天然氣長輸管道智能化管控實踐

常正勝 張曉龍 張揚 徐向民 張鑒緒

1大慶油田有限責任公司天然氣分公司

2青海油田采油五廠

大慶油田天然氣分公司長輸管道全長289 km，其中慶哈線133 km，慶齊線156 km，年總輸氣量11.05×108m3。全線共計6座分輸站及10個截斷閥室，場站分布點多，管道覆蓋面廣。下游用戶涉及軍用、重工業、民商共計555 萬戶，保障約1 600萬居民生活用氣，其中主要工業用戶包括中國一重、中汽集團、北滿特鋼等。

按照油田公司總體部署，根據“有監有控、有采有用、能看能啟”的總體原則，天然氣分公司結合生產運行實際，制定“應采盡采，應傳盡傳，應控盡控”的數字化轉型路線，并將先進的智能化技術與主營業務深度融合，實現數據賦能，走出了一條數字化轉型、智能化實踐的發展道路。

1 總體思路

智能化建設的目標是應用物聯網、機理建模、大數據等技術，達到設備管理自動化、參數追蹤全程化、管道運行智能化、感知交互可視化，從而實現自動化生產、智能化分析、集約化運營、扁平化管理的目標。

數字化轉型是智能化實踐的基礎，因此從物聯網數據感知與傳輸、大數據標準統一與分析服務、繪制知識圖譜與創建機理模型、構建數據可視化平臺與綜合決策四個方面對長輸氣管道建設進行智能化提升[1]。圍繞數字化、智能化建設目標，堅持自主開發、自主建設、自主運維，推行“建設+運維”“產品+服務”的一體化模式，形成了分公司統一領導、業務部門需求導向、技術部門統一組織、各單位落實推進的智能化建設管理體系。2021年，天然氣分公司重點圍繞慶哈、慶齊長輸氣管道開展技術攻關，突出關鍵核心技術攻關與運維保障，實現了天然氣長輸管道一體化、集中化、智能化運行管控。

2 數字化轉型

2.1 數字化轉型面臨的問題

（1）原控制系統老舊，故障頻發，閥室無遠程監控系統，無法采集生產數據。

（2）無生產網覆蓋，無法傳輸生產數據。

（3）控制系統相互獨立，無法集中監控。

（4）未形成長輸管網整體監控，無法實時判斷上下游變化并進行調整。

針對以上問題，制定了“應采盡采、應傳盡傳、應控盡控”的數字化轉型路線。

2.2 健全數據，應采盡采

為使數據采集更加全面，新增采集點680 余個，采用控制系統集成技術，自主攻關了工程師站、自動化站、操作員站中的中央工程組態系統、基于過程對象的編程組態等28 項核心組件開發技術[2]。針對長輸氣管道運行特點自主搭建了具有冗余功能的分散控制系統（DCS）架構，將各類自控系統、傳感器、檢測設備集成，用于采集設備、流程等實時的參數信息。新建自主裝配控制盤柜13 面，接線19 000 余條，集成元器件27 000 余個，具備了硬件總裝集成能力。

海量數據主要由站場DCS負責采集、傳輸、邏輯判斷及下達控制器執行命令，為滿足分布式控制系統的可靠性及精準性，搭建具有控制器冗余、電源冗余、數據光纖同步功能的分布式三維冗余控制系統，保證單臺CPU、電源、通信設備故障時，系統及數據傳輸仍能平穩、可靠運行[3]。通過編程組態實現CPU 及控制系統健康狀態實時監控、上傳。程序開發過程中自主編寫控制程序7×104余條，繪制操作畫面1 300余個，實現功能1 000余項，自主開發電子報表系統，關鍵參數入庫率100%，實現了全線6 座站場、10 座閥室共計2 051個參數采集點應采盡采。

2.3 萬物互聯，應傳盡傳

建成獨立的長輸氣管道數字化專網，參數上傳速度1.1×104s-1，實現站場、閥室和指揮中心的數據全面互聯互通（圖1）。

采用光纖專網與站控系統數據交互，長輸管道的生產參數如溫度、壓力、流量等所有參數均可在調度中心、各分輸站及防爆式移動人機界面進行控制和顯示。為滿足數據傳輸的可靠性，采用光纖有線傳輸為主、5G 無線傳輸為輔的冗余通信方式[4]，數據交換機對兩種通信傳輸速率進行綜合對比，優先選用通信質量高的傳輸方式進行數據傳輸。

為滿足數據傳輸的安全性，在各通信節點組態搭建隧道加密、兩次認證鑒權和路由隔離等多種安全防護機制，大幅提高了網絡安全可控性[5]；為保證控制數據的精準性，通過智能偵測數據頭的方法，組態各網絡節點交換機，智能判斷傳輸數據類型，區分工藝數據信號及物聯網數據信號；并根據生產確定數據傳輸優先級，保證站場及閥室等生產數據傳輸帶寬，智能分配視頻監控等數據傳輸帶寬，將各類數據分別上傳至分公司指揮中心，使指揮中心與各站場數據交互傳輸。

管道智能化的基礎是實現全面感知，基于ProfiBus、ProfiNet、TCP/IP 等通信技術，依托DCS、PLC控制系統，構建智能監控、環境監測、智能發電等系統為一體的物聯網[6]，實現慶哈、慶齊天然氣長輸管道及各個站場、閥室各類感知參數（包括壓力、溫度、流量、液位、電極電位、氣體濃度、組分及閥門狀態等）的實時監控，參數上傳量達16 128 個/s，通信數據量20 M/s。為滿足數據采集、傳輸的可靠性及實時性，控制信號處理、下達的精準性及抗擾性，同時兼顧網絡傳輸的安全性，構建以長距離分布式冗余DCS控制系統為核心的物聯網網絡拓撲[7]（圖2）。

圖2 物聯網拓撲圖Fig.2 Topology diagram of the Internet of Things

2.4 遠程操控，應控盡控

研究設備結構、本體性能、工作原理，繪制設備原理圖80 余套，確定電動執行器、氣液聯動閥、恒電位儀等關鍵設備重要運行參數，設置各監測點的多種變化率及分級報警閾值，建立管道運行組態圖，遠程監控管道及設備運行工況，510臺設備全部實現遠程控制，受控率100%。

構建以關鍵設備為主體，視頻監控系統、管道腐蝕監控系統、環境監控系統等為輔助的長輸管道全方位監控體系。新增視頻監控點個75 個（圖3），重點區域視頻覆蓋率100%，智能分析系統反應迅速；新增管道腐蝕監控點152個，異常電位點精準定位，管道電化學腐蝕速率可控；新增風速、光照等氣象數據監控點36 個，突發事故時為應急指揮提供決策依據。

圖3 長輸管道視頻監控Fig.3 Video surveillance of long-distance pipeline

3 智能化實踐

為達到全過程閉環集約管理的目標，在數字化轉型基礎上，按照智能化實踐“三步走”技術路線，構建數據庫，開發機理模型，開發數據可視化平臺。實現參數追蹤全程化、信息推送可視化、預警監控全面化、控制策略最優化、管道運行智能化“五大突破”。

3.1 構建數據庫

數據庫是智能化決策控制的數據基礎，也是數據加工鏈路的核心，因此建立了長輸氣管道數據庫，形成數據資產，統一數據標準，利用大數據技術實現數據存儲、數據篩選、數據分析，從而可以更有效地使用數據，挖掘數據價值，提高數據使用效率，縮短數據分析周期，更快地為運行提供支持，實現技術分析決策智能快速化[8]。

建立數據庫過程包含明確實現功能、規劃性能指標、建立數據模型，制定數據采集方案、執行數據采集和數據清洗。主要目標數據源為工控生產系統數據，系統是面向基于Windows操作系統的軟件應用環境，并綜合考慮數據處理量級，數據庫選用SQL SERVER來構建，最大限度保證軟件兼容性和系統運行可靠性。

數據庫完成對工控生產數據的實時采集，將工控系統實時數據流、自建數據源、第三方數據通過4 種接口技術采集入庫，采集各類數據1 856 個，并根據數據的特性及需求，有針對性地設計數據采集機制，最快數據采集速度可達ms 級，年數據存儲量達330 GB。

數據庫采用雙冗余分布式布局結構，數據分別存儲到兩臺服務器，建立備份機制，服務器間互為熱備用，形成數據容災能力。數據庫結構分程序模塊和數據表兩部分，程序模塊分類主要包括初始化、流程作業和統計運算處理等；數據表分類主要包括實時生產數據表、基本編碼表、累計數據表、計算數據表和決策數據表等。明晰主、外鍵設置，對實時生產數據表建立索引，大幅提升SQL查詢效率。數據庫實現數據實時共享，利用可視化分析工具進行數據真實性篩選，數據類型轉換，數據有效分類，完成數據預處理，并可將分析后的決策與數據庫進行雙向交互。

數據庫作為數據鏈路加工中心，通過統一的接口為各系統的數據分析挖掘應用提供數據共享服務和全方位支持，避免了多個數據源匯總數據帶來的延遲性、數據交叉矛盾、系統不兼容、跨平臺開發等多種問題。數據中心向下實現了數據的統一集成管理，向上實現了統一分發數據并提供個性化應用，集成各種類型的數據分析挖掘工具，為長輸氣管道運行管理提供全方位的大數據支持。

3.2 構建機理模型

根據長輸氣管道的工藝特點，深入研究長輸氣管道設備本體的性能參數，深入挖掘設備與設備、上游與下游之間的內在規律和聯系，并結合崗位員工的操作經驗，自主構建了用戶自動精準保供、安全切斷、智能運行、管網負荷智能分配等20 余個模型，實現管網供需平衡，氣量精準匹配，為長輸氣管道運營，注入智慧管控技術[9]。

結合長輸管道生產運行“大數據”，重點研究供氣、用氣規律，采用線性回歸建模方法，自主開發用戶自動精準保供模型，確保“精準預測，供需匹配”[10]。

由于冬季氣溫降低導致供需氣量不平衡，需結合各用戶用氣特點對供氣量進行統一調配。操作人員根據經驗每小時簡單計算預估氣量，人工實時監測瞬時流量、累計流量、外輸壓力等工藝參數，及時調控保證用氣量不超過日指定氣量。人工調控精準度低、工作強度高、操作難度大。為解決人工操作的上述問題，控制系統在模仿人工操作經驗基礎上，建立“以歷史運行數據指導實際生產”的優化調控模型。現以自動精準保供模型為例介紹實踐過程：

3.2.1 模型準備

在供需氣量不平衡的背景下，為實現下游用戶供氣的精準調控，以用戶歷史用氣規律為依據確定用戶用氣高峰期、低谷期等用氣規律。

3.2.2 模型假設

以用戶用氣規律為一個單體，重點研究單體的特征特點，結合單體的自身能力，按人對裝置的管控期望制定出裝置的操控方案。假設在指定輸氣量的條件下，系統在模仿人工調控用戶用氣量的基礎上，以歷史數據中各小時輸氣占比來指導實際供氣調控。

3.2.3 模型構成

利用用戶小時平均用氣量在總平均用氣量中的占比，結合日指定氣量確定各小時預計供氣量。

3.2.4 模型求解

（1）小時平均氣量：通過去除輸氣當日起前7天對應各小時氣量中的最大值和最小值求解得出，每次需計算24 h 的平均氣量，Qx時平計算如公式（1）所示：

式中：Qx時平為每天x時的小時平均氣量；為前7 天中x時的小時氣量之和；Q前7天x時max為前7 天x時小時氣量中的最大值；Q前7天x時min為前7天x時小時氣量中的最小值。

（2）總平均氣量。通過求和每天24 h平均氣量得出，如公式（2）所示

式中：Q總平均用氣量為每天總平均氣量；為每天24個小時平均氣量之和。

（3）小時氣量占比。利用每天中各小時平均氣量在每天總平均氣量中的占比確定各小時氣量占比值，如公式（3）所示：

式中：Qx時比為每天x時小時氣量占比。

（4）小時預計供氣量。輸氣當日7時（輸氣當日第1 個小時）預計供氣量：利用7 時小時氣量占比乘以日指定氣量得出，如公式（4）所示；剩余各小時（剩余23 個小時）預計供氣量：首先通過剩余各小時氣量占比與總的剩余小時氣量占比之和的比值求出剩余各小時修正后的小時氣量占比，然后通過日指定氣量與實際已輸送氣量的差值求出剩余外輸氣量，最后通過計算兩者的乘積即可求出剩余各小時預計供氣量，如公式（5）所示：

式中：Q7時預輸氣當日7 時預計供氣量；Q日指定量為每日用戶日指定氣量。

式中：Qx時預為輸氣當日除去7時外剩余小時中x時預計供氣量；為輸氣當日除去已輸送小時的氣量占比后剩余各小時氣量占比之和；為輸氣當日x時前實際已輸送氣量。

（5）模型仿真及應用。利用PORTAL仿真軟件對控制模型進行仿真與調試，將成熟調控模型利用編程語言植入執行器自動控制邏輯中。模型投用后，根據用氣規律，自動設定并調節全天各時段的供氣流量，操作人員的勞動強度降低97%，控制精準度提高21%（圖4），供氣量更加精準，操作適應性更強。

圖4 模型投用前后效果對比Fig.4 Comparison of the effects before and after application of the model

針對不同的控制需求，創建不同長輸氣管道控制模型，將數據庫與模型建立動態聯系，進而滿足控制要求。

安全切斷模型：利用“先進先出”采樣方式、時序更新組合算法，自主研發具有壓降速率檢測、壓力異常聯鎖等功能的安全切斷模型。管道應急狀態下控制系統自動定位閥門位置并聯鎖切斷，同時，自動聯動下游，按照既定優先級為用戶供氣，自動計算保供時間并彈窗推送預警，聯動應急處置預案[11]。

智能運行模型：系統梳理操作流程，主動優化操作步驟，綜合運用STL、SCL、C 和VB 等6 種計算機編程語言，利用邏輯組態固化流程，開發智能運行模型，設備啟停、切換均由控制系統聯動，實現多系統流程自動切換，消除人為誤操作。

管網負荷智能分配模型：按民生、重點工業、商業用戶順序，綜合長輸氣管道進出平衡、管存量、供氣權重等因素，建立管網負荷智能分配模型，為用戶智能分配氣量，自動向用戶推送提示信息。

3.3 構建數據可視化平臺

在數據統一、系統互聯互通的基礎上，開發數據可視化平臺，集中顯示管道生產運行數據。數據可視化平臺與數據庫通過以太網并采用專用接口進行數據實時通信，利用SQL語言編程，建立特定功能數據集，繪制可視化圖表，形成數據集成平臺（圖5）。借助可視化技術并運用計算機圖形學和圖像處理技術，將數據轉換為圖形或圖像在屏幕上顯示出來，利用數據分析技術發現數據中未知信息的交互處理的理論、方法和技術，使其具有可視性、多維性和交互性[12]。平臺集成了長輸氣管道的壓力、溫度、管存、計量交接量等生產運行數據，或根據需求有目的的從各個業務系統抽取數據，根據數據的各樣屬性進行整合處理，將關鍵指標形象化、直觀化、具體化，可通過門戶網站、管控大屏、移動端等多種形式呈現，實現管道風險的集中、動態、可視化管理，方便各級人員實時了解管道情況，為管理人員決策提供直觀可靠的數據支撐。

圖5 數據可視化平臺Fig.5 Data visualization platform

3.4 實踐效果

天然氣分公司慶哈、慶齊長輸氣管道智能化管控，實現了1 個操控中心統一調度授權，6 個中心站全線集中監控，達到了“遠程操控、在線調度、協同管理”的目標。

（1）實現了智能化技術指標，即數字化覆蓋率100%，作業現場、敏感區域可視化率100%，關鍵數據入庫率100%，專網冗余數據傳輸安全可靠，可視化數據分析輔助精準決策。

（2）利用自動化技術全面重塑生產管理模式，實現數據賦能。

（3）建立起以技術密集型替代勞動力密集型的勞動組織工作模式，提高了工作精度和效率，降低了員工勞動強度。

（4）提升崗位勞動生產率和生產運營效率。

4 結束語

推進智能化建設，首先要做到思想上的改變先于技術上的改變，樹立智能化思維。智能化意味著生產裝置是智能的個體，能夠自我“感知”“分析”“思考”和“決策”，能夠基于實時大數據“感知”生產過程中的問題，利用先進的模型“分析”存在的問題，通過智能優化方法“思考”最佳策略與方案，最終裝置自主“決策”實施。因此人對裝置的認知植入到機器是智能化建設的核心。長期以來對設備設施的認識、自動化技術發展等都比較依賴于外部技術廠家，對核心技術掌握不足，底線意識和風險意識不足。因此，必須走適合的自主開發、自主建設、自主運維的道路，才能將智能化建設走深、走實。面對目前的“卡脖子”和日后維護升級等問題，一定要堅持自主開發，充分發揮人才在工藝和設備的研究對智能技術創新的源頭供給和引領作用，為智能化建設和后期升級維護協同發展，提供人才后備保障。

針對慶哈、慶齊長輸氣管道數字化轉型、智能化實踐面臨的主要問題提出了總體思路，并對實踐過程中應用的物聯網、大數據分析、機理建模等主要技術進行的闡述和分析，總結了一套適合于長輸氣管道智能化建設的技術路線，該技術路線的成功實踐最終實現了長輸氣管道集中化、一體化、智能化管控。