[发明专利]结合深度学习和多次测量技术的管道泄漏监测及定位方法

说明书

本发明公开了一种结合深度学习和多次测量技术的管道泄漏监测及定位方法，包括：S1、采集待测管道的原始数据；S2、对原始数据进行分解与重构，得到对应低频信号和高频信号；S3、基于低频信号，预测下一时刻的管道参数；S4、预测管道参数与实测参数进行对比，确定管道工作状态；S5、基于高频信号，提取参数变化时间；S6、基于高频信号及参数变化时间，确定管道内压力波的传播速度；S7、当管道工作异常时，结合传播速度，对异常位置进行定位，实现管道泄漏监测及定位。本发明能够解决管道泄漏监测缺乏泄漏样本、管道泄漏监测和定位提供响应时间长、误报率高和成本高的问题，有效地实现快速高效低成本的管道泄漏监测和管道泄漏定位。

技术领域

本发明属于管道运输安全监测技术领域，具体涉及一种结合深度学习和多次测量技术的管道泄漏监测及定位方法。

背景技术

长距离管道运输作为经济高效的运输方式，被广泛的运用到石油化工行业的油气运输和城市供水系统的自来水运输。长距离管道由于长期运行，受到管道保护层老化、介质腐蚀和环境与人为因素影响，管道的泄露事故无法避免。而管道网络因泄露而引起的起火、爆炸、毒害等情况将会造成巨大的经济损失和环境污染以及对人们的生命财产造成威胁。因此，研究全天候的管道泄露监测和定位技术并揉入到实际应用的需求尤为紧迫。

国内外针对管道泄露监测和泄露定位方法可以分为两大类：一类是利用泄露引起的流量、压力、温度等管道物理参数变化来检测泄露和定位；另一类是直接检测泄露到管道外的流体(油、气、水)以及其对泄露处附近的环境影响(如：温度变化、声学特征)。

随着计算机技术、现代控制理论、信号处理技术和人工智能技术的飞速发展，第一类管道泄露监测和泄露定位方法都有了长足的进步，其中，以上两种方法虽然能够很好地监测到管道的泄露，但是普遍存在响应时间较长、误报率高和无法准确实现泄露定位的缺点。近年来，光纤技术和无人机技术的发展和成熟让第二类技术大量的应用到实际场景中，光纤技术的实际应用始终要面对应用到已有管道的建设成本高、运营与维护的成本高的难题，而无人机技术受天气状况的限制无法实现24小时不间断监测。

发明内容

针对现有技术中的上述不足，本发明提供的结合深度学习和多次测量技术的管道泄漏监测及定位方法解决了现有的管道泄漏监测及定位方法中响应时间长、误报率高和成本高的的问题。

为了达到上述发明目的，本发明采用的技术方案为：结合深度学习和多次测量技术的管道泄漏监测及定位方法，包括以下步骤：

S1、采集待测管道的原始数据；

S2、利用小波变换技术对采集到的原始数据进行分解与重构，获得原始数据对应的低频信号和高频信号；

S3、基于原始数据的低频信号，通过管道物理参数预测模型预测下一时刻的管道物理参数；

S4、对比管道预测模型预测得到的管道物理参数与对应时刻及位置的实测管道物理参数，确定当前管道工作状态；

S5、基于原始数据的高频信号，提取修正的物理参数变化时间；

S6、基于原始数据的高频信号及管道物理参数变化时间，确定管道内压力波的传播速度；

S7、当管道工作状态为异常时，结合管道内的压力波传播速度，对异常位置进行定位，实现管道泄漏监测及定位。

进一步地，所述步骤S1中通过安装在待测管道上游和下游的阀室或场站内的管道参数传感器采集待测管道的原始数据；

所述管道参数传感器包括流量传感器、压力传感器和温度传感器。

进一步地，所述步骤S2具体为：

使用有限长的快速衰减的母小波的振荡来表示原始数据，通过对母小波的缩放和平移实现对原始数据的分解与重构，获得原始数据对应的低频信号和高频信号。