宋俊述 王國防 王磊 孫捷

摘?要：隨著油田生產(chǎn)信息化的全面覆蓋，設(shè)備體量大、類型多、分布廣等現(xiàn)狀為其高效運(yùn)維帶來巨大挑戰(zhàn)。如何實(shí)現(xiàn)故障準(zhǔn)確定位和快速診斷成為當(dāng)前重要的研究課題。本文主要研究基于大數(shù)據(jù)的油田設(shè)備智能診斷技術(shù)，對設(shè)備狀態(tài)進(jìn)行全口集成融合，建立基于狀態(tài)評估的故障診斷模型，可識別故障類型，追溯故障原因。進(jìn)一步地，通過歸因分析訓(xùn)練數(shù)據(jù)集，利用機(jī)器學(xué)習(xí)對故障診斷進(jìn)行動(dòng)態(tài)優(yōu)化調(diào)試，所訓(xùn)練的優(yōu)化模型預(yù)測準(zhǔn)確性更高，故障診斷時(shí)間大幅縮短，有效提升生產(chǎn)信息化運(yùn)維水平。

關(guān)鍵詞：油田生產(chǎn)；故障診斷；機(jī)器學(xué)習(xí)；大數(shù)據(jù)

1?研究背景

隨著油田生產(chǎn)信息化的全面覆蓋，物聯(lián)網(wǎng)設(shè)備體量大、類型多、分布廣、運(yùn)行環(huán)境差、專業(yè)性強(qiáng)，對油田日常運(yùn)維管理提出了更高要求。當(dāng)前基層運(yùn)維人員流動(dòng)大，專業(yè)經(jīng)驗(yàn)難以固化傳承，被動(dòng)應(yīng)急、人工診斷分析的運(yùn)維方式已不能滿足運(yùn)維管理要求。

如何保障設(shè)備安全穩(wěn)定運(yùn)行，提升運(yùn)維效率，減少運(yùn)維成本是當(dāng)前油田重要的研究課題。故障診斷技術(shù)可以診斷并對設(shè)備故障進(jìn)行預(yù)警，可以有效發(fā)現(xiàn)異常情況，精確定位、及時(shí)處置響應(yīng)，使工作人員有明確的工作目標(biāo)對設(shè)備進(jìn)行維修。

智能系統(tǒng)應(yīng)用在油田的設(shè)備運(yùn)行狀態(tài)中可以達(dá)到較好的效果，并得到了較為廣泛的應(yīng)用。借助各種傳感器和智能監(jiān)測技術(shù)，對油田設(shè)備的運(yùn)行進(jìn)行全方位的監(jiān)控，并做出設(shè)備運(yùn)行動(dòng)態(tài)的分析，經(jīng)過一定的專業(yè)經(jīng)驗(yàn)積累從而做出故障的應(yīng)急處理。

2?發(fā)展現(xiàn)狀

當(dāng)前油田生產(chǎn)化運(yùn)維主要存在以下三方面問題。

一是數(shù)據(jù)采集傳輸鏈路長、節(jié)點(diǎn)多、故障精準(zhǔn)定位難。一般油田系統(tǒng)從數(shù)據(jù)采集、傳輸?shù)綌?shù)據(jù)應(yīng)用需要經(jīng)過10余個(gè)環(huán)節(jié)，傳輸鏈路缺乏可視化監(jiān)控，從發(fā)現(xiàn)問題到現(xiàn)場落實(shí)判斷耗時(shí)長、精準(zhǔn)定位難。

二是故障類型多，診斷經(jīng)驗(yàn)未能有效傳承。生產(chǎn)信息化運(yùn)維專業(yè)性強(qiáng)，受知識傳承和人員管理的方面約束，油田業(yè)務(wù)的運(yùn)維工作效率仍有很大提升空間。

三是相關(guān)業(yè)務(wù)系統(tǒng)關(guān)聯(lián)程度低，數(shù)據(jù)關(guān)聯(lián)分析能力弱。油田生產(chǎn)信息化網(wǎng)絡(luò)、工業(yè)控制系統(tǒng)、生產(chǎn)指揮系統(tǒng)、視頻監(jiān)控系統(tǒng)等相關(guān)業(yè)務(wù)數(shù)據(jù)無法自動(dòng)關(guān)聯(lián)分析。

目前對油田故障診斷的研究主要集中在機(jī)械設(shè)備故障診斷及發(fā)展智能系統(tǒng)方面。文獻(xiàn)［5］對當(dāng)前的油液分析技術(shù)和無損探傷技術(shù)進(jìn)行了詳細(xì)的對比分析。文獻(xiàn)［6］分析了聲發(fā)射監(jiān)測、噪聲監(jiān)控、振動(dòng)監(jiān)測技術(shù)在設(shè)備狀態(tài)監(jiān)測中的應(yīng)用，同時(shí)指出要積極推進(jìn)油田機(jī)械設(shè)備狀態(tài)檢測現(xiàn)代化、智能化轉(zhuǎn)變，提升油田企業(yè)的生產(chǎn)效率與安全性。文獻(xiàn)［7］提出了基于灰度矩陣的示功圖特征提取算法，通過算法提出的典型故障示功圖各特征值，可作為故障識別應(yīng)用的可靠依據(jù)。文獻(xiàn)［8］以單井為最小經(jīng)營單元的投入產(chǎn)出分析，進(jìn)而建立了單井效益評價(jià)系統(tǒng)，該系統(tǒng)不僅提高了數(shù)據(jù)錄入、處理的效率及運(yùn)算精度，還確保了評價(jià)方法和投入產(chǎn)出口徑的一致性。文獻(xiàn)［9］將基于SWE的迭代多模型PCA診斷技術(shù)應(yīng)用于油田系統(tǒng)故障診斷，不僅能夠?qū)崿F(xiàn)對油田生產(chǎn)的在線監(jiān)控，還能同時(shí)對多個(gè)故障進(jìn)行診斷，具有較高的診斷效率。

可以看出，針對故障診斷的研究主要集中在狀態(tài)監(jiān)測和系統(tǒng)開發(fā)方面，而著眼于全數(shù)據(jù)集成融合，開展全流程的故障診斷相關(guān)研究仍存在空白。

3?總體思路

本文主要研究基于大數(shù)據(jù)的油田設(shè)備智能診斷技術(shù)，整合全口徑的運(yùn)維數(shù)據(jù)，進(jìn)行多維度、多參數(shù)、多層次的關(guān)聯(lián)數(shù)據(jù)集成融合，進(jìn)而結(jié)合專家經(jīng)驗(yàn)和研究分析建立油田故障智能診斷模型，實(shí)現(xiàn)設(shè)備故障預(yù)測。進(jìn)一步地，利用大數(shù)據(jù)處理和AI算法分析數(shù)據(jù)變化規(guī)律和趨勢，分析設(shè)備運(yùn)維狀態(tài)，通過機(jī)器自學(xué)習(xí)，持續(xù)優(yōu)化修正智能診斷模型，有效提升故障診斷精準(zhǔn)度。下面將從數(shù)據(jù)集成融合、故障診斷模型、模型優(yōu)化修正三個(gè)方面進(jìn)行研究討論。

4?主要研究內(nèi)容

4.1?數(shù)據(jù)集成融合

現(xiàn)有的油田運(yùn)維業(yè)務(wù)鏈條長，各環(huán)節(jié)之間數(shù)據(jù)體量大且相互獨(dú)立，極大程度阻礙了實(shí)際運(yùn)維過程中開展全業(yè)務(wù)流程智能排查與診斷。為此，本文提出基于油田物聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)的集成融合，打通各平臺之間的數(shù)據(jù)壁壘，依托各類信息化設(shè)備統(tǒng)一采集數(shù)據(jù)，以傳感設(shè)備為媒介將油氣生產(chǎn)工業(yè)控制系統(tǒng)，乃至整個(gè)生產(chǎn)環(huán)節(jié)的參數(shù)和控制連接在一起。

4.1.1?運(yùn)維信息全口徑采集

當(dāng)前，油田系統(tǒng)的信息化設(shè)備主要包括現(xiàn)場儀表、網(wǎng)絡(luò)設(shè)備、視頻設(shè)備等，通過SCADA感知、網(wǎng)絡(luò)感知、視頻感知、應(yīng)用感知、人工采集等手段，可采集到生產(chǎn)類、網(wǎng)絡(luò)類、資產(chǎn)類等運(yùn)維數(shù)據(jù)，是數(shù)據(jù)的集成融合的重要前提，如圖1所示。

圖1?油田物聯(lián)網(wǎng)全口徑數(shù)據(jù)采集

4.1.2?油田物聯(lián)網(wǎng)數(shù)據(jù)集成

可以看出，全口徑采集的數(shù)據(jù)呈現(xiàn)出覆蓋專業(yè)廣、數(shù)據(jù)類型雜、數(shù)據(jù)節(jié)點(diǎn)多，數(shù)據(jù)體量大的特點(diǎn)。根據(jù)故障診斷業(yè)務(wù)需求從全口徑數(shù)據(jù)中篩選出關(guān)聯(lián)設(shè)備運(yùn)行狀態(tài)的數(shù)據(jù)，建立適用于智能診斷的數(shù)據(jù)庫。

具體地，通過整合SCADA/PCS生產(chǎn)指揮、視頻流媒體數(shù)據(jù)、運(yùn)維數(shù)據(jù)、設(shè)備數(shù)據(jù)等數(shù)據(jù)資源，抽取各類設(shè)備的監(jiān)控信息、維護(hù)信息、故障信息、報(bào)警信息、處置信息及相關(guān)臺賬信息，利用數(shù)據(jù)集合并、連接、轉(zhuǎn)換等融合規(guī)則，進(jìn)行合并、過濾、轉(zhuǎn)碼，最終實(shí)現(xiàn)針對故障診斷的多維度、多參數(shù)、多層次的關(guān)聯(lián)數(shù)據(jù)集成融合，為診斷模型的研究提供基礎(chǔ)。

4.2?建立智能診斷模型

現(xiàn)有的故障診斷處理主要依賴人工完成，流程繁雜，耗時(shí)較長，往往出現(xiàn)因維保不及時(shí)影響設(shè)備運(yùn)行壽命的問題，對油田系統(tǒng)的安全穩(wěn)定運(yùn)行造成威脅。如何實(shí)現(xiàn)主動(dòng)預(yù)判故障并進(jìn)行診斷，從而實(shí)現(xiàn)故障快速處理成為重要課題。

為此，本文建立智能診斷模型，基于采集的設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行狀態(tài)分析和故障檢測，建立多類型故障智能診斷模型。

主要分為三個(gè)步驟：

（1）監(jiān)測特征信號。在實(shí)際運(yùn)維過程中將會對特征信號進(jìn)行實(shí)時(shí)監(jiān)測，針對不同類型故障狀態(tài)值設(shè)置報(bào)警閾值，當(dāng)發(fā)現(xiàn)功圖、溫壓、套壓、流量等數(shù)據(jù)超出設(shè)定閾值或發(fā)生異常時(shí)，將會啟動(dòng)告警信號。

（2）根據(jù)特征信號分析故障預(yù)警。通過抓取實(shí)時(shí)數(shù)據(jù)和設(shè)置閾值，系統(tǒng)對異常數(shù)據(jù)進(jìn)行告警，不同類型的告警數(shù)據(jù)反映出不同故障類型

（3）識別故障類型及原因。針對不同類型的故障信號，依據(jù)專家經(jīng)驗(yàn)規(guī)劃構(gòu)建覆蓋自控設(shè)備類、網(wǎng)絡(luò)傳輸類、輔助生產(chǎn)類、生產(chǎn)管控類等不同類型的規(guī)范性故障處理模型。該模型多角度、多層面地對設(shè)備狀態(tài)進(jìn)行評判和預(yù)測，識別故障類型，追溯故障原因，進(jìn)行設(shè)備故障預(yù)測，有助于開展設(shè)備的預(yù)知性檢修，縮短非計(jì)劃停機(jī)時(shí)間，降低運(yùn)維成本，最大限度發(fā)揮設(shè)備綜合效能。

4.3?基于大數(shù)據(jù)的智能診斷模型優(yōu)化

正如前文所述，所提出的智能診斷模型是建立在專家經(jīng)驗(yàn)和固定工作流程基礎(chǔ)上的，而在實(shí)際運(yùn)行中，通過歷史數(shù)據(jù)建立起來的診斷模型不具時(shí)效性，無法在第一時(shí)間對油田故障進(jìn)行預(yù)警。

因此，本文進(jìn)一步提出基于大數(shù)據(jù)的智能診斷優(yōu)化模型，該模型使用機(jī)器學(xué)習(xí)算法對已有的智能診斷模型進(jìn)行持續(xù)動(dòng)態(tài)優(yōu)化調(diào)試，實(shí)現(xiàn)對油田運(yùn)行狀況的實(shí)時(shí)分析和故障預(yù)測，如圖2所示。

圖2?智能診斷模型優(yōu)化示意圖

具體地，利用已構(gòu)建診斷算法模型進(jìn)行大量現(xiàn)場試點(diǎn)驗(yàn)證，采集實(shí)時(shí)數(shù)據(jù)；抽取實(shí)時(shí)工況數(shù)據(jù)的關(guān)鍵特征標(biāo)簽，通過多維度、多參數(shù)、多層次歸因分析，確定構(gòu)建模型所需的訓(xùn)練數(shù)據(jù)集；進(jìn)而使用數(shù)據(jù)集構(gòu)建機(jī)器學(xué)習(xí)模型，并對模型進(jìn)行優(yōu)化和調(diào)參以獲取預(yù)測性能高的模型，形成異常原因分析及故障預(yù)測智能診斷模型。

通過完善診斷算法模型、沉淀學(xué)習(xí)歸因分析，優(yōu)化后的智能診斷模型一方面能大幅提升診斷精準(zhǔn)度，高效指導(dǎo)報(bào)警消除及故障排查，故障處理的速度也得到大幅提升；另一方面可精準(zhǔn)判定設(shè)備運(yùn)行狀態(tài)，預(yù)測設(shè)備維保周期，為設(shè)備運(yùn)行與維修提供科學(xué)可靠的建議。

4.4?案例分析

在油田實(shí)際運(yùn)維過程中，油井變頻柜停井故障時(shí)有發(fā)生，傳統(tǒng)的處理方法是運(yùn)維人員現(xiàn)場排查故障，進(jìn)行故障診斷，耗時(shí)半小時(shí)左右，經(jīng)常發(fā)生因故障處理不及時(shí)處理導(dǎo)致的設(shè)備燒毀情況。

基于本文提出的故障診斷優(yōu)化模型，首先采集油井變頻柜中控制柜溫度監(jiān)控點(diǎn)，設(shè)置55℃的報(bào)警閾值，通過遠(yuǎn)程解析逆變單元U項(xiàng)保護(hù)，進(jìn)行狀態(tài)實(shí)時(shí)監(jiān)測，如表1所示。表2為#4井報(bào)警情況統(tǒng)計(jì)。

針對告警數(shù)據(jù)，不同廠家變頻器故障代碼進(jìn)行遠(yuǎn)程編譯，將報(bào)警信息、RTU溫度、油井功率平衡度、PCS是否停井報(bào)警等信息進(jìn)行關(guān)聯(lián)集成，進(jìn)行故障智能診斷。試驗(yàn)表明，所提模型可準(zhǔn)確診斷出故障類型和點(diǎn)位，故障排查周期由之前的平均半小時(shí)縮短為5分鐘，效率大幅提升。

該模型不僅有效解決了每年高溫季節(jié)頻繁燒毀變頻柜及儀器儀表的現(xiàn)象，延長設(shè)備使用壽命，提高了采油時(shí)率，同時(shí)也將被動(dòng)維保逐步轉(zhuǎn)化為主動(dòng)維護(hù)，促進(jìn)油田生產(chǎn)運(yùn)行管理提質(zhì)增效。

結(jié)語

本文通過研究集數(shù)據(jù)融合、智能診斷、自主優(yōu)化于一體的油田設(shè)備智能診斷技術(shù)，有效實(shí)現(xiàn)數(shù)據(jù)全面融合、故障精確定位、報(bào)警及時(shí)響應(yīng)。所提出的基于大數(shù)據(jù)的智能診斷技術(shù)使用數(shù)據(jù)集構(gòu)建機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)故障診斷的動(dòng)態(tài)優(yōu)化，預(yù)測準(zhǔn)確性更高，故障診斷時(shí)間大幅縮短，有效提升生產(chǎn)信息化高效運(yùn)維水平，該技術(shù)可廣泛應(yīng)用于海上及陸地油田，具有良好的適用性及推廣前景。

參考文獻(xiàn)：

［1］程騁，楊濤，唐漾，等.基于大數(shù)據(jù)的故障診斷與預(yù)測理論及技術(shù)專題序言［J］.控制工程，2022，29（02）：193197.

［2］彭旭樹.基于工業(yè)互聯(lián)的儀器儀表健康狀態(tài)在線監(jiān)測技術(shù)研究［D］.電子科技大學(xué)，2019.

［3］劉侃，周沙沙.海上石油鉆井平臺關(guān)鍵設(shè)備故障在線監(jiān)測安全設(shè)計(jì)分析［J］.化工安全與環(huán)境，2022，35（18）：2124.

［4］翟磊.海上油田機(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷探討［J］.內(nèi)燃機(jī)與配件，2019（14）：205206.

［5］夏紅宇，李興華，張挺，等.簡述油田機(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)［J］.化工管理，2017（29）：202.

［6］田紅山.油田機(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)分析［J］.設(shè)備管理與維修，2020（03）：158160.

［7］王森.智慧油田數(shù)據(jù)采集與故障診斷研究與實(shí)現(xiàn)［D］.中國石油大學(xué)（北京），2019.

［8］常燕，周雪，汪立.基于單井的油田效益評價(jià)體系構(gòu)建［J］.價(jià)值工程，2022，41（22）：5153.

［9］劉敬東，孫彥輝，高國忠.基于數(shù)據(jù)的油田生產(chǎn)過程中的多故障診斷方法的研究［J］.硅谷，2014，7（14）：9495.

作者簡介：宋俊述（1987—?），男，漢族，山東東營人，本科，工程師，研究方向：生產(chǎn)信息化。