Содержание к диссертации
Введение
ГЛАВА 1. Обзор и критический анализ современных методов и систем обнаружения утечек 12
1.1 Утечки, причины возникновения и последствия 12
1.2 Классификация СОУ 13
1.3 Параметрические методы обнаружения утечек
1.3.1 Метод определения утечек по анализу профиля давления 14
1.3.2 Балансовый метод 15
1.3.3 Метод давление-расход 16
1.3.4 Метод диагностики утечек на основе анализа давления в изолированных секциях при закрытых задвижках 17
1.3.5 Общее описание работы параметрической СОУ
1.4 Алгоритм определения утечек по «волне давления» 20
1.5 Комбинированные СОУ 24
1.6 Метод на основе законов Кирхгофа 28
1.7 СОУ с использованием результатов измерений дополнительных параметров
1.7.1 Акустический метод 31
1.7.2 Радиоактивный метод 32
1.7.3 Акустико-эмиссионный метод 32
1.7.4 Волоконно-оптический метод 34
1.7.5 Виброакустический мониторинг 36
1.7.6 Общее описание СОУ с использованием результатов измерений дополнительных параметров 39
1.8 Методы, использующие нейронные сети 39
1.8.1 Диагностическая модель распознавания ситуаций, возникающих на участке инженерной сети 39
1.8.2 Интеллектуальная нейросистема для обнаружения утечек в трубопроводе 45
Выводы по главе 1 50
ГЛАВА 2. Разработка нейросетевой модели утечки жидкости из магистрального трубопровода 53
2.1 Описание объекта исследования 53
2.1.1 Описание процесса транспортировки жидкости в трубопроводе 58
2.2 Краткие теоретические сведения о нейронных сетях 60
2.2.1 Обобщённая модель искусственного нейрона 60
2.2.2 Радиально-базисные сети 2.3 Алгоритм разработки и адаптации нейросетевой модели утечки жидкости из магистрального трубопровода 68
2.4 Адаптация нейросетевой модели утечки жидкости на примере программы MATLAB 72
2.4.1 Адаптация нейросетевой модели при малой утечке жидкости из
трубопровода 90
Выводы по главе 2 96
ГЛАВА 3. Разработка метода автоматического обнаружения утечки жидкости при нестационарных процессах и в условиях зашумлённости 97
3.1 Краткое описание метода модифицированного материального баланса 97
3.2 Разработка метода автоматического определения утечки
3.2.1 Постановка задачи 102
3.2.2 Разработка модели нейронной сети 105
3.2.3 Краткое описание работы генетического алгоритма 105
3.2.4 Оптимизация скрытых слоёв многослойного персептрона при помощи генетического алгоритма 108
3.3 Обнаружение утечек во время переходных процессов 117
Выводы по главе 3 124
ГЛАВА 4. Практические рекомендации по применению нейросетевой модели утечки в трубопроводном транспорте 125
4.1 Оптимизация расстановки датчиков давления в трубопроводе 125
4.1.1 Влияние работы магистральных насосных агрегатов на давление в трубопроводе 125
4.1.2 Алгоритм работы программы по оптимизации расстановки датчиков давления 127
4.1.3 Оптимизация расстановки датчиков давления с учётом погрешности средств измерений 135
4.1.4 Пример работы системы оптимизации расстановки датчиков давления в трубопроводе 144
4.2 Принцип работы системы обнаружения утечек с использованием нейронной сети 151
4.2.1 Рекомендации по разработке и обучению нейросетевых моделей
Выводы по главе 4 161
Основные результаты и выводы 163
Список сокращений 165
Список используемой литературы
- Метод определения утечек по анализу профиля давления
- Описание процесса транспортировки жидкости в трубопроводе
- Разработка метода автоматического определения утечки
- Оптимизация расстановки датчиков давления с учётом погрешности средств измерений
Метод определения утечек по анализу профиля давления
Согласно [111] утечка – это нарушение герметичности магистрального трубопровода, сопровождающееся истечением из него нефтепродукта.
Основной причиной утечек является устаревшее эксплуатационное оборудование трубопроводного транспорта. Около 68% магистральных трубопроводов имеют срок эксплуатации более 20 лет, т.е. находятся в критическом возрасте. По данным МЧС России, ежегодно из-за аварий происходят разливы в объёме не менее 20 тыс. м3 [1, 85]. Также причинами утечек могут быть различные природные явления. Так, например, ледяные пробки, обнаруженные в трубопроводе, принадлежащем одной из крупнейших в Европе нефтекомпаний British Petroleum (BP), стали причиной утечки нефти на Аляске в Прудо Бэй в конце ноября 2009 года [99]. А в случае, описанном в еженедельнике «Дальневосточная Звезда» [128], причиной утечки послужил человеческий фактор. Вследствие халатности при проведении плановых работ на грунт вытекло 450 м3 нефтепродуктов.
Утечка нефтепродуктов из трубопроводов представляют опасность для людей и окружающей среды [123]. Последствия утечек вызывают загрязнение окружающей среды, опасность возгорания и взрыва, ликвидация последствий ведет к серьезным экономическим потерям. В результате утечек концентрация нефтепродуктов в водоемах в 9-15 раз превышает предельно допустимые нормы; экстремальное загрязнение почвы в 150-200 раз превосходит фоновые значения, а десятки тысяч гектаров земли уже частично или полностью исключены из хозяйственного оборота. Ситуация настолько угрожающая, что вынуждает мировое сообщество все чаще и чаще обращаться к проблеме утечки нефти и нефтепродуктов из трубопроводов [1].
Также в последнее резко возрасло число несанкционированных врезок [124]. Помимо непосредственного экономического ущерба, наносимого хищением нефтепродуктов, любая несанкционированная врезка, являясь ненормативной конструкцией, несет большую потенциальную опасность, поскольку изначально нарушает локальные прочностные характеристики трубопровода.
Таким образом, одной из задач трубопроводного транспорта является своевременное обнаружение утечек. Для этого применяются системы обнаружения утечек (СОУ).
Классификация СОУ по принципам действия и типам применяемого оборудования К периодичному контролю состояния трубопровода относят визуальное наблюдение трубы линейными обходчиками и методы с использованием диагностических средств. Визуальное наблюдение позволяет обнаружить выход нефтепродукта на поверхности земли [48]. С помощью внутритрубных дефектоскопов [27, 81, 98] можно обнаружить с большой вероятностью все дефекты в трубопроводе, но этот метод отличается существенной дороговизной. Также у периодического контроля состояния трубопровода есть существенный недостаток — это отсутствие оперативности. Поэтому в рамках работы эти методы описаны не будут.
Ко второй категории относятся методы, осуществляющие непрерывный контроль над состоянием трубопровода в режиме реального времени, как правило, с помощью средств автоматики и телемеханики. Они могут разделяться на 2 типа: 1) – методы, осуществляющие контроль над технологическими параметрами. К отдельной категории относятся параметрические методы, построенные на основе анализа изменения гидравлических параметров технологического процесса при возникновении утечек [52]. 2) – методы, осуществляющие контроль над дополнительными параметрами (длина волны Брэгга, акустическая эмиссия и т.д.).
Метод базируется на моделировании распределённого вдоль нефтепродук-топровода давления и статистическом анализе [11, 29, 58, 113, 126].
При возникновении утечки расход на участке до места образования утечки увеличивается по отношению к начальному расходу, а расход на участке после места образования утечки уменьшается по отношению к начальному расходу. В связи с этим перепад напора на участке после места образования утечки уменьша 15 ется, а до места образования утечки уменьшается, что приводит к излому профиля напора и давления.
Многие другие различные явления могут вызвать аналогичные изменения. К таким можно отнести изменение шероховатости трубопровода, вязкости, плотности, температуры нефтепродукта и т.п.
Для диагностирования применяется «усредненный» профиль распределённого давления, который также называется квази-стационарным профилем. Этот профиль получают путём специальной фильтрации давления в контролируемых точках трубопровода. «Усредненный» профиль распределённого давления также не постоянен. Профиль изменяется, но гораздо медленнее, чем фактическое давление. В связи с этим рассматривают отклонение «усредненного» профиля, которое наблюдается на всех контролируемых точках нефтепродуктопровода.
Плотность, вязкость, температура нефтепродукта, шероховатость трубы не вызывают отклонения «усредненного» профиля от фактического, так как эти изменения достаточно медленные и «усредненный» профиль успевает адаптироваться к этим процессам. Утечка вызывает падение давления, которое может быть обнаружено. Дабы исключить ложные срабатывания, превышающие допустимую величину, рассогласование должно быть зафиксировано, не менее чем в двух контролируемых точках.
Недостаток метода: работает только на стационарном режиме и имеет большую погрешность при локализации места утечки – более чем 5 км.
Этот метод определяет как быстро прогрессирующие разрывы в трубопроводе, так и медленно развивающиеся истечения продукта [53, 64, 126, 137, 146]. Метод выявляет истечение жидкости на больших участках трубопровода между двумя (и более) датчиками расхода. Минимальный расход диагностируемой утечки зависит, в первую очередь, от точности измерения расхода и при имеющихся в настоящее время расходомерах колеблется на уровне 0,5-1%. Метод не определя 16 ет место образование утечки. Для этого обычно применяются другие методы, которые работают параллельно с балансовым методом.
Принцип работы метода состоит в том, что при возникновении утечки продукта расход на входной точке становится больше расхода на выходной точке. Кроме того, в балансовом методе определяется масса жидкости в трубопроводе, которая при возникновении утечки уменьшается.
Точность метода зависит от погрешности датчиков расхода. Невозможно выявить утечку, расход которой меньше, чем погрешность измерения расхода. В данном случае не имеет значения абсолютная величина ошибки измерения, а только относительная погрешность одного прибора относительно другого. Расходомеры могут быть настроены один относительно другого, используя процессы статистического анализа и наблюдения за достаточно продолжительный интервал времени. Что касается точности учёта изменения количества нефтепродуктов в трубопроводе за счет изменения давления, то она зависит от погрешности измерения давления и сжимаемости. Таким образом, период усреднения может быть увеличен, для того чтобы уменьшить расход минимальной диагностируемой утечки.
Описание процесса транспортировки жидкости в трубопроводе
В сети взаимодействуют элементы трёх видов: нагрузки (потребления), активные элементы, линии связи (пассивные элементы). Каждая i-ая подсистема характеризуется двумя переменными величинами: последовательный (расход, xi) и параллельный (потеря напора, hi). Потеря напора представляет собой разность давления в начале и в конце трубопровода. Взаимосвязь этих параметров представлена в виде закона гидросопротивления: hi=riqi (рисунок 1.8), где ri – гидросопротивление на i участке, qi – расход на участке i.
К активным элементам обычно относятся насосы. Линии связи (пассивные элементы) представляют собой участки трубопровода и коммуникаций. К пассивным элементам также можно отнести и различные регулируемые и нерегулируемые задвижки. В сети имеют место законы Кирхгофа: 1) «Алгебраическая сумма расходов в любом узле равна 0» (рисунок 1.9). 2) «Суммарная потеря напора по любому замкнутому циклу также равна 0».
При возникновении структурной неисправности (утечки) на графовой модели возникают новые стоки и ответвления с неизвестными параметрами потребления и гидравлического сопротивления, а также происходит перераспределение потоков между ветвями графа. Факт структурной неисправности проявляется в нарушении первого закона Кирхгофа, т.е. суммы расходов в узлах графа, которым инцидентны новые стоки окажутся неравными нулю (рисунок 1.10).
Критерием отсутствия структурной неисправности может служить соблюдение в сети первого закона Кирхгофа. Допустим, что среди элементов вектора Q имеется замер расхода транспортируемого агента «вблизи» источника давления qИ, который будем называть истоковым, и расходы агента у потребителей qП1,…,qПn, которые будем называть стоковыми (рисунок 1.11). является признаком наличия структурной неисправности в сети. Критерий (1.2) является признаком наличия структурной неисправности на любом участке подсети исходной трубопроводной сети, если известны соответствующие потоковые и истоковые значения рассматриваемой модели.
Недостатки метода: для вычисления зависимости удельного гидравлического сопротивления F(l) отдельной длины l трубопровода необходимо решить сложное дифференциальное уравнение Навье-Стока [65]. Для решения этого уравнения применяют упрощения и допущения, которые вносят погрешность в зависимость F(l), что соответственно сказывается на точности локализации точки неконтролируемого стока при решении уравнения (1.3).
При возникновении утечки жидкости в трубопроводе образуется шум, издаваемый струей жидкости, связанный ударными силами, трением и вибрацией. Во время передачи образованных шумов на поверхность, тональность каждого из них меняется различным образом. Изменение тональности зависит от характера утеч 32 ки, грунта, материала трубы и глубины ее залегания. Основной вклад в звук истекающей жидкости вносят параметры, определяемые трубопроводом. Суть акустического метода состоит в измерении шумов, возникающих при утечке жидкости в трубопроводе [5, 7, 35, 79, 87, 101, 150].
Исключения посторонние звуки, путём сужения частотной полосы, можно четко определить шум утечки жидкости. Этот метод применяют для выявления малых утечек (менее 1% от среднего расхода в трубопроводе, нижний предел зависит от вязкости, отверстия в трубопроводе, прокладки трубопровода).
Для применения данного метода необходимо установить датчики между собой на расстоянии порядка 50 м, поэтому использование данного метода для диагностики утечек на всем трубопроводе большой протяженности, нецелесообразно, но данный метод может быть использован на особо опасных участках.
При использовании этого метода в трубу специально вводят радиоактивное вещество [49, 112, 132, 141]. При образовании утечки происходит излучение радиоактивного вещества, которое можно зарегистрировать приборами. Радиоактивный метод является периодическим, т.е. не отвечает требованию оперативного контроля герметичности трубопровода. Кроме того, метод таит опасность для обслуживающего персонала и небезопасен с экологической точки зрения, поэтому не нашел широкого применения в диагностике утечек в трубах.
Изучение перемещения дислокаций в волокнах, которое приводит к перераспределению напряжений внутри материала и возникновению звуковых колебаний, позволяет разработать метод, диагностирующий дефекты в трубопроводе [3, 4, 9, 56, 74, 88, 97, 114]. При увеличении дефекта, разрыве связей или пластическом деформировании материала выделяется энергия имеющая форму волн напряжения или акустической эмиссии. Трещина создаёт волны напряжения, под действием локального напряжения или деформации, даже если она микроскопическая. Эти волны могут быть выявлены при помощи пьезопреобразователей, которые установлены на трубопроводе определенным образом. Акустическую эмиссию (АЭ) можно регистрировать на высоких частотах (до 3-5 МГц), что даёт возможность применять метод и в присутствии интенсивных внешних шумов, так как на высоких частотах естественные и технические шумы очень слабы. В отличие от других методов в АЭ-методе энергия выделяется из самого материала. Вследствие этого АЭ наиболее чувствительна к увеличению трещин и легче поддается интерпретации, чем сигналы, образующиеся при возбуждении снаружи, которые характерны для таких методов, как ультразвуковая дефектоскопия и радиография. Простая АЭ-система состоит из счетчиков, предварительных усилителей схем кондиционирования сигналов и пьезопреобразователей. Сигналы от преобразователей предварительно усиливаются, преобразуются в стандартные логические импульсы и подсчитываются.
Для образования АЭ конструкция должна быть нагружена внешними, термическими, остаточными или другими напряжениями, обуславливающими высвобождение накопленной упругой энергии в потенциальных дефектах. Процессы происходящие при этом, как правило, необратимы. Основные характеристики АЭ-сигнала – длительность импульса и время его нарастания, максимальная амплитуда сигнала, число превышений порога.
При применении данного метода датчики устанавливают на расстоянии около 100 метров, что приводит к существенному удорожанию и усложнению системы. Поэтому этот метод, так же, как и акустический, целесообразно использовать на ограниченной части трубопровода – на наиболее опасных участках МНПП.
Технические характеристики системы обнаружения утечек НИИ (научно-исследовательский институт) интроскопии Томского политехнического университета с использованием акустической эмиссии представлены в таблице 1.4 Таблица 1.4 – Технические характеристики системы обнаружения утечек с использованием акустической эмиссии
Пороговая чувствительность аппаратуры по расходу нефтепродукта через утечку при избыточном давлении в трубопроводе 0,3-2 МПа, л/ч Пороговая чувствительность по эквивалентному диаметру утечки, мм Расстояние между датчиками, при котором данная чувствительность будет обеспечена, м
Метод основан на использовании волоконно-оптического сенсорного кабеля (ВОСК) [42, 78, 129]. По специальной технологии в сенсорном оптическом кабеле вводятся волоконно-оптические датчики (количество датчиков может достигать 200 шт./м). Волоконно-оптический датчик представляет собой решетку Брэгга, записанную в волокне с помощью ультрафиолетового лазера. Длина волны Брэгга изменяется под действием температуры, давления, вибрации, акустической эмиссии, микродеформации, т.е. датчик обладает многопараметровой чувствительностью. По технологии развертывания волоконно-оптических сенсорных кабелей может быть реализована, как внешняя, так и внутренняя трубопроводная прокладка. Естественно, для трубопроводов, по которым может проходить средство очистки и диагностики (СОД), возможна только внешняя прокладка кабеля.
Разработка метода автоматического определения утечки
Обнаружение малых утечек является сложной задачей, которую тяжело решить, не прибегая к дорогостоящим методам обнаружения утечек. СОУ по «волне давления» не способна обнаружить малую утечку, т.к. датчики не видят волну создаваемой малой утечкой. Параметрическая СОУ способна обнаружить малую утечку и определить её местоположение с погрешностью 5 км (таблица 1.1). Такая большая погрешность возникает, поскольку требуется выявление малых эффектов, порождаемых малыми утечками. Построение и анализ математической модели режима потенциально может вносить значительные относительные погрешности, связанные с принципиальными неточностями самой модели. Математическая модель параметрической СОУ описывает утечку на идеализированном линейном участке трубопровода в отсутствии какой-либо инфраструктуры (например: насосы, местные сопротивления и т.д.). Реальная картина снижения давления в точках его регистрации может заметно отличаться от предсказаний упрощённой модели, что, не влияя на чувствительность метода, значительно снижает его точность в части расчётов по локализации утечек, особенно малых [52]. Эта проблема решается с помощью вышеупомянутых нейронных сетей. Во время процесса обучения нейронная сеть будет получать знания о влиянии на снижение давления таких параметров как диаметр трубопровода, местные сопротивления, особенности насоса и других параметров процесса перекачки жидкости в трубопроводе. В нейронной сети эти знания будут представляться множеством свободных параметров (т.е. синоптических весов и порогов) сети. Благодаря этим знаниям утечку можно описать с учётом свойств реальным объектов инфраструктуры.
Полученная модель применима только к конкретному участку трубопровода. Для получения модели утечки на другом трубопроводе, требуется переобучить нейронную сеть на результатах испытаний для этого трубопровода. Покажем на практике эффективность применения нейронных сетей при расчёте местоположения малой утечки. Рассмотрим имитацию малой утечки 40 и 60 л/мин на расстоянии 44 км от датчика. Согласно протоколу об испытании (рисунок 2.28) невозможно рассчитать местоположение утечки из-за того, что второй датчик не зафиксировал «волну давления» (рисунок 2.29).
Первым датчиком было зафиксировано падение давления на 0,019 кгс/см2 и 0,024 кгс/см2 соответственно. Подставим эти значения в радиально-базисную нейронную сеть при оптимальных значениях параметра SPREAD 33-35 (Приложение D, эксперимент №1). Результаты представим в таблице 2.10.
Получаем погрешность 4 км, которая является лучшим показателем по сравнению с параметрическими СОУ. Оценим погрешность нейронной сети, если обучить её не только на результатах испытаний при утечках на 79, 60, 53 и 40 километрах, но и на результатах при утечках на 44 километре (таблица 2.11). То есть обучающим множеством для нейронной сети будут все значения из таблицы 2.11, кроме значений падения давления 0,019 кгс/см2 и 0,024 кгс/см2 при утечке 40 и 60 л/мин соответственно на 44 км (Приложение D, эксперимент №2). В таблице 2.12 покажем результат расчёта нейронной сети в зависимости от значения параметра SPREAD. Как видно из таблицы, погрешность при утечке 40 л/мин не изменилась, а при утечке 60 л/мин ухудшилась.
Если сравнить с результатами расчёта утечки на 44 километре, то получаем, что на 40 километре утечка рассчитывается менее точно. Поскольку проверочные значения выходят за область обучающей выборки, и модель на проверочных значениях ведёт себя неадекватно. Аналогично предыдущему примеру обучим нейронную сеть на всех данных (таблица 2.11), кроме значений падения давления при малой утечки (40л/мин, 60 л/мин) на 40 километре (Приложение D, эксперимент №4). В результате получаем снижение погрешности до значения 0,5 км при параметре SPREAD=35 (таблица 2.14).
Погрешность при утечке 40 л/мин, км 2 2 0,5 Заметим, что нейронная сеть утечку на 44 километре определила с большей погрешностью, чем утечку на 40 км, т.к. последняя ближе к датчику. Это можно объяснить тем, что чем ближе две утечки расположены к датчику, тем отчётливее видна разница между значениями АР.
Поясним это на следующем примере. Для этого построим таблицу (таблица 2.15) снижения давления для другого датчика, расположенного на «левее» (рисунок 2.31), то есть ближе к местоположению утечек (значения другого датчика указаны в скобках). Таблица 2.15 – Падение давления при различной величине расхода и расстоянии между местом утечки и датчиком давления, кгс/см2
Сравнивания эти две таблицы (таблица 2.11, таблица 2.15) можно увидеть, что разница между Р при утечке 80 л/мин в разных точках отбора больше у датчика, который расположен «левее», т.е. ближе к утечкам. Покажем это на графике (рисунок 2.30).
Из графика видно, что характеристика второго датчика жёстче, т.к. датчик расположен ближе к утечкам. Анализируя данные из таблиц 2.11, 2.12, 2.14, 2.15, а также график (рисунок 2.30) можно сделать вывод о том, что чем ближе утечка расположена к датчику, тем точнее можно определить её местоположение с помощью обученной нейронной сети.
Таким образом, благодаря процессу обучения радиально-базисная нейронная сеть способна выявить влияние реальных объектов инфраструктуры трубопровода, которые не учитываются в идеализированной математической модели, на снижение давления. Тем самым удалось уменьшить погрешность параметрической СОУ с 5 до 4 км при локализации малых утечек.
1. Разработан алгоритм для разработки и адаптации нейросетевой модели утечки жидкости из трубопровода, включающий в себя этап подбор параметров, этап моделирование и обучение нейронной сети, а также процедуру определения качества аппроксимации функции (определение погрешности расчётов). Дан анализ влияния архитектуры нейронной сети и её параметров на погрешность расчётов местоположения утечки. Показано, что наилучшим аппросиматором для функции AP=f(Qym,lym) является нейронная сеть, имеющая радиально-базисную архитектуру.
2. Разработана нейросетевая модель на основе радиально-базисных сетей, которая позволяет описать процесс истечения нефтепродукта из трубопровода. Полученная модель от математической модели отличается тем, что она аппроксимирует зависимость между снижением давления и местом и расходом утечки с учётом статических параметров трубопровода. Эти зависимость и параметры сохраняются в нейронной сети в виде коэффициентов весов синоптических связей. Полученная модель, обучаемая, и адаптируется под каждый трубопровод, что позволяет применить её на тех участках трубопровода, где установлены датчики давления и расхода. Показано, что точность способа определения местоположения утечек с помощью НС, лучше по сравнению с существующими параметрическими методами. На точность определение утечек влияют набор обучаемого множества данных и месторасположение датчика давления относительно образованной утечки.
Оптимизация расстановки датчиков давления с учётом погрешности средств измерений
При стационарном режиме работы величину снижения давления АР можно определить при помощи системы автоматического обнаружения утечек (раздел 3.2). Имея в своём составе искусственную нейронную сеть, система анализирует и фильтрует, сигналы, поступающие с датчиков давления, после чего система выдаёт на выходе время образования утечки tym и величину снижения давления АР.
Если утечка образовалась при нестационарном режиме работы, то определить величину снижения давления АР можно другим способом. Для этого используется система расчёта давления (раздел 3.3). Система, используя показания крайних датчиков давления Р]и Рт способна рассчитать значения давления Р2,Рз, ,Рп-1 в других точках трубопровода. При возникновении утечки образуется величина рассогласования АР между расчётным Р и фактическим значением Р. Система расчёта давления способна определить величину изменения давления АР как при стационарном режиме работы, так и при переходных процессах.
Величина изменения давления АР подаётся на систему предварительного расчёта давления. Принцип работы системы основывается на том, что максималь 154 ная величина снижения давления АР образуется в точке образования утечки. Используя этот принцип, система вычисляет номер / ближайшего датчика к месту утечки. На выходе системы будет величина снижения давления APt і датчика, а также двух соседних датчиков APt.i и АРІ+]. Таким образом, мы предварительно определили, что утечка расположена между датчиками і-l и i+1.
Для точного определения местоположения утечки рассчитаем её с помощью нейросетевой модели (принцип работы описан во второй главе). Для этого значения АР{.] и Qym будем подавать на вход нейросетевой модели №2 датчика і-l, а значения APi+i и Qym будем подавать на вход нейросетевой модели №1 датчика і+l. Нейросетевая модель №1 применяется, если точка утечки расположена раньше (по направлению потока), чем датчик давления. В противном случае применяется нейросетевая модель №2. Значения APt и Qym будем подавать на вход двух нейросетевых моделей датчика /, так как неизвестно, утечка расположена до или после датчика давления. Таким образом, рассчитаем 4 значения координаты утечки 1ут. Затем среди трёх ближайших значений найдём среднее.
Например, точка утечки расположена на 87 км (рисунок 4.19). Наибольшая величина снижения давления APt будет у датчика / на 80 км. С помощью системы предварительно определим, что утечка расположена между 50 км (датчик Pt_i) и 120 км (датчик РІ+І). Используя значения /АРІ-І, АР{и АРІ+], с помощью нейросетевых моделей рассчитаем 4 значения координаты утечки. Результаты расчётов представим в виде таблицы (таблица 4.4):
Таким образом, используя показания датчиков давления и расхода, мы можем определить факт образования утечки, расход утечки Qут, время возникновения утечки tут и рассчитать место образования утечки lут. Причём модернизированная параметрическая система будет иметь меньшею погрешность за счёт применения искусственной нейронной сети (таблица 2.9)
Первая нейросетевая модель рассчитывающая местоположение утечки имеет радиально-базисную архитектуру. Для моделирования радиально-базисной сети в программе Matlab предусмотрена команда newrbe (P,T,SPREAD). Данная команда возвращает радиальную сеть с такими весами и смещениями, что её выходы точно равны целям T. Функция newrbe создаёт столько нейронов радиального базисного слоя, сколько имеется входных векторов в массиве P и устанавливает веса первого слоя равными P . При этом смещения устанавливаются равными 0,8326/SPREAD. Это означает, что уровень перекрытия радиальных базисных функций равен 0,5 и все входы в диапазоне ± SPREAD считаются значимыми. Ясно, что чем больший диапазон входных значений должен быть принят во внимание, тем большее значение параметра влияния SPREAD должно быть установлено. Веса второго слоя и смещение могут быть найдены путём моделирования выходов первого слоя и последующего решения системы линейных алгебраических уравнений (СЛАУ) [73]. Таким образом, при создании первой нейросетевой модели не требуются дополнительные настройки обучения.
Недостатком функции newrbe заключается в том, что она формирует сеть с числом нейронов в скрытом слое, равным числу элементов обучающего множества. Поэтому с помощью этой функции нельзя получить приемлемого решения в случае больших размеров обучающего множества. Такая функция является наиболее подходящей для задач трубопроводного транспорта, поскольку ограниченно число примеров в обучающей выборке.
Для более точного расчёта местоположения утечки необходимо создать нейросетевую модель для каждого датчика установленного на линейной части трубопровода. Причём нужно учитывать направление потока нефтепродукта. То есть для каждого датчика требуется разработать две нейросетевые модели, одна из них применяется, в том случае если утечка расположена раньше по направлению потока, чем датчик давления, а вторая в противном случае.
