基于EEMD-SDE算法的天然气管道泄漏点定位优化.pdf

第21卷第4期2023年8月Vol.21 No.4Aug.2023中 国 工 程 机 械 学 报CHINESE JOURNAL OF CONSTRUCTION MACHINERY基于EEMD-SDE算法的天然气管道泄漏点定位优化路泽永1，2，赵亚丽2，3，沙洲4（1.河北石油职业技术大学 电气与电子系，河北 承德 067000；2.河北省仪器仪表产业技术研究院，河北 承德 067000；3.河北石油职业技术大学 工业技术中心，河北 承德 067000；4.天津大学 精密测试技术及仪器国家重点实验室，天津 300072）摘要:实际工况下现场设备运行阶段会产生干扰信号，从而对管道泄漏信号造成影响，降低定位精度。为提高天然气管道次声波泄漏检测准确度，综合运用集合平均经验模态分解（EEMD）滤波预计二次相关时延估计（SDE）方法进行次声波泄漏定位，并结合现场数据验证了检测精度，从而实现准确定位天然气管道泄漏的功能。研究结果表明：以EEMD算法对次声波泄漏信号实施滤波，优化模态混叠效果，获得更高信噪比（SNR），充分保留信号内的有效成分，形成了与初始波形相吻合的拟合结果。综合采用EEMD降噪以及二次相关时延估计方法，根据现场天然气管道泄漏信号特征实现了泄漏点的准确定位，能够满足对天然气管道次声波泄漏进行精确定位检测的要求。天然气管道现场测试得到本方案定位相对误差均不超过1%。该研究易于实现，具有较好的实际推广价值。关键词:天然气管道；泄漏检测；经验模态分解；相关性分析；时延估计中图分类号:TE 88 文献标志码:A 文章编号:1672-5581（2023）04-0318-05Leakage location optimization of natural gas pipeline based on EEMD-SDE algorithmLU Zeyong1，2，ZHAO Yali2，3，SHA Zhou4（1.Department of Electrical and Electronics，Hebei Petroleum University of Technology，Chengde 067000，Hebei，China；2.Hebei Institute of Instrument Industry Technology，Chengde 067000，Hebei，China；3.Industrial Technology Center，Hebei Petroleum University of Technology，Chengde 067000，Hebei，China；4.State Key Laboratory of Precision Test Technology and Instrument，Tianjin University，Tianjin 300072，China）Abstract：Interference signals will also be generated during the operation of field equipment under actual working conditions，which will affect the pipeline leakage signals and reduce the positioning accuracy.In order to improve the detection accuracy of natural gas pipeline infrasound leakage，the method of ensemble mean empirical mode decomposition（EEMD）filtering predicted secondary correlation delay estimation（SDE）was used to locate the infrasound leakage，and the detection accuracy was verified with field data，so as to realize the accurate location of natural gas pipeline leakage.The results show that the EEMD algorithm is used to filter the infrasound leakage signal，and the mode mixing effect is optimized，and the signal-to-noise ratio（SNR）is higher，and the active component in the signal is fully retained，and the fitting result is formed which is consistent with the initial waveform.By using EEMD noise reduction and secondary correlation time delay estimation method，the accurate location of the leakage point is realized according to the characteristics of the field gas pipeline leakage signal，which can meet the requirements of accurate location detection of the gas pipeline infrasound leakage.Field tests of natural gas pipelines show that the relative positioning error of this scheme is less than 1%.This 基金项目：河北省重点研发计划项目（21375502D）作者简介：路泽永（1981），男，副教授，硕士。E-mail：通信作者：赵亚丽（1982），女，副教授，硕士。E-mail：第4期路泽永，等：基于EEMD-SDE算法的天然气管道泄漏点定位优化research is easy to realize and has good practical value.Key words：natural gas pipeline；leakage detection；empirical mode decomposition；correlation analysis；time delay estimation 当前，天然气消费量和进口量都呈现迅速增长趋势，因此促进了天然气管网建设规模的快速扩大1-2。由于实际管道输送天然气的过程中各类泄漏事故无法完全避免，为避免因泄漏而导致的火灾等隐患，需对管道使用期间的泄漏问题进行有效检测和定位。管道泄漏预警多是实时监测，根据控制原理不同可将其分成统计分析法、音波法、质量平衡法、光纤法、瞬态模型法等形式3-6。音波法具备硬件适应性强、低成本和便于升级的多项优点7。以音波法进行泄漏检测和定位时，重点是要准确提取得到泄漏特征参数。但因为实际工况下现场设备运行阶段也会产生干扰信号，从而对管道泄漏信号造成影响，降低了定位精度，这就要求合理选择信号处理方式，通过泄漏信号降噪以达到更高的检测精度。经验模态分解（empirical mode decomposition，EMD）可以把信号分解成包含不同特征参数的分量，从而实现对信号局部特性进行分析的功能8-10。考虑到管道泄漏信号具有显著的非线性变化特点，采用经验模态分解方法能够充分满足时频局部化分析的需求，由此达到高效处理管道泄漏信号的效果11。已有学者通过EMD技术与管道泄漏定位相结合的处理方式提升信号检测性能。例如，天津大学精密仪器实验室12开展了管道泄漏方面的分析，同时以EMD对信号进行了特征分析。本文综合运用EEMD滤波预计二次相关时延估计方法进行次声波泄漏定位，同时结合现场数据验证了检测精度，从而实现准确定位天然气管道泄漏的功能。1 定位方法 1.1定位关键参数当管道出现泄漏时，流体介质会跟管壁之间摩擦作用而引起振动，激发产生泄漏信号。泄漏信号会沿管道方向传播，当位于管道首末处传感器采集泄漏声信号后，利用定确定泄漏点13，结果如图1所示。将泄漏点和传感器A间离通过下式计算13：LA=L+vt2（1）式中：L为二个传感器的间距；v为次声波的传播速率；t为位于上、下游传感器采集泄漏声信号对应的时间差。1.2定位检测法进行泄漏检测时，实际定位精度受到时间差的显著影响。选择时延估计算法并根据检测相关函数峰值计算得到时间差。利用次声波传感器收集管道形成的泄漏信号后，先通过滤波处理去除信号中的噪声，由此完成泄漏点的定位。采用EMD算法进行处理时会产生模态混叠的情况，当选择EMD算法时可以对模态混叠起到明显抑制作用。采用SDE计进行处理时受到信号弱关联的作用，利用多次相关方法对噪声信号起到抑制作用，由此实现对广义互相关时延估计算法进行改进的功能。综合运用EEMD与SDE实现泄漏检测定位，准确判断天然气管道发生泄漏位置，显著改善了时延估计性能，具体如图2所示。2 泄漏信号滤波降噪 选择某一天然气输送管道作为测试对象，将次声波传感器设置在泄漏点上下游部位，分别采集得到泄漏信号，如图3所示。分析图3发现，上下游传感器采集获得信号数据在泄漏点部位形成了明显时间偏差。泄漏点与上游次声波传感器相距16.537 km，与下游次声波传感器相距 25.063 km，根据信号时延计算泄漏位置参数，再与实际漏点比图1管道泄漏定位原理Fig.1Pipeline leakage location schematic diagram图2本文技术流程Fig.2Technical flow chart of this paper319第21卷中 国 工 程 机 械 学 报较得到误差值。2.1泄漏信号的分解与时频分析以EEMD算法进行处理的处理过程如下：先分解原始信号，同时在每次分解过程中都加入相应的高斯白噪声；再对分解序列进行多次叠加，从而起到抵消高斯白噪声的效果；之后叠加计算分解获得的本征模态函数，由此获得集合的平均值，以此均值作为最终分解结果。利用EEMD算法分解天然气管道泄漏信号，再对其进行希尔伯特-黄变换（Hilbert-Huang transform，HHT），获得不同时间对应的信号频率与幅值，准确反馈出信号的时域与频域变化特性，并验证EEMD改进模态混叠的状态。利用EEMD分解方法获得信号发生泄漏时达到集中分布的最大幅值，突出泄漏过程引起幅值波动的程度，对解决模态混叠表现出优异信号处理性能。2.2划分噪声主导分量以EEMD算法对以上泄漏信号处理后，可以将其自适应分解成包含 11 个特征的本征模态函数（intrinsic mode function，IMF）分量，再根据由高频往低频的方式对其进行排列，RS12表示残余项，以此判断原始信号变化趋势与均值。通过分解获得IMF，并对各时间尺度下信号特征分析，其中，高频IMF属于噪声特性，低频IMF属于信号特性。为确保噪声被充分去除，对IMF和原始信号实施相关性分析，满足噪声主导分量分辨要求。当互相关系数与1越相近时，可以判断2个变量间存在更高相关度，以下给出了具体计算式：R(i)=i()t-i()tx()t-x()ti()t-i()t2x()t-x()t2 （2）式中：R（i）为不同阶IMF和原始信号之间的互相关系数；i（t）为第i个本征模态函数对应的分量；x（t）为初始的波形信号。可利用互相关函数进行如下计算：从IMF内确定信号与噪声的主导模态之间的分界点。大部分包含噪声的信号，能量主要分布于低频段，高频段能量较低，由此可判断存在中间分量（t）。超出该分量之后的分量属于信号主导分量，前期k阶分量属于噪声的主导分量。为实现对噪声的准确分辨，需对噪声与信号的主导分量进行分类处理，同时依次计算各阶IMF和初始信号之间的互相关系数，结果见表1。当 R（i）小于 0.16 时，0.200.44 表示低关联性，0.450.59表示中关联性，0.60以上表示高相关性。设定阈值为0.16，筛选确定噪声主导分量后将其去除。结合相关性程度进行筛选，判定认为IMF1IMF5、IMF10IMF12属于噪声的主导分量，IMF6IMF9属于信号的主导分量。2.3重构泄漏信号对信号主导分量实施叠加以实现信号重构功能。通过分析图4中信号完成滤波降噪前后形成波形特征可以发现：采用EEMD分解算法对次声波信号实施降噪后，依然保留初始信号波形，能够有效捕捉发生泄漏时的信号变化情况，此外降低了泄漏时刻其余各采样点发生幅值变化的状态，由此改善了信号的平滑性。图3上游和下游传感器泄漏信号波形Fig.3Leakage signal waveform diagram表1互相关系数分布Tab.1Cross-correlation number distribution特征分量IMF1IMF2IMF3IMF4IMF5IMF6互相关系数0.083.10.098.50.136.20.115.30.233.70.486.0特征分量IMF7IMF8IMF9IMF10IMF11IMF12互相关系数0.664.80.618.70.569.20.125.70.145.90.163.2图4信号波形对比Fig.4Signal waveform comparison diagram320第4期路泽永，等：基于EEMD-SDE算法的天然气管道泄漏点定位优化根据信噪比（signal noise ratio，SNR）判断信号有用能量相对噪声能量的比值，同时利用均方根误差（root mean squared error，RMSE）评价降噪信号相对原始信号发生的变化，通过滤波方式获得更高信噪比，同时降低均方根误差。计算得到表2中的EMD与EEMD算法信号评价指标。通过计算发现，EEMD算法获得了更大SNR，显著改善了降噪性能。3 泄漏点定位计算 对信号实施滤波处理，从而使大部分噪声杂波干扰被去除。采用次声波泄漏检测定位方法，并引入互相关算法获得时延值，由此计算得到泄漏点的位置参数。按照泄漏检测的处理方法，依次选择广义互相关与二次相关方法进行定位分析，同时比较两种方法的精度差异性。3.1二次相关定位对于广义互相关定位算法，假定噪声间不相关，从而形成一定的干扰项。本研究根据互相关时延估计算法设计了一种新的时延估计算法。具体计算过程为：先对信号 x1（n）进行自相关获得R11（t），之后再对信号x1（n）与x2（n）进行互相关运算获得R12（t），之后通过R11（t）与R12（t）以二次互相关的方式计算R22（t）。利用二次互相关加权方法计算出功率谱密度，经傅里叶反转换后，检测得到R22（t）峰值参数，以此确定合适的延迟时间。采用二次相关方法处理信号噪声可实现多次相关，从而抑制噪声因素引起的结果变化。图5给出了对二列滤波处理得到的泄漏信号经二次相关计算所得的结果，可以看到，以二次相关时延算法形成了明显峰值，按照延迟采样点数将其设定在5.18 s。二次相关算法可以实现泄漏点的准确定位功能，获得更小的误差。3.2测试验证为验证泄漏定位算法和信号滤波方法适用性，对中国某天然气管道泄漏信号数据采集并完成信号滤波与定位。依次设置了AE共4个传感器安置位置。根据距离差异性，分批次采集泄漏信号。泄漏点位于靠近B点的区域，之后对传感器A与C接收获得的泄漏信号实施处理，由此满足漏点定位的功能。按照同样的方式对B+C+D和C+D+E泄漏测试。由表4可知，定位相对误差均不超过1%。表2滤波效果评价结果Tab.2Evaluation results of filtering effect滤波算法EMDEMDEEMDEEMD信号来源首站末站首站末站SNR13.316 212.896 316.845 715.268 4RMSE7.563 35.963 05.462 15.269 3图5泄漏信号二次相关函数曲线Fig.5Quadratic correlation function curve of leakage signal图6传感器分布示意Fig.6Schematic diagram of sensor distribution表4不同距离下的泄漏信号数据Tab.4Leakage signal data at different distances测试点A+B+CB+C+DC+D+E泄漏点与上游传感器距离/m18 62818 66118 60818 62418 65123 16823 45223 62423 70523 26713 23613.30513.19613.22413.185泄漏点/m18 50818.56318 49418 50118 54623 06623 34823 51223 58723 16013 12813 20513 08113 12813 084绝对误差/m1209811412310510210411211810710810011596101相对误差/%0.6440.5250.6130.6610.5630.4400.4430.4740.4980.4600.8160.7520.8710.7260.766321第21卷中 国 工 程 机 械 学 报4 结论（1）以 EEMD算法对次声波泄漏信号实施滤波，优化了模态混叠效果，获得更高信噪比，形成了与初始波形相吻合的拟合结果。（2）通过二次相关时延算法完成次声波泄漏信号的时延过程，显著减小了定位误差。（3）综合采用 EEMD降噪以及二次相关时延估计方法，根据现场天然气管道泄漏信号特征实现了泄漏点的准确定位，能满足对天然气管道次声波泄漏进行精确定位检测的要求。参考文献：1LUKONGE A B，CAO X.Leak detection system for longdistance onshore and offshore gas pipeline using acoustic emission technology：a review J.Transactions of the Indian Institute of Metals，2020，373（5）：1-13.2KOUSIOPOULOS G P，PAPASTAVROU G N，KAMPELOPOULOS D，et al.Comparison of time delay estimation methods used for fast pipeline leak localization in high-noise environment J.Technologies，2020，68（154）：254-261.3LI J，ZHENG Q，QIAN Z H，et al.A novel location algorithm for pipeline leakage based on the attenuation of negative pressure waveJ.Process Safety and Environmental Protection，2019，123（5820）：309-316.4WANG X，GHIDAOUI M S.Pipeline leak detection using the matched-field processing methodJ.Journal of Hydraulic Engineering，2018，143（6）：04018030.5XU C H，DU S S，GONG P，et al.An improved method for pipeline leakage localization with a single sensor based on modal acoustic emission and empirical mode decomposition with Hilbert transform J.IEEE Sensors Journal，2020，20（10）：5480-5491.6ZHANG J，HOFFMAN A，KANE A，et al.Review of pipeline leak detection technology J.Pipeline Simulation Interest Group，2013，185（360）：201-207.7ZHANG J，HOFFMAN A，KANE A，et al.Development of pipeline leak detection technologiesC/Alberta：2014 10th International Pipeline Conference.2014：IPC2014-33619.8于殿强.次声波泄漏检测技术在胜利油田的应用 J.油气田地面工程，2011，30（11）：70-71.YU D Q.The application of infrasound leak detection technology in Shengli Oilfield J.Oil-Gas Field Surface Engineering，2011，30（11）：70-71.9钭锦周，王卫玉，陈启卷.改进EMD降噪方法在水轮机尾水管压力脉动信号中的应用 J.水电能源科学，2017，35（5）：157-160.DOU J Z，WANG W Y，CHEN Q J.Application of improved EMD de-noising method in pressure fluctuation signal of draft tube J.Water Resource and Power，2017，35（5）：157-160.10张亮，孙新建，占其兵.基于CEEMD和相关性函数特性的爆破震动信号滤波方法研究 J.水利水电技术，2017，48（6）：37-42.ZHANG L，SUN X J，ZHAN Q B.Research of filtering method for blasting vibration signals based on CEEMD and correlation function propertyJ.Water Resources and Hydropower Engineering，2017，48（6）：37-42.11郑近德，程军圣，杨宇.改进的EEMD算法及其应用研究 J.振动与冲击，2013，32（21）：21-26.ZHENG J D，CHENG J S，YANG Y.Modified EEMD algorithm and its applicationsJ.Journal of Vibration and Shock，2013，32（21）：21-26.12李健，封超.基于EEMD 和二次相关法的管道泄漏定位检测 J.纳米技术与精密工程，2017，15（5）：372-377.LI J，FENG C.Pipeline leak location detection based on EEMD and second correlation J.Nanotechnology and Precision Engineering，2017，15（5）：372-377.13谢含宇，王寿喜，郭乔，等.基于EEMD滤波和时延估计的次声波法管道泄漏定位 J.油气储运，2020，39（10）：1148-1154，1164.XIE H Y，WANG S X，GUO Q，et al.Pipeline leakage location using infrasonic wave method based on EEMD filtering and time delay estimation J.Oil&Gas Storage and Transportation，2022，39（10）：1148-1154，1164.322