本發明涉及管道法蘭監測，尤其涉及一種管道法蘭監測系統和方法。

背景技術：

1、隨著工業管道和天然氣管道等設施的廣泛應用，管道泄漏問題逐漸成為影響生產安全、資源利用和環境保護的一大隱患。法蘭作為管道連接的重要部件，在法蘭連接處會存在管道泄漏的情況。因此，實時、準確地監測管道法蘭的泄漏情況，對于保障管道安全和運行效率具有重要意義。

2、然而，傳統的泄漏監測系統普遍存在不足。一方面，傳統的管道監測系統依賴于人定期檢查發現法蘭的問題，人工監測方法依賴人工經驗且效率低下，耗時費力難以確保每個環節得到及時的監測，此外，人工監測無法進行連續監控，容易導致漏檢或延誤。另一方面，為了提高管道法蘭的監測效率，很多管道監測系統采用有源傳感器進行實時數據采集。但有源傳感器需要外部電源供電，這在一些惡劣環境的管道中，給傳感器的布置和維護帶來了困難。此外，現有的管道監測系統存在監測準確性不足的問題，無法保證準確的監測結果。

3、綜上，現有的管道法蘭監測技術在實時性、準確性、成本以及維護便捷性等方面存在不足，無法滿足現代工業對于管道系統安全、高效運行的需求。因此，如何提高管道法蘭監測系統的準確性和監測效率是本領域技術人員急需解決的技術問題。

技術實現思路

1、本發明提供一種管道法蘭監測系統和方法，旨在解決在無需人工監測，不采用有源傳感器的情況下，如何準確、高效地監測管道法蘭的泄漏問題。

2、第一方面，本發明提供一種管道法蘭監測系統，該系統包括：采集模塊、判斷模塊、分析模塊、處理模塊和預警模塊。

3、采集模塊用于，獲取第一管道的第一目標流速和第二管道的第二目標流速；第一管道和第二管道通過法蘭連接。

4、判斷模塊用于，基于第一目標流速和第二目標流速，確定法蘭監測點是否存在泄漏，并在法蘭監測點存在泄漏的情況下，確定泄漏點的數量、每個泄漏點的位置和每個泄漏點的氣體泄漏量；法蘭監測點是指管道法蘭連接處設置的用于監測泄漏的位置。

5、分析模塊用于，將泄漏點的數量、每個泄漏點的位置和每個泄漏點的氣體泄漏量輸入訓練好的隨機森林模型，得到每個泄漏點的預測泄漏類型；針對每個泄漏點，基于歷史泄漏數據，確定泄漏點的泄漏相似度；基于泄漏相似度，驗證泄漏點的預測泄漏類型是否準確，并在預測泄露類型不準確的情況下，根據歷史泄漏數據，利用聚類算法重新確定泄漏點的泄漏類型。

6、處理模塊用于，提取每個泄漏點的泄漏類型特征；根據每個泄漏點的泄漏類型特征和特征閾值，確定每個泄漏點的破損類型；刪除破損類型與管道結構破損無關的泄漏點，并統計剩余泄漏點的破損特征數量。

7、預警模塊用于，根據破損特征數量發出相應級別的預警，并生成可視化預警報告，可視化預警報告包含剩余泄漏點的位置和破損類型。

8、基于上述技術方案，采集模塊可以采集由法蘭連接的第一管道的第一目標流速和第二管道連接的第二管道流速，為后續監測法蘭監測點是否泄漏提供數據支持。判斷模塊可以通過分析第一目標流速與第二目標流速的差異，判斷法蘭監測點是否存在泄漏的情況，提高管道法蘭的泄漏問題的監測準確率和效率。

9、在確認泄漏的情況下，分析模塊可以利用隨機森林模型，根據泄漏點的數量、每個泄漏點的位置和氣體泄漏量，來預測泄漏點的泄漏類型，如此避免了人為經驗的判斷，提升了系統的自動化程度。處理模塊可以統計剩余泄漏點的破損特征數量，提取泄漏類型特征并剔除無關特征的泄漏點，避免了監測重點放在權重較小的泄漏點的問題，從而進一步提升了管道監測的精確度。預警模塊可以基于破損特征數量發出相應級別的預警，并生成預警報告，為后續的管道修復和維護提供了數據支持，提升了系統對資源的利用率和科學性。

10、在一些實施例中，采集模塊包括第一流量傳感器，第一流量傳感器為無線無源傳感器；采集模塊具體用于，利用第一流量傳感器獲取第一管道的第一流量和第二管道的第二流量，然后基于第一流量和第一管道的直徑，確定第一管道的第一目標流速，并基于第二流量和第二管道的直徑，確定第二管道的第二目標流速。

11、在一些實施例中，第一目標流速和第二目標流速由下述公式得出：

12、

13、其中，v1表示第一目標流速，v2表示第二目標流速，q1表示第一管道的第一流量，q2表示第二管道的第二流量，d表示第一管道的直徑和第二管道的直徑，第二管道的直徑和第二管道的直徑相等。

14、在一些實施例中，采集模塊還包括第二流量傳感器和超聲波傳感器，第二流量傳感器和超聲波傳感器為無線無源傳感器；判斷模塊具體用于，當第一目標流速和第二目標流速相等時，確定法蘭監測點不存在泄漏，不開啟第二流量傳感器和超聲波傳感器；當第一目標流速和第二目標流速不相等時，確定法蘭監測點存在泄漏，開啟第二流量傳感器和超聲波傳感器。

15、在一些實施例中，在確定法蘭監測點存在泄漏的情況下，判斷模塊還具體用于，利用超聲波傳感器確定泄漏點的數量，并基于超聲波傳感器的位置坐標、超聲波傳播速度以及兩個相鄰的超聲波傳感發送的超聲波信號到達每個泄漏點的時間差，確定每個泄漏點的位置；利用第二流量傳感器獲取每個泄漏點的氣體。

16、在一些實施例中，每個泄漏點的位置由下述公式得出：

17、

18、其中，c表示超聲波傳感器的超聲波傳播速度，δti表示兩個相鄰的超聲波傳感器發送的超聲波信號到達泄漏點的時間差，x和y表示泄漏點的位置坐標，xi和yi表示第i個超聲波傳感器的位置坐標，x1和y1表示第1個超聲波傳感器的位置坐標，第1個超聲波傳感器和第i個超聲波傳感器位置相鄰；表示第i個超聲波傳感器到泄漏點的距離，表示第1個超聲波傳感器到泄漏點的距離。

19、在一些實施例中，分析模塊具體用于，獲取歷史泄漏數據，歷史泄漏數據包括歷史泄漏點的數量、每個歷史泄漏點的位置、歷史氣體泄漏量和歷史泄漏類型；將歷史泄漏數據作為泄漏訓練集，采用交叉驗證并且結合網格搜索，搜尋隨機森林模型的模型參數，建立隨機森林模型；使用泄漏訓練集擬合隨機森林模型，得到訓練好的隨機森林模型，訓練好的隨機森林模型用于預測泄漏點的泄露類型；將泄漏點的數量、每個泄漏點的位置和每個泄漏點的氣體泄漏量輸入訓練好的隨機森林模型，得到每個泄漏點的預測泄漏類型。

20、在一些實施例中，分析模塊具體用于，針對每個泄露點，從歷史泄漏數據中篩選出與泄漏點的預測泄漏類型相同的歷史泄漏點；基于歷史泄漏點的氣體泄漏量、泄漏量流速和歷史泄漏點發送的超聲波信號、以及泄漏點的氣體泄漏量、泄漏量流速和泄漏點發送的超聲波信號，確定泄漏點與歷史泄漏點的泄露相似度，泄漏點的泄露量流速通過采集模塊獲取；基于泄露相似度與泄露相似度閾值的大小，驗證泄漏點的預測泄漏類型是否準確。

21、在一些實施例中，泄漏相似度由下述公式得出：

22、

23、其中，l表示泄露相似度，u1表示泄漏點的氣體泄漏量，w1表示泄漏點的泄漏量流速，k1表示泄漏點發送的超聲波信號，u2表示歷史泄漏點的氣體泄漏量，w2表示歷史泄漏點的泄漏量流速，k2表示歷史泄漏點發送的超聲波信號。

24、在一些實施例中，分析模塊具體用于，當80％＜l≤100％時，確定泄漏點的預測泄漏類型準確；當l≤80％或l＞100％時，確定泄漏點的預測泄漏類型不準確。

25、在一些實施例中，聚類算法包括高斯混合模型，在此基礎上，在泄漏點的預測泄露類型不準確的情況下，分析模塊具體用于，從歷史泄漏數據中提取每種泄漏類型的標志數據，標志數據用于表征泄露類型的特征；將歷史泄漏數據中的標志數據和待重新確定的泄漏點的標志數據確定為聚合數據集；針對聚合數據集中的每個標志數據，利用高斯混合模型，確定標志數據對每個高斯分布的責任值，并將責任值最大高斯分布對應的簇確定為待重新確定的泄漏點的泄漏類型。其中，責任值用于表征標志數據屬于每個高斯分布的概率；每個簇代表一種泄露類型。

26、在一些實施例中，處理模塊包括位移傳感器，位移傳感器用于采集每個泄漏點的泄漏類型長度特征，位移傳感器為無線無源傳感器；處理模塊具體用于，利用位移傳感器獲取每個泄漏點的泄漏類型長度特征；針對每個泄漏點，當泄漏類型長度特征大于第一長度特征閾值時，確定泄漏點為管道結構破損泄漏點；當泄漏類型長度特征小于或等于第一長度特征閾值，且大于第二長度特征閾值時，確定泄漏點判斷為次級管道結構破損泄漏點；當泄漏類型長度特征小于或等于第二長度特征閾值，確定泄漏點為非管道結構破損泄漏點。

27、在一些實施例中，處理模塊具體用于，統計管道結構破損泄漏點的數量并記為破損數量，統計次級管道結構破損泄漏點的數量并記為次級破損數量，并刪除非管道結構破損泄漏點；確定破損數量和次級破損數量的比值g；當1.5＜g時，將法蘭監測點的泄露等級評定為一級泄漏；當1＜g≤1.5時，將法蘭監測點的泄露等級評定為二級泄漏；當g≤1時，將法蘭監測點的泄露等級評定為三級泄漏。

28、在一些實施例中，預警模塊具體用于，對評定為一級泄漏的法蘭監測點發出一級預警；對評定為二級泄漏的法蘭監測點發出二級預警；對評定為三級泄漏的法蘭監測點發出三級預警；將管道結構破損泄漏點的位置和次級管道結構破損泄漏點的位置，存儲在坐標圖表中，將管道結構破損泄漏點的氣體泄漏量和次級管道結構破損泄漏點的氣體泄漏量存儲在柱狀圖中，并根據坐標圖表和柱狀圖生成可視化預警報告。

29、第二方面，本技術提供一種管道法蘭監測方法，該方法包括：

30、獲取第一管道的第一目標流速和第二管道的第二目標流速，第一管道和所述第二管道通過法蘭連接。

31、基于第一目標流速和第二目標流速確定法蘭監測點是否存在泄漏，并在法蘭監測點存在泄漏的情況下，確定泄漏點的數量、每個泄漏點的位置和每個泄漏點的氣體泄漏量，法蘭監測點是指管道法蘭連接處設置的用于監測泄漏的位置。將泄漏點的數量、每個泄漏點的位置和每個泄漏點的氣體泄漏量輸入訓練好的隨機森林模型，得到每個泄漏點的預測泄漏類型；針對每個泄漏點，基于歷史泄漏數據，確定泄露點的泄漏相似度；基于泄漏相似度，驗證泄漏點的預測泄漏類型是否準確，并在預測泄露類型不準確的情況下，根據歷史泄漏數據，利用聚類算法重新確定泄漏點的泄漏類型。

32、提取每個泄漏點的泄漏類型特征，并根據每個泄漏點的泄漏類型特征和特征閾值，確定每個泄漏點的破損類型；刪除破損類型與管道結構破損無關的泄漏點，并統計剩余泄漏點的破損特征數量；

33、根據破損特征數量發出相應級別的預警，并生成可視化預警報告，可視化預警報告包含剩余泄漏點的位置和破損類型。

34、第三方面，本技術提供一種管道法蘭監測裝置，該裝置包括：處理器和通信接口。通信接口和處理器耦合，處理器用于運行計算機程序或指令，以實現如第二方面和第二方面的任一種可能的實現方式中任一項所述的管道法蘭監測方法。

35、第四方面，本技術提供了一種計算機可讀存儲介質，計算機可讀存儲介質中存儲有指令，當指令在終端上運行時，使得終端執行如第二方面和第二方面的任一種可能的實現方式中任一項所述的管道法蘭監測方法。

36、第五方面，本技術提供了一種計算機程序產品，計算機程序產品包含計算機指令，當計算機指令在計算機上運行時，使得計算機執行如第二方面和第二方面的任一種可能的實現方式中任一項所述的管道法蘭監測方法。

37、由此，本發明的上述技術特征具有以下有益效果：

38、(1)采用無線無源傳感器消除了對外部電源的依賴，減少了電源布置的復雜性，從而降低了傳統有源傳感器的維護成本。同時，無線無源傳感器具有良好的使用壽命和可靠性，適用于管道法蘭的長期監測，減少了人力和物力的投入，提高了整體的監測效率。

39、(2)通過實時獲取第一管道和第二管道的目標流速，判斷法蘭監測點是否發生泄漏，從而快速的觸發預警，具有良好的實時性，有效減少了漏檢和漏報問題。

40、(3)采用隨機森林模型預測泄漏類型，能夠準確地將泄漏點進行分類，通過歷史泄漏數據的訓練，提高了模型預測的準確性，聚類算法智能自適應的處理使得系統在面對不同環境和復雜情況時，能夠動態優化其監測精度，提高整體監測能力和適應性，通過篩選破損類型與管道結構破損無關的泄漏點，避免了無關數據的干擾，保證管道法蘭監測系統的精準性。

41、(4)根據破損特征數量發出相應級別的預警，生成可視化報告，可視化的數據展示有利于快速識別潛在風險，提高管道運營管理的透明度，提升了應急響應和決策效率，從而減少了安全隱患，為管道運營提供了強有力的安全保障。