油氣站場運行異常全息管控平臺的建立與應用

劉朋　李柏林　楊全疆　黃春劍　孫元疆

摘要：為全面保障集氣處理站人員和設備安全，提升油氣站場智能化水平，基于信息化和物聯網技術設計并實現了油氣站場運行異常全息管控系統。利用過程安全管理和完整性管理技術建立風險識別管控機制，并構建狀態監測、火氣監測、腐蝕監測、位移監測、工藝監測和視頻監控等多個功能模塊，再結合三維全息技術，建立全場景的三維全息數字場站。結果顯示，系統實現了場內設備狀態、人員狀態、生產工藝、環境狀態的異常報警和預警，可動態顯示場內人員的位置和設備狀態信息的變化，形成了站場立體可視化管理。所設計的系統對有效提升集氣處理站的安全數字管理有重要意義，系統的功能構架和關鍵技術也可為石油化工行業異常管理系統的建立提供重要參考。

關鍵詞：安全檢測與監控技術;油氣集輸站場;風險辨識;異常管控;系統應用

中圖分類號：TE68文獻標識碼：A

DOI： 10.7535/hbgykj.2022yx02004

Establishment and application of holographic management system for the abnormal situation of oil and gas station

LIU Peng LI Bolin YANG Quanjiang HUANG Chunjian SUN Yuanjiang

（1Yakela Gas Production Plant，SINOPEC Northwest Oilfield Company，Aksu，Xinjiang 842000，China;2SINOPEC Northwest Oilfield Company，Urumqi，Xinjiang? 830011，China）

Abstract：In order to fully guarantee the safety of personnel and equipment in the gas gathering processing station，and improve the intelligence level of the oil and gas station，a holographic control system for the abnormal situation of the oil and gas station based on informatization and Internet of Things technology was designed and implementedThe risk identification management and control mechanism was established based on process safety management and integrity management technology，and the multiple functional modules such as condition monitoring，fire and gas monitoring，corrosion monitoring，displacement monitoring，process monitoring and video monitoring were constructedThen a full-scene three-dimensional holographic digital field station was established combining with three-dimensional holographic technologyThe results show that the system realizes the abnormal alarm and early warning of equipment status，personnel status，production process and environmental status，which can dynamically display the position of personnel in the field and the change of equipment status information，and the three-dimensional visual management of the station can be formedThe system is of great significance to the improvement of the secure digital management of gas gathering treatment stationsThe functional framework and key technologies of the system also provide an important reference for the establishment of anomaly management systems in the petrochemical industry

Keywords：safety detection and control technology;oil and gas gathering and transportation station;risk identification;anomaly?management and control;system application

隨著信息化、物聯網技術的發展以及國家對石化行業推進智能化水平的要求，依托物聯網建立狀態監測系統，可以快速識別企業中各類異常安全狀態，評估設備的風險和健康狀況，為企業智能化建設提供基礎保障。異常管控是對隱患形成前偏差和異常的發現和處置，可以避免隱患的形成，其本質是把管理關口前移，是從以重點開展隱患排查治理的“事后管理”向監測和處置異常的“事前管理”轉變。

針對石化企業的風險識別和管控，安全檢查表、危險性與可操作性分析（hazard and operability analysis，HAZOP）、失效模式與影響分析（failure mode and effects analysis，FMEA）、事故樹、事件樹、Petri網、貝葉斯網、模糊集理論、馬爾可夫鏈等為常用的風險分析工具[1]。利用這些風險分析工具，王金江等[2]采用風險檢驗（risk based inspection，RBI）技術進行了儲氣庫分離器設備的風險分析。宋肖苗等[3]基于RBI失效概率評估過程，建立了常壓原油儲罐的失效概率數學模型。WANG等[4]基于RBI和以可靠性為中心的維修（reliability centered maintenance，RCM）等技術建立了設備完整性管理方案，該方案可以有效評估設備的風險狀態，提高設備的可靠性、可維護性和安全性。

為實現石化行業的異常情況管理，許多研究人員面向不同設備建立了異常管理系統。工業典型動設備有泵、往復機等，這些設備的運行狀況對整個工藝有重要影響。EMAMI等[5]建立了離心泵監測與性能分析系統。ZHANG等[6]建立了渦輪機實時在線監測和故障診斷系統。張琰等[7]建立了離心通風機監控平臺。腐蝕是現場靜設備常見的失效形式，靜設備的腐蝕狀態管理是現場設備管理的一項重要內容，許多研究人員建立了設備腐蝕管理系統，實現了靜設備在線測厚監控、腐蝕速率實時監控、腐蝕預警和腐蝕風險管理[8-13]。針對生產過程的電氣系統異常情況，ZHAO等[14]建立了石化變電站電力實時監控系統，避免了生產線的電源故障和意外停電。梁永春等[15]搭建了高壓電力電纜實時載流量監測和評估系統。環境感知是異常情況管理的另一部分。在易燃、易爆和有毒物質的生產過程中，環境參數的實時監測非常重要。YANG等[16]建立了基于無線傳感器網絡的工業一氧化碳實時監測系統。FAKRA等[17]設計了用于甲烷和氫氣測量的簡單且低成本的傳感器監測系統。

近年來，基于計算機視覺的物體識別技術得到快速發展，該技術可以實現對煙氣和火焰的識別、監控和報警，如徐燕翔等[18]設計的森林火災檢測系統和SAPONARA等[19]建立的基于卷積神經網絡的實時火災煙霧檢測系統。同時基于計算機視覺可以實現人員的監測與管理，包括人員計數[20-21]和人員狀態的識別[22]。

當前，應用于石化行業的各類狀態和異常監測多為孤立系統，缺乏統籌整個流程的整體解決方案，同時針對油氣站場的異常監測系統應用較少，其各方面安全風險和異常評估方法有待研究。本文面向油氣站場生產、設備、人員、環境等方面的異常管理需求，設計集成風險管理、動靜設備狀態監測、工藝過程監控與預警、環境參數監測和人員行為監控的綜合評估體系和異常管理平臺，并應用于某集氣處理站，以實現廠內設備的異常狀況預警與報警，工藝過程的監測與優化，人員狀態的識別與管理，有效提升場站的智能化和安全管理水平。

1需求分析

某集氣處理站是集原油穩定、輕烴回收、天然氣增壓外輸為一體的大型綜合性天然氣處理站。該站投用于2005年11月，裝置設計處理規模為天然氣260×10?m/d，凝析油17×10?t/a，主要包括氣液分離、脫硫、脫水和液化加工等工藝流程。隨著集氣處理站運行時間的延長，自控系統、電氣系統、裝置流程及關鍵設備逐漸暴露出一定的安全問題。近幾年，石油石化企業油氣站場事故頻發。為保障集氣處理站生產各環節的安全穩定，提高整體的安全水平和智能化水平，提出以下生產、安全系統化需求。

1）數據集成與管理集成現有的設備基礎、運行、狀態等數據，站場視頻監控數據，建立統一數據庫，實現動設備的實時狀態監測、靜設備的腐蝕在線監測、氣體泄漏檢測和人員狀態管理與識別等功能。

2）狀態評估與預警建立生產過程人員和設備安全等方面的狀態監測關鍵參數的超限報警和異常狀態分級評估，以及基于歷史數據的設備狀態和工藝過程異常預測預警機制。

3）應用與展示構建廠區三維全息數字可視化工廠，運用全息場景進行空間分析、查看消防應急規劃以及動態顯示人員和設備等的安全狀態信息。

2平臺設計

2.1功能設計

以生產過程中的異常識別、感知和管控為異常管理平臺設計的主要思路。針對場站運行異常智慧化全息管控平臺，建立安全子系統、生產子系統、設備子系統、人員子系統4大主要功能模塊，實現過程安全風險識別與異常報警，生產工藝控制與異常管控，設備資產管理，人員分布與行為管理等，功能架構圖如圖1所示。

1）安全子系統安全子系統包含火氣監測、腐蝕監測、設備監測、位移監測、工藝異常等功能模塊。火氣監測模塊具備甲烷氣體濃度監控和報警功能。腐蝕監測實現站內工藝管線及壓力容器設備腐蝕狀態進行實時分析和預警功能。設備監測模塊實現旋轉設備實時振動狀態監測，實現故障預測預警。位移監測實現對儲罐沉降的實時監控和預警功能。工藝異常模塊實現工藝監測數據的異常報警。

2）生產子系統生產子系統實現生產信息、單井信息、生產工藝控制、天然氣管網信息和工藝參數實時監測數據的展示，并基于歷史數據，為裝置運行優化提供最優的調整策略。

3）設備子系統設備子系統包括設備管理、工單管理、庫存管理、采購管理、維修維護管理等，將站場設備信息全部納入系統中，并可直接在三維場景中讀取設備信息，如設備名稱、生產廠家、規格、型號等數據信息。

4）人員子系統實現人員信息、人員位置分布和人員識別異常報警等功能，在全息場景中可動態顯示不同生產區域人員數量的變化情況。

2.2系統架構

系統從信息感知、傳輸、分析、應用等層面實現站控系統及配套監測設備數據的全面集成與整合，包括設備資產信息、地理信息數據、生產運營數據、設備監測數據、視頻監控信息、泄漏檢測數據、人員信息管理等，實現異常全息管控平臺4大模塊的功能。系統整體的構架如圖2所示。數據采集層主要包含傳感器、儀表、移動終端和視頻監控等信息感知設備。數據存儲層主要通過分布式存儲技術對采集數據進行存儲。數據處理和數據分析層針對不同的功能模塊實現數據的轉化、處理和分析。數據應用與交互層可實時展示各類監測數據和預警數據，同時不同級別的報警信息會分等級推送給相關管理人員。

系統的無線通信部分由終端設備、基站、核心網（EPC）和交換控制中心（SCC）組成。核心網（EPC）為寬帶多媒體集群系統中的數據與交換中心，4G基站（eNodeB）為寬帶多媒體集群系統中的接入網設備，終端（UE）是集群用戶可以直接操作的設備。圖3為系統的無線通信網絡構架。

2.3風險評估與異常診斷

2.3.1風險評估關鍵技術

基于風險的檢驗（RBI）和以可靠性為中心的維修（RCM）是基于風險資產管理方法的重要內容，已經應用于石化企業的風險管理中。RBI是對靜設備進行定量風險評估的一種方法，可以用設備失效概率和失效后果的組合定量評估設備風險，根據設備的風險等級，采取不同的檢驗和維護策略，進而達到提高設備安全性和優化資源配置的目的。RCM是針對動設備的一種維護策略，按照以最少的維修資源消耗保持裝備固有可靠性水平和安全性的原則，并應用邏輯決斷的方法確定裝備預防性維修要求。RCM將設備的可靠性作為設備維護的依據，進行可靠性分析時同樣采用了設備失效概率和失效后果的定量化描述，制定適用于不同風險等級設備的維修策略，進而達到減小維修資源消耗的目的。

對站場進行風險分析時，針對不同的設備類型分別采用RBI，RCM技術，結合HAZOP，FMEA和檢查表等風險分析工具，對現場設備進行全面的風險識別和管理，風險識別管控機制如圖4所示。靜設備進行風險分級時，首先對設備的失效模式和失效機理進行分析。將失效后果分為燃燒爆炸后果、中毒后果和停產損失后果，對設備的失效后果進行評價和打分，得出后果等級。根據設備的損傷因素、檢驗因素、維護管理因素、工藝因素和機械設計因素對設備的失效可能性進行評價和打分，得出失效可能性等級，在風險矩陣圖中確定后果等級和失效可能性等級組合的位置，進而確定被評估設備的風險等級。在進行動設備風險分析時，首先根據FMEA分析得出設備的故障類型和影響，把不同設備故障按歷史故障頻率進行分級，每個等級和不同的故障頻率次數相對應。故障后果分為安全后果、環境后果、經濟損失后果、維修時間后果，根據評價準則將后果進行分級，最后將故障頻率分級和后果分級聯合確定在風險矩陣中所在的位置，以同一設備的多種故障類型風險最高的評估結果作為該設備的風險等級。

將定量風險評估結果作為檢測或維護計劃的依據，對不同風險水平的設備采取不同的風險控制策略，在高風險設備部位布置傳感器監測位點，實時監測設備的運行狀態，在保證設備安全性的同時降低檢驗和維護成本。

2.3.2設備趨勢分析和預警

將大數據與智能化有機結合，構建完整的診斷分析模塊，圖5為系統診斷分析的框架。通過實時數據采集、歷史數據積累和比對分析，將數據轉化為案例智能學習，隨著數據積累的增加，分析能力和效率不斷提升，裝置各類異常均可實現超前預警。預警發生后，后臺自動按異常風險等級對應推送至各管理層級，并提供可供參考的處置方法，從而提高處置決策的及時性和準確性，有效縮短響應時間，大幅提升生產運行效率。

3系統實現與應用

3.1風險管理

采用本文提出的綜合風險識別管控方法，建立由風險類型到具體風險點的風險識別體系，制定分級管控和風險管控消減機制的工作計劃，對風險點進行綜合分析，找出這些風險可能產生的異常和原因。在油氣站場進行風險分析時，按風險類別劃分、以危險源為基礎，從站場、裝置、工藝單元到單體設備設施，再延伸到具體風險點位，識別風險因素、分析風險原因，實現系統化的風險識別。全站共辨識出風險點位3 129個，進行風險分級，其中包含24個較大風險點位，其余均為一般風險和低風險。依據設備的風險等級，建立不同的設備監測與維護策略，對存在較大風險的靜設備采取腐蝕在線測厚的監測手段，動設備采取在線振動監測的手段進行風險控制。

3.2實時設備狀態監測網絡

在有效集成現有DCS和SIS、大型機組安控、單井力控系統的基礎上，增加火氣、泄漏監測、腐蝕監測、機組運行狀態監測、位移監測和電氣監測設備94套，為異常管理系統提供硬件基礎。系統全面構建實時設備監測網絡，實現了動設備、靜設備、電氣系統和火氣泄露的實時狀態監測。現場重點檢測的動設備有壓縮機和電機，例如低壓氣壓縮機、空冷器。現場重點檢測的靜設備主要是常壓和承壓塔器、儲罐和管道，例如脫乙烷塔、液化氣球罐、輕烴罐等。在線測厚監測系統實時監測重要部位的腐蝕狀況。通過激光探頭、攝像頭等氣體泄漏監測設備，實現對30 m距離范圍內的甲烷氣體濃度進行長期、自動、可視化、遠距離的精準監控。通過在低壓配電房設置147個監測點，采用智能安全用電管理系統，實時監測各線路運行狀況，包括電壓、電流、漏電流、功率、溫度、功率因數和報警信息等，并實現異常報警。現場重點動設備實現振動實時監測。圖6為安全子系統的設備狀態監測界面。

3.3診斷分析與預警管理

在對設備和工藝的運行狀態進行實時監測的基礎上，系統結合歷史數據，可實現對設備狀態和工藝參數的變化趨勢分析，預測出現嚴重故障或偏差的時間，提前預警。改善之前異常發生后的層層上報及現場處置時間，平均縮短響應時間30～60 min，避免該時間內的異常失控狀態發展。同時系統結合專家知識庫建立了故障處理預案，提高操作人員處理設備異常狀態的能力。圖7展示了系統中工藝異常狀態報警界面。

3.4工藝參數監測與生產優化

系統平臺匯集單井、站場及天然氣管網信息，包含了日、周、月生產信息及單井的產量和裝置實時運行參數，生產工藝控制方面實現了二維和三維場景的聯動。系統通過對裝置工藝參數實時監測，構建各個裝置的裝置技術系數指標，經后臺智能比對分析，可以為裝置運行提供最優的調整策略。參數調整關注“3個變化”即關注裝置負荷變化、關注季節溫度變化、關注產品價格變化，控制“4項指標”即控制裝置穩定運行指標、控制輕烴收率指標、控制產品質量指標、控制參數確保運行最優、質量合格、效益最佳，保障裝置運行的安穩長滿優。進而輔助生產運行管理人員及時全面掌握裝置整體運行情況，適時優化運行參數，進一步提高裝置運行效率和運行風險防控能力。優化后結果顯示裝置產品的核心指標超國內同類裝置水平，C3收率為94.28%（設計指標86.1%，國內一流指標93.5%），C3+收率為96.46%（設計指標91.1%，國內一流指標96%）。系統生產工藝控制界面如圖8所示。

3.5人員智能識別管理

系統通過智能識別技術，實現入站人員管理、區域人員統計、人員違章識別以及人員基礎信息統計展示等功能。通過具備人臉識別、行為識別功能的前端設備，結合平臺系統的智能識別報警功能，實現對所有進入生產區域人員的動態管控，及時發現、制止違章行為，進一步消減人員的不安全行為給安全生產帶來的巨大隱患，為現場管理提供基礎保障。圖9為系統中的人員管理界面。

3.6全息可視化展示

應用數字孿生技術，1∶1真實還原站場全景。通過空中傾斜攝影、毫米級激光掃描、地下管線探測對站場地上地下設備設施進行全面的三維數據采集，結合圖檔數據查明其管徑、材質、壓力、埋設年代等相關內容，構建三維可視化地下管網數字模型。同時，利用Edge wise系統，進行管道模型的提取和編輯修正，再通過3DsMAX軟件建模，參考點云中的位置信息和尺寸信息，完善管道連接處以及對閥門等其他設備進行精準創建，全面呈現各單元設備設施、建筑物等，實現了站場資產及數據三維可視化管理，如圖10所示。內置測量功能，實現立體空間尺寸測量，輔助管理人員進行空間分析;內置圖層剖切功能，在空間層面對設備、設施進行剖面分析和立體呈現，使消防設施、工藝管網、逃生路線、高風險區域、職業危害分布、設備構造及相關信息可視化呈現。為員工培訓和管理人員提供更直觀、更完整的信息，提升培訓效率，同時為應急決策、裝置技改、現場施工測量提供便利。

4結語

基于物聯網技術設計并實現了集氣處理站的全息異常管理系統，保障了場內生產、設備、人員等全面的安全監控和管理。

1）建立了風險識別和管控機制，系統性地識別場內風險點，量化風險等級，對不同風險水平的設備采取不同的風險控制策略，高風險點位實時監測，中風險點位循環監測，低風險點位選擇性監測，在降低成本的同時實現了全面風險管控。

2）通過軟硬件的搭建，實現了集氣處理站靜設備、動設備、工藝管網、氣體泄漏的監測，以及設備和工藝過程的實時監測和異常預警，提高了生產現場裝置的本質安全，避免了非計劃停車。同時，通過場內人員的位置定位和行為識別，實現了人員進入禁區和違章報警，進一步消減了人員的不安全行為。

3）在應用層建立三維交互場景，將設備信息和人員數量信息在系統中動態顯示，以更直觀的方式呈現報警信息，同時三維可視化也為應急決策提供了便利。

該系統應用于某集氣處理站，實現了24處較大風險點的識別，多處異常狀態的報警，各類信息全息展示和安全管控，取得了良好的應用效果。未來還需繼續對系統監測數據的深度分析與挖掘開展研究，特別是設備健康評估和預測技術。

參考文獻/References：

[1]ANIMAH I，SHAFIEE MApplication of risk analysis in the liquefied natural gas（LNG）sector：An overview[J].Journal of Loss Prevention in the Process Industries，2020，63：103980.

[2]王金江，王舒輝，張興，等基于RBI技術的儲氣庫分離器風險分析[J].中國安全科學學報，2020，30（2）：21-27WANG Jinjiang，WANG Shuhui，ZHANG Xing，et alRisk analysis of gas storage separator based on RBI technology[J].China Safety Science Journal，2020，30（2）：21-27.

[3]宋肖苗，楊劍鋒，陳良超，等多層次灰色綜合評價法在儲罐失效概率評估中的應用[J].中國安全科學學報，2018，28（11）：156-161SONG Xiaomiao，YANG Jianfeng，CHEN Liangchao，et alApplication of grey multi-hierarchy comprehensive evaluation method in failure probability assessment of storage tanks[J].China Safety Science Journal，2018，28（11）：156-161.

[4]WANG Qingfeng，LIU Wenbin，ZHONG Xin，et alDevelopment and application of equipment maintenance and safety integrity management system[J].Journal of Loss Prevention in the Process Industries，2011，24（4）：321-332.

[5]EMAMI S A，EMAMI M HDesign and implementation of an online precise monitoring and performance analysis system for centrifugal pumps[J].IEEE Transactions on Industrial Electronics，2018，65（2）：1636-1644.

[6]ZHANG Qinghua，QIN Aisong，SHU Lei，et alVibration sensor based intelligent fault diagnosis system for large machine unit in petrochemical industries[J].International Journal of Distributed Sensor Networks，2015，11（8）：239405.

[7]張琰，張荊沙，欒華東大型離心通風機小型化監控平臺關鍵技術研究[J].計算機仿真，2015，32（4）：188-191ZHANG Yan，ZHANG Jingsha，LUAN HuadongKey technology of large centrifugal fan monitoring miniaturization platform research[J].Computer Simulation，2015，32（4）：188-191.

[8]戶佳財常減壓裝置腐蝕在線監測系統開發與應用[D].上海：華東理工大學，2013HU JiacaiThe Development and Application of the Online Corrosion Monitoring System in the Atmospheric and Vacuum Distillation Unit[D].Shanghai：East China University of Science and Technology，2013.

[9]趙寅煉油裝置腐蝕在線監測系統建立[D].天津：天津大學，2017ZHAO YinEstablishment of Refining Unit Corrosion Online Monitoring System[D].Tianjin：Tianjin University，2017.

[10]范強強化工設備腐蝕機理研究及腐蝕監測管理系統的開發[D].上海：華東理工大學，2014FAN QiangqiangCorrosion Mechanism Research and Corrosion Monitoring Management System Development of Chemical Equipments[D].Shanghai：East China University of Science and Technology，2014.

[11]陳偉慶，陳良超，何興，等煉化裝置腐蝕監控分析系統設計及應用[J].北京化工大學學報（自然科學版），2019，46（6）：56-63CHEN Weiqing，CHEN Liangchao，HE Xing，et alDesign of a corrosion monitoring and analysis system for use in refinery units[J].Journal of Beijing University of Chemical Technology（Natural Science Edition），2019，46（6）：56-63.

[12]ZOU Fangxin，CEGLA F BOn quantitative corrosion rate monitoring with ultrasound[J].Journal of Electroanalytical Chemistry，2018，812：115-121.

[13]陳良超煉油裝置腐蝕防護管理系統開發與工程應用[D].北京：北京化工大學，2015CHEN LiangchaoThe Development and Engineering Application of Refinery Equipment Corrosion Protection Management System[D].Beijing：Beijing University of Chemical Technology，2015.

[14]ZHAO Long，MATSUO I B M，SALEHI F，et alDevelopment of a Real-time Web-based power monitoring system for the substation of petrochemical facilities[J].IEEE Transactions on Industry Applications，2019，55（1）：43-50.

[15]梁永春，劉雅麗，王宇翔電力電纜實時載流量評估系統設計[J].河北工業科技，2017，34（5）：334-338LIANG Yongchun，LIU Yali，WANG YuxiangDesign of real-time current carrying capacity evaluation system for power cable[J].Hebei Journal of Industrial Science and Technology，2017，34（5）：334-338.

[16]YANG Jiachen，ZHOU Jianxiong，LYU Zhihan，et alA Real-time monitoring system of industry Carbon monoxide based on wireless sensor networks[J].Sensors，2015，15（11）：29535-29546.

[17]FAKRA D A H，ANDRIATOAVINA D A S，RAZAFINDRALAMBO N A M N，et alA simple and low-cost integrative sensor system for methane and Hydrogen measurement[J].Sensors International，2020，1：100032.

[18]徐燕翔，裴海龍基于無人機的森林火災檢測系統[J].計算機工程與設計，2018，39（6）：1591-1596XU Yanxiang，PEI HailongForest fire detection system based on unmanned aerial vehicle[J].Computer Engineering and Design，2018，39（6）：1591-1596.

[19]SAPONARA S，ELHANASHI A，GAGLIARDI AReal-time video fire/smoke detection based on CNN in antifire surveillance systems[J].Journal of Real - Time Image Processing，2021，18（3）：889-900.

[20]RAGHAVACHARI C，APARNA V，CHITHIRA S，et alA comparative study of vision based human detection techniques in people counting applications[J].Procedia Computer Science，2015，58：461-469.

[21]鄭凱，謝國坤，王娟娟一種基于機器視覺技術的城市軌道交通客流量檢測方法[J].河北工業科技，2021，38（1）：45-49ZHENG Kai，XIE Guokun，WANG JuanjuanPassenger flow detection of urban railtransit based on machine vision technology[J].Hebei Journal of Industrial Science and Technology，2021，38（1）：45-49.

[22]DANG L M，MIN K，WANG Hanxiang，et alSensor-based and vision-based human activity recognition：A comprehensive survey[J].Pattern Recognition，2020，108：107561.