Rohrleitungen sind die wirtschaftlichste und effizienteste Möglichkeit, Öl und Gas an Land zu transportieren, aber häufige Leckagen stellen eine ernsthafte Bedrohung für den sicheren und stabilen Betrieb der Rohrleitungen dar. Basierend auf Unterschieden bei der Erfassung und Verarbeitung von Leckageinformationen wird der Forschungsfortschritt bei hardware- und softwarebasierten Überwachungstechnologien dargestellt: Auf Hardware-Ebene wurde eine vergleichende Analyse der Prinzipien und Anwendungseffekte von manueller Inspektion, verteilter Glasfaser, Infrarot-Thermografie, Leckmagneterkennung, Bodenradar und akustischen Emissionssensoren vorgenommen, wobei die Vorteile der verteilten Glasfaser für die Lokalisierung kleiner Lecks hervorgehoben, aber auch hohe Kosten und Wartungsprobleme festgestellt wurden; Auf Software-Ebene werden drei Hauptbereiche diskutiert: Signalverarbeitung, Mechanismusmodelle und maschinelles Lernen, wobei bahnbrechende Fortschritte bei der Datenfusion und intelligenten Algorithmen aufgezeigt werden. Die Studie zeigt: Traditionelle Methoden sind durch lineare Hypothesenfehler begrenzt, während Deep-Learning-Modelle unter komplexen Betriebsbedingungen eine Genauigkeit bei der Leckerkennung von bis zu 92,5 % erreichen. Abschließend wird vorgeschlagen, dass sich die zukünftige technologische Entwicklung auf die Integration mehrerer Technologiekategorien, die vertiefte Anwendung intelligenter Algorithmussysteme und die Entwicklung autonomer intelligenter Überwachungssysteme konzentrieren sollte.

Landgestützte Öl- und Gasleitungen;Leckageüberwachung;Echtzeitmodelle;Maschinelles Lernen;Methodenfusion