基于物聯網的石油企業安全生產數據分析平臺設計

王建勝 王嬪

摘要：文章針對當前方法對安全生產數據進行分析時效率低、錯誤率高的問題，引入物聯網技術，提出基于物聯網的石油企業安全生產數據分析平臺設計研究。在硬件方面，設計智能終端主控芯片和頻率信號電路，在軟件方面采集了影響石油企業安全生產的信息，并對其進行分類，建立安全事故隱患排查模型，最后基于物聯網技術實現石油企業安全生產數據分析。對比實驗結果表明，該系統對石油企業安全生產數據分析效率較高，應用效果較好。

關鍵詞：物聯網；石油企業；安全生產；數據分析平臺

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2023）34-0123-03

開放科學（資源服務）標識碼（OSID）

近年來，現代信息技術和智能終端設備的發展取得了重大進步，石油企業的信息化系統建設也取得了長足的進步，尤其是在大型石油安全信息平臺建設方面。隨著時間的推移，物聯網技術逐漸應用于石油行業的生產領域。由不同信息系統生成的物聯網化生產數據分析也逐漸顯示出自身特色[1]。安全生產數據分析是石油公司生產經營的前提和保障，其不僅影響正常的生產活動，也關系著工人的安全和健康。物聯網是指具有高容量、多種類型、快速訪問和高應用價值的數據的收集與共享，通過分布式的數據來源和不同格式的數據收集，進行相關性分析，以揭示新的知識并創造新的價值。石油企業生產經營點多、生產線長、區域多，其主要產品是易燃易爆品。石油生產活動經常需要在現場作業，有很多工作存在很高的作業風險[2]。這些特點決定了石油生產安全管理的復雜性和難度，因此，實施石油公司的安全風險管控具有十分重要的意義。近年來，隨著互聯網和物聯網技術的應用，企業在安全監控信息和情報方面得到了持續的保障，特別是通過將物聯網技術與石油安全生產業務整合，能夠滿足石油行業安全管理和安全生產數據分析的需求。在這一背景下，本次開發了一個基于物聯網分析方法的應用模型，用于石油安全生產領域。該模型的設計考慮到了數據分析和石油安全管理指導平臺的主要功能、基本結構和技術架構，并成功創建了一個基于物聯網的石油企業安全生產數據分析平臺[3]。希望充分發掘和利用數據資源，提高石油安全生產能力，降低可能發生的事故風險，確保石油領域持續良好的HSE管理，為石油和礦業領域不同信息系統的同步建設和交流提供技術工具和參考依據。

1 硬件設計

1.1 智能終端主控芯片

本研究中使用的智能終端主要控制芯片型號為STM32F103C8T6，這是一款基于ARMCortex-M的32位微控制器，包括Flash程序存儲器，工作電壓為2～3.6V，具有低電壓和低能耗的優點，應用場景廣闊。

1.2 信號電路設計

在模擬信號輸入模塊中，應使用高精度分布加速器來有效消除信號模擬分布過程中的環路干擾。巴特沃斯濾波器可通過調整外部電阻值和相位中的延遲，實現高質量的濾波效果，其結構如圖1所示。

在該結構中，頻率信號輸入方案如下：通過使用二極管進行調整和箝位操作，限制電磁傳感器周圍竇波信號輸出的最大寬度。同時使用bipol-ar-Smita形成方案，通過比較和增加電壓和電流，輸出具有拐角上升沿的脈沖二次波。

2 軟件設計

2.1 采集影響石油企業的安全生產信息

在分析石油企業事故的相關風險數據后，總結石油企業事故隱患表現形式及成因，得出結果如表1所示。

如表1所示，其顯示了四種類型風險的主要表現形式和直接原因，包括石油生產、承包商、交通運輸和環境保護四類。根據石油企業的實際情況，將風險類型分為33種，如表2所示[4]。

2.2 建立安全事故隱患排查模型

為排查安全事故隱患，有必要建立風險防范矩陣，并對上述33種風險的類型進行比較。首先，在不同類型的風險a之間建立關系，并用1表示存在直接關系的地方[5]。如果沒有直接關系，則使用0。其次，在相關算法的基礎上，通過矩陣A確定上述33種事故風險的專家評估和現場調查結果，建立影響因素關系矩陣，其如公式（1） 所示。

[A=aijaij=1（i因素對j因素有影響）aij=0（i因素對j因素無影響）]? ?（1）

在對矩陣A進行運算后，得到矩陣B，并基于要實現的矩陣B對可能的危險進行分類[6]。最后，從潛在的事故隱患分析中推導出一個隱患排查結構，其包括隱患風險識別、隱患排查目標、確定排查方法和工具、排查責任分工、排查記錄、排查整改措施、整改跟蹤和評估七個部分，其結構如圖2所示。

根據搭建的風險數據模型和大量事故綜合分析，發現石油企業存在一定的事故風險。具體而言，隱患主要集中在采油裝置上，其暴露在生產過程中，對安全的影響較為集中。數據分析顯示，在日常生產過程中，該公司過于關注設備和生產技術的管理，忽略了HSE體系審查報告中不安全行為的重要性，這一問題占隱患總數的32.0%[7]。管理缺失是隱患產生的根本原因，據HSE體系近年審計報告顯示，涉及隱患管理缺陷的問題占隱患總數的48.3%。這些問題包括未明確控制前的風險責任、隱患防控和防治責任，以及潛在危險的存在等問題[8]。隱患數據的分析研究結果表明、泄漏等問題發生頻率較高，這種隱患往往是由螺絲損壞和地表損壞引起的。

2.3 基于物聯網技術實現石油企業安全生產數據分析

為了降低石油企業安全事故風險，基于物聯網技術對石油企業安全生產數據進行分析，圖3為基于物聯網技術的石油企業安全生產數據分析流程圖。

3 實驗論證

上文中對基于物聯網的石油企業安全生產數據分析平臺的軟硬件設計進行了詳細分析，在Windows10、MySQL5.8的環境下對系統進行實驗，通過對比實驗來判斷本文所設計平臺的性能。本次調查評估了事故油田HSE危險預警系統的實用性和可靠性，并對長慶油田X石油廠進行了為期12個月的監測和檢查。在分析了5 209個隱患信息后，將其分為10組，其中包括3 363個涉及安全生產的專業詞匯。通過這些分析結果，發現了一些隱患出現頻率較高的常見問題，如動火、臨時用電和消防器材等。為更直觀地展示這些高頻詞匯，本次還創建了一個高頻詞匯表，并建立了一個主要頻率名稱數據庫，以應對未來可能出現的風險事故[9-10]。為測試該系統的性能，本次按照上述條件對三種方法進行了實驗，并將實驗結果整理如表3所示。

由表3可知，本文方法能夠更好地縮短安全生產數據分析時間，相比于傳統方法1和傳統方法2平均分別縮短21.42s和25.43s。實驗結果表明，此次設計方法相比傳統方法，分析效率更高。

4 結束語

本次研究根據石油公司的生產特點，將潛在事故分為環境保護、承包商、石油生產、交通運輸四個方面。收集潛在危險的表現形式和直接原因，還從人、物、環境和管理的角度對每個方面進行了分類和統計分析，收集了事故隱患的統計結果。最后，使用本文中的設計軟件來規范數據分析，該系統適用于石油公司事故風險的多級描述結構模型（ISM） 。在分析事故危害關系結構的基礎上，可對事故風險進行深度分析，并提出風險防范措施，可幫助石油企業降低事故發生概率。

參考文獻：

[1] 楊莉，邵克勇，張玉波，等.基于物聯網的室內溫度監控系統實驗教學平臺設計[J].科技與創新，2023（14）：26-28.

[2] 陸翔，呂新政，郝剛，等.基于SOA的跨平臺物聯網框架設計與實現[J].江蘇大學學報（自然科學版），2023，44（4）：452-458，466.

[3] 傅騫，宋義深，鄭婭峰.面向信息科技教育的物聯網平臺研究：MixIO物聯網平臺的設計與實現[J].電化教育研究，2023，44（5）：99-103，128.

[4] 牛亞平，沈正祥，勵凱宏，等.基于物聯網的氣瓶充裝站安全生產風險監測預警云平臺設計[J].特種設備安全技術，2023（2）：64-66.

[5] 崔婭娟，賀榮驕，范猛士，等.基于物聯網技術的煙葉復烤生產質量統計分析平臺設計與實現[J].中阿科技論壇（中英文），2023（4）：106-110.

[6] 韋冰，趙光煜，陳長喜，等.基于物聯網的肉雞生產環境及體征監控預警平臺的設計與應用[J].天津農學院學報，2022，29（4）：55-59.

[7] 黃曉園，廖潤生，吳澤海，等.基于物聯網的智慧工廠空氣環境智能語音監測平臺設計[J].現代信息科技，2022，6（22）：159-162.

[8] 杜久玲，韓麗君.基于物聯網的無線通信原理課程教學資源共享平臺設計[J].電腦知識與技術，2022，18（22）：28-29，33.

[9] 成瀾.基于OneNET物聯網云平臺與MQTT協議的智能家居模型通用控制小程序設計[J].電腦與電信，2022（7）：10-13.

[10] 葛忠興.基于物聯網技術的大型客站電扶梯智慧監管平臺方案設計及應用[J].鐵路計算機應用，2022，31（10）：38-41.

【通聯編輯：張薇】