燃氣自動化監測管理系統設計研究分析

張鑫

[摘? ? 要]目前，國內外有多種燃氣管道泄漏檢測方法。本文結合我國管道的現狀，借鑒國際檢測方法和計算機自動化儀表的實踐經驗，研究了長輸天然氣管道泄漏實時監測模型。基于無線技術的數據采集方案在結構監測、交通運輸和環境研究等領域得到了廣泛的應用。本文介紹了一種基于 GPRS 的遠程數據采集與預報系統，該系統用于監測地下天然氣管道沿線的地質災害。現場數據終端單元（DTU）從安裝在管道上的傳感器采集數據，并通過 GPRS 模塊將數據傳輸到控制中心的服務器，服務器處理數據在網站上播放并及時預測異常變化。

[關鍵詞]燃氣自動化;監測管理;系統設計與研究

[中圖分類號]TP311.52 [文獻標志碼]A [文章編號]2095–6487（2020）09–00–03

[Abstract]At present， there are many gas pipeline leakage detection methods at home and abroad. In this paper， combined with the current situation of China's pipelines， and the practical experience of international detection methods and computer automation instruments， the real-time monitoring model of long-distance natural gas pipeline leakage is studied. Data acquisition scheme based on wireless technology has been widely used in structure monitoring， transportation and environmental research. This paper introduces a remote data acquisition and prediction system based on GPRS， which is used to monitor the geological disasters along the underground natural gas pipeline. The field data terminal unit （DTU） collects data from the sensors installed on the pipeline， and transmits the data to the server of the control center through GPRS module. The server processes the data， plays it on the website， and predicts the abnormal changes in time.

[Keywords]gas automation; monitoring management; system design and research

1 長輸天然氣管道概述

隨著我國經濟的快速增長，天然氣作為清潔能源需求量很大。由于管道系統是長距離輸送天然氣和流體產品最具成本效益的方式，因此它們對輸送天然氣、石油或石油產品非常重要。由于大多數長輸管道穿越的是人煙稀少的荒涼地區，地質環境復雜，需要一個實時的災害監測系統來獲取管道周圍的現場數據，預測可能存在的風險，以確保管道的安全，無線通信使這種遠程監測系統成為現實。天然氣用于燃料和電力生產，是一種重要的能源，可以用來替代世界上迅速消耗的石油供應。它既可以為工業提供電力，也可以用于家庭取暖。作為一種主要的便捷和高效的天然氣輸送方式，在過去的幾十年里，為了輸送這種寶貴的資源，已經建造了大規模的管道。這些復雜系統的安全運行非常重要，因為錯誤操作可能產生嚴重后果，如毒性、易燃性和爆炸速度。因此對燃氣管道的安全運行和泄漏檢測提出了越來越高的要求。由于天然氣管道泄漏監測的重要性，引起了工業界和學術界的極大興趣。滲漏檢測的標準解決方案主要分為兩大類：基于硬件的方法和基于軟件的方法。

2 硬件燃氣自動預警系統的分析與建立

2.1 研究背景

由于天然氣具有易燃易爆的特性，天然氣輸送管道的失效對周圍的人員和財產造成了威脅。根據實際情況建立由燃氣泄漏模型、擴散模型、火災爆炸模型組成的燃氣事故預警模型入手，介紹了氣象因素、人口密度等因素對燃氣事故預警的影響。然后將預警模型與天然氣管網地理信息系統相結合，構建天然氣事故預警系統。視覺預警分析是通過計算后果得出的現狀預警，為決策者提供了可靠的依據。地下輸氣管道一般蜿蜒超過1000多km，穿過高山和煤礦，穿過河流。滑坡、巖崩、地面沉降等地質災害頻繁發生，這些自然和人為因素嚴重威脅著管道的安全。過去不可能在有線長輸管道上建立這樣的監控系統，隨著無線通信的發展，開展了基于GPRS的監控預報系統，該系統主要由兩部分組成，一部分是管道附近的現場站，另一部分是控制室的數據分析中心。現場站點沿管道分布，由太陽能電池供電，負責現場數據采集和傳輸。污點傳感器安裝在管道上，同步測量管道張力，數據采集，又稱數據終端單元（DTU），基于GPRS向控制中心的服務器發送數據。服務器保存現場不同測量部門發送的所有數據，軟件處理和分析數據，報警和預測任何風險，運營商可以通過網站及時檢查管道狀況。

2.2 數據采集

野外（現場）站點沿管線分布，測量斷面根據地質詳查報告進行選取。每個站點都是獨立的，分別向服務器發送數據。鐵塔是現場站的主要部分，用于支撐和保護懸掛在空心鐵塔上的數據采集箱。傳感器電纜通過信號塔到達數據終端單元，GPRS模塊在采集箱內，GPRS天線固定在采集箱上方，采集箱采用IP56級防水，避雷針保護整個電氣設備免受風暴侵襲。每個野外監測站都是穿越危險區域的管道的一部分，沿管道分布著許多野外監測站，大多數像SCADA系統一樣。

系統采用的振弦式應力計由于能耗低、抗噪聲能力強等優點，在安全工程中得到了廣泛的應用。傳感器安裝在管道上，保持同步變形，傳感器的輸出信號是頻率。當管道在地質災害等外力作用下發生變形時，應力計隨著管道的變形而變形，輸出頻率也會發生變化。當管道被拉動時，應力計內的導線會松動，導致頻率降低，而當管道被推動時，頻率會增加。通過振弦式應力計反映管道變形，傳感器輸出信號反映管道周圍環境的變化，每個傳感器提供溫度和頻率信號。數據采集盒是該模塊的主要部分，它包括數據終端單元（DTU）、GPRS模塊、太陽能電池、電池管理模塊（充放電）、電池等。由于管道沿線一般沒有電力供應，所以太陽能電池用作能源，所有的設備都應該節能。GPRS模塊根據服務器的指令發送數據。根據實際需要，操作員可以使用人機界面（HMI）修改采樣率。在本項目中，我們選擇了六個易發生地質災害的區段，將現場數據發送到控制中心的服務器，保存在訪問數據庫中。操作員可以從網站上獲取實時數據。GPRS模塊與數據終端單元相連，基于RS-485通信。在系統運行之前，對模塊進行編程并分配唯一的ID號，每個GPRS模塊需要一個SIM卡。

2.3 中央控制服務器

服務器接收從現場站點發送的數據。首先，該系統作為一個監測平臺，但其最重要的功能是預測地質災害。利用組態軟件在服務器端建立模型，生成監控、報警、趨勢、報告等人機界面圖片。項目在服務器中設置了警報限制，如果服務器接收到來自現場站點的異常數據，經過分析可以發出燈光、聲音報警提醒操作人員，還可以方便地隨時檢查中心室管道的重要部分，為巡線員提供一些現場信息供參考。

3 軟件燃氣自動預警系統的分析與建立

3.1 研究背景

天然氣對各國的經濟發展和環境保護具有重要意義。目前，隨著使用壽命的延長，管道普遍存在不同程度的老化現象。為了確保天然氣在用氣高峰期的安全高效輸送，必須對管道缺陷進行智能診斷。人工神經網絡被認為是最強大的工具之一，已經應用于生活的各個方面，包括故障診斷、趨勢預測、剩余壽命分析等。該算法通過訓練新的樣本來實現更新學習，以適應新的情況，并且具有較強的泛化能力和容錯能力。在神經網絡模型中，80 %～90 %的神經網絡模型使用反向傳播（BP）神經網絡或其變種。可以看出，BP神經網絡是神經網絡中最有價值和最完善的部分。同時，BP網絡是前饋網絡的核心部分，是人工神經網絡中應用最廣泛的算法。然而，BP網絡也存在收斂速度慢、收斂精度低、網絡結構不確定等缺點。另外，網絡結構的選擇、初始連接權值和閾值的確定對網絡訓練有很大的影響。本質上，BP神經網絡是一個非線性的最佳化問題，它可以找到一組最優的網絡權值和閾值來最小化誤差函數。但由于初始連接權值和閾值的隨機選取，使得神經網絡結構具有很大的不確定性。因此，有必要采用智能優化算法對權值和閾值進行優化。現有的優化算法基本上可以分為兩大類：傳統的優化算法和元啟發式算法。傳統的優化方法只能處理光滑或可微目標函數的優化問題。如果出現復雜的非光滑不可微目標函數，傳統的優化方法顯然是無能為力的。與傳統的優化方法相比，元啟發式算法可以解決傳統方法無法解決的技術問題。經過20多年的發展，元啟發式算法已經成為主流的智能優化算法。花粉傳粉算法是近年來引入的一種特別強大的算法。這個想法來自于自然界有趣的花朵授粉過程。該算法是一種新的啟發式群體智能優化算法。與其他算法相比，FPA算法具有實現簡單、參數設置少、收斂速度快、收斂精度高等優點。因此，該算法已被廣泛應用于各個領域，包括太陽能光伏組件的參數估計、工程結構設計問題、醫學圖像分割問題、低壓網絡中的傳輸變壓器布局、多目標動態經濟調度問題、短期水熱調度問題等。當然，FPA算法也存在早熟、優化精度低和搜索效率低的問題。

天然氣的生產和消費往往相距甚遠。我國長輸管道都存在不同程度的老化。為了保證天然氣管道的高效輸送，管道缺陷的智能診斷顯得尤為重要。其中，變電站是長輸管道的重要組成部分，其主要功能是對需要天然氣的壓力進行過濾、測量和調節，以保證天然氣的日常供應。本文通過對現場管道和實驗室管道采集到的缺陷信號、劃痕缺陷信號和正常信號的分析，實現了缺陷信號、劃痕缺陷信號和正常信號的智能識別。

3.2 模擬系統設計

首先，對管道燃氣泄漏狀態進行動態模擬，得到泄漏狀態、管道終點壓力、流量、溫度隨時間的變化趨勢。然后，通過運行燃氣管道泄漏檢測儀，獲得管道運行參數的泄漏檢測和分析，從而確定管道是否存在泄漏、泄漏位置和泄漏大小。檢漏工作分為100級，進行了3h。數據采集系統的時間間隔為3s。管道的步長為1km。在這些實驗程序的基礎上，首先，通過管道模擬功能的檢測系統輸入模擬檢漏系統，然后根據輸入模擬得到的檢漏過程和測試結果來確定管道的泄漏位置。

對于這三種故障模式，分別采取了30組樣本，以獲得樣本熵的均值和方差，發現正常管道信號的IMF樣本熵基本大于缺陷信號的IMF樣本熵。這是由于不可避免的低強度信號干擾，如噪聲、振動等，在正常管道檢測中，導致信號復雜度增加。在帶缺陷的管道檢測中，缺陷的信號強度遠遠大于干擾信號，導致信號分量的簡化和各IMF樣本熵的降低。可以看出，IMF樣本熵可以作為每種故障模式的特征向量，用于管道狀態的模式識別。對15個基準函數的測試結果表明了IFPA優化算法的優越性。由于將IFPA優化與BP神經網絡相結合，優化精度極高。因此，將其應用于天然氣管道缺陷信號的智能診斷是有效的。本文以30組正常信號、30組凹坑缺陷信號和30組劃痕缺陷信號為訓練樣本。同時，采用與原始信號高度相關的IMF分量作為IFPA-BP模型的輸入矢量，以法向信號S1（100）或坑信號S2（010）或劃痕信號S3（001）作為輸出矢量。對于正常管道信號S1，三種算法的識別率均為100 %，由于低強度干擾噪聲與缺陷信號噪聲有明顯的區別，因此易于區分。而坑信號S2和劃痕信號S3與正常信號完全不同，BP神經網絡的識別率分別為70 %和53 %，fpa-BP算法的識別率分別為91 %和81 %。其原因是BP網絡算法容易陷入局部極小值。雖然FPA-BP算法的識別率有所提高，但S3信號的識別率仍低于90 %，因此FPA算法的優化能力不足。

為了保證天然氣管道的穩定、連續、高效運行，必須采用可靠的天然氣管道智能診斷技術。BP網絡是神經網絡中最基本、最完善的部分，在神經網絡中應用最廣泛。但BP網絡收斂速度慢，容易陷入局部極小值。作為一種啟發式進化智能算法，FPA的性能優于傳統的啟發式智能算法，如遺傳算法和粒子群算法。考慮到15個基準函數的復雜性和適用性，提出了智能算法性能評價公式WS。WS評價結果表明，IFPA算法的總分高于FPA算法，也高于其他算法。因此，本文將優越的IFPA算法與BP算法相結合，對管道缺陷進行智能診斷。采用BP算法、FPA-BP算法和IFPA-BP算法對正常狀態、凹陷缺陷和劃痕缺陷三種信號進行識別。

4 結語

綜上所述，燃氣供氣系統的安全非常重要，如果系統出現一點小故障，如果不及時處理，將會嚴重危害到人們的生命財產，管網中的多個調壓站、配氣站，都需要有人值班，部分無人值班，整個系統需要實時監測，對故障和事故進行預測，需要采取應急措施，防止事故進一步擴大，要完成這些任務，就需要對控制系統中的各種儀表、儀器、設備等軟硬件系統的靈敏性、穩定性、可靠性、準確性和實時性都提出很高的要求。

參考文獻

[1] 藺帥帥.高新信息技術驅動下的微電網風險管控模型研究[D].北京：華北電力大學，2019.

[2] 柴煒.區域電網高比例可再生能源的分層消納與互動控制關鍵技術[D].上海：上海交通大學，2018.

[3] 周登極.燃氣輪機智能故障管理理論及方法研究[D].上海：上海交通大學，2016.

[4] 卿勇芳.燃氣自動化監測管理軟件的設計與實現[D].成都：電子科技大學，2013.

[5] 舒丹.燃氣自動化監測管理系統設計[D].成都：西南石油大學，2009.