智慧管道站场设备状态监测关键技术概述

陈五星

摘 要 本文以“全数字传输、全智能运行、全生命周期管理”为背景，探讨了物联网、大数据、云计算、人工智能等信息技术在智能管道站设备状态监测中的应用。为适应新的状态监测要求和模式，提出并研究了智能管线站设备状态监测的四项关键技术：信息传感技术、数据存储技术、数据挖掘与智能分析技术、可视化显示技术。在此基础上，设计了设备状态监测平台的框架，该框架由四层组成：智能传感层、数据存储层、智能诊断层和可视化层。研究结果为智能管道关键设备的状态监测提供了技术手段。

关键词 智慧管道;设备;状态监测;物联网;大数据;人工智能

1管道智慧化发展历程

中国石油、煤气管道的信息化经历了从数字化到智能化的发展过程。1980年到1990年，依靠大型计算机完成石油和天然气管道数据处理数字化;1990年，基于“数字地球”核心技术的发展，构建了SCADA系统和GIS系统的数字管线;2000年以后，SCADA自动控制系统进入成熟应用的数字管线成熟阶段;2008年11月，IBM提出了“智能地球”的建议;2009年8月，设立“中国认知”中心。2010年7月，中国石油管道公司与国家工信部携手在廊坊成立“两化融合暨物联网创新应用中心”油气管道产业的传统管理向信息和知识管理的转变取得了显著的进步。2017年6月15日，中国石油确立了东海燃气管道“完全数字传输、智能操作、全生命周期管理”的建设理念。到目前为止，中国石油将以东线中国燃气管道为出发点，进入智能管道建设阶段。

智能管道定义：基于标准统一和管道数字化，综合数据集成目的、感知交互可视化、系统集成与互联、准确供应匹配、智能高效操作、可控预测和早期警告“端云+大数据”系统架构提供智能分析和决策支持，整合管线可视化、联网和智能管理管线的全生命周期数据，最终形成一个全面认识的智能石油气管道网络。在自动预测，智能优化和自我调整能力管线管理中，“智能”的广泛应用实现了管道运行和管理的标准化，科学化，精密化，智能化，其经济，环境和社会利益是不可估量的[1]。

2智慧管道站场设备状态监测需求

目前，在中国远程油气管道装置的状态监测技术中，主要问题如下：①与远程管线站设备总量相比，覆盖在线状态监测技术的设备不够完善，需要手动定期检查多个设备的状态信息。同时，现有的在线监测技术仍然在设备检测中具有盲区，状态参数不足够丰富，突发预警作用不明显。②远程管线装置的现状监视技术处于设备实时状态信息的显示存储阶段，设备状态信息的利用率低，故障警报识别是采用阈值设定模式的阶段的主要阶段。基于人工智能技术的智能故障诊断和趋势分析技术的应用很少。③设备状态信息的可视化程度不高，通常以文本或表格形式保存并显示。难以直观地获得设备状态的实时历史信息，并且在比较分析之后难以显示多参数。因此，远程管线装置的现状监测技术不能满足智能管线构建的智能操作和全生命周期管理的需要。

今后，智能管线站的设备状态信息不仅包括设备本身的监控信息，还包括水泵、压缩器单元的振动、转速、效率、其他机组工作信息、压力和流量管线操作数据等。利用网络、人工智能、人工智能等技术和高度的传感器，实时监控管道重要设备的操作信息和环境信息，通过网络系统进行收集和集成。通过对数据的智能分析、挖掘和决策，实现了对整个站场设备状态的智能监控和视觉显示，并智能地预测了潜在风险，预警最终智能化智能管线设备实现了智能管线设备的管理，提供了监测、预防保护和生命周期管理。

3关键技术

3.1 信息智能感知技术

设备状态信息的实时识别是智能管线装置状态监视的前端。以传感器为核心的信息识别技术是实现将来所有互连的基本和决定性核心技术之一。Gartner 2014的技术趋势报告显示，在下一个5-10年，互联网的事物技术将达到实际生产的高峰。到2020年，有2600000个装置安装在互联网上。中国石油的远程管线站有很多种类和装置，包括500台油泵单元、300台压缩机单元、数十万个按键阀。智能管道的构建是从面向人类的系统向管道主体及管道装置的风险管理及控制的智能转换，管道站管理向“区域管理”及“无人”管理模式转换、管道及设备实现保护转换的“关键监测、智能巡逻检查和预警前控制”需要更多的传感技术，从而感知站泵、压缩器、阀门、流量计等设备的全方位信息。

（1）压缩机、泵机组状态感知技术

目前，中国石油远程管线的压缩机和油泵单元配备振动、温度和其他传感器，以检测单元的机械性能。为了在所有回合中掌握壓缩机和泵单元的机械性能和热力学性能，需要红外温度测量，噪声测量，电流-电压波动监测，光谱测试等先进方法。实现了对压缩机和泵单元的轴承、完全机械、电机、润滑油系统等关键点的机械性能监测，通过流动、速度、温度、压力对能量头、轴消耗功率、压缩机和泵单元的可变效率进行热力学性能监测介质组成测试。

（2）阀门状态感知技术

作为车站最常用的设备，阀门主要起着切断、调整管路的作用。阀漏、棒沾、振动，阀体就会损坏，这些故障会直接威胁管道的安全操作。目前，定期手动检测的方法多用于识别不能满足智能管道“区域管理”和站场“无人”管理模式的车站阀门故障。在智能管线建设过程中，通过设置传感器，可以获得阀门压力差，中温，流量，系统位置的信息，并通过DAMADICS等模拟平台分析传感信息。为实现阀门闭塞、泄漏、电气及其他故障的识别及监视。

（3）流量计状态感知技术

气体输送管线的超声波流量计是管道输送和交换切换的核心设备。大部分传统管道都没有在线监测流量计状态。一般来说，设备管理员定期检查的方法用于确保流量计故障诊断、维护的实时性和有效性。在智能管线的建设过程中，可以设置监控系统，可以感知压力、温度、天然气组成以及超声波流量计流量、声速、信噪比，并且可以通过独立的分析平台分析监控参数，并且还可以自动诊断和校准流量检测装置

（1）异常状态分析技术

对于在石油和燃气管线站监测设备状态的大规模数据，可以将大的数据挖掘技术引入设备异常检测中。通过诸如分类、聚类、关联分析等数据挖掘技术，可以发现设备数据信息之间的隐藏异常信息，并识别设备的异常状态。

1）数据分类技术。数据分类技术是在信息数据库中找到数据对象的共同背景，并根据特定的分类模型分成不同的分类。数据分类技术可以应用于确定设备监控的优先顺序，例如在一定期间识别多个泵、压缩器、阀门、流量计的运行稳定性状态，并且可以找到用于密钥监控的运行稳定性较差的装置。根据需要进行维护工作。一般的数据分类技术包括NaiveBayes、KNN、C4.5、Decision Table、AdaBoost等。

2）聚类分析技术。聚类和分类相似，但是和分类的目的不同。集群是收集基于相似性分类的数据。聚类需要未知的分类。在检测设备的异常状态信息的处理中，例如，使用kmeans聚类算法来分析振动信息，例如轴承箱、轴承座、出口法兰、泵脚和油泵单元的基本位置。通过计算不同位置的振动信息数据与初始聚类中心点之间的距离，将异常振动或振动超立的检测点聚类化。共同的集群分析技术包括k-means、k-medoids、Klaman、BIRCH、DBScan、CURE等。

3）关联规则分析技术。关联规则分析技术具有设备故障诊断和推论的优点。例如，在复杂管线站的多类型装置的大规模系统操作过程中，可以通过关联规则分析来发现装置之间的耦合关系。例如，在阀门、泵、压缩机等的一部分发生故障的情况下，其他部件或其他设备的故障是联动的原因。因此，通过设备状态信息的相关分析，当单个故障发生时，可以迅速推断其他潜在故障，从而提高智能管线装置的状态监测和故障诊断能力。通用相关规则解析技术为Apriori、FP-growth。

（2）智能诊断技术

为满足智能管线站无人监管、智能化运行维护和区域化管理的需要，应将故障诊断从传统诊断转变为智能诊断聪明人。诊断技术可以模拟人脑的思维逻辑，以便对大型复杂设备进行实时、深层次和预測性的错误评估，以便智能管线站故障自动检测、隐患预警等监测。预计起飞时间这个目前对设备故障智能诊断技术的研究主要基于两个方面：基于专家系统的智能诊断技术和基于机器学习的智能诊断技术。

1）基于专家系统的故障智能诊断技术

专家系统是早期人工智能的一个重要分支，它典型地将知识表示和知识合理化技术应用于人工智能中。综合数据库获取知识。知识库存储专家的知识，专家系统中的问题求解过程是通过知识库中的知识来模拟专家的方式因此需要大量的专家知识，了解专家系统的准确性后杠。根据功能和应用领域，专家系统可分为监测型、诊断型、预测型、解释型、调试型、维护型、规划型、施工型、控制型等。被分割的这个采用监控专家系统完成实时监控任务，包括对站场工艺和设备异常状态信息的监控;诊断专家系统能根据输入信息推断设备可能发生的故障，并能对泵、压缩机、发动机、车轮、轴承、防过载系统、润滑油系统等关键部件进行故障诊断。使用、识别关键阀门堵塞、泄漏、电气干扰、零流量表运行、输出指标异常等干扰;预测专家系统能处理过去和现在的情况，可用于泵和压缩机的振动和噪声、能量头、波功率、可变效率等机械性能，剩余运行时间与阀门安全及流量高度预测挂起时间包括故障诊断的代表系统旋转机械故障诊断系统EXPLORE-EX，水轮机故障诊断专家系统TUBMAC，等等专家系统开发工具主要有GensymG2，CLIPS，Prolog，Jess、MQL4等。

2）基于机器学习的故障智能诊断技术

在人工智能领域，知识获取已成为传统专家系统的“瓶颈”，一方面很难用准确的规则描述专家的知识经验，另一方面获取知识的工作量很大，同时专家系统自学习能力差，不能从求解过的问题中自动学习新的知识并积累经验。而机器学习是解决知识获取的主要途径，是人工智能最前沿的研究领域，机器学习通过构造智能学习及让机器自身达到获取知识的能力，使其在实际问题中不断总结经验，调整、丰富、完善系统知识。因此，对于智慧管道设备的故障智能诊断，机器学习可以弥补传统专家系统的“瓶颈”问题，同时当智能诊断系统具备自学习的能力时，通过设备状态信息的不断变化学习新知识，完善自身故障诊断系统，真正实现智慧管道的设备智能化诊断。机器学习主要用来处理分类和回归两大问题，对于设备智能诊断技术，机器学习涉及了基于分类问题的设备故障识别技术和基于回归问题的设备状态趋势预测技术。

4结束语

目前，中国石油提出了“全数字传输，全智能操作，全生命周期管理”的智能管道构建模式。为了提高智能管线对车站设备状态进行智能监控的必要性，智能管线站装置基于诸如互联网、大数据、云计算、人工智能等高级信息技术在状态监测过程中研究了重要技术。

参考文献

[1] 张海峰，蔡永军，李柏松，等.智慧管道站场设备状态监测关键技术[J].油气储运，2018，37（8）：841-849.

[2] 李遵照，王剑波，王晓霖，等.智慧能源时代的智能化管道系统建设[J].油气储运，2017，36（11）：1243- 1250.

[3] 郑洪龙，黄维和.油气管道及储运设施安全保障技术发展现状及展望[J].油气储运，2017，36（1）：1-7.