APP下载

智慧管道时代的检测数据综合应用

2020-12-22陈金忠刘三江周汉权吉建立何仁洋康小伟

压力容器 2020年11期
关键词:油气管道融合

陈金忠,刘三江,周汉权,吉建立,何仁洋,康小伟

(中国特种设备检测研究院,北京 100029)

0 引言

截至2019年底,我国长输油气管道总里程达16.9×104km,到2025年,全国油气管网规模将达到24×104km。油气管道具有点多、线长、运行环境复杂的特点,自然灾害和人为因素时刻影响管线运行安全,因此尽快提升油气管线管理经营与决策水平,避免重大安全事故尤为重要[1-2]。国家发展改革委员会印发的《中长期油气管网规划》(〔2017〕965号)明确提出:加强互联网+、大数据、云计算等先进技术与油气管网的创新融合,建设“全数字化移交、全智能化运营、全生命周期管理”的智慧管道。油气管道设计、制造和运行的各阶段数据的标准统一、互联互通、融合可视、精准预测和智能决策是智慧管道的核心,这将颠覆人们对管道传统检验检测方式的认知,重塑管道检验检测新模式、新业态[3-5]。

未来管道检验检测模式将在两个层面发生重大转变。第一个转变(前端感知层):感知方式的纵向延伸和横向拓展。其表现为,一是传统检测的精度和效率大幅提高,即检测精确化;二是融合新型传感技术和通讯技术,实时动态的远程监测技术,即检测远程化;三是多参量复合检测、集成检测成为趋势,即检测集成化。第二个转变(末端数据应用层):数据驱动的智能决策和基于数据的安全性验证。如,在设备数字孪生和装备全息感知技术的基础上,借助AI“大脑”决策,结合监测数据建立风险动态分析、事故实时预警和预知维修维护的智能决策模型[6];同时随着智慧化的不断深入,检验对象将由管道物理实体转变为“物理实体+数字虚体”,对数字本身的准确性和安全性进行验证和评价,将变得十分必要。

1 智慧管道时代的油气管道全面感知技术和数据标准化

1.1 油气管道全面感知技术现状

智慧管道从体系架构上参考物联网、云计算及人工智能的结构,采用“端+云+大数据”的实现方式,总体可分为感知层、传输层、数据层、算法层以及应用层。智慧管道采用数字孪生技术,实现管道物理实体的数字化映射,建立管道数字孪生体,同时融合全面实时感知数据,实现管道实体与孪生体的共同生长。可见,全面感知是智慧管道建设的数据基础。全面感知主要是通过各种感知手段,实现管道本体、设备设施、周边环境、管理人员以及储备物资数据的智能采集和处理,其中检测监测数据是全面感知层的重要组成部分。当前,油气管道的各类感知技术发展迅猛,新技术新方法不断涌现,主要表现在以下方面。

在管道服役环境和腐蚀防护系统感知方面,如基于声发射的第三方破坏监测,基于光纤的管体应变、泄漏、地质灾害监测,阴极保护电位远程监测等技术已较为成熟,可基本满足智慧管道特定目标的感知,但管体裂纹和应力长距离监测技术尚需突破[7]。

在管道安全防护大尺度感知方面,目前国内外已具备成熟的“空、天、地”全方位感知能力,利用遥感卫星感知管道沿线地貌变化,实现地质灾害早期预测与识别;利用无人机和便携式测绘设备,实现人不可达地区和人口密集区精确巡护与风险识别;利用机器人、AR技术和智能穿戴设备等,实现油气管道智能巡检等[8]。

在油气管道本体内检测感知方面,主要有漏磁检测、超声测厚检测、压电超声裂纹检测、电磁超声裂纹检测等[9-11]。漏磁检测对腐蚀、机械划伤等体积型缺陷敏感,适用于输油输气管道内检测。压电超声检测适用于输油管道内检测[12]。电磁超声对裂纹缺陷敏感,适用于输油输气管道内检测,国际上ROSEN集团和PII公司对电磁超声技术的应用已相对成熟,国内尚处于研发和试应用阶段。目前,管道环焊缝缺陷内检测,尤其是针对X70,X80高强钢管道环焊缝裂纹和应力集中内检测技术的需求尤为迫切。油气管道环焊缝较窄,在检测器运行过程中,检测时间窗口较短,不规则的环焊缝使得检测难度增大,需要相关研究机构集中力量攻关关键技术和研发环焊缝裂纹和应力集中的内检测装备[13-14]。

在油气管道本体外检测感知方面,已构建了以直接评价为核心的相对完善的检测与评价技术体系,包括外腐蚀直接评价(ECDA)、内腐蚀直接评价(ICDA)、应力腐蚀开裂直接评价(SCCDA)和专项检测技术等[15]。

1.2 全面感知数据的标准化

“数据全面统一”是智慧管道建设的基本原则,可见数据标准化是智慧管道的前提。当前,我国在管道全生命周期各阶段,建立了管道全生命周期系列数据移交规定(CDP)、地理信息数据规范(GIS)、完整性管理数据规范(PIS)、企业资源计划数据规范(ERP)等。这些标准在各自业务领域发挥着重要作用的同时,其差异和问题也在显现。这些数据规范在分类结构、数据结构方面存在差异,使在此基础上建立起来的信息系统间数据共享存在障碍。

油气管道服役环境监测、腐蚀防护系统监测、安全防护大尺度感知及管道内、外检测所获取的数据具有多源、异构、低质、碎片化、非平衡的特征。针对以上数据特征,需制定分类与编码规则,构建基于“感知物理量-数据表单-识别参量-评价参数”的多维数据质量评价指标体系,建立油气管道典型检测数据标准。同时,利用数据融合技术,对管道多源碎片数据进行融合,深度挖掘和利用管道多源数据,提出多源数据分析利用及可视化的方法,为油气管道多源碎片数据的安全管理提供支持。

管道多源数据分析利用的首要前提是实现多源数据的标准化,即所有归档数据按照标准化采集、标准化格式传输、标准化存储及对齐。以内检测数据为例,国内外不同内检测服务商对检测数据的采集、传输、存储及对齐方式不同,导致所提供的原始检测数据处于各自封闭状态,难以实现多源检测数据的标准化,因此管道业主无法衡量不同检测服务商所提供数据的可信度和质量。漏磁内检测过程中,服务商依据耦合漏磁场强度,采用专用模型转化成缺陷的当量深度,导致多轮次油气管道检测数据特征对齐后,发现活缺陷的难度较大。因此,制定油气管道内检测原始数据标准,提出一种公开标准的油气管道内检测原始数据格式,保留漏磁检测原始物理量的信息,研发基于耦合磁感应强度的漏磁内检测数据解析与标准化系统,发现管道活缺陷,对油气管道智慧管理具有重要意义。图1示出基于耦合磁感应强度的油气管道漏磁内检测数据标准化模型。

管道内检测数据的标准化是以管道内检测获取的物理量所具备的转换条件为基础,将原始数据转换为标准内检测数据,形成统一标准化数据的过程。在此过程中,首先对内检测结果数据进行优化调整,降低因硬件不同导致检测数据的差异性。其次通过对内检测数据里程、钟点、坐标、提离值、励磁程度、运行速度、检测器性能等数据的分析,结合管道基本信息、开挖验证结果数据等进行完整和有效性的综合评估,形成管道内检测的成果数据,并对其进行综合评估,判定是否需要进一步的修正。依据数据质量评估结果,以原始数据为基础,对低质量的内检测成果数据进行复评、修正和完善,使成果数据与管道现有状态更加吻合,提高成果数据可信度。同时建立不同成果数据表单之间的关联关系和数据处理映射关系,为不同内检测成果数据表单建立中间处理表单,将不同格式检测数据表单导入系统,实现内检测原始数据和成果数据的有效管理,达到管道内检测数据标准化的目的。

图1 基于耦合磁感应强度的油气管道漏磁内检测数据标准化模型

2 智慧管道时代的油气管道全面感知多源检测数据对比

2.1 多源检测数据的预处理及数据融合

在进行管道检测时,管道内、外检测及其他检测技术所获取的数据,具有零散、孤立等碎片化特征。同时,不同管道检测服务商将检测数据分割存储,数据之间组织形式各异,相互独立,形成数据挖掘利用的信息孤岛。为了打破这种状况,利用数据融合技术,对管道检测多源碎片化数据进行融合,深度挖掘和利用管道检测多源数据,更好地释放数据价值。

构建的多源检测数据融合框架如图2所示,框架包含4个部分,分别是数据呈现、数据预处理、数据再处理、数据融合。

(1)数据呈现:感知层数据导入数据库,交互性地选取需要进行模式匹配的数据表。

图2 油气管道多源检测数据融合框架

(2)数据预处理:对感知数据进行筛选,检查和去除数据集中的无关数据,处理遗漏数据,去除空白数据域和背景白噪声,对选定数据进行多维特征的提取,使数据格式统一。

(3)数据再处理:包括数据变换、数据聚类,用维变换或转换来减少无效变量的数目或找到数据的不变式,包括规格化、切换和投影等操作,实现数据整合和增强。

(4)数据融合:包含数据层融合、特征层融合、决策层融合,将多手段感知数据融合,消除不同数据源之间同一实体属性值冲突的问题。

其中数据层:由管道原始检测数据集组成,数据层融合以原始检测数据标准化为基础,将各种传感器的原始数据在未经预处理时进行数据综合分析;特征层:由特征数据组成,如:管道焊缝、弯头、阀门、凹陷等对应的管道内检测特征数据,以及破损点、阴极保护、开挖及空间地理等对应的管道外检测特征数据,特征层融合是对上述管道特征数据进行综合分析和处理,实现管道特征检测数据压缩,为决策层数据融合奠定基础;决策层:通过不同独立特征数据的分析、关联处理进行决策层融合判决,获得管道状态推断结果。

为实现管道检测数据“多层”融合,解决管道原始数据存在的“割裂性”,笔者提出利用最小二乘原理的数据异构融合算法,通过给定融合数据与真实数据的偏差阈值判定数据融合结果是否达标,推导多源异构数据对管道同一特征参数进行量化的加权公式,计算各异构数据加权融合的权系数和误差矢量的估计方差阵,将数据融合后的测量误差与多源检测数据平均估计的测量误差进行比较,结果表明,相比同类融合方法,该方法获得的特征量对管道缺陷的识别具有更高的灵敏度。

2.2 多源检测数据的对齐方法

油气管道历史检测数据对齐方法:多轮次数据中里程、特征点(三通、弯头、阀门等)、大小关节数量长度、环焊缝数量和其他资料的对齐[16],再结合缺陷钟点方位、距离前后参考点位置信息进一步实现对缺陷数据的对齐功能,最终达到多轮次内检测数据的综合对齐。大数据环境下的管道多源历史检测数据呈现出数据量大、种类多、变化快的特点,这些特点对管道历史检测数据对齐提出了更高要求。应用智慧时代油气管道检测数据对齐方法形成对齐大表和各段数据对齐结果展示,可以实现多源检测数据的有效对齐。图3展示了多轮次管道内检测数据对齐的流程。

图3 多轮次油气管道内检测数据对齐流程

数据对齐总体准则是由大到小,由整体到局部。将对齐管道按照明显特征点进行分段,形成数据对齐单元,由对齐单元匹配进一步划分对齐小单元,最后匹配管道特征。在数据对齐前对整个特征数据按照里程由小到大排列,形成里程有序的表单。

2.3 管道检测数据对齐与智能分析平台

油气管道内检测采集的管道特征数据种类多、信息量大,处理不便,因此搭建管道内检测数据对齐与智能分析平台,建立油气管道内检测数据自动分析与处理系统,实现管道基础空间数据和检验检测数据的自动存储,利用云服务对原始管道内检测数据进行分级、分类、清洗和预处理,以AI技术为基础,实现管道多轮次内检测数据对齐与智能分析,全面科学地管理海量管道检验监测数据,深度挖掘和利用大数据识别管道活缺陷、把控管道整体安全状态,降低管道安全风险,消除部分安全隐患。

管道检测数据对齐与智能分析平台包含:内检测数据标准规范、数据质量评估、数据修正、海量数据管理、检验数据智能识别与分析、多批次内、外检测数据对齐等模块。其作用是将地理空间数据、多轮管道内检测数据、外检测数据、维保数据、设计资料及其他管道全生命周期数据进行融合,通过对数据的横向和纵向分析,建立多源异构数据联通网络,生成数据关系映射表。以分布式云计算架构为基础,通过平台总体任务的分发,依托各子节点实现对缺陷数据的智能提取和定位,整合构建成果数据库,利用大数据、人工智能对管道全生命周期数据进行学习和反馈,实现多批次管道内、外检测数据和相关资料的对齐,智能识别管道活性缺陷,深度挖掘和利用管道数据价值。图4示出多轮次管道内检测数据对齐组织构架。

图4 多轮次管道内检测数据对齐组织构架

将历史分析内检测数据成果表作为样本标签,通过对原始内检测数据图像化,按照64×64像素实现对含有特征图像块图像进行分割,包含曲线图、灰度图和伪彩图,如图5所示。再运用正则化方法来提高卷积神经网络(CNN)模型的泛化能力,随机抽取样本库中90%的数据集作为训练数据,10%的数据集作为验证数据,采用卷积神经网络模型完成对样本数据的训练,通过训练好的模型实现对内检测原始数据特征的智能识别。利用上述数据融合方法达到各类型数据的高度聚合,进而挖掘不同类型数据间新的关联性、规律和价值。其中,卷积神经网络的训练过程主要包含两个阶段:第一阶段是数据由低层次向高层次传播,即前向传播阶段;第二阶段是当前向传播获得的结果与预期结果误差较大时,将误差从高层次向底层次进行传播训练,即反向传播阶段。整个训练过程具体实现步骤如下。

(1)对神经网络模型进行权值初始化;

(2)训练集作为输入,经过卷积层、下采样层、全连接层的向前传播得到输出值;

(3)计算神经网络模型的输出值与目标值之间的误差,即损失值;

(4)当误差大于给定条件下的期望值时,便将误差传回网络中,依次求得全连接层,下采样层,卷积层的误差;

(5)当误差等于或小于给定的期望值时,结束训练,否则,根据所求误差进行权值更新,将结果返回到第二步继续训练。

图5 部分训练数据集

3 智慧管道时代的油气管道全面感知检测数据对比利用

3.1 油气管道检测全面感知数据智能对比

油气管道检测全面感知数据智能对比利用技术是通过传统检测技术与新技术的融合,建立感知层数据标准,实现检测数据与模型的互联互通,逐步替代现有传统数据表单的单一呈现模式。其首要目标是结合油气管道全面检验手段的外检测和内检测两种技术,实现多种检测数据融合比对和深度挖掘利用。图6示出了智慧管道时代管道内、外检测腐蚀数据综合对比利用构架。

图6 智慧时代管道内、外检测腐蚀数据综合对比利用构架

油气管道外壁检测腐蚀数据对比,将内检测数据与防腐层检测、管道阴极保护有效性评价、杂散电流干扰检测及土壤环境腐蚀调查、应力腐蚀直接评价和开挖直接检测等数据进行比对分析[17],判断管道外壁防腐层是否存在腐蚀。当管道外检测防腐层不存在破损时,应结合管道基础信息、介质温度、腐蚀环境状况、腐蚀细菌分布等数据,判断缺陷产生原因是否为阴极保护屏蔽或细菌腐蚀;当管道外检测防腐层存在破损时,应结合交、直流杂散电流干扰数据、阴保电位检测数据及腐蚀细菌分布等进一步判断缺陷产生原因是否为普通的电化学腐蚀或杂散电流干扰腐蚀或细菌腐蚀,并分析缺陷产生的根本原因。

油气管道内壁检测腐蚀数据对比,将管道本体内壁缺陷与管道高程、输送介质、输送量、工艺参数、内涂层、清管产物和排污物等数据进行对齐。当管道内壁腐蚀分布与管道高程有关时,应结合清管产物、内壁缺陷分布的时钟位置和排污物等数据,分析管道内壁腐蚀原因;当管道内壁腐蚀分布与管道高程无关,并且内壁腐蚀区域位于环焊缝上下游、管道弯头中心点附近时,应结合管道内壁情况和管道施工记录分析管道内壁腐蚀原因;当管道内壁缺陷分布在管道顶部位置,应分析管道内壁腐蚀是否由汽蚀造成。

3.2 油气管道活缺陷智能识别及检测数据深度挖掘

管道活缺陷一般指发生在管道内外壁表面其形貌特征随时间变化的腐蚀缺陷,该类缺陷的存在会导致管壁减薄,引起局部的应力集中,相对于死缺陷,其对管道有着更大的安全隐患。图7示出油气管道活缺陷智能识别流程,开展油气管道活缺陷智能识别是以多轮次管道检测获取的数据为基础,通过多轮次管道缺陷检测数据的对齐对比分析及管道腐蚀生长速率判别而实现。

图7 油气管道活缺陷智能识别流程

图8示出油气管道检测数据深度挖掘利用流程,管道活缺陷腐蚀成因可分为:物理腐蚀、化学腐蚀、电化学腐蚀及生物腐蚀等四类。从发生腐蚀的区域可分为管道内壁腐蚀、管道外壁腐蚀两种。针对不同的腐蚀类别及发生位置,采取的管道防腐措施有:增加清管频率、添加缓蚀剂、防腐层修复、耐腐蚀材料防护、阴极保护、合理的管道腐蚀检测等。以管道活缺陷智能识别为基础,通过对管道检测数据深度挖掘,实现管道内外壁腐蚀缺陷信息的智能检测,并根据管道腐蚀缺陷成因,采取对应的管道防护措施,提高管线的防腐工作能力,实现“智慧”管道安全高效运行。

随着物联网、大数据、云计算、人工智能等技术的飞速发展,管道缺陷检测也逐步由传统 “因果关系”分析向“挖掘数据”的方式转变,探索管道潜损伤机理,减少采用物理模型来预测及估算损伤机理的思维方式,实现管道腐蚀寿命预测、缺陷致因分析及潜在损伤机理分析、泄漏预测预警及决策等。

3.3 油气管道全面感知检测数据综合利用案例

以某公称直径为406 mm,壁厚为9.5 mm,材料为X65钢,允许最大操作压力为7.0 MPa的成品油管线内、外检测项目为全面感知检测数据综合利用案例。提取其中52.5 km的管道内、外检测数据,绘制如图9所示的管道内、外检测数据对比图,可以看出,大部分管道内、外壁金属损失缺陷呈现零散分布的状态,但在管道5:00~7:00时钟方向存在内壁金属损失集中分布的3个区域a1,a2,a3,并且区域a2,a3均出现在管道高程陡变低洼位置处;对比3个区域的管道高程数据发现与区域a1,a3相比,a2区域的高程数据变化最为明显,其缺陷密集程度更高;同时查看管道电位分布,显示3个区域的阴极保护参数均正常。因此判断区域a2,a3管道内壁腐蚀是由高程数据陡变引起管道底部(5:00~7:00时钟方向)油砂冲蚀严重造成,建议后期采取增加清管频次、增加缓腐剂等措施,抑制该区域的管道内壁腐蚀缺陷的进一步增长。

图9 某油气管道内、外检测数据综合对比

针对管道的腐蚀缺陷修复问题,应结合管道的开挖验证,当管道外壁存在腐蚀时,可采取加强监测、防腐层维修、杂散电流排流、阴极保护系统整改及本体修复等措施;当管道内壁存在腐蚀时,可采取加强监测、降低介质腐蚀性、增加或调整缓蚀剂、调整工艺参数、加强清管频次及修复本体等措施。

基于智慧时代的油气管道全面感知检测数据综合对比分析思维,利用智慧管道数据中心,输入管道内检测数据与外检测数据数字智能对比,将油气管道内、外检测数据深度融合,实现多数据融合比对和深度挖掘利用,借助AI“大脑”决策,最终建立基于全面感知检测数据应用的预知维修模型,为智慧时代的油气管道智能维修提供数据支撑[18-19]。

4 结语

利用互联网+、大数据、云计算等新技术,加快油气管道智慧化建设,实现管道可视化、网络化、智能化管理是管道行业发展的大趋势。在此背景下,在制定管道检测数据标准,实现检测数据全面统一,运行大数据和人工智能技术,实现管道多源数据精准对齐匹配、感知交互可视、预测预警精确,是智慧管道研究领域的热点、难度话题。本文总结了目前油气管道全面感知技术现状,探索开展智慧管道检测数据综合应用的可行途径,重点解决管道内、外检测数据的对齐应用的问题;未来,还需要深入研究多源、动态数据的综合利用技术,挖掘获取未知或潜在损伤机理和其他有效关联信息,实现油气管道预知维修的科学决策和事故的科学预测预防,为管道运营企业更好地进行智慧化管理提供数据支撑和技术服务。

猜你喜欢

油气管道融合
村企党建联建融合共赢
融合菜
《非常规油气》第二届青年编委征集通知
从创新出发,与高考数列相遇、融合
接好煤改气“最后一米”管道
《融合》
《中国海上油气》2021年征订启
粗氢管道腐蚀与腐蚀控制
油气体制改革迷局
2013全球主要油气发现