طراحی سیستم تشخیص نشتی خطوط لوله با استفاده از شبکه عصبی بر روی بستر اسکادای شرکت ملی نفت ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی برق، دانشکده مهندسی، دانشگاه آزاد اسلامی، مرودشت

2 مرکز مانیتورینگ شرکت ملی نفت ایران

3 عضو هیات علمی ، پژوهشگاه صنعت نفت، تهران، ایران

4 گروه مهندسی برق، دانشگاه آزاد اسلامی مرودشت

چکیده

وقوع نشتی در خطوط انتقال نفت و گاز ممکن است باعث مشکلات جدی از قبیل انفجارها، آلودگی محیط زیست و از بین رفتن انرژی و منابع مالی گردد. به منظور جلوگیری از بروز این اتفاقات یا کاهش تلفات آنها، تشخیص زود هنگام نشتی در خطوط لوله‌ از اهمیت بالایی برخوردار است. برای این منظور می توان از یک ماژول تشخیص نشتی که بر روی زیرساخت یک سیستم اسکادا قرار گرفته است استفاده نمود. در این مقاله ابتدا با استفاده از نرم افزار الگا نشتی های با سایز های مختلف و در فواصل متفاوت را بر روی یک خط لوله انتقال نفت شبیه سازی مینماییم. پس از آن خروجی داده های شبیه ساز الگا را که شامل فشار و جریان نقاط مختلف خط لوله میباشند را با کمک ابزار Power Query و Dax Studio جهت تحلیل آماده سازی می نماییم. در ادامه داده ها به نرم افزار متلب وارد میشوند و شبکه عصبی مصنوعی به منظور شناسایی اندازه و محل نشتی طراحی گردیده و آموزش داده می شود. در نهایت این ماژول به عنوان همتای دیجیتالی از آن خط لوله بر روی سیستم اسکادا قرار خواهد گرفت و با استفاده از پروتکل های متداول صنعتی به صورت برخط داده های لازم را جهت پایش وضعیت خط لوله دریافت می نماید و در صورت وقوع نشتی هشدارهای لازم و اطلاعات مربوطه را صادر مینماید.

کلیدواژه‌ها


عنوان مقاله [English]

Design of pipeline leak detection system using neural network on Scada platform of National Iranian Oil Company

نویسندگان [English]

  • Mohammad Reza Salehizadeh 1
  • Omid Zadehbagheri 2
  • Vahid Naghavi 3
  • Mazda Moattari 4
2 NIOC Monitoring Center
3 The Research Institute of Petroleum Industry
4 Department of Electrical Engineering, Islamic Azad University, Marvdasht
چکیده [English]

Leaks in oil and gas pipelines could cause serious problems such as explosions, environmental pollution, and the loss of energy and financial resources. Early detection of leaks in pipelines is critical to prevent or reduce the occurrence of these losses. For this purpose, a leak detection module located on the infrastructure of a Scada system can be used. In this paper, first, Olga simulates leaks of different sizes and distances on oil pipeline. The output of the Olga, which includes the pressure and flow of different parts of the pipeline, is prepared for analysis using Power Query and Dax Studio tools. The data is entered into MATLAB and the artificial neural network is designed and trained to identify the size and location of the leak. Eventually, this module will be placed on the Scada system as a digital twin of that pipeline and will receive the necessary online data to monitor the condition of the pipeline using the industrial protocols.

کلیدواژه‌ها [English]

  • Pipeline leakage
  • Scada
  • OLGA
  • Digital twin
  • Artificial Neural Network