1. 常规管道泄漏检测技术

1.1 流量平衡法

  流量平衡法是基于质量守恒提出的检测方法，包括体积平衡法和质量平衡法，通过流量计测量管道出入口流体体积/质量判断是否泄漏。管道正常工况下流量基本稳定，发生泄漏后泄漏点上游流量增加，下游流量减少，管道进口和出口的流量差值增大，管道发生泄漏后泄漏点上游、下游压力均下降。由于管道物理特性和管道运行操作条件，例如管道含多个进出支线管道，管道压力、温度、密度发生变化等，流量平衡法可能误判且不能准确定位泄漏点，不能满足管道泄漏监测和安全防护的需求。流量平衡法需要与声学等其他检测方法融合使用才能发挥更好效果。

1.2 负压波法

  负压波法是指管道泄漏点处产生瞬态压力降，负压波以特定速度从泄漏点向上游和下游传播，管道两端的压力传感器接收到特定负压波信号，根据负压波速度和时间差计算泄漏点位置。负压波具有较强的抗衰减特点，灵敏度高、响应快，可监测长距离管道大量、突然性泄漏和快速泄放的打孔盗油活动，不适用因腐蚀穿孔、裂纹导致的微小泄漏和缓慢泄放的打孔盗油活动，短距离管段因压力波动信号不明显而不能准确判定。天然气管道输送压力变化较大，泄漏负压波信号不易识别，应用存在限制。为提高检测准确性，管道泄漏检测采用低磁电磁波与负压波结合的方法，以及负压波与声波耦合的技术。

  负压波法需要技术人员判断波形变化，负压波传播速度为1km/s，定位精度误差在几百米。管道输送启动、停输以及压力/流量调节产生压力波动可能引发误报，需结合调度人员的操作，应用负压波应着重解决管道运行工况调整时泄漏信号的识别问题。近年来，国内外针对负压波传播模型和波形构建开展研究，

2 次声波法

  管道发生泄漏时流体瞬间从孔洞喷射，与管壁摩擦振动产生特定频率的次声波信号。次声波法利用次声波频率低、波长长和传播距离远的特点，检测管道泄漏并实时监测管道运行状况。在管道两端安装传感器接收次声波信号，由于漏点距管道两端传感器距离以及声波到达两端传感器时间不同，计算漏点距离首端传感器的距离。

  次声波法具有较好的灵敏度和精确性，对于缓慢、微小泄漏的检测能力高于负压波法，通过收集积累多个周期内管道工况变化对应的误报警信号特征，利用数字信号处理技术剔除干扰因素影响，提高识别管道工况变化时泄漏监测的能力。声学技术不受输送介质影响，油气管道均可采用，特别是高压天然气管道，泄漏产生次声波信号强，监测效果良好。但次声波法应用仍存在一定缺点，例如噪声干扰声波传输、易受周围环境影响、信号不稳定等。次声波检测原理如图1所示。

3 分布式光纤检测技术

  常规泄漏检测技术通过获取管道特定位置处温度、压力参数，信号长距离传播存在衰减或受到干扰的缺点。分布式光纤检测技术除检测温度、压力、流量参数外，还可分析管道光缆振动信号引起的光传输相位、波长变化，实现预报警功能，如可识别定位几十米内人工/机械挖掘等威胁管道安全的事件。光纤在管道建设期与管道同沟敷设，位于管道正上方，与管道间距约30mm。基于光时域反射法（OTDR)和干涉法的分布式光纤检测技术较成熟，干涉法相对OTDR法优点是探测范围广、灵敏度高，可探测管道微量泄漏。代表性技术是分布式光纤测温和振动检测技术，因其高灵敏度、范围广、低误报、精度高等特点，适合于长距离输气管道泄漏检测。

3.1 分布式光纤振动检测技术（DTS）

  分布式光纤振动检测技术原理是测试振动信号对应的相位变化，相位转化为光纤干涉信息，光强度变化表征外界信号扰动强度，测试光强变化梯度定位漏点位置。基于OTDR法的分布式光纤振动检测技术原理是振动信号对光纤产生外力作用，根据功率谱分析确定管道泄漏位置。该技术可对输气管道外界干扰和入侵破坏实现预警，并对非入侵破坏事件进行过滤屏蔽。

3.2 分布式光纤温度检测技术（DVS）

  分布式光纤温度检测技术是基于拉曼原理，光纤内输人激光束，如光纤某处温度异常变化，散射光强度也会相应变化。测量光纤在光缆沿线的散射光强变化规律，判定管道沿线的温度信息。一般预先设定温度变化阈值，分析温度异常点、定位泄漏点。
  输油管道发生泄漏，泄漏孔处温度升高；天然气管道发生泄漏，泄漏孔处温度下降。理想状态下，光纤位于管道正上方泄漏的情况，如果光纤和泄漏点出于管道两侧，检测识别精度低。实际发生管道不同方位泄漏事故，泄漏源附近温度降低，即使光纤距离管道很近，也不能准确判断泄漏位置。管道在时钟5点、7点方向腐蚀泄漏穿孔概率更高，国外采用3根光缆均匀分布在管道周围（间隔120°），可以更准确地检测定位泄漏点。

3.3分布式光纤感声检测技术（DAS）

  分布式光纤声波传感监测系统（DAS）基于相干瑞利散射的原理，采用单芯普通单模通信光缆作为传感器，可以实时获得光缆沿线任意一点周围的振动波形的频率，幅度和相位信息，当光缆周围发生振动并达到一定阀值时分布式光纤声波传感分析系统会第一时间发出预警并准确定位事件位置，通知相关人员处理。
测振原理：声波传感器：解调瑞利散射光波的相位信息，利用差分相位与声波的线性关系，定量化重建光纤沿线外界振动信息(相位，频率，幅度等）；

4相关软件算法

  基于软件的检测方法是指利用数据采集系统采集管道内信号，通过信号处理分析和判断管道泄漏。

4.1 支持向量机检测方法

  支持向量机算法（support vector machine，SVM)是一种基于最大间隔分割数据的机器学习算法，具有极强泛化能力，适合处理非线性数据，如管道泄漏检测特征参数。技术路线是信号收集系统收集管道附近传感器的采集信息，利用小波包分解法进行降噪处理和特征提取，根据SVM算法对特征向量开展识别，判断是否发生泄漏SVM算法利用核心函数及参数选择确定检测的准确性。文献[6]中SVM算法选择高斯函数，根据管段距离选择合适的高斯函数径向宽度(o)获得较高的检测准确率；

4.2 人工神经网络检测方法

  人工神经网络（artificial neutral network，ANN)是一种运算模型，由输人层、隐藏层和输出层构成，收集管道数据进行特征提取后作为输入网络，经多级网络层计算输出泄漏预测结果。
  ANN每层由大量节点（神经元）相互连接构成，节点代表了激励函数，节点间的连接代表权重；隐藏层神经元数量是神经网络的关键因素，神经元数量过多影响计算效率；神经元数量不足影响训练效果。BP网络因具有很强包容性是常用的人工神经网络。
  神经网络的问题是由于具有较高非线性处理能力，参数求解存在较多局部极值，浅层神经网络可能将局部极值作为结果输出。在考虑效率和训练效果条件下，一般采用2层或3层神经网络模型，在处理海量数据时效果一般。

4.3 深度学习检测法

  鉴于浅层ANN存在的问题，提出深度神经网络模型，具有深层次的机器学习模型，具备强大的泛化能力和分类能力，可对样本进行深度特征提取。管道泄漏检测技术逐渐应用深度学习方法提高准确性，其中卷积神经网络、循环神经网络和生成对抗网络是应用较多的模型，也是管道泄漏检测技术的发展方向。

5 基于模型的检测法

  根据管道内流体质量平衡、动量平衡和能量守恒原理构建状态方程，建立的是模拟管道真实运行状况的模型。管道两端采集器采集质量、流量参数数据并传输至中心控制室，与管道模型预测值进行比较，差值大于设定阈值的认定发生泄漏。文献[9]考虑了管道内摩擦阻力不均匀对模型的影响，模型应用了自适应Kalman滤波技术，在距离150m、管径10mm的管道上试验，定位误差精度为1%。该方法检测精度取决于采集系统的精度和测点数量。

6 内检测技术/智能管道机器人检测法

  内检测技术也可用于声学检测。管道投入基于声学原理的检测器，传感器检测管道产生的声学信号和温度变化；管道发生泄漏后泄漏孔处压力降低产生声信号，检测器到达漏点附近检测到异常声能。
  内检测技术能识别和精确定位微小泄漏，灵敏度较高，国外已广泛应用10。该方法中智能球可能出现卡球、中断停运等事故，国内应用较少。
  智能管道机器人指在管道内部运动直接发现泄漏并对管道进行检修的设备，集成多种传感器可应对管道复杂环境、及时发现泄漏，并设计专门功能模块对泄漏进行维修。管道机器人运行速度、稳定性以及翻越障碍能力是重要因素，管道机器人运行系统精准控制和定位操作是该领域的难题。管道机器人研究重点如下：
1）管道机器人应具备稳定可靠的结构强度、灵活翻越障碍能力，并集成管道在线焊接、修复等功能。
2）管道机器人研究重点是提升控制系统实时性和稳定性，已有研究采用深度学习等人工智能技术提升处理管道问题能力。
3）现有电缆和电池技术不能支持管道机器人长时间作业，应解决持续稳定的动力源问题。

7 管道泄漏检测技术评价指标和适用性分析

7.1 评价指标

  APIRP1175：2015《管道泄漏管理程序》提出：管道泄漏检测技术应用效果和综合性能评价指标采用可靠性、灵敏度、准确性、适应性和经济性。

1）可靠性指管道正常运行条件下系统准确检测泄漏的能力以及未发生泄漏时错误报警的可能性，用泄漏报警率和误报警频次表示。
2）灵敏度指系统可探测到最小泄漏量以及所需时间，可探测泄漏量级越小，触发报警时间越短，灵敏度越高。
3）准确性指系统发出报警信息的准确程度，主要衡量泄漏定位的精度，包括泄漏速率、泄漏体积和泄漏位置估算等信息。
4）适应性指系统适应不同输送介质和管道周围环境的能力，以及适应管道运行条件变化的能力。
5）经济性指系统安装、调试和维护所需成本，以及单套系统最大监测长度。

7.2 适用性分析

  管道泄漏检测技术在可靠性、灵敏度和精确性方面各有优劣，对管道周围环境、不同输送介质适应性也有差异。单一技术不能满足对管道各种风险的有效监测，应根据管道实际情况，分析检测方法的适用性，必要时考虑多种方法结合，提高检测精度和效率。
1）负压波法和流量平衡法不能检测微小泄漏，在天然气管道泄漏检测方面存在限制，在精确度和适用性方面存在难以解决的问题，
2）次声波法在远距离和工况变化实时监测方面具有优势，需要在提高定位精度、减少误报率和多泄漏孔协同定位方面进行改进，
3）分布式光纤监测技术可用于远距离测量与监控，测量范围广，具有高空间分辨率和高精度，特别是适用于强电磁和交直流干扰、易燃易爆等恶劣环境场所。
4）内检测技术可以准确定位漏点，代表了未来管道泄漏检测技术的发展趋势。

8结 论

  长输管道运行安全日益受到国家和公众的关注，检测微小泄漏、定位精度的要求越来越高。随着长输管道向智能化方向发展，融合次声波法、多传感器和光纤检测等多种检测技术，将泄漏检测技术与人工智能、数据挖掘分析等多领域学科知识结合成为研究热点和趋势。本文的几种管道泄漏检测技术总结如下：
1）负压波和次声波法是假设管道内波速不变，但实际管道中波速受气体压缩性影响较大，特别是山区大落差管段和含气量较高输油管道，波速变化幅度较大。应进一步研究管道内负压波、声波传播机理，提高检测精度。
2）分布式光纤检测技术应提高模式识别能力
和完善事件数据库，引人经验模态分解、混沌特征分析、特征向量提取等方法，解决火车、汽车等规律性信号以及农业耕作等非规律性振动信号造成的误报警，识别危险管道安全的第三方破环事件以及滑坡地质灾害，提高管道安全防护等级。
3）长输管道所处环境复杂，应结合深度学习、人工神经网络等多种识别方法，改进数据处理方法。可以预见，随着智能检测技术进步、传感器性能提高、计算机硬件和数学模型改进，管道泄漏检测技术会更加智能和准确。

本文引自《长输管道泄漏检测关键技术分析》选用时有修改