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

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 می‌توان از یک بخش تشخیص نشتی که برروی زیرساخت یک سیستم اسکادا قرار گرفته است استفاده نمود. در این مقاله، ابتدا با استفاده از نرم‌افزار الگا نشتی‌هایی با اندازه‌های مختلف و در فواصل متفاوت برروی یک خط لوله انتقال نفت شبیه‌سازی گردید. پس از آن، خروجی داده‌های شبیه‌ساز الگا که شامل فشار و جریان نقاط مختلف خط لوله هستند به‌کمک ابزار power query و dax studio جهت تحلیل آماده‌سازی شدند. در ادامه، داده‌ها وارد نرم‌افزار متلب گردید و شبکه عصبی مصنوعی به منظور شناسایی اندازه و محل نشتی طراحی و آموزش داده شد. در نهایت، این بخش به‌عنوان همتای دیجیتالی از آن خط لوله برروی سیستم اسکادا قرار خواهد گرفت و با استفاده از استانداردهای متداول صنعتی به‌صورت برخط داده‌های لازم را جهت پایش وضعیت خط لوله دریافت می‌نماید و در صورت وقوع نشتی هشدارهای لازم و اطلاعات مربوطه را صادر می‌نماید.

Design of Pipeline leak Detection System using Neural Network on Scada Platform of National Iranian Oil Company

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, was prepared for analysis using Power Query and Dax Studio tools. The data was entered into MATLAB and the artificial neural network was 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.