基于数字滤波算法的智能压力变送器管道运行监控

摘要：智能压力变送器管道中运行压力是反映管道运行状态的重要参数，随着生产现场信息化程度不断提高，信息处理技术也广泛用于智能压力变送器管道运行管理。为了有效解决压力监控报警限值与实际运行的测量数据有较宽幅度的差值，对在差值范围内出现的异常情况因不报警、不易及时发现而导致处置延误等问题开展分析研究。根据智能压力变送器管道运行压力的数据特性，以数字滤波算法为基础对其采集的实时数据进行大数据分析处理，结合测量不确定度评定方法，建立压力的动态趋势模型，用所选测量点的历史数据验证动态趋势模型建立的方法和符合率；利用动态趋势模型进行管道输送实时监控，以提高管道运行压力预警的灵敏度和准确性，推进管道运行管理向程控化、智能化发展。

 

智能压力变送器管道中运行压力是反映管道运行状态的重要参数，也是天然气生产运营过程监控的重要参数，其测量数据直接反映该测量点压力系统的运行状态[1]。天然气压力测量仪表经历了机械式指针仪表测量、数显式仪表测量等不同发展阶段。随着工业自动化技术的发展，压力测量仪表采用了传感器技术、电子技术和嵌入计算机芯片等技术。核心压力传感器以硅材料为基础，采用微米级的微机械加工技术和大规模集成电路工艺，逐步向智能总线式数字压力测量发展。

工业的信息化、智能化已经成为发展的必然方向，随着传感器技术、通信技术和计算机技术融合，使获取天然气压力测量数据方式由系统自动采集、储存、显示替代了原始的抄表和纸质记录保存，促进了信息处理技术广泛应用于天然气生产管理。

 

1压力测量现状

目前天然气站场主要采用机械式指针仪表（压力表）、数显式仪表（压力传感器、压力变送器、数字压力计）对生产过程中的压力参数进行测量和控制[2]，差压变送器主要用于差压式流量计中差压的测量。

生产现场常将SCADA、DCS、DCC等配套系统用于从井口到终端用户的监控，在这些监控系统中，压力报警设置多采用设计压力的限值[3]。随着投运时间变化，根据压力设备检测结果，压力报警设置采用同一压力系统各压力设备中#低的额定工作压力为限值。这些限值与实际运行的测量数据有较宽幅度的差值（图1）。为了有效解决在差值范围内出现的异常情况因不报警、不易及时发现而导致处置延误等问题，开展了压力测量数据动态趋势方面的分析研究。

 

 

2数据分析处理与模型建立

通过对各类压力测量数据的收集、梳理和分析，发现各个压力测量点的数据皆有一定的运行规律和趋势。选择合适的数据整合算法，对压力测量原始数据进行分类处理，建立压力动态趋势模型。

2.1确定数据算法根据参数特性[4]所收集的数字滤波算法共计11种：限幅滤波法、中位值滤波法、算术平均滤波法、递推平均滤波法、中位值平均滤波法、限幅平均滤波法、一阶滞后滤波法、加权递推平均滤波法、消抖滤波法、限幅消抖滤波法、IIR数字滤波法。

（1）特性筛选。根据11种数据处理方法的特性分析[5]、数据处理策略，初步排除了限幅滤波法、中位值滤波法、中位值平均滤波法、限幅平均滤波法。这4种分析方法不适合同步处理在不同量程区间的数据，而且计算结果与实际趋势差异较大。依据相关性函数以及不相关参数函数定量研究原理[3]，一阶滞后滤波法、消抖滤波法、限幅消抖滤波法、IIR数字滤波法因其本身的干扰和变化无规律而排除。

（2）拟合性验证。经过特性筛选和适应性模拟运算，从中选出算术平均滤波法、递推平均滤波法、加权递推平均滤波法进行拟合性实验。以上3种方法实际上都是基于平均滤波法[6]而来，使用平均滤波法可以去除非规律性的偶然极值情况，对趋势分析很有帮助。

根据各测量点压力数据的分类情况，选用民用气差压式流量计计量点中波动较大的差压数据作为基础数据进行研究。该测量点采用差压变送器进行测量，现场为本安型安装，配套设备涉及浪涌保护器、隔离式安全栅（同时提供现场压力变送器电源）、A/D数模转换模块等。

 

由图2可知，使用加权递推平均滤波法（数据周期N=5）时，分析后得到平滑的趋势图像，但得到的数据对趋势的拟合作出了很大的限幅，它相对原始数据完全无拟合。

 

 

由图3可知，使用算术平均滤波法（数据周期N=5）时，由于其计算原理，它的趋势比原始数据的实际趋势滞后；且经过其方法处理得到的数据存在较大干扰，与原始数据的拟合度较低，甚至超出了实际数据的范围。当N=5时，算术平均滤波曲线与原始数据曲线相比，其拟合性不如递推平均滤波曲线与原始数据曲线的拟合性，且递推平均滤波曲线对原始数据曲线的波动趋势有预判。

2.2测量的不确定度评定压力测量数据其合成不确定度分量[7]由测量仪器本身的不确定度和数据传输过程中信号转换的不确定度组成，它包含差压变送器不确定度分量、隔离式安全栅不确定度分量、A/D数模转换模块不确定度分量。通过不确定度评定，将对应不确定度影响纳入趋势模型计算。

 

2.3建立动态趋势模型

采集预设周期内的压力测量原始数据，通过递推平均滤波法对该天然气测量数据进行处理，得到其测量数据的趋势曲线；对多个周期内的多条同类型的趋势曲线进行叠加，得到天然气测量数据的趋势曲线带。应用极值法趋势曲线形成上轨线和下轨线，上轨线与下轨线间的区域即为建立的动态趋势模型[8]，在该动态趋势模型中的数值范围加入测量的扩展不确定度即为该运行参数的标准范围。

 

3模型应用与评价

根据上述设计建立压力的动态趋势模型，并将其应用在相关场站及管线进行验证。

3.1验证动态趋势模型建立方法

（1）递推平均滤波法处理测量原始数据。以压力数据为例，设定采集时段（如1天24h，某日00:00至次日00:00，每分钟取1个数据，1天共1440个数据）内的压力测量数据，按照式（1）进行处理。压力根据监控点的位置及用途不同，压力波动情况也不同，如外销用户交接用压力测量，其数据处理周期N可选择为12及以上；流体温度相对稳定，其数据处理周期N可选择为4及以上。

 

 

式中：pi为递推平均滤波法处理后的压力值，kPa；pi为采集的第i个压力数据（即第i分钟的压力数据）；n为整数，1≤n≤1440；N为数据处理周期内数据的数量，整数。

（2）分析周期内采集时段数据[9]。将一定周期（如某月30天或更多的天数）数据，以时间为坐标进行比较分析，发现其变化规律。用区域极限求值法计算出上、下限值，形成测量值的趋势带，如图4所示。

 

 

（3）扩展不确定度。该压力测量点使用准确度为0.2%的压力变送器作为压力测量仪器，由此引出的不确定度分量按均匀分布计算：u1=0.12%；数据传输过程中信号转换的不确定度由准确度为0.1%的隔离式安全栅和准确度为0.1%的A/D数模转换模块组成，由此引出的不确定度分量按均匀分布计算：u2=0.06%，u3=0.06%；因为不确定度分量均不相关，其合成标准不确定度ur=0.15%，其扩展不确定度ur=0.30%，包含概率P=95%，k=2。

在所述动态趋势模型中的数值范围加入测量的扩展不确定度即为所述运行参数的标准范围，如图5所示。

 

 

3.2实际应用及效果

选择不同性质的压力测量点进行采集和建模，实际验证压力动态趋势模型的拟合性和预判性[7]。

（1）集输管网压力。选择某站X线进气压力测量点进行实际验证，由于该点属集输管网压力测量，压力平稳且波动较小，验证其动态趋势模型的拟合性和预判性。

建立动态趋势模型，由站场工作人员提供正常运行日期作为目标日期进行验证。以2016年4月1日到4月20日的出站压力数据为模型限值趋势带基础，随机选择4月8日数据进行验证。如图6所示，红色为进气压力在该时段运行的上轨线，绿色为下轨线，紫色为诊断目标4月8日的压力实时曲线。通过计算，其包含概率为97.7%，符合模型建立包含概率（95%）的预设。

 

 

 

由图6可知，该测量点压力较为稳定，红色上轨线及绿色下轨线间趋势带宽窄应较均匀；但绿色下轨线08:00至09:00左右宽窄变化不定，有管线放空迹象（见图中虚线框部分）；在14:00至17:00左右宽窄变化不定，有压力回零及压力回升异常状态，根据趋势提示判断，该时段有工艺流程倒换迹象。经核实作为基础数据的4月5日，上、下轨线间趋势带宽窄变化不定时段正在进行清管作业。

（2）民用气出站压力。选择某站南区供气点进行实际验证，由于该供气点属民用气，涉及用气峰谷波动较大，能更好地验证动态趋势模型的拟合性和预判性。

建立动态趋势模型，由站场工作人员提供正常运行日期作为目标日期进行验证。以2016年3月1日到3月20日的出站压力数据为模型限值趋势带基础，随机选择3月5日数据进行验证。如图7所示，红色为某站南区用户出站压力在该时段运行的上轨线，绿色为下轨线，紫色为诊断目标3月5日的压力实时曲线。通过计算，其包含概率为98.9%，符合模型建立包含概率（95%）的预设。

 

 

由图 7 可知，结合用户用气情况，监控点 00:00到 06:00压力较为稳定，红色上轨线及绿色下轨线间趋势带较窄；06:00以后直至 22:00压力波动较大，红色上轨线及绿色下轨线间趋势带也随之宽窄变化不定。其间11:20左右运行压力超过红色上轨线出现报警（见图7虚线框部分）。经核实该时段正在进行调压作业。

（3）与其他系统信息兼容。选择某站1套差压式流量计差压测量点进行实际验证。如图8所示，2018年5月1日14:00左右出现报警（实时曲线回零，实时概率为90.9%，低于95%），由于该测量点数据参与流量计算，与站场流量计算机系统联动，以时间为坐标同步提取黑匣子记录，获得差压回零时段值班员“王建”“操作孔板”的信息。

综上所述，压力动态趋势模型以实际测量数据为基础，其上轨线及下轨线较该监控点管线额定压力的报警值更贴近实际运行情况，试验证明实际运行情况与压力动态趋势模型的符合率较高，能及时发现运行异常，大大提高了压力测控点预判的灵敏度和准确性[10]。

4结论

（1）利用数字滤波算法作为数据分析基础建立动态趋势模型的新技术，可对压力测量点进行实时监控，这种动态趋势模型由#新测量数据采集周期实时形成，预设其包含概率为95%以上。试验证明动态趋势模型的符合率较高，可大大提高压力监控预警的灵敏度和准确性，及时发现异常情况，及时作出干预处理。

（2）借助“两化”融合，与其他生产管理部门协同，将动态趋势技术与自动控制调节、安全联动等技术相结合，可延展至天然气温度、流量等重要参数的监控，提高天然气生产运行管控综合水平，进一步完善预警机制，推进天然气生产运行管理向程控化、智能化发展。