基于多传感器数据融合的供热管网泄漏检测技术

姜春雷， 郭远博， 付兴涛， 王天昊

( 1. 东北石油大学 电气信息工程学院，黑龙江 大庆 163318； 2. 南京大学 工程管理学院，江苏 南京 210093； 3. 大庆钻探工程公司，黑龙江 大庆 163453； 4. 天津工业大学 电气工程与自动化学院，天津 300160 )

0 引言

管道输送具有安全、方便、快捷、易于管理等特点而被广泛应用,随着管道的老化和人为的破坏,管道泄漏经常发生,因此管道泄漏检测一直是研究的热点问题．目前泄漏检测方法主要有电缆泄漏检测法、光纤泄漏检测法、负压波法、声发射法、实时模型法、统计决策法等[1-5],其中光纤泄漏检测法的优点是检测漏点实时、准确,缺点是容易被施工破坏,并且投资较大.负压波法的优点是设备投资小,施工、维护方便,缺点是检测精度差,对于微小泄漏不适用.此外,这些方法多适用于单条管道,管道网络的泄漏检测技术更加复杂.由于管网的结构和参数之间关系复杂,管网的运行状态、工况很难用数学模型精确描述,因此管网泄漏检测是一种特殊类型信号的检测,检测系统应能根据环境变化的不同,自动调整运行参数以适应不同的环境.

传统的管道泄漏检测系统智能化程度较低,且单一传感器信号易引起误报和漏报.因此,研究基于多传感器数据融合的管网泄漏检测技术,即采用多传感器获得管网泄漏的多种信号参数,如负压波、流量等,通过对信号参数综合处理判断管网泄漏情况,由多种信号经数据融合得到泄漏判决结果[6-8].

供热管网的泄漏检测不同于输油、输气、供水等,因为其换热站点多面广,网络结构复杂,一处泄漏可能影响其他的换热站采集信号状态.在供热管网泄漏检测系统中,多传感器采集的管网泄漏信号经过提取泄漏敏感特征参数后,还需要综合分析这些异类(不同类型的信号)泄漏特征参数.由于管网泄漏检测的复杂性、多变性,若通过严密的逻辑推理和精确计算诊断,则需要综合考虑各种可能因素进行复杂的数学建模,实现难度较大[9-10].笔者采用软件与硬件结合的多传感器数据融合供热管网泄漏识别方法，即先由传感器级进行泄漏判决，然后再把判决采集上传到数据处理中心进行泄漏特征级的数据融合[11-14].

1 系统硬件设计

供热管网结构示意见图1，其中：实心方点表示热源,实心圆点表示换热站,空心圆点表示热网补偿器.补偿器是为消除因热膨胀伸长给管网产生热应力的影响而设置的能抵消其热应力的设备,通常安装在检查井内.设热网内共有p个换热站、q个补偿器,热力站装有温度(泄漏定位补偿)、负压波、流量变送器,还有GPS校时器，保证在同一时刻采集数据.补偿器安装具有GPRS模块的温度、液位传感器,能够把采集的数据实时传输到数据处理中心.

图1 供热管网结构示意

1.1 补偿器数据采集模块

补偿器数据采集模块由参数采集单元、供电单元、微控制器、通信单元等部分组成(见图2).补偿器数据采集模块工作环境由锂电池供电,采用超低功耗设计,采集单元由传感器、比较器、数字电位器、A/D等部分构成.比较器是为降低功耗而设计的,与数字电位器协同工作.该模块分为泄漏监测和防盗监测部分.

(1)泄漏监测部分由1个液位计与4个温度传感器构成,对检查井井内水位、补偿器管壁温度(包括供水和回水)和井内温度进行实时监测.液位计安装在检查井底部,当补偿器泄漏时,井底积水引起液位计报警；4个温度传感器分别安在补偿器管壁(供、回水各1个)和井内(2个).补偿器管壁上的2个温度传感器用于监测供、回水温度,比较供、回水温度与数据处理中心传过来的供、回水温度,如果温度差(供、回水分开比较)小于规定的温度差,认为补偿器泄漏；井内的2个温度传感器用于监测检查井内温度,比较井内温度与管壁温度,如果温度差小于规定的温度差,也认为补偿器泄漏.

图2 补偿器数据采集模块

(2)防盗部分主要监测井盖的开启情况,当井盖被打开时,通过GPRS向数据处理中心发送报警信号.GPRS通信模块用于和数据处理中心进行数据通信,发送报警信息和接收数据处理中心发来的管内温度.微控制器用于控制数据采集和数据处理.当系统工作时,数字电位器的电压对应补偿器非泄漏的电信号电压,平时微控制器MCU处于空闲状态、GPRS模块处于休眠状态,只有传感器和比较器工作,传感器采集的电信号到达比较器,与数字电位器的电压进行比较,如果小于数字电位器的电压,认为无泄漏发生,不用触发MCU；如果大于数字电位器的电压,认为可能有泄漏问题,比较器触发MCU进行数据采集分析,如果判断补偿器泄漏,MCU唤醒GPRS无线模块,把报警数据发送给数据处理中心，进行泄漏报警.

1.2 热力站数据采集模块

热力站数据采集模块由参数采集单元、智能数据处理单元、数据存储单元、GPS校时器、通信单元等部分组成(见图3).各热力站数据采集模块的系统内部时间由GPS校时器提供时间基准,用以确保泄漏检测的定位精度.参数采集单元用于采集热力站的温度、压力、流量等数据,由传感器、A/D等部分构成.为了降低数据传输数量,智能数据处理单元将采集的压力、流量、温度、采集时间等存储在数据存储单元,同时对压力、流量以毫秒为周期进行比较，当压降、流量降超过既定的经验阈值时(压力取为0.01 MPa,流量取为0.005 m3),判断可能有泄漏发生,这时智能数据处理单元从数据存储单元取出带有时间戳的前10 s的采集数据通过GPRS传给数据处理中心.数据处理中心通过多传感器数据融合技术判断泄漏是否发生.

图3 热力站数据采集模块

2 数据融合算法

设供热管网的泄漏检测状态为0或1(0表示“泄漏”,1表示“非泄漏”).每个泄漏检测状态由n(n=2)个泄漏报警值表示,包括热力站的负压波、流量报警信号 (温度参数在泄漏点定位时用于负压波传输补偿),由n个泄漏报警值构成管网泄漏检测的报警值[15]为

η1={0,1},

η2={1,2},

其中η1为泄漏检测目标对应的2个泄漏类别的集合；η2为对应泄漏检测模式n个报警值类别构成的集合.

只对热力站的泄漏目标进行数据融合, 如果补偿器检测到泄漏,则直接进行热网泄漏报警.设i⊂η1,j⊂η2,第i类管网泄漏在第j泄漏报警值有p个取值，则第i类管网泄漏共有np个泄漏报警值,管网泄漏检测的2个泄漏类共有2np个泄漏报警值.

设在某一个时刻,管网泄漏检测系统中多种传感器可采集p个目标,构成泄漏集合：

A={A1,A2,…,Ap},

其中Al(1≤l≤p)为构成该类泄漏检测目标的报警值.把Al={Al(j)|j⊂η2}作为管网泄漏检测的分析序列,选取模型库已知序列Ao作为比较序列：

Ao={Ao(j)|j⊂η2},o=1,2,…,m,

其中m为模型库中含有泄漏模型的数量.根据近3a供热管网泄漏压力和流量的历史数据分析结果，建立模型库.

根据灰关联公式,Ao与Al的关联系数ξl(j)为

(1)

式中：ρ是分辨系数,取经验值，即ρ=0.4，则Al(j)与Ao(j)的关联系数为ξl={ξl(j),j⊂η2}.

Ao与Al的关联度β(Ao,Al)为

(2)

这里χ(j)=0.5,表示相应泄漏目标的加权系数.

为解决泄漏信号的不确定性和冗余性,采用证据理论对泄漏信任度重新分配,由式(2)可以得到t个泄漏样本的关联度集合：

G(s)={βi(Ao(s),Ai)|i∈(1,2,…,p)},

(3)

式中：s=1,2,…,t.

在Bayes信任结构下,可以得出管网泄漏的判决条件为

(4)

3 现场应用

将文中提出的供热管网泄漏检测技术应用于某热电厂的供热系统,该系统有热源1个、热力站38座、补偿器泄漏检查井121个,供热管网全长为89 km.每个热力站均装有数据采集模块,用于采集流量、负压波、温度等信号.每个补偿器泄漏检查井装有补偿器泄漏检测系统,采用锂电池供电.每个热力站与数据处理中心采用GPRS通信,由数据处理中心通过GPS统一对各热力站校时.数据处理中心软件采用C#编写,数据库为SQL SERVER2005.应用时间为2个采暖期(每个采暖期6个月).

(1)补偿器检查井泄漏检测系统能够监测全部泄漏情况并及时上传数据处理中心,供电锂电池能够持续供电1个采暖期,每个月GPRS流量小于30 Mb.

(2)热力站数据采集模块能够监测流量、负压波等参数的微小变化,并及时上传数据处理中心.

(3)为验证多传感器数据融合算法在泄漏检测中的应用效果,选择3种泄漏量(τ>10%、5%<τ<10%、τ<5%)进行对比,τ表示供热管道泄漏瞬时流量与管道瞬时流量之比.

不同融合次数泄漏检测结果(取融合次数分别为t=2、t=4、t=6)见表1.多传感器与单一传感器在供热管网泄漏检测中的应用效果见表2.这里取负压波数据,并应用小波分析泄漏检测方法.

表1 不同融合次数泄漏检出率

表2 小波分析与数据融合泄漏检测结果

4 结论

(1)研究多传感器数据融合的供热管网泄漏检测技术,包括硬件数据采集、泄漏监测系统和软件数据融合系统，现场应用结果验证硬件设计的合理性和算法的有效性.

(2)基于证据理论的数据融合方法对供热管网的泄漏检测有较好的适用性,当供热管网出现微小泄漏时,其泄漏检出率要比单一传感器负压波方法效果要好.

(3)随着融合次数的增加,虽然供热管网泄漏的识别正确率增加,但计算复杂度也同时增加,系统实时性下降,这是今后要研究的内容.