面向化工智能工廠的數據采集系統研究

李國濤

（中國成達工程有限公司，四川成都 610000）

化工行業屬于高危行業，對安全生產要求非常嚴格，因此在化工廠內通常會有比較復雜的控制系統，以確保生活活動的安全進行。但是隨著化工工藝的進步和化工廠規模的擴大，傳統的生產管理體系逐步表現出許多缺陷，尤其是智能化程度低。在智能化技術不斷成熟的今天，智能工廠的概念開始為人們所熟知。智能工廠在化工生產企業的應用，使得化工生產的整個管理流程更加科學化和智能化。然而智能工廠的建設依賴于大量的動態生產數據，因而數據采集系統成為智能工廠實現的關鍵。為此，本文對化工智能工廠的數據采集系統進行了深入的分析。

1 數據采集系統概述

1.1 發展現狀分析

數據采集系統是在電子、計算機、通信、網絡等技術的支撐下發展起來的，最早的數據采集系統出現于20世紀中期的美國，當時主要用于軍事領域。20世紀60年代后，成套的數據采集系統開始推向市場，但總體性能不佳。直到20世紀80年代初，才出現了以計算機控制為核心的數據采集系統，并且逐步實現自動化和智能化[3]。目前，數據采集系統已經成為更大規模的智能工廠的一部分，不僅可以完成最基礎的數據采集功能，而且還能實現生產、調度、控制、經營、管理、決策等各項功能，成為許多大型企業不可或缺的生產管理系統。在化工領域，智能工廠也已經開始了初步的探索和應用。由于化工廠的特殊性，對安全性能要求極高，因此智能工廠被人們認為是化工廠智能化發展的必然趨勢。

1.2 當前存在的不足

盡管當前的智能化技術已經比較成熟，但作為智能工廠在實際生產企業中應用仍不成熟，尤其是在現場數據采集要求和數據接口標準等方面還沒有形成統一的行業規范，智能工廠的作用還未能充分發揮。在化工領域，現場生產設備種類繁多、數量龐大，而且供應商各不相同，服役年限也有長有短，這導致現場設備的數據接口千差萬別，不同的設備之間難以實現數據傳輸。另外，許多化工廠的生產管理系統僅對生產過程中的用料和參數進行采集和監視，而對于環境等相關的數據則不關心，導致數據采集不全面、不準確，距離真正的智能工廠還有很大的差距。因此，如何規范地對生產現場的各類數據進行采集，是當前化工廠實現智能化過程中面臨的第一道難關。

2 化工廠數據采集系統研究

2.1 現場數據采集內容的確定

化工廠生產工藝比較復雜，整個過程涉及大量的工藝參數，而這些參數絕大部分都是可以測量出來的。從數據本身的角度上，化工廠的數據可以分為結構化數據和非結構化數據，其中結構化數據是指具有固定結構的數據集成，例如模擬量數據、數字量數據與報警和事件信息等；而非結構化數據則是沒有固定的結構形式，例如視頻、音頻和圖像數據等。考慮到化工廠的類型多處多樣，而不同的化工產品在生產工藝上有一定的區別，為了對整個數據采集系統進行詳細且具體的說明，本文以最常見的煤化工企業為例展開研究。

典型的煤化工企業包括煤制烯烴、煤制油與煤制天然氣等類型，按照其生產工藝流程的順序，涉及的設備主要包括生產裝置、系統管網、罐區、裝卸棧臺、倉庫和HSE 等，而這些工藝的每個環節都會有相應的控制指標，需要布設相應的采集裝置。數據采集系統的設計就是要確定采集哪些數據、用什么設備來采以及采集哪些內容。表1為煤化工企業數據采集系統采集的內容。

如表1所示，本文根據煤化工工藝特點，結合數據采集系統的技術要求，擬定了44個數據的采集方案，這些數據可以分為工藝參數、操作狀態、運行狀態、廢物排放、功耗數據等大類。其中，工藝參數包括、溫度、壓力、液位和流量，通過溫度傳感器、壓力傳感器、液位傳感器、流量傳感器等儀器實現采集；操作狀態包括試車、開車、連續生產、倒爐、暫停、緊急停車、短期停車、停車，這些數據均來源于車間的DCS系統；運行狀態數據主要有開始運行時間、結束時間、加工時間、加工數量、停機時間、轉速、軸溫、軸振動、軸位移，這些數據來源于PLC控制系統；廢物排放數據包括氮氣、氧氣、一氧化碳、二氧化碳、水、碳氫化合物、可燃氣體、有毒氣體、大氣中的 PM10、大氣中的 SO2、大氣中的 CO、大氣中的 NO、大氣中的 NO2、大氣中的 O3、O2、水質 COD、水質 pH、煙氣的 SO2、粉塵，采集儀器包括氣體檢測儀、水質分析儀、煙氣檢測儀和粉塵檢測儀；功耗數據主要包括電能、電壓、電流和功率，通過能源計量儀表完成采集。以上數據的采集內容，基本可以支撐智能工廠的建設要求。

2.2 數據采集方法

數據采集系統主要包括數據的產生、數據的感知、數據傳輸、數據的存儲等方面，每個方面都是一個獨立的子系統，但在整體上又是一個不可分割的數據采集體系。

在化工廠的生產過程中，數據源就是整個生產流程涉及到的各個設備的運行參數和周邊環境信息，具有點多面廣的特點。數據的感知就是通過各種傳感器設備對數據源的數據進行采集，將模擬信息轉化為數字信息。對于一些特殊的數據，可能已經在第三方系統中生成，例如PLC控制系統、DCS集散控制系統、ERP系統等，這些系統在功能上等同于一個數據源，只是其產生數據類型較多，而且需要通過專用的數據接口來進行數據采集。

數據傳輸是通過一定的網絡拓撲來實現的，多采集總線型網絡進行數據傳輸，每類傳感器數據首先通過自己單獨的線路進行采集，然后匯總到數據總線。對于普通傳感器，多采用國際通用的數據傳輸協議，例如TCP、RS-485等，而第三方系統與數據采集系統的對接則需要專門的通信協議，該協議一般由第三方設計并提供。

數據的存儲則通過數據庫來實現，不同的數據庫有不同的性能，化工廠應根據企業規模來選用。例如大型化工廠可以采用大型關系型數據庫ORACLE，中小型化工企業則可以采用輕量級的MySQL。對于非結構化數據，包括視頻、音頻和圖像則無法通過數據庫來直接保存，因而需要用到文件系統。非結構化數據則采用攝像頭、麥克風等設備采集，由專用的視頻/音頻服務器傳送到遠程監控中心。

2.3 采集設備選型原則

化工廠內部環境比較惡劣，可能存在有毒、腐蝕氣體，而且會面臨高溫、潮濕等問題，容易導致采集設備的損壞。因此，化工廠數據采集設備應該具有較高的綜合性能。在智能工廠中，數據采集設備可以分為模擬量儀表、數字量儀表、分析儀表與其他類儀表設備等，這些儀器儀表在選型過程中，必須充分考慮其測量精度、穩定性、可靠性和功耗，也要考慮到其安裝位置和固定方式，同時要具有一定程度的冗余與擴展，避免特殊情況下不能及時采集實時數據。同時也要兼顧設備的經濟性。對于綜合性能高的數據采集設備，可以考慮高性能進口設備，如果無特殊要求，可以優先選擇性價比較高的品牌產品。

2.4 采集技術要求

數據采集是一套完整的功能系統，是智能工廠的一部分，因此數據采集系統在技術要求上一定要具有先進性，盡量采集當前的最新技術，保證技術在未來幾年內不會被淘汰并持續保持先進性。在數據有效性方面，按照當前智能工廠的技術要求，現場數據采集的完整率至少要達到90%。為減輕數據采集的難度和復雜性，應事先確定好每類數據和傳感器的采集頻率和數據有效位數。作為具備網絡拓撲的系統，化工廠數據采集系統應滿足國家或行業相關的標準和規范。

3 系統應用

本系統在某煤化工企業進行了試運行，根據表1中所擬定的44個數據類型和采集方案，實現了對全廠工藝參數、操作狀態、運行狀態、廢物排放、功耗數據等數據的采集。運行結果表明，系統數據采集準確、及時，系統維護和數據的使用都比較方便，取得了較好的應用效果。因此，無論是從功能上看還是在性能上看，該系統都具有一定的應用推廣價值。

4 結束語

在信息化技術高度發達的今天，智能化技術已經廣泛應用于各行各業，而化工行業的生產管理也離不開智能化技術的支撐。當前許多大型化工企業已經將智能工廠作為提升核心競爭能力一重要手段。可以認為，能否在信息化社會中搶先實現智能工廠的應用，在很大程度上決定了企業在未來的市場競爭中所具有的地位。鑒于智能工廠的重要性，不難預見在未來智能工廠中對數據采集系統的要求也會不斷嚴格化，各國的參與也將逐步對數據采集系統的數據接口標準進行制定，從而推動全行業的智能化發展。