Détection des fuites dans les pipelines à l’aide de capteurs industriels pour une fabrication durable

Les pipelines sont la méthode la plus efficace pour transférer des fluides tels que le pétrole, l’eau et le gaz naturel sur de longues distances.

Les fuites dans les pipelines peuvent dévaster la productivité industrielle, l’environnement et la réputation de l’entreprise. Une inspection régulière des pipelines assure la sécurité et la protection des ressources et évite les pertes économiques. Il est donc nécessaire d’investir dans des systèmes de détection de fuites. De tels systèmes impliquent des investissements coûteux et les exigences d’exploitation dictent le choix de la technique la plus rentable. Cet article traite de la détection des fuites dans les pipelines à l’aide d’une combinaison de capteurs piézoélectriques, de capteurs de débit et de capteurs de pression fixés à un tuyau.
La figure 1 illustre les avantages de la détection des fuites.

Figure 1 : Avantages de la détection des fuites

Système de détection des fuites et sa structure

En raison d’une fuite, une installation de pipeline s’écarte de ses modèles d’exploitation standard. Cette approche informatique de détection des fuites imite un opérateur humain qualifié et expérimenté qui peut identifier une fuite avec des données acquises à partir de quelques capteurs intégrés dans l’installation. L’opérateur humain peut remarquer de multiples relations entre les lectures du capteur pendant les opérations.

Figure 2 : Structure du système de détection des fuites

Preuves multiples

Le système de détection des fuites comporte de nombreux algorithmes informatiques, ou marqueurs, pour imiter l’approche de l’opérateur humain. Chaque marqueur capture de manière unique le comportement de l’installation en produisant une valeur unique (par échantillon de mesure) qui reflète l’état de l’installation. Ces marqueurs maintiennent la variation de cette valeur à un niveau bas pendant les opérations d’installation standard (sans fuite). Cependant, en cas de fuite, il y aura une augmentation notable de la valeur de sortie.

La figure 2 montre la structure du système. Ce concept s’applique à divers ensembles de signaux d’entrée. Les entrées suivantes étaient présentes dans l’installation sur laquelle le système a été testé.

• Pression du fluide diélectrique
• Valeur du courant électrique
• Pression de gaz dans les réservoirs d’égalisation (deux capteurs, un par réservoir)
• Température de surface extérieure du tuyau (deux capteurs),
• Température du sol
• Horodatage de l’échantillon de mesure

Tous les capteurs ont fourni leurs mesures individuelles et respectives chaque minute.

Prétraitement

Les données de mesure doivent passer par une étape de prétraitement avant de pouvoir être utilisées comme valeurs pour les marqueurs. Cette étape de prétraitement a deux objectifs :

• Détecter les opérations de la pompe de pressurisation et de la soupape de décharge
• Détecter tout changement anormal du courant électrique et des températures des tuyaux

Il est nécessaire de détecter comment fonctionnent les pompes et les vannes, car elles introduisent des distorsions considérables dans les mesures de pression. Pour certains marqueurs, une compensation doit être appliquée pour ces distorsions avant de pouvoir recevoir des données. Autrement, le système doit informer les marqueurs que la pression peut influencer un échantillon spécifique. Les opérations de pompage utilisent la première approche (compensatoire) et les opérations de vanne utilisent la seconde. Le traitement de ces opérations est différent, car les opérations de pompage sont beaucoup plus faciles à détecter et à délimiter dans la mesure où elles introduisent des distorsions beaucoup plus importantes. À l’inverse, un marqueur utilise les opérations de pompage pour indiquer l’état de l’installation. Pour cela, la détection sur la pompe avec marqueur offre les données d’entrée requises.

Il est essentiel de détecter les variations anormales de la température de la canalisation et du courant électrique, car le module décisionnel reçoit cette information et peut par conséquent altérer (généralement plus faiblement) la confiance dans la présence d’une fuite. En d’autres termes, le détecteur placera des valeurs élevées reçues par les marqueurs en tant que conditions externes anormales et ignorera une fuite de fluide.

Marqueurs

Le système utilise des marqueurs basés sur des réseaux neuronaux. Ces marqueurs fonctionnent avec l’hypothèse selon laquelle en l’absence de fuite, il est possible de calculer la valeur approximative d’une quantité mesurable sélectionnée xk pour l’instant précis t. Cette valeur xk(t) est déterminée en fonction de toutes les quantités mesurables auxquelles le système accède : actuelles, passées et futures (à l’exclusion de la valeur xk(t) elle-même). En d’autres termes, x = [x1, x2, ., xN], soit l’ensemble de tous les signaux disponibles à l’exclusion de xk. On suppose l’existence d’une fonction f de la forme.
x_k (t)≈f(x(t-∞),….<x(t-1),(x_k ) ̂(t),x(t+1),….,x(t+∞))

Puisqu’il n’est pas possible d’obtenir des échantillons à partir d’instants allant de – à +, nous utilisons à la place la fonction g de la forme :

x_k (t)≈g(x(t-a),….<x(t-1),(x_k ) ̂(t),x(t+1),….,x(t+b))

Le réseau neuronal, dans ce cas, essaie de deviner la fonction g. L’avantage de cette solution est que la forme analytique de g peut rester inconnue. Une procédure d’apprentissage basée sur des données historiques permet d’obtenir une approximation réussie. Un autre avantage est que vous pouvez réajuster la fonction aux conditions changeantes de l’installation en effectuant périodiquement des procédures d’apprentissage.

Méthodes de détection des fuites dans un tuyau

Figure 3 : Système de détection des fuites dans un pipeline

Vous pouvez utiliser des capteurs de vibration, de débit et de pression pour détecter les fuites d’eau. Ces capteurs collectent des données en détectant les vibrations, le débit et la pression de l’eau qui coule. Un contrôleur reçoit ces données collectées que le système télécharge ensuite dans le cloud. Un modèle basé sur un réseau neuronal artificiel analyse les données stockées. Les résultats de l’analyse ANN peuvent aider à créer une application minimaliste pour détecter les fuites. L’organigramme de la figure 4 fournit un aperçu :

Figure 4 : Un aperçu du processus de détection des fuites

Discussion

Deux types de données concernant le débit d’eau sont à l’étude : les données de débit pour un système de tuyauterie sans fuite et l’autre avec un événement de fuite. La mesure de la distribution des données est indiquée en litres par minute (l/min). Le système de pipeline sans fuite permet à l’eau de s’écouler sans entrave et génère plus de données de débit que le système avec fuite. L’absence de fuites permet à l’eau de s’écouler sans être gênée par des changements de vitesse d’écoulement (V). En cas de fuite, l’eau s’écoulerait hors du tuyau, affectant la vitesse d’écoulement. Le débit d’eau est plus lent en cas de fuite dans le pipeline. La définition du débit (Q) est le volume (v) de fluide passant par un endroit à travers une zone pendant une période de temps (t). La valeur du débit (Q) diminue si la vitesse de l’eau diminue. 𝑄 = 𝑣 𝑡

Vibration

Les données sur les vibrations des systèmes de pipeline avec fuites et ceux sans fuites présentent des différences significatives. Les fuites produisent de grandes quantités de données sur les vibrations. Le tuyau produit une force qui se traduit par un écoulement incontrôlé de l’eau à l’extérieur du tuyau, générant de grandes quantités de données. Dans les pipelines sans fuites, des vibrations se produisent. Cependant, elles sont négligeables par rapport aux lectures de vibrations sur le système de pipeline avec fuites.

Pression

La lecture des données de pression du système de pipeline avec une fuite offre une valeur inférieure aux données de pression pour les systèmes de pipeline sans fuite. La lecture inférieure est due à la diminution de la pression dans le système de pipeline en raison d’une fuite.

Sortie de liquide

La différence de volume d’écoulement d’eau à travers le pipeline entraîne des résultats de sortie de liquide à gradient différents. La sortie pour l’absence de fuite dans le système de pipeline est plus serrée que les résultats pour les événements de fuite dans le système de pipeline. Une fuite provoque un écoulement d’eau vers l’extérieur, entraînant une perte de volume d’eau à l’intérieur du pipeline .

Farnell s’est associé à de nombreux fournisseurs différents pour offrir un large éventail de produits et de solutions de capteurs industriels et de composants de connecteurs de capteur, tels que des capteurs de courant, des capteurs environnementaux, des capteurs de débit, des capteurs de lumière, des capteurs magnétiques, des capteurs de niveau de liquide, des détecteurs de mouvement et capteurs de position, des capteurs de particules, des capteurs de pression et transducteurs, des capteurs de température, des Capteurs à ultrasons et des capteurs de vibrations et de chocs. Farnell est disponible pour l’exécution de la conception, son développement et ses projets.