油气管道泄漏检测技术发展研究现状

【摘 要】本文介绍了油气长输管道泄漏的原因和危害，综合评价了声发射技术法、GPS时间标签法、压力点分析法、压力梯度法、状态估计法、神经网络法和统计检漏法等几种管道泄漏检测技术方法，并最终说明了侧漏检测存在的问题以及未来发展的趋势。

【关键词】油气长输管道；泄漏；检测方法；性能指标

0 引言

油气管道泄漏检测技术是保障管道安全生产的重要手段。由于监测要求的不断提高，泄漏检测方法经历了从以硬件为主的阶段到以软件为主软硬结合的发展过程。近年来，随着信息技术的快速发展与现代控制理论的进展，基于泄漏检测方法以其较高的性价比、灵活的运用方式获得了广泛的应用已经成为对管道泄漏进行连续监测的主要手段。本文在此基础上对泄漏检测技术及发展研究现状进行探讨。

1 泄漏检测技术方法

根据检测过程中所使用的测量手段不同，分为基于硬件和软件的方法；根据测量分析的媒介不同，可分为直接检测法与间接检测法；根据检测过程中检测装置所处位置不同，可分为内部检测法与外部检测法；根据检测对象的不同，可分为检测管壁状况和检测内部流体状态的方法。

1.1 声发射技术法

当管道发生泄漏时，流体通过裂纹或者腐蚀孔向外喷射形成声源，然后通过和管道相互作用，声源向外辐射能量形成声波，这就是管道泄漏声发射现象。当管道出现泄漏时，管道中的流体被扰动，接收换能器上的电压将发生明显变化。通过采集若干个泄漏点电压变化量，描绘出泄漏点与电压变化量的关系曲线，并求出曲线对应的方程。用这种方法，可以立即发现泄漏，进而根据拟合曲线或方程确定泄漏点的位置。在实验室中，通过测量得到不同泄漏点位置所对应的电压信号，描绘出泄漏点位置与电压信号变化量的曲线，进而得到其拟合曲线以及函数表达式，即可实时观测管道的运行，发现并确定泄漏点的位置[1]。

1.2 GPS时间标签法

采用GPS同步时间脉冲信号是在负压波的基础上，强化各传感器数据采集的信号同步关系，通过采样频率与时间标签的换算，分别确定管道泄漏点上游和下游的泄漏负压波的速度，然后利用泄漏点上下游检测到的泄漏特征信号的时间标签差，就可以确定管道泄漏的位置。采用GPS进行同步采集数据，泄漏定位精度可达到总管线长度的1%之内，比传统方法精度提高近3倍[2]。

1.3 压力点分析法

该方法是在站场或干线某位置上安装一个压力传感器，泄漏时漏点产生的负压波向检测点传播，引起该点压力（或流量）变化，分析比较检测点数据与正常工况的数据，可检测出泄漏。再由负压波传播速度和负压波到达检测点的时间可进行漏点定位。此法具有优良的检漏性能，能在10 min内确定50 gal/min的漏失。该方法适用于检测气体、液体和某些多相流管道，已广泛应用于各种距离和口径的管道泄漏检测。

1.4 压力梯度法

当管道正常输送时，站间管道的压力坡降呈斜直线，当发生泄漏时，漏点前后的压力坡降呈折线状，折点即为泄漏点，据此可算出实际泄漏位置。压力梯度法只需要在管道两端安装压力传感器，简单、直观，不仅可以检测泄漏，而且可确定泄漏点的位置。但因为管道在实际运行中，沿线压力梯度呈非线性分布，因此压力梯度法的定位精度较差，而且仪表测量对定位结果有很大影响。所以压力梯度法定位可以作为一个辅助手段。此方法对原油（或其他流体）在黏度、密度、比热容等特性方面随着沿程温度下降有较大变化的管道显示出很大的优越性，但该方法需要流量信号，而且需要建立较复杂的数学模型，增加了计算工作量[3-10]。

1.5 状态估计法

该方法根据质量平衡方程、动量平衡方程、能量平衡方程及状态方程等机理建模。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，状态估计法可分为不包含故障的模型法和包含故障的模型法。

1.5.1 不包含故障的模型法

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产生残差，可用残差信号来进行检测定位。

1.5.2 包含故障的模型法

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。该方法在长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100 min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[5-6， 8-12]。

1.6 神经网络法

基于人工神经网络检测管道泄漏的方法，不同于已有的基于管道准确流动模型描述的泄漏检测法，能够运用自适应能力学习管道的各种工况，对管道运行状况进行分类识别，是一种基于经验的类似人类的认知过程的方法。这种方法十分灵敏有效，能够迅速准确预报出管道运行情况，检测出管道运行故障并且有较强的抗恶劣环境和抗噪声干扰的能力。泄漏引发应力波适当的特征提取指标能显著提高神经网络的运算速度[5-6， 11-14]。

1.7 统计检漏法

该方法采用一种“顺序概率测试”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变化来平衡。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[9]。

2 存在的问题及发展趋势

2.1 存在的问题

一个高效可靠的管道泄漏检测与定位系统，必须在发生微小的泄漏时，能在最短的时间内，正确地报警，准确地指出泄漏位置，并较好地估计出泄漏量，而且对工况的变化适应性要强，即泄漏检测与定位系统误报率、漏报率低，还应便于维护。在实际工程设计中，首先要正确分析工况条件及最终性能要求，明确各性能要求的主次关系，然后从众多的泄漏检测方法中进行分析，经过适当权衡和取舍，最后选定最优解决方案[15-17]。长输管道的泄漏检测与定位在工程实践中已取得了很大进步，同时也暴露了许多问题。例如，长输管道的小泄漏检测和定位仍是重点问题、长输管道的非线性分布参数的时间滞后问题等。

2.2 发展趋势

目前的泄漏检测和定位手段是多学科多技术的集成，特别是传感器技术、模式识别技术、通信技术、信号处理技术和模糊逻辑、神经网络、专家系统、粗糙集理论等人工智能技术等的发展，促进了泄漏检测定位方法的实现。可对流量、压力、温度、密度、黏度等信息进行采集和处理，通过建立数学模型、信号处理、神经网络的模式分类，或通过模糊理论对检测区域或信号进行模糊划分，利用粗糙集理论简约模糊规则，从而提取故障特征等基于知识的方法进行检测和定位。

2.2.1 实现自适应

实际的输送管道是非线性时变参数系统，因此自适应算法的应用是液体输送管道泄漏检测技术研究的一个重要内容。由于人工神经网络具有并行分布、容错性、自组织、自联想、自学习和自适应等许多特点，因此在设备故障预测、监测和诊断领域的应用广泛，它也被用于输送管道泄漏的检测。但基于人工神经网络的检漏法仍处于试验阶段，还有许多有待解决的问题。

2.2.2 滤波方法

实际输送管道的泄漏检测信号（如压力）中混杂着大量的噪声，这些工程背景噪声的幅度有时甚至可以将泄漏产生的有用信号淹没。因此，有效的滤波方法是液体输送管道泄漏检测技术研究的一个重要内容。

2.2.3 虚拟仪器技术

由于液体输送管道泄漏检测的多样性和复杂性，单一的泄漏检测方法很难同时满足检测泄漏灵敏度、定位准确度、误报警率和及时报警等多项要求。为了提高输送管道泄漏检测的准确性和可靠性，应将各种泄漏检测方法有机结合，可使用虚拟仪器技术。因此，虚拟仪器技术的应用是液体输送管道检测技术的一个重要内容。利用虚拟技术，综合各种泄漏检测方法，通过开发不同的测试和分析软件模块，可以灵活、方便地构成以计算机为核心的全数字化的输送管道自动监控系统，系统将成为集测试、信号转换、数据分析和网络通信等为一体的综合性监控系统。这种系统模式将具有成本低、研制周期短以及系统的功能可增加和升级等显著特点。

2.2.4 其他

将建立管道的数学模型和某种信号处理方法相结合；将管外检测技术和管内检测技术相结合；将智能方法引入检测和定位技术实现智能检测、机器人检测和定位等。

3 结束语

综上所述，泄漏检测方法很多，一条管道要选用哪种泄漏监测或检测方法则要根据管道的设计参数、传输介质的参数、设备的经济性和数据通讯能力来综合选择，没有一种单一的泄漏监测或检测方法可适用任何管道。无论采用何种方法，都要提高对微小的缓慢泄漏量检测的灵敏度以及对泄漏点定位的精度。在现有条件下，要按照科学的最佳管道泄漏检测与定位方法技术组合的方案，在现场运用中考虑各种检漏方法的特点，继续开发运用新型高效管道泄漏检测和定位的自动化技术方法，迅速、准确、及时地采用恰当措施发现、控制和解决险情，更好地保护和改善环境，保障人们的生命财产安全。

【参考文献】

[1]崔中兴，李松梅，刘文，等.油气管道声波法测漏技术[J].油气储运，2002，21（7）：35-37.

[2]夏海波. 基于GPS时间标签的管道泄漏定位方法[J].计算机测量与控制，2003，11（3）：161-176.

[3]靳世久，姜弘彦.强环境下噪声地下管道泄漏检测[J].天津大学学报，1994，27（6）：782-787.

[4]吴海霞，蒋耘晨，赵显利.运用虚拟仪器实现输油管道泄漏监测和定位[J].北京理工大学学报，2004，24（2）：174-177.

[5]朱芸.天然气长输管道泄漏检测与定位方法研究[D].兰州：兰州理工大学，2005.

[6]李炜，朱芸. 长输管线泄漏检测与定位方法分析[J].天然气工业，2005，25（6）：105-109.

[7]张晓钟.油品储运检测诊断技术综述[J].油气储运，1995，14（6）：44-47.

[8]李爱英，王凯全，邵辉.管道泄漏监测技术及其研究进展[J].江苏石油化工学院学报，2002，14（4）：14-17.

[9]苏欣，袁宗明.油气长输管道检漏技术综述[J].石油化安全技术，2005，21（4）：14-17：26.

[10]刘恩斌，彭善碧，李长俊.现代管道泄漏检测技术探讨[J].管道技术与设备，2004（5）：17-19.

[11]董东，王桂增.Kalman滤波器在长输管道泄漏诊断中的应用[J].自动化学报，1990，16（4）：303-309.

[12]陶洛文.以辨识为基础的长输管线故障定位[J].清华大学学报，1986，26（2）：69-75.

[13]唐秀家，彦大春.基于神经网络的管道泄漏检测仪器及方法[J].北京大学学报，1997，33（3）：319-326.

[14]伦淑娴，张化光，冯健.自适应模糊神经网络系统在管道泄漏检测中的应用[J].石油学报，2004，25（4）：101-104.

[15]张连文.管道泄漏检测技术及评价[J].油气田地面工程，2003，22（4）：1-3.

[16]常景龙，李铁.输气管道泄漏检测技术的优化和选择[J].油气储运，2000，19（5）：9-13，17.

[17]付道明，孙军，贺志刚，等.国内外管道泄漏检测技术研究进展[J].石油机械，2004，32（3）：48-51.