基于边缘计算的海洋石油机泵智能预警系统设计

杨在江，李进，李磊，刘海霞，付海燕，吴淑祥

（中海油能源发展装备技术有限公司，天津300450）

0 引言

海洋石油开采公司拥有众多重要的动设备，如注水泵、外输泵、天然气压缩机、原油发电机组等，这些动设备对海洋石油公司的安全生产起着关键作用，其中机泵类设备在海洋石油动设备中占比较大。 随着智能油田建设和无人平台的发展，海洋石油公司逐步针对动设备建立智能化的预警系统，以满足数字油田建设的趋势。 海洋石油已针对关键动设备建立了在线监测系统，而随着传感器技术的快速发展，新型无线传感器涌现出来，不仅较大地节约了安装成本，还可提升安装实施效率。 因此针对海洋石油重要机泵，提出了基于无线采集技术的在线监测系统，并通过边缘计算，提升边缘层快速智能预警处理能力。

1 无线监测系统架构

目前， 海洋石油多以电动机-多级离心泵机组为主，针对旋转类设备的状态监测，基于振动参数的状态监测是一种有效、 可靠的技术手段。因此基于振动监测搭建了机泵智能预警系统。选择三轴向振动加速度-温度复合传感器为采集设备，传感器技术参数见表1。

表1 无线传感器技术参数表

为了实现边缘计算和提升数据信息量，选择拥有智能芯片且具有三轴向振动加速度和温度一体化的传感器。 根据机泵机组的结构形式和传感器特点，传感器测点布置示意图见图1。

图1 传感器测点布置图

目前海洋石油推动建设云服务器，根据物联网架构特点，设置海洋石油机泵无线监测系统架构如图2 所示。 云服务器可以提高资源配置，降低成本，拥有更高的可扩展性。在无线采集部分，采用基于LoRa 协议的无线采集模式，LoRa 是低功耗局域网无线标准，允许终端采用任何可能的数据速率。 因此目前一个无线网关具备可支持32 个无线监测节点。

图2 无线监测网络拓扑图

2 边缘计算功能设计

根据无线监测网络架构和硬件技术特点，在传感器智能芯片层面内置智能化预警诊断算法，能提高数据处理的速度。 因此主体思路是对设备状态进行界定，针对异常状态进行故障诊断定位。 数据先通过设备启停机状态判定算法来判断当前设备的启停状态，如当前设备停机， 则直接向用户端反馈设备停机状态；如当前设备启动，则数据送入设备异常检测预警算法来检测当前设备与历史稳态运行是否存在差异，差异是否存在扩大趋势。 如与历史稳态运行在一定合理范围内近似，则向用户端反馈设备状态稳定，否则对用户端进行设备运行状态异常预警，并将数据继续传入设备工况类型分析算法。工况类型分析算法会提取各类近似设备的历史故障数据，并通过人工智能迁移技术将历史故障数据的数据分布转化到该设备运行数据分布上， 形成该设备的模拟故障数据库，以该数据库作为基础进行算法模型训练，训练后对当前数据进行判定以告知用户端当前的异常预警很可能是由哪一类或哪几类故障引发的。最后无论当前设备是否存在异常，数据都会进入设备健康度判定算法来衡量当前设备的健康状态，给用户端一个可量化的设备健康程度指标，指导用户端后续的检修、维修安排。

针对机组的离心泵的机理特征见表2，算法规则见图3。

图3 算法规则

表2 离心泵机组机理

3 系统应用

根据以上设计，开发出基于边缘计算的海洋石油机泵智能预警系统（见图4），经过在某平台机泵的应用，能够有效实现对机泵机组的智能预警，为海洋石油设备管理提供决策依据，见图5。

图4 基于边缘计算的机泵智能预警系统

图5 系统应用

4 总结

文中针对海洋石油机泵提出了机泵无线监测系统架构，并梳理机泵的故障机理，设计边缘计算模型，开发出基于边缘计算的机泵智能预警系统，经过现场应用，能够有效实现对海洋石油机泵的智能诊断，为海洋石油设备管理提供决策依据。