楊 波,王鑫章,蕭 陽,彭 程
(中海油能源發展股份有限公司采油服務分公司,天津 300451)
浮式生產儲存卸貨裝置(floating production storage and offloading,FPSO)現場生產運營數據平臺作為保障海上油氣設施穩定運行的重要組成部分,其數據平臺運行的可靠性與穩定性對模擬海上工況具有較大影響[1]。海上工況具有長期低頻晃動的特征,因此對FPSO現場生產運營數據平臺的兼容性、數據可視化、晃動適應性能的要求較高[2]。現階段,我國在浮式海上油氣設施方面的研究逐漸成熟。李雨晨等[3]針對FPSO中控系統日志的流式實時數據展開了分析,對FPSO各設備日志的數據量情況進行來源分析,了解設備狀態變化,分析設備代碼、設備狀態碼和狀態信息,實時統計各個設備的日志產生狀況,對FPSO生產工況監控和異常狀況進行處理。韓宇等[4]引入數字化管理技術,并結合數字孿生技術構建FPSO管理數字化平臺,采集FPSO模型參數,監測現場數據,并對數據進行分析,對FPSO現場生產運營進行實時管理。雖然上述兩種方法均能實現對FPSO現場生產運營數據的監測,但是在海上實時工況下,動態生產運營數據采集與存儲性能較低,數據可視化與分布式顯示控制的質量與效率均較低,制約了浮式海上油氣行業的高速發展。邊緣云計算具有不同的智慧層級,數據分析與數據邊緣推理能力較強,可減輕平臺云端海量數據的計算壓力以及對網絡帶寬的不利影響,其在大數據平臺端的廣泛應用,能夠有效地改善傳統現場生產運營數據平臺的不足[5]。
基于此,本文在傳統FPSO現場生產運營數據平臺的基礎上,引入邊緣云計算技術,設計新的生產運營數據平臺,為油氣數字化設備在浮式海上油氣設施上的穩定運行提供保障。
本文設計的FPSO現場生產運營數據平臺采用B/S硬件架構,具有良好的穩定性能。該數據平臺中交換機采用S5850-24T16B型號的Uplink端口交換機,其交換容量為848 Gbps,MAC地址與VLANs均為49 k,具備同時支持數據平臺跨設備鏈路聚合與邊界網關協議,其閃存大小為4 GB[6]。數據平臺采用型號為UPS100KTP208T的不間斷數據中心電源,使用在線式不間斷電源(uninterruptible power supply,UPS)類型與鉛酸蓄電池的兼容電池類型[7]。設置不間斷電源的額定輸入電壓為208 V 3PH,輸出功率容量為100 kW/100 kVA,能夠為FPSO現場生產運營數據平臺的運行提供不間斷的電源[8]。為了模擬海洋實況環境,控制晃動平臺,固定服務器,在平臺硬件設計中,添加夾具設備,其結構如圖1所示。

圖1 夾具設備結構Fig.1 Structure of jig and fixture
本文設計的基于邊緣云計算的FPSO現場生產運營數據平臺中,數據采集模塊至關重要,其為平臺的運行提供了有力的數據支持。首先,從Oracle與SQL Server標準數據庫中獲取FPSO生產運營的歷史數據。該平臺采用IEC62845-102與TASE.2協議,全方位接收FPSO現場生產運營的實時動態數據,并進行快速傳輸。在信息數據采集過程中,嚴格遵循 IEC61970 標準的采集規范與標準,數據平臺利用可擴展置標語言(extensible markup language,XML)語言,定義采集信息數據文件[9]。在信息數據匯總后,分析并挖掘生產運營信息中蘊含的其他數據,獲取更有價值的信息數據,輔助平臺進行合理分配生產運營信息。
在完成基于上述生產運營數據的采集模塊設計后,依據邊緣計算原理,設計平臺中的邊緣云計算層,對現場生產運營數據進行動態計算與分析,以提高數據平臺運行的質量。本文設計的數據平臺邊緣云計算層結構如圖2所示。

圖2 數據平臺邊緣云計算層結構Fig.2 Layer structure of the edge cloud computing in the data platform
由圖2中可知,在邊緣云計算層中包含4個不同的功能模塊,各模塊結構與功能之間存在一定的差異。首先,控制執行模塊在邊緣云計算層中主要負責控制FPSO現場生產運營數據的信息交互指令,并設置該模塊中的回路為閉環狀態,根據平臺的動態運行,將執行端的信息反饋到平臺終端。設置數據感知模塊的智能調度功能,基于現場生產運營邊緣數據的動態變化,對數據進行關聯融合、特征提取等操作,實現FPSO數據的智能融合,為平臺中其他模塊的運行提供信息保障。建模分析模塊主要負責提取邊緣云計算層中感知到的數據信息,通過構建模擬海洋工況,對提取到的數據信息進行加工。最后,在智能決策模塊中輸入具有決策信息的指令,通過該模塊監測并控制數據平臺的整體計算狀況。完成對邊緣云計算層中各個模塊的設計后,采用邊緣計算原理,設定FPSO現場生產運營數據的優先級,并計算其優先級值,即
式中:P為FPSO現場生產運營數據的優先級值;β為數據優先級參數;Mi為不同海上工況下的生產運營數據優先級;t0為數據平臺當前運行的時間;t為平臺FPSO生產運營數據采集時間;ψ為生產運營數據優先級信息傳輸參數。
通過計算FPSO現場生產運營數據的優先級值,控制平臺數據接收端解壓數據的動態變化。
在完成平臺邊緣云計算層設計后,依據數據需求,設計平臺云端與邊緣端的FPSO現場生產運營數據庫,以存儲各海上工況下生產運營數據,從而提高數據存儲的安全性。本文設計的FPSO現場生產運營數據庫表如表1所示。

表1 FPSO現場生產運營數據庫表Tab.1 FPSO on-site production and operation database
在完成基于邊緣云計算的FPSO現場生產運營數據平臺的全部流程設計基礎上,為了驗證該數據平臺的可行性,對平臺進行了測試。首先,搭建FPSO現場生產運營數據平臺的測試環境,選用Intel酷睿2四核的CPU,顯卡型號為NVIDIA Geforce GT220,散熱器型號為金河田高效風冷散熱器,內存為8 G大顆粒高頻高速內存,硬盤為128 G的SSD高速固態組合硬盤,為本次測試提供穩定的運行環境。本次測試在東海海域進行,海域水深約為95 m左右。該海域具有較長的涌浪周期,低頻區域晃動特性明顯,這對采油船舶的系泊運動具有一定的影響。采用MOSES海上施工模擬與浮體設計軟件,對海洋現場監測工況與環境參數進行模擬分析,以獲取測試過程中海上工況的參數,結果如表2所示。

表2 海上工況環境模擬參數Tab.2 Sea state for the simulation
基于表2中的參數對本文設計的數據平臺的運行功能與使用性能進行測試。FPSO現場生產運營數據平臺運行功能測試流程如圖3所示。

圖3 FPSO現場生產運營數據平臺運行功能測試流程Fig.3 Operation function test process of the data platform for FPSO on-site production and operation
首先,按照區域劃分的原理對數據采集現場進行處理,采用多傳感器采集FPSO現場生產運營數據。將采集到的數據上傳到平臺的智能網關,利用數據平臺邊緣云計算功能,分析并計算FPSO現場生產運營數據流。利用數據平臺中的消息隊列遙測傳輸協議(message queuing telemetry transport,MQTT)監聽程序,展示數據流,并對數據流進行多協議轉換,從而提高數據流的穩定性。在數據平臺建立續傳數據通道,實時傳輸海上工況數據,并按照實況數據的優先級對數據流進行動態結構劃分。數據平臺根據規約管理的原理,按用戶的實際需求,生成以規則定義為主的FPSO現場生產運營數據。在數據平臺運行結束后,依據黑盒測試原理可知,生成的數據符合平臺運行的要求以及用戶需求。這表明本文設計的FPSO現場生產運營數據平臺運行功能良好,可滿足平臺建設的要求。
然后,采用白盒測試方法對數據平臺的性能進行全方位、全過程測試。為了使平臺性能測試結果更加直觀,采用對比分析的方法,將本文設計的基于邊緣云計算的數據平臺與傳統的基于物聯網的現場生產運營數據平臺進行對比。設置平臺的并發訪問數量分別為100、200、300、400、500、600,采用MATLAB軟件,測定2種數據平臺在不同并發訪問數量下平臺的存儲容量與數據采集規模,對比結果如表3所示。
由表3可知,在不同并發訪問數量下,2種FPSO現場生產運營數據平臺中,傳統數據平臺的存儲容量最大為9.4 T,數據采集規模最大為0.9萬點。而本文設計的基于邊緣云計算的數據平臺,其數據存儲容量均在12.3 T以上,數據采集規模均在1.3萬點以上,均高于傳統平臺的值。這證明了本文設計的基于邊緣云計算的FPSO現場生產運營數據平臺的數據存儲容量與數據采集規模較好,該平臺具有一定的實際應用價值。
為了解決傳統FPSO現場生產運營數據平臺在動態生產運營過程中存在的數據采集與存儲性能較差的問題,本文在傳統數據平臺的基礎上,引入邊緣云計算技術,設計了一種新的數據平臺。本文的研究工作優化了FPSO現場生產運營數據平臺的兼容性能與適應性能,提升了平臺的數據存儲容量與采集規模。
但是本文僅對所設計的FPSO現場生產運營數據平臺進行了模擬測試,在測試中對平臺設置的并發訪問數量較少,況且海上工況環境千變萬化,尚不能保證本文所設計平臺的實際應用性能。因此,在后續的研究中,將與相關技術部門進行對接,將本文所設計的平臺應用至實際海上FPSO現場中,并在實際應用中不斷完善設計平臺的性能,以期為我國海上油氣田開發項目提供技術支持。