1　方案背景

近年來，基于實(shí)時(shí)數(shù)據(jù)采集技術(shù)、工業(yè)庫存儲(chǔ)技術(shù)、可視化數(shù)據(jù)展示、安全管理技術(shù)于一體的KingSCADA系統(tǒng)在中石油采油三廠已經(jīng)實(shí)現(xiàn)了大規(guī)模的推廣，面對(duì)現(xiàn)場(chǎng)復(fù)雜的工藝流程及多變的運(yùn)行方式，每天形成的成千上萬條報(bào)警數(shù)據(jù)記錄中，多數(shù)為正常生產(chǎn)運(yùn)行過程中因周邊環(huán)境、工藝變更而引起的無效報(bào)警。現(xiàn)場(chǎng)設(shè)備數(shù)量巨大，沒有一種有效的手段可以及時(shí)地發(fā)現(xiàn)停機(jī)、故障的設(shè)備。長此以往，其對(duì)諸多生產(chǎn)部門對(duì)生產(chǎn)過程管理的高效運(yùn)維造成了不便的影響。因此，獲取可靠與有效的實(shí)時(shí)報(bào)警數(shù)據(jù)與歷史報(bào)警記錄以及設(shè)備運(yùn)轉(zhuǎn)停機(jī)提示功能迫在眉睫。

2　方案架構(gòu)

如圖1所示，本項(xiàng)目功能架構(gòu)劃分為數(shù)據(jù)層、平臺(tái)層、應(yīng)用層、展示層四層內(nèi)容，主要依托于平臺(tái)提供項(xiàng)目所需的報(bào)警優(yōu)化應(yīng)用。

圖1 報(bào)警優(yōu)化項(xiàng)目功能架構(gòu)圖

本項(xiàng)目網(wǎng)絡(luò)部署架構(gòu)設(shè)計(jì)，軟件應(yīng)用以在作業(yè)區(qū)部署單個(gè)作業(yè)區(qū)應(yīng)用為例，主要區(qū)分為油田現(xiàn)場(chǎng)、服務(wù)端應(yīng)用、作業(yè)區(qū)中心站監(jiān)控、移動(dòng)端應(yīng)用四個(gè)部分。如圖2所示。

基于作業(yè)區(qū)現(xiàn)場(chǎng)成熟應(yīng)用的SCADA平臺(tái)，KH工業(yè)庫、MySQL關(guān)系庫、流媒體視頻監(jiān)控應(yīng)用等，本次在服務(wù)端應(yīng)用側(cè)安裝KF3.6平臺(tái)軟件，利用其計(jì)算模塊KC、Web模塊KP，和SCADA平臺(tái)的數(shù)據(jù)交互，對(duì)現(xiàn)場(chǎng)報(bào)警信息進(jìn)行優(yōu)化，同時(shí)能夠?qū)㈥P(guān)鍵報(bào)警信息推送至移動(dòng)端應(yīng)用進(jìn)行查看。

圖2 報(bào)警優(yōu)化項(xiàng)目網(wǎng)絡(luò)部署架構(gòu)圖

3　實(shí)施內(nèi)容

3.1　單變量報(bào)警閾值優(yōu)化

目前油田上的參數(shù)報(bào)警主要為高低限制的報(bào)警，我們可以通過Python算法實(shí)現(xiàn)報(bào)警閾值的自適應(yīng)調(diào)整模型、動(dòng)態(tài)閾值；通過對(duì)生產(chǎn)運(yùn)行參數(shù)過往一段時(shí)間內(nèi)的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，調(diào)整報(bào)警閾值，以適應(yīng)當(dāng)前該參數(shù)的生產(chǎn)運(yùn)行環(huán)境。

主要使用統(tǒng)計(jì)學(xué)方法確認(rèn)數(shù)據(jù)分布，尋找最合適的報(bào)警限值，從而實(shí)現(xiàn)現(xiàn)場(chǎng)運(yùn)行參數(shù)的精準(zhǔn)報(bào)警，避免出現(xiàn)大量無效報(bào)警的情況。

3.2　多變量復(fù)合報(bào)警

多變量復(fù)合報(bào)警算法模型主要分為以下3類：

（1）報(bào)警數(shù)據(jù)的聚類分析模型

報(bào)警數(shù)據(jù)的聚類分析，用離差平方和法計(jì)算聚類距離，以平方誤差準(zhǔn)則判定相似度，實(shí)現(xiàn)關(guān)聯(lián)報(bào)警分組。把關(guān)聯(lián)報(bào)警組內(nèi)優(yōu)先級(jí)最高的作為代表報(bào)警，抑制組內(nèi)其他報(bào)警，這樣可以減少報(bào)警數(shù)量，有效處理報(bào)警泛濫。

（2）報(bào)警變量之間的關(guān)聯(lián)分析模型

報(bào)警參數(shù)之間的關(guān)聯(lián)性分析，主要目的是找出關(guān)聯(lián)參數(shù)變量，以降低報(bào)警數(shù)量。由于故障的傳播需要一定的時(shí)間，相互關(guān)聯(lián)的報(bào)警參數(shù)之間通常會(huì)存在一個(gè)延遲時(shí)間。該延遲能夠使相關(guān)性系數(shù)變小，進(jìn)而掩蓋了變量間存在的這種相關(guān)性。

（3）多變量報(bào)警模型

采用機(jī)器學(xué)習(xí)方法對(duì)常見故障/報(bào)警模式進(jìn)行模式分類，每類有多個(gè)監(jiān)控參數(shù)作為數(shù)據(jù)維度。設(shè)備故障報(bào)警時(shí)，只有多個(gè)變量同時(shí)滿足相應(yīng)條件才能產(chǎn)生報(bào)警信息，一定程度上提高報(bào)警準(zhǔn)確性。

3.3　抽油機(jī)異常停機(jī)報(bào)警

抽油機(jī)異常停機(jī)報(bào)警，通過Python算法中K——均值聚類、向量機(jī)分類模型，根據(jù)抽油機(jī)運(yùn)行歷史數(shù)據(jù)驗(yàn)證算法判斷抽油機(jī)運(yùn)行狀態(tài)準(zhǔn)確性，接入SCADA系統(tǒng)中抽油機(jī)實(shí)時(shí)數(shù)據(jù)，對(duì)抽油機(jī)運(yùn)行狀態(tài)判斷，結(jié)合井場(chǎng)視頻雙重確認(rèn)。

3.4　泵狀態(tài)變化報(bào)警

泵狀態(tài)變化報(bào)警，主要針對(duì)現(xiàn)場(chǎng)的外輸泵和注水泵兩類，判斷過程和抽油機(jī)異常停機(jī)報(bào)警類似，根據(jù)泵運(yùn)行歷史數(shù)據(jù)驗(yàn)證算法判斷泵狀態(tài)變化準(zhǔn)確性，接入KS側(cè)泵運(yùn)行實(shí)時(shí)數(shù)據(jù)，進(jìn)行泵運(yùn)行狀態(tài)判斷，判斷結(jié)果存儲(chǔ)至關(guān)系庫。

應(yīng)用算法序列的相關(guān)系數(shù)和時(shí)間序列延遲相關(guān)分析算法詳細(xì)描述如下：

（1）序列的相關(guān)系數(shù)

相關(guān)系數(shù)可以看成是一種剔除了兩個(gè)變量量綱影響、標(biāo)準(zhǔn)化后的特殊協(xié)方差。相關(guān)系數(shù)也可以反映兩個(gè)變量變化時(shí)是同向還是反向，如果同向變化就為正，反向變化就為負(fù)。又由于它是標(biāo)準(zhǔn)化后的協(xié)方差，消除了兩個(gè)變量變化幅度的影響，只是單純反應(yīng)兩個(gè)變量每單位變化時(shí)的相似程度。

（2）時(shí)間序列延遲相關(guān)分析

時(shí)間序列延遲相關(guān)算法是時(shí)間序列數(shù)據(jù)挖掘的重要研究內(nèi)容，目前已經(jīng)在股票市場(chǎng)、氣候分析等領(lǐng)域得到應(yīng)用。具體說來，對(duì)于兩個(gè)時(shí)間序列 和 進(jìn)行計(jì)算分析，找到兩個(gè)序列延遲相關(guān)性最大時(shí)的延遲時(shí)間，延遲相關(guān)是指兩個(gè)時(shí)間序列的最大相似度不是發(fā)生在t=0的時(shí)刻，而是t=s的時(shí)刻，此時(shí)s就是延遲的大小。

3.5　報(bào)警推送

依靠微信端相關(guān)連接信息與油田即時(shí)通建立連接，連接信息支持用戶更改編輯。

接收器選擇需要接收信息的報(bào)警推送人員，發(fā)送格式設(shè)置選擇相應(yīng)的發(fā)送內(nèi)容。

在過濾器根據(jù)報(bào)警發(fā)生級(jí)別和報(bào)警發(fā)生站點(diǎn)配置相應(yīng)的過濾條件，實(shí)現(xiàn)定義周期內(nèi)報(bào)警未處理報(bào)警升級(jí)，推送給下一級(jí)的相應(yīng)人員；間隔周期內(nèi)報(bào)警未處理重復(fù)推送報(bào)警信息進(jìn)行提醒。

3.6　報(bào)警閉環(huán)管理

報(bào)警閉環(huán)管理，主要針對(duì)已經(jīng)處理完成的歷史報(bào)警信息，進(jìn)行完整的信息追溯，選擇需要查看的報(bào)警流程，結(jié)合現(xiàn)場(chǎng)報(bào)警升級(jí)和報(bào)警處理流程，詳細(xì)展示各節(jié)點(diǎn)操作的處理人、處理時(shí)間，處理狀態(tài)，處理情況等信息。

4　核心價(jià)值

該系統(tǒng)核心技術(shù)是基于實(shí)時(shí)數(shù)據(jù)監(jiān)控與生產(chǎn)預(yù)警報(bào)警的模型化與全集成自動(dòng)化的管理模式。面對(duì)現(xiàn)場(chǎng)復(fù)雜的工藝流程及多變的運(yùn)行方式，結(jié)合Python算法通過優(yōu)化系統(tǒng)報(bào)警，不但解決了報(bào)警參數(shù)確認(rèn)與修正因過度依賴經(jīng)驗(yàn)而出現(xiàn)的較高誤報(bào)率問題，而且通過利用采集優(yōu)化、工業(yè)庫實(shí)時(shí)存儲(chǔ)、數(shù)據(jù)壓縮傳輸、綜合數(shù)據(jù)分析等技術(shù)在總結(jié)工藝過程運(yùn)行規(guī)律的同時(shí)進(jìn)一步實(shí)現(xiàn)了更為科學(xué)的報(bào)警參數(shù)在線配置與自恢復(fù)功能。實(shí)現(xiàn)了精準(zhǔn)報(bào)警，降低70%報(bào)警數(shù)量，降低了現(xiàn)場(chǎng)工作人員的工作強(qiáng)度。同時(shí)也實(shí)現(xiàn)了對(duì)油田重點(diǎn)設(shè)備運(yùn)行情況的實(shí)時(shí)監(jiān)測(cè)，當(dāng)設(shè)備發(fā)生故障或者停機(jī)時(shí)可快速結(jié)合現(xiàn)場(chǎng)視頻在系統(tǒng)中彈窗顯示。

平臺(tái)實(shí)現(xiàn)行業(yè)內(nèi)“全組態(tài)”技術(shù)，無需專業(yè)程序員，廣泛的工業(yè)人通過簡單的培訓(xùn)即可根據(jù)需求自主開發(fā)的解決方案。實(shí)現(xiàn)行業(yè)內(nèi)“模型”技術(shù)（數(shù)據(jù)模型、計(jì)算模型、圖形模型），工程開發(fā)和維護(hù)的工作量顛覆式降低到原來的30%~70%，真正做到了隨需而變。系統(tǒng)可無縫融合Python、C++、JS等高級(jí)語言編寫的算法，實(shí)現(xiàn)化整為零。

摘自《自動(dòng)化博覽》2021年3月刊