管道运输是天然气运输的主要方式。天然气管道在运输过程中,因管道腐蚀老化、第三方损害等引起管道泄漏将导致巨大的人员伤亡和经济损失。为更好地监测天然气管道运行状态,充分利用SCADA（Supervisory Control And Data Acquisition,数据采集与监视控制）系统中蕴含的大量管道运行状态数据,对天然气管道运行过程中泄漏状态进行检测,能够更好的辅助工程人员综合全面地了解管道的运行状态,及时应对可能出现的管道泄漏事故,减小事故造成的危害具有重要意义。天然气管道运行数据本质上满足时间序列数据的特点,且天然气管道的运行过程具有一定的动态特性。时间序列相似性方法一方面能够解决以神经网络为代表的深度学习在异常检测应用中样本不平衡、机理模型建模复杂的问题,另一方面能够体现数据之间的序列相关程度,提高泄漏检测的准确性。论文利用实际天然气管道输入、输出端的流量数据,开展基于时间序列相似性度量的泄漏检测方法研究,以实现管道出现泄漏时能够及时准确诊断的目标。主要研究内容如下:（1）针对天然气管道SCADA系统内数据利用不充分的问题,结合时间序列数据特点,分析温度、压力和流量数据之间的特点,最终选用流量数据作为待检数据;针对原始流量数据不平滑、两组数据存在时延的问题分别采用中值滤波、DTW（Dynamic Time Warping,动态时间规整）算法进行处理,提高数据的质量,为基于时间序列相似性判断提供可靠的数据支撑。（2）针对目前常见的管道泄漏检测方法存在着样本要求高、建模复杂等不足,论文以天然气管道首末端流量时间序列特征,提出一种基于巴氏距离判断首末端时间序列相似性方法来检测泄漏。结合天然气管道运行工况特征分析和合适的滑动窗口尺寸的选取,对巴氏距离统计量与阈值关系检测泄漏事件。（3）针对基于固定阈值的残差分析在实际泄漏检测中无法适应多变的运行工况,提出一种改进马尔可夫不等式的动态阈值算法,通过选取合适的影响因子,提高基于巴氏距离的泄漏检测方法的准确性,能够有效度量巴氏距离统计量所代表的泄漏程度。（4）为验证基于时间序列相似性度量的管道泄漏检测算法的有效性,将所提出的算法部署于实际管道泄漏检测应用中,实时监控管道的运行工况。通过对现场泄漏实验进行检测,结果表明,该算法能及时有效的检测出相对较小的泄漏。