油气田地面生产系统安全预警技术探索

SYS SECURITY    系统安全
摘要:论文主要针对大港油田油气田地面生产业务实际需求,以地面生产安全预警系统原型为目标,重点论述安全预警技术在场站中的应用,该系统主要实现油气田联合站生产应急能力预警、污水溢罐预警、设备检维修管理、异常工况诊断、人员动态管理及移动应用等相关功能建设。通过该系统的建设及应用,证实预警技术满足现场操作岗、技术岗和管理岗的应用需求,对油气田企业站库生产安全预警有着重要的意义。
关键词:技术;安全预警;系统;功能
一、安全预警新技术
油气田地面生产系统的开发应用了大数据分析、可视化数字仿真、专家知识图谱等新技术。
大数据分析:基于海量的实时生产历史数据,挖掘数据自身价值,并采用各类预测分析手段,满足业务场景需要。主要实现动设备预测性维护、设备运行优化和安全预警。
丹钦柯
数字仿真:以设备实体为基础,进行仿真建模,并形成系统性的仿真模型,在此基础上进行各类数字演练。主要实现站库应急安全预警、异常工控模拟和阈值优化。
知识图谱:以图数据形式描述各类知识概念与实体之间的关系,对各类知识资产进行结构化处理和利用。主要实现异常工控诊断、专家知识库构建和措施智能推送[1]。
二、预警信息产生过程及实现机理
基于站库的所有设备历史生产状态信息和实时生产数据,建立生产预测模型,实时预测生产信息,并基于预警规则模型实现智能预警。
三、专家知识库建设
基于应急预案、专家经验、历史案例等信息,从中提取关键信息要素,进行结构化处理,构建站库安全知识图谱。用户可实现对应急工况对应原因、风险、措施的智能查询与维护。专家知识库建设是站库预警能否有效和准确的重要基础。其建设主要包括知识体系构建、知识体系管理、知识智能应用三大部分。
(一)知识体系构建
以联合站安全生产相关资料为基础,确定站库安全知识的业务范围与应用场景,站库异常工况安全知识库初步按照设备、现象、原因、风险、措施等几个知识类别进行构建,未来用户可对知识体系进行扩充,满足更多业务场景需要,丰富知识的本体与实体。
(二)知识体系管理
站库安全知识库通过建立业务调研模板,从应急预案中提取知识,从维护保养记录及历史案例中提取知识,同时对应急预案等文档资料进行人工知识标注和提取,完成了知识图谱的初步构建,实现了对站库安全相关知识体系的统一管理,可实现用户对知识不断进行更新。
(三)知识智能应用
基于知识图谱技术建立的知识库,可实现对知识的精准搜索、智能问答、智能推荐等功能。在本项目中,重点开展专家知识库与安全监控相融合,实现了对每一条警报的精准知识推送,目前正在进一步完善警报的智能推送结果。
四、系统功能
根据建设目标,按照业务应用需求,结合大港油田油气田地面生产业务实际需求,现场沟通调研成果,重点开发建设了生产监控、工况诊断、模拟仿真、设备管理、专家知识库、人员管理、移动应用七大系统功能模块。
(一)生产监控
以二维或三维形式展示联合站生产工艺流程,实时生产数据监测,基于实时数据及后台模型算法,醒目显示站库剩余处理能力及异常工况预警信息。三维组态下,根据生产应用场景预设多个视角,通过视角切换,实现场景漫游,全面提升预警报可视化效果[2]。
(二)异常工况诊断
基于实时数据及后台模型算法,在组态界面实现异常工况预警,对于重复预警信息合并处理即只显示一条重复预警信息并在其后显示预警次数,基于专家知识库给出异常工况处置建议及诊断,对该异常工况处理后将处理信息更新知识库,再出现类似预警则给出新的处置建议和诊断,在使用过程中使专家库不断的迭代完善。
(三)模拟仿真
基于全站生产工艺流程仿真模型,通过手工调节关键生产参数,模拟日常生产情况,并对生产趋势信息进行可视化展示,仿真结果关联专家知识库,针对可能发生的异常工况进行预警。
(四)设备检维修管理
设备检维修集成ERP及A5系统设备基础信息、维护信息等,基于设备运行实时数据,自动累加设备运行时间,生成运行班报,实现了检维修的自动提醒。例如基于柱塞泵的振动数据、压力流量数据实现
对柱塞泵运行状态的监测与预警。
油气田地面生产系统安全预警技术探索
马祥厚    柯拥振
64
SYS SECURITY    系统安全
(五)人员动态管理
接入人脸识别系统,实现对站内工作人员及外来人员的管理,优化进出站管理流程,实现人员进出站的自动统计,为紧急工况发生时的人员疏散提供了信息支撑。
建设了承包商人员管理模块,建立与工业视频系统数据接口,实现了外来人员的管理,优化进出站管理流程。外来人员的进站事由管理,进站人员信息的一次性录入和上报,避免重复录入。对联合站站内部工作人员,实现了人员的出勤统计和分析。
(六)专家知识库
建立基于历史案例及专家经验的知识库,用户可对专家知识库进行智能查询和自主维护。以图谱的形式,直观展示站库生产安全知识关联关系,为异常工况诊断提供知识支撑。
开心网网址
(七)移动应用
通过大港油田移动应用平台、短信、港信通等方式,将生产关键参数的异常情况推送到技术人员的移动终端,实现技术人员对现场生产情况的实时监控。管理人员在外或休假期间仍然可以实时关注站内生产动态及预警信息,并及时处理确保安全生产。
主要可实现在岗人员可以自主设置关注的生产环节的警报,通过RTX方式接收警报,不在岗人员可以通过短信方式,接收警报提醒,管理及技术人员可以随时通过移动APP查看全站进出液量和关键生产指标。
五、应用效果
(一)生产监控应用效果
基于二维及三维组态的全站全工艺流程监控,实现更全面的智能预警。将原有的分系统的监控整合为
全流程的监控,用户不必再来回切换不同监控屏幕,基于三维组态技术,全面提升警报可视化效果,结合声光预警,提高预警响应效率,预警同时推送应急处置措施,提升了问题发现处置的周期,指导现场用户对异常工况快速处置,实现了全站应急能力的预警,实现对全站应急处理能力风险的量化,更直观地反映全站来液进出平衡情况。
(二)异常工况诊断应用效果
异常工况诊断应用效果以污水罐溢灌预警生产处置为例:2019年4月18日20:00点,港东联合站污水沉降罐液位持续上升,站内应急能力低于设定安全范围,中控室系统界面提示应急能力偏低,同时通过手机推送该异常工况至值班管理人员手机,管理人员相继赶到中控室,通过现场分析,结合安全预警系统推送的处置建议,增大污水提升泵排量,沉降池液位逐渐降低,站内生产恢复正常,避免了污水罐溢灌的发生。
(三)模拟仿真应用效果
模拟仿真可以通过模拟调整来液流量、各个提升泵及外输泵开关,并选择时间周期后对工况进行基于模型的模拟,并产生相应的预警及趋势变化。现场用户实现了对不同异常
工况的模拟,系统根据设置的应急条件输出对应预警信息和
应急措施,用户可以实现对异常工况处置的数字演练。
(四)设备检维修管理应用效果
设备检维修管理基于设备运行实时数据,实现设备检
维修自动提醒,减少非计划停机,提升设备管理水平,促
进了设备预见性维护由预防性向预测性运行维护的转变。
系统自动累加重点动设备的运行时间,并按班次生成班报,
有效减轻了设备管理人员填报报表的工作量,通过设备的
监控预警,将原有的设备巡检周期延长,减轻了现场人员
巡检的次数,针对设备全生命周期的维保信息统计和自动
提醒,可帮助设备管理人员优化检维修作业计划。
(五)专家知识库应用效果
通过专家知识库的建设,实现了潜在风险辨识及处置
措施智能优选,提升了专业知识和专家经验的应用价值。
应急预案知识和生产监控紧密结合,实现了警报基于知识
库的智能诊断和分析,用户可基于历史发生的警报信息对
实证研究现有应急预案的处置流程进行及时的更新,知识库帮助新
员工更好地了解联合站安全知识,有助于新员工快速的学
习和熟悉现场生产管理业务[3]。
六、结语
(一)预警技术满足现场操作岗应用需求
全站全流程的生产监控将原有分系统分工艺流程的监
控画面整合到了一个界面,不必再来回多屏幕切换,预警
的声光提醒帮助现场用户及时及早发现和处置问题,警报
信息附带应急措施建议,有利指导了现场的应急处置。
fds(二)预警技术满足技术岗应用需求
专家知识库模块将原有的纸质资料和知识信息整合到
一起,同时与生产监控相融合,有利提升了知识的应用价值,专家知识库帮助新员工快速的学习和检索专业知识,生产
警报RTX和短信推送方便技术人员快速了解现场生产工况曲靖师范学院教务网络管理系统
的变化。
(三)预警技术满足管理岗应用需求
通过关键生产指标移动应用推送,通过移动终端,站
长及生产管理人员实时掌握全站应急能力及生产信息,方
便快速制定生产计划,警报移动短信和RTX推送方便不在
岗管理人员也能及时了解站内生产工况的变化,全站应急
能力预警帮助管理人员了解站库的整体进出站液量变化和
生产运行状况。
参考文献
[1] 陈柏林.人工智能技术在油田联合站生产安全预警中的应用[J].数码设计(下),2020.
[2] 王源, 张乃禄, 魏磊, 等. 油田集输联合站安全监控预警系统
的开发[J]. 西安石油大学学报(自然科学版),2010.
[3] 王光明. 油田地面集输联合站安全防范对策研究[J]. 化工管理,2018(6),49.姚明慈善赛直播
(作者单位:中国石油大港油田信息中心)
65

本文发布于:2024-09-22 23:17:31,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/430038.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:生产   预警   知识   实现
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议