«Автоматизация и информатизация ТЭК»

Идентификация утечек на подземных и наземных трубопроводах методом максимального правдоподобия

УДК: 681.514:681.518.2:681.518.3:681.518.5
DOI: 10.33285/2782-604X-2023-4(597)-46-53

Авторы:

¹ МЦЭ-Инжиниринг, Москва, Россия
² Ксиматик, Москва, Россия
³ РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, Россия
⁴ Российский химико-технологический университет им. Д.И. Менделеева, Москва, Россия

Ключевые слова: беспроводные сенсорные сети, подземные трубопроводы, наземные трубопроводы, обнаружение утечек, отношение правдоподобия, проверка гипотезы

Аннотация:

Утечки в трубопроводах нефтегазовой промышленности представляют собой экономическую и экологическую проблему, которую необходимо обнаруживать на ранней стадии их возникновения. Беспроводные сенсорные сети (БСС) обнаружения утечек являются одной из технологий удаленного мониторинга инфраструктуры трубопроводов. Идея использования сенсорных узлов на трубопроводах обеспечивает эффективный и надежный мониторинг в режиме реального времени и высокую плотность покрытия на единицу площади поверхности трубопровода. В статье представлены концепция статистического анализа и эффективность обнаружения утечек при развертывании БСС на наземных и подземных трубопроводах. Подход к эффективному решению проблемы обнаружения утечек основан на статистическом анализе данных и тестовой проверке гипотезы критерием отношения правдоподобия, учитывающим соотношение сигнал/шум в двух вариантах прокладки трубопроводов – подземном и наземном, и имеет решающее значение для достоверной оценки обнаружения утечек. Пороговые значения, определяемые вероятностью обнаружения утечек, являются ключевым фактором высокой достоверности и эффективности обнаружения утечек в БСС.

Список литературы:

1. Golmohamadi M. Pipeline leak detection: Master of Science in Computer Engineering Thesis. – USA: Missouri University of Science and Technology, 2015. – IX, 51 p. – URL: https://scholarsmine.mst.edu/cgi/viewcontent.cgi?article=8396&context=masters_theses
2. Akyildiz I.F., Sun Zhi, Vuran M.C. Signal propagation techniques for wireless underground communication networks // Physical Communication. – 2009. – Vol. 2, Issue 3. – P. 167–183. – DOI: 10.1016/j.phycom.2009.03.004
3. Mathematical analysis of marine pipeline leakage monitoring system based on coherent OTDR with improved sensor length and sampling frequency / A.B. Pnev, A.A. Zhirnov, K.V. Stepanov [et al.] // J. of Physics: Conf. Series. – 2015. – Vol. 584. Int. Scientific Seminars on "Fundamental and Applied Problems of Photonics and Condensed Matter Physics", May 30 – June 27, 2014, Moscow, Russia. – DOI: 10.1088/1742-6596/584/1/012016
4. Xiaoqing Yu, Wengting Han, Zenglin Zhang. Survey on a novel wireless sensor network communication at 433 MHz frequency // Int. J. of u- and e- Service, Science and Technology. – 2015. – Vol. 8, No. 7. – P. 223–234. – DOI: 10.14257/ijunesst.2015.8.7.22
5. Boaz L., Kaijage S., Sinde R. Wireless Sensor Node for Gas Pipeline Leak Detection and Location // Int. J. of Computer Applications. – 2014. – Vol. 100, No. 18. – P. 29–33. – DOI: 10.5120/17627-8394
6. Penty R., Lee M. Keystone XL pipe shuns infrared sensors to detect leaks. – 2013. – URL: https://www.bloomberg.com/news/articles/2013-06-17/keystone-xl-pipeline-shuns-high-tech-oil-spill-detectors
7. Koskiahde J. Decentralized detection in realistic sensor networks: Master of Science in Technology Thesis. – School of Electrical Engineering, Aalto University, 2011. – VII, 54 p. – URL: http://lib.tkk.fi/Dipl/2011/urn100607.pdf
8. Johnson D. Introduction to detection theory. – URL: https://www.ece.iastate.edu/~namrata/EE527_Spring08/l5.pdf
9. Кобзарь А.И. Прикладная математическая статистика: для инженеров и науч. работников. – М.: Физматлит, 2006. – 816 с.
10. Taboga M. Maximum likelihood – hypothesis testing // StatLect: Digital textbook. – URL: https://www.statlect.com/fundamentals-of-statistics/maximum-likelihood-hypothesis-testing
11. Passerini A. Maximum-likelihood and Bayesian parameter estimation. – URL: https://disi.unitn.it/~passerini/teaching/2018-2019/MachineLearning/slides/06_07_bayesian_learning/talk.pdf
12. Özyurt D.B., Pike R.W. Theory and practice of simultaneous data reconciliation and gross error detection for chemical processes // Computers & Chemical Engineering. – 2004. – Vol. 28, Issue 3. – P. 381–402. – DOI: 10.1016/j.compchemeng.2003.07.001