关于长距离输水管道渗漏监测数据处理的探索

作者：郑晓敏

   由于输水距离长并且管道埋深几米到十几米，当管道发生泄漏时，不容易用肉眼观察到。这时，日常所监测的压力、流量数据是管道渗漏状态诊断及定位的有效依据和基础。而日常压力和流量检测数据是一种时域信号，这种时域信号的特点是频率固定，振幅不固定，这就造成信号数据的波动，数据精度不高。波动的数据容易掩盖渗漏等造成的变化，不利于管道渗漏状态诊断。而引进高精度脉冲仪，并不能避免这种波动，并且经济上不可行。

  本文将对监测数据进行分析，寻找数据分析方法，得到不具有波动性的数据，并用于管道渗漏诊断。

2  监测数据去噪声波解决方案

  在我国目前能够适用在液体输送管道的渗漏检测技术主要有压力分布法3、负压波检测法、声波检测法、压力点分析法、压力波阵面检测法、小波分析法6等。这些方法原理往往比较复杂，管道渗漏产生原因较为复杂（可能是由于施工或者腐蚀等原因引起），导致关键参数的确定也十分困难，因此在工程中的实用化程度不高。

  本文将编制出监测数据去噪声的程序，以便处理日常监测数据，得到高精度的压力流量数据，再结合渗漏发生时管道内水压力、流量的变化规律，从而直观、准确地诊断渗漏情况。下文以压力的监测数据为例，进行分析。

  日常监测数据具有频率固定、振幅不固定的特征，从波动学角度讲，日常监测数据曲线包含噪声波动和非噪声波动。噪声波动产生的原因是自动化系统中电流变化等复杂情况引起的，并且不可避免，但是这部分噪声波动对于诊断渗漏以及日常调度工作都是不起作用的、无贡献的？因此本文需要编制程序将噪声波动去掉，剩下非噪声波动部分，从而得到较高精度数据。

  所编程序的宗旨在于：④能够过滤噪声波动；⑥只过滤噪声波动，其他波动保留，使得整体趋势和细小变化能够被准确捕捉；⑥孤立的尖锐值（极大值或极小值）对总体趋势无贡献，呵过滤掉。理想的数据处理结果应当是局部无波动的。

2.1  监测数据去噪声波基本原理

  监测数据去噪声波的基本原理有两种：局部平均和逼近局部平均。

  第一种基本原理是局部平均。若整个时间段中求取平均值，则会反映不出整体趋势，此方法不可用。此处采用本时、前一分钟、后一分钟的数据平均，局部平均计算公式为：

式中t——当前点时间；

  t—1—前一点的时间；

  f+1——后一点的时间；

  P-处理后的压力数据；

  p-日常监测的压力数据。

  每隔一分钟采集一次数据。对日常监测数据进行观察，波动基本上以6个点为单元进行变化，具有代表性数据组可以只有6个点。选取具有代表性的一组数据，采用局部平均方法处理，处理后的结果如图1所示。图1表明采用局部平均方法处理的数据，其优点是能够减弱波动，减小波动振幅。其缺点也比较明显：容易改变波动形式，引入其他波动形态，将逐渐变大的趋势处理后变成无变化，或将逐渐变小的趋势处理后变成无变化，这将不利于管网漏损状态评价与渗漏诊断。

  第二种基本原理是逼近局部平均。日常监测压力曲线的特点是频率固定（Imin采集1次），振幅变动。另外当电流变化时可能引起突然很大或很小的值，形成孤立的尖锐点，这对准确判断压力数据无贡献。此处可以将无贡献的最大值或最小值削弱成与其他峰值或谷值差不多大小即可。逼近局部平均方法的思想是在局部单位范围内查找出峰值、谷值，将它们向平均值方向调整。如此循环多次后，压力曲线将向局部平均逼近。选取具有代表性的一组数据，采用逼近局部平均方法处理后的结果如图2所示。图2说明采用逼近局部平均方法处理后的曲线，能保持以局部平均值为中心变化，并且不改变波动形式，不引入其他波动。

2.2  监测数据去噪声波程序的编制

  日常说观测压力数据曲线，每天数据有1440个（频率为1 min 1次），可以将它们分成240次六个数据的数据组（简称六点）。六个数据的数据组形成局部数值，可以进行局部平滑处理，如此处理的优点在于不会损失整体趋势及细微变化（不包括独立尖锐点）。局部数值的平滑处理选择逼近局部平均原理，这是因为在局部范围内尽量保持原波动形状不变，不引入新波动，又能够尽量减小局部波动。本文编制出曲线平滑程序，用以对日常所观测压力曲线进行平滑处理，程序流程如图3所示。

3  渗漏诊断算例

  以大伙房水库输水（二期）工程中某段管道为例，此管道安装有调流阀，调流阀前、后安装有压力传感器，以便自动化系统采集实时数据。以某日观测的日常监测数据为基础，进行分析，数据处理采用本文编制的“监测数据去噪声波程序”，以下为分析数据处理效果。

  a．监测数据去噪声波程序循环次数越多，噪声波过滤效果越好。

  图4是该日调流阀上游的日常观测数据曲线，观测压力在124.6~124. 8kPa之间变化，有些尖锐点，这个数据曲线过于复杂不利于渗漏诊断。图5、图6给出“监测数据去噪声波程序”处理过程的一些示意图，图7是处理结果，它们的波动范围由在124. 64~124. 72kPa之间变化逐渐减小到在I24. 67~124. 68kPa之间变化，数据曲线趋于稳定，去噪声波效果较好。

b．监测数据去噪声波程序处理后数据精度很高，能够发现0.0lkPa量级的逐渐下降趋势。图7说明，调流阀上游在600min左右有下降趋势，这点图4看不出来。

  c．经监测数据去噪声波程序处理后的数据，保留上升、下降趋势，并且不引入其他波动。

  图8是该日调流阀上游压力下降段，日常监测数据勉强能看出下降趋势，处理后数据曲线能够看出0. OlkPa的梯级下降趋势，共下降0.04kPa。图9是该日调流阀下游压力上升段，日常监测数据勉强能看出上升趋势，处理后数据曲线能够看出0. OlkPa的梯级上升趋势，共上升0. 07kPa。

  d．经监测数据去噪声波程序处理后的数据，能够准确诊断出渗漏情况。

  图10是该日调流阀下游压力日常监测数据，图11是其处理后的数据曲线。图12是该日调流阀的降压曲线（即：上游压力减去下游压力），表明调流阀在时间566、638、1086min左右有低于0.lkPa的压降变小过程，此段时间可能发生泄漏（短时间的渗漏视为泄漏）。经过调查发现，工作人员在这些时间内从调流阀中放水，用以采集水样分析水质。

     图12调流阀消能降压曲线以实时监测数据为背景更能反映工程实际情况。

另外，因工程中输水距离长，管道埋深几米至十几米，不容易详细地反映渗漏情况，因此，以调流阀的泄漏实例为例，能够更经济、更具体地描绘渗漏情况。

4   结论

针对大型输水工程中日常监测数据精度低、噪声波影响大的情况，提出逼近局部平均方法原理；基于此原理，编制出“监测数据去噪声波程序”，从而得到高精度的数据；结合渗漏理论，能够准确地诊断渗漏情况。此种诊断渗漏的方法相对于前人工作，易于实现且贴近工程实际，相比于引进高精度脉冲仪的方法更节省成本，意义重大。

5【摘要】  长距离输水工程中，日常压力流量监测数据是渗漏诊断及定位的依据和基础，提高其精度是非常重要的。本文编制出日常监测数据的处理程序，用于去除噪声波，从而得到高精度的数据，结合渗漏发生的变化规律，能够准确地诊断渗漏情况。这些处理后的数据能够反映0.01kPa的变化趋势，利于趋势性分析，容易判别小流量渗漏节点，供类似工程参考。