海洋石油平台污染物在线监测软件开发应用

胡 斌，杨 敏，徐 栋，周 寅

(国家海洋局北海海洋技术保障中心，山东 青岛 266034)

0 引言

随着国家对海洋油气的需求越来越大，海洋油气勘探开发活动越来越多，与此对应的海洋石油平台排污及溢油的风险也在相应增加[1]。因此对海洋石油平台日常运行产生的生产和生活污水进行实时监控非常必要，这样便于及时掌握海洋石油平台的排污情况[2]。但现实情况却是海洋石油平台的排污监测自动化程度较低，实时性较差[3]。平台的排污监测基本依靠平台上的人员对排污口进行样本采集，再进行实验室化验，最后将化验结果传回陆地。这种工作模式的弊端就是工作效率较为低下，且实时性较差[4]。所以开发一套能实时在线自动监控石油平台排污的系统有很大的必要性[5]。本文通过前期对石油平台的调研和对比，基本选定在线监测生产和生活污水的两个主要监测要素：一个是水中油浓度的监测，其主要针对生产污水；另一个是COD的监测，其主要针对生活污水[6]。同时兼顾温度和流量的监控。通过对这些要素的监测，实现对石油平台的生产和生活污水的排放监控[7]。

1 系统概述

本系统在现有的石油钻井平台污染物排放监测数据采集系统的基础上，以先进的数据流加工、科学存储、大数据分析及可视化等技术为基础构建。本系统平台的总体技术架构可以分为硬件和软件两个部分[8]。

1.1 硬件及网络结构

本系统的硬件及网络结构设计如图1所示。经公网以WebService的形式从阿里云服务器中定时抓取最新一次的监测数据，并按照既定规则计算、处理后存储至本地服务器的数据仓库中。基于本地数据仓库中的数据开发出的分析报表发布在本地Web服务器上，内网用户通过浏览器可以直接访问查看本系统。同时需要时可以透过内网防火墙，外网其他相关的业务用户也可以通过浏览器实现跨平台访问[9]。

图1 硬件及网络结构设计

1.2 软件功能架构

本系统可对监测到的溢油数据进行高效的采集、聚合、加工、存储、分析、可视化展示等。软件的功能架构设计如图2所示。根据数据流程分为数据接收处理、数据存储、数据可视化展示三部分。

(1)数据处理：将海洋石油勘探开发污染物排放监测数据按照定制的规则和逻辑进行自动清洗、加工，最终形成标准化的数据形式。

(2)数据存储：海洋石油钻井平台污染物排放监测数据仓库平台的设计与搭建基于实际业务分析需求，结合数据规模，设计海洋石油勘探开发污染物排放检测数据仓库系统平台，将标准化的监测数据进行存储和读取。

(3)数据可视化展示：将海洋石油钻井平台污染物排放监测数据在用户端进行可视化显示，提高用户体验。

2 监测数据分析

针对水中油浓度和COD数据特点，本文对这两类数据主要进行了三类分析处理，分别是曲线拟合、异常值判断和数据校正。通过这三类分析基本上能将数据进行清洗和分类，达到数据预处理的效果[10]。

2.1 曲线拟合

测得的油浓度和COD数据是一个随时间变化的变量，在一定时间内，通过曲线拟合的方式，选择适当的曲线类型来拟合观测数据，从而对数据和时间建立线性的对应关系。

本文采用的是最小二乘法多项式曲线拟合。最小二乘法多项式曲线拟合的基本定义是：根据给定的一段时间内的n个离散的观测点数据P(Sn，Tn)，求得拟合多项式曲线y=F(Sn，Tn)，所得多项式曲线与数据给定点的平方和最小(式(1))，即认为是最接近观测数据的曲线。

(1)

通过曲线拟合的方式，不仅仅能描述观测数据和时间的关系，并且还能将离散点(每隔半小时观测一次)的数据连续化，提高数据质量。图3即为拟合后的数据曲线。

2.2 异常值判断

不管是传感器本身出现问题还是数据在通信的过程中出现问题，系统都有可能会出现数据异常的情况，这就需要对异常数据进行判断和剔除，并报知系统管理者，对异常情况进行具体分析。由于数据量测量次数较多，故而对异常值的判定选用比较通用的拉依达准则(3δ)，该准则的标准就是认定数据整体是符合正态分布的(基本符合此规律)，因而在监测的数据值中出现大于或者小于3倍均值方差的数据概率极小，所以认为大于或者小于3倍均值方差的数据即为异常值[11]。

图2 软件功能架构

图3 数据拟合曲线

当然这个算法是基于统计学概念的算法，有一定局限性，在本系统的应用中，会对原始数据进行存储，并不直接剔除，同时对判定的异常数据进行报警提示，故而可以通过监测人员来具体分析判断是否为异常值[12]。

2.3 数据校正

由于COD传感器是采用进口的传感器，在国内应用此传感器并没有相应的国家标准来标定，因此COD传感器采集的数据需要一种手段来校正，以确保数据的真实性和可靠性。本系统是通过实验室比对方式计算出相应的经验公式，再通过数据接口操作对数据进行校正[13]。

COD的经验校正公式为：

COD=K×SAC+d

(2)

SAC=UV/L

(3)

其中SAC为紫外光吸收系数，可由传感器UV值和L(液层厚度)计算得出；K为比例系数，d为补偿系数，通过传感器与实验室实验的多组比对测试，可以计算得出K和d的经验期望值。将经验系数带入式(2)即可求出COD的校正后数值。

每个传感器的经验系数都不同，需要每次对新的传感器设备进行实验室测试得出，故而在本系统的管理模块增加了可设置的变量，使得系统可以对每个传感器设备分别进行相应的系数设置，保证校正数据的真实性和可靠性。

3 监测数据挖掘

本系统除了对本身监测数据进行分析和处理，还在此基础上对监测数据进行了一定程度的挖掘，现阶段系统主要是对监测到的数据进行置信度的分析和污染物贡献值分析。

3.1 置信度分析

置信度分析主要是针对监测到的数据在一段时间内的一个样本统计分析，展现监测数据以“一定概率”出现在一个测量结果范围的程度，即出现在置信区间内的概率是多少。

在本系统的设定中，首先固定置信率，然后求得置信区间的范围。分别设置置信率为90%、95%、99%，计算出相应的监测值会出现的区间范围。

置信区间为：上限A=M+n×ST；下限B=M-n×ST。其中M为平均值，ST为标准差，当置信率为90%时n=1.645；当置信率为95%时n=1.96；当置信率为99%时，n=2.576。分别根据这三个置信率计算置信区间Confidence interval=[B，A]。

3.2 污染物贡献值

系统采集的监测数据都是排污水中含油或者有机物的浓度数据，对管理者来说直接观测这些数据并不能直观地认识平台排污的量级，并进而分析对环境的影响，故而需要对数据进行再加工，计算平台一段时间内排污的总量，即污染物贡献值。污染物贡献值=监测浓度数据×流量。本系统通过此公式将一定时间内排海总量进行统计，计算出在此段时间内的平台污染物贡献值，为管理者更好地分析和研判平台对周边环境的影响提供支持[14]。

4 结束语

本文从石油平台排污实时在线监测需求出发，以数据处理为导向，开发研制了海洋石油平台污染物排放在线监测系统。系统除了具备数据接收和处理的基本功能，在此基础上还拓展了数据挖掘及展示功能，能更加饱满地展示整个系统的运行情况。本系统现阶段已经接入部署在岐口18-1油田的在线监测设备，运行效果良好，并且系统也预留了相应的接口，可以在后期加入更多的石油平台监测设备，扩展性及兼容性良好。