天然气管道泄漏的声-压耦合识别方法*

李 凤 王文和 游 赟 易 俊

(重庆科技学院 重庆 401331)

0 引言

天然气管网是城市重要的基础设施，是社会生活与生产的基本保障。但天然气管道的泄漏不仅会造成资源浪费和环境污染，还会直接威胁人们的生命财产安全[1-2]。由于管道的老化、腐蚀、外力破坏和焊缝缺陷等原因，天然气管道泄漏事故屡见不鲜[3-4]。因此，如何准确识别泄漏并可靠定位天然气管道的泄漏位置，成为了油气安全工程领域的重要课题。

经过数十年的发展，天然气泄漏的识别方法取得了一些进展。典型的泄漏检测方法有瞬态模型法[5]、分布式光纤法[6]、声波法[7]和负压波法[8]等。几种检测方法采用了不同的识别与定位原理，也从实验室研究逐步进入推广应用阶段，例如ASI公司的WaveAlert 型声波泄漏检测系统[9]、赵林等[10]设计的光纤负压波管道泄漏监测系统。刘翠伟等[11]从泄漏检测的灵敏度、误报率和性价比等8个指标，对比分析了当前主要的泄漏检测方法的优缺点，指出声波法的各项指标都达到目前的最高标准，其误报率仍有待进一步提高。因此，基于声波识别的泄漏检测方法是未来的重要发展方向[12]。

为了提高声波法的准确性，本文在之前声波识别方法基础上，提出以下两点改进：(1)采用管道外壁、磁力夹固定的活动式声波传感器，利用声波在管壁固体内传播衰减小、速度快的优点，也避免了在管内、管上打孔安装困难且要求传感器尺寸小等问题，降低了声波传感器的安装成本；(2)为了降低单一声波法的误报率问题，提出了一种基于声波-压力波耦合的判别方法，基于多信息融合来提高泄漏识别的准确性。

全文内容如下：首先，展开了管道的泄漏特性实验，探索气体管道泄漏的主要特征；其次，基于对泄漏特征的认识，提出了一种声-压耦合的泄漏检测方法；最后，通过实验测量研究，考察该方法的可行性及其抗干扰能力。通过本文的研究，试图为天然气管道泄漏识别方法的工程应用提供基础参考。

1 管道泄漏特性实验

1.1 实验平台简介

为了考察气体管道泄漏的主要特征，本文设计了如图1所示的实验平台并开展研究。实验管架平台选择了型号为DN150、长度为15 m、粗糙度为0.015 的管道，工作介质为经干燥过滤后的压缩空气，工作压力选定1.1 MPa。泄漏口设置在管道中间位置处，连接MEMS4000 型体积流量计，用以测量和控制泄漏口的流量。

在管道内的泄漏口前后布置了两个常规的静态压力传感器，其有效量程为0～2 MPa，测量精度为0.25% FS。在管外壁上放置了两个通道的动态声波传感器，通过磁力夹固定于管道外壁，型号为RS-2A 型动态传感器，其量程为181 dB，最高采样频率为400 kHz，测量精度为2% FS。采用LabVIEW 编写的数据采集程序，配合NI 数据采集卡、信号放大器等完成数据采集。

图1 管道泄漏检测实验平台Fig.1 Experiment platform of pipeline leakage detection

1.2 管道泄漏的特性

实验过程中，对管道系统打压到1.1 MPa，待管内压力稳定，开启数据采集系统1 s 后，快速打开模拟泄漏口，测量管道泄漏过程的声-压特性，结果如图2所示。图2 给出了其中典型的4 组数据，展示了管壁的动态声波信号和管道内的静态压力信号。声波测量采用了动态传感器，采样频率为20 kHz；压力测量采用了静态传感器，采样点较少但能够满足观测管道内压力的需求。

在图2 中，红线为管内压力的变化量(即压力降)，黑线为归一化处理的动态声波信号。在泄漏发生之前，管道内的压力稳定，管壁的噪声信号可以忽略不计。打开泄漏口后，管道内的压力出现匀速的持续下降，而管壁的声音信号也显著增大。由此可见，管道泄漏同时出现两种显著的信号特征，即出现显著的压力降和巨大噪声，二者出现的时间是同步的。图2(a)～(d)所示的为泄漏量依次增大。随着泄漏量的增大，压力曲线的斜率增大，表明管道内压力降低的速度在增大；管壁的噪声强度也在显著增大。

图2 管道泄漏的声-压特性Fig.2 Acoustic-pressure characteristics of pipe leakage

为了直观展示噪声强度和压力降与泄漏量的关系，图3 与图4 分别统计了平均的噪声强度和压力降低速度。随泄漏量的增大，管壁的平均噪声强度依次为81 dB、86.3 dB、90 dB 和94.4 dB，而压力降的速度依次为-0.84 kPa/s、-1.26 kPa/s、-1.81 kPa/s 和-2.94 kPa/s。可以看到，尽管实验的泄漏为微小泄漏，但由于管道内外的巨大压差，其产生的泄漏噪声和压降都十分显著，且二者随泄漏量的增长而非线性增大。

因此，在微小泄漏条件下，能观测到两种显著的泄漏特征，表现为管壁的泄漏噪声和管道内的压力降。随着泄漏量的增大，噪声强度和压力降都出现非线性增大。因此，声波和压力降可作为泄漏检测的关键性指标。

图3 不同泄漏量下的平均噪声强度Fig.3 Average acoustic intensity at different leakage levels

图4 不同泄漏量下的压力降速度Fig.4 Pressure drop rate under different leakage amounts

采用经典的离散傅里叶变换(Discrete Fourier transform,DFT)，对图2所示的动态声波信号展开了频谱分析，试图明确泄漏的声源特性，如图5所示。可以看到，不同流量下噪声的频率特性基本一致，主要频率在5 kHz～9 kHz 频带范围内，其中存在一个约7 kHz 的主导频率。随着泄漏量的增大，主导频率的幅值也在增加。因此，管道泄漏时产生的气动噪声存在特定的频率(带)，该主导频率对应的音色是泄漏的特有声音，可以作为分辨泄漏噪声与环境噪声的一个依据。也就是说，管道泄漏的噪声具有相似的频谱特性而与泄漏量的大小无关。当然，本文的本实验点样较少，不能确定普遍的、精确的主导频率特征，需要更多的参数化实验研究。

图5 不同泄漏量下声波信号的频谱Fig.5 Spectrum of acoustic signals at different leakage levels

2 耦合泄漏识别方法研究

本文实验结果表明，管道泄漏伴随着两种显著的特征——泄漏噪声与压力降，且二者发生的时间是同步的。因此，在实验或者工程实践中，若能够检测到管壁的声强和管内流场的压力降同时跃升，则可确定管道发生了泄漏。基于这一特性，两种信息融合有望提高泄漏识别的准确性。

2.1 声-压耦合法的原理

本文耦合检测方法的基本思想是，考察是否同时发生泄漏噪声与压力降，可采用相关算法予以判别。假设声波传感器测到的信号为A(t)，压力传感器测得的信号为P(t)，它们都可表示为时均与波动值之和：

对A(t)和P(t)的波动值进行相关性运算：

式(3)中，RAP(t)为波动信号的相关函数。将公式(1)和公式(2)代入到公式(3)得

上述是针对两列无限长的、连续信号之间的相关性考察，而在实际的测量或应用中，由传感器测量的信号通常为离散信号。考虑在时间间隔Δt内的离散信号，采样频率为fs，N表示在Δt时间间隔内的采集点数，即采样数。上述公式可转化为

相关函数RAP(Δt)表明两种信号在时间间隔Δt内的波动或变化值的乘积，用以判别泄漏的压力波和声波是否同时产生。如果未同时发生，则RAP(Δt)的理论值为0。

在无泄漏工况下，由于背景噪声以及压力波动，实际RAP(Δt)值不为0。但声强和管内压力波动值都较小，故在一定的阈值[RAP]范围内，[RAP]可通过实验或工程实践确定大小，当RAP(Δt)＞[RAP]，可判别泄漏的发生。要实现上述计算非常简单，在嵌入式终端上进行简单的加法和乘法的编程即可实现。

2.2 可行性与抗干扰实验

为了考察声-压耦合识别方法的可行性以及其在实际工作中的抗干扰能力，设置了一组存在泄漏并且有外加扰动的实验方案，如图6所示。图6 中展示了噪声和管压信号的变化曲线，第一个连续的噪声信号为正常的泄漏现象，而后人为增加了3 种典型干扰，依次为多次敲击管道(干扰1)、连续的环境噪声(干扰2)和管网泄压(干扰3)。其中，“干扰1”为随机敲击管道；“干扰2”为人工播放的高速噪声；“干扰3”为实验结束时，通过气罐对管网泄压，尽量避免了气动噪声，用以模拟燃气管网的压力调节或流量变化等引起的压力波动。

为了方便观察两种信号单独作为泄漏识别的信号源的效果，图7 中展示了两种情况的计算结果：图7(a)为公式(5)中设压力梯度值恒等于1，即|∇pi(t)|=1，此时的相关函数曲线仅与噪声信号相关，记相关函数值为R(Δt)1；图7(b)为公式(5)中设噪声信号值等于1，即取|ai(t)|=1，此时的相关函数曲线仅与压力梯度相关，记相关函数值为R(Δt)2。

图6 管道泄漏及3 种典型干扰的实验Fig.6 Experiments on pipeline leakage and three typical interference

图7 单独采用声波或者压力降作为泄漏检测信号源的计算结果Fig.7 Acoustic wave or pressure drop is taken as the calculation result of leak detection signal source

从图7(a)中可以看到，仅采用声波信号作为泄漏识别的信号源，判别噪声的幅值，则无法排除“干扰1”和“干扰2”带来的噪声影响。在实际的工程实践中，管道受到敲击、碰撞等短暂噪声(类似于“干扰1”)的影响，或者受到公路、建筑工地等环境噪声(类似于“干扰2”)的影响，基本上是不可避免的。因此，采用声波信号作为单一识别源的泄漏检测方法可能产生误判。

从图7(b)中可以看到，仅采用压力作为泄漏识别的信号源，则无法排除因压力变化的“干扰3”型扰动。例如，由于管网调压、流量变化和泵站启停等多种因素，供气管内的压力出现了较大波动。此时，采用压力信号作为单一识别源的泄漏检测方法可能产生误判。

由此可见，单独采用声波作为泄漏识别的信号源，在一些情况下无法区分泄漏噪声与外来噪声，而单独区分压力变化也无法分辨管内压力降是否由泄漏引起。因此，单一信号识别方法在抗干扰方面存在一定的不足。

基于这一认识，本文提出了声波和压力耦合的泄漏识别方法，采用公式(5)计算的耦合相关函数如图8所示。可以看到，泄漏现象能够被耦合算法所捕捉，准确地识别了泄漏的起始和终止时间点。然而，由于干扰信号无法同时触发噪声和压力波动，由外部环境噪声引起的“干扰1”和“干扰2”型扰动，以及由管道压力调节引起的“干扰3”型压力波动，都能够被很好地过滤掉。由此可见，泄漏识别方法不仅保留了声波的识别能力，而且显著提高了抗干扰能力。

图8 带外部干扰的实验条件下的相关函数RAP(Δt)值Fig.8 RAP(Δt)under experimental conditions with external interference

当然，在实际的工程实践中，不同形式的外部干扰可能同时出现。例如管道压力波动时，也遇到了环境噪声干扰，则无论是单个还是耦合法都无法避免误判。针对这种小概率干扰形式，需要结合阈值[RAP]来排除误判，依据为外部干扰信号的强度通常比泄漏信号低很多，可过滤掉相关函数值小于阈值的信号来排除非泄漏因素的扰动。相关函数的阈值[RAP]，则需要根据实验或者工程实践确定。

因此，与单一的声波或压力变化的识别方法相比，耦合法中两种信号相互起到了门函数的作用，既能保持声波法较好的识别能力，也对非泄漏因素起到了过滤的作用，从而提高了抗干扰能力。总体上，耦合识别方法能够降低多种干扰对检测系统造成的误判，提高泄漏检测的准确性。

3 结论

本文实验研究了燃气管道泄漏的物理特征，提出了一种基于声波-压力波耦合的泄漏识别方法，通过实验研究考察了它的可行性与抗干扰性。结论如下：

(1)管道的气体泄漏引起了两个显著特征，即泄漏噪声与管内压力降。泄漏噪声的强度随泄漏量增大而增大，但噪声的频率基本保持不变；管道内压力降低的速率与泄漏量大小正相关。

(2)根据泄漏噪声与压力降同时发生的特点，提出了一种基于相关算法的泄漏耦合识别方法。通过判别泄漏噪声与压力降是否同时出现，以及相关函数值大小与阈值对比，来判别泄漏是否发生；而相关函数值的大小反映了泄漏的流量大小。

(3)泄漏实验表明，耦合识别方法既能保持声波法较好的识别能力，也能够排除环境噪声的干扰和常规的压力变化，展示了比单独的噪声或压力波的识别方法更好的抗干扰性。该结果证实了耦合方法相较于单一信号识别的优越性。