长输油气管道的传统巡护方式以人工为主，中国西部地区戈壁沙漠段管道约占管道总里程的55%，存在劳动强度高、工作效率低、易出现空间及时间盲区等问题。为提高管道运行安全水平与管理效率，普遍构建了光纤预警、视频监控、无人机巡检等技术相结合的空天地一体化安全防控体系^[1-3]。在管道光纤预警方面，分布式光纤传感技术通过采集管道局部干涉光相位的线性变化，对管道进行长距离不间断监测，及时预警管道周边挖掘与定向钻施工作业。但在实际应用中，光纤预警系统往往受到背景环境及第三方活动随机性等影响产生误报，无效告警信息较多，排查复核工作量较大。在视频实时监控方面，监测终端虽然具备全天候24小时感知与集中调控等优点，但其监控范围有限，建设成本较高，且需要良好的通信网络保障。无人机巡检视角开阔，搭载模块多，响应速度快，但受空域管制及气象（水文）条件制约，长航程飞行需人工干预，网络要求及维护成本高。

在智慧管网^[4-6]目标愿景下，从管道巡护管理角度出发，综合考虑巡护实效性与经济性，进行多场景多维度融合分析，综合利用各监测手段优势，结合大数据、物联网、云计算等技术进行业务流程的互补与整合，实现对油气管道的全面感知、预警与智能化管理，以解决传统巡护方式效能不佳及精准度低的问题。

1.   智能巡护的思路

以风险管控为目标，结合专业化、共享化及中国西部地区实际情况，提出“一定二选三适配”的智能巡护思路。“一定”即依据风险识别结果，从资源投入边界、政策制度要求等方面确定巡护目标；“二选”即从失效概率与失效后果两方面进行风险分析及典型场景筛选；“三适配”即基于振动信号、行为分析、挖掘设备的渐进式算法提升策略，适配智能巡护设施的硬件和软件。利用人工智能自学习、自适应及自反馈的特征优势在管道巡护的多场景中进行试验探索与试点应用，开展基于传感器选型及搭载平台选型的硬件适配，基于多传感器数据、管道基础数据及监控阈值条件的软件适配，融合自学习AI算法，实现管道监控实时化、预警派警集约化、管道人员技术化及数据算法资产化（图 1）。

图  1  长输管道智能巡护整体设计思路图

下载: 全尺寸图片 幻灯片

1.1   智能巡护管控关键要素

智能巡护目标是：风险完全受控；高风险或关键点全时域、全空域智能感知；巡护整体资源投入不超过行业平均水平，百千米人/车巡护资源工效大幅提升。根据年度风险评价结果及管道线路风险综合分析评价表（表 1），综合考虑多种关键因素与风险权重，将管道风险分为高风险、中风险及低风险3类，其中风险值大于100分为高风险，风险值介于50~100分之间为中风险，风险值低于50分为低风险。同时，对巡护目标按照环境与时间特点进行进一步优化、细化及整合。

表  1  长输油气管道线路风险综合分析评价表

序号	类别		风险值
1	地质地貌	城市周边	20
2		农田	15
3		草原、戈壁、沙漠	10
4		山区	5
5	是否为自然保护区	否	10
6		是	5
7	管道周边人员活动情况	第三方施工年度大于10次	20
8		第三方施工年度小于10次	15
9		经常性人员活动	10
10		偶有人员活动	5
11	历年是否发生过打孔盗油、断缆、露缆、露管	打孔盗油气	20
12		第三方施工断缆	20
13		汛期露缆、露管	10
14	巡护车辆人员到达性	车辆无法到达或者制度规定需人员徒步巡检	20
15		无伴行路，车辆需要绕行	15
16		100 m范围内有伴行路	10
17		50 m范围内有伴行路	5
18	高后果区分布情况	管段内高后果数量多于10处	20
19		管段内高后果数量为5~10处	15
20		管段内高后果数量少于5处	10

下载: 导出CSV 

| 显示表格

高风险管段及中风险管段主要特点为第三方施工频发或打孔盗油风险高，依靠传统人车巡护无法杜绝打孔盗油及第三方施工损坏问题；智能巡护管控关键要素有：施工及打孔过程中的机械振动信号、红外及雷达识别人类行为的视频信号、无人区手机信号、人类声音信号等。低风险管段主要分布在无人的戈壁荒漠，第三方施工风险较低，主要防范重型机械挖掘作业及重车碾压事件；智能巡护管控的关键要素有：机械挖掘过程中的机械振动信号、挖掘机等重型车辆的视频信号、载重车辆关键路口视频信号、载重车辆路由轨迹信号等。

1.2   智能巡护设施适配的硬件与软件

根据智能巡护管控关键要素，对人工智能传感器、搭载平台进行筛选。利用光纤预警设备实现全天候智能感知打孔盗油危害作业；利用杆塔、车载、卫星或无人机搭载可见光摄像头与红外摄像头实现长距离感知危害行为；利用小杆塔或三桩搭载低成本可见光摄像头与红外摄像机实现低成本、短距离监视；利用小型基站实现规划防区内手机信号监视；利用振动及次声传感器实现短距离振动信号监视；利用低成本北斗定位装置适时分析挖掘机等机械轨迹。

结合硬件选型，与现场实际情况进行适配，对相关算法、软件进行优化。光纤预警需要解决戈壁荒漠地区误报问题，重点对长时间、固定位置振动信号进行感知，对识别算法进行优化，建立针对性的报警阈值。振动及次声传感需要建立相关算法及识别人工、机械信号的特征库。在无光纤预警的隐蔽区域实现全天候监控。手机信号需要与公安系统合作建立相关算法，对夜间、无人区、隐蔽场所手机信号进行识别，分析停留时间，提出预警管段信息。视频监控需要建立卡口约束算法，识别大型车辆车牌或特征，通过计算车辆经过关键路口的时间、剔除周边厂矿固定车辆等做法识别潜在作业风险车辆。

随着大数据、物联网、云计算及人工智能的迅速发展，通过边缘计算与模型训练在视频监控上的应用，可以实现对工程车辆、挖掘机行为及环境变化的有效识别。通过建立实时更新的事件样本数据库，结合大数据与深度学习算法，可提升光纤预警中威胁事件类型及干扰等级识别的准确性。通过传感器全数据接入与多技术联动预警，连接管道管理相关业务模块，深度挖掘传感器采集的各类信息，拓展新业务生态，建立基于多源动态数据融合分析的管道线路风险综合研判与风险预测模型，全面引入AI分析，自动预警，推送报警信息，实时掌握管道线路运行状态。

2.   智能巡护模式实施与验证

根据管道风险评价结果、输送介质类型及人工智能相关技术适配情况，结合实际应用场景分析提出分类细化的巡护优化方案。优化生产资料配置，在不增加管道巡护费用的情况下，采用更多技术措施，对用工人数、技防投入等结合风险等级及危害因素进行针对性匹配，以智能巡护模式实现风险精准管控：高风险区域全时域管控，中风险区域阶段性管控，低风险区域针对性管控。

2.1   智能巡护实施

2.1.1   高风险输油管道

针对敷设有伴行光缆的输油管道，日间以铁塔、高杆、无人机搭载可见光摄像头为主要技术手段，开展巡查监控，预警第三方施工；夜间以光纤振动为主要技术手段，分析夜晚及无人区环境干扰特点，进行打孔盗油算法优化分析，建立适配西部环境特点的光纤预警模型，辅助视频、无人机、值班人员报警联动确认，实现高风险管道全空域、全时域智能感知管理。

针对未敷设伴行光缆的输油管道，可以采取铁塔、高杆搭载可见光摄像头与红外摄像头相结合的技术手段开展高频次巡查监控，在视野不佳及隐蔽位置布设手机信号小型基站、振动传感器等开展夜间手机及振动信号监测。

2.1.2   中风险油气管道

以高杆、长航程无人机搭载可见光摄像头开展巡护，针对性地识别农耕及施工作业风险，必要时可以架设临时摄像头对挖掘行为进行监控。以光纤振动为主要技术手段，可以有效防范打孔盗油事件。

2.1.3   低风险油气管道

主要通过3种方式组合进行风险管控：①在关键路口设置摄像头，实现对大型挖掘机械的识别；②在三桩安装小型摄像机，定时拍照并进行AI分析，通过北斗短报文形式对挖掘车辆停留情况进行报警；③由巡护人员定期开展综合巡护。

2.1.4   特殊场景管道

边境缓冲区及军管区、极寒及大风环境区宜投用极低资源管控风险，由军管区及林区守卫进行门禁管理，采用无人机远距离巡航、检漏。在极寒或大风环境区进一步降低或取消人车巡护频次，优化摄像头夜间监控，降低用能水平，延长技防措施使用寿命。

2.2   智能巡护验证

管道线路全智能感知体系由视频摄像头、光纤预警等先进感知设备构成，根据风险评估结果，合理地与杆塔、无人机、无人车等载体相结合，构建形成能够实现高风险区域全天候覆盖、中风险区域季节性重点监控、低风险区域定点监控的智能感知网络。其中，高风险实时监控，主要以可见光红外双波段摄像头、无人机、光纤预警为手段实时感知管道线路风险；中低风险区域季节性重点监控，主要针对季节性施工风险，采用低成本杆塔摄像头、小型无人机自动巡航，开展中低风险农耕季节的管理监控，最大可能降低第三方施工损坏风险；低风险区域定点监控，主要结合西部荒漠地区管理特点，采用关键路口机械车辆AI分析、卫星航拍等手段，对施工可疑车辆进行分析，精准识别管理对象。

中国西部地区长输油气管道存在各种高风险、中风险、低风险场景，可以选取典型场景作为人工智能巡护试点，对上述技术的可行性、耐用性及组合效果进行验证。具体做法：搭建管道监控中心，在适宜区域开展智能巡护技术的适配性综合应用，不定期组织开展第三方施工及打孔盗油模拟测试，检验巡护效能，并据此完善人防与技防措施，确保管道外部风险的有效管控。

3.   结论与展望

智能巡护是长输管道线路安全管理与信息技术深度融合的产物，具有全面感知、综合预判、一体化管控等功能。高性能设备监测诊断、高可靠图像影像及振动识别技术是智能巡护的主要抓手，是管道风险识别与风险管理的重要技防手段。结合中国西部地区管道沿线人烟稀少、地形开阔平坦等特点，以关键点采集率、高风险点智能感知率、智能诊断率等为关键指标，设计并构建基于多源数据的智能化管理平台，可以强化管道巡护技术与机构的高效协同，有效降低人员巡检频率、劳动强度及管道运维成本，避免人工巡检盲区带来的风险。通过分场景实现全时域自动化监视与预警，管道风险管理模式与巡护模式发生了根本转变，风险防护精度明显改善，巡护劳动强度大幅降低，经营效益与运维效果得到有效提升。

未来可以借助人工智能与各种软/硬件相结合形成的新质生产力，推进长输油气管道管理由人力资源密集型向技术密集型转型，打造与新质生产力发展相匹配的管道新型劳动者队伍。集成基础管道业务数据背景，制定光纤振动沙漠段威胁事件三级预警标准，打造管道业务智能指挥中心，集约管理预警、派警信息，强化新技术研发应用，实现管道巡护业务生产组织方式向平台化、网络化、生态化转型，加速管道业务全产业链供应链的价值协同与价值共创。