[发明专利]检测管道泄漏的方法和系统

说明书

本说明书公开了检测管道泄漏的方法和系统，该方法包括：获取被检测管道在第一时刻下的多个相关参数；将多个相关参数输入神经网络模型以获得被检测管道在第一时刻之后的第二时刻下的预测管内流体温度、预测管内流体压力以及预测管外环境温度；获取被检测管道在第二时刻下的实际管内流体温度、实际管内流体压力以及实际管外环境温度；基于预测管内流体温度和实际预测管内温度之间的差值、预测管内流体压力和实际管内流体压力之间的差值以及预测管外环境温度和实际管外环境温度之间的差值确定预测误差；将预测误差与误差阈值进行比较，以及将最终的管道泄漏率与管道泄漏率阈值进行比较。所述方法和系统能够机坪管道进行泄漏的检测和/或定位。

技术领域

本申请涉及管道泄漏检测领域，尤其涉及检测管道泄漏的方法和系统。

背景技术

对于机场来说，航空燃油的输出存在多种方式。由于管道输送方式具有成本低、节省能源、安全性高及供给稳定等优点，故而大中型机场普遍采用机坪管道输送航空燃油。然而，由于长时间的运行腐蚀和磨损、设备的自然老化、地质灾害以及人为损坏等原因，机坪管道泄漏事故时有发生，从而影响机场的正常运行秩序，进而威胁机场安全。目前，检测的机坪管道泄漏的方式主要有两种，一种为基于管道内流体压力和温度的检测，另一种为基于管道外传感器电缆的检测。这两种检测方式的代表产品分别为汉莎咨询有限责任公司(HCNA)的TCS系统和英国阿奎拉(Aquilar)公司的TT5000泄漏检测和定位系统。

然而，上述系统在管道微泄漏检测和定位方面仍有不足。

发明内容

本申请所要解决的技术问题是如何对机坪管道进行泄漏的检测和/或定位。

本说明书的一个方面提供了一种检测管道泄漏的方法，其包括：a)获取被检测管道在第一时刻下的多个相关参数，所述多个相关参数包括管道泄漏率、管内流体温度、管内流体压力和管外环境温度；b)将所述多个相关参数输入神经网络模型以获得所述被检测管道在所述第一时刻之后的第二时刻下的预测管内流体温度、预测管内流体压力以及预测管外环境温度；c)获取所述被检测管道在所述第二时刻下的实际管内流体温度、实际管内流体压力以及实际管外环境温度；d)基于所述预测管内流体温度和所述实际预测管内温度之间的差值、所述预测管内流体压力和所述实际管内流体压力之间的差值以及所述预测管外环境温度和所述实际管外环境温度之间的差值确定预测误差；e)将所述预测误差与误差阈值进行比较，当确定所述预测误差大于所述误差阈值时，则调整当前的管道泄漏率并重复步骤b)至步骤e)，当确定所述预测误差小于或等于所述误差阈值时，将当前的管道泄漏率确定为最终的管道泄漏率；以及f)将所述最终的管道泄漏率与管道泄漏率阈值进行比较，当确定所述最终的管道泄漏率大于所述管道泄漏率阈值时，则判定所述被检测管道存在泄漏，当确定所述最终的管道泄漏率小于或等于所述管道泄漏率阈值时，则判定所述被检测管道不存在泄漏。

在一些示例性实施例中，所述多个相关参数还包括以下参数中的至少一个：管道直径、管道长度、管道材质、管道壁厚、所述被检测管道所包含的阀门类型、所述被检测管道所包含的阀门个数、管内流体类型和管外环境类型。

在一些示例性实施例中，所述神经网络模型为多层前馈神经网络模型。

在一些示例性实施例中，所述神经网络模型的输入包括：管道泄漏率、管内流体温度、管内流体压力、管外环境温度以及以下参数中的至少一个：管道直径、管道长度、管道材质、管道壁厚、所述被检测管道所包含的阀门类型、所述被检测管道所包含的阀门个数、管内流体类型和管外环境类型，所述神经网络模型的输出包括：管内流体温度、管内流体压力以及管外环境温度。