海洋石油平臺注水泵在線監測與故障智能診斷技術應用

祁東明

中海石油（中國）有限公司 天津分公司（天津300459）

1 背景概況

海洋石油采油平臺上的泵機組種類繁多，主要涉及到齒輪泵、柱塞泵、離心泵、螺桿泵、多級離心泵等。其中與油田產量密切相關的注水泵屬于平臺生產的關鍵設備，隨著油田開發，采出液體中的含水量也不斷上升，為確保油田產量，需要加大產出液中生產水的脫水及回注，注水泵在油田的提液增注措施中起著愈發重要的作用。

前期海上采油平臺受網絡通訊帶寬不足、費用整體較高因素影響，一些先進的在線遠程監測、檢測、診斷及分析技術無法得到及時推廣。針對泵機組設備的監測和維護大多采用“日常巡檢+定期體檢”的方式進行。其中，日常巡檢采用振動筆和點溫槍進行檢測，手動記錄數值，并通過工人經驗對設備狀態進行分析判斷。定期體檢則是依靠關聯公司每季度攜帶振動數采器、相位儀、電流鉗、聽診器、設備熱成像儀等設備對其進行全面檢測，并提供設備狀態檢測評估報告，提供檢測之后的故障判斷，對現場工作進行指導。

平臺現場點巡檢方式主要存在如下幾個問題：

1）依賴人工及其經驗對設備進行巡檢，人力成本高，巡檢質量低，容易誤報漏報，無法及時發現設備問題。

2）采用預防性維護措施，定期對設備進行點檢，事后發現設備故障，維修周期長，意外停機損失大。

泵機組等關鍵設備覆蓋井口平臺生產的全流程作業，現有巡檢、點檢方式巡檢質量低、事后發現設備故障，無法滿足對設備的監控要求。

2 必要性和可行性分析

2.1 必要性分析

當前石油行業設備維護方式各不相同，主要包括事后維修、預防性維修、預知性維修3種。根據設備重要程度、產生的結果嚴重性不同，運用的維護方式也不盡相同，當前設備管理手段的弊端體現在以下幾個方面：

1）設備覆蓋區域廣，主要依靠人工巡檢點檢，人工成本及經驗要求高、耗時長。目前采用的在線監測系統、點巡檢數據均無法做到設備故障的精確分析，無法鑒別出設備的早期故障，難以實現科學維護以延長設備使用壽命或實現預知性維修，不適用于關鍵設備的狀態管理。

2）缺乏智能化設備數據分析，通過專家的知識和經驗進行事后分析，響應速度慢，診斷費用高。

因此，只有實現狀態監測從局部到整體、由被動到主動的全面轉變，才能優化當前的設備管理模式，全面、及時地把握和預知設備狀態。另外，隨著自動化水平以及狀態監測技術水平的不斷提高，設備維修方式將呈現如下發展趨勢。

1）預防性維修向預知性維護轉變。預知性維護技術將逐步覆蓋更多的關鍵設備和關鍵工藝環節中的設備。

2）被動維修向主動維修改變。從本質上看，被動維修是為了恢復設備運行狀態，主動維修是以設備狀態可靠性為基礎，結合生產要求找出重復故障的根本原因，識別并消除影響設備壽命的因素，確保設備始終處于性能良好的狀態。

2.2 可行性分析

預知性維護是基于傳感器的檢測，從而對設備故障提前預警。對于工業設備，溫度、噪聲、流體分析、振動、電氣測試與監測等方法均可用于機械故障檢測（圖1）。其中，振動頻譜分析是一種能在早期發現設備潛在故障的方法。

圖1 不同類型監測方式預知性維護的預警期

根據相關標準，ISO 10816：1995對設備振動的速度和位移提出了要求，通過振動監測捕捉到的速度和位移變化范圍來判斷設備是否處于可運行、不宜長期運行、故障損壞的區間。基本的預知性維護過程包括：數據采集、信號分析和發出預警。傳感器測量機械設備的加速度、速度、位移，通過解析故障頻率，結合設備故障神經網絡模型的自動學習，準確判斷出設備故障位置，對潛在的故障發出預警，不同技術手段所監測的故障范圍見表1。

表1 不同技術手段可監測的設備故障范圍

3 總體技術方案

3.1 系統架構

針對海洋石油平臺面臨的無法及時發現設備故障和事后維修等問題，平臺搭設注水泵在線監測和故障診斷系統。通過部署在線監測裝置，綜合利用工業物聯網技術和云端的人工智能技術，完成泵機組等生產流程關鍵設備工作狀態的在線監測和故障智能診斷，實現設備的預知性維護，最終完成智能化設備管理平臺搭建，將設備信息化管理變為現實[1]。系統架構如圖2所示。

圖2 系統架構示意圖

3.2 設備故障診斷方法對比

預知性維護理論通過設備的振動狀態對設備故障進行提前預警并分析設備故障類型或部位。針對設備振動數據進行設備故障診斷的常見方法有：閾值法分析、專家診斷法、人工智能（AI）診斷法[2]。

1）閾值分析法：作為最經典的設備故障診斷方法，依賴相關標準。依據泵的中心高度和轉速，將泵分為4類，每類由一個振動烈度閾值判斷是否有潛在故障。閾值分析法只能判斷設備是否有故障，不能對故障類型或部位進行診斷。另外，由于設備之間的差異性，閾值分析法的虛警率和誤報率都比較高，需要人工配合[3]。

2）專家診斷法：依靠相關行業內的專家，從振動頻譜著手診斷設備故障，通過專家的經驗積累，可以較為準確地對設備故障類型或發生部位進行判定。專家診斷法人工成本高，跨行業、跨設備非常耗時。

3）AI診斷法：AI診斷法利用人工智能技術，通過設備故障模型的神經網絡對振動數據自我學習，對設備故障進行分析和定位。AI診斷法以有限設備類型的數據庫為基礎，線上實時利用遷移學習和數據增廣，生成新類型設備數據分布的海量數據集，最終通過深度學習和集成學習完成各種新類型設備的故障預知。線上生產環境的算法無需人為干預，理論上一位算法工程師可運維上萬臺設備的模型學習[4]。基于人工智能技術的設備故障診斷方法如圖3所示。

3.3 系統組成

圖3 基于人工智能技術的設備故障診斷方法示意圖

這套系統包含智能傳感器、智能網關和云端平臺。考慮到海上石油平臺注水泵轉速、排量均較為相近，因此該套系統選擇傳感器及網關都具備良好的兼容性。同時考慮到海上特殊環境因素及防爆工況，所有智能傳感器、網關設備均需滿足第三方檢驗機構船級社的認證，確保在油氣生產工況下其防水防塵以及防爆要求。

3.3.1 智能傳感器

智能傳感器包括泵傳感器（圖4）和電機傳感器（圖5），用于采集泵機和電機的三軸振動數據和表面溫度數據，在傳感器內部完成邊緣計算，對設備的啟停狀態和異常狀態進行智能分析，采用變頻工作方式實現對設備狀態變化的快速響應[5]。

3.3.2 智能網關

智能網關用于收集智能傳感器的數據，完成數據融合分析，通過4G通訊、RJ45以太網、RS-485串口等形式將數據發送至云平臺，如圖6所示。

圖4 智能傳感器（泵側）

圖5 智能傳感器（電機側）

3.3.3 云平臺

云平臺完成大數據的智能分析，對設備故障進行深度學習和精確定位，通過云平臺實現設備的智能運維管理。

4 實現功能

該系統利用IOT物聯網技術和AI技術，實現設備信息物聯和智能分析處理，通過自我深度學習技術，實現設備故障的智能診斷。主要功能如下。

4.1 設備監測預警

通過AI算法自動分析判斷設備故障，支持的故障類型包含：離心泵設備可以準確診斷轉子不平衡、轉子不對中、A/B/C型機械松動、動靜件摩擦、汽蝕及共振等8種工況；15～75 kW電動機設備可以準確診斷轉子不平衡、轉子軸線不重合、定子電磁振動、機殼扭曲、結構框架松動、軸承摩擦、電機短路、電機過熱等10種工況；電機設備可以準確識別電動機退磁、轉子破碎2種工況；對設備故障進行報警；統計設備運行狀態、分析趨勢，對設備健康情況進行預判，從而實現設備的健康管理。

圖6 智能網關

4.2 設備信息可視化

①展示安裝傳感器的電量、信號強度等信息；②展示被監測設備的振動、溫度參數及其趨勢；③展示被監測設備的工況信息。

4.3 數據存儲與訪問

①具備歷史數據存儲功能；②支持遠程通過Web或App方式訪問設備信息。

4.4 第三方數據采集

①通過網關實現與PLC的通信，傳輸PLC采集的其他信息（如流量、壓力、溫度、電參數等）至云端；②通過無線網關連接與無線儀表的通訊，將現場設備安裝的無線儀表的數據傳輸到云平臺。

5 結束語

某海洋石油平臺采取的注水泵在線監測與故障智能診斷方案，主要針對油田生產流程關鍵設備注水泵的智能運維，可以避免因設備管理模式落后引起的故障發現不及時問題，避免導致重大經濟損失。同時基于設備的在線監測，運用人工智能技術實現設備的故障智能診斷，完成了注水泵維護方式從預防性維修向預知性維護轉變，優化了當前的設備管理模式，為建設海洋石油智能化平臺提供借鑒。