一种天然气智慧站场泄漏检测方法

丁 楠，陈 浩，童 歆，钱济人

(1.浙江浙能天然气运行有限公司，浙江 杭州 310000；2.浙江浙能天然气管网有限公司，浙江 杭州 310051；3.浙江大学，浙江 杭州 310058)

随着天然气管道规模化建设和互联网+、大数据、云计算等新一代信息技术的迅速发展，巡检机器人成为管道企业推行智慧站场的重要手段。机器人现场检漏可有效保障人员安全、提高人力资源利用率，很多管道企业正在积极探索使用[1-3]。巡检机器人具备图像识别、红外热成像、气体状态检测等功能，能够在工业环境下完成生产运行的监控、工况风险识别等工作[4]。现有的天然气泄漏的巡检应用中，并未对站场设备的风险进行全面的评价，对站场的风险没有整体考虑，巡检机器人的激光传感器的扫描路径没有针对性。此外，泄漏云团的大小和在空间的分布区域与各个设备区域的流量、温度、高度等生产数据密切相关，在激光巡检扫描的角度选择上没有考虑到各个设备区域的生产数据之间的差异，容易使激光传感器无法扫描到泄漏云团，造成漏检，从而存在安全隐患。针对上述问题，通过对管道完整性管理要求和人工智能技术调研，提出了一种基于风险评价和凸优化理论的天然气站场泄漏检测方法，为优化智慧站场智能巡检工作提供参考。

1 方法设计

基于风险评价和凸优化理论的天然气站场泄漏检测方法的示意图见图1。通过天然气站场生产缺陷数据建立天然气站场失效数据库，分别计算设备失效概率和失效后果，得出设备失效的风险值，建立天然气站场设备失效数据库，按照风险等级严重程度确定巡检机器人上的激光传感器的扫描频次。……