即使使用同樣的材料，由于采用的技術不同，就會生產出性能迥異的產品；
   即使同樣監測的是流量、壓力、溫度等常規信號，由于采用的算法不同，做出的管道泄漏監測系統也會有質的不同；
絕大多數管道泄漏監測系統的差別不在于信號，而在于算法，由此便有了國外占主流地位的統計法和國內占主流地位的負壓力波法；
   擁有*發明的北京昊科航公司，推出了一種嶄新的算法—基于模糊神經網絡的算法，從而使管道泄漏監測系統有了如下業內的綜合性能：
1、無須設定任何參數，無須人工定位，真正的無人管理系統；
2、無論是否有流量計，都能既無漏報又無誤報；
3、發生瞬時量的0.5%泄漏量時也能在0～3分鐘內報警，大泄漏幾米到幾十米、小泄漏500米以內的定位誤差；
4、消除了各種儀表誤差的影響，對現場信號要求不苛刻；
5、自動識別各種生產工藝操作，消除了人工操作引起的誤報警；
6、多種可選擇的冗余通信技術，保證了系統的全天候工作；
7、凡是流體輸送管道，無論是單段還是管網、無論是海底、陸地還是地下、無論是雙層管還是單層管、無論是多品種順序輸送的成品油還是原油，只要是流體輸送管道都能監測；
8、完整的運行日志記錄了各種操作和故障自檢記錄；
9、*的泄漏記錄和歷史曲線、智能報表；
10、帶有電子地圖上的報警位置可同時顯示里程和大地坐標。
目 錄
一、系統簡介
1. HKH系列管道泄漏監測軟件系統應用原理
2. 系統工作原理
3. 系統的主要性能指標和特點
4. 系統應用
二、應用案例解析
1. 長距離多泵站串聯密閉輸送成品油輸送管網的泄漏監測報警定位技術
2. 油田集輸管網的管道泄漏監測報警定位技術。
3. 撫順—營口成品油輸送管線監測報警定位技術。
4. 管線微泄漏的監測報警定位技術。
5. 中間有加熱站的管道泄漏監測報警定位技術
6. 高含水高凝油管線的監測報警定位技術。
7. 長期穩定運行、既無誤報又無漏報的技術
四、用戶意見
1. 商曲線測試報告
2. 濟北公司用戶意見
3. 撫營線測試報告
4. 撫順石化用戶意見
5. 采油九廠用戶意見
五、公司證件
1. 證書
2. *企業證書
一、系統簡介
1. HKH系列管道泄漏監測軟件系統應用原理
1.1. 概述
管道泄漏報警從宏觀角度看并不困難。很早以前，人們已經用電接點壓力表、壓力開關、記錄儀等工具，有效的發現了管道的泄漏，但是這種辦法zui大的不足是不能定位，而且對于小規模泄漏這樣報警也是不合理的。這是因為管道運行中由于各種原因會產生大量的噪聲（壓力、流量波動），不同的管道輸送環境中，這些噪聲幅值也不同，一般從0.01Mpa到0.2Mpa不等，而且它在時域分布上沒有準確的規律。從統計學角度看，在一定時間內每條管線的這種分布還是有一定的規律，人們還是能夠認識、區分這種變化規律的，把這種認識運用到管道泄漏監測技術中，就使該項技術不斷進步，實用價值越來越大。
目前國內外應用的管道泄漏監測方法有許多種，但是國內占主導地位的還是負壓力波法，國外占主導地位的是統計法。從國內具體管道上的使用效果來看，由于這些方法各有它的適用范圍，都不能夠*適應中國油氣管道泄漏持續時間短、突發性強、泄漏情況復雜的特點。針對這一情況，我公司在*管道泄漏監測技術的基礎上研制開發了適合我國管道實際狀況的《HKH系列管道泄漏監測報警定位系統》這一智能型監測裝置，它是在總結了國內外各種方法的優缺點后而重新提出來的、基于模糊神經網絡的人工智能型管道泄漏監測系統。該技術克服了負壓力波法只能對突然發生的大規模泄漏準確檢測的局限性和統計法較靈敏但相對滯后和定位誤差大的缺陷，能夠在多種復雜情況下對各種大小泄漏進行及時報警和準確定位，這種技術廣泛的適應性和它的優良性能在實際應用中得到了很好的驗證。*局已經宣布我公司的“流體輸送管道泄漏監測定位方法”為國家發明。
1.2.負壓力波法的局限性
現階段國內用的較多的負壓力波法和傳統方法相比是一個巨大的進步，它不但解決了定位問題而且也比傳統方法誤報少得多，從本質上說它是一種聲學方法，即利用在管輸介質中傳播的聲波進行檢測的方法。我們知道，當管道發生泄漏時，由于管道內外的壓差，泄漏點的流體迅速流失，使該點管道內壓力下降，流體分子間隙變疏，泄漏點兩邊密度高的液體就向密度小的泄漏點補充，從而產生了一個新的波源，該波以一定速度依次向管道的兩端傳播，這就是所謂的負壓力波。根據負壓力波到達上下游監測點的時間差和管道內壓力波的傳播速度就可以計算出泄漏點的位置。該法常用的定位公式如下：
X = ( L + aΔt ) / 2 ———————— ①

式中：X —— 泄漏點的位置
L ——被監測的管道的長度
α ——波在管道中傳播的速度
Δt——首末兩站點收到波的時間差

α= ———————— ②
式中：ρ——流體密度；
K ——液體的體積彈性系數；
E ——管材彈性系數；
D ——管道的平均直徑
δ——管壁厚度；
Ψ——系數，對于埋地管道，Ψ＝1－μ²；
μ——泊松系數，鋼管的μ=0.3；
從上述公式可以看出，ρ和K除了與流體的特性有關外還和流體的溫度和壓力相關，一般這兩項誤差可以用數學模型來近似解決，當然這種情況下的定位公式就不是上式了，所以說①式只不過是一個近似的公式。但是真正的問題并不在這里，它在于負壓力波法本身并沒有脫離原始的報警方法。
下面我們結合圖一和圖二來看一下這種識別方法的局限性是怎樣產生的：
a b c d

圖一 　　 圖二
一般認為圖一中上面的曲線是負壓力波，下面的直線是人工設置的報警閾值線，當壓力下降曲線與閾值線相交時，就會發出報警，雖然事件發生在時刻a而不是報警的時刻b，但是由于壓力下降比較快，a與b之間的時間差不大，所以對定位的影響不大，這就是為什么負壓力波法在信號強時自動報警定位誤差也不大的原因。圖二中上面的曲線一般不認為是負壓力波，其實在本質上它們都是由泄漏引起的管道壓力下降波，圖二與圖一zui大的差別是信號相對比較小，事件發生在時刻c而報警發生在時刻d，這種情況下得出的自動報警定位信息顯然是不正確的。在生產過程中，管道壓力一般都是經常調整的，而人為設定的閾值必然也要跟著調整，這不僅難以操作還增加了人為因素的不利影響。當管道壓力緩慢向一個方向變動時，人們也無法跟隨著調整閾值，結果往往是使報警系統失去使用價值。為了解決這個問題，人們在管道泄漏監測報警技術中采用了閾值自動跟蹤法，如下圖所示：
壓力曲線 壓力曲線

閾值線 閾值跟蹤線
a 圖三：報警閾值不同曲線形狀 b
為了便于理解我們結合圖三進行討論。圖三a中固定閾值線是電接點壓力表和報警記錄儀之類儀表所設置的一個數值在時間上的延伸，它在圖上是一條無限延長的直線，當管道壓力波觸及該線時，就會發出報警。但管道操作是經常發生的，該值也必須隨操作而重新設定。
圖三b中閾值自動跟蹤曲線是由當前壓力平均值加上所設定的閾值合成的，因此它有相對的平穩性和滯后性。從長時間來看它是跟蹤的，從短時間來看它是滯后的。從圖上可以看出，當壓力突降時會突破閾值，而正常的壓力變化卻達不到閾值，因此能夠響應較快和相對較小的壓力變動信號，從整體性能上看自動閾值跟蹤技術并沒有使負壓力波法的基本性能有所提高。這兩種閾值設定法所設定的閾值都應當遠離壓力波動噪聲區才能有效工作。而前一種無法設定的太小，后一種則可稍小些，但都無法避免壓力波動引發的誤報。
即使采用了壓力、流量相關識別技術來盡量減少誤報，使得負壓波法在相對泄漏量較大的管線上應用有較好的效果，但對緩慢開閥門的盜油、相對較慢的盜油、大輸油量管線上的盜油、管道腐蝕穿孔造成的泄漏、或長距離信號的衰減等引起的泄漏報警就無能為力了。
1.3.統計法的特點
1993年，Xue Jun Zhang首先提出了統計法檢漏的基本思想和算法，1995
年，殼牌公司開發出了這種檢漏方法，到目前為止，該法仍被*為是的管道泄漏檢測方法。該法的zui大突破是不用復雜的模型就能發現較小的泄漏，當泄漏確定之后，就用測量的流量和壓力統計平均值估算泄漏情況，用zui小二乘法來定位。
———————— ③
式中：k是由摩擦因數、流體密度和管徑而決定的常數，m是流態系數。這兩個系數的選擇直接影響到定位精度，更為嚴重的是一旦發生泄漏以后壓力的下降是一個很長的過程，而只有穩定以后的數據對上式才有意義，報警系統如果等待那么長的時間就失去了價值，這就使得統計法雖然能夠發現較小的泄漏但卻不能及時的報警和準確的定位。
1.4.基于模糊神經網絡的人工智能型管道泄漏監測系統。
模糊識別是大腦認識事物的方式，而這種認識是由大腦的神經細胞來完成的。人們早就希望把大腦的這種認識事物的能力運用到計算機技術中，盡管到今天為止還沒有人能夠制造出真正的人類智能型計算機，但在向這一目標前進的過程中畢竟已經取得了大量令人矚目的成果。
北京昊科航公司在總結前人經驗的基礎上進行了深入的探索，為了使管道泄漏監測系統在小信號時也能準確識別和定位，采用了基于模糊神經網絡的人工智能系統，從而使管道泄漏監測系統的整體性能發生了根本的轉變。
1.4.1.消除了儀表的系統誤差
迄今為止,任何一家管道泄漏監測系統的整體精度均依賴于儀表系統的誤差指標,也就是說監測報警系統的精度指標總要低于儀表的綜合精度指標,而任何一塊儀表的名義精度和使用精度都是不同的，如果一塊0.2級的儀表在實際應用中只使用了其量程的一半,就是在標準環境條件下,其誤差也只能作為0.4級使用,且不用說使用儀表的環境根本不可能是標準環境了,因此折算到報警系統上去誤差就更大了,而一個報警系統依賴的儀表不止一兩塊，這樣結果誤差會遠大于名義誤差。因此,有許多管道泄漏監測系統的供應商都明確忠告用戶,系統的性能取決于儀表的精度。北京昊科航科技有限責任公司的“流體輸送管道泄漏監測定位方法”*的解決了這個問題,它使得過去*不能檢測的小信號的提取成為可能,從而給用戶節約了一大筆的儀表開支,過去依靠0.2級流量計才能獲得的泄漏信號,在今天甚至用2.5級的流量計也能檢測到。這種革命性的變革在管道泄漏檢測過程中的定位、及時報警和小泄漏的監測上起到了決定性的作用。這是一項國家發明,任何一個廠家或個人未經本公司允許均不得使用,我們也歡迎各界朋友和我們精誠合作,舉報侵權者,我公司將給予重謝,也歡迎想使用的朋友與我們就許可證的問題進行合作。
1.4.2.一個不需要設置報警閾值的人工智能系統.
任何報警設備,幾乎毫無例外的都要設置一個報警的門限值。即閾值,這早已成了人們的常識,這是因為報警往往依賴于一個被測的物理參數,如果這個參數超過了某種指標,那就報警。但人對事情的識別并不是這樣的,假如讓我們識別到來的客人是不是熟人,那報警的閾值是什么數字?什么數字也沒有,有的是我們頭腦中過去積累的經驗和印象,這就是模糊識別。而識別條件依賴的物質條件是人腦的神經網絡,所以我們可以說人腦是一個復雜的模糊神經網絡系統。我們的管道泄漏監測報警定位系統就是一種初級的、模糊工作的系統，所以該系統報警并不需要設置一個閾值，因為一個閾值并不能*表達泄漏的特征。以一兩個數值為門限就判定是否泄漏這在大信號情況下尚可，而在小信號下是*不行的，它需要憑以往的經驗，憑記憶去分析新到來的客人是誰，要學習新知識、結識新朋友，這就是我們開發的基于模糊神經網絡的管道泄漏監測報警定位系統。小信號的檢測使我們能及時得到管道運行中各種信息的變化，而模糊神經網絡系統則能從這種細微的變化中識別出泄漏信息，而網絡的自學習功能則使系統能zui大限度地適應各種管道環境條件，從而縮短了調試周期，增加了系統的可靠性和廣泛的適應性。
1.4.3.HKH系統的泄漏定位技術
HKH管道泄漏報警系統的定位綜合考慮了各種情況，從根本原理上講，和負壓力波法相似，也是一個已知時間和速度求路程的問題，只不過這種速度往往因各種環境和流體狀況而變，所以速度既不是平均速度也不是勻加速度運動，而是根據具體管道特性確定的數字模型。對于事件發生時刻的認識與以往的任何一種方法都不同，因為沒有閾值，這是憑經驗和知識估計、尋找出來的。比如，圖一中的a點，圖二中的c點，是我們用肉眼觀察出來的，這也是模糊神經網絡處理后的輸出結果，其特點是比人的速度快，比人工觀察選點更、更及時，它不是簡單的幾種模式識別能做到的，這就是人工智能的特點，所以，它的定位效果是的。
2. 系統工作原理
2.2.HKH人工智能系統的工作程序
為使讀者方便理解，我們這里說明一下這種人工智能系統的主要解題流程：
*步、對采集的數據進行預處理，剔除錯誤數據和其它干擾波；
第二步、積累經驗，分析管道運行的規律，提取各種特征；
第三步、把提取的特征輸送到定性分析神經網絡中，由該網絡分析識別是否發生了泄漏；
第四步、根據上述過程所得出的結果，再次進行檢查、驗證，如無誤則可確定事件發生的時刻；
第五步、根據管道輸油工況來分析確定管道上壓力波的傳播速度；
第六步、求出泄漏位置，進行報警。
仿古磚
鉗表 驗電筆 兆歐表 接地電阻測試儀 日本萬用