油氣站場運行異常全息管控平臺的建立與應(yīng)用

劉朋　李柏林　楊全疆　黃春劍　孫元疆

摘要：為全面保障集氣處理站人員和設(shè)備安全，提升油氣站場智能化水平，基于信息化和物聯(lián)網(wǎng)技術(shù)設(shè)計并實現(xiàn)了油氣站場運行異常全息管控系統(tǒng)。利用過程安全管理和完整性管理技術(shù)建立風(fēng)險識別管控機(jī)制，并構(gòu)建狀態(tài)監(jiān)測、火氣監(jiān)測、腐蝕監(jiān)測、位移監(jiān)測、工藝監(jiān)測和視頻監(jiān)控等多個功能模塊，再結(jié)合三維全息技術(shù)，建立全場景的三維全息數(shù)字場站。結(jié)果顯示，系統(tǒng)實現(xiàn)了場內(nèi)設(shè)備狀態(tài)、人員狀態(tài)、生產(chǎn)工藝、環(huán)境狀態(tài)的異常報警和預(yù)警，可動態(tài)顯示場內(nèi)人員的位置和設(shè)備狀態(tài)信息的變化，形成了站場立體可視化管理。所設(shè)計的系統(tǒng)對有效提升集氣處理站的安全數(shù)字管理有重要意義，系統(tǒng)的功能構(gòu)架和關(guān)鍵技術(shù)也可為石油化工行業(yè)異常管理系統(tǒng)的建立提供重要參考。

關(guān)鍵詞：安全檢測與監(jiān)控技術(shù);油氣集輸站場;風(fēng)險辨識;異常管控;系統(tǒng)應(yīng)用

中圖分類號：TE68文獻(xiàn)標(biāo)識碼：A

DOI： 10.7535/hbgykj.2022yx02004

Establishment and application of holographic management system for the abnormal situation of oil and gas station

LIU Peng LI Bolin YANG Quanjiang HUANG Chunjian SUN Yuanjiang

（1Yakela Gas Production Plant，SINOPEC Northwest Oilfield Company，Aksu，Xinjiang 842000，China;2SINOPEC Northwest Oilfield Company，Urumqi，Xinjiang? 830011，China）

Abstract：In order to fully guarantee the safety of personnel and equipment in the gas gathering processing station，and improve the intelligence level of the oil and gas station，a holographic control system for the abnormal situation of the oil and gas station based on informatization and Internet of Things technology was designed and implementedThe risk identification management and control mechanism was established based on process safety management and integrity management technology，and the multiple functional modules such as condition monitoring，fire and gas monitoring，corrosion monitoring，displacement monitoring，process monitoring and video monitoring were constructedThen a full-scene three-dimensional holographic digital field station was established combining with three-dimensional holographic technologyThe results show that the system realizes the abnormal alarm and early warning of equipment status，personnel status，production process and environmental status，which can dynamically display the position of personnel in the field and the change of equipment status information，and the three-dimensional visual management of the station can be formedThe system is of great significance to the improvement of the secure digital management of gas gathering treatment stationsThe functional framework and key technologies of the system also provide an important reference for the establishment of anomaly management systems in the petrochemical industry

Keywords：safety detection and control technology;oil and gas gathering and transportation station;risk identification;anomaly?management and control;system application

隨著信息化、物聯(lián)網(wǎng)技術(shù)的發(fā)展以及國家對石化行業(yè)推進(jìn)智能化水平的要求，依托物聯(lián)網(wǎng)建立狀態(tài)監(jiān)測系統(tǒng)，可以快速識別企業(yè)中各類異常安全狀態(tài)，評估設(shè)備的風(fēng)險和健康狀況，為企業(yè)智能化建設(shè)提供基礎(chǔ)保障。異常管控是對隱患形成前偏差和異常的發(fā)現(xiàn)和處置，可以避免隱患的形成，其本質(zhì)是把管理關(guān)口前移，是從以重點開展隱患排查治理的“事后管理”向監(jiān)測和處置異常的“事前管理”轉(zhuǎn)變。

針對石化企業(yè)的風(fēng)險識別和管控，安全檢查表、危險性與可操作性分析（hazard and operability analysis，HAZOP）、失效模式與影響分析（failure mode and effects analysis，F(xiàn)MEA）、事故樹、事件樹、Petri網(wǎng)、貝葉斯網(wǎng)、模糊集理論、馬爾可夫鏈等為常用的風(fēng)險分析工具[1]。利用這些風(fēng)險分析工具，王金江等[2]采用風(fēng)險檢驗（risk based inspection，RBI）技術(shù)進(jìn)行了儲氣庫分離器設(shè)備的風(fēng)險分析。宋肖苗等[3]基于RBI失效概率評估過程，建立了常壓原油儲罐的失效概率數(shù)學(xué)模型。WANG等[4]基于RBI和以可靠性為中心的維修（reliability centered maintenance，RCM）等技術(shù)建立了設(shè)備完整性管理方案，該方案可以有效評估設(shè)備的風(fēng)險狀態(tài)，提高設(shè)備的可靠性、可維護(hù)性和安全性。

為實現(xiàn)石化行業(yè)的異常情況管理，許多研究人員面向不同設(shè)備建立了異常管理系統(tǒng)。工業(yè)典型動設(shè)備有泵、往復(fù)機(jī)等，這些設(shè)備的運行狀況對整個工藝有重要影響。EMAMI等[5]建立了離心泵監(jiān)測與性能分析系統(tǒng)。ZHANG等[6]建立了渦輪機(jī)實時在線監(jiān)測和故障診斷系統(tǒng)。張琰等[7]建立了離心通風(fēng)機(jī)監(jiān)控平臺。腐蝕是現(xiàn)場靜設(shè)備常見的失效形式，靜設(shè)備的腐蝕狀態(tài)管理是現(xiàn)場設(shè)備管理的一項重要內(nèi)容，許多研究人員建立了設(shè)備腐蝕管理系統(tǒng)，實現(xiàn)了靜設(shè)備在線測厚監(jiān)控、腐蝕速率實時監(jiān)控、腐蝕預(yù)警和腐蝕風(fēng)險管理[8-13]。針對生產(chǎn)過程的電氣系統(tǒng)異常情況，ZHAO等[14]建立了石化變電站電力實時監(jiān)控系統(tǒng)，避免了生產(chǎn)線的電源故障和意外停電。梁永春等[15]搭建了高壓電力電纜實時載流量監(jiān)測和評估系統(tǒng)。環(huán)境感知是異常情況管理的另一部分。在易燃、易爆和有毒物質(zhì)的生產(chǎn)過程中，環(huán)境參數(shù)的實時監(jiān)測非常重要。YANG等[16]建立了基于無線傳感器網(wǎng)絡(luò)的工業(yè)一氧化碳實時監(jiān)測系統(tǒng)。FAKRA等[17]設(shè)計了用于甲烷和氫氣測量的簡單且低成本的傳感器監(jiān)測系統(tǒng)。

近年來，基于計算機(jī)視覺的物體識別技術(shù)得到快速發(fā)展，該技術(shù)可以實現(xiàn)對煙氣和火焰的識別、監(jiān)控和報警，如徐燕翔等[18]設(shè)計的森林火災(zāi)檢測系統(tǒng)和SAPONARA等[19]建立的基于卷積神經(jīng)網(wǎng)絡(luò)的實時火災(zāi)煙霧檢測系統(tǒng)。同時基于計算機(jī)視覺可以實現(xiàn)人員的監(jiān)測與管理，包括人員計數(shù)[20-21]和人員狀態(tài)的識別[22]。

當(dāng)前，應(yīng)用于石化行業(yè)的各類狀態(tài)和異常監(jiān)測多為孤立系統(tǒng)，缺乏統(tǒng)籌整個流程的整體解決方案，同時針對油氣站場的異常監(jiān)測系統(tǒng)應(yīng)用較少，其各方面安全風(fēng)險和異常評估方法有待研究。本文面向油氣站場生產(chǎn)、設(shè)備、人員、環(huán)境等方面的異常管理需求，設(shè)計集成風(fēng)險管理、動靜設(shè)備狀態(tài)監(jiān)測、工藝過程監(jiān)控與預(yù)警、環(huán)境參數(shù)監(jiān)測和人員行為監(jiān)控的綜合評估體系和異常管理平臺，并應(yīng)用于某集氣處理站，以實現(xiàn)廠內(nèi)設(shè)備的異常狀況預(yù)警與報警，工藝過程的監(jiān)測與優(yōu)化，人員狀態(tài)的識別與管理，有效提升場站的智能化和安全管理水平。

1需求分析

某集氣處理站是集原油穩(wěn)定、輕烴回收、天然氣增壓外輸為一體的大型綜合性天然氣處理站。該站投用于2005年11月，裝置設(shè)計處理規(guī)模為天然氣260×10?m/d，凝析油17×10?t/a，主要包括氣液分離、脫硫、脫水和液化加工等工藝流程。隨著集氣處理站運行時間的延長，自控系統(tǒng)、電氣系統(tǒng)、裝置流程及關(guān)鍵設(shè)備逐漸暴露出一定的安全問題。近幾年，石油石化企業(yè)油氣站場事故頻發(fā)。為保障集氣處理站生產(chǎn)各環(huán)節(jié)的安全穩(wěn)定，提高整體的安全水平和智能化水平，提出以下生產(chǎn)、安全系統(tǒng)化需求。

1）數(shù)據(jù)集成與管理集成現(xiàn)有的設(shè)備基礎(chǔ)、運行、狀態(tài)等數(shù)據(jù)，站場視頻監(jiān)控數(shù)據(jù)，建立統(tǒng)一數(shù)據(jù)庫，實現(xiàn)動設(shè)備的實時狀態(tài)監(jiān)測、靜設(shè)備的腐蝕在線監(jiān)測、氣體泄漏檢測和人員狀態(tài)管理與識別等功能。

2）狀態(tài)評估與預(yù)警建立生產(chǎn)過程人員和設(shè)備安全等方面的狀態(tài)監(jiān)測關(guān)鍵參數(shù)的超限報警和異常狀態(tài)分級評估，以及基于歷史數(shù)據(jù)的設(shè)備狀態(tài)和工藝過程異常預(yù)測預(yù)警機(jī)制。

3）應(yīng)用與展示構(gòu)建廠區(qū)三維全息數(shù)字可視化工廠，運用全息場景進(jìn)行空間分析、查看消防應(yīng)急規(guī)劃以及動態(tài)顯示人員和設(shè)備等的安全狀態(tài)信息。

2平臺設(shè)計

2.1功能設(shè)計

以生產(chǎn)過程中的異常識別、感知和管控為異常管理平臺設(shè)計的主要思路。針對場站運行異常智慧化全息管控平臺，建立安全子系統(tǒng)、生產(chǎn)子系統(tǒng)、設(shè)備子系統(tǒng)、人員子系統(tǒng)4大主要功能模塊，實現(xiàn)過程安全風(fēng)險識別與異常報警，生產(chǎn)工藝控制與異常管控，設(shè)備資產(chǎn)管理，人員分布與行為管理等，功能架構(gòu)圖如圖1所示。

1）安全子系統(tǒng)安全子系統(tǒng)包含火氣監(jiān)測、腐蝕監(jiān)測、設(shè)備監(jiān)測、位移監(jiān)測、工藝異常等功能模塊。火氣監(jiān)測模塊具備甲烷氣體濃度監(jiān)控和報警功能。腐蝕監(jiān)測實現(xiàn)站內(nèi)工藝管線及壓力容器設(shè)備腐蝕狀態(tài)進(jìn)行實時分析和預(yù)警功能。設(shè)備監(jiān)測模塊實現(xiàn)旋轉(zhuǎn)設(shè)備實時振動狀態(tài)監(jiān)測，實現(xiàn)故障預(yù)測預(yù)警。位移監(jiān)測實現(xiàn)對儲罐沉降的實時監(jiān)控和預(yù)警功能。工藝異常模塊實現(xiàn)工藝監(jiān)測數(shù)據(jù)的異常報警。

2）生產(chǎn)子系統(tǒng)生產(chǎn)子系統(tǒng)實現(xiàn)生產(chǎn)信息、單井信息、生產(chǎn)工藝控制、天然氣管網(wǎng)信息和工藝參數(shù)實時監(jiān)測數(shù)據(jù)的展示，并基于歷史數(shù)據(jù)，為裝置運行優(yōu)化提供最優(yōu)的調(diào)整策略。

3）設(shè)備子系統(tǒng)設(shè)備子系統(tǒng)包括設(shè)備管理、工單管理、庫存管理、采購管理、維修維護(hù)管理等，將站場設(shè)備信息全部納入系統(tǒng)中，并可直接在三維場景中讀取設(shè)備信息，如設(shè)備名稱、生產(chǎn)廠家、規(guī)格、型號等數(shù)據(jù)信息。

4）人員子系統(tǒng)實現(xiàn)人員信息、人員位置分布和人員識別異常報警等功能，在全息場景中可動態(tài)顯示不同生產(chǎn)區(qū)域人員數(shù)量的變化情況。

2.2系統(tǒng)架構(gòu)

系統(tǒng)從信息感知、傳輸、分析、應(yīng)用等層面實現(xiàn)站控系統(tǒng)及配套監(jiān)測設(shè)備數(shù)據(jù)的全面集成與整合，包括設(shè)備資產(chǎn)信息、地理信息數(shù)據(jù)、生產(chǎn)運營數(shù)據(jù)、設(shè)備監(jiān)測數(shù)據(jù)、視頻監(jiān)控信息、泄漏檢測數(shù)據(jù)、人員信息管理等，實現(xiàn)異常全息管控平臺4大模塊的功能。系統(tǒng)整體的構(gòu)架如圖2所示。數(shù)據(jù)采集層主要包含傳感器、儀表、移動終端和視頻監(jiān)控等信息感知設(shè)備。數(shù)據(jù)存儲層主要通過分布式存儲技術(shù)對采集數(shù)據(jù)進(jìn)行存儲。數(shù)據(jù)處理和數(shù)據(jù)分析層針對不同的功能模塊實現(xiàn)數(shù)據(jù)的轉(zhuǎn)化、處理和分析。數(shù)據(jù)應(yīng)用與交互層可實時展示各類監(jiān)測數(shù)據(jù)和預(yù)警數(shù)據(jù)，同時不同級別的報警信息會分等級推送給相關(guān)管理人員。

系統(tǒng)的無線通信部分由終端設(shè)備、基站、核心網(wǎng)（EPC）和交換控制中心（SCC）組成。核心網(wǎng)（EPC）為寬帶多媒體集群系統(tǒng)中的數(shù)據(jù)與交換中心，4G基站（eNodeB）為寬帶多媒體集群系統(tǒng)中的接入網(wǎng)設(shè)備，終端（UE）是集群用戶可以直接操作的設(shè)備。圖3為系統(tǒng)的無線通信網(wǎng)絡(luò)構(gòu)架。

2.3風(fēng)險評估與異常診斷

2.3.1風(fēng)險評估關(guān)鍵技術(shù)

基于風(fēng)險的檢驗（RBI）和以可靠性為中心的維修（RCM）是基于風(fēng)險資產(chǎn)管理方法的重要內(nèi)容，已經(jīng)應(yīng)用于石化企業(yè)的風(fēng)險管理中。RBI是對靜設(shè)備進(jìn)行定量風(fēng)險評估的一種方法，可以用設(shè)備失效概率和失效后果的組合定量評估設(shè)備風(fēng)險，根據(jù)設(shè)備的風(fēng)險等級，采取不同的檢驗和維護(hù)策略，進(jìn)而達(dá)到提高設(shè)備安全性和優(yōu)化資源配置的目的。RCM是針對動設(shè)備的一種維護(hù)策略，按照以最少的維修資源消耗保持裝備固有可靠性水平和安全性的原則，并應(yīng)用邏輯決斷的方法確定裝備預(yù)防性維修要求。RCM將設(shè)備的可靠性作為設(shè)備維護(hù)的依據(jù)，進(jìn)行可靠性分析時同樣采用了設(shè)備失效概率和失效后果的定量化描述，制定適用于不同風(fēng)險等級設(shè)備的維修策略，進(jìn)而達(dá)到減小維修資源消耗的目的。

對站場進(jìn)行風(fēng)險分析時，針對不同的設(shè)備類型分別采用RBI，RCM技術(shù)，結(jié)合HAZOP，F(xiàn)MEA和檢查表等風(fēng)險分析工具，對現(xiàn)場設(shè)備進(jìn)行全面的風(fēng)險識別和管理，風(fēng)險識別管控機(jī)制如圖4所示。靜設(shè)備進(jìn)行風(fēng)險分級時，首先對設(shè)備的失效模式和失效機(jī)理進(jìn)行分析。將失效后果分為燃燒爆炸后果、中毒后果和停產(chǎn)損失后果，對設(shè)備的失效后果進(jìn)行評價和打分，得出后果等級。根據(jù)設(shè)備的損傷因素、檢驗因素、維護(hù)管理因素、工藝因素和機(jī)械設(shè)計因素對設(shè)備的失效可能性進(jìn)行評價和打分，得出失效可能性等級，在風(fēng)險矩陣圖中確定后果等級和失效可能性等級組合的位置，進(jìn)而確定被評估設(shè)備的風(fēng)險等級。在進(jìn)行動設(shè)備風(fēng)險分析時，首先根據(jù)FMEA分析得出設(shè)備的故障類型和影響，把不同設(shè)備故障按歷史故障頻率進(jìn)行分級，每個等級和不同的故障頻率次數(shù)相對應(yīng)。故障后果分為安全后果、環(huán)境后果、經(jīng)濟(jì)損失后果、維修時間后果，根據(jù)評價準(zhǔn)則將后果進(jìn)行分級，最后將故障頻率分級和后果分級聯(lián)合確定在風(fēng)險矩陣中所在的位置，以同一設(shè)備的多種故障類型風(fēng)險最高的評估結(jié)果作為該設(shè)備的風(fēng)險等級。

將定量風(fēng)險評估結(jié)果作為檢測或維護(hù)計劃的依據(jù)，對不同風(fēng)險水平的設(shè)備采取不同的風(fēng)險控制策略，在高風(fēng)險設(shè)備部位布置傳感器監(jiān)測位點，實時監(jiān)測設(shè)備的運行狀態(tài)，在保證設(shè)備安全性的同時降低檢驗和維護(hù)成本。

2.3.2設(shè)備趨勢分析和預(yù)警

將大數(shù)據(jù)與智能化有機(jī)結(jié)合，構(gòu)建完整的診斷分析模塊，圖5為系統(tǒng)診斷分析的框架。通過實時數(shù)據(jù)采集、歷史數(shù)據(jù)積累和比對分析，將數(shù)據(jù)轉(zhuǎn)化為案例智能學(xué)習(xí)，隨著數(shù)據(jù)積累的增加，分析能力和效率不斷提升，裝置各類異常均可實現(xiàn)超前預(yù)警。預(yù)警發(fā)生后，后臺自動按異常風(fēng)險等級對應(yīng)推送至各管理層級，并提供可供參考的處置方法，從而提高處置決策的及時性和準(zhǔn)確性，有效縮短響應(yīng)時間，大幅提升生產(chǎn)運行效率。

3系統(tǒng)實現(xiàn)與應(yīng)用

3.1風(fēng)險管理

采用本文提出的綜合風(fēng)險識別管控方法，建立由風(fēng)險類型到具體風(fēng)險點的風(fēng)險識別體系，制定分級管控和風(fēng)險管控消減機(jī)制的工作計劃，對風(fēng)險點進(jìn)行綜合分析，找出這些風(fēng)險可能產(chǎn)生的異常和原因。在油氣站場進(jìn)行風(fēng)險分析時，按風(fēng)險類別劃分、以危險源為基礎(chǔ)，從站場、裝置、工藝單元到單體設(shè)備設(shè)施，再延伸到具體風(fēng)險點位，識別風(fēng)險因素、分析風(fēng)險原因，實現(xiàn)系統(tǒng)化的風(fēng)險識別。全站共辨識出風(fēng)險點位3 129個，進(jìn)行風(fēng)險分級，其中包含24個較大風(fēng)險點位，其余均為一般風(fēng)險和低風(fēng)險。依據(jù)設(shè)備的風(fēng)險等級，建立不同的設(shè)備監(jiān)測與維護(hù)策略，對存在較大風(fēng)險的靜設(shè)備采取腐蝕在線測厚的監(jiān)測手段，動設(shè)備采取在線振動監(jiān)測的手段進(jìn)行風(fēng)險控制。

3.2實時設(shè)備狀態(tài)監(jiān)測網(wǎng)絡(luò)

在有效集成現(xiàn)有DCS和SIS、大型機(jī)組安控、單井力控系統(tǒng)的基礎(chǔ)上，增加火氣、泄漏監(jiān)測、腐蝕監(jiān)測、機(jī)組運行狀態(tài)監(jiān)測、位移監(jiān)測和電氣監(jiān)測設(shè)備94套，為異常管理系統(tǒng)提供硬件基礎(chǔ)。系統(tǒng)全面構(gòu)建實時設(shè)備監(jiān)測網(wǎng)絡(luò)，實現(xiàn)了動設(shè)備、靜設(shè)備、電氣系統(tǒng)和火氣泄露的實時狀態(tài)監(jiān)測?，F(xiàn)場重點檢測的動設(shè)備有壓縮機(jī)和電機(jī)，例如低壓氣壓縮機(jī)、空冷器?，F(xiàn)場重點檢測的靜設(shè)備主要是常壓和承壓塔器、儲罐和管道，例如脫乙烷塔、液化氣球罐、輕烴罐等。在線測厚監(jiān)測系統(tǒng)實時監(jiān)測重要部位的腐蝕狀況。通過激光探頭、攝像頭等氣體泄漏監(jiān)測設(shè)備，實現(xiàn)對30 m距離范圍內(nèi)的甲烷氣體濃度進(jìn)行長期、自動、可視化、遠(yuǎn)距離的精準(zhǔn)監(jiān)控。通過在低壓配電房設(shè)置147個監(jiān)測點，采用智能安全用電管理系統(tǒng)，實時監(jiān)測各線路運行狀況，包括電壓、電流、漏電流、功率、溫度、功率因數(shù)和報警信息等，并實現(xiàn)異常報警?，F(xiàn)場重點動設(shè)備實現(xiàn)振動實時監(jiān)測。圖6為安全子系統(tǒng)的設(shè)備狀態(tài)監(jiān)測界面。

3.3診斷分析與預(yù)警管理

在對設(shè)備和工藝的運行狀態(tài)進(jìn)行實時監(jiān)測的基礎(chǔ)上，系統(tǒng)結(jié)合歷史數(shù)據(jù)，可實現(xiàn)對設(shè)備狀態(tài)和工藝參數(shù)的變化趨勢分析，預(yù)測出現(xiàn)嚴(yán)重故障或偏差的時間，提前預(yù)警。改善之前異常發(fā)生后的層層上報及現(xiàn)場處置時間，平均縮短響應(yīng)時間30～60 min，避免該時間內(nèi)的異常失控狀態(tài)發(fā)展。同時系統(tǒng)結(jié)合專家知識庫建立了故障處理預(yù)案，提高操作人員處理設(shè)備異常狀態(tài)的能力。圖7展示了系統(tǒng)中工藝異常狀態(tài)報警界面。

3.4工藝參數(shù)監(jiān)測與生產(chǎn)優(yōu)化

系統(tǒng)平臺匯集單井、站場及天然氣管網(wǎng)信息，包含了日、周、月生產(chǎn)信息及單井的產(chǎn)量和裝置實時運行參數(shù)，生產(chǎn)工藝控制方面實現(xiàn)了二維和三維場景的聯(lián)動。系統(tǒng)通過對裝置工藝參數(shù)實時監(jiān)測，構(gòu)建各個裝置的裝置技術(shù)系數(shù)指標(biāo)，經(jīng)后臺智能比對分析，可以為裝置運行提供最優(yōu)的調(diào)整策略。參數(shù)調(diào)整關(guān)注“3個變化”即關(guān)注裝置負(fù)荷變化、關(guān)注季節(jié)溫度變化、關(guān)注產(chǎn)品價格變化，控制“4項指標(biāo)”即控制裝置穩(wěn)定運行指標(biāo)、控制輕烴收率指標(biāo)、控制產(chǎn)品質(zhì)量指標(biāo)、控制參數(shù)確保運行最優(yōu)、質(zhì)量合格、效益最佳，保障裝置運行的安穩(wěn)長滿優(yōu)。進(jìn)而輔助生產(chǎn)運行管理人員及時全面掌握裝置整體運行情況，適時優(yōu)化運行參數(shù)，進(jìn)一步提高裝置運行效率和運行風(fēng)險防控能力。優(yōu)化后結(jié)果顯示裝置產(chǎn)品的核心指標(biāo)超國內(nèi)同類裝置水平，C3收率為94.28%（設(shè)計指標(biāo)86.1%，國內(nèi)一流指標(biāo)93.5%），C3+收率為96.46%（設(shè)計指標(biāo)91.1%，國內(nèi)一流指標(biāo)96%）。系統(tǒng)生產(chǎn)工藝控制界面如圖8所示。

3.5人員智能識別管理

系統(tǒng)通過智能識別技術(shù)，實現(xiàn)入站人員管理、區(qū)域人員統(tǒng)計、人員違章識別以及人員基礎(chǔ)信息統(tǒng)計展示等功能。通過具備人臉識別、行為識別功能的前端設(shè)備，結(jié)合平臺系統(tǒng)的智能識別報警功能，實現(xiàn)對所有進(jìn)入生產(chǎn)區(qū)域人員的動態(tài)管控，及時發(fā)現(xiàn)、制止違章行為，進(jìn)一步消減人員的不安全行為給安全生產(chǎn)帶來的巨大隱患，為現(xiàn)場管理提供基礎(chǔ)保障。圖9為系統(tǒng)中的人員管理界面。

3.6全息可視化展示

應(yīng)用數(shù)字孿生技術(shù)，1∶1真實還原站場全景。通過空中傾斜攝影、毫米級激光掃描、地下管線探測對站場地上地下設(shè)備設(shè)施進(jìn)行全面的三維數(shù)據(jù)采集，結(jié)合圖檔數(shù)據(jù)查明其管徑、材質(zhì)、壓力、埋設(shè)年代等相關(guān)內(nèi)容，構(gòu)建三維可視化地下管網(wǎng)數(shù)字模型。同時，利用Edge wise系統(tǒng)，進(jìn)行管道模型的提取和編輯修正，再通過3DsMAX軟件建模，參考點云中的位置信息和尺寸信息，完善管道連接處以及對閥門等其他設(shè)備進(jìn)行精準(zhǔn)創(chuàng)建，全面呈現(xiàn)各單元設(shè)備設(shè)施、建筑物等，實現(xiàn)了站場資產(chǎn)及數(shù)據(jù)三維可視化管理，如圖10所示。內(nèi)置測量功能，實現(xiàn)立體空間尺寸測量，輔助管理人員進(jìn)行空間分析;內(nèi)置圖層剖切功能，在空間層面對設(shè)備、設(shè)施進(jìn)行剖面分析和立體呈現(xiàn)，使消防設(shè)施、工藝管網(wǎng)、逃生路線、高風(fēng)險區(qū)域、職業(yè)危害分布、設(shè)備構(gòu)造及相關(guān)信息可視化呈現(xiàn)。為員工培訓(xùn)和管理人員提供更直觀、更完整的信息，提升培訓(xùn)效率，同時為應(yīng)急決策、裝置技改、現(xiàn)場施工測量提供便利。

4結(jié)語

基于物聯(lián)網(wǎng)技術(shù)設(shè)計并實現(xiàn)了集氣處理站的全息異常管理系統(tǒng)，保障了場內(nèi)生產(chǎn)、設(shè)備、人員等全面的安全監(jiān)控和管理。

1）建立了風(fēng)險識別和管控機(jī)制，系統(tǒng)性地識別場內(nèi)風(fēng)險點，量化風(fēng)險等級，對不同風(fēng)險水平的設(shè)備采取不同的風(fēng)險控制策略，高風(fēng)險點位實時監(jiān)測，中風(fēng)險點位循環(huán)監(jiān)測，低風(fēng)險點位選擇性監(jiān)測，在降低成本的同時實現(xiàn)了全面風(fēng)險管控。

2）通過軟硬件的搭建，實現(xiàn)了集氣處理站靜設(shè)備、動設(shè)備、工藝管網(wǎng)、氣體泄漏的監(jiān)測，以及設(shè)備和工藝過程的實時監(jiān)測和異常預(yù)警，提高了生產(chǎn)現(xiàn)場裝置的本質(zhì)安全，避免了非計劃停車。同時，通過場內(nèi)人員的位置定位和行為識別，實現(xiàn)了人員進(jìn)入禁區(qū)和違章報警，進(jìn)一步消減了人員的不安全行為。

3）在應(yīng)用層建立三維交互場景，將設(shè)備信息和人員數(shù)量信息在系統(tǒng)中動態(tài)顯示，以更直觀的方式呈現(xiàn)報警信息，同時三維可視化也為應(yīng)急決策提供了便利。

該系統(tǒng)應(yīng)用于某集氣處理站，實現(xiàn)了24處較大風(fēng)險點的識別，多處異常狀態(tài)的報警，各類信息全息展示和安全管控，取得了良好的應(yīng)用效果。未來還需繼續(xù)對系統(tǒng)監(jiān)測數(shù)據(jù)的深度分析與挖掘開展研究，特別是設(shè)備健康評估和預(yù)測技術(shù)。

參考文獻(xiàn)/References：

[1]ANIMAH I，SHAFIEE MApplication of risk analysis in the liquefied natural gas（LNG）sector：An overview[J].Journal of Loss Prevention in the Process Industries，2020，63：103980.

[2]王金江，王舒輝，張興，等基于RBI技術(shù)的儲氣庫分離器風(fēng)險分析[J].中國安全科學(xué)學(xué)報，2020，30（2）：21-27WANG Jinjiang，WANG Shuhui，ZHANG Xing，et alRisk analysis of gas storage separator based on RBI technology[J].China Safety Science Journal，2020，30（2）：21-27.

[3]宋肖苗，楊劍鋒，陳良超，等多層次灰色綜合評價法在儲罐失效概率評估中的應(yīng)用[J].中國安全科學(xué)學(xué)報，2018，28（11）：156-161SONG Xiaomiao，YANG Jianfeng，CHEN Liangchao，et alApplication of grey multi-hierarchy comprehensive evaluation method in failure probability assessment of storage tanks[J].China Safety Science Journal，2018，28（11）：156-161.

[4]WANG Qingfeng，LIU Wenbin，ZHONG Xin，et alDevelopment and application of equipment maintenance and safety integrity management system[J].Journal of Loss Prevention in the Process Industries，2011，24（4）：321-332.

[5]EMAMI S A，EMAMI M HDesign and implementation of an online precise monitoring and performance analysis system for centrifugal pumps[J].IEEE Transactions on Industrial Electronics，2018，65（2）：1636-1644.

[6]ZHANG Qinghua，QIN Aisong，SHU Lei，et alVibration sensor based intelligent fault diagnosis system for large machine unit in petrochemical industries[J].International Journal of Distributed Sensor Networks，2015，11（8）：239405.

[7]張琰，張荊沙，欒華東大型離心通風(fēng)機(jī)小型化監(jiān)控平臺關(guān)鍵技術(shù)研究[J].計算機(jī)仿真，2015，32（4）：188-191ZHANG Yan，ZHANG Jingsha，LUAN HuadongKey technology of large centrifugal fan monitoring miniaturization platform research[J].Computer Simulation，2015，32（4）：188-191.

[8]戶佳財常減壓裝置腐蝕在線監(jiān)測系統(tǒng)開發(fā)與應(yīng)用[D].上海：華東理工大學(xué)，2013HU JiacaiThe Development and Application of the Online Corrosion Monitoring System in the Atmospheric and Vacuum Distillation Unit[D].Shanghai：East China University of Science and Technology，2013.

[9]趙寅煉油裝置腐蝕在線監(jiān)測系統(tǒng)建立[D].天津：天津大學(xué)，2017ZHAO YinEstablishment of Refining Unit Corrosion Online Monitoring System[D].Tianjin：Tianjin University，2017.

[10]范強(qiáng)強(qiáng)化工設(shè)備腐蝕機(jī)理研究及腐蝕監(jiān)測管理系統(tǒng)的開發(fā)[D].上海：華東理工大學(xué)，2014FAN QiangqiangCorrosion Mechanism Research and Corrosion Monitoring Management System Development of Chemical Equipments[D].Shanghai：East China University of Science and Technology，2014.

[11]陳偉慶，陳良超，何興，等煉化裝置腐蝕監(jiān)控分析系統(tǒng)設(shè)計及應(yīng)用[J].北京化工大學(xué)學(xué)報（自然科學(xué)版），2019，46（6）：56-63CHEN Weiqing，CHEN Liangchao，HE Xing，et alDesign of a corrosion monitoring and analysis system for use in refinery units[J].Journal of Beijing University of Chemical Technology（Natural Science Edition），2019，46（6）：56-63.

[12]ZOU Fangxin，CEGLA F BOn quantitative corrosion rate monitoring with ultrasound[J].Journal of Electroanalytical Chemistry，2018，812：115-121.

[13]陳良超煉油裝置腐蝕防護(hù)管理系統(tǒng)開發(fā)與工程應(yīng)用[D].北京：北京化工大學(xué)，2015CHEN LiangchaoThe Development and Engineering Application of Refinery Equipment Corrosion Protection Management System[D].Beijing：Beijing University of Chemical Technology，2015.

[14]ZHAO Long，MATSUO I B M，SALEHI F，et alDevelopment of a Real-time Web-based power monitoring system for the substation of petrochemical facilities[J].IEEE Transactions on Industry Applications，2019，55（1）：43-50.

[15]梁永春，劉雅麗，王宇翔電力電纜實時載流量評估系統(tǒng)設(shè)計[J].河北工業(yè)科技，2017，34（5）：334-338LIANG Yongchun，LIU Yali，WANG YuxiangDesign of real-time current carrying capacity evaluation system for power cable[J].Hebei Journal of Industrial Science and Technology，2017，34（5）：334-338.

[16]YANG Jiachen，ZHOU Jianxiong，LYU Zhihan，et alA Real-time monitoring system of industry Carbon monoxide based on wireless sensor networks[J].Sensors，2015，15（11）：29535-29546.

[17]FAKRA D A H，ANDRIATOAVINA D A S，RAZAFINDRALAMBO N A M N，et alA simple and low-cost integrative sensor system for methane and Hydrogen measurement[J].Sensors International，2020，1：100032.

[18]徐燕翔，裴海龍基于無人機(jī)的森林火災(zāi)檢測系統(tǒng)[J].計算機(jī)工程與設(shè)計，2018，39（6）：1591-1596XU Yanxiang，PEI HailongForest fire detection system based on unmanned aerial vehicle[J].Computer Engineering and Design，2018，39（6）：1591-1596.

[19]SAPONARA S，ELHANASHI A，GAGLIARDI AReal-time video fire/smoke detection based on CNN in antifire surveillance systems[J].Journal of Real - Time Image Processing，2021，18（3）：889-900.

[20]RAGHAVACHARI C，APARNA V，CHITHIRA S，et alA comparative study of vision based human detection techniques in people counting applications[J].Procedia Computer Science，2015，58：461-469.

[21]鄭凱，謝國坤，王娟娟一種基于機(jī)器視覺技術(shù)的城市軌道交通客流量檢測方法[J].河北工業(yè)科技，2021，38（1）：45-49ZHENG Kai，XIE Guokun，WANG JuanjuanPassenger flow detection of urban railtransit based on machine vision technology[J].Hebei Journal of Industrial Science and Technology，2021，38（1）：45-49.

[22]DANG L M，MIN K，WANG Hanxiang，et alSensor-based and vision-based human activity recognition：A comprehensive survey[J].Pattern Recognition，2020，108：107561.