賈韶輝

中國石油管道科技研究中心

隨著大數據、云計算、物聯網等新一代信息技術的高速發展，人工智能技術逐漸從實驗室走向工業領域，智能化技術在各行各業開始應用。在油氣管道行業，伴隨著管道信息化的高速發展，智能化管道的概念也應運而生。

2016年1月，GE能源公司和埃森哲咨詢公司共同研發智能管道平臺(Predictivity+Predix)，并在哥倫比亞管道集團公司2.4×104 km長輸管道上首次應用。哥倫比亞管道集團公司基于該智能管道平臺，實現了全企業范圍內所有管道的管道威脅實時監測、態勢感知和風險管理。在國內，由中石油管道科技研究中心開發的管道完整性管理系統（PIS）實現了中國石油7.1×104 km長輸管道數據的動態采集和有序存儲，支撐9個業務領域、71個業務流程數字化和規范化運行【1】，為智能化管道的建設提供了數據及技術基礎。

智能管道涉及業務領域廣泛，本文僅在智能化管道維護方面，就若干技術方法與應用場景進行探討，以期能為未來的智能管道信息化實施提供技術支持。

1  管道第三方施工的大數據時空分析

隨著管道歷史數據的積累，探究管道業務在時間和空間兩個維度上的特性規律成為了可能。

以管道第三方施工為例，選取2011 －2014年第三方施工記錄，采用基于GIS技術的空間分布分析模型，得出第三方施工的空間密度圖（如圖 1所示）[2]。根據分析結果，得出管道第三方施工的空間分布特性如下：管道附近第三方施工發生頻次最高的地區主要分布在銀川市、深圳市、連云港市、南京及無錫市，發生頻次范圍為251-490次/103 km﹒a（見圖1中箭頭所指深色區域）；管道附近第三方施工發生頻次較高地區主要分布在湖北、江蘇、安徽、浙江、廣東省部分地市，發生頻次范圍為151-250次/103 km﹒a；除此之外，其他區域的管道第三方施工發生頻次范圍分別為71-150次/103 km﹒a、1-70次/103 km﹒a，以及無管道第三方施工發生。

圖1管道第三方施工空間密度圖

采用時間分布特性分析方法，對第三方施工數據進行傅里葉變換，得到第三方施工的功率譜圖（如圖2所示）。其中，橫軸為頻率，縱軸為對應的功率值。

圖2 管道第三方施工功率譜圖

從圖2可以看出功率譜有明顯的左右對稱特征，對該圖中的前100個頻率點局部放大，可更清楚的看到功率隨頻率的變化情況，并且存在明顯的多峰。根據功率譜判別方法，管道第三方施工具有明顯的周期或擬周期性行為，頻率較高的為0.002929688，周期大概在1年左右。

將管道第三方施工數據以月為單位統計，得到每月的第三方施工數據統計圖（如圖3所示）。其中，橫軸為年度及月份，縱軸為發生的數量。從圖中可以看到每年的3月份均為管道第三方施工的高發期。

圖3 管道第三方施工每月數量統計圖

基于大數據的管道第三方施工時空分析，可以發現管道第三方施工頻繁發生的位置與發生的時間規律，并與重點地段的高清攝像頭影像智能識別相結合，有針對性的采取防范措施，優化資源投入。

2  管道地質災害的智能監控與預警

目前，國內部分管道沿線地質災害體上裝有監測設備，可以實時監測地質災害體的位移數據、降水數據等，同時在管體上也裝有應變傳感器，可監測由于土壤移動而產生的管體應變值。上述數據都可以通過GPRS等網絡傳回中央數據庫。

上述方式在管道沿線地質災害的防治方面起到了重要作用，但是也存在一定的局限性。一方面，可以監測的地質災害類型有限，僅限于滑坡、危巖等個別災害類型，而每年影響管道最大的水毀還無法做到有限監測；另一方面，由于上述硬件監測設備的費用投入較高，只能在個別中大型災害體上布設，無法形成有效的監測網絡。

以往有學者基于高分辨率衛星遙感影像或航空攝影進行地質災害體的識別，但由于以前高分辨率遙感影像或航空攝影的訂購成本較高，只能做到相對靜態的識別，無法做到實時更新，此外衛星影像還受到云層等因素干擾，降低了識別的準確性。

隨著無人機技術的普及，一方面費用成本逐漸降低，另一方面可以隨時隨地快速拍攝高分辨率影像，回傳后的遙感影像可以通過精糾正等方式生成數字正射影像DOM。在建立地質災害體樣本庫的基礎上，可以通過智能圖像識別技術，在無人機的DOM影像上智能識別管道沿線地質災害體的位置、類型、尺寸、形態等具體信息；建立管道地質災害形態樣本庫與智能識別模型，結合氣象與地質災害預警信息[3-4]篩選可能發生災害的重點區域，在重點區域內基于該模型自動化對比多次影像中的災害體情況，識別災害體位移、水毀程度等變化趨勢情況，真正做到地質災害的全類型覆蓋、全天候監測與預警。

3  管道維搶修的信息化智能支持

管道維搶修的信息化智能支持涉及到管道維搶修資源數據管理、管道維搶修資源的智能調配、管道維搶修處置智能決策等方面。

在管道維搶修資源數據管理方面，基于PIS系統制定統一的維搶修設備、人員等數據規范，規范數據采集內容與格式；采用移動應用等技術實現維搶修資源包括維搶修隊伍、設備、進場道路以及外部醫院、消防隊、河流、公路等信息的現場移動采集與實時上報。

在管道維搶修資源的智能調配方面，針對不同介質、不同地形環境建立災害事故模擬的技術模型方法，分析爆炸影響范圍、油品泄漏污染路徑[5]等事故災害后果；依據事故災害后果，基于應急物資配備計算模型自動化計算搶修物資數量、類型；智能化查詢鄰近事故地相匹配的維搶修機構，結合維搶修機構位置、周邊道路等情況，基于GIS技術實現進場道路的自動導航。

在管道維搶修智能處置方面，充分利用管道失效的大數據分析、物聯網、無人機、VR/AR/MR等技術，將應急搶險信息化技術與管道事故數據、搶險現場緊密結合，通過物聯網對泄漏源的智能監控、基于無人機圖像的泄漏位置與區域的智能識別、基于虛擬現實技術的桌面應急處置模擬等技術，一方面做到泄漏事故的提前預測、判斷；另一方面，一旦發生泄漏事故，依據油氣長輸管道維搶修預警分級響應體系[6]，通過智能化的診斷技術給出不同介質、不同泄漏方式、不同泄漏環境下的搶險方式、技術要求、部署位置，真正實現搶修過程中各種操作的量化，進而指導搶險人員、應急搶險車輛、抽油機、圍油柵等人員與設備的精細化部署和科學決策[7]。

4  結語

智能化管道技術用于管道維護中，既可以依據大數據分析有針對性的采取防范措施，優化資源投入；又可以借助高新技術應用真正做到地質災害的全類型覆蓋、全天候監測與預警，以及智能化決策處置管道維搶修任務；為智能管道信息化建設提供技術和應用支持。

參考文獻

[1] 周利劍、賈韶輝. 管道完整性管理信息化研究進展與發展方向[J]. 油氣儲運，2014,33（6）：571-576.

[2] 賈韶輝. 長輸管道時空序列數據分析[J]. 油氣儲運，2016,35（7）：713-717.

[3] 付立武、賈韶輝、郭磊. 管道氣象與地質災害預警技術及其應用[J]. 油氣儲運，2012,31（4）：307-313.

[4] 賈韶輝. 基于GIS技術的管道地質災害汛期預警研究[C]. CIPC2009：712-717.

[5] JIA Shaohui. Simulation of An Oil Leak's Path to The Gulf Of Bohai Sea In China[J].《Pipeline & Gas Journal》,2010,237（11）：67-69.

[6] 付立武. 油氣長輸管道維搶修預警分級響應體系[J]. 油氣儲運，2012,31（5）：307-313.

[7] 賈韶輝、周利劍、郭磊. 基于完整性數據庫的管道應急信息化技術[J]. 油氣儲運，2014,33（6）：582-587.

作者：賈韶輝，現任職中石油管道科技研究中心完整性所副主任工程師，博士/高級工程師，主要從事管道完整性管理相關數據管理、系統建設等信息化技術的研究工作。

《管道保護》2017年第6期（總第37期）