Page 97 - 无损检测2025年第二期
P. 97
白 烨，等：
管道泄漏检测技术与安全评估的研究进展
管内随介质向前移动，并在行进过程中记录所有因 的产生原因，可有效减少误报率和提高定位精度。
为泄漏而发出的声音异常，可用于管道泄漏定位与 ZHANG [33] 提出了一种实时瞬态模型与负压波组合
泄漏点大小评估的综合性检测 [27] 。为了适用于长距 的技术，试验证明该技术可有效地从正常工况中辨
离检测，Pure Technologies公司开发了智能小球分 别出泄漏工况。
析软件以及蓄电和数据储存功能，该设备作业可达 2.1.3 互相关分析法
110 h，并具有16 GB、32 GB的数据存储能力。 油气管道壁面均为弹性体，当发生泄漏时，流体
1.7 超声流量计法 引起的压力喷射将导致弹性波沿着管壁传播，故在
超声流量计在增加流量信号后，可以利用瞬时 管道两端可检测到弹性波，然后通过互相关函数进
流量的对比区分管道泄漏与管道正常工况的变化。 行泄漏分析。相关延迟技术可用于确定是否发生泄
当管道发生泄漏时，管道上游端瞬时流量上升、压力 漏，根据最大延迟时间和管道声波传播速度，计算出
下降，管道泄漏端瞬时流量下降、压力下降。超声流 泄漏点距两测量点的长度 [34] 。互相关分析的关键之
量计由流量表、温度计和数据处理单元组成，可分别 处在于得到由泄漏与管道振动引起的声波。此外，
用于体积流量、流体与环境温度、声速的测量。所有 压电陶瓷加速度传感器可拓展检测范围，通过广义
的测量数据通过调度分析中心处理分析后，可用于 互相关技术与多谱信号分析可提高信噪比和检测精
计算流量平衡分析。越大的泄漏需要越短的积分时 度 [28] 。
间，反之亦然 [28] 。 2.2 实时模型方法
2.2.1 状态评估法
2 基于软件的检测方法
状态评估法主要适合于管道小流量泄漏检测与
2.1 信号处理方法 定位 [35] 。基于质量、动量、能量守恒定律和流体状态
2.1.1 体积/质量平衡法 方程，可以得到非线性分布参数模型，再通过差分法
根据质量守恒平衡定律，当管内未发生泄漏时， 进行线性处理。状态评估器可用于评估系统状态和
管道进口流体的质量流量应等于管道出口的质量流 泄漏量 [23] 。
量。一旦发生泄漏，且泄漏达到一定量时，进出口流 2.2.2 系统分辨法
量将产生较大差异。因此，在管道多点处检测进出 系统分辨法通过ARMA模型与管道结构模型进
口流量，或检测管道末端面泵站，从而依据检测信号 行非线性构建，计算得到预测值与管道实际值并对
可汇总形成质量平衡图。通过质量平衡图可确定泄 比以判断泄漏。建立管道故障敏感模型与故障自由
漏程度和泄漏位置 [29-30] 。为了提高油气管道泄漏检 模型，用于检测与满足不同的泄漏工况检测与定位。
测的精度和灵敏度，技术人员常利用动态体积/质 基于故障敏感模型，利用互相关分析方法可实现泄
量平衡法。管道中的流体物质沿管道运行时其温度、 漏检测；基于故障自由模型，近似算法可评估泄漏
压力、密度、黏度可能发生变化，需要根据具体情况 定位 [35] 。
进行修正，故该方法较为复杂，计算量大 [30] 。 2.2.3 神经网络算法
2.1.2 负压波法 在现实情况中导致管道泄漏的因素较多，且各
当管道某处突然发生泄漏时，泄漏点处将产生 因素之间的耦合关系复杂，建立的刚性数学模型无
瞬时压降，从而产生负压波。采用负压波法检测时， 法求解多因素影响的泄漏工况 [36] 。神经网络具有良
布置于管道两端的传感器通过计算压力信号和时间 好的学习能力和自适应能力，可以模拟任何连续非
差的变化，确定检测泄漏点位置。小波变换技术可 线性函数，通过样本学习，利用泄漏信号特征指数构
用于去除瞬态负压波信号，两终端的检测信号特征 建神经网络输入矩阵，区分管道运行状况的神经网
将被捕捉，从而提高了检测精度。 络模型可检测泄漏 [37] 。适应性的神经网络算法可以
基于负压波检测技术，有以下两种定位方法：快 在线学习故障，无需从实现泄漏的训练数据中进行
速捕捉波形特征点差分算法和确定相差函数最大 学习，可适应于动态背景噪声环境，弥补了传统神经
峰值法。两种方法的结合可提高泄漏检测精度 [31] 。 网络算法的不足 [38] 。
WANG [32] 利用多种压力传感器获取了负压波信号， 2.2.4 谐波分析法
通过记录泵站中两组负压波序列，来确定负压波 谐波分析法可用于泄漏检测瞬时流量的计算，
63
2025 年 第 47 卷 第 2 期
无损检测
