9.64 公里管线上，抓住 2 毫米的泄漏——陕北某天然气管道光纤泄漏监测试验报告

管道安全真正的敌人，不是”漏”，而是”漏了却没人知道”。

为了验证分布式光纤声波传感技术在真实在役天然气管线上的泄漏检出与定位能力，我们在陕北榆林的一条天然气长输管线上，围绕 2mm / 4mm 两种泄漏孔径、四种泄漏孔朝向、两种埋设间距，完成了一轮系统的模拟泄漏试验。

先给结论：一芯已经敷设好的通信备用光纤，就能把整条管线变成一支 9.64 公里长、全天候在线的”听诊器”。

一、这次试验要回答的四个问题

试验段依托某油田公司已建天然气管道及伴行敷设的通信光缆，管线自处理厂至末站，全长约 9.64 km。整套系统的前端传感器，只占用了已建光缆的 1 芯备用芯——不需要新敷设任何传感设备。

使用的 HiFi-DAS 分布式光纤声波传感系统主要技术参数：

围绕本次试验，我们设定了四个目标：

二、试验是怎么做的

试验段标定。 试验段全长约 9.64 km。通过人工敲击试验对光纤进行定位标定，GIS 系统能够正常、准确地显示管线走向与告警位置——标定结果与现场实际情况高度一致。

模拟泄漏装置。 模拟泄漏管道采用无缝钢管，管径 27 mm、壁厚 3 mm，共预埋 8 套，其中 2mm 孔径 4 套、4mm 孔径 4 套。气源侧配置调压阀 5 连瓶装置 1 套，配套高压软管、快速接头等工装，使用二氧化碳钢瓶约 40 只，试验压力约 8 MPa。

埋设方式。 依据探管确定的管道位置找出光缆实际位置，人工开挖至光缆可见，在光缆一侧按指定间距开挖至与原管道一致埋深，将模拟泄漏装置分别埋入坑内，装置之间间距 20 m。装置与光缆的水平间距分两组：

工况覆盖。 分别针对 2mm 与 4mm 孔径，覆盖背向、正对、向上、向下四种泄漏孔朝向，共形成 8 类泄漏工况，并与正常背景信号、第三方入侵信号进行横向对比。

三、三类信号，分得清清楚楚

1）正常背景：基线稳定

在无泄漏点区域采集背景声波信号并计算特征，结果显示：正常工况下特征数值整体处于较低水平，例如特征 1 普遍在 0.004 以下，波动平稳，可以作为系统正常运行的基准参考。

2）第三方入侵：与背景明显可分

人为挖掘等第三方入侵行为出现的位置，特征值由正常的 0.004 以下突变至约 0.005。仅凭单一特征即可区分正常样本与人为入侵样本；为了进一步提升诊断准确性、减少误报，系统还引入了其他特征进行联合判别。

3）泄漏信号：从微漏到大漏，全部命中

2mm 背向泄漏：特征 1 在泄漏位置由正常值（0.004 以下）突变至约 0.01，幅值显著高于背景水平，也高于人工入侵工况的特征响应；特征 2 同样在泄漏点附近明显抬升。
2mm 正对、向上、向下泄漏：三种朝向均能引起对应位置特征的显著突变。虽然声波耦合路径不同、峰值幅度略有差异，但整体均明显高于背景基准——2mm 微小泄漏在多种朝向下均具备可检测性。
4mm 各朝向泄漏：能量更大、响应更强。无论向上、向下、正对还是背向，特征 1 与特征 2 在泄漏位置均出现清晰、幅值更高的异常峰值，分类边界更明显，有利于提高检出率、降低漏报风险。

关键数值对比：

值得注意的是：所提取的特征不仅能区分泄漏与正常背景，还能区分泄漏与人为入侵——泄漏工况下的特征幅值通常更高。从定位效果看，系统对泄漏点的定位精度满足工程要求，报警及时。

四、5万个通道，50 毫秒给出判断

一条 10 km 的管线，系统需要同时对约 5 万个通道进行实时判断——这对算法速度提出了硬要求。

本次采用速度较快的反向传播（BP）神经网络多分类算法对样本进行分类。使用模拟数据进行样本训练、并在训练过程中持续测试，结果表明：模型多分类交叉熵损失控制在 0.75 以下，在测试集上的准确率达到 98.9% 以上。

更关键的是推理速度：经测试，训练好的神经网络模型可在 50 ms 内完成 5 万个通道的推断与故障分类，完全满足系统实时性要求。模型还具备一定的自学习与扩展潜力，后续可通过持续增加现场真实样本进一步优化分类边界。

五、试验结论

所选取的时域与频域特征对异常事件具有较高敏感性，能够在正常背景与异常信号之间形成清晰的可分边界。单一特征已具备基本区分能力，多特征组合则可进一步提升抗干扰性能。
HiFi-DAS 系统可以准确识别并定位第三方入侵和各类工况下的管道泄漏故障，定位精度5m、检出率100%、错检率0和响应速度小于1分钟均满足要求。
对于泄漏事件，系统能够准确检出并定位所有工况下的泄漏信号，尤其对 4mm 孔径泄漏响应更为显著；2mm 微小泄漏在多种朝向下仍可检出。
采用 BP 神经网络进行多分类判别，在保证较高准确率的同时实现了低延迟推理，满足长距离、多通道实时监测的需求。