中国安全科学学报

作者：吴瑕, 陈红环, 贾文龙, 孙溢彬, 任思波

单位：1 西南石油大学 石油与天然气工程学院,四川 成都 610500；2 中海石油有限公司海南分公司,海南 海口 570100；3 四川蜀交能源开发有限公司,四川 成都 610023

关键词：支持向量机(SVM),干线输气管道,压降速率信号,泄漏压力信号,截断阀

基金：国家自然科学基金资助(52074238); 国家自然科学基金资助(52274065); 四川省自然科学基金面上项目资助(24NSFSC0717); 四川省自然科学基金面上项目资助(2022NSFC0235); 四川省自然科学青年基金资助(2022NSFSC1018)

为解决压缩机抽吸或截断阀截断形成的压降信号导致截断阀发生误关断,以及小孔泄漏因管道压降不显著导致截断阀不动作的问题,以某输气干线为对象建立仿真模型,获取压缩机抽吸、截断阀紧急截断及管道泄漏3类不同工况下的300组压降信号,根据对点检测法计算出压降信号的压降速率值;以奇异值分解(SVD)法和极差归一化方法提取压降速率信号特征,采用支持向量机(SVM)法识别不同压降速率特征值信号,获取所对应的工况类型;针对SVM模型中的核函数参数与惩罚因子设置不合理,影响算法识别准确性的问题,采用教与学优化算法(TLBO)优化核函数参数与惩罚因子,建立干线输气管道泄漏信号智能识别的TLBO-SVM模型;应用该模型,分类识别该管道在3类工况下的300组模拟压降速率信号。结果表明:该模型对3类不同工况下压降速率信号的识别准确率为92.22%;对泄漏口径为50~125 mm,压降速率范围为0.01~0.07 MPa/min的小孔泄漏,识别准确率为96.67%。针对某干线管道的实际泄漏压降速率信号,TLBO-SVM识别到的准确率为100%。

来源：2024年第6期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第6期