直埋热水供热管道泄漏定位检测实验研究*

徐自强 李 成 穆连波 张立申 王海鸿 王随林△

(1.北京建筑大学,北京;2.北京市热力集团有限公司,北京)

0 引言

供热管网泄漏精准快速检测和安全运行监测是保障城市基础设施安全高效运行和供热设施节能降碳的重要途径。直埋热水供热管道发生泄漏后修复不及时会造成大量热水损失,严重影响区域供暖,甚至会造成地面塌陷及增加抢修成本等,其安全稳定运行事关民生安全与能源节约。直埋热水供热管道在长期使用后,易出现腐蚀、磨损和老化现象,地震等自然灾害及人为破坏也会损坏埋地管道[1-3],对其泄漏定位和运维检修需投入大量人力和物力。供热不同于油气输运,其作为一项重大民生工程,具有运行温度高、易腐蚀泄漏、热媒循环流动、管壁外侧包裹保温层、跨季节间歇运行、市区部署密集度高等特点,因此从热力管道泄漏诊断的时效性、泄漏定位的准确性、测量方案部署的便捷性和测试前后管道完整性等角度来看,用油气管道检漏的人工法、质量平衡法、光纤法和统计分析法进行热力管道泄漏定位存在显著的局限性[4-5]。在集中供热管网中,利用经验模态分解法对压力信号进行特征提取,基于k最邻近算法可有效识别管网泄漏,但无法定位泄漏源[6]。声波法则是通过检测从破口位置传播出来的泄漏信号的时频特征,进一步挖掘管道泄漏信号的时空规律,反馈管道检漏信号特征进行泄漏定位。声波法具有安装灵活、检测方便和诊断速度快等特点,基于声波法的供热管道检漏技术具有重要的工程意义。

在声波法管道泄漏检测方面,Zhang等人采用声-管-声-压多物理场耦合的方法研究了管道泄漏声波的时频特征[7]。刘莎等人研究了泄漏噪声的声波传播特性,验证了声波法在热力管道泄漏检测中的应用[8]。刘翠伟等人通过建立输气管道泄漏仿真和实验模型,验证了声波法在输气管道泄漏检测中的应用[9]。黎思杰等人采用声波法对埋地燃气管道泄漏的声波特性进行了研究和时频分析,用于辅助人工巡检[10]。闫成稳等人通过建立气体管道泄漏模型研究声源特性,得到气体管道泄漏声源主要为四极子,仿真与实验结果所得泄漏信号均在50 Hz以内[11]。王随林团队通过搭建供热管道试验台,实验研究了供热管道泄漏的声压和加速度信号传递规律[12-13]。在泄漏信号处理方面,华科等人通过实验验证了短时傅里叶变换在泄漏声波信号的特征提取及报警方面的有效性[14]。董敏等人利用声波法检测原油管道小流量缓慢泄漏,并选用多尺度小波变换处理信号[15]。倪曦采用小波尺度破坏噪声信号选取和重构,提高了燃气管道检漏定位精度[16]。张文奎等人通过仿真模拟,验证了小波降噪在供水管道泄漏检测中的适用性[17]。

管道泄漏时除产生泄漏信号外,还伴随各类环境因素产生的复杂噪声信号,采用声波信号直接分析的定位误差较大。傅里叶滤波法和小波阈值法是应用广泛的泄漏信号处理方法,为推进其在供热管道泄漏信号处理中的可用性,本文以贴壁式加速度传感器进行泄漏声波信号采集,分别利用傅里叶滤波法和小波阈值法将采集的泄漏信号进行特征提取,并将依据2种滤波方法的诊断定位进行对比研究,分析它们在供热管道泄漏定位中的可用性和定位准确性。最后,在实验研究基础上,选定北京市朝阳区某地实际运行的管道进行测试,进一步验证2种方法的泄漏诊断效果。

1 声波法检测原理

供热管道发生泄漏时,在管道内外压差作用下泄漏处会发生振动,产生具有一定频率的声波信号,并以泄漏点为振源,向管道上下游传播。本文基于加速度传感器测量的声波法是以泄漏信号作为信号源,利用泄漏点上下游管壁上布置的加速度传感器进行数据采集,最后采用傅里叶滤波法和小波阈值法进行滤波和定位研究。

声波法检测示意图见图1,在管道上布置加速度传感器A和B,被测管段总长度为L,漏点距离A的距离为X。

注:v为声波传播速度。

泄漏信号f(t)从泄漏位置沿着管道传播时,会遇到弯管、变径管、阀门、增压泵、管道内壁摩擦和其他干扰源,产生噪声信号e(t)。加速度传感器采集的信号s(t)为泄漏信号f(t) 和复杂的环境噪声信号e(t)的叠加,环境噪声信号e(t)易导致泄漏特征信号f(t)难识别,造成泄漏定位不准确。分别采用傅里叶滤波法和小波阈值法对采集信号进行处理,其目的是将泄漏信号从原始信号中提取出来。采集信号s(t)为

s(t)=f(t)+e(t)

(1)

2 实验系统

选用如图2所示的直埋热水供热管道实验系统,实验管段为管长18.6 m的DN300钢管,埋深为1.5 m。在实验管段两端布置加速度传感器A和B,进行声波振动加速度测量。选用体积流量计测量流量,选用电加热器控制热水温度。采用小支管和阀门节流控制的方式模拟泄漏,本实验中选择2个泄漏位置进行实验,它们分别位于实验段的中部(距离传感器A为9.3 m)和热水流向的下游端部(距离传感器A为17.4 m)。实验时,先启动实验系统,在流量和温度都达到稳定后,再开启泄漏孔进行泄漏测试,每次实验采集有效数据的时长为10 s,实验选定压力为0.4、0.8 MPa,水温为60、86 ℃。

图2 实验系统图

3 数据处理

3.1 泄漏定位

如图1所示,在泄漏管道外壁上安装加速度传感器A和B,它们可捕捉到某个泄漏声波信号传递到A和B的时间差Δt。当已知管段长度L和声波传播速度v时,由式(2)可得泄漏孔与加速度传感器A之间的距离X[18]:

(2)

其中,声波在管道介质中的传播速度由式(3)计算:

(3)

Δt可通过加速度传感器A和B泄漏信号的互相关得到:

R12(Δt)=E(f1(t)f2(t-Δt))

(4)

式中R12(Δt)为加速度传感器A和B泄漏信号的互相关值;f1(t)、f2(t-Δt)为泄漏位置传播出来的泄漏信号。

由于周围环境和管道水流等会产生噪声信号e(t),加速度传感器采集到的信号s(t)是泄漏声波和噪声叠加在一起的复合声波,不再是泄漏信号f(t)。为提高泄漏信号互相关时间差Δt的精度,对采集信号s(t)进行降噪处理,从而消减噪声信号,提高泄漏特征信号质量,最终提高互相关定位精度。本文分别选用傅里叶滤波法和小波阈值法进行泄漏信号降噪处理。

3.2 数据整理方法

3.2.1傅里叶滤波法

傅里叶变换及逆变换可实现离散信号的时域和频域转换,可在频域内将时域信号进行滤波处理。傅里叶滤波分为高通滤波、低通滤波和带通滤波。带通滤波可将完整的时域信号分为独立的频段,并对各独立频段信号进行滤波处理。由于泄漏信号具有较宽的频段,在对泄漏信号进行频域分析时,合理选择频段有利于降低噪声信号的比例,改进傅里叶滤波降噪的质量。

3.2.2小波阈值法

小波阈值降噪是利用小波变换对泄漏信号进行多层分解[19-20],计算各层阈值后,在每一层内进行信号阈值化处理,最后通过小波重构,实现泄漏信号降噪[21],信号降噪的计算过程如图3所示。阈值化处理时,选择Donoh硬阈值函数和软阈值函数[22]。

图3 小波阈值法降噪流程

泄漏信号的小波变换可表述为

(5)

式中Wf(a,b)为小波变换系数,其中a为尺度伸缩因子,b为时间平移因子;ψ[(t-b)/a]为母小波或小波基。

将连续小波变换离散处理后,参数a、b取离散值并得到离散小波系数。在进行信号处理时,阈值是区分泄漏信号和噪声信号的关键因素,阈值选取是否合理将直接影响降噪处理结果,由于特征信号的细节系数会随着尺度的增大而增加,噪声信号的细节系数随着尺度的增大而减小,因此阈值的选取会随着尺度的增大而减小[23]。硬阈值函数将分解后的各层细节信号小于阈值的分解系数设为零,大于等于阈值的分解系数保留。该方法不会改变信号的局部性质,但信号采集的不连贯性会导致在重构恢复信号时产生一定的波动。软阈值函数算法是指定1个阈值,大于等于该阈值时使分解系数向零收缩,小于阈值时设为零。基于Donoh硬阈值和软阈值计算公式得到的硬阈值和软阈值函数降噪后的小波系数yh和ys可通过式(6)、(7)计算得到:

Donoh硬阈值函数公式为

(6)

Donoh软阈值函数公式为

(7)

式(6)、(7)中 sign(x)为符号函数;x为加速度传感器采集信号;λ为阈值,由式(8)计算得到。

(8)

式中σ为噪声方差,σ取(|W|/0.674 5)的中值,其中W为小波系数;N为声波采样点数;k为小波分解层数。

4 实验结果与分析

4.1 结果分析

图4、5分别为所采集信号的频域与时域图。图4显示,在1 000～4 000 Hz的范围内,两测点频域信号幅值较大,振动特性明显,结合实际实验分析,此处为近水泵端,同时漏点靠近弯头,水泵运行和水流撞击弯头对泄漏信号采集产生严重影响,加大了泄漏特征识别难度,影响了定位精度。

注:CH为传感器。

图5 原始信号时域图

4.1.1傅里叶滤波法结果分析

在选用傅里叶滤波法进行信号降噪处理时,首先通过傅里叶变换将时域信号变换为频域信号,然后选用带通滤波进行信号降噪处理,最后将频域信号变换为时域信号。本实验将测量的有效滤波段分为0～1 000、1 000～2 000、2 000～3 000、3 000～4 000 Hz。图6为原始信号通过滤波后在不同滤波段的频域图。

图6 不同滤波段的频域图

利用傅里叶滤波法计算得到的泄漏定位结果如图7所示。由图7可知,选用2种泄漏孔进行供热管道泄漏实验时,在不同压力和温度下,经过滤波处理后,它们在波段 0～1 000 Hz时的定位精度较高。但不同泄漏位置的定位偏差不同,泄漏点在中间时泄漏定位偏差最小,最小偏差为0.4 m,而漏点在上游端部时,可能由于漏点靠近弯头,噪声干扰较大,导致泄漏定位结果偏大,最大偏差为1.8 m。

图7 傅里叶带通滤波降噪的定位结果

4.1.2小波阈值法结果分析

使用小波阈值法进行泄漏信号降噪处理时,通过原始信号分解和高频细节系数阈值化处理,重构后实现信号降噪。泄漏产生的信号为非平稳信号,小波阈值法可实现高频段细节系数取舍,重构后保留真实泄漏信息。采用小波基函数取代正弦函数更有利于在非平稳信号中识别泄漏特征。图8为小波分解5层结果。

图8 小波分解

从图8可知,随着分解层数的增加,对应的振幅逐渐降低且波动逐渐趋向于平稳状态。干扰泄漏信号检测质量的噪声主要集中在较高的细节信号中,通过对各通道进行阈值化处理可有效降低噪声对泄漏的真实信号干扰,通过互相关图提取各通道采集信号的时间差。图9、10分别为小波阈值法降噪后的泄漏信号的时域与频域图。图11为2个通道的互相关结果。

图9 小波阈值法降噪后的泄漏信号时域图

图10 小波阈值法降噪后的泄漏信号频域图

图11 小波阈值法降噪后的泄漏信号互相关结果

经过小波阈值化处理可有效地降低来自高频段1 000～4 000 Hz的噪声信号干扰,准确提取泄漏特征且大大提高定位精度。不同位置、压力和温度下的定位结果见图12。

图12 采用小波阈值法降噪的定位结果

由图12可知,当漏点位置不同时,处在中间位置的定位结果偏差最小。当泄漏点在管段中间位置时,在相同温度、不同压力下,压力对泄漏诊断的影响不明显,当压力恒定时,温度对定位结果的影响显著,温度低时定位结果偏大,而温度较高时定位结果偏小,可见采用式(3)对声波传播速度的修正存在一定的局限性。当泄漏点在管段的端部位置时,泄漏信号检测规律性并不明显,可能在端部附近的弯头等产生了显著的噪声信号e(t),影响了泄漏信号f(t)的质量,导致泄漏信号的特征提取被干扰,识别难度大,定位结果精度低。

4.2 综合分析

对比图7和图12可知,傅里叶滤波法和小波阈值法都能实现供热管道泄漏定位诊断分析,傅里叶滤波法的泄漏定位偏差在0.4 m,小波阈值法的泄漏点定位偏差在0.3 m,可见采用小波阈值法进行降噪处理要优于傅里叶滤波法。为了对比2种方法的降噪效果,将原信号及采用2种方法降噪后的时域信号进行傅里叶变换,其频域信号结果见图13,其中原始信号分布在整个频段内,采用傅里叶滤波法的信号处于0～1 000 Hz滤波段内,傅里叶滤波只改变了信号分布的频段,以某一频段信息反映泄漏特征。而采用小波阈值法的信号经过了高频细节信号阈值化处理和重构,降噪的信号仍分布在整个频段内,在保证整个频段完整性的同时反映了泄漏信号特征,且信号特征是高频段(2 500～4 000 Hz)内振幅值降低、中频段(1 000～2 500 Hz)内信号特征明显,低频段(<1 000 Hz)的信号振幅低于采用傅里叶滤波降噪后信号的振幅,可见小波阈值法在信号的特征提取、频段范围、信号信息量等方面都要优于傅里叶滤波法。

图13 降噪对声波振动信号频域影响

5 工程验证

为进一步验证以上2种方法在供热管道泄漏检测时的降噪效果,选取位于北京市朝阳区某小区的直埋供热管道进行泄漏测试。测试管段总长为19 m、管径为DN200、热水温度为84 ℃,运行压力为0.58 MPa。获得20 s测试数据,经计算得到声波在管道介质中的传播速度为1.243 m/ms,依次选用傅里叶滤波法和小波阈值法降噪后依据式(2)进行定位计算。最后选择开挖验证方式,对测试定位结果进行验证。加速度传感器采集的原始信号时域图和频域图见图14、15。

图14 原始信号时域图

图15 原始信号频域图

由图14、15可以看出,传感器CH1采集到的信号振幅更高且信号遍布整个频段,可以判断出泄漏信号源靠近CH1侧,振动的幅值错综复杂,说明检测期间环境情况复杂、噪声干扰严重。分别采用傅里叶滤波法和小波阈值法对采集的原始信号进行降噪处理,傅里叶滤波法降噪后的信号时域图和频域图见图16、17,小波阈值法降噪后的信号时域图和频域图见图18、19。定位结果见表1。

表1 实际泄漏管道定位结果

图16 0～1 000 Hz傅里叶滤波时域图

图17 不同滤波段降噪频域图

图18 降噪后的信号时域图

图19 降噪后的信号频域图

从表1可知,在实际现场环境下,2种方法均可实现对直埋供热管道的泄漏检测及定位,绝对误差均在1 m以内。傅里叶滤波法选用低频段滤波的泄漏定位结果较好,但在高频段误差较大;小波阈值法比傅里叶滤波法精度更高。定位结果示意图见图20。

图20 定位结果示意图

6 结论

为提高利用声波法的直埋热水供热管道泄漏定位精度,本文依据声波法原理分析了管段泄漏定位原理及傅里叶滤波和小波阈值降噪方法,并在实验台上开展了管段泄漏的实验;在对测量的泄漏声波进行降噪处理后,研究了DN300供热管道泄漏定位情况,最后选定北京市朝阳区某供热管道现场数据进行了工程验证。结论如下:

1) 傅里叶滤波法和小波阈值法都可有效地定位供热管道泄漏位置。傅里叶滤波法是通过选择带通频段进行滤波处理,并以某一频段内的全部信号反映泄漏信号特征,但它屏蔽了其他频段的信号特征,且对该频段内信号无法再进行精细化降噪处理,因此,傅里叶滤波法有一定局限性。

2) 小波阈值法是对采集到的振动信号在整个频段内进行降噪处理。通过设定的阈值对分解的每一层细节信号作阈值化处理,经过小波重构后所得到的降噪信号平滑度更高、噪声干扰更小、定位结果更准确,适用于复杂环境下的信号处理。

3) 通过实验对比研究发现,小波阈值法提取表征泄漏信号的重要特征信号,同时最大可能保持着整个频段的信号特征,对整个频段内信号进行阈值化降噪处理,因此小波阈值法更适用于供热管道泄漏信号的降噪处理,定位精度更高。由于供热管道现场检测环境复杂,易产生噪声信号,影响泄漏检测的准确性,后续将结合实际工程环境,增加工程实验数据样本,进一步丰富本降噪方法的工程研究。