siemens x
現(xiàn)場儀表

智能型的管道泄漏監(jiān)測系統(tǒng)在成品油管道的應用

2025China.cn   2008年09月18日
1 引言

  人工智能作為現(xiàn)代設計方法學○1的一個重要組成部分,已經(jīng)在我國管道泄漏監(jiān)測中有了成功應用案例○2。為了解決克—烏成品油管道泄漏監(jiān)測的技術難題,彌補國外技術的不足,根據(jù)克-烏線的情況,采用《HKH系列管道泄漏監(jiān)測報警定位系統(tǒng)》,研究合適的專用模糊神經(jīng)網(wǎng)絡,確定該網(wǎng)絡在克-烏成品油管道上的適用性。

  2人工智能型的管道泄漏監(jiān)測模型

      2.1克-烏成品油管道泄漏監(jiān)測的神經(jīng)網(wǎng)絡模型

  克-烏成品油管道是長距離多品種油密閉順序輸送管道,兩個進油站,一個出油站,中間又有四個串聯(lián)泵站,每個泵站又都有變頻泵和工頻泵,串聯(lián)泵站沒有流量計,管道內(nèi)混油頭數(shù)量不定,管道輸送壓力變化較大,情況復雜。為了在這種環(huán)境中能正確識別出管道泄漏信號,經(jīng)反復研究,我們設計了專門的網(wǎng)絡。為了給網(wǎng)絡提供盡可能多的信息,我們在沒有流量計的站增加了差壓變送器,用以代替流量計信號。這樣,每個站就有了三種進入網(wǎng)絡的原始信號。

  A B C D E F G H

  這個網(wǎng)絡圖共分了八層。

  A層:是輸入層,其中:

  是人工設定的閾值,是與檢測量性質和量程相關的一個數(shù)值。

  是輸入量,對于中間的一個站來講,他們分別代表進站壓力、差壓和出站壓力。

  B層是模糊層:在此完成檢測量的模糊化, 是上層的輸出、下層的輸入。

     (1.1)

  其中: ——是與檢測量性質和量程相關的一個系數(shù),

  是與采集數(shù)相關的一個量。

  C層:是閾值配置層,在此完成信息分類前的閾值配置。

    是人工設置的閾值,對任何輸入 ,該值對應的每一個下級單元都是不同的。

     (1.2)

  在這里, 1,2,3; 1,2,3……12。

  是信號分配器,對于任何輸入 , 所對應的每一個下級單元都是不同的。

     (1.3)

  是與 相關的閾值。

  D層是分類層:在這里,管道運行狀態(tài)被分成了12個特征點:

  保存了上次計算的結果,

     (1.4)

  E層是歷史經(jīng)驗層:

  是提取的歷史經(jīng)驗,是根據(jù)F層的數(shù)據(jù)變化經(jīng)一定的運算以后不斷更新的,當F層數(shù)據(jù)進來時,該層要對更新要求進行識別,進行合理處理后作為新的歷史經(jīng)驗被保存下來;

     (1.5)

  F層是函數(shù)運算層:

  包括二方面的內(nèi)容,一個是根據(jù)以前的經(jīng)驗和當前進來的信息進行綜合運算,給出一個輸出數(shù)據(jù),送到下一級,再一個是給出一個歷史經(jīng)驗的新數(shù)據(jù),送到E層;

     (1.6)

  G層是合成層:

  根據(jù)前級數(shù)據(jù)合成的一個新數(shù)值,送到下一級;

     (1.7)

  H層是輸出層:

   接受前面的三個數(shù)據(jù),在此進運算后輸出,給出一個唯一的結論。

     (1.8)

  2.2專用模糊神經(jīng)網(wǎng)絡的定位技術

  動態(tài)管道泄漏監(jiān)測要解決的問題其實只有兩個,一個是正確的識別出泄漏,一個是定位。識別泄漏是關鍵的技術,在此基礎上的才是定位。

  采用專用模糊神經(jīng)網(wǎng)絡監(jiān)測能夠正確識別管道泄漏,這第一個問題就解決了。接下來的就是定位的問題了。

  為了解決克烏線微小信號下定位誤差大的問題,我們選擇了水擊波速度法。根據(jù)監(jiān)測點內(nèi)管道長度、上下游監(jiān)測點接收到水擊波信號的時間差和管道內(nèi)水擊波的傳播速度就可以計算出泄漏點的位置。該法的定位公式如下:

     (1.9)

  式中:

  —— 泄漏點的位置

  ——被監(jiān)測的管道的長度

  ——波在管道中傳播的速度

  ——首末兩站點收到波的時間差

      (1.10)

  式中:

  ——流體密度;

  K ——液體的體積彈性系數(shù);

  E ——管材彈性系數(shù);

  D ——管道的平均直徑

  δ——管壁厚度;

  Ψ——系數(shù),對于埋地管道,Ψ=1-μ2;

  μ——泊松系數(shù),鋼管的μ=0.3;

  從上面的公式可以看出,一般情況下, 和 的變化可以忽略不計,定位誤差大小僅與 有關,所以采用水擊波速度計算泄漏位置的關鍵問題是找到事件發(fā)生的確切時刻 。由于專用模糊神經(jīng)網(wǎng)絡能準確的找到事件的發(fā)生時刻,從而為準確的計算 提供了依據(jù),也解決了小信號所需定位時間太長的問題。

  3 專用模糊神經(jīng)網(wǎng)絡的調(diào)試

  專用人工智能網(wǎng)絡的調(diào)試是在系統(tǒng)軟硬件安裝后在現(xiàn)場進行的。首先根據(jù)運行參數(shù)進行初調(diào)試,再進行實地放油試驗。放油過程中不進行調(diào)試操作,放油后再根據(jù)放油結果調(diào)整系統(tǒng)學習模型,這是一個不斷循環(huán)的過程。直至達到調(diào)試目標。

  調(diào)試放油方法:放油前1個小時至最后一次放油結束期間內(nèi)各站不要進行較大的人工操作,包括啟停泵,切換混油以及變頻設備的調(diào)整等;系統(tǒng)各單元正常運行30分鐘以上;每兩次放油的最短時間間隔不能少于20分鐘(以前一次關閥時間至下一次開閥時間計算);現(xiàn)場放油操作要求準確、快捷,并進行精確放油計量;最小泄放量不小于瞬時量的0.5%;開關閥門放油要連續(xù)操作,不反復開關閥門調(diào)節(jié)流量;每次放油持續(xù)時間不少于2.5分鐘。

  4 系統(tǒng)測試結果

  在正常輸油和系統(tǒng)穩(wěn)定運行的條件下,選擇不易報警的下游段管道作為測試段,采用現(xiàn)場放油的方法對《HKH系列管道泄漏監(jiān)測報警定位系統(tǒng)》的性能和特點進行實際檢驗。在全過程系統(tǒng)處于全自動無人干預的狀態(tài)。

(轉載)

標簽:智能型 管道泄漏 監(jiān)測系統(tǒng) 成品油管道 我要反饋 
2024世界人工智能大會專題
即刻點擊并下載ABB資料,好禮贏不停~
優(yōu)傲機器人下載中心
西克
2024全景工博會
專題報道