CN108591836B - 管道泄漏的检测方法和装置 - Google Patents
管道泄漏的检测方法和装置 Download PDFInfo
- Publication number
- CN108591836B CN108591836B CN201810329471.5A CN201810329471A CN108591836B CN 108591836 B CN108591836 B CN 108591836B CN 201810329471 A CN201810329471 A CN 201810329471A CN 108591836 B CN108591836 B CN 108591836B
- Authority
- CN
- China
- Prior art keywords
- pipeline
- tested
- detected
- data
- pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 107
- 239000002245 particle Substances 0.000 claims abstract description 105
- 230000001052 transient effect Effects 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000012360 testing method Methods 0.000 claims description 22
- 239000012530 fluid Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 18
- 238000004458 analytical method Methods 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 239000010779 crude oil Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000001970 hydrokinetic effect Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 239000008239 natural water Substances 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000012932 thermodynamic analysis Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000013112 stability test Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本申请实施例提供了一种管道泄漏的检测方法和装置，其中，该方法包括：获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏，由于该方案通过将微粒群算法与水动力学和热力学瞬态分析相结合，通过微粒群算法求解上述瞬态模型以确定管道运行情况，从而解决了现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高泄漏检测精度的技术效果。
Description
技术领域
本申请涉及油气储运管理技术领域，特别涉及一种管道泄漏的检测方法和装置。
背景技术
在工业生产运输的过程中，许多化学物质会通过管道输运至相应的目的地。例如，原油通常是通过油气输运管道输送至沿线的分输站，再由分输站将原油供应给周边区域使用。输运过程时，如果管道中的化学物质出现泄漏，不但会造成经济损失，还会导致环境污染。
目前，现有方法大多是利用负压波法对管道进行检测，以及时发现管道泄漏。但是，上述方法相对较为简单，对一些泄漏工况(例如微孔泄漏和具有较大弹性系数、密度或粘性的运输液体)往往不够敏感，检漏时误差相对较大。即现有方法具体实施时，往往存在适用范围有限、检测的准确度较差的技术问题。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种管道泄漏的检测方法和装置，以解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果。
本申请实施例提供了一种管道泄漏的检测方法，包括：
获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；
根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏。
在一个实施方式中，按照以下方式建立所述待测管道的水动力学和热力学瞬态模型：
获取待测管道的特征参数，其中，所述待测管道的特征参数至少包括：待测管道的起点位置、待测管道的终点位置、待测管道的直径；
根据所述待测管道的特征参数建立待测管道的初始模型；
通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，以得到所述待测管道的水动力学和热力学瞬态模型。
在一个实施方式中，根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，包括：
根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，得到模拟流量和模拟压力；直到基于所述模拟流量和所述模拟压力的适应函数满足预设条件，停止迭代，并记录停止迭代时所求解的结果参数；
根据所述结果参数，确定所述待测管道是否发生泄漏。
在一个实施方式中，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，包括：
按照以下方式进行迭代求解：
vk(τ+1)＝vk(τ)+c1r1(pk(τ)-xk(τ))+c2r2(pk(τ)-xk(τ))
xk(τ+1)＝xk(τ)+vk(τ+1)
其中，vk(τ+1)为编号为k的粒子第τ+1次迭代后的粒子速度，vk(τ)为编号为k的粒子第τ次迭代后的粒子速度，xk(τ+1)为编号为k的粒子第τ+1次迭代后的粒子位置，xk(τ)为编号为k的粒子第τ次迭代后的粒子位置，τ为迭代次数，k为粒子编号，c1为第一加速度参数，c2为第二加速度参数，r1为第一随机参数，r2为第二随机参数，pg为搜索区间中蜂群的最高位置，pk(τ)为编号为k的粒子第τ次迭代的后的最高位置。
在一个实施方式中，按照以下方式建立所述适应性函数：
其中，Fitness为适应性函数值，Qimi,j为测量流量，Qiei,j为模拟流量，Qimmaxi,j为最大测量流量，Himi,j为测量压力，Hiei,j为模拟压力，Himmaxi,j为最大测量压力，i为离散后管段编号，j为离散时间编号，J为检测时间集合，用于表示总检测时间。
在一个实施方式中，所述微粒群算法包括以下至少之一：GPSO算法、LPSO算法、MCPSO算法、SIPSO算法。
在一个实施方式中，所述结果参数包括：泄漏系数、时间参数、位置参数。
在一个实施方式中，根据所述结果参数，确定所述待测管道是否发生泄漏包括：
确定所述泄漏系数是否等于0；
在所述泄漏系数等于0的情况下，确定所述待测管道未发生泄漏。
在一个实施方式中，在所述泄漏系数不等于0的情况下，确定所述待测管道发生泄漏，并将所述时间参数所指示的时间确定为泄漏时间，将所述位置参数所指示的位置确定为泄漏位置。
在一个实施方式中，还可以利用结果参数中的位置参数作为指标参数，以确定所述待测管道是否发生泄漏，具体实施时，可以包括：
确定所述位置参数所指示的位置是否与待测管道起点位置或待测管道终点位置相同；
在所述位置参数所指示的位置与待测管道起点位置或待测管道终点位置相同的情况下，确定所述待测管道未发生泄漏。
在一个实施方式中，在所述位置参数所指示的位置与待测管道起点位置或待测管道终点位置不相同的情况下，确定所述待测管道发生泄漏，并将所述时间参数确定为泄漏时间，将所述位置参数所指示的位置确定为泄漏位置。
在一个实施方式中，所述待测管道包括用于输运原油的输运管道。
本申请实施例还提供了一种管道泄漏的检测装置，包括：
获取模块，用于获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；
确定模块，用于根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏。
在本申请实施例中，通过将微粒群算法与水动力学和热力学瞬态分析相结合，利用微粒群算法求解相应的水动力学和热力学瞬态模型以准确地确定管道具体运行情况，从而解决了解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施方式提供的管道泄漏的检测方法的处理流程图；
图2是根据本申请实施方式提供的管道泄漏的检测装置的组成结构图；
图3是基于本申请实施例提供的管道泄漏的检测方法的电子设备组成结构示意图；
图4是在一个场景示例中应用本申请实施例提供的管道泄漏的检测方法和装置中用于进行预处理的交错网格的有限体积法的原理示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
考虑到现有方法大多是利用负压波法，即根据泄漏时产生的负压波的特征，通过计算负压波到达管道两端的时间差来寻找泄漏位置。但是由于上述方法相对较为简单，往往对一些例如微孔泄漏或者具有较大弹性系数、密度或粘性的运输液体的泄漏不够敏感，导致具体实施，应用范围有效，检测泄漏的误差相对较大、精度相对较差。针对产生上述技术问题的根本原因，本申请考虑可以通过水动力和热力学瞬态分析建立较为精确的管道模型，结合改进的微粒群(PSO)算法进行求解以准确地确定出管道内具体运行情况，从而解决了解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果。
基于上述思考思路，本申请实施例提供了一种管道泄漏的检测方法。具体请参阅图1所示的。本申请实施例提供的管道泄漏的检测方法，具体实施时，可以包括以下步骤。
S11：获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据。
在一个实施方式中，上述待测管道具体可以但不限于用于输运原油的输运管道。具体的，例如，也可以是用于输运天然气、水等物质的输运管道。
在一个实施方式中，具体实施时，可以在待测管道的起点位置、终点位置分别设置压力检测器，以采集待测管道起点位置的压力数据、终点位置的压力数据；在待测管道的起点位置(或上游位置)、终点位置(或下游位置)分别设置流量检测装置，以采集待测管道起点位置的流量数据、终点位置的流量数据，以便后续可以进行进一步的分析、处理。
S12：根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏。
在一个实施方式中，为了能够准确、快速地确定出复杂的待测管道输运网络中是否发生泄漏，可以基于待测管道内流体的连续性方程、动量方程、能量方程建立能够精细描述待测管道运行状况的待测管道的水动力学和热力学瞬态模型；再利用针对待测管道的复杂输运网络的、收敛较快的微粒群算法对上述待测管道的水动力学和热力学瞬态模型进行多次迭代求解，以快速、高效地得到收敛结果，以确定所述待测管道是否发生泄漏。
在一个实施方式中，具体实施时，可以按照以下方式建立所述待测管道的水动力学和热力学瞬态模型：
S1：获取待测管道的特征参数，其中，所述待测管道的特征参数至少可以包括：待测管道的起点位置、待测管道的终点位置、待测管道的直径等。
在一个实施方式中，为了进一步更加准确地分析待测管道的运行状态，还可以采集待测管道的其他的物理参数，例如：待测管道的长度、待测管道的壁厚等等作为待测管道的特征参数。当然，需要说明的是上述所列举的待测管道的特征参数只是为了更好地说明本申请实施方式。具体实施时，也可以根据具体情况和施工要求，引入待测管道的其他物理参数作为上述待测管道的特征参数。对此，本申请不作限定。
S2：根据所述待测管道的特征参数建立待测管道的初始模型。
在一个实施方式中，具体实施时，可以根据待测管道的特征参数，结合待测管道的内输运流体的连续性方程、动量方程、能量方程建立上述待测管道的初始模型。
在一个实施方式中，上述待测管道的内输运流体的连续性方程、动量方程、能量方程具体可以按照以下方式建立。
按照以下算式建立基于待测管道的连续性方程：
其中，H具体可以表示为待测管道中的压头，tp具体可以表示为流体在管道内的运动时间，xp具体表示为流体在管道内的运动距离，g具体可以表示为重力加速度，w具体可以表示待检测管道截面积，Q具体可以表示为待测管道中的流量，v具体可以表示为待测管道中流体的平均流速。
其中，w的数值可以按照以下公式计算：
其中，D具体可以表示为待测管道的内径。
按照以下算式建立基于待测管道的动量方程：
其中，f具体可以表示为待测管道中的沿程摩擦系数，m具体可以表示为待测管道中的与流态相关的系数。
按照以下算式建立基于待测管道的能量方程：
其中，λ具体可以表示为达西摩擦系数，c具体可以表示为待测管道中流体的热容，T具体可以表示为待测管道中的温度，T0具体可以表示为待测管道周围的环境温度。
在建立上述基于待测管道的连续性方程、基于待测管道的动量方程、基于待测管道的能量方程后，相当于建立了初始的待测管道的水动力学和热力学瞬态模型，即所述初始模型。实际上，可以直接利用该初始模型作为待测管道的水动力学和热力学瞬态模型进行后续的数据处理，以确定待测管道是否发生了泄漏。
S3：通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，以得到所述待测管道的水动力学和热力学瞬态模型。
在一个实施方式中，在建立了上述初始模型后，利用模型进行具体迭代求解时，常常还需要先对上述初始模型进行差分处理，即将上述基于待测管道的连续性方程、基于待测管道的动量方程、基于待测管道的能量方程的微分享转化为差分项，以便进行后续的数学求解。
在一个实施方式中，为了避免常规的差分处理引起压力数据和流量数据之间的耦合失效，导致求解结果准确度降低，具体实施时，可以通过交错网络的有限体积法对上述待测管道的初始模型进行预处理，以得到可以准确度较高、适用于数学求解的待测管道的水动力学和热力学瞬态模型。
在本实施方式中，上述交通过交错网络的有限体积法对上述待测管道的初始模型进行预处理具体可以理解为：将模型中的压力数据和流量数据分别存储在两个不同的网格系统中。具体实施时，可以先将待测管道分为一系列控制体，再采用有限体积法(FVM)对待测管道进行数值离散。为了避免震荡的棋盘压力和温度场，采用交错网格法存储控制体中心的流量和压力，以及控制体表面的相速度。如此，可以通过交错网格的排列消除现有方法处理时将压力(与压力数据有关)和速度(与流量数据有关)存储在同一节点时引起的压力场的解耦。
在一个实施方式中，上述通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，以得到所述待测管道的水动力学和热力学瞬态模型，具体可以包括：通过交错网格的有限体积法对所述待测管道的初始模型进行预处理分别对基于待测管道的连续性方程、基于待测管道的动量方程、基于待测管道的能量方程进行差分处理，得到离散后的连续性方程、动量方程、能量方程。
具体的，通过交错网格的有限体积法进行预处理，可以得到以下形式的离散后的基于待测管道的连续性方程：
其中，i、j具体可以表示为网格编号。
通过交错网格的有限体积法进行预处理，可以得到以下形式的离散后的基于待测管道的动量方程：
通过交错网格的有限体积法进行预处理，可以得到以下形式的离散后的基于待测管道的能量方程：
根据上述离散后的连续性方程、动量方程、能量方程，进一步可以推导出泄漏系数、泄漏流量具有如下的算式形式：
其中，
具体可以表示为泄漏点前管道流量，
具体可以表示为泄漏点后管道流量，QLj具体可以表示为管道泄漏流量，Cv具体可以表示为泄漏系数，Hi,j具体可以表示为泄漏点对应待测管段i的压头，HL具体可以表示为待测管道泄漏点内的压头，He具体可以表示为待测管道泄漏点外的压头。其中，上述泄漏系数通常与泄漏点的孔口形状、面积，以及泄漏经验系数有关。
通过上述步骤，即可以认为得到了相对较为精准的所述待测管道的水动力学和热力学瞬态模型。
在一个实施方式中，为了能够提高求解效率，可以利用收敛效果相对较好，适用于管道网络的微粒群算法对上述待测管道的水动力学和热力学瞬态模型进行迭代求解，以快速地得到求解结果。
在一个实施方式中上述微粒群算法具体可以理解是为了适用于本申请实施例所要解决的场景问题，基于微粒群算法的改进算法。其中，微粒群算法，也称粒子群算法、粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization，PSO)是由J.Kennedy和R.C.Eberhart等开发的一种新的进化算法。该算法具体实施时，从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质。相比于遗传算法，PSO的规则更为简单，它没有遗传算法的“交叉”(Crossover)和“变异”(Mutation)的操作，它通过追随当前搜索到的最优值来寻找全局最优解，具备实现容易、精度高、收敛快等优点，适用于处理上述复杂的输运管道网络中状态分析的场景。在本实施方式中，考虑到所要处理的具体的管道网络的应用场景，将耦合瞬态水动力学和热力学分析与微粒群算法(即PSO算法)相结合以得到所述微粒群算法。
在一个实施方式中，上述通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，具体实施时，可以包括以下内容：
按照以下方式进行迭代求解，以对粒子速度和粒子位置进行多次迭代更新，直到迭代结果满足预设要求：
vk(τ+1)＝vk(τ)+c1r1(pk(τ)-xk(τ))+c2r2(pk(τ)-xk(τ))
xk(τ+1)＝xk(τ)+vk(τ+1)
其中，vk(τ+1)具体可以表示为编号为k的粒子第τ+1次迭代后的粒子速度，vk(τ)具体可以表示为编号为k的粒子第τ次迭代后的粒子速度，xk(τ+1)具体可以表示为编号为k的粒子第τ+1次迭代后的粒子位置，xk(τ)具体可以表示为编号为k的粒子第τ次迭代后的粒子位置，τ具体可以表示为迭代次数，k具体可以表示为粒子编号，c1具体可以表示为第一加速度参数，c2具体可以表示为第二加速度参数，r1具体可以表示为第一随机参数，r2具体可以表示为第二随机参数，pg具体可以表示为搜索区间中蜂群的最高位置，pk(τ)具体可以表示为编号为k的粒子第τ次迭代的后的最高位置。
在一个实施方式中，上述根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，以确定待测管道是否发生泄漏，具体实施时，可以包括以下内容：
S1：根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，得到模拟流量和模拟压力；直到基于所述模拟流量和所述模拟压力的适应函数满足预设条件(即迭代结果满足预设要求)，停止迭代，并记录停止迭代时所求解的结果参数；
S2：根据所述结果参数，确定所述待测管道是否发生泄漏。
在一个实施方式中，具体实施时，可以按照以下方式建立所述适应性函数：
其中，Fitness具体可以表示为适应性函数值，Qimi,j具体可以表示为测量流量，Qiei,j具体可以表示为模拟流量，Qimmaxi,j具体可以表示为最大测量流量，Himi,j具体可以表示为测量压力，Hiei,j具体可以表示为模拟压力，Himmaxi,j具体可以表示为最大测量压力，i具体可以表示为离散后管段编号，j具体可以表示为离散时间标号，J具体可以表示为泄漏检测时间集合，即可以用于表示泄漏检测总时间。
在一个实施方式中，所述结果参数具体可以包括：泄漏系数、时间参数、位置参数等。当然，需要说明的是上述所列举的结果参数只是为了更好地说明本申请实施方式，具体实施时，也可以根据施工要求选择其他数据作为结果参数。
在一个实施方式中，上述根据所述结果参数，确定所述待测管道是否发生泄漏，具体实施时，可以利用所述结果参数中的泄漏参数作为指标参数，以确定所述待测管道是否发生泄漏，具体实施时，可以包括：
S1：确定所述泄漏系数是否等于0；
S2：在所述泄漏系数等于0的情况下，确定所述待测管道未发生泄漏。
在一个实施方式中，在所述泄漏系数不等于0的情况下，确定所述待测管道发生泄漏，并还可以将所述时间参数确定为泄漏时间，将所述位置参数所指示的位置确定为泄漏位置。从而可以准确地定位出发生泄漏的位置和时间，以便能够及时地对管道泄漏进行处理，减少损失。
在一个实施方式中，还可以利用结果参数中的位置参数作为指标参数，以确定所述待测管道是否发生泄漏，具体实施时，可以包括：
S1：确定所述位置参数所指示的位置是否与待测管道起点位置或待测管道终点位置相同；
S2：在所述位置参数所指示的位置与待测管道起点位置或待测管道终点位置相同的情况下，确定所述待测管道未发生泄漏。
在一个实施方式中，在所述位置参数所指示的位置与待测管道起点位置或待测管道终点位置不相同的情况下，确定所述待测管道发生泄漏，并将所述时间参数确定为泄漏时间，将所述位置参数所指示的位置确定为泄漏位置。从而可以准确地定位出发生泄漏的位置和时间，以便能够及时地对管道泄漏进行处理，减少损失。
当然，还可以将所述结果参数中的其他参数，或者将位置参数与泄漏参数组合得到的数据作为指标参数，以确定所述待测管道是否发生泄漏。对此，本申请不作限定。
在本申请实施例中，相较于现有方法，由于通过将微粒群算法与水动力和热力学瞬态分析相结合，利用微粒群算法求解上述瞬态模型以准确地确定管道具体运行情况，从而解决了解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果。
在一个实施方式中，所述微粒群算法具体可以包括以下至少之一：GPSO算法、LPSO算法、MCPSO算法、SIPSO算法等。其中，GPSO(Global PSO)算法具体可以是指全局版本的粒子群算法，其邻居的拓扑结构称为All型。LPSO(Local PSO)算法具体可以是指局部版本的粒子群算法，它的拓扑结构通常有Ring型、Four Cluster型、Pyramid型和Square型。MCPSO(Multi-Swarm Cooperative PSO)算法具体可以是指多群体协同进化粒子群算法，该算法中个体的进化不仅受到自身群体的影响，还受到其共生群体信息的影响，在一定程度上避免了由于个体信息误判而造成的陷入局部最优解的可能性。SIPSO(Selectively InformedPSO)算法具体可以是指选择性信息传递粒子群算法，其中，SIPSO的优点在于考虑到例子非均匀性情况下，引入无标度网络作为粒子结构，并将不同的学习策略作为例子交互信息的方式，得到的结果相对更优。上述多种算法各自具有各自的优点，具体实施时可以根据具体情况和施工要求选择相应的PSO算法作为本申请实施方式所使用的微粒群算法。
在一个实施方式中，在通过本申请实施例提供的管道泄漏的检测方法确定待测管道没有发生泄漏、运行状态正常后，可以利用上述管道泄漏的检测方法进行下一周期的泄漏检测。
在一个实施方式中，所述待测管道具体可以包括但不限于用于输运原油的输运管道等。例如，本申请实施例所提供的管道泄漏的检测装置还可以应用于用于输送天然气、水等物质的输运管道。对于上述输运管道的具体类型，本申请不作限定。
从以上的描述中，可以看出，本申请实施例提供的管道泄漏的检测方法，由于通过将微粒群算法与水动力和热力学瞬态分析相结合，利用微粒群算法求解上述瞬态模型以准确地确定管道具体运行情况，从而解决了解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果；又通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，避免了压力场的解耦，提高了所建立的待测管道的水动力学和热力学瞬态模型的准确度。
基于同一发明构思，本发明实施例中还提供了一种管道泄漏的检测装置，如下面的实施例所述。由于管道泄漏的检测装置解决问题的原理与管道泄漏的检测方法相似，因此管道泄漏的检测装置的实施可以参见管道泄漏的检测方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。请参阅图2，是本申请实施例提供的管道泄漏的检测装置的一种组成结构图，该装置具体可以包括：获取模块21、确定模块22，下面对该结构进行具体说明。
获取模块21，具体可以用于获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；
确定模块22，具体可以用于根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏。
在一个实施方式中，具体实施时，上述装置具体可以包括建模模块，用于建立确定模块22使用的待测管道的水动力学和热力学瞬态模型。具体的，上述建模模块可以包括以下结构单元：
特征参数获取单元，具体可以用于获取待测管道的特征参数，其中，所述待测管道的特征参数至少包括：待测管道的起点位置、待测管道的终点位置、待测管道的直径；
初始模型建立单元，具体可以用于根据所述待测管道的特征参数建立待测管道的初始模型；
模型处理单元，具体可以用于通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，以得到所述待测管道的水动力学和热力学瞬态模型。
在一个实施方式中，上述确定模块22具体实施时，可以按照以下方式进行迭代求解：
vk(τ+1)＝vk(τ)+c1r1(pk(τ)-xk(τ))+c2r2(pk(τ)-xk(τ))
xk(τ+1)＝xk(τ)+vk(τ+1)
其中，vk(τ+1)具体可以表示为编号为k的粒子第τ+1次迭代后的粒子速度，vk(τ)具体可以表示为编号为k的粒子第τ次迭代后的粒子速度，xk(τ+1)具体可以表示为编号为k的粒子第τ+1次迭代后的粒子位置，xk(τ)具体可以表示为编号为k的粒子第τ次迭代后的粒子位置，τ具体可以表示为迭代次数，k具体可以表示为粒子编号，c1具体可以表示为第一加速度参数，c2具体可以表示为第二加速度参数，r1具体可以表示为第一随机参数，r2具体可以表示为第二随机参数，pg具体可以表示为搜索区间中蜂群的最高位置，pk(τ)具体可以表示为编号为k的粒子第τ次迭代的后的最高位置。
在一个实施方式中，为了能够根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，以确定待测管道是否发生泄漏，上述确定模块22具体可以包括以下结构单元：
迭代单元，具体可以用于根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，得到模拟流量和模拟压力；直到基于所述模拟流量和所述模拟压力的适应函数满足预设条件，停止迭代，并记录停止迭代时所求解的结果参数；
确定单元，具体可以用于根据所述结果参数，确定所述待测管道是否发生泄漏。
在一个实施方式中，上述迭代单元具体实施时，可以按照以下方式建立所述适应性函数：
其中，Fitness具体可以表示为适应性函数值，Qimi,j具体可以表示为测量流量，Qiei,j具体可以表示为模拟流量，Qimmaxi,j具体可以表示为最大测量流量，Himi,j具体可以表示为测量压力，Hiei,j具体可以表示为模拟压力，Himmaxi,j具体可以表示为最大测量压力，i具体可以表示为离散后管段编号，j具体可以表示为离散时间标号，J具体可以表示为泄漏检测时间集合，即可以用于表示泄漏检测时间。
在一个实施方式中，具体实施时，所述微粒群算法可以包括以下至少之一：GPSO算法、LPSO算法、MCPSO算法、SIPSO算法等。当然，需要说明的是上述所列举的微粒群算法只是一种示意性说明。具体实施时，也可以根据具体情况和施工要求，引入其他类型的微粒群算法。对此，本申请不作限定。
在一个实施方式中，所述结果参数具体可以包括：泄漏系数、时间参数、位置参数等。当然，需要说明的是，上述所列举的多种参数只是为了更好地说明本申请实施方式。具体实施时，也可以根据具体情况和精度要求，引入其他参数作为上述结果参数。
在一个实施方式中，上述确定单元具体实施时，可以在所述泄漏系数不等于0，和/或，所述位置参数所指示的位置不同于待测管道起点位置或待测管道终点位置的情况下，确定所述待测管道发生泄漏，并将所述时间参数确定为泄漏时间，将所述位置参数所指示的位置确定为泄漏位置。进而可以达到发现管道泄漏并及时定位出管道泄漏的具体位置的效果。
在一个实施方式中，所述待测管道具体可以包括但不限于用于输运原油的输运管道等。例如，本申请实施例所提供的管道泄漏的检测装置还可以应用于用于输送天然气、水等物质的输运管道。对于上述输运管道的具体类型，本申请不作限定。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，上述实施方式阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，在本说明书中，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
此外，在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
从以上的描述中，可以看出，本申请实施例提供的管道泄漏的检测装置，由于通过将微粒群算法与水动力和热力学瞬态分析相结合，利用微粒群算法求解上述瞬态模型以准确地确定管道具体运行情况，从而解决了解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果；又通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，避免了压力场的解耦，提高了所建立的待测管道的水动力学和热力学瞬态模型的准确度。
本申请实施方式还提供了一种电子设备，具体可以参阅图3所示的基于本申请实施例提供的管道泄漏的检测方法的电子设备组成结构示意图，所述电子设备具体可以包括输入设备31、处理器32、存储器33。其中，所述输入设备31具体可以用于输入待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据。所述处理器32具体可以用于根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，以确定所述待测管道是否发生泄漏。所述存储器33具体可以用于存储输入的待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据，以及处理器32生成的中间数据。
在本实施方式中，所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等；输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。
在本实施方式中，该电子设备具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
本说申请实施方式中还提供了一种基于管道泄漏的检测方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，以确定所述待测管道是否发生泄漏。
在本实施方式中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施方式中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
在一个具体实施场景示例中，应用本申请实施例的提供管道泄漏的检测方法和装置对某区域的原油输运管道进行泄漏检测。具体实施过程可以参阅以下内容。
S1：建立水动力学和热力学瞬态模型。
在本实施方式中，待测的原油输运管道中的流体流动可以看作是一维流动,满足了质量、动量和能量守恒。可以根据流体力学建立管内流体流动模型，包括连续性、动量和能量方程，以描述管道的压力、温度和流量之间的关系。
连续性方程(即基于待测管道的连续性方程)可以表示为：
其中，
动量方程(即基于待测管道的动量方程)可以表示为：
能量方程(即基于待测管道的能量方程)可以表示为：
进一步地将上述各个方程中的微分项转换成差分项。具体的，可以采用交错网格的方法，以避免压力和流量之间的耦合失效问题。其中，上述交错网格意味着压力和流量将被存储在两个不同的网格系统中。具体实施时，可以首先将管道分为一系列控制体，再采用有限体积法(FVM)进行数值离散。可以参阅图4所示的在一个场景示例中应用本申请实施例提供的管道泄漏的检测方法和装置中用于进行预处理的交错网格的有限体积法的原理示意图。为了避免振荡的棋盘压力和温度场，通过采用交错网格法存储控制体中心的标量变量和压力值，以及控制体表面的相速度。上述交错网格的排列可以消除当压力和速度被储存在同一节点时压力场的解耦。按照上述方式处理后，每个方程的最后离散形式如下形式：
连续性方程：
动量方程：
能量方程：
进而可以根据泄漏系数，按照公式(7)和公式(8)推导泄漏流量。其中，Cv可以表示泄漏系数，该值通常与泄漏孔的形状和面积以及泄漏经验系数有关。
泄漏孔后的流量等于泄漏孔前的流量减去泄漏孔处的流量：
S2：利用微粒群算法(PSO算法)求解上述水动力学和热力学瞬态模型，以确定管道是否发生泄漏，定位泄漏位置。
在本实施方式中提出了一种耦合逆瞬态水动力和热力学分析与基于Kennedy和Eberhart的提出群体智慧的PSO算法的混合方法(即微粒群算法)进行模型求解。其中，PSO算法由于具有高度的收敛精度并能有效规避局部最优而成为工程领域的研究热点。运用该算法时，集合中每一个被称为粒子的成员代表了可行的解决方案，具体根据下面的公式(9)和(10)在迭代中更新他们的速度和位置达到迭代求解的目的。
vk(τ+1)＝vk(τ)+c1r1(pk(τ)-xk(τ))+c2r2(pg(τ)-xk(τ)) 公式(9)
xk(τ+1)＝xk(τ)+vk(τ+1) 公式(10)
其中，vk和xk分别是粒子的速度和位置，c1和c2是加速度参数，r1和r2是范围在[0,1]中的两个随机生成的数字，pg代表在整个搜索期间的整个蜂群的最佳位置，pk是粒子k到τth次迭代后历史上的最佳位置。
目前，结合多种PSO算法的特点，尽管许多改进的算法在计算收敛性和效率方面都很有效，但不同模型的计算效率却大不相同。为了证明该方法的适用性和可靠性，本实施方式选择了四种改进的PSO算法：两种经典算法(GPSO，LPSO)，一种广泛使用的算法(MCPSO)和一个先进的算法(SIPSO)来测试和比较。
具体的，如果包括泄漏系数Cv的参数已知，泄漏点位置x，泄漏起始时间t，以及四组水动力测量数据中的任意两组(输油管道起点和终点的流量和压力)。另外两组水动力数据也可以计算出来。这意味着，如果有任何泄漏变量被给定(Cv，x和t)。基于这四组水动力测量数据中的任意两种，可以获得另外两组模拟运行数据。已经得到了实际的水动力测量数据后，模拟数据和实际数据(对比数据)之间的偏差可以求解。通常泄漏变量越准确，误差就越小。因此，泄漏检测和定位的问题被转化为一个大规模的非线性数学最优化问题，即寻找最佳的泄漏变量(决策变量)以减少计算和对比数据(目标)之间的误差。
具体的，PSO的适应度函数如公式(11)所示。Cv、x和t是决策变量，目标是将管道起始点和终点之间压力和流量的模拟数据与对比数据之间的偏差最小化。Qim和Him表示测量流量和压力数据(对比数据)。Qie和Hie表示用模型计算的结果。考虑到不同的压力和流量参数的不同顺序，测量数据的最大值Qimmax和Himmax可以用于将对比数据无量纲化处理，以保证计算结果数量级相同，这对目标函数产生了相同的影响，并保证了计算的最小偏差。
当适应性函数满足输出条件时，改进的PSO将停止迭代，随机生成的参数是Cv、x和t即为最终结果。
具体求解时可以包括：从SCADA(Supervisory Control And Data Acquisition，数据采集与监视控制)系统提取数据进行瞬态流体力学热力学分析，利用改进的PSO和泄漏报警判断。具体的，首先，将某些时期管道的起点和终点的运行数据(流量及压力)提取并分成两部分。一部分用来求解流体力学热力学模型(所需数据)，另一部分是用来求解适应度函数(对比数据)。其中，所需数据和对比数据可以互换。然后，结合初始的泄漏变量即可求解流体力学热力学模型，适应度函数的值也求得。根据改进的PSO解决方法原则，遍历新的泄漏变量，返回到流体力学热力学模型的步骤直到满足PSO算法的收敛条件。最后，确定PSO计算结果是否符合泄漏警报条件(x≠0或x≠Xim或Cv＝0,)。若符合，输出所求的Cv、x和t以确定泄漏位置和泄漏时间。若不符合，则从SCADA系统读取下一个周期数据用于新的计算。
通过上述方法确定出结果后，可以按照以下方式进行验证。具体的，可以包括以下内容。
A.仿真参数的初始化
模拟测试管线的长度为20公里，管道的具体参数如表1所示的管道参数和泄漏数据表。模拟管道将在180s后、在距管道起点16.5公里处开始泄漏。实际泄漏系数Cv值为3.0×10-4。为了验证方法的适应性，由于泄漏管道段的虚拟数据受到上游和下游液压设备的影响，在模拟初始化过程中，可以将频繁的波动引入到虚拟水动力测量数据中，以确定液压设备和操作的影响。就以上信息而言，可以通过管道模拟软件(例如SPS，一种用于设计的高精度软件)模拟了管道瞬态过程、长距离油气管道的稳定/瞬态计算和自动控制仿真。
表1管道参数和泄漏数据表
B.准确度测试
利用四种改进的PSO算法分别计算模拟参数x、Cv和t50次。4个改进的PSO的50个测试结果处理。对比分析可知：基于GPSO，MCPSO，SIPSO计算的x与真实值相比较的误差较小，实验数据的落点相对集中；而基于LPSO的实验数据则相对较分散，相对误差更大。同样地，对比分析可知：数据点的散射程度可以决定计算/和/基于GPSO和SIPSO的效果优于LPSO。通过数据点的散射范围可以确定基于GPSO和SIPSO计算Cv和t的效果优于LPSO。特别地，基于GPSO，MCPSO，SIPSO计算t的相对误差小于0.5％。
C.稳定性试验
利用四种改进的PSO算法计算50次的迭代过程。由PSO设定的最优值(适应值＝0)是计算结果和实际测量之间最小的偏差。因此，模型可以快速收敛到最优值，但以最小计算量得到的最优值偏差最大。与MCPSO模型相比，GPSO模型和SIPSO模型具有较高的计算精度和收敛速度，可以在50次计算中收敛到最优值。四种算法的收敛过程相比较,我们可以发现，GPSO、MCPSO和SIPSO算法可以始终收敛于全局最优解。同时，SIPSO和GPSO算法的收敛到最优解速度较快，收敛性效果更佳。
D.误警率测试
由于收集到的数据可能会受到干扰，当管道泄漏未发生时应计算x、Cv和t。如果至少有一个变量满足要求的误差，管道将被视为无泄漏；否则，如果所有三个变量都满足了所需的错误，则会被视为假警报。在误警实验中，可以在计算中加入了50次的假警报数据，并将假报警数和总实验数的比值定义为假报警率。如果计算点不在t＝0或t＝300或Cv＝0的平面上，实验将被视为误警。进而可以从50组数据中，在LPSO中虚假警报出现的几率平均约为2.00％而GPSO，MCPSO和SIPSO的几率几乎为0。
E.稳健性检验
考虑到设备因素，环境不确定性和流体不均匀性，在实际的水动力测量数据中可能存在噪声影响，这对泄漏检测和定位的准确性起着重要的作用。因此，在本实施方式中还对噪声率(NR)对泄漏检测和定位的影响进行了分析和分析。具体的，可以将噪声视为白噪声，测试中的NRs分别设置为10％、20％、30％、40％和50％。
同时，监测和数据记录中的流量和压力检测设备可能会与实际数据偏离较大。当输入-独立响应达到饱和阈值时的点，或响应值明显比平均值高或低的点则被定义为泄漏检测的坏点。然而，坏点率(BPR)指的是输入数据明显比平均值高或低的比例。考虑到在输入数据中存在一个坏点的情况下，管道泄漏检测和位置模型的健壮性，BPRs分别为0.5％、1.0％、1.5％和2.0％在计算测试管道x、Cv和t的值时，坏点的数量比原始数据高1.5-2.5倍。
通过计算误差的灵敏度分析可以看到，计算误差对BPR的灵敏度要比对NR大得多。也就是说,在使用该方法时，首先要对测量数据进行处理，以减少数据的BPR。与其他变量相比，泄漏位置的计算误差对BPR和NR更不敏感，即，当数据中有噪声和坏点时，如果热液模型是正确的，泄漏位置的相对误差也应该是相对较小的值。Cv的计算误差对BPR和NR更敏感。然而，通过简单地利用该值进行泄漏特性分析，可以满足实际需求。与此同时，根据结果，可以发现MCPSO的表现优于其他算法。
F.算法参数分析
通过比较分析，MCPSO和SIPSO的计算参数对最终结果有一定的影响。为了提高计算稳定性，应用MCPSO进行了重复计算，并将优化结果作为最终的解决方案。它是基于主从模型的，在这个模型中，一个种群由一个主群和几个奴隶群体(NS)组成。奴隶群体执行单个PSO或者它的变体独立地维持粒子的多样性,而主群是根据自身的知识和对奴隶群体的学习而进化的。而对于SIPSO来说，粒子根据它们的连接选择不同的学习策略：一个连接得很密切的中心粒子从它所有的相邻粒子那里得到了完整的信息，而一个很少连接的非中心粒子只能跟随一个单一的、表现最好的相邻粒子。因此，可以引入阈值参数(kc)作为确定粒子群的连接结构的一个重要参数。最优算法参数设置的计算(NS和kc)还需做进一步的分析。当NR和BPR等于0时,不管算法参数的值是什么，误警率为0。为了进一步比较这个算法,在计算误报率时，可以将NR和BPR值分别设为20％和5％。
具体的，分别设置NS＝2、3、4、5、6、7，并基于上面的规则利用MCPSO算法求解测试模型。准确率和误报率如表2所示的MCPSO算法的参数分析表。可以看到当NS大于4的时候，计算结果趋于稳定。分别设置kc＝2、3、4、5、6、7，并基于上面的规则利用SIPSO算法求解测试模型。准确率和误报率如表3所示。结果表明当kc等于3时，计算结果最好。
对上百组数据进行了测试和分析，可以判断x、Cv和t的准确性、稳定性和健壮性。结果表明，基于SIPSO中kc＝3的泄漏检测和定位方法相比较其基于GPSO，LPSO和MCPSO计算，具有较高的计算精度、稳定性好、误报警率低、抗噪能力强等优点。因此，将可以优选基于SIPSO的方法应用于实际现场的实验验证和比较。
表2 MCPSO算法的参数分析表
表3 SIPSO算法的参数分析表
通过上述场景示例，验证了本申请实施例提供的管道泄漏的检测方法和装置，由于通过将微粒群算法与水动力和热力学瞬态分析相结合，利用微粒群算法求解上述瞬态模型以准确地确定管道具体运行情况，确实解决了解决现有方法中存在的适用范围有限、检漏准确度较差的技术问题，达到有效提高管道泄漏检测精度的技术效果。
尽管本申请内容中提到不同的具体实施例，但是，本申请并不局限于必须是行业标准或实施例所描述的情况等，某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、处理、输出、判断方式等的实施例，仍然可以属于本申请的可选实施方案范围之内。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，所附的实施方式包括这些变形和变化而不脱离本申请。
Claims (9)
1.一种管道泄漏的检测方法，其特征在于，包括：
获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；
根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏；
其中，所述待测管道的水动力学和热力学瞬态模型按照以下方式建立：
获取待测管道的特征参数，其中，所述待测管道的特征参数至少包括：待测管道的起点位置、待测管道的终点位置、待测管道的直径；所述待测管道的特征参数还包括：待测管道的长度、待测管道的壁厚；
根据所述待测管道的特征参数建立待测管道的初始模型；
通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，以得到所述待测管道的水动力学和热力学瞬态模型；
其中，根据所述待测管道的特征参数建立待测管道的初始模型，包括：根据待测管道的特征参数，结合待测管道的内输运流体的连续性方程、动量方程、能量方程建立上述待测管道的初始模型；
其中，通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，包括：将待测管道分为一系列控制体；采用有限体积法对待测管道进行数值离散；并且采用交错网格法存储控制体中心的流量和压力，以及控制体表面的相速度，以消除将压力和速度存储在同一节点时引起的压力场的解耦。
2.根据权利要求1所述的方法，其特征在于，根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，包括：
根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，得到模拟流量和模拟压力；直到基于所述模拟流量和所述模拟压力的适应函数满足预设条件，停止迭代，并记录停止迭代时所求解的结果参数。
3.根据权利要求2所述的方法，其特征在于，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行多次迭代求解，包括：
按照以下方式进行迭代求解：
vk(τ+1)＝vk(τ)+c1r1(pk(τ)-xk(τ))+c2r2(pg(τ)-xk(τ))
xk(τ+1)＝xk(τ)+vk(τ+1)
其中，vk(τ+1)为编号为k的粒子第τ+1次迭代后的粒子速度，vk(τ)为编号为k的粒子第τ次迭代后的粒子速度，xk(τ+1)为编号为k的粒子第τ+1次迭代后的粒子位置，xk(τ)为编号为k的粒子第τ次迭代后的粒子位置，τ为迭代次数，k为粒子编号，c1为第一加速度参数，c2为第二加速度参数，r1为第一随机参数，r2为第二随机参数，pg为搜索区间中蜂群的最高位置，pk(τ)为编号为k的粒子第τ次迭代的后的最高位置。
4.根据权利要求2所述的方法，其特征在于，按照以下方式建立所述适应性函数：
其中，Fitness为适应性函数值，Qimi,j为测量流量，Qiei,j为模拟流量，Qimmaxi,j为最大测量流量，Himi,j为测量压力，Hiei,j为模拟压力，Himmaxi,j为最大测量压力，i为离散后管段编号，j为离散时间编号，J为泄漏检测时间集合。
5.根据权利要求2所述的方法，其特征在于，所述微粒群算法包括以下至少之一：GPSO算法、LPSO算法、MCPSO算法、SIPSO算法。
6.根据权利要求2所述的方法，其特征在于，所述结果参数包括：泄漏系数、时间参数、位置参数。
7.根据权利要求6所述的方法，其特征在于，根据所述结果参数，确定所述待测管道是否发生泄漏包括：
确定所述泄漏系数是否等于0；
在所述泄漏系数等于0的情况下，确定所述待测管道未发生泄漏。
8.根据权利要求7所述的方法，其特征在于，在所述泄漏系数不等于0的情况下，确定所述待测管道发生泄漏，并将所述时间参数所指示的时间确定为泄漏时间，将所述位置参数所指示的位置确定为泄漏位置。
9.一种管道泄漏的检测装置，其特征在于，包括：
获取模块，用于获取待测管道起点位置的流量数据和压力数据、待测管道终点位置的流量数据和压力数据；
确定模块，用于根据所述待测管道起点位置的流量数据和压力数据、所述待测管道终点位置的流量数据和压力数据，通过微粒群算法对待测管道的水动力学和热力学瞬态模型进行求解，以得到结果参数，所述结果参数用于确定所述待测管道是否发生泄漏；
其中，所述装置还包括建模模块，所述建模模块包括：
特征参数获取单元，用于获取待测管道的特征参数，其中，所述待测管道的特征参数至少包括：待测管道的起点位置、待测管道的终点位置、待测管道的直径；所述待测管道的特征参数还包括：待测管道的长度、待测管道的壁厚；
初始模型建立单元，用于根据所述待测管道的特征参数建立待测管道的初始模型；
模型处理单元，用于通过交错网格的有限体积法对所述待测管道的初始模型进行预处理，以得到所述待测管道的水动力学和热力学瞬态模型；
其中，初始模型建立单元具体用于：根据待测管道的特征参数，结合待测管道的内输运流体的连续性方程、动量方程、能量方程建立上述待测管道的初始模型；
其中，模型处理单元具体用于：将待测管道分为一系列控制体；采用有限体积法对待测管道进行数值离散；并且采用交错网格法存储控制体中心的流量和压力，以及控制体表面的相速度，以消除将压力和速度存储在同一节点时引起的压力场的解耦。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810329471.5A CN108591836B (zh) | 2018-04-13 | 2018-04-13 | 管道泄漏的检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810329471.5A CN108591836B (zh) | 2018-04-13 | 2018-04-13 | 管道泄漏的检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108591836A CN108591836A (zh) | 2018-09-28 |
| CN108591836B true CN108591836B (zh) | 2020-06-26 |
Family
ID=63622170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810329471.5A Active CN108591836B (zh) | 2018-04-13 | 2018-04-13 | 管道泄漏的检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108591836B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033591B (zh) * | 2018-07-14 | 2023-03-21 | 常州大学 | 基于逆瞬态模型的城市非金属管道泄漏定位方法 |
| CN109296944A (zh) * | 2018-10-09 | 2019-02-01 | 大连智识科技发展有限公司 | 一种多点式管道泄露检测系统 |
| CN110500511B (zh) * | 2019-08-13 | 2021-06-22 | 常州大学 | 一种城市非金属管道泄漏定位方法 |
| CN111022937B (zh) * | 2019-12-11 | 2021-03-23 | 浙江嘉科信息科技有限公司 | 一种输水管网管漏损定位系统及定位方法 |
| CN111538297A (zh) * | 2020-03-17 | 2020-08-14 | 衢州学院 | 一种基于web的交互式三维可视化平台 |
| CN111536423A (zh) * | 2020-04-30 | 2020-08-14 | 苏州智品信息科技有限公司 | 一种基于粒子群算法的爆管定位方法 |
| CN113806999B (zh) * | 2020-06-17 | 2022-11-01 | 中国石油天然气股份有限公司 | 输气管道水露点指标值的确定方法及装置 |
| CN111783945B (zh) * | 2020-06-22 | 2022-08-16 | 东北石油大学 | 基于迁移学习lstm的长输油管道泄漏实时检测系统 |
| CN111706785B (zh) * | 2020-07-28 | 2021-06-18 | 西南石油大学 | 一种天然气枝状管网泄漏管段识别方法 |
| CN114088309B (zh) * | 2020-08-24 | 2024-10-08 | 中国航发商用航空发动机有限责任公司 | 密闭容腔气密性检查方法 |
| CN112229460B (zh) * | 2020-09-17 | 2023-07-25 | 浙江航天恒嘉数据科技有限公司 | 一种液体管道泄漏的质量流率的计算方法及装置 |
| CN113203516B (zh) * | 2021-04-16 | 2022-06-10 | 中电建路桥集团有限公司 | 一种水库管道瞬态压力数据分析系统及测量方法 |
| CN113551744A (zh) * | 2021-08-10 | 2021-10-26 | 中国石油大学(北京) | 一种超声流量计性能在线监测方法及系统 |
| CN117252126B (zh) * | 2023-11-15 | 2024-01-30 | 陕西空天信息技术有限公司 | 径流式叶轮机械的泄漏损失确定方法、装置、介质及设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2609717A1 (de) * | 1976-03-09 | 1977-09-15 | Siemens Ag | Einrichtung zur messung der leckverluste in einem fluessigkeitsfuehrenden leitungssystem |
| CN101832470A (zh) * | 2010-05-19 | 2010-09-15 | 中国船舶重工集团公司第七〇二研究所 | 基于光视觉的水下管线巡检方法及巡检装置 |
| CN102367913A (zh) * | 2011-08-18 | 2012-03-07 | 大连市金州区登沙河云峰管路配件厂 | 石油管道监控系统 |
| CN102563362A (zh) * | 2011-12-31 | 2012-07-11 | 杭州哲达科技股份有限公司 | 压缩空气系统管网泄漏智能检测方法及系统 |
| CN104033732A (zh) * | 2014-06-11 | 2014-09-10 | 北京二商集团有限责任公司西郊食品冷冻厂 | 压力介质管路的监测装置、方法及应用该装置的冷库监测系统 |
| CN104180166A (zh) * | 2014-07-09 | 2014-12-03 | 中国石油大学(华东) | 一种基于管道压力数据的管道泄漏检测方法 |
| CN104866899A (zh) * | 2015-06-17 | 2015-08-26 | 山东省环境保护科学研究设计院 | 一种基于城市供水管网水力模型校核的漏失检测方法 |
| CN206130547U (zh) * | 2016-07-07 | 2017-04-26 | 北京信息科技大学 | 一种多工况下的输气管道泄漏检测系统 |
-
2018
- 2018-04-13 CN CN201810329471.5A patent/CN108591836B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2609717A1 (de) * | 1976-03-09 | 1977-09-15 | Siemens Ag | Einrichtung zur messung der leckverluste in einem fluessigkeitsfuehrenden leitungssystem |
| CN101832470A (zh) * | 2010-05-19 | 2010-09-15 | 中国船舶重工集团公司第七〇二研究所 | 基于光视觉的水下管线巡检方法及巡检装置 |
| CN102367913A (zh) * | 2011-08-18 | 2012-03-07 | 大连市金州区登沙河云峰管路配件厂 | 石油管道监控系统 |
| CN102563362A (zh) * | 2011-12-31 | 2012-07-11 | 杭州哲达科技股份有限公司 | 压缩空气系统管网泄漏智能检测方法及系统 |
| CN104033732A (zh) * | 2014-06-11 | 2014-09-10 | 北京二商集团有限责任公司西郊食品冷冻厂 | 压力介质管路的监测装置、方法及应用该装置的冷库监测系统 |
| CN104180166A (zh) * | 2014-07-09 | 2014-12-03 | 中国石油大学(华东) | 一种基于管道压力数据的管道泄漏检测方法 |
| CN104866899A (zh) * | 2015-06-17 | 2015-08-26 | 山东省环境保护科学研究设计院 | 一种基于城市供水管网水力模型校核的漏失检测方法 |
| CN206130547U (zh) * | 2016-07-07 | 2017-04-26 | 北京信息科技大学 | 一种多工况下的输气管道泄漏检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于PSO的管道泄漏模型反问题求解及敏感性分析;陈特欢等;《浙江大学学报（工学版）》;20141015;第48卷(第10期);第1851页左栏第10行-第1855页右栏第11行，图1-10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108591836A (zh) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108591836B (zh) | 管道泄漏的检测方法和装置 | |
| Preis et al. | Efficient hydraulic state estimation technique using reduced models of urban water networks | |
| Candelieri et al. | A graph based analysis of leak localization in urban water networks | |
| CN109086291B (zh) | 一种基于MapReduce的并行异常检测方法及系统 | |
| Shravani et al. | A machine learning approach to water leak localization | |
| Borraz-Sánchez et al. | Optimization methods for pipeline transportation of natural gas with variable specific gravity and compressibility | |
| Qiao et al. | Dynamic community evolution analysis framework for large-scale complex networks based on strong and weak events | |
| CN110162895B (zh) | 一种两阶段的高能效船型优化设计方法 | |
| Rojek et al. | Comparison of different types of neuronal nets for failures location within water-supply networks | |
| CN117574662A (zh) | 一种用于流体管网的检测方法和系统 | |
| CN114818487A (zh) | 一种基于pso-bp神经网络的天然气湿气管道持液率预测模型方法 | |
| Fuentes Jr et al. | Leak detection in water distribution networks via pressure analysis using a machine learning ensemble | |
| Peng et al. | Predicting solid-particle erosion rate of pipelines using support vector machine with improved sparrow search algorithm | |
| Geng et al. | An improved algorithm of nearness degree of incidence based on grey neural network | |
| CN113063100A (zh) | 管道泄漏的检测方法及装置 | |
| Sarkamaryan et al. | Surrogate-assisted inverse transient analysis (SAITA) for leakage detection in pressurized piping systems | |
| Gong et al. | A leak sample dataset construction method for gas pipeline leakage estimation using pipeline studio | |
| Sánchez-Rivero et al. | A Novel Approach for Leak Localization in Water Distribution Networks Using Computational Intelligence | |
| Liu et al. | Approximate characterization of multi-robot swarm “shapes” in sublinear-time | |
| Ju et al. | Automatic modal frequency identification of bridge cables under influence of abnormal monitoring data | |
| Wu et al. | A distributed real-time data prediction framework for large-scale time-series data using stream processing | |
| CN114880818A (zh) | 一种面向全局燃气管网结构的神经网络监测方法和系统 | |
| Perelman et al. | Multi-level automated sub-zoning of water distribution systems | |
| Hu et al. | Decision‐Level Defect Prediction Based on Double Focuses | |
| Mu et al. | Partitioning Leakage Detection in Water Distribution Systems: A Specialized Deep Learning Framework Enhanced by Spatial–Temporal Graph Convolutional Networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liang Yongtu Inventor after: Zhang Wan Inventor after: Nie Siming Inventor after: Xu Ning Inventor after: Zhang Haoran Inventor before: Zhang Wan Inventor before: Liang Yongtu Inventor before: Nie Siming Inventor before: Xu Ning Inventor before: Zhang Haoran |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |