管道完整性管理智能分析辅助决策模型及应用

温 庆 张文娟 张大双 林 宇

1.中国石油西南油气田公司集输工程技术研究所 2.中国石油西南油气田公司致密油气勘探开发项目部

0 引言

管道完整性管理是一种以预防为主的管理模式，通过对风险因素的识别和评价，针对性地实施风险减缓措施，将风险控制在合理、可接受的范围内，从而保证管道安全经济的运行[1-2]。

管道完整性管理工作流程包括数据采集、高后果区识别和风险评价、检测评价、维修维护、效能评价等5个环节[3-4]。中国石油西南油气田自2007年开始引入完整性管理理念，历经十多年的发展，目前在管道完整性管理方面已形成了数据管理与效能评价、高后果区识别与风险评价、管道完整性检测、管道完整性评价、维修与维护等5大类技术[5]。高后果区识别、风险评价、完整性管理方案编制这3项业务，已作为年度例行工作由各级单位根据职责权限组织开展，实现与日常生产管理深度融合。

目前西南油气田常规的管道完整性管理工作，部分环节分析方法单一，效率低且结果存在较大的主观性；传统的数据分析挖掘方法使得各项数据的综合利用效率不高，工作强度和重复性较大。因此，确保数据的准确性、提高工作效率是增强完整性管理水平的当务之急[6-7]。传统的数据分析方法以及基于人工经验的决策已不能满足智能决策的需求，传统的决策技术只能支撑局部决策、无法实现全局决策，为此，笔者针对高后果区识别、风险评价、完整性管理方案编制这3项业务工作开展数据挖掘分析，在西南油气田首次建立了3项业务工作的智能分析辅助决策模型[8-9]，并搭建了 高后果区智能识别模块”“风险评价可视化分析模块”和 完整性管理方案编制智能文字识别填充模块”。

1 管道完整性管理数据挖掘

管道完整性管理数据包括测绘数据、特性数据、施工数据、操作运行数据、监测数据、检测数据等。目前数据已经保证了规范性、全面性，那么对数据的挖掘工作，遂指向大数据的智能提取和实时更新这两个方向。

管道完整性管理数据挖掘，即从管道完整性管理数据中挖掘信息，梳理与研究各种数据在管道完整性管理关键业务中的逻辑关系，找出因果关系和关联关系[10-11]，以备下一步模型构建。

1.1 管道完整性管理数据来源

数据来源的确定方法为：基于高后果区识别、风险评价、完整性管理方案编制这3项业务工作的工作流程，明确各项工作所包括的关键指标[12]；再通过指标要素和计算方法分析，梳理出各类关键指标下所有的参数；最后确定每项参数的数据来源。

1.1.1 对高后果区识别工作

它包括4类关键指标：地区等级、潜在半径、特定场所、易燃易爆场所。依据关键指标，建立数据识别模块[13-14]，通过指标要素和计算方法分析，明确4类关键指标下共有9项参数：一级地区、二级地区、三级地区、四级地区、管径、压力、易燃易爆场所、特定场所Ⅰ、特定场所Ⅱ。这9项参数的来源如下：一级、二级、三级地区数据来源于人口户数统计情况，四级地区数据来源于周边自然地理因素，管径、压力数据来源于管道基础数据，易燃易爆场所数据来源于周边环境因素，特定场所Ⅰ数据来源于周边自然地理因素，特定场所Ⅱ数据来源于周边环境因素。

1.1.2 对风险评价工作

根据风险评价半定量评价规程中计算公式：相对风险分值 = 失效可能性总和 失效后果，基于影响因素，将失效可能性和失效后果作为风险评价工作的两大关键指标，通过指标要素和计算方法分析，梳理出两类关键指标下共有31项参数。目前西南油气田完整性管理信息系统均使用中国石油天然气股份有限公司企业标准Q/SY01039.2—2020《油气田管道和站场完整性管理规范 第2部分：管道数据管理》的63张附表进行开发，因此将这63张表作为数据挖掘来源表格库，依次确定31项参数每一项的数据来源，除了可关联的表格和字段，还有默认填充和人工填充部分，共同完成数据来源的确定。

1.1.3 对完整性管理方案编制工作

根据工作流程，明确完整性管理方案编制的8类关键指标，包括：确定方案适用范围及目标、数据采集现状分析及计划、管道危害识别、高后果区识别和风险评价现状分析及计划、检测评价现状分析及计划、维修维护现状分析及计划、效能评价现状分析及计划、其他要素。这8类指标下共有34项参数，数据来源于63张附表以及相关的识别报告。

1.2 建立管道完整性管理数据库

确定各项参数涉及的相关内容或表格字段后，通过简化数据准备，进行数据整合与分类[15-16]，将庞大的数据来源进行降维处理，提取出重要特征，使参数可快速直观地进行关联，最终确定相关工作的数据库。

1.2.1 对高后果区识别工作

将数据来源简化为矢量数据和非矢量数据，其中矢量数据部分主要存储管道测绘及基础地理信息，非矢量数据部分主要储存管道专业数据表格、地图切片、周边居民、建筑属性等。将矢量数据、非矢量数据相结合，作为高后果区识别数据库。

1.2.2 对风险评价工作

确定31项参数的数据来源后，通过简化数据准备，将63张附表中涉及表格和字段作为风险评价数据库（不包含人工填报所需材料）。

1.2.3 对完整性管理方案编制工作

依据作业章程，确定8类指标下34项参数每一项的数据来源后，通过简化数据准备，可将63张附表中涉及表格、管道危害识别报告、高后果区识别和风险评价报告作为完整性管理方案编制数据库（不包含人工填报所需材料）。

最终，高后果区识别数据库、风险评价数据库、完整性管理方案编制数据库共同构成管道完整性管理常规工作数据库。通过数据库的建立，实现数据有效整合，为模型构建奠定基础。

1.3 管道完整性管理数据流向

通过对数据的深入挖掘分析，明确整个管道完整性管理常规工作的数据流向和逻辑关系，构建数据流向图（图1）。如图1所示：①通过收集矢量数据和非矢量数据可开展高后果区识别工作；②通过收集63张附表涉及字段，加上默认填充和人工填充部分，可开展风险评价工作；③通过收集63张附表涉及字段、高后果区识别报告、风险评价报告、管道危害识别报告，加上人工填充部分，可开展完整性管理方案编制工作。

图1 管道完整性管理常规工作数据流向图

2 管道完整性管理智能分析辅助决策模型

通过数据挖掘分析，明确了每项参数的数据来源，简化后形成了管道完整性管理常规工作数据库，再基于卫星地图定位划分、建筑数据矢量化智能分析、管段自动划分、报告智能生成等关键技术，构建管道完整性管理智能分析辅助决策模型，为管道完整性管理提供有效的智能决策。

2.1 高后果区识别智能分析辅助决策模型

目前高后果区识别工作是由熟悉管道沿线情况的巡线工先预判，再配合技术人员进行现场踏勘核实。针对该传统识别过程受人为因素影响较大、缺乏标准化的操作流程等问题，欲将工作流程实现智能分析化，故构建高后果区识别的智能分析辅助决策模型（图2）。

图2 高后果区识别智能分析辅助决策模型图

在数据收集阶段引入卫星地图定位划分技术，利用地图软件以管道为中心在两侧按照高后果区识别要求划分带状图[17]，可识别管道周边大体环境，判别交通情况、商业、工业、市郊情况等。

在地区等级划分阶段引入基于建筑数据矢量化的智能分析技术[18]，利用线划图高度属性，推导出层数，考虑小区住宅每户面积在70～130 m2，根据线划图与实际情况的长宽比，可建立数学模型计算出一幢住宅的住户数，达到对空间数据预处理的效果。

在识别结果统计阶段引入报告智能生成技术，利用计算机软件系统，完成数据整合工作，可形成完整、规范的高后果区识别报告，避免统计误差和语言描述的不规范，得出准确有效的评价结论。

2.2 风险评价智能分析辅助决策模型

目前风险评价是先进行现场调查，收集核实资料，继而人为划分管段，识别风险因素，通过人工填写打分表计算风险分值，再根据计算结果编制风险评价报告，一年更新一次。针对该传统评价过程费时费力、评价结果与风险因素变化不同步等问题，欲将工作流程实现智能分析化，故构建风险评价的智能分析辅助决策模型（图3）。其特色如下所述。

图3 风险评价智能分析辅助决策模型图

1）在管段划分阶段提出管段自动分段技术。将风险评价的各因素找到对应的数据来源表单，按照预先设定的打分准则自动生成风险评价自动分段表单设计表，再由逻辑循环算法，自动识别每一个相对里程有差异的点，作为自动分段插入点，实现管道自动分段[19]。此方法不仅提高工作效率，分段数的增多也会使管道风险评价的准确度得以增强。

2）在风险值计算阶段可实现智能填充、手动填充、默认填充等几种不同的填充方式相结合，再根据系统内置的评分标准，自动计算出风险分值，实时更新风险评价结果。

3）在评价结果统计阶段引入报告智能生成技术，除了设计文本功能模块，还加入数据分析模块，提供多样化数据分析，不仅可智能生成图文并茂的评价报告和对比分析报告，还能通过数据综合处理，用图表形式展现管线当前风险值变化，实现风险评价的实时可视化功能。

2.3 完整性管理方案编制智能分析辅助决策模型

西南油气田现有输气管线9 000余千米，已形成430多个一线一案、60多个一区一案。目前一线一案和一区一案均采用统一的模板，每年由各厂（处）相关岗位人员采取传统人工方法进行更新。针对方案编制过程的工作强度和重复性较大、效率低下等问题，欲实现工作流程的智能分析化，故构建智能分析辅助决策模型（图4）。

图4 完整性管理方案编制智能分析辅助决策模型图

通过固化一线一案、一区一案模版格式，制作固定的模版，基于智能文字识别填充技术，准确全面地识别相关报告中的文字和表格，并通过语义分析理解，抽取所需关键要素进行有效填充，最后人工核查完成二次编辑，智能生成完整性管理方案。

3 智能分析应用

3.1 实现高后果区智能识别

基于卫星地图定位划分、建筑数据矢量化智能分析等关键技术，以前文所述 高后果区识别智能分析辅助决策模型”为核心算法，构建 高后果区管理系统”，可实现高后果区智能识别、识别历史追溯、AI智能监控分析、风险闭环管理等功能，从而提升油气管道的完整性管理水平、降低管理成本。

系统将数据分为3层：①第一层（最底层）数据是正射遥感影像（DOM, Digital Orthophoto Map），该数据来源于最新卫星遥感和航测影像数据，直观反映管道周边的环境；②第二层数据为数字线划图（DLG, Digital Line Graphic），将影像中的建筑、道路、管线等转换为矢量数据，使系统能够捕捉建筑、管线、道路等的走向、边界等信息；③第三层数据为属性数据，系统将管道资料、现场踏勘等相关统计资料数据与管线、站场、位置等三维地理信息挂接。

选取天府新区集输气管道为例，将人工识别与系统智能识别进行比对，所需人力可从20人降到1人（表1），不仅可大幅度降低人工成本及管理成本，还能通过科技手段提升管道预判、预警、预防和自主决策能力，为实现管道一体化、智能化管理奠定基础。

表1 高后果区识别工作采用传统人工方式与智能识别方式对比表

3.2 实现风险评价可视化

通过对地理数据、运行数据、灾害监测数据等进行综合处理，搭建了 风险评价可视化分析模块”，实现了对风险等级和危害影响范围的综合展示与管理。可按风险等级、风险类型来查询风险管段的位置、里程以及评估日期等；并用不同颜色区分不同等级的管段，可将风险等级高风险、中风险、低风险分别对应红、黄、绿的颜色标识，风险等级的表现形式支持用户自定义编辑；通过集成专业数学模型，展示风险管道可能影响的灾害范围，为管道科学管理与决策提供信息支持，从而延长管道生命周期。

以模块中磨溪气田西区集气站的西北干线为例（图5），用户可通过页面上的白点，直观地看到西北干线管道分段位置，且每一管段的长度、风险分值、地区等级等具体信息也能通过下方表格一目了然，并且风险等级在GIS（Geographic Information System，地理信息系统）图上用醒目的颜色进行了标识，由此可快速定位需要处理的风险管段。

图5 风险评价可视化分析模块展示图

良好的应用效果表明， 风险评价可视化分析模块”通过导入风险评价数据表格、提取数据，并充分结合GIS系统，直观展示空间数据，实现了风险评价的可视化功能。

3.3 实现完整性管理方案编制智能文字识别填充

基于文字挖掘技术，从上传到系统的管道危害识别报告、高后果区识别和风险评价报告中获取有价值的信息和知识，实现文本的分类和聚类。通过搭建 智能文字识别填充模块”，有效提取报告中的文字内容，通过模块内置的智能信息提取系统，输出关键信息提取结果，最后关联到完整性管理方案模版相应填写位置，实现智能填充。

以 一线一案”方案中第四条《高后果区识别和风险评价现状分析及计划》为例，首先固化模版：①本次高后果区识别时间和结果；②上一次高后果区识别时间和结果；③下次高后果区识别计划；④本次风险评价的时间、采用的方法和评价结果；⑤上一次风险评价的时间、采用的方法和评价结果；⑥下次风险评价计划。然后，通过有效提取高后果区识别和风险评价报告中的关键要素，实现智能填充模版内相应内容，最终解决目前每年传统人工更新效率低的问题，降低工作强度和重复性，提高工作效率。

4 结论

1）随着生产管理与信息化的深度融合，传统的数据分析方法以及基于人工经验的决策已难以满足智能决策的需求。目前的数据已经保证了规范性、全面性，还要往大数据的智能提取和实时更新方向发展，实现数据全面统一、系统融合互联、运行智能高效。

2）本文利用数据挖掘技术细化明确了高后果区识别、风险评价、完整性管理方案编制这3项业务工作各指标下每项参数的数据流转和相互关联，通过有效整合管道完整性管理常规工作相关数据，创新性地建立了管道完整性管理智能分析辅助决策模型，探讨并取得以下成果：①基于图像智能识别技术，实现高后果区智能识别及处理；②基于数据处理分析技术，实现风险评价的实时可视化功能；③基于智能文字识别填充和语义分析理解等手段，实现智能填充固化模版。

3）智能分析辅助决策模型研究不仅是数据分析探索的有效途径，也为针对各类管道的完整性管理工作、提出相应的智能化管理决策方案，提供了全新的思路、方法和应用框架。应用结果表明，模型可满足智能分析需求，为管道完整性管理工作带来新的解决方案，推动智能分析决策，提高工作效率和管理水平，为西南油气田的管道完整性管理工作从预防型进一步提升到预知型提供了技术支撑，对于数字管道向智慧管道的发展具有重要意义。