<bdo id="ccisq"><samp id="ccisq"></samp></bdo>
  • <menu id="ccisq"><strong id="ccisq"></strong></menu><nav id="ccisq"></nav>
  • <menu id="ccisq"><tt id="ccisq"></tt></menu>
  • <menu id="ccisq"></menu>
  • 張來斌院士:工業互聯網賦能的油氣儲運設備智能運維技術

    時間:2022-06-27 09:07 來源: 油氣儲運科技界 作者:songxinyuan
    油氣長輸管道是國家經濟和社會發展的能源安全生命線,以壓縮機、輸油泵為代表的大型動力機組是管道輸送系統的“心臟”,其具有結構復雜、運行環境嚴苛、高參數、高負荷等特點,在長期服役過程中經常出現疲勞失效、損壞等突發故障,存在重大生產安全隱患,甚至有引發災難性事故的風險。因此,結合油氣行業數字化轉型和安全生產的迫切需求,充分利用大數據、人工智能、云計算等工業互聯網技術,研究工業互聯網在油氣儲運設備智能運維中的融合應用,建立數字化、網絡化、智能化的油氣儲運設備智能運維技術,對保障油氣生命線安全可靠、長周期運行具有重要意義。
     
    設備運維現狀
     
    隨著傳感技術、數據分析和計算能力的發展,設備運維技術逐漸從傳統的預防維護、糾正檢修向視情維護、智能運維方向轉變。早期設備運維主要采用定期巡檢和定期大修的預防性維護策略,隨著可靠性工程和計算水平的提高,實現了基于設備狀態的視情維護[1],即通過對設備運行狀態實時監測和在線評估,及時發現異常并進行維修。近年來,預測性維護應運而生,利用大數據、人工智能、云計算、數字孿生等信息技術,結合物理第一性原理建模與機理分析評估設備運行狀態監測數據,進行故障模式識別、嚴重程度估算及剩余壽命預測,制定優化的運維決策和安排合理的維修活動。預測性維護是基于視情維護的智能運維方式(圖 1)[2],國內外在設備預測性維護關鍵技術方面做了大量研究。
     
    圖1設備視情維護與預測性維護對比圖
    (1)先進傳感與感知策略是設備預測性維護的基礎,目前常用的監測手段多針對易測參量,包括振動聲學法和熱力參數法等[3]。振動聲學法通過測量設備機殼的振動或噪聲信號來分析設備狀態[4],熱力參數法根據壓力、流量、溫度、效率等工藝參數變化來評價設備性能[5]。這些監測參數多是設備狀態的間接表征,且傳感器存在性能退化、校準維護困難、可配置性不強等問題[6-7]。
    ( 2)信號處理與融合分析是設備預測性維護的關鍵,國內外學者提出多種信號降噪和增強的方法,包括多尺度小波變換[8]、經驗模態分解[9]、循環平穩處理[10]、隨機共振[11]及稀疏分解[12]等,用于非平穩故障特征的提取。但設備運行工況多變、參數相互關聯,致使系統動態響應呈現復雜性和非線性,造成故障征兆辨識難、早期預警難。
    (3)智能推理與決策模型是設備預測性維護的主體,目前研究較多的診斷模型包括機理模型與數據驅動模型[13]。機理模型由物理第一性原理作為支撐,但機械設備結構復雜、故障模式多樣,難以獲得精確的解析模型。以支持向量機[14]和深度神經網絡[15]為代表的數據驅動模型,通過挖掘信號與故障模式的隱含關系來診斷故障,雖不需要精確的解析模型,但其嚴重依賴數據的數量和質量,受到樣本不充分、不平衡、不完備等因素的限制[16]。
     
    油氣儲運設備運維現狀
     
    隨著信息技術的廣泛應用,油氣儲運設備愈加趨向大型化、復雜化、高參數化,而日益嚴苛的設備工況條件產生了新的安全隱患和亟需解決的問題。為保障油氣儲運設備安全平穩運行,管輸壓縮機機組、大型輸油泵機組等大型動力機組的振動烈度、壓力、溫度等運行參數已實現 SCADA 集中監控,從而實現了對設備運行的遠程監控、超限報警、振動保護等。
     
    中國油氣儲運設備智能運維技術尚處于起步階段。管道壓縮機組已安裝在線狀態監測系統,常用的監測系統包括本特利 System 1、創為實 S8000、博華信智 BH5000 等(表 1)。但受限于油氣設備的復雜結構和嚴苛環境,這些系統多從機械結構的狀態監測入手,通過測量設備機殼關鍵位置(如軸承座)的振動、溫度等信息,分析監測信號特征異?;蛳到y性能變化來判定設備狀態,監測參數較為單一(多為振動監測)。在壓縮機組狀態監測系統應用過程中,主要依靠監測診斷人員的能力和經驗對振動圖譜進行分析,對故障進行判斷,這些系統在保障設備安全運行、減少惡性事故等方面取得一定效果。但壓縮機組監測系統無法融合互聯,機組狀態信息孤立分散,監測診斷工作在技術、管理、人力資源保障方面存在差距和不足[17],尚未實現集中管理和經驗共享。
     
    存在問題及挑戰
     
    雖然國內外學者在先進感知策略、智能分析算法、智能推理模型以及監測系統等方面做了大量研究,但嚴苛工況下油氣儲運設備智能運維仍存在亟需解決的瓶頸難題。在技術方面,設備結構復雜且運行環境嚴苛,有效監測信息難獲??;信號微弱且工況關聯,故障征兆辨識與早期預警難;結構復雜且故障模式多樣,復雜故障精準診斷與溯源分析難。在軟件方面,傳統監測系統以專有軟硬件形式固化,系統間彼此孤立,缺少有效集成與聯通;煙囪式系統導致數據碎片化、存在嚴重的信息隔離,形成信息孤島;傳統系統封閉性強,垂直緊耦合,無法靈活快速響應新需求。
     
    技術框架
     
    針對油氣儲運行業數字化轉型和設備智能運維服務的迫切需求,結合工業大數據、物聯網、云計算等工業互聯網先進技術,研究油氣儲運設備的多源信息融合監測評估、自適應精確診斷、運維風險預測評估、智能運維決策及可視化智能運維系統開發等關鍵技術,提出基于工業互聯網的油氣儲運設備智能運維技術架構(圖 2),利用“數據+模型”為設備運維提供智能服務,打破信息孤島,形成知識沉淀。
     
    圖 2工業互聯網賦能的油氣儲運設備智能運維技術架構圖
     
    多源信息融合監測評估技術
     
    分析設備運行原理、結構特點,確定設備故障模式及影響后果;明確油氣儲運設備監測工藝參數、運行參數及設備工況數據,研究工況自適應油氣儲運設備狀態監測方法,建立基于邊云協同的油氣儲運設備全方位在線監測技術;分析油氣儲運設備歷史運行數據、環境工況等數據內在冗余度與相關性,研究多源數據深度融合處理方法,建立油氣儲運設備多參數關聯監測預警技術,構建設備健康狀態智能評估模型,形成油氣儲運設備多源信息融合監測評估技術。
     
    設備在線自適應精確診斷技術
     
    結合大量實際診斷案例和試驗,建立油氣儲運設備典型故障模式譜圖庫,通過構建工況解耦與特征遷移的深度卷積網絡智能診斷模型,依據設備故障知識庫、規則庫,確定設備設施故障模式。同時考慮設備機組差異和運行工況差異,根據設備更新策略不斷更新優化設備個性化診斷標準庫,實現設備在線自適應精確診斷技術,解決了工況多變、個性差異造成的機組準確診斷難題。
    設備運維風險預測與評估技術
     
    應用等級全息建模從運維、管理、結構等維度構建風險場景框圖[18],研究設備設施運維過程的風險場景及風險根源辨識方法;綜合考慮失效概率、組件壽命以及人因可靠性等風險指標,研究基于貝葉斯網絡的設備設施運維風險評估技術;選用量化風險評價、風險檢驗、可靠性維護以及完整性等級評價等風險評價方法,建立油氣儲運設備運維風險預測與評估技術[19]。
     
    基于狀態和風險的智能運維決策技術
     
    利用設備動態風險等級、可靠性數據及歷史數據等分析設備健康狀況,研究油氣儲運設備剩余壽命預測及風險預測評估算法,制定基于設備狀態和風險的維護策略;結合典型故障維修案例,構建油氣儲運設備的可靠性維修決策模型;研究設備可用度、維修費用間的關聯關系及分析方法,建立維修成本控制模型,提出多任務目標的優化管理及智能運維方案,提升設備運維管理水平。
     
    可視化智能運維系統開發技術
     
    綜合運用數字孿生、大數據、人工智能等信息技術,在整合設備狀態監測數據、運行控制數據及環境工況信息的基礎上,實現油氣儲運設備運維關鍵數據的云端匯聚和在線監測;基于工業互聯網的泛在連接和海量數據,組建覆蓋設備安全、過程工藝安全及作業安全的安全監測與診斷預警模型庫,構建風險特征庫、失效數據庫、故障案例庫,研發基于工業互聯網賦能的油氣儲運設備智能運維平臺(圖 3)。
     
    3工業互聯網賦能的油氣儲運設備智能運維平臺框架圖
     
    典型應用
     
    聚焦油氣儲運設備狀態監測與健康管理、設備性能測評與能耗管理、設備設施風險評價、智能巡檢與作業風險管控等典型應用場景(圖 4),推動數字孿生站場的建設[20-21]。
     
    圖4油氣儲運設備智能運維應用場景圖

    設備狀態監測與健康管理
     
    設備狀態監測與健康管理能夠實時采集設備狀態數據、運行數據、環境工況等設備信息,建立故障模式庫、特征征兆庫等知識庫,利用數據可視化展示技術、信號分析方法及故障診斷算法模型,進行設備實時狀態監測、故障精確診斷及剩余壽命預測,提升設備全生命周期的故障分析管理水平,實現設備故障信息、預警信息、狀態信息等數據的可視化展示與智能推送,為油氣儲運設備備品備件提供準確的預估,并指導維護維修工作。
     
    設備性能測評與能耗管理
     
    運用生命周期評價方法,從可靠性、維修性、安全性、可用性、可持續性等多維度出發,建立油氣儲運設備的綜合評價指標體系,結合機器學習等人工智能方法,構建設備性能測評模型和能耗模型。充分利用設備在實際生產中的監測數據,對油氣儲存及運輸過程中的關鍵水力、熱力過程進行分析,建立設備各生命周期各階段的詳細清單,明確其能耗情況及影響能耗的關鍵因素,調節設備運行工況,使設備運行在高效率區。同時,優化多臺設備之間、設備與管道之間的特性匹配運行方案,降低機組能耗,提高能源利用效率,對設備綜合性能進行全面科學的評價。
     
    設備設施風險評價
     
    利用工業互聯網平臺,將基于風險的檢驗(RiskBased Inspection,RBI)、以可靠性為中心的維護(ReliabilityCentered Maintenance,RCM)、安全完整性等級評估(Safety Integrity Level,SIL)等關鍵技術應用于油氣儲運靜設備、動設備、儀表自控系統等設備設施的風險評估,量化評估設備設施的運行風險。開展靜設備RBI 分析,依據風險評估結果,優化檢測周期和內容,在保證風險受控的情況下節省資源消耗;通過動設備RCM 分析,系統制訂裝置維護策略,分別就糾正性維護、定期大修、視情維護、功能測試、設計和操作更改等方面提出設備維修維護建議,優化備件管理;開展儀表自控系統 SIL 評價,分析安全儀表功能的完整性等級,驗算其符合性并提出改進建議,結合容錯性與測試策略研究提出提高系統 SIL 的措施,保障油氣儲運系統的本質安全。
     
    智能巡檢與作業風險管控
     
    針對油氣儲運設備生產作業人員行為、生產環境異常及人員闖入等潛在風險隱患,綜合利用巡檢機器人、智能視頻監控、電子圍欄、電子手環等先進監控技術,構建聯網共享的智能化安防監控系統。應用場站智能巡檢機器人,根據設定的巡檢路線對油氣儲運設備設施自動巡檢;與視頻安防系統聯動,利用基于人工智能的視頻監控圖像處理技術,實現作業人員不安全行為、原油泄漏、煙霧火焰、吸煙等安全隱患智能識別并及時報警,提升站場日常安全管理智能化水平。
     
    發展趨勢
     
    隨著數字孿生、大數據、人工智能等工業互聯網技術的發展,油氣儲運設備智能運維技術不斷革新、智能運維平臺不斷完善,下一步將在設備全生命周期管理、設備運維全流程數字化、工業信息物理系統安全等方面深入發展,全方位提升油氣儲運設備的智能化管理能力和水平。
     
    設備狀態-性能-風險一體化健康管理
     
    目前,基于設備狀態的預測性維護或基于風險的設備維護策略制定多是分立進行的,如何綜合利用設備狀態、運行性能及風險評估技術,制定優化的維修決策和健康管理策略是亟需突破的重點。因此,下一步需利用智能運維工業互聯網平臺,實時采集油氣儲運設備運行數據,結合設備故障診斷、風險預警以及性能評估模型,自動預警設備故障、風險因素以及性能狀況,并確定最優設備維護方案,達到設備功能、性能以及風險的一體化運維管控,實現設備全生命周期閉環管理。
     
    設備健康管理與運維規劃流程互通
    目前,針對不同行業的智能運維平臺應運而生,將運維人員從繁重的人工操作中解放出來,在一定程度上提升了運維效率,產生了積極成效。但這些運維平臺多將設備健康管理與運維檢修分割開來,導致數據孤島。下一步應深入研究平臺架構搭建、數據知識組織、業務流程梳理及資源統籌配置等技術,提供建模自動化、知識集群化、業務智能化、結果可視化等功能,將設備狀態監測、健康管理及運維規劃有機結合起來,高效處理數據集成、設計算法模型、構建知識圖譜、創建智能應用,打通設備健康管理與運維規劃的全流程,挖掘數據價值、融合業務場景并形成知識積淀,實現科學的運維計劃管理、檢修資源優化調度、全要素精益化管理。
     
    信息物理融合風險控制
     
    隨著先進信息通信技術和傳感技術的廣泛應用,“智能管道”“智慧管網”的發展理念不斷深入,運營技術與 IT 技術不斷融合的同時,勢必引入新的風險漏洞和安全隱患。油氣儲運信息物理系統安全風險問題的研究范疇已遠遠超出設備運行可靠和輸送安全層面,從傳統以工程故障為主的物理安全分析向同時考慮信息-物理融合的綜合風險分析轉變。據調查,油氣領域基礎設施已成為全球第二大易受網絡犯罪攻擊的領域。2021 年 5 月,美國克羅尼爾公司輸油管道系統遭受網絡攻擊被迫停運;2022 年 2 月,俄烏戰爭期間,有黑客在 48 h 內攻陷了俄羅斯油氣控制系統在內的 300多個網絡目標,并能夠隨意控制設備開閉和系統配置。類似事故嚴重影響國家油氣供應安全,使信息系統與物理系統深度融合帶來的系統性風險引起廣泛關注,未來應聚焦于信息安全威脅與工程風險交互影響的油氣儲運系統安全和可靠性研究。
     
    通過分析油氣儲運設備運維現狀及存在的問題,針對當前工業互聯網環境下設備運維智能化趨勢以及油氣儲運行業數字化轉型的迫切需求,結合大數據、物聯網、云計算等工業互聯網先進技術,構建了基于工業互聯網的油氣儲運設備智能運維框架,提出了在該框架下的智能運維關鍵技術,包括多源信息融合監測評估、設備在線自適應精確診斷、運維風險預測與評估、智能運維決策及可視化智能運維系統開發。梳理了工業互聯網油氣儲運設備智能運維技術在油氣儲運設備狀態監測與健康管理、性能測評與能耗管理、設備設施風險評價以及智能巡檢與作業風險管控等典型場景的應用。討論了基于工業互聯網的油氣儲運設備智能運維在設備全生命周期管理、設備運維全流程數字化、工業信息物理系統安全方面的發展趨勢,對于全方位提升油氣儲運設備智能化管理能力和水平具有指導意義。
    戰略合作
    戰略合作 全球石油化工網 世偉洛克 北京石油展 API 斯倫貝謝
    娇妻系列交换21部
    <bdo id="ccisq"><samp id="ccisq"></samp></bdo>
  • <menu id="ccisq"><strong id="ccisq"></strong></menu><nav id="ccisq"></nav>
  • <menu id="ccisq"><tt id="ccisq"></tt></menu>
  • <menu id="ccisq"></menu>