陳東

（江西省天然氣管道有限公司，南昌 330000）

引言

高含硫天然氣中的硫化物成分與天然氣中的水蒸氣結(jié)合，可能形成硫酸、亞硫酸及其他含硫腐蝕性化學(xué)成分，即便管道內(nèi)部采用部分防腐涂層，也容易對(duì)管道金屬材料產(chǎn)生影響，導(dǎo)致管道的裂隙、氣室、焊縫等微小瑕疵加速腐蝕，最終形成天然氣泄漏點(diǎn)[1-3]。天然氣泄漏過(guò)程一方面造成直接經(jīng)濟(jì)損失，另一方面還可能形成安全隱患，如之前出現(xiàn)過(guò)某城市地下天然氣管廊因?yàn)樘烊粴庑孤┖笥龅矫骰?，?dǎo)致數(shù)人傷亡的特重大事故[4,5]。

早期對(duì)天然氣集輸管道的泄漏定量測(cè)量方案較為復(fù)雜，如在天然氣中加入敏感標(biāo)志氣體并沿途布置氣體檢測(cè)探頭的方案，使用沿管道行走的探傷機(jī)器人執(zhí)行無(wú)人巡檢的方案，使用高精度攝像頭捕捉焊縫、閥門、接頭等關(guān)鍵位置圖像并進(jìn)行氣體光學(xué)測(cè)量的方案等[6,7]。這些方案均有一定的局限性，特別是在開(kāi)闊室外空間中難以進(jìn)行有效測(cè)量。

該研究使用加速度計(jì)探頭，配合管道壓力表、流量表構(gòu)建天然氣集輸管道本地感覺(jué)系統(tǒng)，通過(guò)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)天然氣管道與泄漏故障的定量測(cè)量并作出預(yù)警分析和故障點(diǎn)定位[8,9]。該方案的普適性強(qiáng)，系統(tǒng)部署難度小，系統(tǒng)可靠性和穩(wěn)定性較高，應(yīng)作為下一代天然氣集輸管道腐蝕泄漏風(fēng)險(xiǎn)控制系統(tǒng)進(jìn)行繼續(xù)深入研究。

1 數(shù)據(jù)的采集及探頭設(shè)計(jì)

機(jī)器人本體知覺(jué)指機(jī)器人對(duì)自身體位、結(jié)構(gòu)應(yīng)力、結(jié)構(gòu)完整性等作出判斷的仿生智能化知覺(jué)系統(tǒng)。天然氣集輸管道在一定數(shù)據(jù)支持下，可以感知到管道結(jié)構(gòu)腐蝕和泄漏產(chǎn)生的各類故障的精確位置和故障程度。天然氣集輸管道一般采用點(diǎn)對(duì)點(diǎn)傳輸，即從一個(gè)泵送站傳輸?shù)搅硪粋€(gè)泵送站，所以集輸管道系統(tǒng)中較少應(yīng)用到三通管路，故該研究不討論三通管路的情況。而點(diǎn)對(duì)點(diǎn)天然氣集輸管道中一般包含以下結(jié)構(gòu)，如圖1所示。

圖1 天然氣集輸管道系統(tǒng)一般模式圖

圖1中，除管道系統(tǒng)主體外，還包括了控制閥門（節(jié)流閥、限壓閥、截止閥、單向閥等）、法蘭連接器、泄壓彎管、壓力表、流量表等。當(dāng)前技術(shù)條件下，集輸管道內(nèi)的壓力表、流量表已經(jīng)基本完成了遠(yuǎn)程實(shí)時(shí)抄表技術(shù)升級(jí)，且為了方便管理，在管道沿途建設(shè)有多個(gè)壓力表和流量表設(shè)施。因?yàn)楣艿涝黾訅毫Ρ砗土髁勘淼牟僮餍枰K止泵送天然氣，且需要對(duì)管道執(zhí)行切割改造工作，所以該研究中使用之前已經(jīng)完成部署的遠(yuǎn)程實(shí)時(shí)抄表壓力表和流量表系統(tǒng)采集管道的壓力和流量分布情況[10,11]。

如果天然氣集輸管道發(fā)生泄漏，那么管道運(yùn)行期間的壓力表、流量表讀數(shù)，即壓力-流量關(guān)系特征會(huì)發(fā)生變化，通過(guò)一定的數(shù)據(jù)量化挖掘方案，可以捕捉到這種變化過(guò)程，從而及早發(fā)現(xiàn)故障源。但是，集輸管道的壓力表、流量表的精度有限，如果要高精度捕捉到管道內(nèi)壁腐蝕現(xiàn)象，還需要更高精度和更高密度的輔助數(shù)據(jù)作為補(bǔ)充，該方案中通過(guò)在管道外壁布置慣性力探頭的方式獲取管道的震動(dòng)特征，天然氣流束激發(fā)的固有震動(dòng)與管道內(nèi)層流、湍流、回流現(xiàn)象帶來(lái)的震動(dòng)擾動(dòng)會(huì)形成管道震動(dòng)特征，從而實(shí)現(xiàn)更高精度的量化測(cè)量。上述量化過(guò)程如圖2所示。

圖2 天然氣集輸管道腐蝕泄漏本體感知系統(tǒng)數(shù)據(jù)邏輯圖

圖2中，共使用2個(gè)超限學(xué)習(xí)機(jī)模塊和2個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊進(jìn)行前置數(shù)據(jù)處理，形成基于壓力流量比值的阻力特征碼、針對(duì)加速度慣性特征的震動(dòng)特征碼、壓力特征碼、流量特征碼。然后使用2個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊形成多列神經(jīng)網(wǎng)絡(luò)，分別解析故障位置和故障類型。所有數(shù)據(jù)來(lái)自遠(yuǎn)程實(shí)時(shí)抄表壓力表和流量表，以及在管道系統(tǒng)內(nèi)增加布置的加速度計(jì)探頭。最終該系統(tǒng)會(huì)給出2個(gè)量化分析結(jié)果，分別為腐蝕、泄漏發(fā)生的位置（轉(zhuǎn)化成管道長(zhǎng)度標(biāo)記值）和腐蝕程度、泄漏程度的故障類型值。探頭中包含多個(gè)壓力表、流量表，數(shù)據(jù)形成二維時(shí)序數(shù)據(jù)陣列后輸入到系統(tǒng)中，具體陣列構(gòu)成模式在下文中分析，加速度計(jì)探頭在該系統(tǒng)部署時(shí)新增到系統(tǒng)中，按照500~750 m的間距形成陣列探頭，同樣通過(guò)二維時(shí)序矩陣管理里輸入數(shù)據(jù)。

2 機(jī)器學(xué)習(xí)算法在該系統(tǒng)量化分析中的應(yīng)用

2.1 二維時(shí)序矩陣的數(shù)據(jù)輸入方法

天然氣集輸管道因?yàn)樘烊粴饬魇募ぐl(fā)作用產(chǎn)生的管道結(jié)構(gòu)震動(dòng)現(xiàn)象，震動(dòng)頻率分布在10~600 Hz的頻帶上。該頻帶的大部分與人耳可感知震動(dòng)頻帶有交叉，所以，早期系統(tǒng)采用音頻探頭捕捉數(shù)據(jù)并進(jìn)行分析。但音頻探頭雖然采樣頻率很高（一般為44 MHz），但其只能記錄聲音振幅，無(wú)法細(xì)致描述震動(dòng)慣性矢量，同時(shí)考慮到該系統(tǒng)與壓力表、流量表的遠(yuǎn)程實(shí)時(shí)抄表系統(tǒng)采樣頻率的耦合性，該研究中使用了2.4 kHz的三軸激光慣性加速度計(jì)記錄管道震動(dòng)數(shù)據(jù)。其形成的數(shù)據(jù)結(jié)構(gòu)，為3個(gè)坐標(biāo)軸軸向上震動(dòng)矢量。數(shù)據(jù)的矩陣分析方案，數(shù)據(jù)采樣時(shí)間周期越長(zhǎng)，分析精度越高，但算力需求越大，混沌效應(yīng)越顯著，所以，該研究中參考相關(guān)文獻(xiàn)，選擇較為折中的方案，即記錄0.5 s數(shù)據(jù)用于數(shù)據(jù)分析，2.4 kHz采樣頻率下，0.5 s數(shù)據(jù)中包含3列各1 200個(gè)記錄。該系統(tǒng)仿真用管道長(zhǎng)度為16 km，探頭間距為500~750 m，該系統(tǒng)設(shè)置了37個(gè)震動(dòng)慣性加速度計(jì)探頭，形成111列1 200行的二維矩陣數(shù)據(jù)，用于數(shù)據(jù)輸入。

同時(shí)，該系統(tǒng)中包含12個(gè)遠(yuǎn)程實(shí)時(shí)抄表壓力表和7個(gè)遠(yuǎn)程實(shí)施抄表流量表，每個(gè)計(jì)量設(shè)備均按照2.4 kHz執(zhí)行數(shù)據(jù)采樣，0.5 s分析周期內(nèi)，形成19列1 200行的二維矩陣數(shù)據(jù)，用于數(shù)據(jù)輸入。

2.2 基于超限學(xué)習(xí)機(jī)和卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分析方法

機(jī)器學(xué)習(xí)中的超限學(xué)習(xí)機(jī)算法主要用于發(fā)現(xiàn)周期性變化數(shù)據(jù)的潛在變化規(guī)律，對(duì)該研究中所需的三軸慣性震動(dòng)變化趨勢(shì)和壓力-流量關(guān)系特征的變化趨勢(shì)較為敏感。機(jī)器學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)算法主要用于發(fā)現(xiàn)時(shí)序數(shù)據(jù)中的潛在變化規(guī)律，特別適用于將大宗數(shù)據(jù)節(jié)點(diǎn)信息量卷積統(tǒng)計(jì)到1個(gè)輸出變量中。該研究中設(shè)計(jì)的4個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊均采用對(duì)數(shù)型六階多項(xiàng)式迭代回歸函數(shù)，即自變量取以10為底對(duì)數(shù)后構(gòu)建六階多項(xiàng)式作為基函數(shù)，2個(gè)超限學(xué)習(xí)機(jī)模塊均采用十二階差值正弦迭代回歸函數(shù)，即對(duì)輸入序列中每一列數(shù)據(jù)求取差值，針對(duì)每列1 200行數(shù)據(jù)形成1 199行差值序列數(shù)據(jù)，再對(duì)其每一項(xiàng)逐一取以10為底對(duì)數(shù)，使用12層正弦函數(shù)對(duì)其執(zhí)行迭代疊加計(jì)算，最終獲得機(jī)器學(xué)習(xí)輸出結(jié)果。

因?yàn)樯鲜鲇?jì)算過(guò)程中所涉及到的超限學(xué)習(xí)機(jī)和卷積神經(jīng)網(wǎng)絡(luò)均在Marlab大數(shù)據(jù)仿真軟件中封裝成應(yīng)用控件，具體執(zhí)行過(guò)程直接調(diào)用相關(guān)函數(shù)，且基函數(shù)也可在相應(yīng)控件內(nèi)直接調(diào)用，所以此處不深入討論其計(jì)算過(guò)程。

2.3 分析結(jié)果解釋方法

參照前文圖2，該系統(tǒng)最終輸出的量化結(jié)果共有2個(gè)，均為[0,1]區(qū)間上的雙精度浮點(diǎn)型變量（Double格式），其中：

故障位置輸出結(jié)果與管道總長(zhǎng)度相乘，可得到故障預(yù)警的位置點(diǎn)，按照機(jī)器學(xué)習(xí)常規(guī)精度，在個(gè)案16 km的天然氣集輸管道系統(tǒng)中，預(yù)警位置點(diǎn)的報(bào)錯(cuò)精度應(yīng)在±10 m以內(nèi)。

故障類型輸出結(jié)果中劃分值域范圍，當(dāng)輸出結(jié)果位于[0，0.600）區(qū)間上時(shí)，認(rèn)為管道存在內(nèi)部腐蝕問(wèn)題，且數(shù)值越大，腐蝕問(wèn)題越嚴(yán)重，當(dāng)輸出結(jié)果位于（0.850，1]區(qū)間上時(shí)，認(rèn)為管道存在泄漏問(wèn)題，且數(shù)值越大，泄漏問(wèn)題越嚴(yán)重。[0.600，0.850]區(qū)間作為數(shù)據(jù)躍遷層，用于進(jìn)一步控制機(jī)器學(xué)習(xí)模塊的收斂度，即數(shù)據(jù)訓(xùn)練不但應(yīng)保證所有數(shù)據(jù)落點(diǎn)均在[0，1]區(qū)間上，還應(yīng)避免故障類型輸出結(jié)果位于[0.600，0.850]區(qū)間上。

該計(jì)算過(guò)程中，設(shè)計(jì)了3重機(jī)器學(xué)習(xí)算法收斂度評(píng)價(jià)保護(hù)機(jī)制：2個(gè)輸出結(jié)果均應(yīng)位于[0，1]區(qū)間上，該算法使用的超限學(xué)習(xí)機(jī)和卷積神經(jīng)網(wǎng)絡(luò)的理論輸出值域均為全實(shí)數(shù)空間，輸出數(shù)據(jù)收斂到[0，1]區(qū)間是其初步收斂目標(biāo)；故障類型輸出結(jié)果應(yīng)在[0，1]區(qū)間且避免在[0.600，0.850]區(qū)間，進(jìn)一步驗(yàn)證機(jī)器學(xué)習(xí)算法的訓(xùn)練收斂程度；4個(gè)中間變量，即阻力特征碼、震動(dòng)特征碼、壓力特征碼、流量特征碼，均應(yīng)收斂到[0，1]區(qū)間上，即計(jì)算邏輯中前置的2個(gè)超限學(xué)習(xí)機(jī)模塊和2個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊也應(yīng)單獨(dú)考察其收斂程度。

3 算法效能的仿真驗(yàn)證

以某天然氣集輸管道實(shí)體工程為個(gè)案對(duì)該機(jī)器學(xué)習(xí)量化分析算法進(jìn)行仿真驗(yàn)證，在Matlab大數(shù)據(jù)仿真平臺(tái)中構(gòu)建該天然氣集輸管道的實(shí)體模型，包含16公里長(zhǎng)度的管道主體部分，包含12個(gè)遠(yuǎn)程實(shí)時(shí)抄表壓力表和7個(gè)遠(yuǎn)程實(shí)施抄表流量表，同時(shí)按照500~750 m的間距，布置37個(gè)震動(dòng)探頭，管道內(nèi)的閥門、法蘭、泄壓彎管等設(shè)施按照實(shí)體工程布局進(jìn)行三維建模。管道內(nèi)流體物理屬性（包括含硫量）依據(jù)當(dāng)前天然氣集輸管道的實(shí)際流束介質(zhì)采樣化驗(yàn)結(jié)果搭建模型，管道內(nèi)運(yùn)行壓力、運(yùn)行流量等信息按照2020年全年該管道實(shí)際物聯(lián)網(wǎng)數(shù)據(jù)備案信息設(shè)置。仿真實(shí)驗(yàn)中Matlab大數(shù)據(jù)仿真平臺(tái)中加載Simulink控件運(yùn)行機(jī)器學(xué)習(xí)算法模塊，加載sBlood控件對(duì)模型中流體力學(xué)仿真部分構(gòu)建物理引擎，在Matlab三維模型中構(gòu)建管道腐蝕和管道泄漏的仿真故障，驗(yàn)證該系統(tǒng)量化捕捉管道故障的實(shí)際算法效能。參照組為該管道當(dāng)前使用的管道腐蝕泄漏評(píng)估系統(tǒng)在該仿真平臺(tái)同等條件下給出的量化評(píng)價(jià)數(shù)據(jù)。

首先，對(duì)比泄漏故障的算法效能，如表1所示。

表1中，該系統(tǒng)相比較之前系統(tǒng)，最大偏差壓縮15.39倍，平均偏差壓縮7.15倍，報(bào)錯(cuò)周期壓縮2.68倍，敏感度提升3.6個(gè)百分點(diǎn)。

表1 該量化分析算法對(duì)泄漏故障的評(píng)價(jià)效能

其次，對(duì)比腐蝕故障的算法效能，如表2所示。

表2中，該系統(tǒng)相比較之前熊，最大偏差壓縮11.31倍，平均偏差壓縮7.84倍，報(bào)錯(cuò)周期壓縮4.35倍，敏感度提升7.8個(gè)百分點(diǎn)。

表2 該量化分析算法對(duì)腐蝕故障的評(píng)價(jià)效能

綜合上述仿真數(shù)據(jù)表現(xiàn)，發(fā)現(xiàn)該系統(tǒng)較之前系統(tǒng)，在天然氣集輸管道腐蝕與泄漏量化評(píng)價(jià)過(guò)程中，具有以下2點(diǎn)優(yōu)勢(shì)：故障位置的定位精度得到了大幅度提升，使得運(yùn)行維護(hù)施工人員接到系統(tǒng)報(bào)警后，現(xiàn)場(chǎng)檢查故障探查工程量顯著減少，以往現(xiàn)場(chǎng)搶修工作中，施工人員需要對(duì)報(bào)錯(cuò)位置點(diǎn)前后各200 m距離進(jìn)行故障探查，而使用新系統(tǒng)后，該故障探查范圍可以縮小到報(bào)錯(cuò)位置點(diǎn)前后各20 m，探查工程量縮減到之前的1/10。因?yàn)樵撓到y(tǒng)的量化評(píng)價(jià)敏感度顯著提升，以往故障報(bào)錯(cuò)中，每5~10次報(bào)錯(cuò)會(huì)有一次誤報(bào)，所以施工人員在現(xiàn)場(chǎng)探查中具有一定的心理壓力，較難確定該報(bào)錯(cuò)是否為誤報(bào)，而使用新系統(tǒng)后，該系統(tǒng)針對(duì)泄漏故障的敏感度達(dá)到97.2，超過(guò)30次報(bào)錯(cuò)才可能出現(xiàn)一次誤報(bào)，針對(duì)腐蝕港的報(bào)錯(cuò)評(píng)價(jià)敏感度也有所提升。

4 總結(jié)

該系統(tǒng)監(jiān)測(cè)方向并不針對(duì)天然氣泄漏的氣體本身，而是針對(duì)因?yàn)楣艿栏g或天然氣泄漏，對(duì)天然氣集輸管道壓流-流量關(guān)系特征和管道震動(dòng)特征帶來(lái)的影響，通過(guò)機(jī)器學(xué)習(xí)算法賦予天然氣集輸管道機(jī)器人本體知覺(jué)，即通過(guò)在管道內(nèi)小投入布置物聯(lián)網(wǎng)硬件系統(tǒng)并利用大數(shù)據(jù)分析，使管道擁有本體知覺(jué)的機(jī)器人仿生功能。在仿真分析中發(fā)現(xiàn)該系統(tǒng)較以往針對(duì)天然氣泄漏氣體本身部署的監(jiān)測(cè)系統(tǒng)，在故障發(fā)生位置和故障類型方面均有技術(shù)提升。且該系統(tǒng)在后續(xù)研究中將擇期進(jìn)行現(xiàn)場(chǎng)驗(yàn)證。