基于大数据的输油管网泄漏智能自适应监控系统及方法

摘要

本发明一种基于大数据的石油管网泄漏智能自适应监控系统及方法，属于管道组网内部检测方法技术领域，可以将现场采集到大量数据在合理的时间内进行有效的分析，利用智能自适应的方法来获取管网的状态，从而得到管网的拓扑结构，具体采用流量平衡法，结合信息一致性理论来分析管网是否发生泄漏，方法直观、简单，且灵敏度高、误报率低；并且可以很好的对小泄漏量和缓慢泄漏的检测进行精确的报警；采用广义回归神经网络来进行管网的泄漏定位，提高了结果的准确性。因此，本发明采用基于大数据的策略和智能自适应的方法来解决管道组网的泄漏检测与定位，可以同时达到高精度和高准确性的目标。

主权项

一种基于大数据的输油管网泄漏智能自适应监控系统，其特征在于，包括上位机和下位机；下位机包括数据采集器、滤波电路、放大电路、PLC中央处理单元，其中，数据采集器：用于采集管道进口和出口处的毫秒级压力、毫秒级流量、温度和密度，并对采集的各类信号进行多源一致处理，将其转换为标准统一的数据，并发送至滤波电路中；滤波电路：用于将采集的信号进行噪声滤波，并将滤波后的信号发送至放大电路中；放大电路：用于将采集到的信号进行放大处理，并将放大后的信号发送至PLC中央处理单元中；PLC中央处理单元：用于对采集的信号进行模数转换，并对每段管道进口和出口的数据进行校时处理，并将校时处理后的信号发送至上位机中；上位机：用于根据阀门和泵的状态，采用智能自适应的方法获得管网的初始状态，从而得到整个管网的拓扑结构；用于通过判断采集的入口流量与出口流量之间的差值是否超过阈值，确定管网区域的优先检测范围；用于通过检查此时所有阀门和泵的状态是否与初始状态相同和判断流量差值与人工放油量或人工加油量是否相等，确定导致采集的信号变化是否由于人为导致；用于对采集的流量值进行一致性测试，确定采集的流量数据是否有效；用于确定理论预置泄漏点所产生的压力波到达上游传感器和下游传感器的理论时间差，并将理论时间差的序列和每段管道长度的序列作为广义回归神经网络的输入，将每个预置泄漏点与所在管道入口之间距离的序列作为期望输出，进行训练获得非线性模型，将泄漏点所产生的压力波到达上游传感器和下游传感器的实际时间差带入训练获得的非线性模型中获得实际泄漏点所在位置。