海底油氣管道泄漏檢測與定位技術研究進展

吳希明，李江豐，嚴 謹，張大朋，王 成

1.中海油能源發展股份有限公司湛江采油服務文昌分公司，廣東湛江 524057

2.廣東海洋大學，廣東湛江 524088

海底管道可以將海底油氣資源與整個陸上油氣生產管理系統以最快速、最安全和最經濟的路線聯系起來，被稱為海洋油氣工程的“生命線”。然而，一旦海底管道出現嚴重的泄漏或損壞，輕則會造成資源的大量浪費，重則會引起爆炸，從而產生重大傷亡事故和巨大經濟損失，同時嚴重破壞周圍的生態環境。此外，海上油氣田也會因此導致停產，從而直接造成更大的經濟損失[1-2]。

盡管陸上管道泄漏檢測技術已較為成熟，海底管道的泄漏檢測還處于初級階段[3-4]。由于海底管道一般淺埋入海底[5]，位置比較隱蔽，導致其在服役過程中產生的銹蝕和局部損壞也不易及時發現、檢查以及修復[6-7]。因此，對海底管道泄漏檢測以及定位關鍵技術的深入研究有著極其重要的理論和現實意義。

1 海底管道泄漏檢測方法

海底管道泄漏檢測與定位技術可歸納為基于硬件的方法、基于軟件的方法以及多方法融合的檢測方法。基于硬件設備的方法采用根據物理原理而設定的硬件設施，將其裝載或敷設到管路上，并由此來直接或者間接檢測管路的泄漏情況和位置，其主要方法有：水下機器人檢測法、遙感監測法、漏磁檢測法等。基于軟件的方法是指對所監測采集到的流量、壓力、溫度等主要技術參數，采用參數變換、質量守恒或容積平衡和壓力分析等分析方法，檢測并分析油氣泄漏狀況，其主要方法有：負壓波法、次聲波法、壓力梯度法等。而多方法融合的檢測方法則是綜合各種方法的優缺點，取長補短、軟硬件結合的綜合檢測定位方法。

1.1 基于硬件的方法

1.1.1 水下機器人檢測法

水下機器人能持續在深水環境下作業，范圍覆蓋面廣，突破了潛水員對工作水深、持續時間和工作環境條件下的局限，因而在深海管道的檢測中承擔著重任。目前水下機器人根據有無電纜連接，可分為遙控式水下機器人(Remote Operated Vehicles,簡稱ROV)、自治式水下機器人(Autonomous Underwater Vehicle，簡稱AUV)和混合型潛水器（Hybrid Remotely Operated Vehicle,簡稱HROV）。ROV通過臍帶式電纜與水上母船相接，以獲得支持能源和收發各種控制指令與數據。AUV無需與水面設備進行連接，通過光學系統、聲學系統、放射性、磁探測器等實現對海底管道的自動跟蹤，能夠根據工作指令自主進行大范圍的水下檢測并記錄聲音和圖像等數據。HROV則同時具備ROV和AUV兩種水下機器人的工作模式，能夠先以AUV模式利用搭載的攝像機和聲吶進行大范圍的自主搜索檢測，在鎖定目標后又能短時內切換成ROV模式，對目標進行近距離的數據采集[8]。

目前，水下機器人檢測技術根據搭載檢測設備的不同可以進行水下觀察與檢測、電位檢測、射線探傷、超聲檢測、磁粉檢測等。水下機器人檢測技術由于其經濟、安全、作業水深大、可以在較為惡劣的海況下進行作業等優勢，已部分取代了傳統潛水員的水下檢測工作，并逐漸在各種水下檢測中有所運用。該種方式通常只能檢出較大量的泄漏，檢測精度低，而且檢測所需周期較長，無法進行全管道或在線的現場監測。

1.1.2 遙感探測法

遙感探測法是指利用宇航飛行器上搭載的遙感識別裝置進行檢測，目前使用比較普遍的方法主要有紅外遙感法和微波遙感法。紅外遙感法是指利用熱紅外波段檢測海面，準確找到海面上的油氣擴散區域。利用熱紅外數據不但能夠判斷出油氣泄漏的面積，還可以清晰分辨出溢出油層覆蓋范圍的大小、油層擴散的范圍以及油層的漂移擴散速度。溢油厚度和溢出值可以通過熱紅外圖像中油層不同厚度的像素灰度值推算出來。微波遙感法則是利用電磁波和微波頻段特性獲取海面信息，可以透過云層對海面進行海溫觀測，不存在紅外遙感法中探測會受到云層影響的缺點，但其空間分辨率要比紅外遙感法低。遙感探測法雖然無法分辨海水中浮游物與管道泄漏溢油，不過由于它能夠全天24 h工作，且價格相對低廉，因此已成為當今世界上應用最廣的海洋溢油檢測技術[9]。

1.1.3 漏磁檢測法

漏磁檢測法需要先對管壁進行磁化，然后檢查是否出現漏磁。當管壁出現缺陷導致管道發生泄漏時，通過分析管壁缺陷產生的環電流信號，可以判斷泄漏的位置。該方法的準確度會受到焊縫和管道表面的不平整影響，且無法檢測緩慢泄漏。

1.1.4 管道機器人檢測法

管道機器人是一種可在遠距離控制下在管道內爬行，利用配備的各種傳感器件對管道進行檢測或維修，集各類傳感器、智能移動載體、作業設備以及無損監測等技術手段于一體的機電一體化裝置。它能夠實時采集管道內部圖像、管壁紋理和幾何形狀等各種信息，由于信號比較穩定，且采集周期短，因此可以對泄漏點進行精確的檢測與定位[10]。

海底長輸油氣管道內可能會存在階梯、管溝和碎塊等雜質，以及變徑管道、彎管、T型管道等特定管道結構，管道機器人容易產生卡堵和通過困難等問題。針對現有管道機器人通過性差和運動方式單一等問題，王永雄[11]將管道內的圖像予以分解，從而獲得幾何特征，提升了管道缺陷辨識率，同時導入了模糊控制等人工智能控制算法，實現了管道內智能機器人的主動導航，實現了管道內后退、拐彎、越障和管壁缺陷的定位。李智強[12]設計了一種可以順利通過R≥1.5D的彎管環境的新型變運動方式管道機器人，其驅動結構傾角可調，對管道有良好的通過性。劉勇[13]設計了一種可變徑支撐輪式管道機器人，該機器人能夠適應管徑的變化，具有良好操控性。

大部分管道機器人都可以在直管段完成測試，但對工程應用中的變徑管路、分支管路、U型管路等的檢測技術仍處在研究階段，且存在長距離工作能源供給困難和管道內通信屏蔽的問題，距離實際使用尚有一定距離。

1.1.5 管內通球法

智能球是一種基于無損檢測技術的無線纜自由浮游式監測工具，將其投入管道內并通過漏磁、超聲檢測技術、渦流、錄像技術等手段收集管內信號，進而對所收集的信號加以分析處理，來監測油氣泄漏和判斷泄漏狀況等。加拿大Pure公司[14-15]和天津大學聯合開發了適用于管道微小泄漏檢測與定位的智能球，該檢測球具有制備成本低、體積小、靈敏度高和在管道中不易卡堵等優點[16]。郭世旭[17]等針對海底油氣管道微量泄漏的檢測難題，設計了一種雙層耐壓的智能檢測球，其能通過豎直管道段，檢測靈敏度高達0.7 L/min。針對球形內檢測器跟蹤定位困難的問題，周乾[18]等提出了一種由檢測球自主發送聲信號，在管道外部遠距離采集導波脈沖，然后計算出檢測球與檢測點距離的方法。

管內通球法可以應用于氣體、液體和多相流體管道，并要求管路內不能有過多接頭和接線。對泄漏點的定位比較準確，但由于測量成本大，且實時性較差，不宜運用于較小口徑管道，且易出現卡球事件。

1.2 基于軟件的方法

1.2.1 負壓波法

油氣管道發生泄漏后，泄漏部位的壓力會驟然降低，該壓力變化沿管道以一定的速率傳遞至管道首末兩端，產生負壓信號。管道泄漏產生的負壓波通過管道內介質傳播的速度可達聲速級別。利用管路首末端的傳感器收集到該負壓波，而后通過負壓波的傳輸速率和到達管路兩端的時間差，就可以定位泄漏點。該方法是目前市面上應用最為成熟的管道泄漏檢測技術[19-21]。天津大學在負壓波管道泄漏的檢測領域進行了產品化，其檢測定位原理如圖1所示[20]。

圖1 負壓波法檢測定位原理

定位公式：

式中：X為泄漏點到入口端傳感器的距離，m；L為兩傳感器間的距離，m；t1、t2分別為兩端傳感器接收到負壓波的時間，s；a為負壓波的速度，m/s。

負壓波法具有靈敏度和定位精度較高、使用成本低等優點。由于無法感知細微負壓波的產生，負壓波法只能檢測到突發性泄漏和大泄漏量的泄漏，對已發生的泄漏、滲漏等不敏感。負壓波法對管道首末端的壓力差有一定的要求，所以對于首末端壓力基本相等的輸氣管道，負壓波法基本發揮不了作用。針對管道泵的啟停、流量調節等操作可能引起泄漏誤報的問題，張宇[22]等研制了一種壓力變送器，通過測量管道內動態壓力的變化，利用經驗模態分解法提取了泄漏信號特征，該法能夠有效避免啟停管道泵等工況的影響；文靜[23]提出了一種自適應無偏時延估計方法，能夠有效消除無關噪聲干擾，提高估計性能。針對工況擾動引起的誤報問題，王正等[24]在管道泵前后兩側設置兩組壓力傳感器，通過傳感器接收到負壓波信號的先后來判別其傳播方向，不但減少由工況擾動造成的誤報，還避免了采用雙壓力傳感器造成的漏報，但存在成本增加和傳感器距離確定的問題。針對小泄漏檢測困難的問題，王洪超等人[25]通過監測管道壓力的持續下降來判斷泄漏，提高了對小泄漏的靈敏度；王洪超等人[26]根據上下游負壓波信號來自同一個泄漏點的特點，通過歐氏距離計算出兩個傳感器接收到的負壓波的相似度，得到其時間差，然后計算出泄漏點位置，能準確檢測和定位微小泄漏和緩慢泄漏。

由于傳感器不能夠以無延時的方式檢測壓力變化情況，并且管道兩端也因為距離的因素，在未實現統一正時的狀況下，可能對時間也產生了偏差；而在1 000 m/s的速率下，每0.5 s的延時也可以產生500 m左右的距離偏差，從而對時間的準確度有較高的要求，這也是以負壓波作為指標檢測方式的局限性。

1.2.2 壓力梯度法

壓力梯度法的提出[27-29]是基于泄漏發生時沿管道的壓力分布會隨著管道長度的變化而發生顯著變化這一事實。無泄漏管道上的壓降曲線是一個線性實線，一旦出現泄漏，壓降曲線將與泄漏點產生扭結。在泄漏位置可以通過計算泄漏上、下游壓力分布的交點來確定，其定位原理如圖2所示[28]。

圖2 壓力梯度法定位原理

在滿足沿管道壓力PX=PD-GX時，其泄漏點定位公式如下：

式中：X為泄漏點和管道入口的間距，m；L為管道長度，m；G為壓力梯度，Pa/m；PX為與入口相距X處管道的壓力，Pa；PD為管道進口壓力，Pa；PS為管道出口壓力，Pa；GU為上游壓力梯度，Pa/m；GD為下游壓力梯度，Pa/m。

此方案要求在管路上必須設有多個壓力檢測地點，在現場難以實現；另外，由于地質等復雜狀況導致沿程壓力的下降產生了非線性特性，嚴重影響使用效益，且其定位精度會受儀器精度影響，因此常作為輔助檢測方法使用。針對壓力梯度法定位誤差大的問題，唐秀家[28]建立了沿管道變化的熱力和水力綜合模型，得出更接近實際的壓力分布規律，實現泄漏位置定位，該方法針對原油或者黏度、密度、熱容等特性會隨沿管道溫降而發生變化的流體管道有優越性，但是由于需要建立較為繁雜的模型，增加了運算量。

1.2.3 次聲波法

管道泄漏造成的內外壓差會導致湍流產生，流體-流體、流體-管道內壁的摩擦碰撞產生聲波信號，聲波沿管壁振動和管內介質同時傳播。泄漏聲波屬于連續聲發射信號，其頻率范圍很寬，包含了次聲波、可聽聲波和超聲波。由于可聽聲波和超聲波的波長較長，在傳播過程中衰減得很快，不適于長距離管道的泄漏檢測。次聲波的波長比較長，在傳播過程中不容易衰減，其最大傳播距離可達50 km以上，滿足海底管道長距離監測的需要。次聲波法的檢測定位原理與負壓波法類似，通過次聲波的波速和到達管路兩端的時間差，就可以計算出泄漏點，其定位原理如圖3所示。

圖3 次聲波法檢測定位原理

定位公式：

式中：s為泄漏點到管道上游傳感器的距離，m；L為兩傳感器的間距，m；t1、t2分別為進、出口傳感器接收到次聲波的時間，s；v為次聲波速度，m/s。

由于泄漏產生的次聲波信號比較微弱，容易被同樣由泄漏產生的高頻噪聲和低頻諧波干擾所淹沒，其定位的關鍵是泄漏次聲波信號的提取和時間差的確定。陳久會[30]提出了一種利用壓力變送器檢測泄漏次聲波的方法，該方法無需另外安裝聲波傳感器，直接從管道的壓力、流量信號中分離提取出次聲波信號，提高了檢測靈敏度。武偉強[31]針對采集到泄漏信號受噪聲干擾嚴重的問題，提出采用補償傳感器的方法，實現了信號補償。胡楊曼曼[32]把傳感器接收次聲波信號比作“聽”這一動作，從機理上分析了泄漏次聲波的產生與傳播。吳鵬[33]對次聲波法進行了現場試驗，結果表明次聲波信號的強度隨泄漏孔徑的增大而增大，對于多相混輸管道，次聲波法可檢測到的泄漏孔徑最小為3 mm。次聲波的產生與傳播不受介質影響，在不同流體、甚至在不同相的密度和黏度等參數下，發生泄漏時次聲波均能產生，因此適用各種管道的泄漏檢測。次聲波法由于以上優點，有著良好的應用前景。

1.2.4 流量平衡法

流量平衡法[34-35]根據質量守恒定律，無泄漏時，流進與流出管道的流量應當相等，倘若存在泄漏，管道出入口的流量就會存在差值。實際上由于溫度等因素，出入口流量并不相等，而是維持在一個穩定的差值。當管道出現泄漏時，管道兩端的流量差增大。由于受到管道自身的彈性以及流體特性改變等諸多原因影響，管道進出口的流量變化會具有不同時性，所以這個方法精確度并不高，且只能檢測而無法定位，但其能夠檢測已有泄漏，可靠性高，常與負壓波法結合使用以減少誤報率。

1.2.5 統計檢漏法

管道正常運行時壓力和流量存在對應關系。當管道發生泄漏，壓力和流量的關系就會發生改變，通過對發生泄漏時管道內壓力和流量進行連續統計記錄分析，然后通過序貫概率比檢驗法，計算泄漏出現的概率，最后用最小二乘法定位。這種方法相對建立模型的方法降低了檢測工程量，減小了數學計算的難度，成本低，提高了檢測的準確性，最突出的是此系統具有自我學習能力，可適配大多數環境[36]。然而，此方法受儀器精度影響，定位準確性上有待優化。

1.2.6 神經網絡法

神經網絡由于具有認知能力、自適應力以及非線性特征等優勢而被廣泛應用[37]。神經網絡法對管路運行工況分析精確，誤報率低，對單一流體和多相流動管路都適合，但其會受到訓練樣本的限制，檢測過程復雜。

1.3 基于多方法融合的泄漏檢測技術

目前尚沒有任何一種方法能夠精確地檢測與定位所有管道的泄漏。在實際使用過程中，必須針對管道的實際狀況，將多種檢測技術和定位方式相結合，以提高檢測與定位的精確度，用最少的成本獲得最佳的效益，基于多種方法融合的泄漏檢測技術也由此得到發展。

為了得到較好的檢測效果，目前泄漏檢測方法多采用占主流的負壓波法和次聲波法結合其他檢測方法，以應對負壓波法和次聲波法的誤報、對小泄漏與滲漏不敏感以及泄漏特征信號提取困難的問題。李利鋒[38]設計了一個負壓波與流量平衡相結合的泄漏檢測系統，只有當流量差增大和壓力拐點同時出現時才進行泄漏判斷，顯著減少了單獨使用負壓波法容易誤報的問題，但仍然對小泄漏不敏感。針對單種泄漏信號存在識別的準確性和時效性較差的問題，李鳳等人[39]將負壓波法和聲波法結合使用，避免了僅使用負壓波法會因為錯過瞬時壓力降而無法檢測的問題，同時通過兩種方法的檢測結果相互校正，提高了檢測與定位精度，但仍存在工況擾動下信號提取困難的問題。石光輝等人[40]研究了負壓波在分支管網的傳播特性，結合小波分析法得到各傳感器接收到負壓波信號的時間。Bai Y等人[41]對管道泄漏檢測和定位分別采用不同的方法，檢測用序貫概率比法，減少了誤報，定位根據穩態泄漏和動態泄漏分別采用了負壓波法和壓力梯度法，有效利用這兩種方法的優點，減少誤報，定位更準確。模式識別、人工神經網絡等技術能很好地排除工況影響，識別泄漏，通過與常用的壓力、聲波方法結合使用，能減少誤報，提高定位精度。

負壓波法等基于軟件的方法能對海底管道運行狀態進行實時監測，而對泄漏點的定位存在一定的誤差；水下機器人等基于硬件的方法不能對管道進行實時的連續監測，但能靠近泄漏點以準確定位。實際應用中往往可以先利用軟件的方法大致定位泄漏點，然后使用水下機器人等基于硬件的方法實現精確定位。這種軟硬件結合的方法能顯著提高管道泄漏檢測與定位的準確性與快速性。

2 常用檢測方法性能比較

海底管道泄漏檢測系統應具有可靠性、穩健性、準確性和靈敏性等主要性能指標[42]，另外決定檢測技術是否適用于海底管道的重要依據還包括以下性能指標[43]：

(1)定位精度。對海底管道的泄漏檢測是為了準確定位泄漏點，以及時進行維護搶修。若定位誤差過大，則會增加沿線尋找泄漏點的時間，且由于海底環境的特殊性，使泄漏損失進一步擴大。

(2)海洋環境適用性。由于海底管道所處環境的復雜性，一些在陸上有良好應用效果的檢測方法不再適用。例如需要建立精確數學模型的方法和易受噪聲影響的音波法將難以繼續使用；光纖類方法因為安裝施工的難度大大增加，且安裝、維護的成本過大，也不再適用于海底管道。

(3)安裝維護難度。海底管道的平直管段一般淺埋于海底，泄漏監測系統的儀器設備一般安裝在海上平臺和陸上的首末站，且海上平臺空間有限，要求其安裝和維護應盡量簡單方便，占用空間少。

(4)作用范圍。據統計，我國長度不超過50 km的海底管道占海底管道總數的91%以上。由于海上油氣管道的中轉困難，一般只在管道的首末端安裝監測設備，以實現對全管段的監測。這就要求監測系統的有效監測范圍至少為50 km才能滿足大部分海底管道的監測需要。

(5)成本。雖然管道泄漏檢測系統的安裝、維護成本只占整個海底管道建設維護費用微小的一部分，然而其成本仍然是不可忽視的性能指標。原則上無需新裝監測儀器設備，安裝、維護所需費用的高性價比方法應優先考慮。

(6)便捷性。監測系統的便捷與否直接影響到其能不能被推廣使用，一般要求監測系統的操作盡可能簡單，無需過多的培訓便能掌握使用。

管道常用檢測方法的性能按1～5劃分為五個等級，數值越大表示越適合，見表1。

表1 管道常用檢測方法的性能對比

由表1可知，硬件類方法的定位精度高，但實時性差，而軟件類方法均可實現實時檢測。由此可見，軟硬件結合，互相補充是可行的。

3 海底管道檢測技術發展趨勢

（1）以軟件監測為主、硬件檢測為輔的多方法融合的海底管道泄漏檢測技術將會成為研究熱點?；谲浖姆椒ㄆ涠ㄎ徽`差通常在幾十到上百米，而水下機器人等基于硬件的方法可以實現海底管道高分辨率檢測，但因其效率和成本問題一般只運用于高風險管段。通過基于軟件的方法定位縮小檢測范圍，然后結合基于硬件的方法對海底管道實現定點精確定位，能夠完美地綜合兩類方法的優點。

（2）多點泄漏的檢測與定位將成為未來研究的熱點和難點。陸上管道的多點泄漏檢測一直是個難題，而在復雜的海底環境中實現多個泄漏點的檢測更是難上加難。實際海底管道有可能發生多點泄漏，多個泄漏點的信號會產生疊加干擾，傳播規律也會受到影響，而且泄漏信號在傳遞過程中混雜著大量的背景噪音，很容易把泄漏相關的有效信息全部淹沒。因此，對泄漏信號進行去噪處理，實現多個泄漏點泄漏特征的獲取將是海底管道泄漏檢測與定位方法研究過程中需要突破的重要內容。

（3）混合智能技術將在海底管道的泄漏檢測和定位中得到進一步應用。采用人工神經網絡、專家數據庫系統、模糊控制、粒子群算法以及人工智能等技術的方法應用在陸上長輸管道檢測中，均取得了預期的成效。然而，海底管道工況更加復雜，各種方法都有其使用限制。通過多種智能技術的混合使用，綜合利用各種方法的相似性和互補性，應用到泄漏信號的獲取與處理中，可以有效減少管道泄漏的誤報與漏報，因而會得到更多的重視與應用。

（4）微小泄漏監測將成為重要研究發展方向。海底油氣管道的小泄漏事件往往不易被檢測到且伴隨著腐蝕迅速成長，最后發展為大量泄漏，從而錯失了最好的修復時間，損失更加慘重。微小泄漏監測是通過硬件設備靠近泄漏區域并偵聽泄漏信息，從而減少泄漏聲波信號因長距離傳輸而造成的衰減，實現實時檢測，因此管道機器人等內檢測方法也將得到進一步重視與發展。

4 結論

目前，國內多數海底管道泄漏檢測系統根據管道設計參數、流體介質參數、經濟性技術指標等選定泄漏檢測方式，還缺乏一個適用整個管道的泄漏檢測方式。經過對泄漏檢測主要方法的歸納分類，提出采用將各種方法有機結合的油氣管道泄漏監測和定位技術，不但能充分發揮不同方法的優勢，同時也可避開各自的缺點。而隨著數據收集和監控系統的發展，儀表儀器檢測準確度的提升，數字化管道模式的建立，以及人工智能方法的廣泛使用，大大增強了信號分析和信號處理的能力，必將推動各種方法有機地結合并運用到海底管道泄漏檢測領域中。