胡 朋 武要峰 丁 姍 周漢權(quán)

（中國特種設(shè)備檢測研究院 北京 100029）

隨著我國油氣管道基礎(chǔ)設(shè)施安全管理數(shù)字化、網(wǎng)絡(luò)化、智能化的快速發(fā)展，利用人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等先進(jìn)技術(shù)將海量的管道數(shù)據(jù)進(jìn)行深度挖掘和充分利用，是當(dāng)前管道安全管理研究的一個熱點方向。管道完整性管理是智慧管道建設(shè)的基礎(chǔ)，而內(nèi)檢測數(shù)據(jù)是管道完整性管理和大數(shù)據(jù)管理的主要數(shù)據(jù)支撐[1-2]。為了深度挖掘數(shù)據(jù)價值和提高管道數(shù)據(jù)的利用水平，管道運(yùn)行單位、內(nèi)檢測服務(wù)商及科研院所逐步開展兩輪及多輪內(nèi)檢測數(shù)據(jù)對齊和應(yīng)用的研究工作。本文通過整合某天然氣管道兩輪內(nèi)檢測數(shù)據(jù)，建立對齊算法模型和軟件平臺，同時結(jié)合人工復(fù)核和修正，將檢測里程、環(huán)焊縫、彎頭、閥門、三通、套筒等基礎(chǔ)特征和金屬損失缺陷進(jìn)行對齊和比對，從而獲取更準(zhǔn)確的管道基礎(chǔ)信息和金屬損失缺陷的變化情況及缺陷形成的原因。并通過案例說明了該方法的適用性，能夠大大提高內(nèi)檢測數(shù)據(jù)對齊的效率和準(zhǔn)確率[3-4]，對滿足管道風(fēng)險控制和安全管理的實際需求和提升管道本質(zhì)安全水平具有重要的意義[5]。

1 內(nèi)檢測數(shù)據(jù)的搜集和整理

管道多輪內(nèi)檢測數(shù)據(jù)對齊和分析的效果取決于其數(shù)據(jù)的完整性和準(zhǔn)確性?，F(xiàn)階段，各管道運(yùn)行單位現(xiàn)存的內(nèi)檢測資料相對獨立，多是不同檢測單位不同時期提交的檢測報告，沒有統(tǒng)一的數(shù)據(jù)管理系統(tǒng)及標(biāo)準(zhǔn)。國內(nèi)尚未有統(tǒng)一的團(tuán)體標(biāo)準(zhǔn)體系，各檢測單位的設(shè)備性能、缺陷的量化能力、提交的報告格式等都有所差異。經(jīng)驗發(fā)現(xiàn)，搜集多輪內(nèi)檢測相關(guān)的資料和報告，通過對設(shè)備性能指標(biāo)的評估分析和報告內(nèi)容的轉(zhuǎn)化處理，可以實現(xiàn)多輪內(nèi)檢測數(shù)據(jù)的比對工作。

某長輸天然氣管道分別于2014年1月和 2019 年10月進(jìn)行了漏磁內(nèi)檢測作業(yè)，管道信息見表1，兩輪內(nèi)檢測數(shù)據(jù)統(tǒng)計見表2。

表1 管道信息表

表2 兩輪內(nèi)檢測數(shù)據(jù)統(tǒng)計信息表

2 內(nèi)檢測數(shù)據(jù)對齊方法

2.1 數(shù)據(jù)對齊算法模型

內(nèi)檢測數(shù)據(jù)的對齊實質(zhì)上是建立同一條管道的不同批次內(nèi)檢測數(shù)據(jù)間的關(guān)聯(lián)關(guān)系。由于同一特征在不同數(shù)據(jù)中的里程、尺寸、類型、分類、編碼等信息差異較大，無法在量上和描述上通過簡單相等來建立映射關(guān)系，因此需借助數(shù)據(jù)間的內(nèi)在聯(lián)系，根據(jù)特征的詳細(xì)信息、與前后特征的關(guān)聯(lián)信息、分布規(guī)律等來建立自動對齊模型，實現(xiàn)數(shù)據(jù)的初步匹配，并檢查對齊結(jié)果的可信度。下一步結(jié)合人工復(fù)核修正，實現(xiàn)多批次內(nèi)檢測數(shù)據(jù)的最終對齊工作。

相對熵（Relative Entropy)，也稱KL散度（Kullback-Leibler Divergence)，可以衡量2個隨機(jī)分布之間的距離，當(dāng)2個隨機(jī)分布相同時，它們的相對熵為0，當(dāng)2個隨機(jī)分布的差別增大時，它們的相對熵也會增大。

設(shè)p(x)、q(x)是離散隨機(jī)變量x中取值的2個概率分布，則p對q的相對熵用式（1）表示：

對于離散分布的KL散度見式（2）：

式中：

x——分布變量；

p——數(shù)據(jù)的真實分布；

q——數(shù)據(jù)的理論分布；

DKL——概率分布p和q差別的非對稱性的度量；

H（p，q)——p、q的交叉熵；

H（p)——p的信息熵。

根據(jù)相鄰管節(jié)長度差、特征名稱編碼分布、位置分布、尺寸大小及分布等管道特征參數(shù)來建立不同批次內(nèi)檢測概率分布函數(shù)，通過計算某一個劃分的DKL值，不斷迭代來獲得不同變量間DKL最小值，從而確立不同批次特征的關(guān)聯(lián)關(guān)系。

2.2 數(shù)據(jù)對齊流程

首先需要對管道按照一定的特征進(jìn)行劃分，一般按管節(jié)來分段處理和對齊易于實現(xiàn)。多批次內(nèi)檢測數(shù)據(jù)對齊流程如下：

1）內(nèi)檢測數(shù)據(jù)的標(biāo)準(zhǔn)化。建立不同特征類型的分類標(biāo)準(zhǔn)和規(guī)范編碼，在不丟失數(shù)據(jù)精度的前提下，使得同類特征在不同檢測數(shù)據(jù)間具有一致性描述和處理方式，即數(shù)據(jù)的標(biāo)準(zhǔn)化，包含建立不同批次字段與標(biāo)準(zhǔn)字段之間的映射和同一標(biāo)準(zhǔn)字段在不同批次數(shù)據(jù)間的轉(zhuǎn)換規(guī)則等。

2）內(nèi)檢測數(shù)據(jù)自動對齊軟件。根據(jù)特征分布規(guī)律和特有屬性，如特征名稱（三通、彎頭、閥門等）、里程、管節(jié)長度、數(shù)量、特征尺寸、分布規(guī)律、位置等信息，進(jìn)行多參數(shù)迭代計算各種屬性在每個劃分上的KL散度，直至收斂，內(nèi)檢測數(shù)據(jù)對齊軟件見圖1。

圖1 內(nèi)檢測數(shù)據(jù)對齊軟件界面

3）人工復(fù)核和修正。通過以上模型得到的匹配結(jié)果還需要進(jìn)一步結(jié)合一些非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行人工復(fù)核和修正，獲取準(zhǔn)確的映射關(guān)系。人工復(fù)核數(shù)據(jù)時遵從由大到小、從整體到局部的規(guī)則，按照明顯特征點將數(shù)據(jù)進(jìn)行分段，形成數(shù)據(jù)對齊單元，再將對齊單元進(jìn)行匹配進(jìn)一步劃分對齊小單元，從而復(fù)核到每一個特征點。

3 內(nèi)檢測數(shù)據(jù)對齊和比對

采用自主開發(fā)的數(shù)據(jù)對齊軟件，結(jié)合人工復(fù)核和修正的方法，實現(xiàn)了某長輸天然氣管道2019年和2014年兩輪內(nèi)檢測數(shù)據(jù)的成功對齊，極大地提高數(shù)據(jù)對齊的效率和準(zhǔn)確率。通過分析管道基礎(chǔ)特征及金屬損失的對齊和比對結(jié)果，可以掌握檢測時間區(qū)間內(nèi)管體結(jié)構(gòu)及缺陷的變化。

3.1 基礎(chǔ)特征的對齊和比對

管道基礎(chǔ)特征主要包括檢測里程、環(huán)焊縫、彎頭、閥門、三通、套筒等，對齊統(tǒng)計結(jié)果見表3。

表3 兩輪內(nèi)檢測基礎(chǔ)特征的對齊統(tǒng)計表

基礎(chǔ)特征的對齊和比對發(fā)現(xiàn)：

1）兩輪內(nèi)檢測里程基本一致，微小的里程差主要是由于25 624.8 m至25 729.7 m段和56 445.9 m至56 453.4 m段改線和換管所致。

2）第二輪和第一輪內(nèi)檢測焊縫數(shù)量分別為10 158個和10 073個，數(shù)量相差了85個。對齊的焊縫數(shù)量為10 064個，未對齊的焊縫數(shù)量為94個。相比第一輪，焊縫數(shù)量增多和局部未對齊原因如下：（1）改線或換管段焊縫數(shù)量總計30個：里程從25 624.8 m至25 729.7 m段焊縫數(shù)量共22個，里程從56 445.9 m至56 453.4 m段焊縫數(shù)量共8個；（2）閥門附近焊縫數(shù)量總計48個，由于兩輪內(nèi)檢測11個閥門前后附近管段特征的標(biāo)注方式不一樣導(dǎo)致焊縫無法對齊，其中第二輪均標(biāo)注焊縫，第一輪未標(biāo)注焊縫；（3）其他類型焊縫數(shù)量共計16個，疑似是焊縫漏標(biāo)或誤標(biāo)等原因?qū)е潞缚p未對齊。

3）第二輪和第一輪內(nèi)檢測彎頭數(shù)量分別為424個和419個，數(shù)量相差了5個。對齊的彎頭數(shù)量為416個，未對齊的焊縫數(shù)量為8個。相比第一輪，彎頭數(shù)量增多和局部未對齊原因如下：里程從25 624.8 m到25 729.7 m段換管處彎頭數(shù)量為2個，其他類型的為6個，疑似是漏標(biāo)或誤標(biāo)等原因所致。

4）第二輪和第一輪內(nèi)檢測的閥門數(shù)量都為11個，完全對齊。

5）第二輪和第一輪內(nèi)檢測三通數(shù)量分別為24個和18個，數(shù)量相差了6個。對齊的數(shù)量為18個，未對齊的數(shù)量為6個。新增的三通為25 624.8 m到25 729.7 m段換管處的6個封堵三通。

6）第二輪和第一輪內(nèi)檢測套筒數(shù)量分別為8個和0個。新增的8個套筒是由于第一輪B型套筒補(bǔ)強(qiáng)修復(fù)了8處缺陷。

3.2 金屬損失缺陷的對齊和比對

依據(jù)兩輪內(nèi)檢測漏磁報告提供的缺陷信息，對齊統(tǒng)計結(jié)果見表4。

表4 兩輪內(nèi)檢測金屬損失缺陷的對齊統(tǒng)計表

金屬損失的對齊和比對發(fā)現(xiàn)：

1）第二輪金屬損失缺陷總數(shù)量為3 015處（5.0%壁厚以上），第一輪金屬損失缺陷總數(shù)量為784處（10.0%壁厚以上），第二輪內(nèi)檢測金屬損失缺陷檢出數(shù)量多于第一輪；2）兩輪內(nèi)檢測全部金屬損失缺陷的全線分布規(guī)律相似，40 km、90 km和100 km附件管段缺陷較多，如圖2所示；3）兩輪內(nèi)檢測全部對齊金屬損失缺陷里程和鐘點分布比對圖如圖3所示。

圖2 兩輪內(nèi)檢測全部金屬損失缺陷里程和鐘點分布比對圖

圖3 兩輪內(nèi)檢測全部對齊金屬損失缺陷里程和鐘點分布對齊圖

依據(jù)兩輪內(nèi)檢測設(shè)備的精度和置信度及報告閾值來設(shè)置評定金屬損失缺陷變化的閾值，將兩輪內(nèi)檢測的金屬損失缺陷分類成活性缺陷點、非活性缺陷點、新增缺陷點及其他缺陷點4種類型[6]，具體信息見表5。

表5 兩輪內(nèi)檢測金屬損失缺陷類型分類原則表

兩輪內(nèi)檢測全部金屬損失缺陷總數(shù)量為3 015個，依據(jù)表5缺陷分類原則可將金屬損失缺陷分類成活性缺陷點為11個、非活性缺陷點為493個、新增缺陷點為221個、其他缺陷點為2 290個，具體信息見表6。兩輪內(nèi)檢測對齊活性金屬損失缺陷里程和程度分布比對圖，如圖4所示。

圖4 兩輪內(nèi)檢測活性金屬損失缺陷里程和程度分布比對圖

表6 兩輪內(nèi)檢測全部金屬損失缺陷類型統(tǒng)計表

對漏磁檢測數(shù)據(jù)判讀的時候并不能準(zhǔn)確區(qū)分金屬損失類型，可以通過比對兩輪金屬損失缺陷的增大程度，來確定是否與時間相關(guān)的腐蝕缺陷，也就是表6中的活性金屬損失缺陷?；钚匀毕蓦S著時間的增長而使管壁減薄加劇，影響管道未來的完整性。金屬損失生長速率的計算方法見式（3）。

式中：

RML——金屬損失的生長速率，mm／a；

ΔMLd——金屬損失深度在Δt時間內(nèi)的增量，%壁厚；

WT——管道壁厚，mm；

Δt——本次檢測與上一輪檢測日期間隔，a（年份）。

兩輪內(nèi)檢測11處活性金屬損失缺陷的生長速率見表7。根據(jù)兩輪內(nèi)檢測比對計算結(jié)果發(fā)現(xiàn)，該管道上有11處活性金屬損失缺陷有明顯的增長，金屬損失程度最大增長為32%，最大生長速率為 0.45 mm／a。

表7 活性金屬損失生長速率計算表

4 總結(jié)

通過整理兩輪內(nèi)檢測報告，建立對齊算法模型，采用軟件對齊和人工復(fù)核修正的方式，可以大大提高數(shù)據(jù)對齊的效率和準(zhǔn)確度。依據(jù)兩輪內(nèi)檢測數(shù)據(jù)對齊和比對的分析結(jié)果，形成管道全部特征的信息對齊列表，對活性缺陷、新增缺陷、新增外接金屬物等重點關(guān)注特征進(jìn)行梳理，可以預(yù)判管體缺陷的變化趨勢和掌握外接物的新增情況等，從而優(yōu)化管道完整性管理和風(fēng)險評估的關(guān)鍵數(shù)據(jù)。此外還可以深度挖掘?qū)R后數(shù)據(jù)價值，結(jié)合不同類型的數(shù)據(jù)，建立統(tǒng)一的數(shù)據(jù)管理平臺實施異常監(jiān)管，逐步滿足管道生命周期數(shù)據(jù)庫管理的需求。