A Novel Approach to Leak Sensitivity Testing of Computational Pipeline Monitoring Systems for Hydrocarbon Liquid Pipelines With Hydraulic Simulators
Notice bibliographique
Résumé
In the operation of hydrocarbon liquid pipelines, Computational Pipeline Monitoring (CPM) systems are used for software based leak detection. When installed, CPM systems must meet the regulatory requirements such as API 1130 in the USA and CSA Z662 in Canada. API RP 1130 provides several methods that can be used to test a CPM system: forced parameter testing, simulated leak test (SLT), and fluid withdrawal testing (FWT). Leak tests are performed to establish and verify the leak detection capabilities of the installed CPM system and in some cases test the response of the personnel. One of the primary interests in leak testing is the realism or hydraulic accuracy of the leak signature, in order that the reported leak sensitivity results of the test are reflective of the real performance of the CPM system. Simulated leak tests (SLT’s) use an offline pipeline model to generate hydraulically accurate data which can be fed into the CPM model. SLT’s provide the most flexible and hydraulically accurate solution to simulating leaks, compared to some of the other API RP 1130 compliant test methods. SLT’s do not have leak location restrictions and also correctly models the flow and pressure hydraulic signature of a leak. The paper outlines a novel approach and method to leak simulation, based on its size and shape of the leak hole. This method can be used to represent various sizes of a leak, ranging from a pin hole to a large rupture along the seam. Implementation of the method in a simulator developed with commercial software is discussed. The results of the simulation, namely the hydraulic signatures from the simulated leak and the CPM response, are compared with the widely used leak simulation method using a constant leak rate. Finally, possible applications of this method are considered.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».