随着碳达峰、碳中和目标的推进,天然气将成为国家主要的过渡能源。当前,我国天然气消费量和管道里程数不断增长。然而,较多管网营运时间长,管道安全管理水平不足。近年来,天然气管网发生多起失效事故,造成了经济损失以及生态环境破坏。因此,天然气管网风险态势的相关研究受到了工业界和学术界的高度重视。反映天然气管网安全态势的数据主要包括静态数据和动态数据。静态数据包括管径、埋深、管材等管网自身属性,这些静态数据涵盖了影响管网全生命周期安全态势的各种风险因素。动态数据包括各种传感器以及巡线时采集的数据。本文通过粗粒度态势感知模型对静态数据进行分析,得到天然气管网中各管段的风险等级。针对其中的中高风险区,结合细粒度态势感知模型对动态数据进行分析,排查出影响管网安全的突发事件。基于“粗粒度”+“细粒度”的两阶段态势感知模式,高效利用天然气管线的静动态数据,提高了天然气管道的保护管理水平。本文的主要研究内容包括:1、结合浙江省天然气管网所处的时空环境,研究构建了一套天然气管网安全态势感知指标体系。利用层次分析法计算得到了天然气管网指标的主观权重。在此基础上,利用熵权法对多位专家的先验知识进行了信息融合,确定了各项指标的修正系数,利用修正系数和主观权重集成算法,得到了各项指标的综合权重。通过模糊综合评价获得评价对象的风险等级,并利用加权平均原则代替最大隶属度原则建立综合评价矩阵,从而弥补最大隶属度原则易造成信息缺失的不足。最后,对浙江省某天然气管线进行了实例验证,所建立的模型能够很好地反应天然气管网的静态风险态势。2、通过无人机对静态风险态势所判定的中高风险区进行巡检,建立了无人机航拍入侵图像的数据集,数据集中主要包括挖掘机、推土机等施工机械的第三方入侵图像。针对数据集存在的待检测目标小、样本不均衡等问题,进行了相应的数据预处理,并使用了小目标扩增以及Mosaic进行数据增强。针对无人机航拍第三方施工图像目标检测的难点,采用YOLOv4算法作为基准网络,并进行了两点改进。一是利用K-means聚类对先验框大小进行了优化,使先验框的大小与待检测目标尺寸相匹配;二是引入了Recurrent Criss-Cross Attention空间注意力模块,进一步强化了主干网络特征提取的能力。在无人机航拍入侵图像测试集上对所提算法进行验证,实验结果表明该算法能够有效识别管道周边的第三方施工入侵事件。消融实验表明所做改进有效提升了第三方入侵的检测效果,较原有网络识别的平均精度提升了4.05%。3、分析了天然气管网态势感知系统的功能需求、业务流程,采用了Node.js、React、G2Plot、My SQL等主流前后端技术栈,设计并且实现了数据驱动的天然气管网态势感知系统。通过系统开发的形式将上述算法模型应用于实际生产中。系统上线运行平稳,兼容性强,满足日常使用的需求,提高了管道保护管理水平。