天然气长输管网大数据管理

许宜菲 梅玉杰 杜石存 杨进文 梁洪弋

【摘 要】国家石油天然气管网集团有限公司在2019年12月9日正式成立，该公司的成立标志着中国天然气行业进入了新的阶段，中国的天然气管网逐渐进入了市场，开始了市场化运营。天然气管网的质量问题成为了行业中最关心的问题，天然气管网互相沟通，成为了天然气行业变革的重要推动作用，但是天然气管网自身的设计较为复杂，成为了天然气管网设计中重要的挑战。天然气管网市场化运营虽然面临着重大的挑战，但是这也更加鼓励天然气管网运营公司积极进行产品设计，推动天然气管网产品的进步。

【关键词】天然气;长输管网;大数据管理

一、天然气管网大数据的特点

天然气管网由于进行了市场化运营，因此，天然气管网公司推出了天然气管网大数据平台，大数据平台从天然气管网的质量、应用范围和应用场景进行了分析，对其中的数据进行收集，实现了数据的平台化，能够根据需要及时的调取数据，实现了數据的可控性。但是由于天然气管网大数据平台的多样性，对于数据的收集和使用重点也不相同，天然气管网大数据平台的特点最主要的有以下五个方面：

1.1数据量大

天然气管网在使用过程中会产生大量的数据，天然气管网大数据平台需要对产生的数据进行收集，实现对数据的分析和运用，从而实现数据的整合，能够充分监测天然气管网的运行状况。同时，天然气管网的运行和管理受到周围天气和环境的影响，要想保证天然气管网的正常运行，需要对天然气管网外部环境信息进行分析和整理，收集外部环境的信息尤为重要。因此，天然气管网大数据平台结合了内部运行数据和外部环境数据，数据量较大，数据的应用范围较广。

1.2数据采集速度大

天然气管网大数据平台由于对数据的使用要求较高，因此，大数据平台的数据采集速度大，数据采集内容多，在同样的时间内，天然气管网大数据平台能够采集到更多的数据，数据采集覆盖到天然气管网数据平台运行的各个阶段。其中，数据采集的时间包括毫秒、分钟级别，也包括日采集和维修阶段的采集过程，各个数据平台的采集时间段都不相同，但是都是为了满足天然气管网大数据平台对于数据的要求进行的采集。

1.3数据类型多样

天然气管网在运行过程中面对的环境较为复杂，整个运行流程涉及到各个方面，在全流程中会产生大量的数据，数据采集环节中应该对天然气管网现场的施工、设备的运行以及正常的营销环节进行数据的采集，采集过程中采用的系统包含SCADA系统、管道生产管理系统（PPS）、地理信息系统（GIS）等。当信息化技术逐渐应用于天然气管网数据采集环节，能够加快数据采集的速度，增加数据采集的种类，能够实现数据的合理运用，现如今由于天然气管网的运行环境更加的复杂，更加具备多功能的特点，因此在数据采集的过程中会实现数据种类的多样性，既包括结构化数据，也包含半结构化数据，还包含非结构化数据。这些数据虽然种类不同，但是都是为了能够更好地实现天然气管网的正常运行而必要的数据。

1.4数据价值密度差异大

由于天然气管网大数据平台采集信息的速度较快，采集信息的种类较多，因此会收集到各种各样的信息，这些信息既有非常重要的信息，同时也有无关紧要的信息，但是这些信息组合起来能够为天然气管网大数据平台提供更有效的信息支持，能够作为重要的大数据平台信息支撑而存在。天然气管网大数据平台收集的不同信息价值密度差异较大，有的甚至不会得到利用，但是这些信息应该进行收集，保证在必要的时候能够实现运用。

1.5数据时序性、关联性、复杂性较强

由于天然气管网是一个整体的施工项目，因此在实际的运行过程中应该关注整体的运行状态，对于天然气管网大数据平台的建设应该实现整体性，在收集信息时，能够实现信息的流程性、关联性。天然气管网大数据平台应该实现全流程化的收集信息，这样才能够保证收集道德信息具备关联性和顺序性。由于天然气管网面临的运行环境较为复杂，此时收集到的信息也会具备较强的复杂性。

二、天然气管网可靠性评价与管理

天然气管道系统及其设备设施的监测数据能够提高预防性维修策略的灵活性和有效性，其中可靠性为基于设备寿命的预防性维修和基于条件的预防性维修提供了理论和方法。对于基于寿命的预防性维修，通过求解维修成本最低或设备不可用性最低的维修周期，指导设备的预防性维修。该方法存在一个重要假设前提，即假设所有相同设备服从相同的使用寿命分布，但管道系统设备设施一般分布于不同运行环境，该假设前提可能不成立，导致维修策略失灵。针对此难题，机器学习模型能够根据传感器监测的实时数据，准确预测设备设施的剩余使用寿命，为每台设备定制预防性维修策略。这些方法需结合具体问题对系统进行大幅简化。概率图模型在表征复杂、不确定关系方面具有优势，能够为复杂管网系统的高效、准确可靠性评价和基于可靠性的决策支持提供模型基础。

三、天然气管网供应保障与决策

在决策依据方面，一方面能够通过支持向量回归、递归神经网络等模型预测供需变化和管网剩余输送能力;另一方面可以通过模式识别方法提炼隐藏在管网

系统运行、资源供需、环境条件等海量数据中的模式信息，预判保供态势，预警保供风险。此外，还可通过逻辑规则学习和关联规则，挖掘管网运行状态、市场供需状态、调度策略之间的逻辑关系与相关性，弥补理论与实际问题、简单经验与复杂问题间的认知断层，提供更具有针对性的信息与知识基础。在决策方法方面，目前主要运用最优化方法，通过离线优化，形成天然气管网与供应链的资源调配方案这种基于运筹学的决策方法具有严谨的数学根基与逻辑基础。

总结

随着互联网时代的到来，大数据平台成为了重要的信息管理平台，由于天然气管网在运行过程中会产生较多的复杂信息，因此应该重点关注天然气管网在运行过程中的信息，实现大数据平台管理，对信息进行科学的收集和运用，最终服务于天然气管网大数据平台和管网的正常运行，实现天然气行业的信息化发展。

参考文献：

[1]王巨洪，张世斌，王新，李荣光，王婷.中俄东线智能管道数据可视化探索与实践[J].油气储运，2020，39（2）：169-175.

[2]蔡永军，蒋红艳，王继方，王潇潇，李莉，陈国群，等.智慧管道总体架构设计及关键技术[J].油气储运，2019，38（2）：121-129

[3]颜庆龙，叶国清，华晶，纪海涛.智能工地在中俄东线天然气管道工程的实践[J].智能建筑，2018，21（9）：65-68.

[4]宫敬，徐波，张微波.中俄东线智能化工艺运行基础与实现的思考[J].油气储运，2020，39（2）：130-139.

（作者单位：新天绿色能源股份有限公司）