海上油田边云协同的结构化故障诊断技术研究

文｜孔敏 袁向兵 陆友明 闵哲

海上生产物联网面临设备数量多、分布广、运行环境差、专业性强的问题；受海上环境因素影响网络类型多，数据回传环节多，由于缺乏网络设备运行状态监测工具，因网络故障导致数据回传失败的风险比陆上油田高。当前被动应急、人工诊断分析、相关软件孤立分散的传统运维方式远远不能适应新的运维需求。因此，本文研究海上油田边云协同的结构化故障诊断技术，该技术集状态感知、数据融合、智能诊断、边云协同于一体，有效实现故障精确定位、状态全面感知、报警及时响应，在保障生产的同时，极大提高运维效率，为海上油田智能化建设培根筑基。

一、研究背景

海上采油平台多，范围广，生产数据从产生、回传直到相关应用，要经过10余个环节，受限于气象海况影响，故障排查不及时，传统模式下被动应急、人工诊断分析、信息孤立分散的运维模式已不能适应新的故障诊断需求。随着行业数字化、智能化与业务融合并走向智慧建设，中石化总部、胜利油田、海洋厂都在数字化基础、信息智能化的应用方面进行转型。

因此，开展海上油田边云协同的结构化故障诊断技术研究，基于物联网智能诊断技术，实现设备状态全域感知、多源数据有机融合、故障诊断智能迅速，有效保障海上安全生产，提升海上油田故障处置的效率，减少运维成本，为海上油田智能化建设培根筑基。

二、国内外现状

东北林业大学的张佳薇等针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,基于物联网获取的传感器信息，提出了一种D-S证据理论的传感器故障诊断方法。中国计量大学的李明等针对传感器微弱故障难以诊断的问题,提出了一种基于数据驱动的一阶定值闭环系统中传感器微弱故障实时诊断方法。电子科技大学的彭旭树等针对部分行业对仪器仪表自身的健康状态要求极其苛刻的问题，基于工业互联网的监测系统建立了仪表设备故障诊断专家系统。

法国巴黎大学的雷帕·瓦索等针对大规模传感器网络中传感设备的故障问题，提出了一种基于子系统划分和故障诊断代理的定位与隔离方法。西班牙马拉加的瑞秋·巴科等对针对网络的自主管理，研究了物联网系统自主诊断的方法，对网络设备故障进行实时检测定位，有效提高了网络的可靠性。英国考文垂大学的戈拉等针对传感器阵列提出了一种基于人工智能的传感器故障诊断解决方案，建立一种与过程无关且特定于传感器的方法，用于检测和隔离传感器故障和故障恢复。

三、总体思路

本文主要研究海上油田边云协同的结构化故障诊断技术，该技术涵盖状态感知模块、数据融合模块、智能诊断模块、边云协同技术四部分，如图1所示。

状态感知模块实现对生产物联网拓扑结构和网络设备运行状态的实时检测，奠定了数据集中管理与分析的基础；数据融合模块对实时感知的数据进行特征提取、数据融合、噪声过滤实等预处理，规范数据治理，实现数据互联互通；智能诊断模块利用D-S证据理论进行故障判定，实现基于数据驱动的物联网设备故障智能诊断，并进行故障设备的自主隔离；建立基于边云协同的结构化故障诊断系统，解决网络边缘缺乏数据处理中心，提高数据处理和部分故障诊断与定位的效率。

图1.系统构架图

四、主要功能设计

（一）状态感知技术解决物联设备状态采集问题

海上油气生产物联网是物联网在油气生产行业应用的延伸，通过不同类型系统采集数据，以传感设备为媒介将油气生产工业控制系统，乃至整个生产环节的参数和控制连接在一起，呈现出覆盖专业广、设备类型杂、数据节点多、运行环境差、专业性强的特点。

中石化的海洋采油厂目前共有前端仪器仪表5万余台，采集控制终端（PLC）134套，包括仪器仪表类、信息辅助类、网络感知类等设备，涵盖电、信、控等专业。同时，受海上环境因素影响网络类型多，数据回传环节多，因网络故障导致数据回传失败的风险比陆上油田高，缺乏网络设备运行状态监测工具。

通过物联网设备运行状态实时监测，可以有效解决信息化设备数据采集不全面，现有设备仪表数据分布在不同业务系统中，数据信息没有集中管理与分析的问题，为高效可靠的故障诊断提供丰富的前端数据基础。

具体地，针对仪器仪表类，基于不同工业协议，通过DCS、OPC、PLC接口采集监测温变、压变、阈阻、变频器、流量计等设备数据，实现生产数据直接采集监测；

针对信息辅助类，以集成人员定位、助航设备、航标灯和动环监控等辅助业务系统，进行航标灯状态、Lora网关、航空障碍灯状态、雾笛状态、航道监控等数据监测数据采集集成；

针对网络感知类，通过对视频网络、工控网络、行业4G网络、辅助服务应用网等全链路感知，主动采集监测交换机、网桥、服务器、网闸、视频等设备状态，对设备及链路可靠性进行分析。

（二）数据融合技术解决数据关联提纯问题

在海上油田物联网中，网络基站专业管理软件主要监测基站、网桥、交换机等网络设备运行状态数据；SCADA/PCS生产指挥系统主要负责通信中断、数据超阈值生产类报警；视频监控、应用系统通过人工电子巡检能够发现部分视频设备故障；定位系统可实现海上助行设备、海上人员定位。

油田各类信息化业务系统的正常运行依赖于可靠的网络环境和准确的仪器仪表、传感器信息，错误的前端传感信息会严重影响信息化业务系统的业务决策。同时，网络系统、SCADA/PCS生产指挥、视频监控等独立运行，受数据类型结构因素影响，系统之间数据无法共享。由于缺少自动关联分析的能力，运维工作离散低效，无法实现全业务流程的智能协同。为此，通过特征提取、数据融合、噪声过滤实现故障数据的融合预处理。

仪器仪表类设备依托SCADA系统仪表自动采集及转储技术，完善提升井口仪表设备信息采集质量，夯实设备智能诊断评价的数据基础。网络设备，基于响应协议栈指纹的主动探测方法、基于被动探测单包响应时延统计的探测技术和油田场景对象的探测（特有工控通信协议），通过指纹特征匹配进行资产类型及基本信息的采集展示，最终研发的网络探测采集监控程序，实现网络节点设备运行状态的实时监控。

基于设备感知识别技术，对采集数据进行特征提取与分类。为了降低数据间因数据的量级、分布情况对数据特征提取所造成的影响，对多源异构数据进行归一化处理，获得概率的原始数据输入。进而使用卡尔曼滤波算法过滤噪声干扰（见图2），引入相对误差和均方根误差对预处理数据置信度和精确度进行检验，进行数据提纯。

图2 经典卡尔曼滤波算法示意图

（三）智能诊断技术解决故障诊断效率问题

受原本系统独立性和数据孤岛的影响，在海上油田故障处理实际过程中，运维人员个人经验决定了故障诊断效率，形成的运维经验缺少有效的固化传承手段，叠加岗位人员的频繁流动，导致故障发现、诊断与定位效率低的问题。因此，亟须将故障诊断经验梳理、优化，提升为数字化、智能化的专家诊断知识库，提高故障诊断效率。

在智能诊断模块，根据各类业务专家及运维人员总结积累的故障诊断定位经验，对于简单的信息源使用阈值分析的方式判断设备故障，对于复杂的信息源使用D-S证据理论进行故障判定，采用多源数据融合降低漏警率和虚警率，最终通过大量样本学习训练，发现数据之间的关联关系，实现基于数据驱动的故障智能诊断。

此外，设备故障从发现到排除需要一定的运维时间，期间故障设备回传的数据信息将严重影响信息化系统的可靠性。因此需要对故障设备进行自主隔离，防止生产信息化系统使用错误的传感数据进行业务决策，提高系统可靠性。

（四）边云协同技术解决算力共享问题

建立海上物联边缘智能网关，针对网络类设备、SCADA生产、人员定位设备、海上动环监测等进行多协议直采，部署在物联网边缘节点，有效解决了网络边缘缺乏数据处理中心，所有故障诊断均需在数据回传后判定这一问题，从而实现对物联设备状态的自动监测与采集、设备故障的智能感知与诊断和数据信息的处理与转发等功能，提高数据处理和部分故障诊断与定位的效率。

进一步地，通过边云协同技术，对设备进行区域划分，实现基于边缘计算的区域自治和边云结合的协同管设，打通各条线信息采集与推送接口，实现终端数据自动流转、多方共享的运行服务模式，围绕数字城市建设和数字经济发展，促进数据“应用尽用”，推动数字经济高质量发展和政府治理现代化转型。

（五）突出多元应用

在数字化转型顶层设计的框架下，加快基础平台和应用平台建设，深化平台建设成果核验，发挥法人、自然人、地理信息和信用信息等四大库基础作用，发挥“政务服务一张网”“可信平台” “领导驾驶舱” “生态眼”、不动产登记信息服务与监管平台、“政务数据共享平台”等平台支撑作用，推进国土空间、基础地形、城市建筑、市政设施和地下管线的数字底图管理系统建设和信息备案，实现城市治理全要素共享，建立起实际业务管用、基层人员爱用、群众感到受用的城市治理数字化应用体系，创新思路、提高效率，加快建设领导驾驶舱平台，努力实现“一网整合数据、一屏能观全局、一体应急联动”，真正把大数据优势转化为城市治理效能。

（六）善用新兴技术

以区块链、大数据、人工智能为代表的新一代信息技术不断发展和涌现，数字化、网络化、智能化趋势加速演进，科技创新的决定性意义更加突出，为推动经济社会转型发展、提升社会治理能力、塑造城市竞争新优势、实现跨越式发展提供了有效支撑。加快应用量子通信、区块链等技术，提升“城市大脑”服务能力、“神经系统”感知能力，促进信息交互和辅助决策更快捷，为城市数字化转型提供基础保障。