ПРИМЕНЕНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ОПРЕДЕЛЕНИЯ КООРДИНАТЫ УТЕЧКИ В МАГИСТРАЛЬНЫХ ТРУБОПРОВОДАХ

Трубопроводы широко используются для транспортировки воды, нефти, газа и других жидких и газообразных сред. Возникновение утечек в трубопроводных системах приводит к значительным потерям природных ресурсов и может создавать угрозу окружающей среде и общественной безопасности. В связи с этим задача своевременного обнаружения и локализации утечек является одной из актуальных проблем нефтегазовой отрасли. В работе рассматривается задача определения координаты утечки в трубопроводе на основе данных измерений давления с использованием методов искусственного интеллекта. Предложен подход к локализации утечек, основанный на аппроксимации зависимости падения давления от расхода утечки и расстояния до места утечки с применением радиально-базисной нейронной сети, реализованной в среде MATLAB. Экспериментальные данные получены в ходе испытаний системы обнаружения утечек при имитации различных режимов утечки. Результаты моделирования показали, что разработанная модель обеспечивает эффективную аппроксимацию исследуемой зависимости и позволяет определять координату утечки со среднеквадратичной погрешностью около 1,9 км для средних и крупных утечек, что подтверждает перспективность применения нейросетевых методов в задачах мониторинга трубопроводных систем.

1. Adegboye M.A. Recent advances in pipeline monitoring and oil leakage detection technologies: Principles and approaches / M.A. Adegboye, W.K. Fung, A. Karnik // Sensors. – 2019. – Vol. 19. – 2548. https://doi.org/10.3390/s19112548.

2. Arifin B. M. S., Li Z., Shah S. L., Meyer G. A., Colin A. A novel data-driven leak detection and localization algorithm using the Kantorovich distance // Computers & Chemical Engineering. – 2018. – Vol. 108. – P. 300-313. https://doi.org/10.1016/j.compchemeng.2017.09.022.

3. Li S.Z. Leak detection of water distribution pipeline subject to failure of socket joint based on acoustic emission and pattern recognition / S.Z. Li, Y.J. Song, G.Q. Zhou // Measurement. – 2018. – Vol. 115. – P. 39-44. https://doi.org/10.1016/j.measurement.2017.10.021.

4. Zhang S. Pipeline deformation monitoring using distributed fiber optical sensor / S. Zhang, B. Liu, J. He // Measurement. – 2019. – Vol. 133. – P. 208-213. https://doi.org/10.1016/j.measurement.2018.10.021.

5. Pipeline rupture detection using real-time transient modelling and convolutional neural networks / J. Smith et al // Proceedings of the 12th International Pipeline Conference (IPC 2018), Calgary, Canada. – New York, NY: ASME, 2018. https://doi.org/10.1115/IPC2018-78426.

6. A novel location algorithm for pipeline leakage based on the attenuation of negative pressure wave / J. Li et al // Process Safety and Environmental Protection. – 2019. – Vol. 123. – P. 309-316. https://doi.org/10.1016/j.psep.2019.01.010.

7. Deeppipe: A deep-learning method for anomaly detection of multi-product pipelines / J. Zheng et al // Energy. – 2022. – Vol. 259. – 125025. https://doi.org/10.1016/j.energy.2022.125025.

8. A small leakage detection approach for gas pipelines based on CNN / J. Li et al // Proceedings of the CAA Symposium on Fault Detection, Supervision and Safety for Technical Processes (SAFEPROCESS), Xiamen, China. – 2019. – P. 390-394. https://doi.org/10.1109/SAFEPROCESS45799.2019.9213371.

9. A two-stage deep-learning based detection method for pipeline leakage and transient conditions / I. Amini et al // Proceedings of the IEEE Electric Power and Energy Conference (EPEC), Edmonton, Canada. – 2020. – P. 1-5. https://doi.org/10.1109/EPEC48502.2020.9320021.

10. Deep learning identifies leak in water pipeline system using transient frequency response / Z. Liao et al // Process Safety and Environmental Protection. – 2021. – Vol. 155. – P. 355-365. https://doi.org/10.1016/j.psep.2021.09.033.

11. Cody R. Detecting leaks in water distribution pipes using a deep autoencoder and hydroacoustic spectrograms / R. Cody, B. Tolson, J. Orchard // Journal of Computing in Civil Engineering. – 2020. – Vol. 34. – 4020001. https://doi.org/10.1061/(ASCE)CP.1943-5487.0000881.

12. Лурье М.В. Проектирование и эксплуатация нефтепроводов: учебник для студентов технических вузов / М.В. Лурье, Б.Н. Мастобаев, А.Е. Сощенко. – М.: Инфра-Инженерия, 2023. – 384 с.

13. Беккер А.А. Трубопроводный транспорт нефти и газа: учебное пособие / А.А. Беккер, В.А. Иванов. – СПб.: Лань, 2020. – 256 с.

14. Peabody R. (Ed.) Handbook of pipeline engineering. – Cham: Springer, 2023.

15. Булатов А.Ф. Повышение эффективности автоматизированной системы обнаружения утечек из нефтепродуктопроводов на основе интеллектуальных технологий / А.Ф. Булатов. – Уфа: УГАТУ, 2015. – 235 с.

16. Osiadacz A. Flow modelling and control in pipeline systems: A formal systematic approach / A. Osiadacz. – Cham: Springer, 2021. https://doi.org/10.1007/978-3-030-59246-2.

17. Pipeline inspection and health monitoring technology: The key to integrity management / H. Lu et al. – Singapore: Springer, 2023. https://doi.org/10.1007/978-981-19-6798-6.