长输油管道泄漏检测与定位技术研究进展.pdf

投稿网址:2023 年 第23 卷 第24 期2023,23(24):10177-13科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-11-03修订日期:2023-05-26基金项目:国家自然科学基金面上项目(62173049,61772086)第一作者:蔡昌新(1974),男,汉族,湖北松滋人,博士,副教授,研究方向:智能仪器设计。E-mail:.通信作者:易康(1997),男,汉族,湖北荆州人,硕士研究生。研究方向:物联网与智能检测技术。E-mail:871238245 。引用格式:蔡昌新,易康,廖锐全.长输油管道泄漏检测与定位技术研究进展J.科学技术与工程,2023,23(24):10177-10189.Cai Changxin,Yi Kang,Liao Ruiquan.Research progress on leak detection and location technology for long-distance oil pipelineJ.Sci-ence Technology and Engineering,2023,23(24):10177-10189.石油、天然气工业长输油管道泄漏检测与定位技术研究进展蔡昌新1,易康1,廖锐全2(1.长江大学电子信息学院,荆州 434023;2.长江大学石油工程学院,武汉 430000)摘 要 长输油管道泄漏事故不仅会造成重大经济损失,而且会给生态环境带来灾难性的破坏,因此对长输油管道进行在线实时监测与快速精准定位是保障管道安全运行的核心要素。首先对目前中外常用的泄漏检测技术进行了分类总结,其次详细论述了长输油管道泄漏检测技术原理、性能及其优缺点,并对长输油管道泄漏检测中存在的微小泄漏、缓泄漏等难点问题进行了重点评述。最后在全面总结现有研究成果的基础上,对长输油管道泄漏检测技术的发展潜力、应用前景、目前存在的问题以及如何进行下一步研究进行了深刻的分析和展望,认为干涉型分布式光纤传感法联合深度学习模式识别技术可以更好地实现远距离输油管道泄漏检测领域的智能化、高效化,并在未来的泄漏检测领域具有良好的应用前景。关键词 泄漏检测;输油管道;定位技术中图法分类号 TE832;文献标志码 AResearch Progress on Leak Detection and LocationTechnology for Long-distance Oil PipelineCAI Chang-xin1,YI Kang1,LIAO Rui-quan2(1.School of Electronic Information,Yangtze University,Jingzhou 434023,China;2.School of Petroleum Engineering,Yangtze University,Wuhan 430000,China)Abstract Long-distance pipeline leaks not only cause significant economic losses,but also bring catastrophic damage to the ecolog-ical environment,so online real-time monitoring and rapid and accurate positioning of long-distance pipelines are the core elements toensure safe operation of pipelines.Firstly,the commonly used leak detection technologies at home and abroad were classified and sum-marized.Secondly,the principles,performance and advantages and disadvantages of the long-distance pipeline leak detection technolo-gies were discussed in detail,and the difficult problems such as tiny leaks and slow leaks in long-distance pipeline leak detection werehighlighted in the review.Finally,on the basis of a comprehensive summary of existing research results,the development potential oflong-distance pipeline leak detection technology,application prospects,current problems and how to carry out the next step of researchwere profoundly analyzed and prospected.It is concluded that the interferometric distributed fiber optic sensing method combined withdeep learning pattern recognition technology can better achieve intelligence and efficiency in the field of long-distance oil pipeline leakdetection,and has good application prospects in the future leak detection field.Keywords leak detection;oil pipeline;location technology 油气资源的主要运输方式是管道运输。相比于其他运输方式,管道运输具有安全、经济、高效的优势。随着管道运营里程不断增加,管道的安全运行也面临着巨大的考验。引发管道泄漏事故的主要因素有:管道内部流体介质的腐蚀、管道自然老化、自然灾害等1。近年来,世界上已经发生了多起管道泄漏事故。2013 年 11 月 22 日,中国青岛市某地的输油管道与排水暗渠交汇处由于管道的自然腐蚀、道路承重、长期振动等原因,导致原油管道泄漏。在处理事故的过程中,由于处置工人操作不当,产生撞击火花,从而引发暗渠内油气爆炸。该事故造成多人受伤,直接经济损失高达近 8 亿元。2021 年 10 月,美国加利福尼亚南部海岸发生严重原油管道泄漏事故,事故的主要原因是原油管道遭投稿网址:到船锚撞击而破裂。事故造成近 48 104L 原油被排入太平洋,并在海面上产生了 35 km2的浮油,给当地海洋生态环境带来了灾难性的影响。泄漏事故不仅会影响管道的正常运行,而且会严重威胁人类生存环境,其造成的后果是难以估量的,因此建立长输油管道在线实时监测系统具有重大的现实意义。纵观目前中外相关文献,对管道泄漏检测技术进行系统评述的研究尚鲜见报道。鉴于此对目前常用的长输油管道泄漏检测技术的最新研究成果和存在的问题进行分析总结,并对长输油管道泄漏检测技术的应用前景和下一步研究方向进行分析和展望,以期为后续中国长输油管道泄漏检测技术的发展提供参考。1 管道泄漏检测主要方法及分类管道泄漏检测技术经过数十年的发展,形成了多种管道泄漏检测与定位方法。按照检测对象可分为直接检漏法和间接检漏法;按照检测部位可分为管道内部检测法和管道外部检测法;按照检测原理及测量手段可分为人工巡检法、基于硬件检测方法和基于软件检测方法2。从第三种分类角度对各种管道泄漏检测方法进行详细的分析论述,管道泄漏检测方法分类如图 1 所示。2 基于人工巡检的管道泄漏检测法人工巡检法是通过巡检人员手持便捷式的高精度检测设备沿管道逐段进行巡查,然后利用检测设备的反馈信息和人体相应的感觉器官来判定管道泄漏点的位置。该方法的优点在于简单直接,在检测管道泄漏的同时也能防止违规施工的情况发生。但该方法需要耗费较大的人力成本,并且仅限于对地面的管道进行检测,而对埋在地下的管道以及人力所不能及的地方无法进行有效的巡检。因此人工巡检法无法对复杂的管道环境进行实时监测,会被自动实时监测系统所取代。3 基于硬件的管道泄漏检测法3.1 负压波法由于管道内的液体处在高温高压的状态下,当管道发生泄漏时,泄漏点处的压力会发生突变,并且与相邻区域形成压力差。泄漏产生的压力差会以一定的速度从漏点处向管道两端传播,进而形成负压波3。负压波检漏法的定位原理是根据管道两端压力传感器获取的负压波信号时间差和负压波波速进行泄漏点的定位4。其定位原理如图 25所示。影响负压波检漏法定位精度的主要因素有:一方面是由于管道的材质、传输介质对负压波信号强度和负压波波速会产生极大的干扰;另一方面是所采集到的原始压力信号包含大量高频噪声,使得压力传感器无法准确获取负压波信号时间差。经过数十年的发展,学者们在提高定位精度、降低误报警率等方面进行了大量的研究。王正等6提出了一种基于多压力传感器负压波的管道泄漏检测方法,其检测原理如图 36所示。该方法通过分析压力传感器接收到负压波的先后顺序来判断引起压力突变的原因是管道泄漏还是工况调整。并且针对泄漏点在同一端两个压力传感器之间的特殊情况,设计了一种多压力传感器的结构来解决上述问题,检测原理如图 46所示。L 为首末站压力传感器之间的距离;X 为泄漏点到首站压力传感器之间的距离;L-X 为泄漏点到末站压力传感器之间的距离图 2 基于负压波泄漏检测定位原理图5Fig.2 Schematic diagram of leak detection and locationbased on negative pressure wave5图 1 管道泄漏检测方法分类图Fig.1 Classification diagram of pipeline leakage detection methods87101科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址: 仿真实验表明,该方法能准确地辨别管道的运行工况,从而降低系统的误报警率。但该模型的缺点是安装成本高、维护难度大、结构复杂,若将此多传感器负压波泄漏检测模型应用到实际的长输油管道中还需进一步优化。随着管道泄漏检测技术不断发展,涌现出一些将物理方法、优良的降噪算法与负压波法相结合的泄漏检测技术。Jia 等7将研制的光纤光栅(fiberbragg grating,FBG)环向应变传感器与负压波检漏法进行结合,并用于管道的泄漏检测与定位中,新型 FBG 环向应变传感器灵敏度极高、检测范围广、不需要穿透管道。该技术充分研究了负压波能量衰减对 FBG 环向应变传感器性能的影响,通过物理手段来提高管道泄漏检测系统的整体性能,在未来的管道泄漏检测领域中具有一定的应用前景。Liu等8提出了一种基于变分模态分解(variationalmode decomposition,VMD)的自适应降噪方法来提高漏点定位的精度。该方法利用信息熵理论来优化 VMD 算法的分解层数,再利用互相关系数筛选出有效的本征模态分量(intrinsic mode function,IMF),最后对这些分量进行重构,得到降噪后的信号。该方法的优势在于经过降噪后能保留原始信号的特征并且能明显地识别出负压波信号的拐点。A1 为泵 1 站近端压力传感器;A2 为泵 1 站远端压力传感器;B1 为泵 2 站远端压力传感器;B2 为泵 2 站近端压力传感器图 3 双传感器负压波检测原理图6Fig.3 Schematic diagram of double sensor negativepressure wave detection6C1 为泵 1 站站前远端压力传感器;C2 为泵 1 站站前近端压力传感器;A1 为泵 1 站站后近端压力传感器;A2 为泵 1 站站后远端压力传感器;B1 为泵 2 站站前远端压力传感器;B2 为泵 2站站前近端压力传感器;D1 为泵 2 站站后近端压力传感器;D2 为泵 2 站站后远端压力传感器图 4 多传感器负压波检测原理图6Fig.4 Schematic diagram of multi-sensor negativepressure wave detection6但其检测的长度较短,并未在实际的长输油管道上进行泄漏检测的定位实验。负压波检漏法对于突发且泄漏量较大的泄漏事故具有反应时间短、灵敏度高、定位精准的优势9。但进行管道工况的调整时,会发生误报的情况,且对微小泄漏、缓慢泄漏的检测效果并不理想;也存在因外部噪声的干扰使得压力信号的拐点难以获取的问题10。在后续的研究工作中,如何有效区分管道工况的调整,降低误报警率是负压波检漏法亟需突破的关键问题。3.2 声波检测法声波检测法与负压波检漏法的原理基本类似。当管道发生泄漏时,泄漏处与管壁相互作用产生声波并向管壁两侧传播,根据声波在不同介质中的传播速度、管道上下两端声波传感器接收到声波信号的时间差以及相关信号处理方法进行泄漏点的精准定位。声波泄漏检测系统结构如图511所示。利用声波检测法进行漏点定位的关键在于如何在外部环境干扰的情况下准确的检测出声波信号以及如何利用高效的信号处理方法求出不同声波传感器捕获到声波信号的时间差。汪建新等12针对管道声波法泄漏检测噪声干扰大的问题,提出一种基于最优小波基的信号降噪方法。该方法根据小波变换求出声波信号的频率分布来确定最优小波基,再通过信号重构滤除噪声信号。其优势在于可以根据实际条件来选择小波变换系数,从而达到理想的降噪效果。何佳霖等13研制出一种采用新型柔性压电薄膜材质的声发射传感器,并成功应用到管道的泄漏检测中。新型柔性压电薄膜传感器比传统压电陶瓷式传感器的灵敏度更高、响应幅值更大,并且能安图 5 声波泄漏检测系统原理图11Fig.5 Schematic diagram of acoustic leakagedetection system11971012023,23(24)蔡昌新,等:长输油管道泄漏检测与定位技术研究进展投稿网址:装在复杂的管道环境中。该新型声发射传感器突破性地解决了传统传感器的测量精度问题,对声波法在管道泄漏检测领域中的应用具有重要的意义。声波检测法也是中外应用较为广泛的管道泄漏检测方法。在管道上布置一定数量的声波传感器,就可以满足远距离输油管道泄漏检测的相关需求。该方法安装简单,适用性强,但声波检漏法对于自然腐蚀、打孔等缺陷引起的微泄漏并不适用,时常出现漏报现象。随着高精度新型声发射传感器的成功研制,在后阶段的研究工作中,可以考虑将新型的声发射传感器和高效率的降噪算法进行联合使用,以便能尽快地实现管道微小泄漏检测方面的突破。3.3 漏磁内检法漏磁内检法是一种管道内部无损探伤检测技术,漏磁检测不需要耦合剂,抗干扰性强,检测速度快,适用于长距离管道的快速检测14。漏磁内检法的基本原理是利用永久磁铁对具有铁磁性的管壁进行充分磁化,当管道发生泄漏时,原先平行于管道的磁力线会通过缺陷处漏出管道表面,产生漏磁通15,再通过磁敏传感器检测相应的漏磁信号,进一步对所检测的漏磁信号进行分析,从而判断出缺陷的大小和位置。漏磁内检法的原理如图 616所示。影响漏磁内检法性能的关键因素是如何在实际环境中实现磁化饱和或者近似饱和。因此目前的攻克方向主要集中在磁化技术的改进和非饱和磁化状态下的特性研究17。冯庆善18详细地介绍了一种三轴漏磁内检技术,该技术可以分别检测沿管道的周向方向、半径方向以及平行于管道中心轴向的漏磁分量,其三维分量示意图如图 718所示。该技术解决了传统漏磁内检测器只能检测单一方向的磁力线强度变化问题,在管道泄漏检测领域中具有一定的前瞻性,可以应用于管道裂缝、腐蚀穿孔等微小泄漏的情况中。Singh 等19从传感器技术方面对磁化检测技术图 6 管道漏磁内检法原理图16Fig.6 Schematic diagram of pipeline magnetic leakageinternal inspection method16图 7 漏磁检测三维分量示意图18Fig.7 Schematic diagram of three-dimensionalcomponents of magnetic flux leakage detection18进行了改进,开发出了一款高灵敏度的漏磁检测仪,用于对铁磁管道的缺陷进行高清成像。该仪器便于携带,不仅能够检测出大孔径泄漏的漏磁信号,也能检测微小泄漏孔径的弱磁性信号,十分适应于铁磁管道微小泄漏的检测。刘桐等20提出了一种基于 J-A(Jiles-Atherton)理论的应力-磁荷模型。该模型深入研究了管道内压对漏磁信号的强度以及泄漏孔径对漏磁信号轴向和径向分量的影响规律。其研究成果对建立实时管道漏磁内检模型具有一定的参考价值。由于管道周围环境以及漏磁信号的复杂性,泄漏反演目前已成为漏磁内检法的研究热点。卢森骧等21提出了一种基于三轴融合的漏磁内检反演方法研究,解决了传统单轴反演方法存在的估计尺寸精度低、模型复杂等问题。该方法先利用加权随机森林算法分别实现各单轴漏磁的信号的缺陷反演,再采用模糊推理算法对各单轴反演结果进行融合,最终得到准确的泄漏预测尺寸。对比传统的单轴反演方法,该方法能大幅地提升漏磁缺陷的反演精度。同时该方法为人工智能算法在漏磁缺陷检测中的应用提供了事实依据。漏磁内检法可以检测出管壁的破损程度和裂痕情况,具有定位精准、灵敏度高的优点,对微小孔径泄漏、缓泄漏均适用。但该方法关于漏磁激励方式、漏磁信号的降噪处理与数据处理、不同类型缺陷漏磁场数学模型的建立等问题有待进一步解决。3.4 智能球形内检法常用的管道泄漏检测方法对于管道微泄漏所产生的压力、流量变化不敏感,并且根据漏磁内检法原理所研制的内检测器存在体积庞大、检测成本高、易卡堵的缺点。针对上述问题,学者们研发了一种智能球形内检测器。其检测原理是通过其内部搭载的高精度传感器来采集管道的泄漏信号,再利用上位机软件分析解读信号,最后对微泄漏点进行精准定位。马晓斌等22介绍了一种 Smart ball 自漂流式检漏系统,该检漏系统的核心部件为智能球,其基本结构如图 822所示。08101科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:该智能球主要由抗腐蚀性的氨基甲酸乙酯球壳、多种传感器(加速度计、磁性传感器、压力变送器)、数据采集存储器以及电源组成。在青海省的某段管线上进行了 Smart ball 自漂流式检漏系统的定位实验。在实验过程中,利用该系统所检测到的泄漏点距发射处 70 449 m,流量为 0.5 L/min,并且将检测结果与实际漏点位置进行比较,定位误差仅为 2 m。这是 Smart ball 首次在中国输油管道的应用,不仅可以检测单漏点,对多漏点也十分有效,为中国的管道泄漏检测领域提供了一项新技术和新方案。郭世旭等23自主研发了一款应用于管道微小泄漏检测的智能球形内检测器,其详细内部结构如图 923所示。该检测器包括多种高灵敏度的传感单元、数据采集存储单元、耐压耐腐蚀的高强度壳体、移动电源模块。为了满足远距离输油管道泄漏检测的需求,必须保证智能球形内检测器在管道内的工作时间。智能球形内检测器的内部空间、电源容量是影响其能否实现长距离泄漏检测的关键因素。芮小博24进行了管道智能球形内检测器自供能关键技术研究。图 8 智能球基本结构图22Fig.8 Basic structure diagram of smart ball22图 9 球形内检测器内部结构图23Fig.9 Internal structure diagram of thespherical inner detector23该技术总结了智能球形内检测器在管道约束运动条件下的三轴加速度变化规律,并设计了一种三波束冲击能量收集器来提升低频旋转运动时的能量转换效率25。该技术利用球形内检测器在滚动时产生的机械能为其自身供能,有效的解决了有限电池容量与长续航检测需求的矛盾,具有良好的应用前景。随着研究的深入,目前也涌现出与智能球形内检法相似的管道微小泄漏检测方法。景丽暄等26提出了一种利用管道巡检机器人搭载管道泄漏检测系统的方式在管道外部进行定期巡检的方法。这种自动巡检的管外检测方法与球形内检法类似,也需要对整个管段进行检测,只是检测部位有所不同。但管道机器人巡检法的应用场景容易受检测条件限制,对地下或者海底管道无法进行泄漏检测。智能球形内检测器具有体积小、灵敏度高、不易卡堵、制造成本低等优点,适用于管道微小泄漏检测。尽管目前智能球形内检测器已成功应用到陆地管道泄漏检测中,但其在复杂、特殊管道环境中的应用情况仍有待进一步研究。3.5 分布式光纤传感检漏法随着光纤通信技术的迅速发展,光纤传感技术也逐渐受到广泛的关注。光纤传感技术是一种感知和传输外界信号的新型传感技术,并且已经应用到城镇输油管道泄漏检测中。当管道发生泄漏时,会引起管壁的振动以及周围环境温度变化,进而引起铺设在管道上光纤的特征参数(应变力、温度)变化。分布式光纤传感检漏法主要分为后向散射型分布式光纤传感检漏法和干涉型分布式光纤传感检漏法。3.5.1 后向散射型分布式光纤传感检漏法光波的散射主要包括 Roman 散射、Rayleigh 散射、Brillouin 散射27。根据光纤散射图谱,光波的散射光波长相对于入射光波长会出现一定程度的偏移。利用这种特性,再结合光时域反射(opticaltime domain reflectometer,OTDR)技术就可以组成不同种类的散射型分布式光纤传感器。其中,基于Rayleigh 和 Brillouin 的分布式光纤传感技术对应变力和温度均敏感,而 Roman 散射信号只对温度变化敏感28。Wang 等29利用后向瑞利散射原理,开发出一款高性能分布式光纤声波传感系统,实验表明,该系统可以准确检测出加压 0.05 MPa 的气体泄漏。但其研究成果是通过模拟的管道泄漏实验得出的,并未在实际的现场进行验证。因此该系统在管道泄漏检测领域的广泛应用仍有待验证。181012023,23(24)蔡昌新,等:长输油管道泄漏检测与定位技术研究进展投稿网址:后向散射型分布式光纤传感法在检测强振动、静态损耗方面具有一定的优势。但该方法对于微弱振动检测难以达到理性的效果,并且对光源要求高、解调算法复杂、探测设备硬件成本高,这极大地限制了其在实际管道泄漏检测中的应用。3.5.2 干涉型分布式光纤传感检漏法干涉技术具有频率响应宽、光路结构简单、定位精度高以及灵敏度高等优点30-32。将光的干涉原理与分布式光纤传感技术结合形成干涉型分布式光纤传感泄漏检测系统,不仅可以对输油管道微小泄漏进行实时监测,也可以对人为破坏以及自然灾害引起的管道泄漏事故进行预报警。干涉型分布式光纤传感法主要分为基于 Sagnac 的分布式光纤传感法和基于 Mach-Zehnder 的分布式光纤传感法。(1)基于 Sagnac 的分布式光纤传感法。杭利军等33提出了一种基于 Sagnac 干涉型管道泄漏检测系统,其详细结构如图 1033所示。光源经过光电耦合器分光之后分别沿顺时针和逆时针方向在光纤中传播,当管道发生泄漏时,泄漏噪声会使泄漏点处的光纤产生扰动,进而在光电耦合器处发生干涉并产生相位差,再进一步分析光电探测器的输出情况,从而进行漏点的定位。该系统可以实现长距离输油管道的微小泄漏检测,但由于系统采用的是普通单模光纤,因此该检测系统存在偏振态衰减的问题。谭靖等34通过在传感光纤A 为末端光纤环路的端点;B 为首端顺时针光纤支路的端点;C 为首端逆时针光纤支路的端点;R 为泄漏点到末端光纤的距离图 10 基于 Sagnac 干涉型管道泄漏检测系统33Fig.10 Sagnac interference pipeline leakdetection system33的末端安装法拉第旋转镜来代替光纤环,从而有效地解决了因单模光纤双折射引起的偏振态衰减的问题,提高了漏点的定位精度。为了解决水下输油管道的泄漏检测问题,蒋庆等35提出了一种面向水下输油管道的分布式光纤泄漏检测技术。该技术利用 Sagnac 散射原理,建立零点频率分辨率和泄漏点之间的对应关系,避免了外部环境的干扰。在全长 6.5 km 管道上进行定位实验,相对定位误差小于 0.2%。该技术验证了混合干涉原理在水下管道泄漏检测的可行性,为水下复杂环境的管道泄漏检测提供了一种新方法。但该方法易受噪声的干扰,需要结合优良的降噪算法来提高漏点的定位精度。同时光纤在海底的安装难度大、易腐蚀,因此该方法需进一步研究在水下管道泄漏检测的持续性。基于 Sagnac 的分布式光纤传感法具有光路结构简单、对光源要求低的优点。但存在定位距离短、信号处理复杂、定位精度易受外部噪声干扰、无抗偏振衰落等缺点,这限制了其在远距离输油管道泄漏检测中的应用。(2)基于 Mach-Zehnder 的分布式光纤传感法。周琰等36开发出一种基于 Mach-Zehnder 分布式光纤管道泄漏检测系统,其系统检测原理如图 1136所示。该系统一共采用三条单模光纤,其中两条光纤构成两个测试光臂,第三条光纤则用于信号传输。光电探测器获取沿管道的泄漏信号,再将光信号转换成电信号,并利用放大和滤波电路对信号进行初步处理,经过数模转换传输到计算机处理中心进行最终的信号处理和分析。在该系统中,光隔离器的PD 为光电探测器;LD 为半导体激光器;A/D 为数模转换模块图 11 基于 Mach-Zehnder 分布式光纤管道泄漏检测与定位系统结构图36Fig.11 Structure diagram of distributed optical fiber pipelineleakage detection and location system based on Mach-Zehnder3628101科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:作用是只允许光波单向传输。这是为了防止光波反向传输形成新的谐振频率,导致输出的干涉信号出现不稳定的周期变化。该团队的研究成果为Mach-Zehnder 干涉型分布式光纤传感技术在实际管道泄漏检测中的应用提供了理论依据,并且经过现场实验证明了该检测系统可以检测泄漏孔径大于3 mm的泄漏点,适用长输油管道微小泄漏检测。(3)多干涉型分布式光纤传感法。目前,许多学者在单一干涉技术的基础上提出了一些不同结构的多干涉型的分布式光纤传感技术。其中包括双 Sagnac37、Sagnac 和 Mach-Zehnder38以 及 双Mach-Zehnder39等多干涉型分布式光纤传感结构。前两种多干涉型的分布式光纤传感技术在定位的过程中需要解调出干涉信号的绝对相位,而基于双Mach-Zehnder 的分布式光纤传感技术则无需解调出干涉信号的绝对相位,而是利用干涉信号之间的相关特性进行漏点的定位,避免了求取绝对相位过程中的复杂积分运算。重庆大学光电技术实验室自主研制了基于双Mach-Zehnder 分布式光纤传感系统40,其定位原理如图 1240所示。激光器发出的激光经过光隔离器到达光纤耦合器 G1 时均分为两束,其中一束经过光纤耦合器G2 时分为两束分别进入传感光纤的两个干涉臂。在光纤耦合器 G3 处发生干涉,干涉信号经过传导光纤进入光纤耦合器 G4 时被光电探测器 PD2 接收,从而构成一个顺时针方向的马赫-曾德尔型干涉仪;另一束经过光纤耦合器 G4 进入传导光纤,再经过光纤耦合器 G3 时分为两束分别进入传感光纤的两个干涉臂,两束光在光纤耦合器 G2 处发生干涉,被光电探测器 PD1 接收,从而构成一个逆时针方向Laser 为光源;DAPS 为数据采集处理系统;PD1、PD2 为光电探测器;G1、G2、G3、G4 为光纤耦合器;D 为外部扰动点;F1、F2 为干涉光纤,F3 为传感光纤;I 为光隔离器;X为外部扰动点到光纤末端的距离;L为光纤长度图 12 双 Mach-Zehnder 分布式光纤传感系统定位原理40Fig.12 Schematic diagram of positioning of dualMach-Zehnder distributed optical fiber sensing system40的马赫-曾德尔型干涉仪。光电探测器将探测到的干涉光信号转化为电信号,再经过干涉信号的互相关运算求得外部扰动的位置。该团队所研究的技术主要提高了系统抗偏振衰落能力和实现了高精度的定位算法。但其研究成果是在理想的实验环境中得出的,因此与实际工况存在一定的差距。随着双 Mach-Zehnder 干涉仪在管道微泄漏检测中的应用日益增加,这对其定位精度也有了更深层次的要求。杨文晨等41针对传统的双马赫-曾德尔干涉仪易受外部环境噪声干扰的问题,提出了一种基于希尔伯特-黄变换的双马赫-曾德尔分布式光纤传感振动定位方法。该方法主要对获取的干涉信号进行本征模态分解,从中提取出降噪后的振动信号,再通过互相关延时计算出两路干涉信号的时间差,最终得出外部扰动的准确位置。根据实验结果表明,该方法在 2 km 的传感光纤长度、10 MHz 采样率下,定位精度可达 10 m。对比传统的互相关计算方法,此方法可以有效识别并提取出干涉信号的特征信息,在实际的管道微小泄漏检测中具有一定的实用价值。基于双 Mach-Zehnder 的分布式光纤传感系统因其灵敏度高、响应速度快、定位精确,逐渐成为分布式光纤传感系统的研究热点,并已应用于输油管道的安全预警、海底线缆监控等领域42。因此,其在长输油管道泄漏检测的预警与定位方面具有重大的实用前景。3.5.3 基于人工智能的分布式光纤传感检漏法为了更好地提高管道微泄漏检测中的定位精度和泄漏识别率,学者们将人工智能这一新兴技术与分布式光纤传感技术进行联合,并运用到复杂环境下的管道微泄漏检中。黄悦等43利用 Sagnac 和 Mach-Zehnder 混合干涉仪的定位原理,提出一种基于支持向量机(supportvector machine,SVM)的分布式光纤泄漏检测定位方法。该方法利用 SVM 模型建立泄漏数据的回归模型,并优化了模型的相关参数,最终提高了漏点的定位精度。该方法通过在实验室中的模拟实验证明所提理论的有效性,但当检测长度超过一定范围,该模型的灵敏度偏低,在远距离泄漏检测方面仍需进一步改进。冀汶莉等44以分布式光纤传感技术为基础,提出一种基于遗传算法-深度神经网络的预测模型。该模型将光纤频移数据值作为模型的特征输入向量,并采用遗传算法对模型参数进行寻优。该模型预测的准确率高,为基于人工智能的分布式光纤传381012023,23(24)蔡昌新,等:长输油管道泄漏检测与定位技术研究进展投稿网址:感检漏法在长输油管道泄漏识别中的应用提供了新思路。由于分布式光纤振动传感器具有耐腐蚀、安全可靠、无损检测以及灵敏度高等特点,十分适合地下长距离输油管道的泄漏预警和检测。目前,分布式光纤传感技术在管道泄漏检测领域取得了较大的进步,但离实现管道泄漏检测的智能化还有较大的差距。在未来的研究工作中,应深入研究基于人工智能的光纤传感技术,使得各自的技术优势进行互补,早日实现智能管道泄漏检测系统的产品化。4 基于软件的管道泄漏检测法4.1 瞬态模型法瞬态模型法45是通过瞬变流原理及热力方程建立数学模型,模型中包含油品压力、密度等参数。通过设定管道内部的边界条件,将模型参数的计算值与实际测量值进行比较,当二者之间的偏差大于预设值时即认为发生了泄漏。孟令雅46通过建立管道的实时瞬态模型推导出漏点的定位公式,并深入分析了泄漏量和漏点的位置对定位误差的影响。其研究结果为瞬态模型法应用到实际管道泄漏检测中提供了理论支持。佟淑娇等47针对以稳态模型法计算管道泄漏量存在较大误差的问题,进行了基于瞬态模型法的长输油管道泄漏模拟与分析实验。首先深入研究了管道内部流体的瞬变流动规律,并建立了瞬变流动的数学模型,再通过 TLNET 仿真软件模拟管道瞬变泄漏过程,最后对实验结果进行分析总结。此文提供的方法在预测管道泄漏量方面具有一定的优势,可为远距离输油管道泄漏事故防控和决策提供科学依据。马云路等48针对瞬态模型法中数据特征难以提取问题,提出一种基于特征提取的输油管道泄漏系数预测方法。该方法利用序列提取法和均值提取法对管道泄漏数据进行特征提取,并建立多种管道泄漏系数预测模型,最后对不同机器学习模型的预测结果进行评价。该方法将人工智能中的相关算法应用到管道瞬变流泄漏量的估计中,为更准确地预测管道泄漏系数、估计实际泄漏量提供了一种新思路。瞬态模型法定位精度高、开发成本低,但模型计算量大,对测量仪器的精度要求高。其大部分研究结果是通过模拟仿真得出,只有极少部分在实际管道上进行验证,并且该方法在求解模型过程会引入理想条件来简化模型,使得模型的求解结果难以达到实际要求。4.2 人工智能法近年来,随着计算机人工智能技术的不断发展,学者们已经将人工智能中的模式识别技术成功应用到管道泄漏检测中49。模式识别技术需要建立训练模型的输入与输出关系,通过训练大量的样本数据,使得输出的准确率达到理想状态。常见的人工智能算法包括贝叶斯分析法、随机森林法、支持向量机分类法及人工神经网络等法。纵观现有文献,人工神经网络法和支持向量机分类法是目前管道泄漏检测中应用较为广泛的人工智能模式识别方法。4.2.1 基于支持向量机的检漏法SVM 是模式识别中常用的机器学习算法,该算法适用高维空间、小样本容量、非线性数据的分类,并且具有优越的泛化性能50。将 SVM 算法应用到管道泄漏检测中需要严格保证识别的准确率,不能出现误报的情况。影响 SVM 分类准确率的主要因素为核函数参数值、惩罚因子的选取以及输入模型训练的特征参数51。王明达等52提出了基于独立分量和 SVM 的管道泄漏识别方法,该方法将独立分量分析法运用到压力信号的降噪中,并且利用微分进化算法优化了SVM 模型参数,最终通过真实数据来验证模型的识别准确率。该方法的研究成果是在实际的现场泄漏实验数据得出的,模型的预测精度真实可靠,为SVM 算法在管道泄漏检测中的应用提供了一套完整可靠的方案。Gao 等53提出了一种基于粒子群优化算法(particle swarm optimization,PSO)-支持向量机的管道泄漏检测方法。该方法采集了不同工况下的负压波信号,并经过小波降噪和数据预处理后提取出信号的峰度、偏度、均值、标准差 4 种不同的特征值组成 SVM 输入特征向量,再利用 PSO 算法求出SVM 模型的最优惩罚因子和核函数参数值。该方法将种群优化技术应用到 SVM 模型参数寻优过程中,这极大地提高了识别管道泄漏工况的准确率。但该方法的研究成果还处在实验室阶段,还需要经过现场泄漏检测测试以达到实际应用要求。在管道泄漏工况识别中,将 SVM 与其他寻优算法相结合已经成为研究的热点。随着深度学习算法的不断改进,基于 SVM 的管道泄漏识别技术也将得到进一步的发展。4.2.2 基于人工神经网络的检漏法人工神经网络(artificial neural networks,ANN)是一种模仿动物神经元网络行为特征,进行分布式并行信息处理的数学模型54。这种网络通过调整48101科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:内部节点之间的相互连接关系,进而到达自主学习、自主适应以及信息