一种基于时序分析的压力管道损伤预测方法技术

本发明专利技术涉及一种基于时序分析的压力管道损伤预测方法。本发明专利技术首先计算监测应力值的一阶差分，通过提取平稳性信息，结合自回归滑动平均时序分析ARMA模型预测未来若干天周期内的应力值差分，进而计算出未来若干天周期内的应力值，最后通过加权移动平均法(EWMA)分析预测应力值的发展趋势，以进行损伤预警。本发明专利技术可以实现对在运行管道进行实时预警，具有预警及时、准确的特点，这为管道长周期安全运行提供了技术支撑。

A damage prediction method of pressure pipeline based on time series analysis

The invention relates to a pressure pipeline damage prediction method based on time sequence analysis. Firstly, the first-order difference of monitoring stress value is calculated, and then the ARMA model is combined with autoregressive moving average time series to predict the difference of stress value in future days, and then the stress value in future days is calculated. Finally, the weighted moving average method (EWMA) is used to analyze and predict the development trend of stress value for damage early warning. The invention can realize the real-time early warning of the pipeline in operation, and has the characteristics of timely and accurate early warning, which provides the technical support for the long-term safe operation of the pipeline.

【技术实现步骤摘要】
一种基于时序分析的压力管道损伤预测方法
本专利技术属于流程工业安全运行保障
，具体是涉及一种基于时序分析的压力管道损伤预测方法。
技术介绍
压力管道是流程工业中的重要组成部分，其安全运行水平直接决定了石化企业的安全运行水平。随着石化企业规模的扩大，常规检测手段的局限性也日益明显，比如：日常消耗人力太多，特殊位置具有一定危险性，容易存在检测死角；针对设备安全评价只能基于停机状态下的测试数据，无法反映服役状态下的真实情况，无法对在役设备结构状态进行实时检测，两次检测期间是否安全只能根据之前的检测结果预估，但这种预估常常由于管线运行环境中许多不确定因素的影响而出现很大误差。为了保障其安全运行水平，国内外研究学者提出对管道应力状态进行实时监测，认为监测值超出应力阈值时管道发生损伤。实际工程应用中，各位置损伤发展趋势不同，一旦超出应力阈值后，损伤趋势发展过快往往导致来不及准备应急预案。公开资料显示相关研究学者通过自回归滑动平均时序分析方法(ARMA(p,q))基于监测数据预测未来应力值，但是管道工况变化引起的应力值平稳性波动，将导致预测值失真。
技术实现思路
为了解决上述技术问题，本专利技术提供一种基于时序分析的压力管道损伤预测方法。该方法为管道长周期安全运行提供技术支撑。为了实现本专利技术的目的，本专利技术采用了以下技术方案：一种基于时序分析的压力管道损伤预测方法，包括以下步骤：步骤1，通过传感器单元得到压力管道应力值，所述应力值采集频率为f次/天；步骤2，在时间历程M天中积累的应力值序列记作：{τt}＝{τ1,τ2,...,τM×f}(1)假设所述应力值序列为准稳态序列，即所述应力值围绕某一恒定值小范围波动，其波动幅值符合正态分布；步骤3，通过时序分析得到未来N天压力管道的应力值；步骤3-1，基于差分法提取平稳性信息；选择一阶差分提取监测应力值趋势的平稳性信息，得到零均值平稳随机应力差分序列，如下：{Δτt}＝{Δτ2,Δτ3,…ΔτM×f}(2)式(2)中，Δτt＝τt-τt-1，其中t＝2,3,…,M×f；步骤3-2，应力差分序列{Δτt}自回归滑动平均时序分析ARMA(p,q)模型参数估计；应力差分序列{Δτt}内部数据关系用ARMA(p,q)模型表示为：式(3)式中称为自回归模型参数；θ1，θ2，…，θq称为滑动平均模型参数；式(3)中at-1，at-2，…，at-q称为前q步干扰项，相互独立且服从均值为0，所述at-1，at-2，…，at-q符合方差为的正态分布，记作：式(4)中i＝t-q,…,t-2,t-1,t步骤3-3，确定自回归滑动平均时序分析ARMA(p,q)模型阶数；对式(3)两侧各乘以Δτt-k并求数学期望，得到：式中：Rk＝E[ΔτtΔτt-k]，Ri-k＝E[Δτt-iΔτt-k]，且：因为Rk为偶函数，所以当取k＝q+1,q+2,…,q+p，利用式(6)性质，将式(5)展开后获得：根据式(7)得到如下矩阵：通过式(8)即可求得自回归模型参数将所述自回归模型参数带入式(5)，同时取k＝0,1,2,…,q，并利用式(6)性质得到以下方程：式(9)中：通过式(9)中即可求出滑动平均模型参数θ1，θ2，…，θq；步骤3-4，确定自回归滑动平均时序分析ARMA(p,q)模型阶数；采用信息准则提取序列{Δτt}中最大信息量，信息准则函数为：对于管道结构选择p,q＜5，计算p,q所有组合的值，取使得AIC(p,q)值最小的p,q组合为ARMA(p,q)模型阶数；步骤3-5，计算出未来N天应力值：确定ARMA(p,q)模型阶数后，即可计算未来N天应力值，步骤如下：计算未来N天应力差分，利用式(3)，取t＝M×f+1,M×f+2,…,(M+1)×f得到未来1天f个应力差分如下：利用同样方法，则可以得到未来N天应力差分，结合式(2)构建应力差分序列进一步求得应力序列对于管道结构，为了保障求解精度，一般取M≤100，N≤20；步骤4，通过加权移动平均法(EWMA)分析应力发展趋势：前M天应力值的期望μ和方差σ2用最大似然估计表示为：对应力序列{τt}做加权移动平均分析，序列中第i个应力值的控制变量表示为：式(17)中，取Z0＝μ，λ为平滑参数，且0＜λ＜1，对于管线结构，一般直管取λ＝0.6；根据EWMA控制图统计量分布特点，可以求得其统计特征，控制变量Zi的期望：式(20)中：控制变量Zi的方差为：根据前M天应力值，求得EWMA控制图的控制限为：其中UCL为控制上限，LCL为控制下限；步骤5，损伤预警：按照式(17)计算未来N天中应力值的控制变量Zi值的发展趋势，当控制变量Zi值逐渐偏离且超过控制限时，则认为未来N天将发生损伤；当发展趋势在上述控制限内，认为损伤没有发生，此时更新应力时间历程数据序列为：{τt}＝{τf+1,...,τM×f,...,τ(M+1)×f-1,τ(M+1)×f}(23)重复步骤3、4，继续对未来N天中应力值的控制变量Zi发展趋势进行判断。本专利技术的有益效果在于：本专利技术首先计算监测应力值的一阶差分，通过提取平稳性信息，结合自回归滑动平均时序分析ARMA模型预测未来若干天周期内的应力值差分，进而计算出未来若干天周期内的应力值，最后通过加权移动平均法(EWMA)分析预测应力值的发展趋势，以进行损伤预警。本专利技术可以实现对在运行管道进行实时预警，具有预警及时、准确的特点，这为管道长周期安全运行提供了技术支撑。附图说明图1为前70天应力时程曲线。图2为前70天应力差分时程曲线。图3为前70天应力与未来15天预测应力的差分时程曲线。图4为前70天应力与未来15天预测应力的时程曲线。图5为前70天应力与未来15天预测应力的控制变量趋势曲线。图6为1025天后未来15天预测应力的控制变量趋势曲线。具体实施方式下面结合实施例对本专利技术技术方案做出更为具体的说明：一种基于时序分析的压力管道损伤预测方法，包括以下步骤：步骤1，通过传感器单元得到压力管道应力值，所述应力值采集频率为f＝2次/天；步骤2，在时间历程70天中积累的应力值序列记作：{τt}＝{τ1,τ2,…τ140}(1)上述应力值序时间历程曲线如图1所示；假设所述应力值序列为准稳态序列，即所述应力值围绕某一恒定值小范围波动，其波动幅值符合正态分布，上述应力值序时间历程曲线如图1本文档来自技高网...

【技术保护点】
1.一种基于时序分析的压力管道损伤预测方法，其特征在于包括以下步骤：/n步骤1，通过传感器单元得到压力管道应力值，所述应力值采集频率为f次/天；/n步骤2，在时间历程M天中积累的应力值序列记作：/n{τ

【技术特征摘要】
1.一种基于时序分析的压力管道损伤预测方法，其特征在于包括以下步骤：
步骤1，通过传感器单元得到压力管道应力值，所述应力值采集频率为f次/天；
步骤2，在时间历程M天中积累的应力值序列记作：
{τt}＝{τ1,τ2,...,τM×f}(1)
假设所述应力值序列为准稳态序列，即所述应力值围绕某一恒定值小范围波动，其波动幅值符合正态分布；
步骤3，通过时序分析得到未来N天压力管道的应力值；
步骤3-1，基于差分法提取平稳性信息；
选择一阶差分提取监测应力值趋势的平稳性信息，得到零均值平稳随机应力差分序列，如下：
{Δτt}＝{Δτ2,Δτ3,…ΔτM×f}(2)
式(2)中，Δτt＝τt-τt-1，其中t＝2,3,…,M×f；
步骤3-2，应力差分序列{Δτt}自回归滑动平均时序分析ARMA(p,q)模型参数估计；
应力差分序列{Δτt}内部数据关系用ARMA(p,q)模型表示为：



式(3)式中称为自回归模型参数；θ1，θ2，…，θq称为滑动平均模型参数；
式(3)中at-1，at-2，…，at-q称为前q步干扰项，相互独立且服从均值为0，所述at-1，at-2，…，at-q符合方差为的正态分布，记作：



式(4)中i＝t-q,…,t-2,t-1,t
步骤3-3，确定自回归滑动平均时序分析ARMA(p,q)模型阶数；
对式(3)两侧各乘以Δτt-k并求数学期望，得到：



式中：Rk＝E[ΔτtΔτt-k]，Ri-k＝E[Δτt-iΔτt-k]，且：



因为Rk为偶函数，所以当取k＝q+1,q+2,…,q+p，利用式(6)性质，将式(5)展开后获得：



根据式(7)得到如下矩阵：



通过式(8)即可求得自回归模型参数
将所述自回归模型参数带入式(5)，同时取k＝0,1,2,…,q，并利用式(6)性质得到以下方程：



式(9)中：



通过式(9)中即可求出滑动平均模型参数θ1，θ2，…，θq；

【专利技术属性】
技术研发人员：乔松，陈学东，王冰，薛吉林，朱建新，吕宝林，方向荣，亢海洲，袁文彬，庄力健，
申请(专利权)人：合肥通用机械研究院有限公司，合肥通用机械研究院特种设备检验站有限公司，
类型：发明
国别省市：安徽;34