Mechanistic Leak-Detection Modeling for Single Gas-Phase Pipelines: Lessons Learned from Fit to Field-Scale Experimental Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of pipelines is one of the most popular ways of delivering gas phases as shown by numerous examples in hydrocarbon transportation systems in Arctic regions, oil and gas production facilities in onshore and offshore wells, and municipal gas distribution systems in urban areas. A gas leak from pipelines can cause serious problems not only because of the financial losses associated but also its social and environmental impacts. Therefore, establishing an early leak detection model is vital to safe and secure operations of such pipeline systems. A leak detection model for a single gas phase is presented in this study by using material balance and pressure traverse calculations. The comparison between two steady states, with and without leak, makes it possible to quantify the magnitude of disturbance in two leak detection indicators such as the change in inlet pressure (ΔP in ) and the change in outlet flow rate (Δq out ) in a broad range of leak locations (x leak ) and leak opening sizes (d leak ). The results from the fit to large-scale experimental data of Scott and Yi (1998) show that the value of leak coefficient (C D ), which is shown to be the single-most important but largely unknown parameter, ranges from 0.55 to 4.11, and should be a function of Reynolds number (N Re ) which is related to leak characteristics such as leak location (x leak ), leak opening size (d leak ), leak rate (q leak ) and system pressure. Further investigations show that between the two leak detection indicators, the change in outlet flow rate (Δq out ) is superior to the change in inlet pressure (ΔP in ) because of larger disturbance, if the pressure drop along the pipeline is relatively small compared to the outlet pressure; otherwise, the change in inlet pressure (ΔP in ) is superior to the change in outlet flow rate (Δq out ). Key words : Leak; Leak detection modeling; Pipeline; Leak coefficient; Gas flow in pipe
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle