张来斌 王金江
1.中国石油大学（北京）安全与海洋工程学院 2.应急管理部油气生产安全与应急技术重点实验室
油气生产作为典型的高风险行业，具有设备设施种类繁多、工艺流程复杂、工作环境严苛等特点[1]，安全生产形势总体可控，但固有风险长期存在，专业领域和关键环节风险防范能力仍需加强。近年来油气生产加工全过程风险管控的“短板效应、木桶效应”愈加突出，主要表现为井喷失控风险尚未根除、炼化装置和储罐爆炸事故时有发生、高危作业一般性亡人事故频发[2]。因此，亟需提升油气生产系统运维数字化、网络化和智能化水平，降低风险，提高作业现场的安全保障，推动油气生产行业数字化转型[3]。
运维作为数字化转型的核心[4]，从最初的由蒸汽技术驱动的机械化事后运维模式，逐渐发展为电力技术驱动的自动化定期运维模式。随着信息技术的出现，计算机和网络技术推动信息化、可视化运维发展，通过对设备运行状态实时监测和在线评估，及时发现异常并进行维护[5]。当前世界正经历第四次工业革命，新—代数字技术推动数字与产业全面融合，带来生产方式、管理方式的根本性变革，智能运维利用大数据、人工智能、云计算、数字孪生等信息技术，结合物理建模与机理分析评估设备运行状态，进行故障模式识别、严重程度估算及剩余寿命预测，优化运维决策，合理安排维护活动[6]。
油气生产系统具有运维风险高、事故影响大的特点，传统运维方式无法及时有效感知、处理系统异常事件[7]。近年来，国内外油气田企业在钻井安全、集输安全[8]以及远程运维[9]等领域取得了重要进展，加速安全生产从静态分析向动态感知、事后应急向事前预防、单点防控向全局联防的转变，保障了油气生产系统的安全，实现油气生产行业高质量发展[10]。但在油气生产系统智能安全运维领域依然存在众多关键技术亟待突破，需通过研究新兴技术在智能油气安全生产中的融合应用，建立信息化、数字化、智能化的新型安全生产技术体系，增强油气安全生产的感知、监测、预警、处置和评估能力[11]，使油气生产运维方式由传统运维向智能安全运维转变，培育推广智能运维服务新模式，保证生产装备安全、平稳运行[12]。本文针对当前油气生产运维数字化转型的迫切需求，结合大数据、数字孪生、机器学习、边缘计算等先进技术，明确了智能安全运维技术的内涵及关键要素，分析了存在的问题与面临的挑战，构建了油气生产系统智能安全运维技术体系，为无故障油气生产系统提供技术支撑，推动传统能源行业数字化转型，促进智能安全运维技术的实施。研究成果有助于油气生产领域安全建设，推动油气行业安全健康发展。
1.1 油气生产智能安全运维的定义
智能安全运维是一种充分利用“云大物智” （云计算、大数据、物联网、人工智能）等新一代信息与通信技术实现油气生产系统动态自决策的方法。油气生产系统的智能安全运维涵盖油气钻井开采、运输储存、炼油化工的全过程，包括健康管理、风险评估、可视化管理、智能预警、风险预测等运维内容[13-14]，如图1所示。利用边缘感知技术获取生产现场数据，基于大数据技术实现信息建模、数据治理、多源异构数据融合，通过功能算法模型和智能应用模型充分发挥数据价值，剖析监测数据内在本质，结合运维服务模块，实现油气生产系统全过程、全要素、全生命周期的运行维护。以数据管理为关键，以算法模型为基础，以运维服务为平台，通过数字技术与传统油气生产技术深度融合，不断提高油气生产系统数字化、网络化、智能化水平，实现从传统运维模式向智能安全运维模式的数字化转型。
图1 油气生产智能安全运维技术框架图
1.2 油气生产智能安全运维关键要素
油气生产系统长期存在固有风险，不同专业领域和关键环节风险防范能力仍需加强[15]。针对此问题，提出智能安全运维应从“设备安全、作业安全、过程安全”3个关键要素出发，扎实推进油气生产与智能化技术融合创新，从根本上消除隐患，提升油气生产关键核心环节的安全本质水平，最终实现油气生产系统安全发展。
油气生产设备设施正常、稳定运行是油气生产系统的关键[16]，智能安全运维为现场关键设备状态监测、故障预警、故障诊断、状态评估等提供技术支持。油气生产过程作业种类繁多、现场情况复杂，作业间存在多重风险干涉影响，且作业风险动态变化[17]，需要智能安全运维系统进行重点风险管控及提供应急处理措施，以降低作业过程事故发生概率。油气生产涵盖了从钻井、开采到油气运输、存储及炼制，再到成品加工、销售等上中下游全产业链，如图2所示，建立了全要素油气生产安全框架。全要素包含人、机、料、法、环、管等6个影响油气生产系统稳定运行的因素，智能安全运维通过综合考虑这些因素以达到安全生产、提质增效、降低成本的效果。根据油气生产设备设施状态监测数据，提取性能指标，推测设备失效关键节点，预测潜在失效环节，保证油气生产设备安全。在油气生产作业中对工作数据进行收集与整理，通过对危险源的辨识，定性可能存在的作业风险危险程度，给出具体风险减缓措施，保证油气生产作业安全。通过建立生产过程模型，建立自适应预警分析方法，模拟实际工况，实现风险趋势预测，保证油气生产过程安全。
图2 全要素油气生产安全实现框架图
1.3 油气生产智能安全运维存在问题与挑战
目前针对油气生产智能安全运维已有一定的研究，但在油气田生产安全多源数据获取与分析、油气田多维度多尺度风险演化机理、工业互联网下的边云协同优化与实现过程方面还面临诸多难题与挑战，本文梳理了智能安全运维亟待解决的三大挑战和四大关键问题。
三大挑战包括：①技术攻关难。油气生产过程存在数据碎片化、信息孤岛化、开发周期长、无法灵活快速响应新需求等问题，传统运维方式难以满足未来生产数字化需求，数字化转型难度大。②泛在感知弱。油气生产系统过程复杂，环节众多，风险因素多样，在某些具体业务场景下可实现智能化探索、可推广应用的感知技术尚不多，系统泛在感知能力有待进一步提升。③统一平台难。基于具体业务场景的智能算法开发与应用刚刚起步，数据标准不统一、应用系统孤立分散[18]，推行统一的数据采集、传输、应用，建立数据集中存储和共享使用平台难度大。
目前智能安全运维存在以下四大关键问题。
1）油气田多维度多尺度风险形成演化机理及风险表征。单一生产设备发生故障或异常可能引起另一设备的异常，造成故障扩大，因此需要通过分析风险跨空间传播的形式及规则[19]，研究生产系统的风险传播机制，明确系统内部关联的方向性与依赖关系，评估风险演化状态，构建风险演化模型，明确风险成因与演化过程，阐明风险跨设备、空间、时间传播机制，揭示风险演化机理。
2）油气田生产安全运维多源异构大数据融合分析机制。油气生产系统运行数据高效挖掘和分析处理是全面分析系统运行状态的前提，不仅需要考虑物理设备的安全性，还需要考虑数据异常引起的系统综合态势变化。因此，首先确定装备多源异构数据具体表征，从逻辑推理和数据挖掘两个维度出发，确立关键数据获取方法，基于多模态深度学习实现多源异构数据的融合[20]，突破由于数据异构、稀疏造成的融合难题，研究复杂异构数据融合分析方法，明确多源异构大数据融合分析机制。
3）工业互联网下的边云协同安全运维知识生成机制。边云协同技术能够促进生产系统运维智能化水平的发展[21]，建立统一、集中、弹性的云底座，实现生产系统的集中部署、整合和共享应用，建立标准化的云运维环境。基于边云协同计算技术，为不同场景下运维知识生产机制提供支撑，部署统一、开放、标准的油气数据平台，实现通用、开放、可扩展的智能安全运维平台，以感知、互联、数据融合为基础，建立生产实时监控、智能诊断、自动处置、智能优化等关键流程的运维知识生成机制。
4）油气生产设备运行机理与数据融合的数字孪生推理决策机制。目前基于设备状态的推理决策是分立进行的，如何综合利用设备状态、运行性能及风险评估技术，制定优化的维修决策是亟需突破的重点。因此，需要结合设备机理和实时数据建立故障诊断、风险预警以及性能评估模型[22]，利用数字孪生技术实现自动预警设备故障、预测性能状况，达到设备功能、性能以及风险的一体化运维管控，实现设备全生命周期闭环管理。通过建立数据驱动的失效数字孪生模型，逐渐扩大可用数据集，实现容错、自学习、自组织并行处理，建立机理与数据融合的数字孪生推理决策机制。
建立面向油气生产系统的“1-2-3-4-5-6”智能安全运维技术体系，如图3所示，该体系以解决实际问题为出发点，明确核心要素，实现主要功能，解决关键任务，利用六大关键技术支撑该体系建设，基于六大关键技术实现五项主要任务，具备四项分析能力，包含三个核心要素，完成二大方向转变，最终实现一个基本目标，形成自下而上的油气生产智能安全运维技术体系。
图3 油气生产系统智能安全运维技术体系图
2.1 一个基本目标
智能安全运维的基本目标是通过标准化、数字化、可视化、自动化、智能化的管理方式，为整个油气生产系统提供安全保障、质量保证、效能提升的解决方案，开发统一智能安全运维平台，实现统一监视判断、统一联动应急、统一推送处理，提升运维管理水平。
2.2 二大方向转变
利用工业互联网技术和人工智能技术，智能安全运维需要完成两项技术转变：①从基于感官到基于数据的设备状态判断；
②从基于经验到基于知识的决策。从人工排产、人工诊断、人工检验和经验判断转变为自动推送、智能诊断、智能检验和智能分析，提高运维效率和准确率。
2.3 三个核心要素
智能安全运维技术的核心要素体现：①数据感知类似人的五官，通过传感技术获取外界信息；
②算法模型等同于人的大脑，通过机理模型、数据驱动模型等技术对外界信息进行分析判断；
③软件平台相当于人的身躯，支持业务应用向“模块化、迭代式”工业APP模式转型。数据感知是基础、算法模式是核心、软件平台是载体，三者相互关联、相互支撑。
2.4 四项分析能力
智能安全运维四项分析能力包括：①实时监测通过空—天—地多维度立体化监测体系，全方位感知油气生产系统运行风险，可视化分析运行状态，实现数据汇聚、统计分析；
②诊断评估利用大数据、机理模型等智能建模方法，综合分析影响装备运行状态、经济与可靠性的因素，准确诊断评估健康及异常状态；
③预测预警分析未来发生异常的可能性及时间节点，及早发出预警，实现异常信息提示与定位；
④维护决策充分挖掘运维大数据价值，建立优化决策方法，给出科学合理的维修维护决策及应急处理建议，提升智能安全运维的智能化水平。
2.5 五项主要任务
智能安全运维主要任务包括：①设备监测维护。设备设施正常、稳定运行是油气生产的关键，智能安全运维为生产现场关键设备状态监测、故障预警、故障诊断、状态评估等提供技术支持。②过程安全预警。油气生产系统工艺复杂，生产过程安全要求高，智能安全运维系统需具备及时检测及自主处理生产过程异常事件的能力。③作业风险评估。油气生产过程存在风险动态变化、多重风险干涉的情况，需要智能安全运维系统进行重点风险管控并提供应急处理措施，以降低作业过程事故发生可能性；
④智能分析决策。油气生产数据检测分析实现大数据管理、融合，进行智能决策分析，为油气生产系统运维提供技术支持。⑤系统自我运维。指运维系统对于自身安全威胁的判定—防御—归因—调优过程，系统本身应具有对于异常事件的承受能力。
2.6 六大关键技术
安全运维关键技术涵盖知识工程、机器学习、边缘计算、数字孪生、大数据以及系统开发等关键技术，为油气生产系统本质安全、提质增效提供基础技术支持。基于六大关键技术建立油气生产智能安全运维实现框架，如图4所示，充分发挥每项关键技术的优势，通过六大关键技术赋能油气生产关键要素，实现油气生产系统安全保障、质量保障和效能提升。
图4 油气生产系统智能安全运维实现框架图
大数据技术包括系统信息化数据处理、外部跨界数据和工业物联网数据融合，机器学习技术可以实现数据分析、数据科学和自动化的融合，利用大数据技术与机器学习技术可以提升数字孪生技术的分析计算能力。数字孪生强调系统全生命周期数据源的一致性，保证数字孪生体对产品描述的准确性，为油气生产系统全生命周期运维提供技术支持，实现全生命周期运行监测。系统开发技术基于微服务容器化和数据中台等平台技术，研发工业智能应用开发框架，创建灵活开放的智能业务应用开发环境。得益于知识工程高度可视化、强关联分析、可识别隐性关系等优势，知识工程技术能对特定的问题进行分析、推理、辅助决策，利用知识工程技术形成领域知识库，边缘计算技术提供汇聚网络、计算、存储能力，最终以系统形式实现油气生产系统智能安全运维技术在实时监测、早期预警、风险评估等方面的应用。
油气生产上中下游产业链的联系非常紧密，具有鲜明的产业链结构和产业链传递效应，聚焦油气上中下游的钻井开采、储存运输、炼油化工等典型生产场景，利用智能安全运维技术，实现油气生产系统状态监测、健康管理、风险评估、可视化管理、智能预警、风险预测，推动智能安全运维应用实施。
3.1 油气钻井开采
深层、深水及非常规油气资源的钻井开采具有工艺复杂、工况恶劣的特点，在高温、高压、酸性、远海等严酷环境下进行油气钻采作业极易发生多灾种耦合事故，为事故早期预警与应急救援带来极大挑战[23]。通过智能安全运维技术，实现油藏模型智能拟合、油气生产安全智能预警，提升钻井开采技术水平，保障油气生产系统安全，避免事故发生。
以智能安全运维技术为基础，整合作业数据，进行钻井开采一体化、地上地下一体化、地质工程一体化的协同工程建设，提升钻井开采运维水平。研发油气钻井开采一体化智能安全运维平台，在油气生产作业现场实时全方位感知，转变生产运营方式，降低作业成本和风险。创建钻井与开发虚拟环境，构建数据湖，实现钻井开采数据全连接，以多专业、多维度、多时空、实时完整的全域数据为核心，实现油气钻井开采场景智能安全运维。利用智能安全运维技术建立数据分析与智能诊断系统，实时获取钻机机组等关键设备的振动、温度、压力、流量等数据，通过故障预测分析，准确判定故障原因，研究油气钻井开采过程异常工况辨识方法，进行开采工艺流程安全评价，实现智能风险分级管控，提前预测和发现潜在问题。
3.2 油气储存运输
在油气储运领域，管道泄漏普遍通过监测压力、流量等参数变化来判断识别，泄漏监测能力有待提高；
油气管道及站场的衍生灾害评价模型缺乏，风险评价预测精度不高；
储罐的检测与维修尚未形成系统的完整性评价方法[24]，因此需要智能安全运维技术解决以上问题，制定合理的运维方案，模拟分析决策效果，并对决策执行的过程进行跟踪和管理，降低决策风险，提高宏观决策分析能力，实现预测性维护，有效减少维修成本、降低非计划停工风险。
智能安全运维技术应从过程风险演化机理、实时风险感知与智能预警技术、关键设施健康状态监测等方面实现油气储运过程本质安全。针对油气储运过程风险监测预警难题，构建边云结合的远程监测与预测性维护平台，将业务数据、空间数据等多种数据进行整合，运用感知、计算、建模等信息技术，实现物理空间与虚拟空间的交互映射、智能应用。智能安全运维技术充分利用实际生产中的监测数据，对油气储存及运输过程中的关键水力、热力过程进行分析，在海量数据基础上进行大数据分析与处理，运用感知、计算、建模等信息技术，实现故障快速精准诊断、风险及时预警、过程实时监测，提升油气储运全流程安全性。
3.3 油气炼油化工
在油气炼油化工领域，大型炼化企业生产规模大、流程复杂，存在资源分散、缺乏协同的传统弊端，且炼化过程易燃易爆、工艺复杂、操作控制难度大，炼化安全问题逐渐发展为复杂化、多介质的难题[25]。传统运维技术在提高炼化企业生产效率、管理效率的同时也带来了安全隐患。
智能安全运维技术通过创建炼化厂的实时模型，实现虚实数据同步驱动的关联动态预警，事故区域附近人员可以得到警报以及疏散指引，同时发起事故响应机制。针对炼化关键装备风险预警难等问题，结合数字孪生技术和大数据技术，建立设备数字孪生模型，实现虚实数据同步驱动的关联动态预警；
针对炼化装置面临的故障诊断管理问题，基于实时映射机制及虚拟传感技术，协同复杂故障诊断溯源技术，实现炼化装置虚实融合诊断与早期预警；
针对炼化装备健康管理难题，基于大数据技术建立多源监测数据特征指标体系，挖掘特征指标与装备劣化状态之间的隐含关系，构建装备健康评估等级体系，实时掌握装备健康状态。
现阶段数字化转型下的油气生产系统安全不仅需要考虑物理设备的安全性，还需要考虑信息系统网络攻击、数据异常等引起的系统综合态势变化，生产安全风险呈现多元化特征，风险隐患发现难度更高，安全形势进一步加剧。这一系列技术和形势的变化促使智能安全运维向智能决策、主动预防、信息物理综合安全方向发展。
4.1 安全运维向智能决策发展
智能安全运维利用大数据技术分析海量安全数据，发现可能会对系统安全造成威胁的安全风险，但在功能组件或部分应用层的分析中存在安全风险要素与风险演变机制不明等问题，缺乏对油气生产系统跨域风险传递与演化描述的理论框架。智能安全运维应朝着智能感知、数据链利用、智能决策方向发展，开展基于逻辑和知识的推理建模，对难测物理量进行估计，对潜在的安全威胁事件进行预测和判断，不断提升安全风险精确预警与准确处置的水平。
4.2 风险监测向主动预防转变
油气生产系统自身运行异常也会导致数据异常，如何准确检测系统异常行为并确认来源，是主动检测防御的关键。在长周期预测中，由于缺乏信息更新，造成预测不确定和准确度不高等问题。在智能安全运维中建立主动预防安全技术，实现从被动安全防护向主动防御转变，利用混合感知信息和风险预测模型，研究油气生产系统智能安全推理决策技术，辨识风险因素，并构建不同层级的风险因素体系框架，阐述风险形成及演化传播的基本形式，以实现油气生产运维的全方位有效诊断和准确预测。
4.3 系统安全向信息物理综合安全演变
油气生产信息系统的信息安全威胁与物理系统的工程安全风险交互影响，系统性综合安全问题突出，信息—物理耦合机制不清，主控因素不明，缺乏主动防御和控制手段。因此，智能安全运维技术应该明确油气生产系统信息—物理交互耦合作用机制，揭示油气生产系统信息—物理跨域风险演化机理，构建信息物理深度融合下油气生产系统态势感知评估策略，建立信息—物理交互影响下油气生产系统异常检测预警方法，形成油气生产信息—物理耦合系统性风险分析与控制理论方法体系，对智能安全运维技术的发展具有重要意义。
1）针对当前油气生产运维数字化转型的迫切需求，研究新一代信息技术在智能油气安全生产中的融合应用，建立信息化、数字化、智能化的新型智能安全运维技术体系，增强油气安全生产的感知、监测、预警、处置和评估能力，提升油气生产智能安全运维水平，这些是广大油气生产提质增效和绿色转型发展的必然趋势。
2）结合知识工程、机器学习、边缘计算、数字孪生、大数据以及系统开发等关键技术，构建油气生产系统智能安全运维技术体系，在功能信息安全、装备过程安全、系统安全三方面打造智能决策、主动预防、全面安全的智能安全运维技术，做好本质安全，推动传统油气生产系统数字化升级，促进油气生产运维方式向数字化和智能化发展，建设智能安全运维新模式。
3）油气生产企业应大力发展智能安全运维，既可以保障自身的能源生产和供应，也可以有效应对国际市场竞争，在世界经济大幅衰退、国际油价长期不稳定的严峻形势下，大力推动油气行业智能化转型具有更加突出的战略和现实意义。以油气生产智能安全运维为落脚点，为世界油气行业向智能化发展提供参考，为工业企业提供智能制造服务，为加快实现制造业数字化、智能化转型的国家战略贡献力量，对国民经济和国防安全意义重大。
猜你喜欢运维油气智能平凉，油气双破2万吨加油站服务指南(2021年4期)2021-07-21“峰中”提前 油气转舵中国石油石化(2021年8期)2021-07-20《非常规油气》第二届青年编委征集通知非常规油气(2021年2期)2021-05-24运维技术研发决策中ITSS运维成熟度模型应用初探中国交通信息化(2019年5期)2019-08-30智能前沿文苑(2018年23期)2018-12-14智能前沿文苑(2018年19期)2018-11-09智能前沿文苑(2018年17期)2018-11-09智能前沿文苑(2018年21期)2018-11-09风电运维困局能源(2018年8期)2018-09-21杂乱无章的光伏运维 百亿市场如何成长能源(2017年11期)2017-12-13