韩国科学家正在努力防止集中供暖管道漏水

韩国建筑科学研究院(KICT)开发出了一种新型故障诊断技术，可以防止以环保、经济的方式提供能源的集中供暖管道漏水。

KICT为了提高检测准确度和诊断漏水等各种异常，研究了同时使用声发射(AE)传感器和加速度计传感器测量管道异常信号，并利用机器学习(machine learning)对信号进行分类的方法。

防止此类泄漏可以极大地提高公共安全。集中供热管道将温度高达120℃的热水在恒压下从集中供热热水生产设施工厂供应到需求点。

当这些管道之一发生泄漏时，特别是如果它发生在道路附近，可能会造成致命的后果。这是2018年的情况，当时地铁一山白石站附近的地下热水管道破裂。泄漏造成1人死亡，56人受伤。

集中供热管道采用预保温管(PIP)，由输送热水的低碳钢载体管、维持温度的保温材料和保护保温材料的高密度聚乙烯套管组成。

与自来水厂或液化天然气使用的无盖管道相比，由于温度和压力较高，pip的诊断更加困难。

传统的识别泄漏的方法使用电线和热成像摄像机，这只能准确探测当水有体积且管道接近表面时，漏水。

相反，KICT科学家的研究表明，通过声发射和加速度计传感器可以诊断pip异常。

“研究中提出的探测方法可能是防止漏水的唯一可行方法，因为漏水探测线、热成像摄像机和探地雷达的精度水平很低。此外，因为他们只能检测到漏水，”参与该项目的科学家李洪哲博士说。

“然而，在实际领域的验证是必要的，因为除了常见的噪音和振动之外，还有许多变量显示异常及其严重程度。”

为了测试这项技术，该团队创建了一个配有循环集中供热系统的试验厂房，在地面和地下分别安装了两条259.6m长的直管，分为直管、波纹管、支管和波纹管四种管道布置。

为了测试管道中所有主要类型的异常，再现了漏水、腐蚀和裂缝。对地面和地下管道进行了测试。然后团队测量信号并用它们来训练支持向量机(SVM)， SVM是机器学习分类的手段之一。

测试结果显示，传感器安装、异常情况和管道布置的精度平均为97%，与自来水厂和天然气管道的精度水平相当。