流体的几个基本方程,即质量平衡方程、动量平衡方程、能量平衡方程及状态方程等机理建模。因为这些方程是偏微分方程, 所以得到一个非线性的分布式参数系统模型, 通常可采用差分法或特征线法等方法将其线性化。设计状态估计器对系统状态进行估计,将估计值作为泄漏检测的依据,这就是基于状态估计的方法的基本原理。其中估计器可以是观测器,也可以是Kalman 滤波器。根据建立模型的方法,这类方法可分为不包含故障的模型法和包含故障的模型法。

①不包含故障的模型法。不包含故障的模型法的基本思路是,建立管道模型并设计估计器,模型中不含有泄漏的信息。当泄漏发生时,模型估计值与实际测量值将会产生残差,可用残差信号来进行检测定位〔3〕(见图1) 。建立以P0 和PN ( P 为压头) 为泄漏对压力分布的影响输入, Q0 和QN ( Q 为流量) 为输出的管道估计器。由于假设P0 和PN 不受泄漏的影响,因此估计器的输出也不受泄漏的影响。而实际测量值Q0 将因泄漏而变大, QN 将因泄漏而变小。对实测值与估计值的偏差信号采用适当的算法即可进行泄漏检测和定位。

这种方法是在假设P0 和PN 相等的情况下进行的,当泄漏量大时,由于P0 和PN 不相等,所以方法不成立。另外,该方法需要设置流量计,而且对于气体管道,检测和定位的响应时间太慢。

图1 　不包含故障的模型法的基本原理②包含故障的模型法。包含故障的模型法的基本思路是,建立管道模型时预先假设管道有几处指定的位置发生了泄漏, 通过对系统的状态估计得到这几个预先假设的泄漏点的泄漏量估计值, 运用适当的判别准则便可进行泄漏检测和定位。通常采用的方法〔4〕是, 将管道等分成若干段,并假设在中间的一个指定的分段点上的泄漏量为K1 , K2 , ⋯, Kn ,然后利用特征线法建立包括上述泄漏在内的状态空间离散模型,以设计扩展的Kalman滤波器来估计这些泄漏量。Kalman 滤波器的状态变量为各段的压力、流量和预先定义的泄漏量。假设管道只有一个泄漏点,在稳定流动的条件下,利用质量守恒和动量守恒原理,可以得到如下关系式来进行泄漏量估计和定位〔4〕。

泄漏量: K = Σ

l

i = 1

Ki

泄漏位置: x k = ( Σ

l

i = 1

Ki x ki) / K

该方法〔4〕在长90 km、内径785 mm 的气体管道上,在80 min 内可检测出2 %的泄漏量,并在100min 内可完成定位,定位精度比较高。但当实际泄漏点不处于指定泄漏点之间时,定位公式将无法使用。对于气体管道,检测速度相对较慢仍需设置流

量计。

(2) 基于系统辨识的方法　通过系统辨识来建立模型是工业上经常使用的方法,与机理建模的方法(基于估计器的方法就是通过机理建模) 相比,具有实时性强和更加精确等优点,管道的模型也可以通过系统辨识的方法来得到。

目前,一种方法〔5〕是在管道系统上施加M 序列信号,采用线性ARMA 模型结构增加某些非线性项来构成管道的模型结构,采用辨识的方法来求解模型参数,并用与估计器方法类似的原理进行检漏和定位。为了对管道的泄漏进行检测,可以对根据管道实际情况建立“故障灵敏模型”及“无故障模型”进行对比和计算〔6〕。系统辨识法的局限性与不包含故

障的模型法类似。基于模型法的一个共同的问题在于,检测管道泄漏时的响应时间慢,特别是对于气体管道。这是由于气体的动态特性变化比较缓慢,实际测量信号的采样时间比较长的缘故。另外,基于模型的方法无一例外,都要采用实际测量的流量信号,由于流量计价格昂贵,维护起来比较困难,因此,我国多数管道没有安装,而且受流量测量时流体成分、温度以及压力等参数变化的影响,测量的准确度比较低。

3 、　基于信号处理的方法

基于信号处理的方法不需要建立管道的数学模型,也不需要实际测量的流量信号,所以更适合我国管道应用。该方法包括压力梯度法、负压波法、压力点分析法和统计分析法等。

(1) 压力梯度法　在稳定流动的条件下,泄漏将导致沿线的压力梯度分布呈折线变化(见图2) 。若用P1 和P2 得到上游管段的压力梯度, P3 和P4得到下游管段的压力梯度, 就不难算出实际泄漏位置。一般情况下可采用以下两种方法。

图2 　泄漏对压力分布的影响

①线性压力梯度法。在理想情况下, 管道压力管道呈线性变化,当发生泄漏并且再次稳定后,沿管道压力变化如图2 示。因此,用P1 和P2 计算出上游管段的压力梯度,用P3 和P4 计算出下游管段的压力梯度,两者在泄漏点出处有相同的边条件,由此不难计算出泄漏点位置(见图3) 。基于压力信号的泄漏检测方法。压力梯度管道泄漏定位原理和算法较为简单, 压力梯度法不需要安装流量计,只需要在管道的两端安装压力表,这不仅可以检测泄漏,而且可确定泄漏点的位置。另外,

压力梯度法同样适合于气体管道的泄漏检测和定位(见图4) 。

图3 　压力模型示意图

图4 　压力梯度法定位示意图

②非线性压力梯度法。针对线性压力梯度法定位精度低的问题,非线性压力梯度法〔7〕采用了不等温长输管道泄漏定位原理。对于加热输送的管道,首末端温度相差很大,而流体的粘度、摩阻以及密度参数等随温度的变化也很大, 导致沿线压力分布呈非线性,线性压力梯度法将存在很大误差。因此,通过建立反映管道沿程热力变化的水力和热力综合模型,找到更能反映实际情况的非线性压力梯度分布进行泄漏定位。该算法对于流体在粘度、密度及热容等特性随着沿程温度下降有较大变化的管道具有很大的优越性,不考虑这些变化的管道常温泄漏定位法只是此方法的一个特例。由于加热输送管道沿程水力变化的非线性, 忽略热力变化的简化方法将产生很大误差, 以至无效。但该方法的不足之处在于,需要流量信号及建立数学模型, 而且模型较复杂,增加了计算的复杂性。

　　(2) 负压波法　当管道某处突然发生泄漏时,泄漏处将出现瞬态压力突降, 形成一个负压波。该负压波以一定的速度向管道两端传播, 而管壁则像一个波导管,压力波传播时衰减很小, 可以传播很远。经过若干时间后,分别传到上下游,上下游压力传感器捕捉到特定的瞬态压力波形就可以进行泄漏判断。如果能够准确确定上下游端压力传感器接收到压力信号的时间差, 根据负压波的传播速度就可以确定泄漏点。负压波传播的速度等于流体中的声速,在原油管道中为1 200 m/ s ,在气体管道中为320 m/ s ,可以事先测量出来。根据这一原理,可采用相关分析法和小波变换法进行测漏检测及定位。关分析法对上下游的压力信号去除均值并求取差分信号后,实时计算其相关函数。当没有泄漏时,相关函数的值在零附近。泄漏发生后由于上下游压力信号会先后下降,所以相关函数的值将显著变化,以此进行泄漏检测。相关函数的极值点对应的时间就是负压波到达两端的时间差,以此可进行泄漏点定位。为了增强系统抗干扰能力,还可以在上下游各增加一个压力测点。相关分析法检漏和定位,只需要检测4 个压力信号,不必建立数学模型,计算量小,还可依靠自身的信号处理算法消除上下游泵站操作引起的工况扰动,因此是一种有效而可行的方法,尤其适合我国管道,但要求泄漏速、突发的。如果泄漏速度很慢,没有明显的负压波出现,则此方法就失效。小波变换是一种时间尺度分析方法,在时频域

中具有表征信号局部特征的能力,被誉为分析信号显微镜。小波变换在信号处理、图像压缩、语音识别及生物医学工程等许多领域得到了广泛的应用。将连续小波变换应用于动态系统故障诊断,并利用小波变换的极值可检测信号的边沿,还可抑制噪音,若采用小波变换可检测到管道的压力降,并且能准确定位负压波到达上下游压力测点的时间差,就可以利用和相关分析法相同的原理来定位泄漏点。小波变换法也是一种精确度很高的检漏和定位方法,它不需要流量信号,不用建立管道的数学模型,处理信号的方法简单。但与相关分析法一样,适合于快速的、突发的泄漏事故。如果泄漏速度很慢,

没有明显的负压波出现,则此方法失效。它的另一的稳定状态。当泄漏发生时,泄漏点处出现压力突降,破坏了原有的稳态,使管道向新的稳态过渡。泄漏点处产生的负压波以声速沿管道向两个方向传播,同时将失稳的瞬态传递到管道的沿线各点,这样,管道的沿线各点都会发生向新的稳态的过渡过程。通过在管道沿线设点进行压力检测,用统计的方法分析检测值,提取压力变化曲线,并与管道处于正常运行状态时的曲线作比较,根据两者之间的差别来判断泄漏是否发生OSBERT 公司采用压力点分析法和流量平衡法开发出了一套泄漏检测系统,于1992 年投入商用,并于1994 年被美国环保局核定为具有法定的检测地位。此系统在美国、加拿大被广泛应用于油气管道的泄漏检测。采用PPA 法在一条长87. 4 km、直径为152. 4mm 的乙烯管道上进行了试验,在平稳的工况条件下可以在12 min 内检测到孔径为6. 35 mm 的泄漏;对于孔径为12. 7 mm 的泄漏,在不平稳的工况条件下也能及时检测到。PPA 法只需要一个或几个检测点的压力信号,不需要建模,存储数据量和计算量都比较小,对气体管道泄漏的响应时间比较快。但其最大的缺点是无法定位,同时对泄漏量的评估能力比较差。

(4) 统计分析法　管道一旦发生泄漏,压力和流量都会发生变化(压力会下降,进出口处的流量会产生偏差) ,原管道压力和流量满足的关系就不再成立。这就是一种基于统计分析法的基本原理〔8〕。该方法采用一种“顺序概率( SequentialProbability Ratio Test) 假设检验的统计分析方法,从实际测量到的流量和压力信号中实时计算泄漏发生

的置信概率。在实际统计上,输入和输出的质量流通过流量化( Inventory Variation) 来平衡。在输入的流量和压力均值与输出的流量和压力均值之间会有一定的偏差,但大多数偏差在可以接受的范围之内,只有一小部分偏差是真正的异常通过计算标准偏差和检验零假设,对偏差的显著性进行检验,来判断是否出现故障。泄漏发生后,采用一种最小二乘算法进

行定位。该方法的优点是不需要建立管道模型,计算量比较小,误报警率低,对工况条件变化的适应能力非常好。其缺点是对仪器的精度要求比较高,对气体缺陷是,抗干扰能力差,对于工况扰动易误报警。目前,负压波法在我国输油管道上进行了多次试验,取得了令人满意的效果,但在输气管道上的试验并不多。有文献指出,负压波法完全适合于气体管道的泄漏检测, ICI 公司曾经使用负压波法在乙烯管道上进行过成功的试验。使用压力波法时,应当选用只对负压波敏感的压力传感器(因为泄漏不会产生正压波) ,传感器应当尽量靠近管道,而且要设定合适的阈值,这样可以更好地抑制噪音。

(3 ) 压力点分析法( Pressure Point Analysis ,PPA) 　管道在正常运行时,其压力值呈现连续变化管道泄漏的响应时间比较慢,而且需要流量信号。

4 、　基于人工智能的方法

目前,基于人工智能的泄漏检测技术主要应用的是模式识别和人工神经元网络的方法。(1) 基于模式识别的方法　基于模式识别的方法原理是通过对泄漏产生的瞬态负压波进行特征提取和结构模式识别,以此进行泄漏检测〔9〕。泄漏引发的负压波与调泵、调阀等引发的负压波波形特征有相当大的区别,采用模式识别的方法对管道负压波进行描述,从而建立管道负压波形结构模式的分类系统,用于区别管道正常调节状态和泄漏状态,可以有效地降低管道泄漏的漏报率和误报率,提高泄漏检测系统的准确性。另外一种基于模式识别的方法〔10〕是基于分段积分算法的瞬态负压波结构模式识别,经此算法处理后的负压波序列,去除了干扰,突出了特征信息,具有高效、快速的特点。

(2) 基于神经元网络的方法　人工神经元网络可以实现输入到输出的非线性映射,它具有模拟任何的连续非线性函数的能力和从样本学习的能力,在管道泄漏检测中得到了一定程度的应用。试验研究表明,基于人工神经网络的管道运行状况分类器能够较为迅速准确地预报管道运行状况,检测管道是否有泄漏,并且有较强的抗恶劣环境噪音干扰的能力,在管道系统故障诊断领域有着广泛的应用前景。前,基于人工智能的泄漏检测和定位方法仍处于试验阶段,多数方法只对液体管道进行试验,仍有许多问题有待于解决。

三、泄漏检测方法的综合评定和选择

1 、　泄漏检测方法的综合评定为了对上述各种基于软件的输油气管道泄漏检测方法进行优劣比较,以下对11 项指标进行综合评定。性能对比结果见表1 。

(1) 灵敏度。能检测到最小的泄漏量。

(2) 定位能力。能否对泄漏点精确定位。

(3) 评估能力。对泄漏量大小的估计能力。

(4) 响应时间。检测到泄漏所需要的时间。

(5) 有效性。是否能够对管道的每一点进行连

续检测。

(6) 适应能力。对由工况条件等的变化引起的

管道运行变化的适应能力。

(7) 误报警率。未发生泄漏时而给出误报警的

概率。

(8) 维护要求。系统的使用和维护是否简便。

(9) 适应范围。系统的适应范围指原油管道、成品油管道和输气管道。

(10) 预警能力。系统是否能在管道泄漏前进行报警和定位。

(11) 费用。系统的固定投资和维护费用。从表1 可以看出,各种方法都有各自的优缺点。应当指出,表1 只是一个大致的比较,实际上,各种方法的性能和管道运行状况、设备仪器质量等很多实际因素都是密切相关的。

表1 　各种主要泄漏检测方法对比检测方法灵敏度定位能力评估能力响应时间有效性适应能力误报警率维护要求适应　2 、　泄漏检测方法的选择

由于管道实际发生泄漏的情况是无法预知的,因此,在每时每刻对整个管道都需要进行监测,作为管道的主要泄漏检测方式最重要的一项指标就是有效性。所有基于软件的方法可以统称为连续性泄漏测法,管道的主要检测方法应当属于连续性泄漏检测法。