油气站场运行异常全息管控平台的建立与应用

刘朋　李柏林　杨全疆　黄春剑　孙元疆

摘要：为全面保障集气处理站人员和设备安全，提升油气站场智能化水平，基于信息化和物联网技术设计并实现了油气站场运行异常全息管控系统。利用过程安全管理和完整性管理技术建立风险识别管控机制，并构建状态监测、火气监测、腐蚀监测、位移监测、工艺监测和视频监控等多个功能模块，再结合三维全息技术，建立全场景的三维全息数字场站。结果显示，系统实现了场内设备状态、人员状态、生产工艺、环境状态的异常报警和预警，可动态显示场内人员的位置和设备状态信息的变化，形成了站场立体可视化管理。所设计的系统对有效提升集气处理站的安全数字管理有重要意义，系统的功能构架和关键技术也可为石油化工行业异常管理系统的建立提供重要参考。

关键词：安全检测与监控技术;油气集输站场;风险辨识;异常管控;系统应用

中图分类号：TE68文献标识码：A

DOI： 10.7535/hbgykj.2022yx02004

Establishment and application of holographic management system for the abnormal situation of oil and gas station

LIU Peng LI Bolin YANG Quanjiang HUANG Chunjian SUN Yuanjiang

（1Yakela Gas Production Plant，SINOPEC Northwest Oilfield Company，Aksu，Xinjiang 842000，China;2SINOPEC Northwest Oilfield Company，Urumqi，Xinjiang  830011，China）

Abstract：In order to fully guarantee the safety of personnel and equipment in the gas gathering processing station，and improve the intelligence level of the oil and gas station，a holographic control system for the abnormal situation of the oil and gas station based on informatization and Internet of Things technology was designed and implementedThe risk identification management and control mechanism was established based on process safety management and integrity management technology，and the multiple functional modules such as condition monitoring，fire and gas monitoring，corrosion monitoring，displacement monitoring，process monitoring and video monitoring were constructedThen a full-scene three-dimensional holographic digital field station was established combining with three-dimensional holographic technologyThe results show that the system realizes the abnormal alarm and early warning of equipment status，personnel status，production process and environmental status，which can dynamically display the position of personnel in the field and the change of equipment status information，and the three-dimensional visual management of the station can be formedThe system is of great significance to the improvement of the secure digital management of gas gathering treatment stationsThe functional framework and key technologies of the system also provide an important reference for the establishment of anomaly management systems in the petrochemical industry

Keywords：safety detection and control technology;oil and gas gathering and transportation station;risk identification;anomaly management and control;system application

隨着信息化、物联网技术的发展以及国家对石化行业推进智能化水平的要求，依托物联网建立状态监测系统，可以快速识别企业中各类异常安全状态，评估设备的风险和健康状况，为企业智能化建设提供基础保障。异常管控是对隐患形成前偏差和异常的发现和处置，可以避免隐患的形成，其本质是把管理关口前移，是从以重点开展隐患排查治理的“事后管理”向监测和处置异常的“事前管理”转变。

针对石化企业的风险识别和管控，安全检查表、危险性与可操作性分析（hazard and operability analysis，HAZOP）、失效模式与影响分析（failure mode and effects analysis，FMEA）、事故树、事件树、Petri网、贝叶斯网、模糊集理论、马尔可夫链等为常用的风险分析工具[1]。利用这些风险分析工具，王金江等[2]采用风险检验（risk based inspection，RBI）技术进行了储气库分离器设备的风险分析。宋肖苗等[3]基于RBI失效概率评估过程，建立了常压原油储罐的失效概率数学模型。WANG等[4]基于RBI和以可靠性为中心的维修（reliability centered maintenance，RCM）等技術建立了设备完整性管理方案，该方案可以有效评估设备的风险状态，提高设备的可靠性、可维护性和安全性。

为实现石化行业的异常情况管理，许多研究人员面向不同设备建立了异常管理系统。工业典型动设备有泵、往复机等，这些设备的运行状况对整个工艺有重要影响。EMAMI等[5]建立了离心泵监测与性能分析系统。ZHANG等[6]建立了涡轮机实时在线监测和故障诊断系统。张琰等[7]建立了离心通风机监控平台。腐蚀是现场静设备常见的失效形式，静设备的腐蚀状态管理是现场设备管理的一项重要内容，许多研究人员建立了设备腐蚀管理系统，实现了静设备在线测厚监控、腐蚀速率实时监控、腐蚀预警和腐蚀风险管理[8-13]。针对生产过程的电气系统异常情况，ZHAO等[14]建立了石化变电站电力实时监控系统，避免了生产线的电源故障和意外停电。梁永春等[15]搭建了高压电力电缆实时载流量监测和评估系统。环境感知是异常情况管理的另一部分。在易燃、易爆和有毒物质的生产过程中，环境参数的实时监测非常重要。YANG等[16]建立了基于无线传感器网络的工业一氧化碳实时监测系统。FAKRA等[17]设计了用于甲烷和氢气测量的简单且低成本的传感器监测系统。

近年来，基于计算机视觉的物体识别技术得到快速发展，该技术可以实现对烟气和火焰的识别、监控和报警，如徐燕翔等[18]设计的森林火灾检测系统和SAPONARA等[19]建立的基于卷积神经网络的实时火灾烟雾检测系统。同时基于计算机视觉可以实现人员的监测与管理，包括人员计数[20-21]和人员状态的识别[22]。

当前，应用于石化行业的各类状态和异常监测多为孤立系统，缺乏统筹整个流程的整体解决方案，同时针对油气站场的异常监测系统应用较少，其各方面安全风险和异常评估方法有待研究。本文面向油气站场生产、设备、人员、环境等方面的异常管理需求，设计集成风险管理、动静设备状态监测、工艺过程监控与预警、环境参数监测和人员行为监控的综合评估体系和异常管理平台，并应用于某集气处理站，以实现厂内设备的异常状况预警与报警，工艺过程的监测与优化，人员状态的识别与管理，有效提升场站的智能化和安全管理水平。

1需求分析

某集气处理站是集原油稳定、轻烃回收、天然气增压外输为一体的大型综合性天然气处理站。该站投用于2005年11月，装置设计处理规模为天然气260×10 m/d，凝析油17×10 t/a，主要包括气液分离、脱硫、脱水和液化加工等工艺流程。随着集气处理站运行时间的延长，自控系统、电气系统、装置流程及关键设备逐渐暴露出一定的安全问题。近几年，石油石化企业油气站场事故频发。为保障集气处理站生产各环节的安全稳定，提高整体的安全水平和智能化水平，提出以下生产、安全系统化需求。

1）数据集成与管理集成现有的设备基础、运行、状态等数据，站场视频监控数据，建立统一数据库，实现动设备的实时状态监测、静设备的腐蚀在线监测、气体泄漏检测和人员状态管理与识别等功能。

2）状态评估与预警建立生产过程人员和设备安全等方面的状态监测关键参数的超限报警和异常状态分级评估，以及基于历史数据的设备状态和工艺过程异常预测预警机制。

3）应用与展示构建厂区三维全息数字可视化工厂，运用全息场景进行空间分析、查看消防应急规划以及动态显示人员和设备等的安全状态信息。

2平台设计

2.1功能设计

以生产过程中的异常识别、感知和管控为异常管理平台设计的主要思路。针对场站运行异常智慧化全息管控平台，建立安全子系统、生产子系统、设备子系统、人员子系统4大主要功能模块，实现过程安全风险识别与异常报警，生产工艺控制与异常管控，设备资产管理，人员分布与行为管理等，功能架构图如图1所示。

1）安全子系统安全子系统包含火气监测、腐蚀监测、设备监测、位移监测、工艺异常等功能模块。火气监测模块具备甲烷气体浓度监控和报警功能。腐蚀监测实现站内工艺管线及压力容器设备腐蚀状态进行实时分析和预警功能。设备监测模块实现旋转设备实时振动状态监测，实现故障预测预警。位移监测实现对储罐沉降的实时监控和预警功能。工艺异常模块实现工艺监测数据的异常报警。

2）生产子系统生产子系统实现生产信息、单井信息、生产工艺控制、天然气管网信息和工艺参数实时监测数据的展示，并基于历史数据，为装置运行优化提供最优的调整策略。

3）设备子系统设备子系统包括设备管理、工单管理、库存管理、采购管理、维修维护管理等，将站场设备信息全部纳入系统中，并可直接在三维场景中读取设备信息，如设备名称、生产厂家、规格、型号等数据信息。

4）人员子系统实现人员信息、人员位置分布和人员识别异常报警等功能，在全息场景中可动态显示不同生产区域人员数量的变化情况。

2.2系统架构

系统从信息感知、传输、分析、应用等层面实现站控系统及配套监测设备数据的全面集成与整合，包括设备资产信息、地理信息数据、生产运营数据、设备监测数据、视频监控信息、泄漏检测数据、人员信息管理等，实现异常全息管控平台4大模块的功能。系统整体的构架如图2所示。数据采集层主要包含传感器、仪表、移动终端和视频监控等信息感知设备。数据存储层主要通过分布式存储技术对采集数据进行存储。数据处理和数据分析层针对不同的功能模块实现数据的转化、处理和分析。数据应用与交互层可实时展示各类监测数据和预警数据，同时不同级别的报警信息会分等级推送给相关管理人员。

系统的无线通信部分由终端设备、基站、核心网（EPC）和交换控制中心（SCC）组成。核心网（EPC）为宽带多媒体集群系统中的数据与交换中心，4G基站（eNodeB）为宽带多媒体集群系统中的接入网设备，终端（UE）是集群用户可以直接操作的设备。图3为系统的无线通信网络构架。

2.3风险评估与异常诊断

2.3.1风险评估关键技术

基于风险的检验（RBI）和以可靠性为中心的维修（RCM）是基于风险资产管理方法的重要内容，已经应用于石化企业的风险管理中。RBI是对静设备进行定量风险评估的一种方法，可以用设备失效概率和失效后果的组合定量评估设备风险，根据设备的风险等级，采取不同的检验和维护策略，进而达到提高设备安全性和优化资源配置的目的。RCM是针对动设备的一种维护策略，按照以最少的维修资源消耗保持装备固有可靠性水平和安全性的原则，并应用逻辑决断的方法确定装备预防性维修要求。RCM将设备的可靠性作为设备维护的依据，进行可靠性分析时同样采用了设备失效概率和失效后果的定量化描述，制定适用于不同风险等级设备的维修策略，进而达到减小维修资源消耗的目的。

对站场进行风险分析时，针对不同的设备类型分别采用RBI，RCM技术，结合HAZOP，FMEA和检查表等风险分析工具，对现场设备进行全面的风险识别和管理，风险识别管控机制如图4所示。静设备进行风险分级时，首先对设备的失效模式和失效机理进行分析。将失效后果分为燃烧爆炸后果、中毒后果和停产损失后果，对设备的失效后果进行评价和打分，得出后果等级。根据设备的损伤因素、检验因素、维护管理因素、工艺因素和机械设计因素对设备的失效可能性进行评价和打分，得出失效可能性等级，在风险矩阵图中确定后果等级和失效可能性等级组合的位置，进而确定被评估设备的风险等级。在进行动设备风险分析时，首先根据FMEA分析得出设备的故障类型和影响，把不同设备故障按历史故障频率进行分级，每个等级和不同的故障频率次数相对应。故障后果分为安全后果、环境后果、经济损失后果、维修时间后果，根据评价准则将后果进行分级，最后将故障频率分级和后果分级联合确定在风险矩阵中所在的位置，以同一设备的多种故障类型风险最高的评估结果作为该设备的风险等级。

将定量风险评估结果作为检测或维护计划的依据，对不同风险水平的设备采取不同的风险控制策略，在高风险设备部位布置传感器监测位点，实时监测设备的运行状态，在保证设备安全性的同时降低检验和维护成本。

2.3.2设备趋势分析和预警

将大数据与智能化有机结合，构建完整的诊断分析模块，图5为系统诊断分析的框架。通过实时数据采集、历史数据积累和比对分析，将数据转化为案例智能学习，随着数据积累的增加，分析能力和效率不断提升，装置各类异常均可实现超前预警。预警发生后，后台自动按异常风险等级对应推送至各管理层级，并提供可供参考的处置方法，从而提高处置决策的及时性和准确性，有效缩短响应时间，大幅提升生产运行效率。

3系统实现与应用

3.1风险管理

采用本文提出的综合风险识别管控方法，建立由风险类型到具体风险点的风险识别体系，制定分级管控和风险管控消减机制的工作计划，对风险点进行综合分析，找出这些风险可能产生的异常和原因。在油气站场进行风险分析时，按风险类别划分、以危险源为基础，从站场、装置、工艺单元到单体设备设施，再延伸到具体风险点位，识别风险因素、分析风险原因，实现系统化的风险识别。全站共辨识出风险点位3 129个，进行风险分级，其中包含24个较大风险点位，其余均为一般风险和低风险。依据设备的风险等级，建立不同的设备监测与维护策略，对存在较大风险的静设备采取腐蚀在线测厚的监测手段，动设备采取在线振动监测的手段进行风险控制。

3.2实时设备状态监测网络

在有效集成现有DCS和SIS、大型机组安控、单井力控系统的基础上，增加火气、泄漏监测、腐蚀监测、机组运行状态监测、位移监测和电气监测设备94套，为异常管理系统提供硬件基础。系统全面构建实时设备监测网络，实现了动设备、静设备、电气系统和火气泄露的实时状态监测。现场重点检测的动设备有压缩机和电机，例如低压气压缩机、空冷器。现场重点检测的静设备主要是常压和承压塔器、储罐和管道，例如脱乙烷塔、液化气球罐、轻烃罐等。在线测厚监测系统实时监测重要部位的腐蚀状况。通过激光探头、摄像头等气体泄漏监测设备，实现对30 m距离范围内的甲烷气体浓度进行长期、自动、可视化、远距离的精准监控。通过在低压配电房设置147个监测点，采用智能安全用电管理系统，实时监测各线路运行状况，包括电压、电流、漏电流、功率、温度、功率因数和报警信息等，并实现异常报警。现场重点动设备实现振动实时监测。图6为安全子系统的设备状态监测界面。

3.3诊断分析与预警管理

在對设备和工艺的运行状态进行实时监测的基础上，系统结合历史数据，可实现对设备状态和工艺参数的变化趋势分析，预测出现严重故障或偏差的时间，提前预警。改善之前异常发生后的层层上报及现场处置时间，平均缩短响应时间30～60 min，避免该时间内的异常失控状态发展。同时系统结合专家知识库建立了故障处理预案，提高操作人员处理设备异常状态的能力。图7展示了系统中工艺异常状态报警界面。

3.4工艺参数监测与生产优化

系统平台汇集单井、站场及天然气管网信息，包含了日、周、月生产信息及单井的产量和装置实时运行参数，生产工艺控制方面实现了二维和三维场景的联动。系统通过对装置工艺参数实时监测，构建各个装置的装置技术系数指标，经后台智能比对分析，可以为装置运行提供最优的调整策略。参数调整关注“3个变化”即关注装置负荷变化、关注季节温度变化、关注产品价格变化，控制“4项指标”即控制装置稳定运行指标、控制轻烃收率指标、控制产品质量指标、控制参数确保运行最优、质量合格、效益最佳，保障装置运行的安稳长满优。进而辅助生产运行管理人员及时全面掌握装置整体运行情况，适时优化运行参数，进一步提高装置运行效率和运行风险防控能力。优化后结果显示装置产品的核心指标超国内同类装置水平，C3收率为94.28%（设计指标86.1%，国内一流指标93.5%），C3+收率为96.46%（设计指标91.1%，国内一流指标96%）。系统生产工艺控制界面如图8所示。

3.5人员智能识别管理

系统通过智能识别技术，实现入站人员管理、区域人员统计、人员违章识别以及人员基础信息统计展示等功能。通过具备人脸识别、行为识别功能的前端设备，结合平台系统的智能识别报警功能，实现对所有进入生产区域人员的动态管控，及时发现、制止违章行为，进一步消减人员的不安全行为给安全生产带来的巨大隐患，为现场管理提供基础保障。图9为系统中的人员管理界面。

3.6全息可视化展示

应用数字孪生技术，1∶1真实还原站场全景。通过空中倾斜摄影、毫米级激光扫描、地下管线探测对站场地上地下设备设施进行全面的三维数据采集，结合图档数据查明其管径、材质、压力、埋设年代等相关内容，构建三维可视化地下管网数字模型。同时，利用Edge wise系统，进行管道模型的提取和编辑修正，再通过3DsMAX软件建模，参考点云中的位置信息和尺寸信息，完善管道连接处以及对阀门等其他设备进行精准创建，全面呈现各单元设备设施、建筑物等，实现了站场资产及数据三维可视化管理，如图10所示。内置测量功能，实现立体空间尺寸测量，辅助管理人员进行空间分析;内置图层剖切功能，在空间层面对设备、设施进行剖面分析和立体呈现，使消防设施、工艺管网、逃生路线、高风险区域、职业危害分布、设备构造及相关信息可视化呈现。为员工培训和管理人员提供更直观、更完整的信息，提升培训效率，同时为应急决策、装置技改、现场施工测量提供便利。

4结语

基于物联网技术设计并实现了集气处理站的全息异常管理系统，保障了场内生产、设备、人员等全面的安全监控和管理。

1）建立了风险识别和管控机制，系统性地识别场内风险点，量化风险等级，对不同风险水平的设备采取不同的风险控制策略，高风险点位实时监测，中风险点位循环监测，低风险点位选择性监测，在降低成本的同时实现了全面风险管控。

2）通过软硬件的搭建，实现了集气处理站静设备、动设备、工艺管网、气体泄漏的监测，以及设备和工艺过程的实时监测和异常预警，提高了生产现场装置的本质安全，避免了非计划停车。同时，通过场内人员的位置定位和行为识别，实现了人员进入禁区和违章报警，进一步消减了人员的不安全行为。

3）在应用层建立三维交互场景，将设备信息和人员数量信息在系统中动态显示，以更直观的方式呈现报警信息，同时三维可视化也为应急决策提供了便利。

該系统应用于某集气处理站，实现了24处较大风险点的识别，多处异常状态的报警，各类信息全息展示和安全管控，取得了良好的应用效果。未来还需继续对系统监测数据的深度分析与挖掘开展研究，特别是设备健康评估和预测技术。

参考文献/References：

[1]ANIMAH I，SHAFIEE MApplication of risk analysis in the liquefied natural gas（LNG）sector：An overview[J].Journal of Loss Prevention in the Process Industries，2020，63：103980.

[2]王金江，王舒辉，张兴，等基于RBI技术的储气库分离器风险分析[J].中国安全科学学报，2020，30（2）：21-27WANG Jinjiang，WANG Shuhui，ZHANG Xing，et alRisk analysis of gas storage separator based on RBI technology[J].China Safety Science Journal，2020，30（2）：21-27.

[3]宋肖苗，杨剑锋，陈良超，等多层次灰色综合评价法在储罐失效概率评估中的应用[J].中国安全科学学报，2018，28（11）：156-161SONG Xiaomiao，YANG Jianfeng，CHEN Liangchao，et alApplication of grey multi-hierarchy comprehensive evaluation method in failure probability assessment of storage tanks[J].China Safety Science Journal，2018，28（11）：156-161.

[4]WANG Qingfeng，LIU Wenbin，ZHONG Xin，et alDevelopment and application of equipment maintenance and safety integrity management system[J].Journal of Loss Prevention in the Process Industries，2011，24（4）：321-332.

[5]EMAMI S A，EMAMI M HDesign and implementation of an online precise monitoring and performance analysis system for centrifugal pumps[J].IEEE Transactions on Industrial Electronics，2018，65（2）：1636-1644.

[6]ZHANG Qinghua，QIN Aisong，SHU Lei，et alVibration sensor based intelligent fault diagnosis system for large machine unit in petrochemical industries[J].International Journal of Distributed Sensor Networks，2015，11（8）：239405.

[7]张琰，张荆沙，栾华东大型离心通风机小型化监控平台关键技术研究[J].计算机仿真，2015，32（4）：188-191ZHANG Yan，ZHANG Jingsha，LUAN HuadongKey technology of large centrifugal fan monitoring miniaturization platform research[J].Computer Simulation，2015，32（4）：188-191.

[8]户佳财常减压装置腐蚀在线监测系统开发与应用[D].上海：华东理工大学，2013HU JiacaiThe Development and Application of the Online Corrosion Monitoring System in the Atmospheric and Vacuum Distillation Unit[D].Shanghai：East China University of Science and Technology，2013.

[9]赵寅炼油装置腐蚀在线监测系统建立[D].天津：天津大学，2017ZHAO YinEstablishment of Refining Unit Corrosion Online Monitoring System[D].Tianjin：Tianjin University，2017.

[10]范强强化工设备腐蚀机理研究及腐蚀监测管理系统的开发[D].上海：华东理工大学，2014FAN QiangqiangCorrosion Mechanism Research and Corrosion Monitoring Management System Development of Chemical Equipments[D].Shanghai：East China University of Science and Technology，2014.

[11]陈伟庆，陈良超，何兴，等炼化装置腐蚀监控分析系统设计及应用[J].北京化工大学学报（自然科学版），2019，46（6）：56-63CHEN Weiqing，CHEN Liangchao，HE Xing，et alDesign of a corrosion monitoring and analysis system for use in refinery units[J].Journal of Beijing University of Chemical Technology（Natural Science Edition），2019，46（6）：56-63.

[12]ZOU Fangxin，CEGLA F BOn quantitative corrosion rate monitoring with ultrasound[J].Journal of Electroanalytical Chemistry，2018，812：115-121.

[13]陈良超炼油装置腐蚀防护管理系统开发与工程应用[D].北京：北京化工大学，2015CHEN LiangchaoThe Development and Engineering Application of Refinery Equipment Corrosion Protection Management System[D].Beijing：Beijing University of Chemical Technology，2015.

[14]ZHAO Long，MATSUO I B M，SALEHI F，et alDevelopment of a Real-time Web-based power monitoring system for the substation of petrochemical facilities[J].IEEE Transactions on Industry Applications，2019，55（1）：43-50.

[15]梁永春，劉雅丽，王宇翔电力电缆实时载流量评估系统设计[J].河北工业科技，2017，34（5）：334-338LIANG Yongchun，LIU Yali，WANG YuxiangDesign of real-time current carrying capacity evaluation system for power cable[J].Hebei Journal of Industrial Science and Technology，2017，34（5）：334-338.

[16]YANG Jiachen，ZHOU Jianxiong，LYU Zhihan，et alA Real-time monitoring system of industry Carbon monoxide based on wireless sensor networks[J].Sensors，2015，15（11）：29535-29546.

[17]FAKRA D A H，ANDRIATOAVINA D A S，RAZAFINDRALAMBO N A M N，et alA simple and low-cost integrative sensor system for methane and Hydrogen measurement[J].Sensors International，2020，1：100032.

[18]徐燕翔，裴海龙基于无人机的森林火灾检测系统[J].计算机工程与设计，2018，39（6）：1591-1596XU Yanxiang，PEI HailongForest fire detection system based on unmanned aerial vehicle[J].Computer Engineering and Design，2018，39（6）：1591-1596.

[19]SAPONARA S，ELHANASHI A，GAGLIARDI AReal-time video fire/smoke detection based on CNN in antifire surveillance systems[J].Journal of Real - Time Image Processing，2021，18（3）：889-900.

[20]RAGHAVACHARI C，APARNA V，CHITHIRA S，et alA comparative study of vision based human detection techniques in people counting applications[J].Procedia Computer Science，2015，58：461-469.

[21]郑凯，谢国坤，王娟娟一种基于机器视觉技术的城市轨道交通客流量检测方法[J].河北工业科技，2021，38（1）：45-49ZHENG Kai，XIE Guokun，WANG JuanjuanPassenger flow detection of urban railtransit based on machine vision technology[J].Hebei Journal of Industrial Science and Technology，2021，38（1）：45-49.

[22]DANG L M，MIN K，WANG Hanxiang，et alSensor-based and vision-based human activity recognition：A comprehensive survey[J].Pattern Recognition，2020，108：107561.