论文部分内容阅读
【摘 要】完整性管理是为保障油气田管道和站场完整、提高本质安全而进行的一系列管理活动，是近年来逐渐发展成熟并得到成功应用的管理体系。完整性管理以戴明的PDCA管理方法为基础，充分利用当今强大的数据管理与信息技术、日益完善的管道风险评价技术、不断进步的管道检测技术、实现了对传统管道管理技术的重大革新，是一种基于数据、主动预防的全新管道安全管理模式。
【关键词】管道完整性;管理数据;信息技术
1 数据管理的作用和意义
管道数据管理与完整性5步循环关系紧密，各个业务流程均以数据管理为基础，数据的采集、整合、应用到发布贯穿于5步循环，数据的完整性是管道完整性管理的基础，数据的准确性制约着完整性管理后续流程的分析与评价的结果。
综上所述，管道完整性管理是基于数据的科学管理，而数据管理是管道完整性管理的基石。
2 现状与挑战
2.1 现状
在国内，基于PODS、APDM 数据模型，国内形成了如 PIDM（Pipeline Integrity Data Model，管道完整性数据模型）、CPDM（China Pipeline Data Model，中国管道数据模型）、APDM-CH 等模型。其中，中国石油管道科技研究中心研发的PIDM 模型在国内的应用最为成熟，其涵盖了从管道设计、建设到运维等不同阶段超过3000个属性信息;发展至今，存储着中国石油所辖260多条干支线约7.1×104 km管道的数据，是目前国内最大的管道完整性数据库。在系统开展完整性管理后，对基于HCAs识别结果、风险识别结果、内检测数据、外检测数据、管道基础数据、日常维护管理数据等进行整合，促进评价由定性经过半定量到定量的发展，实现了宏观粗放型管理到微观精细化管理的进步，为管道完整性管理提供了强有力的数据支持。
2.2 挑战
站场完整性管理技术、大型管网可靠性管理技术、如何实现企业信息资源整合对数据管理的统一性、如何利用信息系统更好地支持管道企业的经营管理和生产运行管理已经成为当前的研究重点，新技术的发展突破了线性资产管理的范围，需要事件数据的支持，对完整性数据管理而言，需要支持复杂数据对象管理、实时数据接口管理等。
3 关键技术
3.1 全面信息感知技术
管道和设备状态信息的实时感知是完整性管理数据采集的前端，信息感知技术以传感器为核心，是未来实现万物互联的基础性、决定性核心技术之一。中国石油管道站场设备种类和数量众多，管道完整性管理应实现管道本体和管道设备风险管控由人为主导向系统智能转变，管道站场管理向“区域化管理”、站场“无人化”管理模式转变，管道及设备保护向“重点监视、智能巡检、预警预控”转变，这就要求增加更多的感知技术，对站场泵、压缩机、阀门、流量计等设备的全方位状态信息进行感知。
3.2 多维度时空数据的管理
随着管道完整性管理的实施，需要存储管道从设计、建设、投产、运行至报废全生命周期的数据。在管道全生命周期中数据种类不断丰富，包括结构化的管道基础数据、半结构化施工文件、非结构化漏磁信号等，充分收集、整合这些数据，进行多维度时空数据的管理有利于管道设计的改进和运维中各项工作的开展。
3.3 数据对齐
数据对齐是管道数据管理的关键技术之一，是从数据到信息的关键步骤。以内检测数据产生惯性测量单元（IMU）和在线检测（In-lineInspection）数据为例，可与管道建设期的基线检测评价和运营期的数据对齐，从而满足多种需求：满足建设期竣工图纸完整性管理专篇与运营期高后果区与风险评价成果的对比分析要求;满足现场工作图纸需求;满足内检测工作开展前数据收集需求;满足缺陷评价中的数据需求，避免发生误开挖;满足修复中缺陷定位的需求，并可对管道缺陷发展趋势进行预测;满足主控风险因素的对比分析，从而调整管理运行策略的需求等等。
4发展趋势
4.1 智能感知前端
在感知技术方面，一是加强提高传感器精度，扩大传感器的范围。二是通过互联网技术扩大感知范围，特别是要筛选感知范围，识别有用信息。三是通过多源信息耦合，提高智能感知能力。
管道运行过程中不断产生数据，这些数据主要是低密度、低价值数据，无须实时采样、存储、并传输到数据中心。切实可行的办法是对这些数据进行就地处理，只存储和上传结果信息，避免海量数据拥塞数据中心，并将这些初步结论作为调度人员辅助判断的依据。如：无人机拍摄的视频采用机载芯片进行就地处理和比对，只实时上传新增的第三方施工、占压等信息。
4.2 云计算技术
对于管道完整性数据管理，云计算未来的主要目标是数据的存储和分析。通过基础设施云化，整合现有的服务器、存储等基础设施，统一管理调度平台，并在此基础上建设并行程序的设计和开发环境，结构化海量数据的分布式存储管理系统、海量数据分布式文件系统以及实现云计算的其他系统管理工具，最終实现整合资源、提高系统可靠性、降低系统投资与维护成本的目标，更好地为管道完整性管理服务。
4.3 管道物联网
管道物联网未来的应用目标是基于物联网技术，将感应器嵌入到油气管道、设备设施、环境敏感点及管道检测设备、维抢修机具中，将分布着末梢神经的智能管网与现有的信息网整合起来，利用能力强大的数据中心计算资源，对系统内的人员、管道、设备设施实施实时管理和控制。通过对实时、精确的传感数据进行动态分析，实现风险的预控和工艺的优化，确保管道安全、高效运行。
4.4 大数据分析与智能诊断技术
基于管道完整性的大数据，从数据挖掘与知识发现的角度，针对管道基础数据、周边地理环境数据、管道生产运行数据、管道检测评价数据、管道安全防护数据以及气象地灾预警数据等进行抽取、整合及转化，利用机器学习算法和大数据计算框架，建立基于大数据的运行决策支持模型，实现聚类分析、关联分析、热点分析、趋势预测，为管道生产运行中的投资计划、资源利用及人员调配提供优化建议，已经成为当前管道大数据分析的热点。
在智能决策方面，科研人员需要充分了解知识网络，建立人机混合智能综合决策模型。当下，特别是隐性知识挖掘、管网可靠性计算、管网全局全时段仿真及优化模型、智能化决策模型等技术需要突破。如依据管道内、外检测及相关数据，实现内外检测数据关联分析、管道外防腐层老化状态预测、管道本体腐蚀增长预测及维修策略的优化。
4.5 数字孪生技术
管道数字孪生以资本和流程为核心，利用传感器、物理模型、运行历史等数据，集成多学科、多物理量、多概率的仿真过程，将管道数据以3D形式呈现，在虚拟信息空间中对物理实体进行镜像影响，反映物理实体行为和状态的全生命周期过程。管道重点区域可以热图的形式呈现，用户可观察区域中的小凹痕、裂缝、腐蚀区以及由地面移动引起的管道应变等潜在危险。管道数字孪生技术还可对管道周边的边坡测斜仪进行全息展示，用户可清晰观测管道随地面运动而发生的移动情况。通过多系统融合深入发掘数据价值，实现管道可视化运行、设备拆解培训、指导维检修作业及应急抢险作业等，为实现管网智慧化运营奠定数据基础。
5 结论
随着完整性管理技术的发展与深化，不断积累的数据将成为企业核心资产。从风险专家评估转变为数据分析人员分析风险，再发展成为基于大数据智能分析、决策的完整性管理，将从宏观到微观各层面为管道全生命周期完整性管理带来深刻变革。
（作者单位：天津市大港油田天津炼达集团有限公司）
【关键词】管道完整性;管理数据;信息技术
1 数据管理的作用和意义
管道数据管理与完整性5步循环关系紧密，各个业务流程均以数据管理为基础，数据的采集、整合、应用到发布贯穿于5步循环，数据的完整性是管道完整性管理的基础，数据的准确性制约着完整性管理后续流程的分析与评价的结果。
综上所述，管道完整性管理是基于数据的科学管理，而数据管理是管道完整性管理的基石。
2 现状与挑战
2.1 现状
在国内，基于PODS、APDM 数据模型，国内形成了如 PIDM（Pipeline Integrity Data Model，管道完整性数据模型）、CPDM（China Pipeline Data Model，中国管道数据模型）、APDM-CH 等模型。其中，中国石油管道科技研究中心研发的PIDM 模型在国内的应用最为成熟，其涵盖了从管道设计、建设到运维等不同阶段超过3000个属性信息;发展至今，存储着中国石油所辖260多条干支线约7.1×104 km管道的数据，是目前国内最大的管道完整性数据库。在系统开展完整性管理后，对基于HCAs识别结果、风险识别结果、内检测数据、外检测数据、管道基础数据、日常维护管理数据等进行整合，促进评价由定性经过半定量到定量的发展，实现了宏观粗放型管理到微观精细化管理的进步，为管道完整性管理提供了强有力的数据支持。
2.2 挑战
站场完整性管理技术、大型管网可靠性管理技术、如何实现企业信息资源整合对数据管理的统一性、如何利用信息系统更好地支持管道企业的经营管理和生产运行管理已经成为当前的研究重点，新技术的发展突破了线性资产管理的范围，需要事件数据的支持，对完整性数据管理而言，需要支持复杂数据对象管理、实时数据接口管理等。
3 关键技术
3.1 全面信息感知技术
管道和设备状态信息的实时感知是完整性管理数据采集的前端，信息感知技术以传感器为核心，是未来实现万物互联的基础性、决定性核心技术之一。中国石油管道站场设备种类和数量众多，管道完整性管理应实现管道本体和管道设备风险管控由人为主导向系统智能转变，管道站场管理向“区域化管理”、站场“无人化”管理模式转变，管道及设备保护向“重点监视、智能巡检、预警预控”转变，这就要求增加更多的感知技术，对站场泵、压缩机、阀门、流量计等设备的全方位状态信息进行感知。
3.2 多维度时空数据的管理
随着管道完整性管理的实施，需要存储管道从设计、建设、投产、运行至报废全生命周期的数据。在管道全生命周期中数据种类不断丰富，包括结构化的管道基础数据、半结构化施工文件、非结构化漏磁信号等，充分收集、整合这些数据，进行多维度时空数据的管理有利于管道设计的改进和运维中各项工作的开展。
3.3 数据对齐
数据对齐是管道数据管理的关键技术之一，是从数据到信息的关键步骤。以内检测数据产生惯性测量单元（IMU）和在线检测（In-lineInspection）数据为例，可与管道建设期的基线检测评价和运营期的数据对齐，从而满足多种需求：满足建设期竣工图纸完整性管理专篇与运营期高后果区与风险评价成果的对比分析要求;满足现场工作图纸需求;满足内检测工作开展前数据收集需求;满足缺陷评价中的数据需求，避免发生误开挖;满足修复中缺陷定位的需求，并可对管道缺陷发展趋势进行预测;满足主控风险因素的对比分析，从而调整管理运行策略的需求等等。
4发展趋势
4.1 智能感知前端
在感知技术方面，一是加强提高传感器精度，扩大传感器的范围。二是通过互联网技术扩大感知范围，特别是要筛选感知范围，识别有用信息。三是通过多源信息耦合，提高智能感知能力。
管道运行过程中不断产生数据，这些数据主要是低密度、低价值数据，无须实时采样、存储、并传输到数据中心。切实可行的办法是对这些数据进行就地处理，只存储和上传结果信息，避免海量数据拥塞数据中心，并将这些初步结论作为调度人员辅助判断的依据。如：无人机拍摄的视频采用机载芯片进行就地处理和比对，只实时上传新增的第三方施工、占压等信息。
4.2 云计算技术
对于管道完整性数据管理，云计算未来的主要目标是数据的存储和分析。通过基础设施云化，整合现有的服务器、存储等基础设施，统一管理调度平台，并在此基础上建设并行程序的设计和开发环境，结构化海量数据的分布式存储管理系统、海量数据分布式文件系统以及实现云计算的其他系统管理工具，最終实现整合资源、提高系统可靠性、降低系统投资与维护成本的目标，更好地为管道完整性管理服务。
4.3 管道物联网
管道物联网未来的应用目标是基于物联网技术，将感应器嵌入到油气管道、设备设施、环境敏感点及管道检测设备、维抢修机具中，将分布着末梢神经的智能管网与现有的信息网整合起来，利用能力强大的数据中心计算资源，对系统内的人员、管道、设备设施实施实时管理和控制。通过对实时、精确的传感数据进行动态分析，实现风险的预控和工艺的优化，确保管道安全、高效运行。
4.4 大数据分析与智能诊断技术
基于管道完整性的大数据，从数据挖掘与知识发现的角度，针对管道基础数据、周边地理环境数据、管道生产运行数据、管道检测评价数据、管道安全防护数据以及气象地灾预警数据等进行抽取、整合及转化，利用机器学习算法和大数据计算框架，建立基于大数据的运行决策支持模型，实现聚类分析、关联分析、热点分析、趋势预测，为管道生产运行中的投资计划、资源利用及人员调配提供优化建议，已经成为当前管道大数据分析的热点。
在智能决策方面，科研人员需要充分了解知识网络，建立人机混合智能综合决策模型。当下，特别是隐性知识挖掘、管网可靠性计算、管网全局全时段仿真及优化模型、智能化决策模型等技术需要突破。如依据管道内、外检测及相关数据，实现内外检测数据关联分析、管道外防腐层老化状态预测、管道本体腐蚀增长预测及维修策略的优化。
4.5 数字孪生技术
管道数字孪生以资本和流程为核心，利用传感器、物理模型、运行历史等数据，集成多学科、多物理量、多概率的仿真过程，将管道数据以3D形式呈现，在虚拟信息空间中对物理实体进行镜像影响，反映物理实体行为和状态的全生命周期过程。管道重点区域可以热图的形式呈现，用户可观察区域中的小凹痕、裂缝、腐蚀区以及由地面移动引起的管道应变等潜在危险。管道数字孪生技术还可对管道周边的边坡测斜仪进行全息展示，用户可清晰观测管道随地面运动而发生的移动情况。通过多系统融合深入发掘数据价值，实现管道可视化运行、设备拆解培训、指导维检修作业及应急抢险作业等，为实现管网智慧化运营奠定数据基础。
5 结论
随着完整性管理技术的发展与深化，不断积累的数据将成为企业核心资产。从风险专家评估转变为数据分析人员分析风险，再发展成为基于大数据智能分析、决策的完整性管理，将从宏观到微观各层面为管道全生命周期完整性管理带来深刻变革。
（作者单位：天津市大港油田天津炼达集团有限公司）