基于卷积长短期记忆网络的泄漏监测算法研究

作者：韩佳豪; 陈小华; 姜海斌; 李霖; 李振; 张皓; 赵涓涓^*

来源：太原理工大学学报, 2022, 53(05): 924-932.

DOI：10.16355/j.cnki.issn1007-9432tyut.2022.05.018

• 长输管道泄漏监测
• 卷积神经网络
• 长短期记忆神经网络
• 压力坡降线

针对长距离输送管道的应用中，沿线参数无法逐点测量，采用显式数学模型的方法并不完全能获得全部准确数值，提出一种基于卷积长短期记忆网络(CNN-LSTM)的流量预测方法。该方法使用CNN网络拟合空间特征，LSTM探索时间特征。采用从实际运行管道中收集的真实数据训练出对应的深度学习模型，从而可根据沿线压力梯度预测流量，误差范围为0.3%～0.7%管道输量。将该模型用于泄漏监测，可以通过连续监测预测与实际流量之间的偏差发现管道泄漏。确定泄漏点位置时采用了基于相关压力点之间曲线距离算法。在实际管道上的现场测试表明，新算法不仅稳定有效，而且在管道设备运行过程中不会产生错误报警。

• 单位
  太原理工大学