一种燃气管线相邻地下空间甲烷报警下燃气沼气识别方法

技术领域

本发明涉及燃气沼气识别技术领域，具体涉及一种燃气管线相邻地下空间甲烷报警下燃气沼气识别方法。

背景技术

随着城市化进程的不断加快，地下管网愈发密集。由于燃气的易燃易爆特性，一旦埋地燃气管线发生泄漏，已扩散到相邻地下管网空间聚集燃爆。在相邻地下空间内安装可燃气体监测设备，实时感知地下空间可燃气体聚集情况，可有效预警此类事故发生。地下空间甲烷产生途径有两种，一是由燃气泄漏聚集，二是井内沼气滋生，对应处置单位不同，因此需对地下空间报警进行燃气-沼气辨识。

现有技术中，公告号为CN111076096B的专利文件公开了一种燃气管网泄漏识别方法和装置，同时公开了通过针对燃气管网泄漏点的时空耦合特征，通过DBSCAN算法进行时空聚类分析来识别某一区域内的燃气泄漏风险，但是基于地下空间甲烷产生的途径不同，现有技术手段难以对甲烷是由于燃气泄漏聚集还是由井内沼气滋生产生进行辨识，基于辨识的结果采用不同的应急手段进行准确处理。

发明内容

本发明的目的在于提供一种燃气管线相邻地下空间甲烷报警下燃气沼气识别方法，解决以下技术问题：

基于地下空间甲烷产生的途径不同，现有技术手段难以对甲烷是由于燃气泄漏聚集还是由井内沼气滋生产生进行辨识，并且基于辨识的结果采用不同的应急手段进行准确处理。

本发明的目的可以通过以下技术方案实现：

一种燃气管线相邻地下空间甲烷报警下燃气沼气识别方法，包括如下步骤：

S101、获取燃气管线相邻地下空间甲烷浓度数据并进行预处理；

S102、基于预处理监测数据进行相关性分析，获取前三个最高振幅对应周期，并对潜在周期进行自相关性检验；

S103、基于得到的周期性特征进行燃气沼气识别；

S104、输出辨识结果。

优选的，在步骤S101中，甲烷浓度数据预处理方法，包括如下步骤：

数据获取：在获取数据时，获取报警点前十五天浓度时序数据df；

数据重采样：基于浓度上传周期不同，对浓度数据进行5min重采样；

补空值及去毛刺：对所有浓度为0或NAN的值，使用0.01统一替换，并进行移动平滑，形成浓度时序df2。

优选的，所述浓度时序数据df中数据包含时间以及报警浓度。

优选的，在步骤S102中，基于预处理监测数据进行相关性分析，包括如下步骤：

将df2采用seasonal decompose函数采用加法模型进行分解，获取其趋势性数据Tt、周期性St以及随机残差Rt；

去除df2中趋势性部分数据形成新数据集df3；

对df3进行傅里叶变换，获取前三个最高振幅对应周期，并对潜在周期进行自相关性检验。

优选的，所述新数据集df3由如下计算可得：

df2-Tt＝St+Rt＝df3。

优选的，在步骤S103中，基于得到的周期性特征进行燃气沼气识别，还包括如下识别方法：

分析上述三个周期任一个是否在288±12范围，若存在其自相关系数≥0.4，则燃气沼气辨识结果为沼气，否则进行下一步；

分别计算时序数据df3日、7日、15日浓度波动率标准差，计算方式如下：

基于波动率标准差进行识别。

优选的，识别方法如下：

若判定为非沼气，且df3日、7日、15日任一浓度传动率标准差≥0.3，燃气沼气辨识结果为燃气；

若df3日、7日、15日任一浓度传动率标准差＜0.3，燃气沼气辨识结果为疑似燃气。

优选的，所述波动率采用日报警浓度90分位及10分位数进行计算。

本发明的有益效果：

本发明通过对预处理监测数据进行相关性分析，获取前三个最高振幅对应周期，并对潜在周期进行自相关性检验，基于得到的周期性特征进行燃气沼气识别，分析三个周期中任一个是否在预设范围，根据其自相关系数进行燃气沼气结果判别，同时分别计算时序数据浓度波动率标准差，基于周期内任一浓度传动率标准差结果判断是否为燃气泄漏；

相较于现有DBSCAN算法进行时空聚类分析来识别某一区域内的燃气泄漏风险，本发明可以有效对泄漏甲烷的原因进行辨识，基于辨识的原因采用不同的应急手段进行准确处理，本发明所辨识结果可以有效提升燃气企业应急抢险效率，避免因频繁沼气报警而导致的人力资源浪费。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明一种燃气管线相邻地下空间甲烷报警下燃气沼气识别方法流程示意图；

图2是本发明测验例1数据示意图一；

图3是本发明测验例1数据示意图二；

图4是本发明测验例2数据示意图一；

图5是本发明测验例2数据示意图二。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种燃气管线相邻地下空间甲烷报警下燃气沼气识别方法，包括如下步骤：

S101、获取燃气管线相邻地下空间甲烷浓度数据并进行预处理；

S102、基于预处理监测数据进行相关性分析，获取前三个最高振幅对应周期，并对潜在周期进行自相关性检验；

S103、基于得到的周期性特征进行燃气沼气识别；

S104、输出辨识结果。

具体的，在步骤S101中，甲烷浓度数据预处理，还包括如下步骤：

S1011、数据获取：在获取数据时，获取报警点前十五天浓度时序数据df，数据包含时间以及报警浓度；

S1012、数据重采样：基于浓度上传周期不同，对浓度数据进行5min重采样；

S1013、补空值及去毛刺：对所有浓度为0或NAN(Not a Number，非数)，使用0.01统一替换，并进行移动平滑，形成浓度时序df2；

可以说明的是，可以在报警点处均布设置浓度监测器，在浓度监测器检测到相应报警点的泄漏浓度数据后，可以同时获取检测时间，作为时间数据，并获取报警点的位置信息，例如城建坐标或北斗经纬度坐标等经纬度信息，作为空间数据。

在步骤S102中，基于预处理监测数据进行相关性分析，还包括如下步骤：

S1021、将df2采用seasonal decompose函数(时间序列分解函数)采用“addditive”(加法模型)进行分解，获取其趋势性数据Tt、周期性St以及随机残差Rt；

S1022、去除df2中趋势性部分数据形成新数据集df3，即df2-Tt＝St+Rt＝df3；

S1023、对df3进行傅里叶变换，获取前三个最高振幅对应周期，并对潜在周期进行自相关性检验。

在步骤S103中，基于得到的周期性特征进行燃气沼气识别，还包括如下识别方法：

S1031、分析上述三个周期任一个是否在288±12范围，若存在其自相关系数≥0.4，则燃气沼气辨识结果为沼气，否则进行下一步；

S1032、分别计算时序数据df3日、7日、15日浓度波动率标准差，波动率采用日报警浓度90分位及10分位数进行计算，计算方式如下：

S1033，若判定为非沼气，且df3日、7日、15日任一浓度传动率标准差≥0.3，燃气沼气辨识结果为燃气；

若df3日、7日、15日任一浓度传动率标准差＜0.3，燃气沼气辨识结果为疑似燃气。

测验例1、请参阅图2-图3：

运算结果：

平滑后数据周期分析：

lag：1344fft acf：-0.03896712208835757

lag：2016fft acf：0.12107040604389371

去除趋势数据后周期分析：

-trendlag：403fft acf：0.2610323940876531

-trendlag：212fft acf：0.12451553612450963

3天波动率标准差std 0.158804

7天波动率标准差std 0.247528

15天波动率标准差std 0.318501

综上可得、数据不存在一天为单位(288)的较好波动周期，潜在波动周期自相关系数较低；3天、7天波动率标准差小于0.30，15日波动率标准差大于0.3；结果燃气泄漏，与现场核验结果一致；

测验例2、请参阅图4-图5：

运算结果：

平滑后数据周期分析：

Lag：2145fft acf：-0.26977777745287485

Lag：4290fft acf：0.000127970462888943

去除趋势数据后周期分析：

-trendlag：268fft acf：0.5362933559160494

-trendlag：286fft acf：0.629435643494256

3天波动率标准差std 0.452124

7天波动率标准差std 0.272809

15天波动率标准差std 0.315697

综上可得、去除趋势性数据存在一天为单位波动周期且自相关系数较高；结果为沼气聚集，与现场核验结果一致。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。