基于序贯检验的管道泄漏检测方法

利用序贯概率比检验法检测油气管道泄漏是一种较新的方法.针对原始压力信号噪声的非高斯性,采用卡尔曼滤波器进行预处理,提高了序贯法判断泄漏的准确性.分析了传统压力梯度法的不足,借鉴负压波定位中的时间差法定位泄漏点,提高了定位的精度.实验结果表明,这种管道泄漏检测方法值得推广.     

利用假设检验理论进行管道泄漏检测

受检测系统误差影响 ,利用动态质量平衡进行管道泄漏检测灵敏度较低。通过对一种假设检验方法———序贯概率比检测的性能进行分析 ,考虑描述其性能的 2个参数———操作线和平均样本数函数 ,提出了将序贯概率比检测应用于管道泄漏判断的方法。实际应用表明 ,该方法克服了序贯概率比检测的原有缺点 ,用其进行管道泄漏检测提高了检测灵敏度和报警速度。     

优化M-SPRT法在管道泄漏检测中的应用

用于管道泄漏检测的序贯概率比（SPRT）检验法,存在着备选假设难以确定和易发生检验延迟的缺陷。为此,提出了优化的多序贯概率比（M SPRT）检验法,以检测各种泄漏所需时间的期望为目标函数来优化备选假设,并在此基础上对判决函数进行改进,同时给出泄漏量估计方法,最后利用Visual C++开发的泄漏检测软件对其进行实现,并使用真实数据验证了方法的可行性和实用性,弥补了常规SPRT法的缺陷,实现了自动、在线、快速地检测泄漏及估计泄漏量的目标。     

基于多地震波传感器数据融合的管道安全监测预警系统

采用数据融合方法研究了基于多地震波传感器的管道安全监测预警系统中目标特征提取及识别问题。用多个传感器及处理模块采集管道周围目标产生的震动信号,采用经验模态分解方法对地面震动信号进行处理,提取分解结果的归一化峭度,将其作为特征向量;利用主要频率区间的特征向量进行单一传感器的目标识别。由于监测系统由多个单独传感器采集模块组成,为了提高目标的识别率,采用D-S证据理论对识别结果进行了数据融合,得到最终识别结果。利用该方法对实验采集数据进行处理,验证了文中提出的方法。     

动态聚类算法在管道泄漏检测中的应用

为了提高负压波法检测管道泄漏的准确性和灵敏度,正确区分不同工况下的压力波形,通过对负压波的产生及模式识别中无监督学习方法的研究,采用ISODATA动态聚类算法对负压波波形进行分类,判断管道所处的工况状态。为了加快分类速度,利用K-L变换对上述聚类算法进行优化,消除负压波特征参数间的相关性,降低了特征空间的维数,同时减少了计算时间。实验结果验证了该优化算法的有效性和准确性。     

多资料匹配融合储层建模技术

多资料匹配融合储层建模技术,是在贝叶斯理论框架下,将测井、三维地震及井间地震等多种资料进行优势互补的油藏建模新技术,可有效提高稀井区或无井控制区油藏建模的准确性,为中国东部老油田的精细油藏描述提供新的技术手段。该技术的核心算法为贝叶斯-序贯高斯模拟方法,以局部、少量的高分辨率(测井、井间地震等)数据为条件,建立与地震属性数据之间的条件关系实现地震属性的约束,有效利用了测井纵向分辨率高和地震资料横向分辨率高的优点,从而达到提高整个模型分辨率的效果。应用该建模方法建立了垦71区块的孔隙度模型,经对比发现,孔隙度模型井间趋势与约束数据趋势一致,纵向分辨率得到了显著提高,充分体现了多尺度资料联合物性建模方法的技术优势。应用实践表明,该方法模拟结果在井点附近与测井解释数据一致,在稀井或无井控制区的预测结果与地震约束数据一致,并有效提高了储层预测精度。     

基于经验模态分解的管道预警系统信号多尺度混沌特性分析方法

提出了一种用于油气管道安全预警系统的检测信号多尺度混沌特性分析的新方法。该预警系统基于Mach-Zehnder光纤干涉仪原理,沿管道同沟敷设一条光缆,利用其中的三条单膜光纤构成分布式微振动测试传感器,实时检测管道沿途发生的泄漏及其他异常事件。多尺度混沌特性分析方法是利用经验模态分解(EMD)方法对典型的异常事件振动信号进行分解,再分别对分解得到的固有模态(IMF)分量进行混沌特性分析,计算出不同尺度下的关联维数。该方法可更清晰地描述检测信号在不同尺度下的混沌特性。利用现场试验得到的信号对该方法进行验证的结果表明,利用多尺度混沌特性分析方法更容易有效地区分几种典型异常事件。     

水下结构油气泄漏检测新需求及多技术融合应用设想

对常用的几种水下结构油气泄漏检测方法及技术特点进行了分析,并针对水下油气生产设施深浅水海底安装方式和智能化管理的发展趋势,从水下结构泄漏检测能力提升、装备智能化和降低安装及运营成本等角度,总结了当前水下结构油气泄漏检测的新需求,提出了水下结构油气泄漏检测多技术融合应用设想.目前水下结构油气泄漏检测须柔性构建多技术融合的...     

基于多数据融合和小波分解的油气管道缺陷检测方法研究

针对油气管道检测过程中泄漏区域及缺陷区域难以准确定位的问题,提出了一种基于多数据融合的油气管道缺陷自动检测方法。首先利用无人机和红外热成像技术实现油田管道红外图像的分段采集,并通过移动终端实时上传到处理系统;采用改进的加权中值滤波算法对红外图像做去噪处理,并根据综合特征来自动识别管道区域以提升检测效率;然后采用Sobel算子和Canny算子对管道区域进行图像处理,并加权平均;最后,采用Haar小波做分解得到高频分量,高频分量和红外图像中温度异常区域重合的部位即为油气管道缺陷区域。实验结果表明:该方法可准确地定位油气管道的缺陷区域,其准确率最高可达97.8%,检测效率也有所提升。     

基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐...     

基于独立分量分析和支持向量机的管道泄漏识别方法

将独立分量分析(ICA)方法应用到管道泄漏检测压力信号的降噪中。分析了压力波信号源的独立性,探讨了运用ICA方法的可行性。利用现场采集的压力信号对该方法进行降噪效果检验。结果表明,该方法较好地保留了泄漏拐点信息且降噪效果明显。将支持向量机(SVM)方法应用到泄漏检测的识别过程中,首先采取微分进化算法优化了SVM模型参数,然后利用现场泄漏实验数据,验证了基于SVM方法的识别模型具有很好的识别准确率和泛化能力。在实验的基础上,对噪声源合并和泄漏信号源不可分问题作了初步讨论。     

直轮式管道泄漏检测机器人弯管通过性能研究

针对现有管道检测机器人转弯性能差的问题,研究了直轮式管道泄漏检测机器人.该机器人采用驱动轮直接驱动,结构简单,输出稳定.采用理想规划法对机器人建立过弯方程,计算可知当宽度小于146.29 mm时,机器人满足弯管爬行的弯道几何约束要求.采用Adams软件仿真分析机器人弯管通过性能以及转弯时驱动轮的速度变化情况.分析结果表...     

中原油田油水井窜漏识别测试工艺研究及应用

氧活化测井是评价油水井窜漏的主要方法之一,目前主要应用于水井的窜漏识别,在油井窜漏识别上应用较少,由于该方法存在一定的局限性,某些井况下无法判别窜漏的具体位置。分析了中原油田油水井的主要窜漏类型,研究了不同窜漏类型的油水井在注入、气举条件下测试管柱优化方法,对不同测试工艺下找漏找窜的应用效果进行了分析。研究表明,测试工艺的优化提高了测试成功率和窜漏识别精度。     

天然气管道阀门内漏声发射检测系统设计及试验研究

针对天然气管道阀门运行过程中承受较高压力易发生内漏且内漏不易被发现的问题,设计了基于声发射理论的阀门内漏检测系统,并在基于LabVIEW图形化编程语言基础上开发相应的检测分析软件。应用该检测系统对某内漏阀门进行室内检测试验研究。试验结果表明：4层小波分解后的声发射信号时域A4,D4,D1频带均方根值,频域A4,D4峰值与阀门内漏程度有良好的相关性,该系统可以有效地对运行过程中天然气管道阀门内漏程度进行无损检测与识别。     

复杂碳酸盐岩储层多数据融合预测技术——以千米桥潜山奥陶系为例

单一储层预测方法在实际应用中存在一定局限性,在特殊地区不能全面反映多因素控储的实际地质情况.为此,综合前人研究成果,针对千米桥潜山奥陶系碳酸盐岩储层地质特征,提出基于波形指示参数反演和敏感地震属性的多数据融合方法,以准确表征受层状溶蚀孔洞和裂缝控制的复杂缝洞储层.利用波形指示反演结合曲线重构技术有效预测层状溶蚀孔洞分布...     

基于支持向量机的天然气组成多维光谱定量分析方法

针对天然气中甲烷、乙烷、丙烷、正丁烷、异丁烷等气体的特征吸收谱线严重重叠的问题,将支持向量机(SVM)用于天然气组成多维光谱分析中,提出了一种新的基于多维光谱的天然气组成定量分析方法。利用SVM核函数变换,将天然气的多维光谱数据进行高维空间变换后求得SVM回归函数,得出天然气组成。实验结果表明,该方法的检验组成最大偏差为2.28%,与传统的方法相比,具有分析速度快、可实时在线分析、不限制光谱数据维数等优点,具有重要的理论和应用价值。     

长距离输气管线泄漏监测技术研究

天然气管道泄漏,不仅造成资源的浪费和环境的污染,而且威胁到人类生命财产的安全。建立管道实时泄漏监测系统,可以最大限度地减少经济损失和环境污染。根据管道的瞬态数学模型,进行了长距离输气管线泄漏监测技术的研究,结果表明,此种方法是一种可行的管道泄漏检测方法。     

低电阻率油层模式识别方法的变量选取及应用

Jake south油田AG组油藏地质条件极其复杂,内部存在大量的低电阻率油层,识别难度大,准确率不高。现有模式识别算法常采用的部分模型变量不能反映储层流体性质,在地质条件复杂的油藏中应用效果往往不好。综合岩心、薄片、扫描电镜、测井曲线等资料,对模式识别中通常所选变量进行优化,并用于低电阻率油层识别中。结果表明,储层类型、自然伽马、自然电位幅度比、中子密度指数、原状地层电阻率、声波时差、补偿中子、地层密度等变量可反映储层流体性质,建议采用。采用支持向量机方法,选用建议的模型变量对已证实油水层进行识别,取得良好效果,油水层识别准确率达94.4%,远高于采用以往常用变量的准确率。