摘要：簡單說明了油氣長輸管道泄漏的原因和泄漏的危害，簡單回顧了國內外油氣長輸管道泄漏檢測技術發展的歷史，詳細介紹了熱紅外線成像、探地雷達、氣體成像、傳感器法、探測球法、半滲透檢測管檢漏法、GPS時間標簽法、放射性示蹤劑法、體積或質量平衡法、壓力波法、小波變換法、相關分析法、狀態估計法、系統辨識法、神經網絡法、統計檢漏法和水力坡降法等20多種管道泄漏檢測技術方法，同時介紹了泄漏檢測方法的診斷性能指標和綜合性能指標，最后指出了現在存在的問題和發展的趨勢。
關鍵詞：油氣；長輸管道；泄漏；原因；檢測方法；性能指標；問題；發展；趨勢
油氣長輸管道發生泄漏的原因多種多樣，但大致可以分為：(1)管道腐蝕：防護層老化、陰極保護失效, 以及腐蝕性介質對管道外壁造成的腐蝕和傳輸介質的腐蝕成分對管道內壁造成的腐蝕；(2)自然破壞：由于地震、滑坡等自然災害以及氣候變化使管道發生翹曲變形導致應力破壞；(3)第三方破壞：不法分子的盜竊破壞, 施工人員違章操作, 野蠻施工造成的破壞；(4)管道自身缺陷：包括管道焊接質量缺陷, 管道連接部位密封不良, 未設計管道伸縮節, 材料等原因。油氣管道泄漏不僅給生產、運營單位造成巨大的經濟損失，而且會對環境造成破壞、嚴重影響沿線居民的身體健康和生命安全。
1 檢漏技術發展歷史
國外從上個世紀70年代就開始對管道泄漏檢測技術進行了研究。早在1976年德國學者R.Isermann和H. Siebert就提出以輸入輸出的流量和壓力信號經過處理后進行互相關分析的泄漏檢測方法；1979年Toslhio Fukuda提出了一種基于壓力梯度時間序列的管道泄漏檢測方法；L.Billman和R.Isermann在1987年提出采用非線性模型的非線性狀態觀測器的檢漏方法；A.Benkherouf在1988年提出了卡爾曼濾波器方法；1991 年Kurmer 等人開發了基于Sagnac 光纖干涉儀原理的管道流體泄漏檢測定位系統；1993年荷蘭殼牌(shell)公司的X.J.Zhang提出了統計檢漏法；1999年美國《管道與氣體雜志》報道了一種稱作“紋影”( Schlieren)的技術，即采用空氣中的光學折射成象原理可用于管道檢漏；2001年Witness提出了采用頻域分析的頻域響應法，其基本思想是將管道系統的模型轉換到頻域進行泄漏檢測和定位分析；2003年Marco Ferrante提出了采用小波分析的方法，利用小波技術對管道的壓力信號進行奇異性分析，由此來檢測泄漏。
我國對于管道泄漏技術的研究起步較晚，但發展很快。1988年方崇智提出了基于狀態估計的觀測器的方法；1989年王桂增提出了一種基于Kullback信息測度的管線泄漏檢測方法；1990年董東提出了采用帶時變噪聲估計器的推廣Kalman濾波方法；1992年提出了負壓波法泄漏檢測法；1997, 1998年天津大學分別采用模式識別、小波分析等技術對負壓波進行了很大程度的改進；1997年唐秀家等人首次提出基于神經網絡的管道泄漏檢測模型；1999年張仁忠等提出了壓力點分析(PPA)法和采集數據與實時仿真相關分析法相結合的方法；2000年胡志新等提出了分布式光纖布拉格光柵傳感器的油氣管道監測系統；2002年崔中興等介紹了聲波檢漏法；2003年胡志新提出了基于Sagnac 光纖干涉儀原理的天然氣管道泄漏檢測系統理論模型；2003年潘緯等利用小波分析方法來分析信號的奇異性及奇異性位置,來檢測天然氣管線泄漏；2003年夏海波等提出了基于GPS 時間標簽的管道泄漏定位方法；2004年白莉等提出了一致最大功效檢驗探測泄漏信號；2004年吳海霞等運用負壓波和質量平衡原理,采用模糊算法和邏輯判斷法,利用壓力、流量和輸差三重機制實現了對原油管道的泄漏監測及定位、原油滲漏監測和報警；2004年倫淑嫻等利用自適應模糊神經網絡系統的去噪方法可以提高壓力信號；2005年張紅兵等介紹了根據管道的瞬態數學模型，并應用特征線法求解進行不等溫輸氣管道泄漏監測；2005年劉恩斌等研究了一種新型的基于瞬態模型的管道泄漏檢測方法,并對傳統的特征線法差分格式進行了改進,將其應用于對管道瞬態模型的求解；2005年朱曉星等提出了將仿射變換的思想應用到基于瞬態壓力波的管道泄漏定位算法中；2005年白莉等等將擴展卡爾曼濾波算法,應用于海底管道泄漏監測與定位；2006年白莉等利用多傳感器的信息融合思想,提出分布式檢測與決策融合方法進行長距離海底管線泄漏監測；2006年提出了一種基于Mach-Zehnder光纖干涉原理的新型分布式光纖檢漏測試技術[1-12]。
2 泄漏檢測技術方法
對于檢漏技術的分類，現在沒有統一的規定，根據檢測過程中所使用的測量手段不同，分為基于硬件和軟件的方法；根據測量分析的媒介不同可分為直接檢測法與間接檢測法；根據檢測過程中檢測裝置所處位置不同可分為內部檢測法與外部檢測法；根據檢測對象的不同可分為檢測管壁狀況和檢測內部流體狀態的方法[1-19]。
2.1 熱紅外成像
對于加熱輸送的液體管道，當管道發生泄漏時,土壤被泄漏的液體加熱后溫度上升，通過紅外輻射的不同來感知這種異常的溫度，將其與事先保存在計算機中的管道周圍土壤正常溫度分布圖進行比較檢測泄漏。近年美國OIL TON公司開發出一種機載紅外檢測技術，由直升飛機攜帶一高精度紅外攝像機沿管道飛行，通過分析輸送物資與周圍土壤的細微溫差確定管道是否泄漏。這類方法不能對管線進行連續檢測，因此發現泄漏的實時性差而且對管道的埋設深度有一定的限制,具有關資料介紹,當直升機的飛行高度為300m時,管道的埋設深度應當在6m之內。
2.2 探地雷達
探地雷達(GPR) 將脈沖發射到地下介質中，通過時域波形的處理和分析探知地下管道是否泄漏。當管道內的原油發生泄漏時,管道周圍介質的電性質會發生變化,從而反射信號的時域波形也會發生變化,根據波形的變化就可以檢測到管道是否發生了泄漏。應用探地雷達探測時,物體必須有一定的體積,因此這種方法不適用于較細的管道。而且用探地雷達探測泄漏時,與管道周圍的地質特性有關,地質特性的突變對圖象有很大的影響,這也是應用中的一個難點。
2.3 氣體成像
在輸氣管道泄漏檢測中,氣體成像技術也是一個比較有效的方法。以前氣體成像的原理主要是根據背景吸收氣體成像和紅外輻射吸收技術。設備比較笨重,需要大型的激光器。近年來,開發了一種稱之為“紋影”的技術,即采用空氣中光學折射成像原理檢漏。其設備輕巧、使用方便,還能提供有關泄漏量的指示。這種光學非侵入技術，可以遠距離觀測漏失量為每分鐘僅為幾毫升的輕微泄漏。泄漏到大氣中的天然氣比周圍的空氣折射率高，天然氣泄漏使光線發生折射，在攝像機和照明條件下光柵之間的泄漏，使光線到達攝像機時產生位移。這樣肉眼見不到的天然氣泄漏就變成可視的紋影圖象并可拍攝下來。利用這種技術，氧氣和氮氣難于在空氣中成象，但烴類氣體、揮發性流體的蒸氣卻容易看到；氦氣、氫氣、含氯氟烴等密度大于或小于空氣的氣體都可成象。同樣紋影攝像機也能看到冷暖氣流和超聲沖擊波。紋影成象技術不僅能發現氣休泄漏而且能提供信息估算泄漏量。這種技術是地面成象系統，但檢測來自地下的天然氣泄漏也是可行的。
2.4 傳感器法
隨著傳感器技術的發展,人們已經制造出對某種化學物質特別敏感的傳感器,再借助于計算機和現代信號處理技術可以大大地提高檢測的靈敏度和精確度。
(1) 嗅覺傳感器
將嗅覺傳感器應用于管道檢測還是一項不大成熟的技術。可以將嗅覺傳感器沿管道按一定的距離布置,組成傳感器網絡對管道進行實時監控。當發生泄漏時,對泄漏物質非常敏感的嗅覺傳感器就會發出報警。
(2) 分布式光纖聲學傳感器
方法是利用Sagnac干涉儀測量泄漏所引起的聲輻射的相位變化來確定泄漏點的范圍，這種傳感器可以用于氣體或液體運輸管道。這種方法是把光纖傳感器放在管道內，通過接收到的泄漏液體或氣體的聲輻射，來確定泄漏和定位。由于是玻璃光纖，所以不會被分布沿線管道的高壓所影響，也不會影響管道內液體的非傳導特性，而且光纖還不受腐蝕性化學物資的損害，壽命較長。在理論上，10km管道定位精度能達到±5m，反應也較靈敏及時，但成本較高。
2.5 探測球法
基于磁通、超聲、渦流、錄像等技術的探測球法是上世紀80年代末期發展起來的一項技術，將探測球沿管線內進行探測，利用超聲技術(“超聲豬”)或漏磁技術(“磁通豬”)采集大量數據，并進行事后分析，以判斷管道是否有泄漏點。該方法檢測準確、精度較高，缺點是探測只能間斷進行，易發生堵塞、停運的事故，而且造價較高。
2.6 半滲透檢測管法
這種檢漏管埋設在管道上方，一旦氣體管道發生泄漏，安裝在檢測管一端的抽氣泵持續地從管內抽氣，并進入烴類檢測器，如檢測到油氣，則說明有泄漏發生。但這種方法安裝和維修費用相對較高，另外，土壤中自然產生的氣體(如沼氣)可能會造成假指示，容易引起誤報警。美國謝夫隆管道公司在天然氣管道上安裝了這種檢測系統(LASP)。
2.7 檢漏電纜法
檢漏電纜多用于液態烴類燃料的泄漏檢測。電纜與管道平行鋪設，當泄漏的烴類物質滲入電纜后，會引起電纜特性的變化。目前己研制的有滲透性電纜、油溶性電纜和碳氫化合物分布式傳感電纜。這種方法能夠快速而準確地檢測管道的微小滲漏及其滲漏位置，但其必須沿管道鋪設，施工不方便，且發生一次泄漏后，電纜受到污染，在以后的使用中極易造成信號混亂，影響檢測精度，如果重新更換電纜，將是一個不小的工程。
2.8 GPS時間標簽法
GPS(全球定位系統)的基本定位原理是：衛星不間斷地發送自身的星歷參數和時間信息，用戶接收到這些信息后，經過計算求出接收機的三維位置，三維方向以及運動速度和時間信息。采用GPS同步時間脈沖信號是在負壓波的基礎上強化各傳感器數據采集的信號同步關系，通過采樣頻率與時間標簽的換算分別確定管道泄漏點上游和下游的泄漏負壓波的速度，然后利用泄漏點上下游檢測到的泄漏特征信號的時間標簽差就可以確定管道泄漏的位置。采用GPS進行同步采集數據，泄漏定位精度可達到總管線長度的1%之內，比傳統方法精度提高近3倍。
2.9 放射性示蹤劑檢測
放射性示蹤劑檢測是將放射性示蹤劑(如碘131) 加到管道內, 隨輸送介質一起流動, 遇到管道的泄漏處, 放射性示蹤劑便會從泄漏處漏到管道外面, 并附著于泥土中。示蹤劑檢漏儀放于管道內部, 在輸送介質的推動下行走。行走過程中, 指向管壁的多個傳感器可在3600 范圍內隨時對管壁進行監測。經過泄漏處時, 示蹤劑檢漏儀便可感受到泄漏到管外的示蹤劑的放射性, 并記錄下來。根據記錄, 可確定管道的泄漏部位。這種方法對微量泄漏檢測的靈敏度很高。該方法優點是靈敏度高, 可監測到百萬分之一數量級, 甚至十億分之一數量級,但是由于放射性示蹤劑對人身安全和生態環境的影響,因此如何選擇化學和生物穩定性好、分析操作簡單、靈敏度高、無毒、應用環境安全等特點的示蹤劑, 進行示蹤監測是亟待解決的問題。
2.10 體積或質量平衡法
管道在正常運行狀態下，其輸入和輸出質量應該相等，泄漏必然產生量差。體積或質量平衡法是最基本的泄漏探測方法，可靠性較高。但是管道泄漏定位算法對流量測量誤差十分敏感, 管道泄漏定位誤差為流量測量誤差的6-7 倍, 因此流量測量誤差的減小可顯著提高管道泄漏檢測定位精度。提高流量計精度是一種簡便可行的方法,北京大學的唐秀家教授于1996 年首次提出了采用三次樣條插值擬合腰輪流量計誤差流動曲線, 動態修正以腰輪流量計滑流量為主的計量誤差的方法。此方法能顯著提高管道泄漏檢測的靈敏度和泄漏精度。
2.11 負壓波
當管道發生泄漏事故時, 在泄漏處立即有物質損失, 并引起局部密度減小, 進而造成壓力降低。由于管道中流體不能立即改變流速, 會在泄漏處和其任一端流體之間產生壓差。該壓差引起液流自上而下流至泄漏處附近的低壓區。該液流立即擠占因泄漏而引起密度及壓力減小的區域在臨近泄漏區域和其上、下游之間又產生新的壓差。泄漏時產生的減壓波就稱為負壓波。設置在泄漏點兩端的傳感器根據壓力信號的變化和泄漏產生的負壓波傳播到上下游的時間差，就可以確定泄漏位置。該方法靈敏準確，無需建立管線的數學模型，原理簡單，適用性很強。但它要求泄漏的發生是快速突發性的，對微小緩慢泄漏不是很有效。基于負壓波的傳播理論, 提出了兩種定位方法：(1)設計了一種能夠快速捕捉負壓波前鋒到達壓力測量點的波形特征點的微分算法, 并基于此種算法進行漏點定位；(2)將極性相關引入漏點定位技術, 通過確定相關函數峰值點的方法, 進行漏點定位。這兩種定位方法是對泄漏時的壓力時間序列分別從微分和積分, 從瞬態和穩態兩方面進行處理,提取特征值。這兩種方法配合使用, 相互參照, 能夠提高泄漏點定位的準確度。
目前,負壓波法在我國輸油管道上進行了多次試驗,取得了令人滿意的效果,但在輸氣管道上的試驗并不多。有文獻指出,負壓波法完全適合于氣體管道的泄漏檢測, ICI 公司曾經使用負壓波法在乙烯管道上進行過成功的試驗。使用壓力波法時,應當選用只對負壓波敏感的壓力傳感器(因為泄漏不會產生正壓波) ,傳感器應當盡量靠近管道,而且要設定合適的閾值,這樣可以更好地抑制噪音。
2.12 壓力點分析法(PPA)
PPA 法是利用壓力波原理發展的一種新型檢漏方法, 較其它方法體現了許多優點。該方法依靠分析由單一測點取得數據, 極易實現。增添測點可改善性能, 但在技術上不是必需的。在站場或干線某位置上安裝一個壓力傳感器, 泄漏時漏點產生的負壓波向檢測點傳播, 引起該點壓力(或流量) 變化, 分析比較檢測點數據與正常工況的數據, 可檢測出泄漏。再由負壓波傳播速度和負壓波到達檢測點的時間可進行漏點定位。PPA具有使用簡便、安裝迅速等特點。美國謝夫隆管道公司(CPL)將PPA法作為其管道數據采集與處理系統(SCADA)的一部分，試驗結果表明，PPA具有優良的檢漏性能，能在10min內確定50gal/min的漏失。但壓力點分析法要求捕捉初漏的瞬間信息，所以不能檢測微滲。該方法使用于檢測氣體、液體和某些多相流管道，己廣泛應用于各種距離和口徑的管道泄漏檢測。
2.13 壓力梯度法
壓力梯度法是上世紀80年代末發展起來的一種技術，它的原理是：當管道正常輸送時，站間管道的壓力坡降呈斜直線，當發生泄漏時，漏點前后的壓力坡降呈折線狀，折點即為泄漏點，據此可算出實際泄漏位置。壓力梯度法只需要在管道兩端安裝壓力傳感器，簡單、直觀，不僅可以檢測泄漏，而且可確定泄漏點的位置。但因為管道在實際運行中，沿線壓力梯度呈非線性分布，因此壓力梯度法的定位精度較差，而且儀表測量對定位結果有很大影響。所以壓力梯度法定位可以作為一個輔助手段與其它方法一起使用。
2.14 小波變換法
小波變換即小波分析是20世紀80年代中期發展起來新的數學理論和方法，被稱為數學分析的“顯微鏡”，是一種良好的時頻分析工具。利用小波分析可以檢測信號的突變、去噪、提取系統波形特征、提取故障特征進行故障分類和識別等。因此，可以利用小波變換檢測泄漏引發的壓力突降點并對其進行消噪，以此檢測泄漏并提高檢測的精度。小波變換法的優點是不需要管線的數學模型，對輸入信號的要求較低，計算量也不大，可以進行在線實時泄漏檢測，克服噪聲能力強，是一種很有前途的泄漏檢測方法。但應注意，此方法對山工況變化及泄漏引起的壓力突降難以識別，易產生誤報警。
2.15 互相關分析法
相關技術實質是在時延域中考察兩個信號之間的相似性，包含自相關和互相關兩個內容。油氣輸送管道管壁一般都是彈性體，流體發生泄漏時，流體受壓力噴射而誘發彈性波并沿管壁內傳播。檢測管道某兩點處的彈性波信號，分析其互相關函數,利用相關時延技術便可判定是否發生泄漏及泄漏的位置。相關檢漏技術是綜合振動、測試、信號處理等許多學科知識的高新技術。用互相關分析法檢漏和定位靈敏、準確，只需檢測壓力信號，不需要數學模型，計算量小。但它對快速突發性的泄漏比較敏感，對泄漏速度慢、沒有明顯負壓波出現的泄漏很難奏效。
2.16 基于瞬變流模型的檢漏法
文獻[18]介紹了一種基于瞬變流模型的檢漏方法。該方法根據擬穩態流的假設，考慮了在瞬態條件下管道的流量變化和壓力分布。對一條假設天然氣管道的研究結果表明，即使是對于瞬態條件，該方法也比以往一些未考慮管道的流量變化和壓力分布的常規方法更準確地確定管道的泄漏點。這種方法也能應用于設有能引起管道流量分布突變的配氣站的管道系統。
瞬態模型法主要針對動態檢測泄漏,瞬時模擬管道運行工況,它可以提供確定管道存儲量變化的數據,為流量平衡法提供參考量。使用管道瞬變模型法的關鍵在于建立比較準確的管道流體實時模型,以可測量的參數作為邊界條件,對管道內的壓力和流量等參數進行估計。當計算結果的偏差超過給定值時,即發出泄漏報警。
2.17 應力波法
管線由于腐蝕、人為打孔原因破裂時，會產生一個高頻的振動噪聲，該噪聲以應力波的形式沿管壁傳播，強度隨距離按指數規律衰減。在管道上安裝對泄漏噪聲敏感的傳感器，通過分析管道應力波信號功率譜的變化，即可檢測出流體的泄漏。由于影響管道應力波傳播的因素很多，在實際中很難用解析的方法準確描述出管道振動。有人提出使用神經網絡學習管道正常信號與泄漏信號，進而對管道的泄漏進行判斷。
2.18 基于狀態估計的方法
該方法根據質量平衡方程、動量平衡方程、能量平衡方程及狀態方程等機理建模。得到一個非線性的分布式參數系統模型, 通常可采用差分法或特征線法等方法將其線性化。設計狀態估計器對系統狀態進行估計,將估計值作為泄漏檢測的依據,這就是基于狀態估計的方法的基本原理。其中估計器可以是觀測器,也可以是Kalman 濾波器。根據建立模型的方法,這類方法可分為不包含故障的模型法和包含故障的模型法。
①不包含故障的模型法。不包含故障的模型法的基本思路是,建立管道模型并設計估計器,模型中不含有泄漏的信息。當泄漏發生時,模型估計值與實際測量值將會產生殘差,可用殘差信號來進行檢測定位。當泄漏量大時,該方法不可行。另外,該方法需要設置流量計,而且對于氣體管道,檢測和定位的響應時間太慢。
②包含故障的模型法。包含故障的模型法的基本思路是,建立管道模型時預先假設管道有幾處指定的位置發生了泄漏, 通過對系統的狀態估計得到這幾個預先假設的泄漏點的泄漏量估計值, 運用適當的判別準則便可進行泄漏檢測和定位。該方法在長90 km、內徑785 mm 的氣體管道上,在80 min 內可檢測出2 %的泄漏量,并在100min 內可完成定位,定位精度比較高。但當實際泄漏點不處于指定泄漏點之間時,定位公式將無法使用。對于氣體管道,檢測速度相對較慢,仍需設置流量計。
2.19 基于系統辨識的方法
通過系統辨識來建立模型是工業上經常使用的方法,與基于估計器的方法相比,具有實時性強和更加精確等優點,管道的模型也可以通過系統辨識的方法來得到。目前,采用的方法是在管道系統上施加M 序列信號,采用線性ARMA 模型結構增加某些非線性項來構成管道的模型結構,采用辨識的方法來求解模型參數,并用與估計器方法類似的原理進行檢漏和定位。
為了對管道的泄漏進行檢測,可以對根據管道實際情況建立“故障靈敏模型”及“無故障模型”進行對比和計算。系統辨識法的局限性與不包含故障的模型法類似。基于模型法的一個共同的問題在于,檢測管道泄漏時的響應時間慢,特別是對于氣體管道。這是由于氣體的動態特性變化比較緩慢,實際測量信號的采樣時間比較長的緣故。另外,基于模型的方法無一例外,都要采用實際測量的流量信號,由于流量計價格昂貴,維護起來比較困難,因此,我國多數管道沒有安裝,而且受流量測量時流體成分、溫度以及壓力等參數變化的影響,測量的準確度比較低。
2.20 基于神經網絡的方法
由于有關管道泄漏的未知因素很多,采用常規數學模型進行描述存在較大困難,用于泄漏檢測時,常因誤差很大或易漏報誤報而不能用于工業現場。基于人工神經網絡檢測管道泄漏的方法,不同于已有的基于管道準確流動模型描述的泄漏檢測法,能夠運用自適應能力學習管道的各種工況,對管道運行狀況進行分類識別,是一種基于經驗的類似人類的認知過程的方法。試驗證明這種方法是十分靈敏和有效的。理論分析和實踐表明,這種檢漏方法能夠迅速準確預報出管道運行情況,檢測管道運行故障并且有較強的抗惡劣環境和抗噪聲干擾的能力。泄漏引發應力波適當的特征提取指標能顯著提高神經網絡的運算速度。基于神經網絡學習計算研制的管道泄漏檢測儀器簡潔實用,能適應復雜工業現場。神經網絡檢測方法可推廣應用到管道堵塞、積砂、積蠟、變形等多種故障的檢測中,對于管網故障診斷有廣泛的應用前景。
2.21 統計檢漏法
該方法采用一種“順序概率測試”( SequentialProbability Ratio Test) 假設檢驗的統計分析方法,從實際測量到的流量和壓力信號中實時計算泄漏發生的置信概率。在實際統計上,輸入和輸出的質量流通過流量變化( Inventory Variation) 來平衡。在輸入的流量和壓力均值與輸出的流量和壓力均值之間會有一定的偏差,但大多數偏差在可以接受的范圍之內,只有一小部分偏差是真正的異常。通過計算標準偏差和檢驗零假設,對偏差的顯著性進行檢驗,來判斷是否出現故障。泄漏發生后,采用一種最小二乘算法進行定位。
2.22 水力坡降線法
水力坡降線法的技術不太復雜。這種方法是根據上游站和下游站的流量等參數, 計算出相應的水力坡降, 然后分別按上游站出站壓力和下游站進站壓力作圖, 其交點就是理想的泄漏點。但是這種方法要求準確測出管道的流量、壓力和溫度值。對于間距長達幾十或百公里的長輸管道, 由儀表精度造成的誤差可能使泄漏點偏移幾公里到幾十公里, 甚至更遠, 給尋找實際泄漏點帶來困難。因此,應用水力坡降線法尋找長輸管道泄漏點時應考慮儀表精度的影響。壓力表、溫度計和流量計等的精度對泄漏點的判定都有直接關系。把上、下游站這3種儀表的最大和最小兩種極端情況按照排列組合方式, 可以構成64 種組合, 其中有2 種組合決定泄漏區間的上、下游極端點。目前這種方法較少采用。
3 檢漏方法性能指標
3.1 泄漏檢測性能指標
一個高效可靠的管道泄漏檢測與定位系統，必須在微小的泄漏發生時，在最短的時間內，正確地報警，準確地指出泄漏位置，并較好地估計出泄漏量，而且對工況的變化適應性要強，也即泄漏檢測與定位系統誤報率、漏報率低，魯棒性強，當然還應便于維護。歸結起來可分為:靈敏性、定位精度、響應時間、誤報率、評估能力、適應能力、有效性、維護要求、費用。
3.2 診斷性能指標
1) 正常工序操作和泄漏的分離能力:是指對正常的起/ 停泵、調閥、倒罐等情況和管道泄漏情況的區分能力。這種區分能力越強,誤報率越低。
2) 泄漏辨識的準確性:指泄漏檢測系統對泄漏的大小及其時變特性的估計的準確程度。對于泄漏時變特性的準確估計,不僅可識別泄漏的程度,而且可對老化、腐蝕的管道進行預測并給出一個合理的處理方法。
3.3 綜合性能指標
1) 魯棒性:指泄漏診斷系統在存有噪聲、干擾、建模誤差等情況下正確完成泄漏診斷的任務,同時保證滿意的誤報率和漏報率的能力。診斷系統魯棒性越強,可靠性就越高。
2) 自適應能力:指診斷系統對于變化的診斷對象具有自適應能力,并且能夠充分利用由于變化產生的新的信息來改善自身。
在實際工程設計中,首先要正確分析工況條件及最終性能要求,明確各性能要求的主次關系,然后從眾多的泄漏檢測方法中進行分析,經過適當權衡和取舍,最后選定最優解決方案。
4 存在問題及發展趨勢
長輸管道的泄漏檢測與定位具有十分重要的現實意義,盡管已經取得很大的進步,工程實踐中已得到應用,取得了一定的經濟效益,同時也暴露了許多尚需解決的問題。例如長輸管道的小泄漏檢測和定位仍是重點攻克問題；如何增強泄漏檢測和定位系統的自適應能力和自學習能力；如何將多種方法有機的結合起來進行綜合診斷,發揮各自的優勢,從而提高整個系統的綜合診斷性能；如何有效解決長輸管道的非線性分布參數的時間滯后問題等。
目前的泄漏檢測和定位手段是多學科多技術的集成,特別是隨著傳感器技術、模式識別技術、通信技術、信號處理技術和模糊邏輯、神經網絡、專家系統、粗糙集理論等人工智能技術等發展,為泄漏檢測定位方法帶來了新的活力,可對諸如流量、壓力、溫度、密度、粘度等管道和流體信息進行采集和處理,通過建立數學模型或通過信號處理,或通過神經網絡的模式分類，或通過模糊理論對檢測區域或信號進行模糊劃分,利用粗糙集理論簡約模糊規則,從而提取故障特征等基于知識的方法進行檢測和定位。將建立管道的數學模型和某種信號處理方法相結合、將管外檢測技術和管內檢測技術相結合、將智能方法引入檢測和定位技術實現智能檢測、機器人檢測和定位等是一研究方向[20]。
參考文獻
[1] 朱蕓.天然氣長輸管道泄漏檢測與定位方法研究[D].蘭州.2005,5.
[2] 潘緯,李煒.信號奇異性檢測在輸氣管線泄漏檢測中的應用[J].計算技術與自動化,2003,22(2)：71-73.
[3] 夏海波.基于GPS 時間標簽的管道泄漏定位方法[J]. 計算機測量與控制, 2003,11(3) :161-176.
[4] 白 莉,岳前進,李洪升.噪聲干擾條件下長輸管道檢漏的一致最大功效檢驗[[J].石油學報,2004,25(2)：115-117.
[5] 吳海霞,蔣耘晨,趙顯利.運用虛擬儀器實現輸油管道泄漏監測和定位[J].北京理工大學學報,2004,24(2)：174-177.
[6] 倫淑嫻,張化光,馮 健.自適應模糊神經網絡系統在管道泄漏檢測中的應用[J].石油學報,2004,25(4)：101-104.
[7] 張紅兵,李長俊.不等溫輸氣管道泄漏監測技術[J].石油工程建設,2005,31(1)：25-27.
[8] 劉恩斌,彭善碧,李長俊,等.基于瞬態模型的油氣管道泄漏檢測[J].天然氣工業,2005,25(6)：67-69.
[9] 朱曉星,陳悅,王桂增,等.仿射變換在管道泄漏定位中的應用[J].山東大學學報,2005,35(3)：32-35.
[10] 白 莉,李洪升,賈 旭,等. 基于瞬變流和故障檢測的管線泄漏監測試驗分[J].大連理工大學學報,2005.45(1)：8-11.
[11] 白 莉,岳前進,崔 莉.基于分布式檢測與決策融合的海底油氣管線檢漏[J].海洋工程,2006,24(1)：55-59.
[12] 周琰,勒世久,張昀超,等.分布式光纖管道泄漏檢測和定位技術[J].石油學報,2006,27(2)：122-124.
[13] 趙福麟, 孫銘勤, 楊庭秀, 等.埕東油田西區南塊整體堵水中示蹤劑的選擇和應用[J].油田化學,1991,8(2):124- 130
[14] 蔣仕章，蒲家寧.用動態質量平衡原理進行管道檢漏的精度分析[J].油氣儲運,2000,19(2)：12-l 3
[15] 趙堂玉:基于軟件的輸油氣管道泄漏檢測技術[J].油氣儲運,2004 ,23 (9)：1-7.
[16] Edward J. Farmer管道泄漏檢測的新方法[J].自動化儀表,1992,10(3)：11-14.
[17] 周俊,李永強,王占宇,等.利用壓力趨勢圖判斷管道盜油點[J].油氣儲運,2002,21(7)：28-29.
[18] 蘇欣,袁宗明,范小霞,等.油氣長輸管道檢漏技術綜述[J].石油化安全技術,2005,21(4)：14-17：26.
[19] 劉恩斌,彭善碧,李長俊.現代管道泄漏檢測技術探討[J].管道技術與設備,2004(5): 17- 19.
[20] 付道明,孫軍,賀志剛,等.國內外管道泄漏檢測技術研究進展[J].石油機械,2004,32(3): 48- 51.
