炼化企业动设备状态监测技术现状与智能化展望

李迎丽，赵 斌，高俊峰，李 犇

（中国石油集团安全环保技术研究院有限公司，北京 102206）

0 引言

“十四五”期间，国家要加强企业数字化转型，为适应国家新态势，近3 年来中国石油炼化企业在动设备状态监测工作方面快速发展，预计到2022 年底，各企业安装在线监测机泵数量将达到10 846 台（安装比例14.33%），比2019 年年底的2413台（安装比例3.2%）增长3.5 倍，与状态监测相关的技术、管理和专家团队建设工作显著加强。阐述中国石油炼化企业动设备状态监测现状，对当前国内外主流状态监测技术发展进行总结，并对实现“智能诊断”进行前瞻性分析，为中国石油实现动设备监测诊断智能化提供思路。

1 炼化企业动设备状态监测技术发展及现状

1.1 动设备状态监测技术发展及现状

中国石油炼油与化工分公司在强化炼化一体化、大型化、规模化发展的同时，持续推进“两化融合”集成创新。早在2007年炼油与化工分公司即筹建炼化设备中心，建立大型关键机组远程实时监测诊断管理平台，开展大型关键机组远程在线监测诊断，经过15 年的发展，并入中心远程系统的炼化企业从8 家扩展到27 家，监测设备台数从154 台增加到2000 台，实现远程监测的设备种类，从单一的关键离心压缩机组，拓展到离心压缩机、往复压缩机、烟机以及机泵。据2021 年炼化企业状态监测调研数据统计，26 家炼化企业安装在线监测系统的设备共计6163 台，其中有线监测设备2000 台，包括离心式压缩机组556 台、往复式压缩机384、机泵1048 台、其他设备12 台，有线监测系统平台如图1 所示；无线监测机泵4163 台，无线监测系统平台示例如图2 所示，其他设备采用离线监测，中国石油炼化企业动设备状态监测通过有线监测、无线监测、离线监测3种方式实现机组、机泵的全覆盖监测，预测到2022 年底，炼化企业安装在线监测机泵数量可达到10 846 台。

图1 有线监测系统平台

图2 无线监测系统平台

多年来，各炼化企业应用远程监测平台开展设备监测诊断和预知检修，实现远程预警5000 余台次，远程诊断机组故障500 余台次，减少故障停机时间约6000 h，节约检维修费用、备件费用，延长装置运行时间，避免非计划停车，减少经济损失10亿元以上。远程监测诊断平台的应用，实现设备状态信息的多角度利用，数据多层次共享，建立炼化企业状态监测数据库，持续地推进“两化融合”，为炼化企业下一步集成创新，从信息化向智能化转化奠定坚实的基础。

伴随数字化转型及智慧炼化建设需要，状态监测工作也要向智能诊断方向发展，这是企业的需求也是发展的需要，炼油与化工分公司引领炼化企业以设备运行监测数据为基础，将动设备监测、电气监测、腐蚀监测、仪表监测、工艺数据等多专业监测数据整合，实现统一数据库管理，实现信息资源价值最大化，应用大数据、物联网、云技术等信息手段，研究振动机理模型、自学习以及趋势预测等方法，建立基于神经网络的设备故障智能诊断及预警的数学模型，将智能模型融入远程平台，逐步完善智能模型及系统自学习，建立有效的专家系统，逐步提高智能诊断准确率，最终建立炼化企业设备管理智能标准化体系，实现“智慧炼化”的目标。

1.2 动设备状态监测技术发展现状

目前国内外主流监测系统的技术呈现如下6 个特点：

（1）数据采集已实现多通道高速、高精度并行同步整周期采样，最大数据采样速率可达64 kHz，A/D 有效分辨率24 位，可实现各类报警数据、启停机数据的毫秒级采集存储，满足机组开停车、异常状态加密采集的需要。

（2）数据处理及存储已实现数据自适应加密存储，数据处理判断为正常的数据，根据用户需求自定义逐步稀疏存储，判断为异常的数据（如阈值报警数据、趋势报警数据及基于深度学习、大数据学习的故障敏感特征挖掘等故障数据）或开停车数据，进行实时存储、永久保存，并实现断网保存、通网续传，避免因网络中断造成数据丢失。

（3）数据传输满足原始波形无损压缩传输，可完整保留原始波形的全部信息。

（4）故障报警已实现阈值报警、趋势报警、感知系统异常报警、智能预警（敏感特征报警、基于深度学习、大数据学习的特征报警等）多种报警方式。

新型丝杠螺母由高性能工程塑料 iglidur J200 制成。在 igus 测试实验室中，这款新材料制成的螺母在硬质阳极氧化铝丝杠上运行的使用寿命比同样工况下由标准螺母材料制成的螺母长三倍。配合铝制丝杠使用时，这款新型工程塑料制成的螺母可以降低噪音、减少震动，而且重量更轻。它在火车和飞机的门系统以及物流搬运和自动化领域的应用中非常常见。圆柱形和法兰式丝杠螺母常备库存，适用于大螺距螺纹丝杠和自锁梯形螺纹丝杠。

（5）分析诊断功能可满足旋转式机组、往复式机组及机泵的不同诊断需求，分析谱线数可达6400 线，系统响应速度、图谱功能、操作性与交互等满足用户需求。

（6）故障诊断智能化处于初期。目前可实现基于设备故障机理模型驱动、基于敏感特征、基于深度学习、基于大数据学习、部分工艺量参与及部分专家知识和经验结合的智能分析诊断。据不完全统计，整体诊断结果准确率不足70%，部分具有独特特征征兆的单一类故障，诊断准确率会高些，智能诊断是未来主要发展方向，诊断准确率仍有较大提升空间。

2 监测诊断智能化的主要特征和改进方向

监测诊断智能化是指无需人工干预，自动进行数据采集存储，自动进行数据分析，对报警数据自动给出诊断结果，且诊断结果准确率至少在90%以上。监测诊断智能化包括数据采集智能化、数据处理存储智能化、故障预警智能化、故障诊断智能化、故障管理智能化。

数据采集智能化是指应对开停车、监测数据异常等情况下，能够实现有用数据加密采集存储，且保证断网情况下数据不丢失。目前对报警数据可实现加密采集存储，断网时间过长，数据续传有一定难度。

数据处理存储智能化是指对判断为正常的数据，按需求自定义稀疏存储，判断为异常的数据加密采集，永久保存，实现该存才存，该存必存。目前，在存储空间满足要求的情况下已实现。

故障预警智能化包括趋势报警、感知系统异常报警、敏感特征报警、基于大数据学习的特征报警等，目前虽已实现多种预警方式，但仍需不断挖掘与完善。

故障诊断智能化要求对报警数据自动给出诊断结果，且诊断结果准确率至少在90%以上。据不完全统计，目前智能诊断在炼化企业的整体诊断准确率不足70%，导致企业对智能诊断结果信任度不高，应用不足。智能诊断准确率仍有较大提升空间，是未来努力的方向。

故障管理智能化是对智能诊断结果进行检修反馈，对诊断结果进行确认或修正，进行系统自学习、自完善，提升诊断准确率，同时实现故障闭环管理。

完善监测诊断智能化，提升诊断准确率可从以下6 方面改进：

（1）提高数据稳定性。监测诊断系统由于存在传感器损坏、数据采集器等硬件老化、通信异常、网络故障等问题，造成数据稳定性不足，对预警、诊断产生较大影响，保证数据稳定、真实是实现智能化诊断，提升诊断准确率的前提。

（2）提升数据全面性。监测诊断系统中采集振动、温度数据，部分系统中有少量工艺数据，而设备的健康状况和工艺指标、检维修是分不开的，因此需补充相关工艺参数和检维修数据，保证监测数据类型及数据量满足智能诊断需求。

（3）建立数据互联性。目前振动、温度、工艺等数据在监测系统中独立存在，未能建立逻辑关联。需要建立设备的工艺数据、振动数据、温度数据、检修数据、故障机理、大数据学习、专家知识经验等有效的互联，实现多角度、多方位综合分析诊断故障，提升诊断准确率。

（4）加强故障数据库和案例库的积累。企业实际生产过程中，设备运行状态、工作环境、负荷变化、人为操作等因素对故障分析影响较大，当前已积累的故障案例数量如考虑机组的不同类型、不同结构、不同工况，还是远远不足，特别是高质量故障案例数据的缺少将严重影响各类人工智能技术、大数据分析技术的实际应用，加强故障数据库和案例库的积累无止境。

（5）加强故障智能诊断研究。与高校、企业、系统厂商共同进行智能诊断科研开发，加强机理研究、数据互联及逻辑建立，引导厂商加强诊断智能化提升，不断提高诊断准确率。

（6）跟紧人工智能发展脚步。人工智能技术本身发展尚不成熟，目前的人工智能是由大数据驱动的机器学习的模式，不具备根据实际场景进行认知、推理的能力，人工智能的发展方向是一个完全自主的智能，具备感知、认知、推理、学习和执行的能力，智能诊断伴随人工智能的发展也会不断完善。

3 炼化企业实现设备监测诊断智能化的思路

虽然近年国内动设备状态监测技术取得长足进展并进入相对成熟期，但与人们期望的智能化要求相比，仍有一定差距。特别是目前各主流技术的故障诊断准确率不足70%，与90%以上的期望值仍有较大差距，且现有措施在短期内无法提高并实现这一目标。中国石油围绕提高状态监测诊断的智能化水平合力攻关，重点做好以下5 个方面工作。

（1）优选主流技术厂商并加强对标分析和考核评价，督促系统厂商提高系统硬件、软件及服务质量。主流技术厂商各自特色和优势不同，各企业要针对需求优选适合设备的监测形式和厂商，对主要技术参数要进行对比分析，避免单纯追求低价影响系统硬件质量、软件功能及售后服务。

（2）加强状态监测系统的维护及更新，确保现有系统充分发挥作用。企业要加强状态监测系统的日常维护，发现监测数据异常或无数据，要及时检查，对安装时间较长的老旧系统要有计划更新，避免因传感器损坏、数据采集器等硬件老化问题及通信异常、网络故障等造成数据失真，无法充分发挥监测系统作用。

（3）加快企业数据集成水平提升，完善系统数据类型及数据量。积极推进企业数字化转型，加快企业数据集成水平提升，可有力保障监测诊断系统数据更全面。

（4）引导系统厂商加强诊断智能化研发，加强数据互联及逻辑建立，不断提高诊断准确率。要加强故障智能诊断研究，与高校、企业、系统厂商共同进行智能诊断科研开发，加强机理研究、数据互联及逻辑建立，引导厂商加强诊断智能化提升，不断提高诊断准确率。

（5）加强大数据利用，增强自学习能力，提升诊断准确率。研究利用状态监测大数据共享，特别是不同厂商技术系统的数据互通和利用，增强分析诊断模型自学习能力，从而有效发挥中国石油的集团优势，实现提高故障诊断准确率的目标。