基于灰色关联和Apriori算法的输气管道输差分析

2021-11-10马军鹏段晓苏白晓航许熠栋梁昌晶

石油管材与仪器 2021年5期

马军鹏，段晓苏，白晓航，许熠栋，梁昌晶

(1.中国石油华北油田分公司消防支队河北任丘 062552；2.四川科宏石油天然气工程有限公司四川遂宁 629000；3.国家管网集团北方管道有限责任公司沈阳输油气分公司辽宁沈阳 113001；4.中国石油华北油田公司第四采油厂河北廊坊 065000)

0 引言

随着国民经济的发展，天然气作为清洁能源在一次能源消费中的占比越来越高，截止到2020年，我国天然气管道总里程接近10×104km[1-2]。在管道运输的过程中，因管存气量、进出气量变化等会出现输差问题。对输差进行有效控制是天然气计量交接的重要工作，是贸易双方共同关注的问题，反映了管道运营方的管理水平[3-4]。目前，对于输差分析与管理多为定性分析，在定位和定量计算上还有不足，因此对引起输差的因素进行分析梳理，以某输气管道为例，通过灰色关联和Apriori算法进行数据挖掘，识别造成输差的主控因素及因素之间的交互作用，以期为管道完整性管理提供理论依据和实际参考。

1 输差构成及影响因素分析

输差是一个计量周期内天然气输入、输出变化的差值，根据SY/T 5922—2012《天然气管道运行规范》，输差Q差和输差率η计算公式如式(1)、式(2)：

Q差=(V1+Q1)-(Q2+Q3+Q4+V2)

(1)

(2)

式中：V1为计量开始时的管存气量，m3；Q1为输入气量，m3；Q2为输出气量，m3；Q3为输气站场自用气量，m3；Q4为放空气量，m3；V2为计量结束时的管存气量，m3。

根据运行经验，η控制在0.3%以内为良好，说明管道运行状态良好，无泄漏发生；控制在0.3%～0.6%为正常；当η大于0.6%时，说明管道发生了严重泄漏或事故，需要采取重点监控或应急响应；当η在1.5%～2%时，说明天然气的价格优势完全丧失，贸易双方均有严重损失。中石油对输差率的指标为经济界限0.1%，合格界限0.18%[5]。

根据式(1)，影响输差的因素主要有流量计量、管存气量、放空气量、泄漏计算等方面[6]。

1.1 计量系统

目前，国内天然气计量仍以体积计量为主，输气站场以超声和涡轮流量计为主。以超声流量计为例，其表体的几何尺寸和超声换能器的位置参数均会影响准确度和不确定度，此外气流速度分布不均、气流脉动、电磁噪声、水合物沉积、腐蚀产物沉积、游离水析出、气质组分变化等也会影响信号的传播路径和信号幅值[7]。因流量计引起的输差可达2%～3%，根据“输差一出，计量先行”的原则，一旦出现输差，应首先检查计量装置的准确性。

1.2 管存计算

目前，输气管道管存的计算方法一是通过Pipeline Studio和SPS软件进行瞬态模拟，二是通过公式进行稳态计算。管存计算主要与管容量、温度、压力和压缩因子有关。其中，压缩因子是计算管存正确与否的关键指标。常用压缩因子计算方法有Standing-Katz图版法、实验测定法、状态方程法和经验公式法，考虑计算的准确性和便捷性，采用GB/T 17747.2—2011《天然气压缩因子的计算》中推荐的办法AGA8-92DC，该方法适用于操作压力不大于12 MPa，温度在-10～65 ℃，在该范围内计算结果的不确定度为0.1%，适用范围符合国内大部分输气管道的运行区间。

1.3 放空气量和自用气量

在分输站、阀室、压力站等位置，因设备检修、管道泄漏、计划停车等原因会放空两阀室之间的气体，分为热放空和冷放空两种。放空气量可采用外加超声流量计的方式进行计量，但总体来说，放空均为计划放空且放空量较小，计算公式如式(3)：

(3)

式中：d放为放空立管管径，mm；p放为距离放空立管出口4倍距离的压力，MPa；G为气体的相对密度。

自用气量主要为站内生产、生活的气量，负责气体维温、加热炉和放空管点火，该气量较小。

1.4 管道泄漏

长输管道受土壤腐蚀、流体介质腐蚀、违章占压、第三方破坏、地质灾害等影响，不可避免的会出现穿孔泄漏现象。输气管道泄漏会导致起点和末点压力、流量迅速降低，目前国内大部分管道已安装SCADA系统，实现分布式管理，对管道泄漏的检测时间不超过5 min，有效防止了输差的进一步扩大。

2 灰色关联和Apriori算法

灰色关联是通过关联度来衡量因素之间关联性的大小，对样本量的多少无要求，如果各因素与目标值之间的发展趋势一致，则关联度大，反之，则关联度小。根据输差影响因素分析，将输差率作为参考序列，输入气量、管存变化量、放空气量、自用气量作为比较序列。首先，对序列数据进行无量纲化处理，计算比较序列和参考序列的相对差值，即关联系数；关联系数只表示各时刻数据之间的关联程度，信息过于分散，需要计算关联系数的平均值即关联度。

根据现场工况，输差不可能为单一因素造成的，有可能受几个因素共同作用的影响，灰色关联只能分析各因素与目标值之间的关系，故需要Apriori算法进行数据挖掘，探索交互作用对输差的影响。

Apriori算法是利用频繁项集的先验概率，通过逐层逐级搜索进行迭代计算，即先找到频繁项集1的集合L1，通过L1找到频繁项集2的集合L2，以此类推，直到频繁项集的集合为空集，每个Lk均需要进行一次数据扫描。通过设置最小置信度，可得到各项之间的关联约束，生成的关联规则见表1。规则1为当A出现C一定出现；规则2为当B和C同时出现时，F也会出现；规则3为当C和F同时出现时，B也会出现。其中，规则2和规则3即为影响因素之间的交互作用。

表1 关联规则

3 实例计算

以中缅天然气管道国内段为例，该管道长1 726.8 km，管径1 016 mm，采用X70管线钢，为一干线八支线，以月输差率为研究对象，定义月输差率为X0、输入气量、管存变化量、放空气量、自用气量分别为X1、X2、X3、X4，统计了2019全年的气量变化，见表2。

表2 2019年全年气量变化

对关联度进行计算，见表3。可见，对输差率的影响从大到小依次为自用气量、输入气量、放空气量和管存变化量，其中自用气量和输入气量的关联度超过了0.85，属于高关联度。

表3 关联度计算结果

Apriori算法只针对布尔型数据，故需要对原始数据进行转化处理，将其转为频繁项集组成的事务数据。根据中石油的输差合格界限，定义事务1，当输差大于0.18%时，事务1的数值为1，当输差小于0.18%时，事务1的数值为0；定义事务2，当输入气量大于销售气量，数值为1，反之数值为0；定义事务3，当输入气量增加，数值为1，反之数值为0；定义事务4，当计量开始时管存气量大于计量结束时管存气量，数值为1，反之数值为0；通过观察，放空量在输差量中比重较小，且具有时间特殊性，定义事务5，当放空气量与输差量的比值超过1.5%时，数值为1，反之数值为0；定义事务6，当自用气量比上月多时，数值为1，反之数值为0；定义事务7，当沿线管道、法兰、三通等出现漏点时，数值为1，反之数值为0；根据流量计的检定规程，涡轮流量计和超声流量计的检定周期分别为每年一次和每两年一次，定义事务8，当某月的流量计进行了检定操作，数值为1，反之数值为0。

将表2的数据进行预处理，见表4。设置置信度水平0.6，最小支持度的计算阈值为0.3，找出所有导致事务1发生的事务关系，结果见表5。规则1代表当输入气量大于销售气量时，输差会大于0.18%，超过合格界限，同理，对于规则2～5代表当输入气量增加、放空气量增加或自用气量增加均会引起输差超限；规则6代表当输入气量大于销售气量，同时输入气量比上月增多时，输差会超限，规则7、8、9也同理，规则6～9中均有事务2，因此只要事务2发生，输差超限的可能性大幅增加；规则10的置信度为0.8，代表当输入气量和放空气量同时增加时，会引起输差变化，规则11和规则12同理；规则13代表当输入气量大于销售气量同时输入气量增加、放空量增加时，输差会超限，规则14同理。综上所述，进出气量变化、放空气量、自用气量和泄漏之间及交互作用对输差的影响较大。