閆驍瑾

西安石油大學(xué) 石油工程學(xué)院（陜西 西安 710065）

隨著天然氣管道的快速發(fā)展，人們將會越來越重視管道的安全運行，而管道泄漏則成為人們無法忽視的一個重要問題。本文將從現(xiàn)有的管道泄漏檢測技術(shù)分析總結(jié)各項檢測技術(shù)的優(yōu)缺點以及發(fā)展趨勢。

1 泄漏檢測技術(shù)方法

經(jīng)過多年的發(fā)展，許多管道泄漏檢測方法都已投入使用。但是目前仍沒有分類統(tǒng)一，根據(jù)檢測部位的不同，可分為內(nèi)檢測和外檢測兩種方法；根據(jù)檢測工具的不同，可以分為硬件方法和軟件方法；根據(jù)檢測方法的不同，可以分為直接和間接法[1]。

1.1 人工巡檢法

通過人工分段分時對沿線管道進行巡檢的辦法，來確定管道是否泄漏。此方法于早期使用，耗時耗力且無法保證檢測的連續(xù)性。

1.2 電纜法

通過對沿線管道外壁鋪設(shè)氣敏電纜來進行泄漏檢測。其靈敏度高，檢測效果好，尤其針對緩慢泄漏效果更佳。但電纜造價昂貴，且檢測過的電纜會被泄漏氣體污染無法繼續(xù)使用，需更換新的電纜以便繼續(xù)檢測。同時，泄漏的流體會滲入電纜導(dǎo)致特性發(fā)生變化[2]。

1.3 分布式光纖溫度傳感器

分布式光纖傳感系統(tǒng)是以光纖作為傳感敏感元件和傳輸信號介質(zhì)，對沿線管道的溫度變化進行探測。當天然氣輸送管道發(fā)生泄漏時，在泄漏點引起溫度變化，反斯托克斯光強與溫變的關(guān)系[3]如下：

式中：Lm為反斯托克斯光的光強，cd；Ln為斯托克斯光的光強，cd；h為布朗克系數(shù)；c為光速，m/s；α為溫度相關(guān)系數(shù)；ν為拉曼平移量，m-1；k為鮑爾次曼常數(shù)，J/K；T為溫度，℃。

可通過計算分析得到光纖上的溫度分布，從而判斷沿線管道的泄漏情況。其優(yōu)點是測量一次便可得到整個區(qū)域內(nèi)的分布圖；缺點是檢測信號較弱，處理系統(tǒng)需要較高的信噪比，檢測過程中要對大量的信號進行處理，因此進行一次測量會比較耗時。

在提高拉曼散射信噪比的研究中，為了解決多模光纖模式色散大影像空間分辨率的問題，何祖源、劉銀萍等人[4]設(shè)計出基于小芯徑多模光纖的拉曼分布式溫度傳感器系統(tǒng)，通過實驗有效地實現(xiàn)高溫度分辨率和空間分辨率的長距離測量。

1.4 智能清管器檢測

新型智能清管器采用磁通、超聲和錄像等技術(shù)來進行泄漏檢測，最常見的是漏磁清管器。其原理是當磁性清管器在完整管道內(nèi)隨流體運行時，管壁上會形成一個完整的閉合磁場。當管道出現(xiàn)裂紋或穿孔時，破損部位的磁通量會發(fā)生變化，通過傳感器采集管壁磁場變化信息，將沿線有缺陷的磁場信息反饋到計算機中進行分析[5]。其優(yōu)點是靈敏度高，定位精度高；缺點是無法持續(xù)檢測，且清管器造價昂貴，無法大范圍推廣使用。

1.5 模型法

1）不包含故障模型。其思想是在管道兩端設(shè)置流量計，建立管道內(nèi)流體的無故障動態(tài)模型，通過估計觀測器的估計值與實測值之間是否產(chǎn)生偏差來檢測管道是否發(fā)生泄漏[6]。其原理如圖1所示。

圖1 不包含故障模型原理圖

2）包含故障模型。在假設(shè)管道發(fā)生多次泄漏的條件下，建立管道的流體動力學(xué)模型。采用狀態(tài)估計法，預(yù)先獲得假設(shè)漏點的漏點估計值，并用判斷準則對漏點進行檢測和定位。

這種方法的缺陷在于流量計，其靈敏度低且響應(yīng)時間長。同時，若泄漏位置發(fā)生在預(yù)先設(shè)定泄漏點之外，則包含故障模型法的誤差會增大[6]。

1.6 流量平衡法

根據(jù)質(zhì)量守恒定律，流體流入管道的質(zhì)量流量應(yīng)等于流出的質(zhì)量流量。當發(fā)生泄漏時，管道泄漏點前后會形成流量差[7]，即：

式中：Q泄前為泄漏點前的流量；Q泄后為泄漏點后的流量。

通過對多管段的質(zhì)量流量采集匯總，若在某一管段的流量有明顯差異，則該管段出現(xiàn)泄漏。該法比較直觀、簡潔。但隨著輸氣管道的復(fù)雜化發(fā)展，支線管道的數(shù)量以及天氣、地理環(huán)境、工況等的影響，均會導(dǎo)致流體流量的變化從而使得檢測的誤報率變高。因此又提出了一種提高檢測精度的流量平衡法，基于擬合流量誤差曲線來降低流量計和管道流體殘余量之間的誤差，達到提高精度的要求。但是此法需要建立復(fù)雜的動態(tài)模型，且對緩慢泄漏的敏感性較低。因此需結(jié)合其他方法使用。

1.7 壓力梯度法

在管道首端和末端設(shè)置壓力傳感器，在正常工況下，管內(nèi)壓降為平滑斜直線。當出現(xiàn)泄漏情況，泄漏點前后的流量發(fā)生變化，壓降直線將出現(xiàn)拐點，此拐點則為泄漏點，此法易操作，簡單明了。但缺陷在于穩(wěn)定流動時，近似認為管內(nèi)壓力分布為線性變化，而在實際中沿線壓力梯度是非線性的，工況條件的變化對壓力分布和測量精度均會產(chǎn)生影響[8]。

1.8 壓力點分析法

管道處于穩(wěn)定的流動狀態(tài)時，管內(nèi)流體壓力處于不隨時間變化的狀態(tài)。當外部設(shè)備提供能量變化時，壓力為連續(xù)變化的穩(wěn)定狀態(tài)。管道發(fā)生泄漏后，管道的穩(wěn)定狀態(tài)被破壞。壓力值出現(xiàn)突降，并開始趨于新的穩(wěn)態(tài)。在此過程中，泄漏點產(chǎn)生負壓波并向管道上、下游傳遞，進而影響管道沿線各點壓力。通過壓力傳感器采集數(shù)據(jù)，統(tǒng)計分析后繪制壓變曲線并與穩(wěn)態(tài)壓變曲線進行對比，從而得到泄漏位置[9]。該方法的優(yōu)點是無需建立復(fù)雜的模型，數(shù)據(jù)處理量?。蝗秉c是對于長輸管道需設(shè)置大數(shù)量傳感器和相關(guān)信號傳輸設(shè)施，因此耗費較大，對于緩慢泄漏檢測性不強[10]。

1.9 負壓波法

負壓波法目前是使用范圍較廣的一種方法，圖2為示意圖。其工作原理是：流體外泄引起管道局部瞬時壓降和流速降低，上游管段流體流入該局部區(qū)域則會彌補此處壓降，從而導(dǎo)致泄漏處與上、下游臨近處形成壓差，并以負波的形式向管道兩端傳遞。在管道首末兩端設(shè)置壓力傳感器采集數(shù)據(jù)，通過分析壓力梯度特征和壓變時間差即可檢測泄漏[11]。

圖2 負壓波法原理圖

該方法優(yōu)點是成本小、易操作，便于維護，故受到廣泛采用。但缺點在于負壓波法適用大流量泄漏，對于小流量泄漏、多點泄漏敏感性不強，且易受到噪聲干擾，從而導(dǎo)致檢測精度降低，誤報率較高。為了提高精度，常采用小波變換、卡爾曼濾波等來進行降噪處理。

1.10 聲波（應(yīng)力波）法

其原理類似于負壓波法，當管壁受到破壞后，流體流經(jīng)泄漏孔時噴出，由于瞬時壓降產(chǎn)生渦流，與管壁摩擦碰撞產(chǎn)生噪聲，并將該噪聲作為信號源，以聲波（應(yīng)力波）的形式傳遞到管道上下游的傳感器。該方法優(yōu)點是可在信號傳播過程中短時間判斷泄漏情況，操作簡單。但缺陷是[12]：①噪聲的強度大小受泄漏孔徑的影響，因此無法判斷泄漏程度。②噪聲在傳輸過程中會隨著距離衰減，故長輸管道的檢測精度不高。③外在因素產(chǎn)生的噪聲也會影響檢測結(jié)果，導(dǎo)致誤報率較高。

1.11 神經(jīng)元網(wǎng)絡(luò)法

在實踐中，導(dǎo)致管道泄漏的因素很多，解決這些問題的數(shù)學(xué)模型是剛性的。無法闡述多樣性的泄漏工況。神經(jīng)元網(wǎng)絡(luò)法以其良好的學(xué)習(xí)能力和自適應(yīng)能力得到廣泛使用。通過BP 算法將管道泄漏特征信號分解成矩陣，建立了管道泄漏檢測的神經(jīng)網(wǎng)絡(luò)模型。其流程圖如圖3所示[13]。

圖3中的權(quán)值計算公式如下所示：

圖3 神經(jīng)元網(wǎng)絡(luò)法流程圖

式中：wij為網(wǎng)絡(luò)的權(quán)值；J(t)為網(wǎng)絡(luò)總目標函數(shù)；η為學(xué)習(xí)率；Ep為網(wǎng)絡(luò)的目標函數(shù)。

現(xiàn)場實踐表明，神經(jīng)元網(wǎng)格法在抗噪聲方面有著突出的優(yōu)點，且自適應(yīng)能力強、實用性強。對于復(fù)雜工況例如成蠟、堵塞、突發(fā)泄漏等應(yīng)用有著良好的效果。但局限于所取的壓力和流量信號的訓(xùn)練樣本包含發(fā)生泄漏的問題樣本，從而導(dǎo)致對緩慢泄漏、工況頻變管道的誤報、漏報率較高，尤其是對于壓縮流體來說近乎不可行[14]。

1.12 支持向量機檢測法

在實際應(yīng)用下，泄漏樣本量小，將粗糙集理論與粒子群優(yōu)化算法相結(jié)合的支持向量機具有學(xué)習(xí)樣本量小、泛化能力強等優(yōu)點，被用于檢測泄漏，可以解決人工神經(jīng)網(wǎng)絡(luò)的局部極小問題和壓力波法的噪聲干擾問題。例如：張來斌等人通過ICA（獨立分量分析）原理對壓力信號源降噪處理，對14 個管道中的部分樣本和泄漏數(shù)據(jù)進行訓(xùn)練，其正確率有了顯著提高[15]。

針對支持向量存在新樣本進入訓(xùn)練的情況，劉衍珩等人提出了一種在KKT條件下的改進算法，通過對1000 個實驗樣本（其中800 個為新增樣本）進行訓(xùn)練，結(jié)果表明在精度未明顯降低的情況下有效地減少了訓(xùn)練耗時[16]。

支持向量函數(shù)將信號源與噪聲分離，獨立分析，但其有效性取決于核函數(shù)和懲罰系數(shù)的選取，而且由于計算復(fù)雜，實用性差，需要進一步改進。

2 各種泄漏檢測方法對比

以上檢測技術(shù)的對比見表1。從表1可知：

表1 各種檢測技術(shù)的對比

1）傳統(tǒng)的檢測方法中，人工巡檢法對于長輸管道無法做到全時段、全距離“應(yīng)檢盡檢”且在檢測過程中耗時耗力，故實用性一般。

2）靈敏度較高的電纜法、分布式光纖溫度傳感器、智能清管器檢測需要配置昂貴的檢測設(shè)備，長輸管道無法大規(guī)模布置，同時氣敏電纜易受污染，需經(jīng)常更換，成本過大，可行性較低[17]。

3）流量平衡法、負壓波法、聲波法等易受外界條件的干擾從而導(dǎo)致靈敏度低、誤報率高。對于長輸管道，負壓波法、聲波法還需配置大量的傳感器，性價比低。

4）基于快速算法的檢測方法中，神經(jīng)元網(wǎng)絡(luò)法和支持向量機檢測法雖說靈敏度較高，但由于算法自身的局限性使得誤報率較高且操作復(fù)雜，還需建立復(fù)雜的模型，因此實用性一般[18]。

3 結(jié)束語

通過對以上各種泄漏檢測技術(shù)進行對比，目前尚未有一種方法可以完美適用于任意工況，得益于計算機水平的不斷提高和人工智能的不斷發(fā)展，檢測技術(shù)將會是多領(lǐng)域、多方法的相互補充、結(jié)合使用。

1）基于聲波傳感的檢測方法能夠詳細闡述泄漏后產(chǎn)生的聲波的傳輸過程，但易受外界噪聲干擾，常導(dǎo)致檢測結(jié)果不佳?？山Y(jié)合降噪處理技術(shù)，來提高檢測精度。例如次聲波法，可通過結(jié)合信號尖端補償和小波變換降噪，從而有效地進行泄漏檢測。該方法具有良好的可行性和應(yīng)用性。

2）基于快速算法的神經(jīng)元網(wǎng)絡(luò)法和支持向量機法因其自身的局限性，在檢測中常無法達到預(yù)期的效果。通過與泄漏數(shù)據(jù)特征提取和信號處理方法的耦合使用，可有效地避免在一定條件下才能有效檢測的瓶頸，在簡化操作性的同時保持高定位精度和降低誤報率。

3）緩慢泄漏和小流量泄漏仍是一個難以攻克的問題，因緩漏、微漏時壓降緩慢，信噪比較弱，檢測困難。因此將信號壓縮和轉(zhuǎn)換結(jié)合使用，克服低信噪比的特點，提高泄漏信號的檢測能力，在降低高誤報率的同時增強緩漏、微漏檢測靈敏度。