《Journal of Loss Prevention in the Process Industries》：Performance evaluation of Quantitative Optical Gas Imaging (QOGI) technique for fugitive methane emission quantification
编辑推荐：
定量光学气体成像（Quantitative Optical Gas Imaging, QOGI）技术正越来越多地被用于支持泄漏检测与修复（Leak Detection And Repair, LDAR）项目及过程安全监测；然而，其定量性能强烈依赖于操作条件和环
定量光学气体成像（Quantitative Optical Gas Imaging, QOGI）技术正越来越多地被用于支持泄漏检测与修复（Leak Detection And Repair, LDAR）项目及过程安全监测；然而，其定量性能强烈依赖于操作条件和环境条件。本研究在受控实验室条件下对一套QOGI系统的性能进行了系统评估，特别关注接近仪器声明的最小泄漏检测率（Minimum Leak Detection Rate, MLDR）的甲烷排放速率。研究人员通过系统性地改变关键参数（包括测量距离、风条件、气体羽流与背景之间的热对比度、取景以及视角），研究了十四种实验配置。结果表明，在有利的操作条件下，QOGI能够提供稳定且高度一致的响应，测量排放速率与实际排放速率之间具有良好的线性关系。从统计学角度来看，当可用采集次数有限时，中位数被确定为最稳健的集中趋势指标，使其特别适用于实际现场应用。测量距离被确定为影响性能的首要因素，而正确的风条件设置对于避免系统性偏差至关重要。热对比度进一步增强稳定性，而当羽流被完整捕获时，观测几何角度的影响微乎其微。总体而言，本研究在实验域内确定了QOGI能够提供可靠且对决策有用的定量信息的有利操作条件，为其在过程安全、LDAR应用及监管环境中的有效部署提供了实用指导。
**基于QOGI技术量化性能的受控实验室评估与操作参数敏感性分析**
**1. 研究背景与现存问题**
逸散排放是过程工业中非故意气体释放的主要来源，对过程安全和环境保护均构成重大挑战。这些排放源于阀门、法兰、泵、压缩机和连接件等设备的非故意泄漏，其弥散性和间歇性特征使得控制尤为困难。在大型工业装置中，逸散排放可占厂区总排放的相当比例，例如典型炼油厂或化工厂每年可释放约600至700吨挥发性有机化合物（Volatile Organic Compounds, VOCs）。甲烷作为天然气的主要成分，在逸散排放中具有频率高、体量大和风险高的特点，其检测与量化对于损失预防和重大事故危害缓解至关重要。此外，甲烷常被用作识别涉及危险、有毒或恶臭化合物排放的示踪气体。
历史上最广泛采用的逸散排放监测方法是泄漏检测与修复（Leak Detection And Repair, LDAR）项目，该方法依赖传统嗅探技术对单个组件进行系统性检查。然而，该方法耗时且受可达性限制，高处、受限或难以触及位置的泄漏可能未被检测到。为克服这些局限，光学气体成像（Optical Gas Imaging, OGI）技术作为补充方法应运而生，并已被欧洲标准EN 17628:2022正式认可。OGI利用配备光谱滤光片的红外相机实现气体羽流的实时可视化，能够快速筛查大面积区域并识别排放源。然而，传统OGI的根本局限在于其定性特性——虽能检测和定位排放源，却无法直接量化排放质量流量。为此，定量光学气体成像（Quantitative Optical Gas Imaging, QOGI）技术应运而生，其将传统OGI相机硬件与专用量化算法相结合。
尽管QOGI技术已有初步研究，但先前调查或涉及早期版本系统，或侧重与其他量化方法的比较，或是在多种混杂变异性并存的现场条件下进行评估，其实验设计通常无法系统隔离并直接比较单个环境和操作参数的贡献。此外，关于QOGI在接近仪器检测限的排放速率下的行为，以及实际测量条件与用户自定义软件设置之间差异的定量后果，现有信息相对有限。因此，开展本研究的动机在于填补上述空白，即在受控实验室环境中，系统地评估和量化关键操作与环境参数对QOGI量化性能的影响。
**2. 研究内容与主要结论**
本研究旨在受控实验室条件下实验评估QOGI的量化性能，并识别对测量精度影响最为显著的操作和环境参数。研究进一步旨在确定用于汇总重复QOGI测量的稳健统计指标，并将实验发现转化为面向过程安全和LDAR应用中操作人员与安全工程师的实用指导。
研究采用基于公共参考配置和单因子逐一变化（one-factor-at-a-time）实验方法的系统受控实验室评估。测量距离、风条件、热对比度和相机定位被独立变化，以隔离并比较其对QOGI量化性能的影响。此外，部分测试有意引入实际条件与用户自定义设置之间的不匹配，以评估相关量化偏差。研究特别关注接近仪器声明的最小泄漏检测率（MLDR）的排放速率。该实验框架通过提供各参数相对重要性的受控评估及其对QOGI部署的实际意义，补充了先前基于现场的研究。
核心结论包括：在统计学方面，当每次排放速率可用采集次数有限时，中位数被确认为最稳健可靠的集中趋势度量指标，比算术平均值更适合实际应用。敏感性分析表明，测量距离是性能的首要驱动因素，在正确配置下误差随距离急剧增加（2米处约26%，3米处约57%，4米处约95%）；风条件的影响主要与实际条件与软件设置的一致性相关，错误设置可导致42%至55%的偏差；热对比度对平均百分比偏差的影响相对温和（24%至33%），但更高的热对比度提供更强的羽流-背景辐射信号；取景和视角影响可忽略不计（约25%至26%），只要羽流被充分捕获。这些发现为QOGI技术的有效部署提供了实践指导，强调应最小化测量距离、确保足够的热对比度，并正确配置环境参数（特别是风条件）。
**3. 关键技术方法**
本研究使用FLIR Gx320商用红外热成像相机，配备QL320量化软件（固件版本1.17.005）。实验系统包括两条独立供气管路，分别由质量流量控制器（Mass Flow Controller, MFC）调节，一条供应纯甲烷（纯度等级4.1），另一条供应纯氮气作为稀释和载气。两气流汇合后，获得甲烷浓度40 %v/v的混合气体，经内径4毫米、长5厘米的垂直Teflon?管释放。相机安装在高度1.5米的三脚架上，垂直对准排放点。背景表面由充水容器维持均匀受控温度，实现四种背景温度（0 °C、10 °C、40 °C、50 °C），排放温度保持环境温度（25 °C）。风条件通过轴流风扇模拟，空气速度设置为3 m/s。共调查14种实验条件，每种条件下研究10个不同排放流量（对应MLDR的10至100倍），每个流量进行7次独立采集，总计980个单独测量值。同条件下额外进行了50次连续测量的滚动均值和滚动中位数行为分析实验。数据处理采用平均百分比偏差作为合成指标，并构建散点图结合线性回归分析测量与实际的响应关系。
**4. 研究结果分析**
**4.1 汇总指标的选择**
研究人员在测试ID 01条件下（排放流量32 g/h），对50次独立测量计算滚动均值和滚动中位数。结果显示，当测量次数有限时（最多22次），滚动中位数表现出持续较低的百分比误差，反映出中位数对短期波动和离群值具有更高稳健性。从操作角度看，实际应用中采集大量测量不可行（每次测量约需一分钟），因此中位数被选为参考集中趋势指标。进一步将各测试十个排放流量的中位数百分比误差进行平均，得到单一合成指标，即中位数平均百分比偏差，用于后续敏感性分析。
**4.2 风条件的影响**
风敏感性分析涉及两种情况：正确相机配置下风的存在与否，以及实际环境条件与软件参数选择不匹配的影响。结果表明，正确配置风设置时，无风和有风情况的平均偏差分别为26%和33%，保持可比较。然而，风设置与实际条件不匹配时误差显著增大：无风但设置为中等风（ID 03）时偏差达42%，有风但设置为低风（ID 04）时偏差达55%。线性回归表明，错误风设置主要引入系统性偏差而非随机变异性。风设置用于校正羽流输运和扩散效应，当无风但设为中等风时，算法假设弥散羽流并对强辐射信号施加过度逆校正，导致高估；反之，有风但设为低风时，算法低估扩散并将减弱信号解释为较小排放速率。
**4.3 测量距离的影响**
距离敏感性分析考察了正确配置下测量距离的增加，以及实际距离与软件输入值不匹配两种情况。正确配置下的结果表明，量化精度对物理测量距离表现出强烈依赖：2米处平均偏差约26%，3米处增至57%，4米处达95%，响应接近饱和，系统无法区分低和高排放速率。这是因为随距离增加，像素填充因子降低，压缩信号动态范围约与距离平方成比例。距离设置不匹配（实际2米设为3米偏差35%，实际3米设为2米偏差81%）进一步降低精度，通过改变算法假设的有效空间分辨率。物理距离被确认为主导量化性能的关键参数。
**4.4 热对比度的影响**
热对比度（ΔT）影响通过比较暖背景和冷背景及两种对比度幅度（15 °C和25 °C）进行评估。平均百分比偏差在24%至33%范围内，表明热对比度影响程度低于风条件和测量距离。测量表现出随排放速率增加而亚线性响应，在较低热对比度下响应趋于平坦。更高绝对温度差提供更强羽流-背景辐射信号和更有利的信噪比条件。当背景温暖于羽流时观察到略好的性能，与吸收背景辐射为主的测量机制一致。值得注意的是，辐射响应与浓度-路径长度（C?L）相关而非直接与排放质量流量相关，观测到的平坦化现象被解释为整个QOGI测量系统在调查条件下的非线性响应。
**4.5 取景和视角的影响**
取景和视角分析包括正面和侧面观测几何，以及测量圈的不同位置。结果显示取景配置和视角对量化精度影响可忽略，平均偏差在25%至26%之间。系数（R2）接近统一，确认仪器在不同观测角度和取景配置下可靠捕获实际排放趋势。这表明算法有效沿传感器视线积分气体浓度，只要排放羽流被完整包含在测量区域内且环境条件恒定，贡献于红外吸收的总气体量几乎不受观测几何影响。
**5. 综合评估与结论**
综合实验结果的整合分析揭示了调查变量对QOGI量化性能影响的明确层级：测量距离是最关键参数；风条件的影响强烈关联于实际条件与软件设置的一致性；热对比度影响较温和；取景和视角影响最小。这些结果应被视为从当前实验域观测到的相对效应推导的操作指导，而非通用定量接受标准。
本研究的固有限制与受控实验室环境相关，限制了定量结果向复杂工业场景的直接转移性，特别是湍流、异质背景、变化气象条件以及多向风场等。风效应仅针对单一稳定风速和方向进行调查，气体成分、浓度水平和排放源几何形状在整个实验中保持恒定。尽管如此，观测到的趋势提供了有关调查参数影响和实际管理的有用定性指示。
未来工作应通过逐步引入更多现场变异性来源来扩展当前实验框架，包括更广泛的甲烷浓度范围、与过程安全相关的其他VOC物种、多组分气体混合物、不同排放源几何形状和释放配置，以及工业环境中的补充现场研究，以验证实验室发现并支持QOGI数据质量在LDAR项目、法规遵从和工业风险管理中的协调统一。
翻译研究结论部分：本研究调查了在受控实验室条件下，集成于FLIR Gx320热成像相机的QOGI方法用于量化逸散甲烷排放的定量性能。分析系统调查了关键操作和环境参数（即热对比度、风条件、测量距离和观测几何）在接近仪器声明MLDR的排放流量下的影响。从统计学角度看，结果证实当每次排放速率的可用采集次数有限时，中位数代表稳健可靠的集中趋势度量。敏感性分析结果表明，调查变量对QOGI量化的影响程度不同，并为QOGI技术在逸散排放量化中的应用提供了实践指示。在调查实验域内，改进量化性能与最小化测量距离、确保足够热对比度以及正确配置仪器软件中的环境参数（特别是风条件）相关。本研究存在与受控实验室环境相关的固有限制，限制了定量结果向复杂工业场景的直接转移性。未来工作应扩展当前框架，引入更多现场变异性来源，并通过工业环境中的补充现场研究验证实验室发现。
