基于SCADA系统预警报警系统研究应用

张青锋?刘祥?马小琴?付兵

摘要：提出采用人工智能方法，开展基于SCADA系统预警报警开展预警报警模块深度研究应用，建立适用于长庆油田采油厂的各类复杂、通用类预警报警模型，并进行编码开发和嵌入式应用。相较传统SCADA系统具备有效降低误报率、提高报警可用性、开展多设备联动等功能，通过结合智能化预警报警功能的应用，加强预警报警数据的统一规范管理、数据复用、预警流程管理，并通过应用报警系统开展生产优化与精细化管理，真正将智能化应用落实到岗位。

关键词：SCADA；油田智能化；报警优化

一、前言

随着智能化建设规模的不断扩大，数据采集量急剧增加，目前采油厂所应用SCADA系统存在报警次数多，误报、漏报频率高等问题。同时，报警规则限于单点、局部报警，缺乏一体化联动报警分析，无法严密监控生产运行情况，一体化指挥调度未能充分发挥其效能。因此，通过开发并替代SCADA系统中预警报警应用模块，实现对中心站、无人值守站生产运行报警事件、指标、参数进行梳理，按照生产工艺流程预警报警一体化运行思路，明确不同工艺设备相互之间关联关系，构建出结合各生产管理岗位的预警报警应用体系，实现预警报警功能真正指导日常生产管理。

二、生产需求和需要解决的关键技术问题

（一）生产需求

结合现有SCADA系统将物联网数据与生产、工艺相融合，通过研究油气生产、工艺标准化报警流程，从“报警产生、报警规则、报警联动建模、报警处置、报警优化”的生产运行一体化预警报警管理机制入手，在现有SCADA系统应用的基础上，通过人工智能、大数据的应用，形成采油厂智能预警报警应用系统，全面完善生产预警报警功能，为提高生产分析与决策效率提供技术支撑。

（二）需要解决的关键技术问题

结合现有SCADA系统数据，构建生产业务模型，对采集的数据进一步挖掘分析，借助大数据和人工智能方法开展相关性分析、多参数辨别、多参数预测建模、多源报警管理、高并发处理技术研究，实现生产现场预警报警的精准、高效、闭环管理[1]，包含了以下技术。

多参数辨别技术：完成模型的相关性分析，提高预警报警模型适应性和可靠性。

多参数建模技术：抑制可测干扰影响，多目标协调优化。

多源报警管理技术：根据警报信息影响权重解决报警之间不确定关系。

高并发处理技术：实现油气生产数据高粒度采集下的并发处理。

微服务架构嵌入式软件开发：采用最新的VUE+Spring Cloud微服务开发模式完成基于SCADA系统数据的嵌入式应用开发，实现报警信息的展示、应用等。

三、智能预警报警系统实现

（一）系统框架整体设计

系统整体采用最新的VUE+Spring Cloud微服务开发模式完成，共分为三个模块（见图1）。其中，数据处理模块通过调用提取SCADA系统实时库，按照站内生产工艺流程，梳理出预警报警应用系统的标准数据库。后端处理模块采用Spring Cloud微服务架构，以容器的方式包含了coding算法、特征提取算法进行预警报警模型建立。通过编码数据流根据输入的数据进行处理后输出至相应的前端模块。前端模块采用VUE框架进行设计，最终采用嵌入式方式集成至SCADA系统中“预警报警”模块[2]。

（二）智能阈值算法设计

按照生产工艺流程进行数据收集、分析报警成因后，开展压力、温度、流量、液位、瞬时流量、总产量等数据分析。结合收集的数据，对阈值智能计算进行算法设计，针对不同的阈值智能设定应用不同的算法。

1.瞬时液位、瞬时溫度、瞬时流量可根据数据采集粒度采用取N点值法，把数值从高到低降序，取高值的第N个值为基值，通过管理经验加权后设置值为高高报、高报；低限阈值按从小到大升序排序，取低值的第N个值为基值，减去管理经验值设置低报、低低报阈值。

2.平均压力、平均温度采用取第10点值法，方法同上。

3.压力、温度、流量等异常波动较大的点位采用去除4取10平均值法，降序后按照排序去除前4个值，然后取前10个高值进行平均数计算后作为基值，加权管理经验值后设置为高高报，高报阈值；低限阈算法相反。

4.液位、累计流量采用取10平均值法，把选取的参数数值从大到小降序排序，取前10个高值求平均值后作为高值基值，加权管理经验值后设置为高高报，高报阈值；低限阈值算法相反。

5.针对个别参数报警值为固定的值，具体要根据经验值设置固定算法。

（三）预警报警联动模型设计

1.多参数、多设备联动预警报警模型设计

结合站内各类工艺设备，对各类工艺设备的压力、温度、流量、液位、瞬时流量等参数相关性进行分析，并进行多参数、多设备联动预警报警模型设计，具备高度关联性。

各类设备联动规则如下：

（1）总机关压力联动高报时，联动场景为总机关压力升高，收球桶压力高，缓冲罐压力升高，提示“是否进缓冲罐扫线，关注站内系统压力”；总机关压力升高，收球桶压力低，提示“总机关至收球桶结垢或总机关卡球需扫线”；低报时，总机关压力升高，收球桶压力低，提示“总机关至收球桶结垢或总机关卡球需扫线”。

（2）收球筒压力联动高报时，联动场景为收球桶压力升高，缓冲罐或加热炉压力无变化或降低，提示“收球桶阻塞”；低报时，收球桶压力降至0，进行收球作业，延时监测。

（3）加热炉压力联动高报时，联动场景为加热炉压力和收球桶压力高于缓冲罐压力，提示“加热炉至缓冲罐管线堵塞或结垢”；低报时，连续取值判断加热炉压力短时间内快速下降，提示“站内管线破漏”。

（4）加热炉进口压力联动高报时，联动场景为加热炉进口压力升高，收球桶压力升高，加热炉出口压力不变或者降低，提示“加热炉盘管堵塞或结垢”；低报时，加热炉进口压力降低，收球桶压力降低，加热炉液位不变，提示“站内管线破漏”或加热炉进口压力降低，收球桶压力降低，加热炉液位快速升高，提示“加热炉内油盘管破”。

（5）加热炉出口压力联动高报时，联动场景为加热炉进口压力升高，收球桶压力升高，缓冲罐压力不变或降低，提示“加热炉至缓冲罐管线堵塞或结垢”；低报时，加热炉进口压力降低，收球桶压力降低，加热炉液位快速升高，缓冲罐液位比正常上涨缓慢，提示“加热炉内油盘管破”。

（6）加热炉液位联动高报时，联动场景为加热炉液位快速升高，加热炉压力或者加热炉进出口压力快速下降，缓冲罐液位上涨缓慢，提示“加热炉内油盘管破漏”；低报时，加热炉液位快速降低，水循环压力降低，缓冲罐液位快速升高，提示“缓冲罐水盘管破漏”；当加热炉液位快速降低，加热炉温度快速升高，提示“加热炉水箱破漏”。

（7）缓冲罐压力联动高报时，联动场景为缓冲罐压力、加热炉压力、收球桶压力、气液分离器压力升高，泵进口压力不变或者降低，提示“缓冲罐至泵管线堵塞”；低报时，缓冲罐压力低，外输泵运行时液位下降速度高于外输时下降速度，外输泵停时，液位上升速度低于正常进液时的液位上升速度，提示“缓冲罐存在破漏可能”。

（8）缓冲罐液位联动高报时，联动场景为缓冲罐液位快速升高，水循环压力降低，提示“缓冲罐水盘管破漏”；低报时，缓冲罐液位快速升高，事故罐液位快速下降，不报警；同时，当外输泵进口压力低，缓冲罐压力降低，缓冲罐液位下降速度快，外输瞬时低，提示“缓冲罐至外输泵管线破漏”。

（9）事故罐、应急罐液位联动高报时，联动场景为事故罐液位快速升高，缓冲罐液位稳定上升，水循环压力降低，提示“事故罐水盘管破漏”；低报时，事故罐液位下降，外输泵未运行，缓冲罐液位上升速度无变化，外输泵运行时，缓冲罐液位下降速度与正常外输时基本一致，提示“事故罐破漏”或事故罐液位快速下降，缓冲罐液位快速升高，进行倒罐作业，不报警。

（10）输油泵出口压力联动高报时，联动场景为外输泵压力高，外输泵运行，外输瞬时低或者为0，提示“外输阀门未打开或闸板脱落”或外输泵压力高，外输泵运行，外输瞬时降低，外输温度降低，提示“外输有凝管风险”；低报时，外输泵出口压力低于正常外输压力，高于0，且数据不稳定，外输瞬时低或者为0，提示“外输泵不上量”或者外输泵出口压力为0或外输压力低，外输瞬时为0，外输压力低，提示“外输泵至流量计管线破漏”。

（11）输油泵外输汇管压力联动高报时，联动场景为外输压力升高，外输温度低，提示“外输温度低有凝管风险”或者外输压力升高，外输温度不变，外输瞬时为0，提示“流量计出口阀门未打开，或阀门闸板脱落”；若外输压力升高，外输温度不变，首端外输瞬时刚开始有流量，随后逐步降低至0，下游流量计瞬时一直为0，且压力不变，提示“末端外输流程阀门未打开，或阀门闸板脱落”；低报时，外输压力降低，外输瞬时升高，末端外输压力降低或不变，末端流量计瞬时下降或为0，提示“存在外输管线破漏风险”。

（12）外输瞬时压力联动高报时，联动场景为外输瞬时升高，外输压力降低，外输泵频率不变，末端来油压力降低或不变，末端来油瞬时下降或为0，提示“存在外输管线破漏风险”。

2.特殊特定条件下定制类算法模型设计

考虑现场实际工艺情况，对液位计卡死、插输工艺、偶然波动等特殊特定情况进行定制类算法模型（见表1）设计[3]。

（四）实时镜像数据设计开发

本系统基于SCADA数据，由于SCADA报警数据的强耦合性，因此需要设计实时镜像数据。

首先，针对实时数据进行存储，仅存储变动瞬时值，两次变动值的时间区间为上次瞬时值的时间权重，为高维分析提供数据基础，如计算突变渐变等特征，特征计算完按时间向前淘汰实时数据。其次，根据报警规则产生的记录，支持有限时间内回溯。最后，系统配置包含点位数据信息、人工录入数据信息、特征提取信息、组织单元信息，设备管理单元信息等[4]。

（五）预警报警数据取流及嵌入式开发

完成镜像数据获取后，按照数据流程图绘制出整体数据结构图，并建立了各数据表中规范性设计，确保预警报警整体数据调用的合理性[5]。

在报警数据流转过程中，出于运行性能的考虑，采用层层递进式的运行方式：

1.使用SCADA系统提供的JavaSDK方式从SCADA系统中获取实时数据。

2.判断不参与报警联动的点位，过滤正常的实时数据，通过编码实现现场实际要求的特殊报警场景。

3.判断报警场景，并通过多个设备的联动报警进行精准定位。

4.为了处理事故发生时多点位同时报警的报警合并问题，单独设定复杂的报警场景。

5.执行过滤规则，例如重复报警的合并，报警处置期不再报警的逻辑执行。

整体预警报警按照图2开展完成嵌入式开发。

四、实验

（一）报警数量消除对比实验

對SCADA系统中某中心站历史报警数据库进行了导出筛选后，其平均日报警数量为8000余条，在智能预警报警系统中进行报警数量统计后，日平均为15条，并且直观明确了报警限值和报警原因，现场核查后均为真实有效报警。报警数量由8000条/天降低至15条/天，平均日报警数量降低了99.8%。

（二）报警准确率对比实验

在总计8149条报警中，对SCADA系统中报警信息进行分类检索，其中，可燃气体浓度低限值报警为4467条，占比54.8%（均为无效报警），井组汇管压力报警3306条，占比40.56%，均为正常波动误报，因此SCADA系统中误报率达到95.36%。在智能系统中同条件检索后报警数量为237条，占SCADA系统报警数量的2.9%，误报条数为71条（人工智能训练波动因素暂未消除），因此，综合误报率对比仅为0.87%，误报率降低94.49%。

（三）报警时效与规则有效性对比实验

SCADA系统中，报警触发时间正态分布如右图，平均触发时长为474ms，预警系统中平均报警触发时间为331ms，且平均查询时长为2秒左右，因此，报警时效与SCADA相比符合99%时效率。报警规则均按照现场工艺流程，逐站进行规则添加，并和现场工艺设备联动，规则符合率达90%以上。

五、结语

在现有SCADA系统数据基础上，应用人工智能技术手段实现整体报警模型的建立，改变了采用脚本模式进行单一数据报警模式，解决了误报率高、报警信息无法有效结合工艺联动的问题，为实现集中管理提供了有力技术支持，误报率可消除90%以上。同时，通过人工智能方法和算法的应用，对数据充分分析，可有效实现报警智能设置、报警联动设置、针对性报警模型设置等功能，实现报警信息准确分类，从而建立包含生产、工艺业务的报警应用优化。依托微服务方式调取SCADA实时数据，通过基于SCADA系统的嵌入式开发和微服务开发技术的有机融合，有效提升系统的易用性、维护性、可扩展性，解决现有SCADA系统报警功能过度依赖脚本编写，逻辑复杂等问题。因此，依托智能预警报警系统的应用，可有效建立“从报警概念、报警规则及建模方法、报警处置流程到报警优化”的生产运行预警一体化管理方法及流程规范，形成适合长庆油田采油厂的生产监控报警管理流程和规则，指导后续油气生产报警系统进一步建设完善，为现场生产分析和决策提供依据。

参考文献

[1]王芳.提高SCADA系统预警报警准确率方法研究[J].中国新通信，2020，22（08）：69.

[2]鲁晓斌，王迪，刘宇闲，等.油田SCADA系统预警报警功能优化[J].云南化工，2018，45（03）：137.

[3]刘婷，郭宝灵，张建军.复杂报警机制在石西油田中的应用[J].中国管理信息化，2022，25（04）：105-107.

[4]仲海梅，王海涛.双机热备环境下数据同步的研究[J].电子技术，2013，42（07）：37-39.

[5]李文华，杨奔全.数据表结构的动态创建与动态更新[J].中国科技信息，2005（05）：22-15.

责任编辑：张津平