基于數(shù)字濾波算法的智能壓力變送器管道運行監(jiān)控

摘要：智能壓力變送器管道中運行壓力是反映管道運行狀態(tài)的重要參數(shù)，隨著生產現(xiàn)場信息化程度不斷提高，信息處理技術也廣泛用于智能壓力變送器管道運行管理。為了有效解決壓力監(jiān)控報警限值與實際運行的測量數(shù)據(jù)有較寬幅度的差值，對在差值范圍內出現(xiàn)的異常情況因不報警、不易及時發(fā)現(xiàn)而導致處置延誤等問題開展分析研究。根據(jù)智能壓力變送器管道運行壓力的數(shù)據(jù)特性，以數(shù)字濾波算法為基礎對其采集的實時數(shù)據(jù)進行大數(shù)據(jù)分析處理，結合測量不確定度評定方法，建立壓力的動態(tài)趨勢模型，用所選測量點的歷史數(shù)據(jù)驗證動態(tài)趨勢模型建立的方法和符合率；利用動態(tài)趨勢模型進行管道輸送實時監(jiān)控，以提高管道運行壓力預警的靈敏度和準確性，推進管道運行管理向程控化、智能化發(fā)展。

 

智能壓力變送器管道中運行壓力是反映管道運行狀態(tài)的重要參數(shù)，也是天然氣生產運營過程監(jiān)控的重要參數(shù)，其測量數(shù)據(jù)直接反映該測量點壓力系統(tǒng)的運行狀態(tài)[1]。天然氣壓力測量儀表經歷了機械式指針儀表測量、數(shù)顯式儀表測量等不同發(fā)展階段。隨著工業(yè)自動化技術的發(fā)展，壓力測量儀表采用了傳感器技術、電子技術和嵌入計算機芯片等技術。核心壓力傳感器以硅材料為基礎，采用微米級的微機械加工技術和大規(guī)模集成電路工藝，逐步向智能總線式數(shù)字壓力測量發(fā)展。

工業(yè)的信息化、智能化已經成為發(fā)展的必然方向，隨著傳感器技術、通信技術和計算機技術融合，使獲取天然氣壓力測量數(shù)據(jù)方式由系統(tǒng)自動采集、儲存、顯示替代了原始的抄表和紙質記錄保存，促進了信息處理技術廣泛應用于天然氣生產管理。

 

1壓力測量現(xiàn)狀

目前天然氣站場主要采用機械式指針儀表（壓力表）、數(shù)顯式儀表（壓力傳感器、壓力變送器、數(shù)字壓力計）對生產過程中的壓力參數(shù)進行測量和控制[2]，差壓變送器主要用于差壓式流量計中差壓的測量。

生產現(xiàn)場常將SCADA、DCS、DCC等配套系統(tǒng)用于從井口到終端用戶的監(jiān)控，在這些監(jiān)控系統(tǒng)中，壓力報警設置多采用設計壓力的限值[3]。隨著投運時間變化，根據(jù)壓力設備檢測結果，壓力報警設置采用同一壓力系統(tǒng)各壓力設備中#低的額定工作壓力為限值。這些限值與實際運行的測量數(shù)據(jù)有較寬幅度的差值（圖1）。為了有效解決在差值范圍內出現(xiàn)的異常情況因不報警、不易及時發(fā)現(xiàn)而導致處置延誤等問題，開展了壓力測量數(shù)據(jù)動態(tài)趨勢方面的分析研究。

 

 

2數(shù)據(jù)分析處理與模型建立

通過對各類壓力測量數(shù)據(jù)的收集、梳理和分析，發(fā)現(xiàn)各個壓力測量點的數(shù)據(jù)皆有一定的運行規(guī)律和趨勢。選擇合適的數(shù)據(jù)整合算法，對壓力測量原始數(shù)據(jù)進行分類處理，建立壓力動態(tài)趨勢模型。

2.1確定數(shù)據(jù)算法根據(jù)參數(shù)特性[4]所收集的數(shù)字濾波算法共計11種：限幅濾波法、中位值濾波法、算術平均濾波法、遞推平均濾波法、中位值平均濾波法、限幅平均濾波法、一階滯后濾波法、加權遞推平均濾波法、消抖濾波法、限幅消抖濾波法、IIR數(shù)字濾波法。

（1）特性篩選。根據(jù)11種數(shù)據(jù)處理方法的特性分析[5]、數(shù)據(jù)處理策略，初步排除了限幅濾波法、中位值濾波法、中位值平均濾波法、限幅平均濾波法。這4種分析方法不適合同步處理在不同量程區(qū)間的數(shù)據(jù)，而且計算結果與實際趨勢差異較大。依據(jù)相關性函數(shù)以及不相關參數(shù)函數(shù)定量研究原理[3]，一階滯后濾波法、消抖濾波法、限幅消抖濾波法、IIR數(shù)字濾波法因其本身的干擾和變化無規(guī)律而排除。

（2）擬合性驗證。經過特性篩選和適應性模擬運算，從中選出算術平均濾波法、遞推平均濾波法、加權遞推平均濾波法進行擬合性實驗。以上3種方法實際上都是基于平均濾波法[6]而來，使用平均濾波法可以去除非規(guī)律性的偶然極值情況，對趨勢分析很有幫助。

根據(jù)各測量點壓力數(shù)據(jù)的分類情況，選用民用氣差壓式流量計計量點中波動較大的差壓數(shù)據(jù)作為基礎數(shù)據(jù)進行研究。該測量點采用差壓變送器進行測量，現(xiàn)場為本安型安裝，配套設備涉及浪涌保護器、隔離式安全柵（同時提供現(xiàn)場壓力變送器電源）、A/D數(shù)模轉換模塊等。

 

由圖2可知，使用加權遞推平均濾波法（數(shù)據(jù)周期N=5）時，分析后得到平滑的趨勢圖像，但得到的數(shù)據(jù)對趨勢的擬合作出了很大的限幅，它相對原始數(shù)據(jù)完全無擬合。

 

 

由圖3可知，使用算術平均濾波法（數(shù)據(jù)周期N=5）時，由于其計算原理，它的趨勢比原始數(shù)據(jù)的實際趨勢滯后；且經過其方法處理得到的數(shù)據(jù)存在較大干擾，與原始數(shù)據(jù)的擬合度較低，甚至超出了實際數(shù)據(jù)的范圍。當N=5時，算術平均濾波曲線與原始數(shù)據(jù)曲線相比，其擬合性不如遞推平均濾波曲線與原始數(shù)據(jù)曲線的擬合性，且遞推平均濾波曲線對原始數(shù)據(jù)曲線的波動趨勢有預判。

2.2測量的不確定度評定壓力測量數(shù)據(jù)其合成不確定度分量[7]由測量儀器本身的不確定度和數(shù)據(jù)傳輸過程中信號轉換的不確定度組成，它包含差壓變送器不確定度分量、隔離式安全柵不確定度分量、A/D數(shù)模轉換模塊不確定度分量。通過不確定度評定，將對應不確定度影響納入趨勢模型計算。

 

2.3建立動態(tài)趨勢模型

采集預設周期內的壓力測量原始數(shù)據(jù)，通過遞推平均濾波法對該天然氣測量數(shù)據(jù)進行處理，得到其測量數(shù)據(jù)的趨勢曲線；對多個周期內的多條同類型的趨勢曲線進行疊加，得到天然氣測量數(shù)據(jù)的趨勢曲線帶。應用極值法趨勢曲線形成上軌線和下軌線，上軌線與下軌線間的區(qū)域即為建立的動態(tài)趨勢模型[8]，在該動態(tài)趨勢模型中的數(shù)值范圍加入測量的擴展不確定度即為該運行參數(shù)的標準范圍。

 

3模型應用與評價

根據(jù)上述設計建立壓力的動態(tài)趨勢模型，并將其應用在相關場站及管線進行驗證。

3.1驗證動態(tài)趨勢模型建立方法

（1）遞推平均濾波法處理測量原始數(shù)據(jù)。以壓力數(shù)據(jù)為例，設定采集時段（如1天24h，某日00:00至次日00:00，每分鐘取1個數(shù)據(jù)，1天共1440個數(shù)據(jù)）內的壓力測量數(shù)據(jù)，按照式（1）進行處理。壓力根據(jù)監(jiān)控點的位置及用途不同，壓力波動情況也不同，如外銷用戶交接用壓力測量，其數(shù)據(jù)處理周期N可選擇為12及以上；流體溫度相對穩(wěn)定，其數(shù)據(jù)處理周期N可選擇為4及以上。

 

 

式中：pi為遞推平均濾波法處理后的壓力值，kPa；pi為采集的第i個壓力數(shù)據(jù)（即第i分鐘的壓力數(shù)據(jù)）；n為整數(shù)，1≤n≤1440；N為數(shù)據(jù)處理周期內數(shù)據(jù)的數(shù)量，整數(shù)。

（2）分析周期內采集時段數(shù)據(jù)[9]。將一定周期（如某月30天或更多的天數(shù)）數(shù)據(jù)，以時間為坐標進行比較分析，發(fā)現(xiàn)其變化規(guī)律。用區(qū)域極限求值法計算出上、下限值，形成測量值的趨勢帶，如圖4所示。

 

 

（3）擴展不確定度。該壓力測量點使用準確度為0.2%的壓力變送器作為壓力測量儀器，由此引出的不確定度分量按均勻分布計算：u1=0.12%；數(shù)據(jù)傳輸過程中信號轉換的不確定度由準確度為0.1%的隔離式安全柵和準確度為0.1%的A/D數(shù)模轉換模塊組成，由此引出的不確定度分量按均勻分布計算：u2=0.06%，u3=0.06%；因為不確定度分量均不相關，其合成標準不確定度ur=0.15%，其擴展不確定度ur=0.30%，包含概率P=95%，k=2。

在所述動態(tài)趨勢模型中的數(shù)值范圍加入測量的擴展不確定度即為所述運行參數(shù)的標準范圍，如圖5所示。

 

 

3.2實際應用及效果

選擇不同性質的壓力測量點進行采集和建模，實際驗證壓力動態(tài)趨勢模型的擬合性和預判性[7]。

（1）集輸管網壓力。選擇某站X線進氣壓力測量點進行實際驗證，由于該點屬集輸管網壓力測量，壓力平穩(wěn)且波動較小，驗證其動態(tài)趨勢模型的擬合性和預判性。

建立動態(tài)趨勢模型，由站場工作人員提供正常運行日期作為目標日期進行驗證。以2016年4月1日到4月20日的出站壓力數(shù)據(jù)為模型限值趨勢帶基礎，隨機選擇4月8日數(shù)據(jù)進行驗證。如圖6所示，紅色為進氣壓力在該時段運行的上軌線，綠色為下軌線，紫色為診斷目標4月8日的壓力實時曲線。通過計算，其包含概率為97.7%，符合模型建立包含概率（95%）的預設。

 

 

 

由圖6可知，該測量點壓力較為穩(wěn)定，紅色上軌線及綠色下軌線間趨勢帶寬窄應較均勻；但綠色下軌線08:00至09:00左右寬窄變化不定，有管線放空跡象（見圖中虛線框部分）；在14:00至17:00左右寬窄變化不定，有壓力回零及壓力回升異常狀態(tài)，根據(jù)趨勢提示判斷，該時段有工藝流程倒換跡象。經核實作為基礎數(shù)據(jù)的4月5日，上、下軌線間趨勢帶寬窄變化不定時段正在進行清管作業(yè)。

（2）民用氣出站壓力。選擇某站南區(qū)供氣點進行實際驗證，由于該供氣點屬民用氣，涉及用氣峰谷波動較大，能更好地驗證動態(tài)趨勢模型的擬合性和預判性。

建立動態(tài)趨勢模型，由站場工作人員提供正常運行日期作為目標日期進行驗證。以2016年3月1日到3月20日的出站壓力數(shù)據(jù)為模型限值趨勢帶基礎，隨機選擇3月5日數(shù)據(jù)進行驗證。如圖7所示，紅色為某站南區(qū)用戶出站壓力在該時段運行的上軌線，綠色為下軌線，紫色為診斷目標3月5日的壓力實時曲線。通過計算，其包含概率為98.9%，符合模型建立包含概率（95%）的預設。

 

 

由圖 7 可知，結合用戶用氣情況，監(jiān)控點 00:00到 06:00壓力較為穩(wěn)定，紅色上軌線及綠色下軌線間趨勢帶較窄；06:00以后直至 22:00壓力波動較大，紅色上軌線及綠色下軌線間趨勢帶也隨之寬窄變化不定。其間11:20左右運行壓力超過紅色上軌線出現(xiàn)報警（見圖7虛線框部分）。經核實該時段正在進行調壓作業(yè)。

（3）與其他系統(tǒng)信息兼容。選擇某站1套差壓式流量計差壓測量點進行實際驗證。如圖8所示，2018年5月1日14:00左右出現(xiàn)報警（實時曲線回零，實時概率為90.9%，低于95%），由于該測量點數(shù)據(jù)參與流量計算，與站場流量計算機系統(tǒng)聯(lián)動，以時間為坐標同步提取黑匣子記錄，獲得差壓回零時段值班員“王建”“操作孔板”的信息。

綜上所述，壓力動態(tài)趨勢模型以實際測量數(shù)據(jù)為基礎，其上軌線及下軌線較該監(jiān)控點管線額定壓力的報警值更貼近實際運行情況，試驗證明實際運行情況與壓力動態(tài)趨勢模型的符合率較高，能及時發(fā)現(xiàn)運行異常，大大提高了壓力測控點預判的靈敏度和準確性[10]。

4結論

（1）利用數(shù)字濾波算法作為數(shù)據(jù)分析基礎建立動態(tài)趨勢模型的新技術，可對壓力測量點進行實時監(jiān)控，這種動態(tài)趨勢模型由#新測量數(shù)據(jù)采集周期實時形成，預設其包含概率為95%以上。試驗證明動態(tài)趨勢模型的符合率較高，可大大提高壓力監(jiān)控預警的靈敏度和準確性，及時發(fā)現(xiàn)異常情況，及時作出干預處理。

（2）借助“兩化”融合，與其他生產管理部門協(xié)同，將動態(tài)趨勢技術與自動控制調節(jié)、安全聯(lián)動等技術相結合，可延展至天然氣溫度、流量等重要參數(shù)的監(jiān)控，提高天然氣生產運行管控綜合水平，進一步完善預警機制，推進天然氣生產運行管理向程控化、智能化發(fā)展。