طراحی سامانه هوشمند تشخیص نشت در خطوط لوله انتقال گاز با استفاده از ترکیب پردازش سیگنال و یادگیری عمیق

نشت در خطوط لوله انتقال گاز طبیعی یکی از مخاطرات جدی زیست محیطی، اقتصادی و ایمنی محسوب می شود. روش های سنتی تشخیص نشت نظیر موازنه جرم و امواج فشاری، به دلیل تاخیر زمانی بالا، خطای اندازه گیری و ناتوانی در تشخیص نشتی های کوچک، کارایی محدودی دارند. پژوهش حاضر با هدف طراحی یک سامانه هوشمند برای تشخیص سریع و دقیق نشت در خطوط لوله انتقال گاز، به ترکیب روش های پردازش سیگنال و یادگیری عمیق می پردازد. در این مطالعه، ابتدا با استفاده از شبیه سازی دینامیک سیالات محاسباتی CFD در نرم افزار ANSYS Fluent، یک خط لوله نمونه با سناریوهای مختلف نشتی (اندازه و موقعیت متفاوت) مدل سازی شده و داده های فشار، دما و دبی در نقاط مختلف خط لوله استخراج گردید. سپس با استفاده از تبدیل موجک گسسته DWT ویژگی های متمایزکننده سیگنال های فشار در حالت نشتی و بدون نشتی استخراج شد. در نهایت، یک شبکه عصبی کانولوشنی عمیق CNN برای طبقه بندی و تشخیص نشت و همچنین مکانیابی آن آموزش داده شد. نتایج ارزیابی نشان می دهد که سامانه پیشنهادی قادر به تشخیص نشت با دقت ۹۸.۵٪ و مکانیابی آن با خطای کمتر از ۵۰ متر در طول خط لوله ۱۰ کیلومتری است. این رویکرد ترکیبی می تواند به عنوان یک سامانه پایش بلادرنگ در مراکز کنترل SCADA مورد استفاده قرار گیرد و گامی موثر در جهت افزایش ایمنی و کاهش تلفات در صنعت انتقال گاز باشد.

کلیدواژه ها:

تشخیص نشت ، خطوط لوله انتقال گاز ، یادگیری عمیق ، شبکه عصبی کانولوشنی ، پردازش سیگنال