数据融合技术在天然气管网泄漏监测系统中的应用

摘要：数据融合技术作为现代化的一个科学手段，能够对正在运行的系统进行实时监控，例如该技术在高压力、大口径、长距离天然气输送管道中的使用，能够对天然气管网的运行状态进行实时监测，有效的处置一些在人力和环境影响下难以排除的故障，从而保证天然气运行的安全、平稳、高效，因此数据融合技术具有非常重要的作用。当天然气管网发生泄漏时，各个节点的传感器能够对该节点中的天然气信息进行采集，然后将结果上传到生产控制中心进行分析和处理，对管道泄漏监测网络的多源信息处理方法进行研究。

关键词：数据融合技术；天然气；泄漏监测

中图分类号：TB

文献标识码：A

1天然气管道泄漏的原因

天然气管道泄漏的原因有很多，既有天然气管道内部因素的影响又有外部突发事件的影响，根据对最近几年天然气管道泄漏的原因进行总结可以发现泄漏的原因可以分为以下几类。

1.1管道腐蚀

当管道外防腐层因施工质量或外来因素破坏，发生破损时与土壤接触后形成化学腐蚀。当管道阴极保护失效时也会发生腐蚀。当管道长期处置于潮湿或含有腐蚀性介质中也会发生腐蚀。当天然气气质中含有硫化氢、二氧化硫等与管道中的水发生反应时也会对管道内壁造成腐蚀。

1.2施工破坏

由于天然气的管网敷设在地面以下，其他工程施工的过程中由于过分的挖掘就有可能破坏到管网。除此之外由于车辆等一些重型机械设备长时间在路面碾压，导致路面长期处于超载的状况，极有可能破坏地表的管网。

1.3管道地质灾害

管道地质灾害是在自然因素的影响下，对管道本体和运营环境造成破坏，目前最常见的管道地质灾害有滑坡、崩塌、泥石流、河道沟水毁等。由于管道地质灾害具有突发性、长期性和危害巨大等特点，因此需要对管道的运行状况进行实时监测，一旦发生问题要及时的解决和处理。

2主要的泄漏监测方法及原理

目前管道泄漏监测技术主要有以下两种，一种是基于硬件的监测方法，一种是局域软件的监测方式。由于目前导致天然气泄漏的原因有多种，因此针对不同的泄露方法有不同的监测方式，本文主要就是对常见的模态声发射法和负压波法的工作原理进行分析和介绍。

2.1模态声发射法

该方法是一种动态无损监测方式，该方式是利用仪器发出信号，然后进行信号的接收，通过对接收声源进行分析，从而对泄露的区域进行确定。实际上模态声发射法就是对泄露区域的材料缺陷进行监测。据调查天然气材料本身都具有发声特性，因此在进行监测时不仅能够监测出天然气泄漏还能够对泄露的位置进行定位。

该方法主要的工作原理是：天然气泄露时在管内外会形成不同的压力差，这样在管道中就会出现多相湍射流，该射流不但会扰乱天然气的流动方向还能够在管道与其周围的介质发生相互作用产生高频应力波，该波会携带泄露位置、泄露处的形状和大小等沿着管壁向两侧进行传播，接收器接收到发射信号之后通过对这些信号进行处理和分析，判断天然气泄漏的位置。

2.2负压波法

负压波法主要是在管线泄漏监测中对泄漏点进行定位监测，在使用的过程中具有设备少、操作简单、成本低、监测速度快、定位精度高、灵敏度好的特点。

该方法的主要工作原理主要是：当管道发生泄漏时，泄露处就会流失一部分的天然气，这样在泄露处的密度就会降低，压力也会随之降低，这样减压波源就会在泄漏点的上下游以声波的速度进行传播。在泄露处的两端的压力传感器对周围的压力进行数据的采集，然后将采集信号的特征以及上下游的负压力波到达传感器的时间差进行分析，从而确定泄露的大小和泄露的位置。当监测完压力的信号之后还需要根据其变化的程度与标准情况进行对比，对泄露进行判断。

3天然气泄漏监测数据融合方法

为了有效的提高天然气泄漏的监测，减少由于天然气泄漏造成的安全事故，相关研究人员提出了利用基于神经网络、证据理论等方法的融合处理方式，从而对一个或者是多个的传感器进行同时的监测和分析，以提高监测的精确度。

传感器的功能不同，在进行数据采集的过程中所监测的数据和需要进行数据的传递信息也是不相同的，因此需要对这些信息进行实时监控，采用有效的融合方式能够充分的利用各个传感器传递的信息，并对其进行对比和分析，产生新的融合效果。

在无线传感器网络检测体系中，具有大量的网络节点，每个节点都能够对管道中的压力、流量、温度等相关信息进行监测，对监测到的原始数據进行特征分析，从大量的数据中提取有效的信息，比如说泄漏的位置信息，然后将各个节点的有效信息汇聚到节点处，由节点处进行数据的融合，对原始的数据进行处理和判断，将这些原始数据再上传到控制中心中，由控制中心的计算机进行智能化的分析和处理。原始信号的采集、初级处理都是由传感器的节点来完成的，而高级信息融合则是由汇聚处的节点完成的，最终的判断结果则是由计算机和人工处理的，这样信息经过层层的分析和处理能够达到的提高数据处理的速度，还能够减轻人工分析的工作量，提高工作效率，保证系统运行的可靠性。监测数据融合方法与传统监测方法之间最大的区别就是利用了多个节点进行同时监控，这样可以对泄漏点的位置和形状等进行精确的判断，从而保证监测的准确度。

泄漏点的信息发生在数据处理的每一个环节中，因此可以说数据的融合决定着最后系统检测功能的成果，要想快速、稳定的监测到管网运行过程中的数据参数，就需要保证数据能够很好的实现融合功能。

4天然气管网泄漏监测的实现

在本次研究的过程中主要就是利用蚁群算法对管网的运行状态进行优化。蚁群算法就是将数据进行并行计算，而且在计算的过程中每一个程序之间的运行都不会对其他的运算过程产生硬性，只需要一个信息素进行数据之间的通信即可。蚁群算法不仅能够保证算法的精确性，还能够保持数据的搜索功能。

对蚁群算法进行分析可以知道该算法在实质上就是一个正反馈算法，也就是说该算法在进行计算的过程中主要就是模拟蚂蚁的运行方法，从而找到最优的运行路线，而在计算中的信息素就是对起始数据的一个反馈。不同的信息素经过不同的算法会吸引更多的数据信息，然后进行反馈，对系统的运行进行不断的优化，因此蚁群算法就是一个数据逐渐演变的过程。

具体的数据处理流程如下，Tabu（k）表示第k只蚂蚁在此时刻还没有访问过的区域集合。

4.1算法流程

从以上的分析中可以知道在进行算法计算的过程中与神经网络的计算方法进行结合应用，可以构建一个良好的数据融合系统，而且该系统主要的工作流程有：

第一，对在天然气管道中利用传感器的作用对泄露的数据进行采集和整理，然后利用小波分析法对采集到的数据进行特征分析，找到其中攜带有泄漏信息的特征信号，然后将这些信号汇聚到节点处，然后利用节点的作用进行信息的融合；

第二，根据系统的问题大小和规模，确定在神经网络计算的过程中输入和输出的个数，然后对神经网络中的权值和阈值进行初始化设置，以保证在系统运行之初运行参数的正确性；

第三，利用蚁群算法对在神经网络中出现的数值进行优化，从而找到最优参数；

第四，将已经利用蚁群算法优化后的神经网络进行应用，从而找到在管网中的泄露信息。

4.2仿真实现

神经网络所选择的结构决定着整个问题的规模，其中具体的算法数据如下表1所示。

通过仿真可以知道，在进行数据处理的过程中利用蚁群算法能够很好的对神经网络进行改进，这样可以有效的对数据进行处理。实际上蚁群算法能够对神经网络之间的各个神经元之间的权值和阈值进行优化，从而对神经元网络结构进行优化，平衡神经元之间权值和阈值的大小。

5结论

在天然气管道管理的过程中需要对其运行状态进行实时的监测，及时识别管道泄露状况，本文在进行研究的过程中就是利用数据融合技术为用户建立一个完全智能化的系统，从而实现对官网的实时动态监控，一旦运行中出现问题系统就会自动进行处理，从而精准的对泄漏位置进行定位，避免在人工监测中出现工作效率低下等问题，保证人民的生命和财产安全。

参考文献

[1]王延年，赵玉龙，朱笠等.分布式光纤传感器在管道泄漏监测中的应用[J].郑州大学学报（理学版），2003，35（2）：3437.

[2]石小琳，孙志毅，何秋生等.信息融合在输油管道泄漏监测中的应用研究[J].自动化仪表，2011，32（7）：3840.

[3]赵江，王昭雷，赵英宝.基于信息融合的管道泄漏监测应用研究[J].工业控制计算机，2007（12）：1920.

[4]高丙坤，严娓，岳茂兴.基于神经网络证据理论的天然气管道泄漏监测[J].化工自动化及仪表，2012，39（10）：2023.

[5]王新颖，江志伟，于永亮等.多信息融合的城市燃气管道泄漏诊断技术研究[J].中国安全科学学报，2014，24（6）：165170.

[6]余阳，吴银锋，冯仁剑等.应用于管道气体泄漏监测的WSN层级式数据融合方法[J].高技术通讯，2012，22（1）：17.

[7]陈斌.天然气管道泄漏监测网络的多源数据融合方法与关键技术研究[D].北京：北京邮电大学，2009.

[8]赵江，王昭雷，赵英宝.基于信息融合算法的管道泄漏监测技术研究[J].自动化信息，2007，（8）：4243.

[9]江志伟.基于支持向量机与多特征融合的城市燃气管道泄漏声发射诊断技术研究[D].常州：常州大学，2015.

[10]秦楠.基于神经网络的城市天然气管网泄漏监测数据融合研究[D].北京：北京邮电大学，2009.

推荐访问:管网 泄漏 天然气 监测 融合