陳 勇

〔中國石化銷售有限公司華東分公司 上海 200050〕

成品油管網(wǎng)調度支持與異常診斷的移動應用設計

陳 勇

〔中國石化銷售有限公司華東分公司 上海 200050〕

針對中國石化華東成品油管網(wǎng)調度運行的實際，充分利用移動互聯(lián)網(wǎng)技術和大數(shù)據(jù)、智能化方法，在分析用戶需求的基礎上，基于Android studio開發(fā)平臺和oracle數(shù)據(jù)庫，對華東管網(wǎng)調度支持與異常診斷的移動應用(APP)進行了設計，對其系統(tǒng)架構、業(yè)務流程以及主要模塊的設計原理和實現(xiàn)方法進行詳述，并對關鍵技術數(shù)據(jù)庫搭建、專家知識庫設計、故障樹模型的建立等進行了介紹。該系統(tǒng)集調度作業(yè)、風險識別、應急指導、管輸異常診斷和培訓于一體，促進了數(shù)據(jù)流動和共享，與多媒體工具聯(lián)運可實現(xiàn)遠程控制，對輸油管網(wǎng)提質增效和安全運行具有重要作用。

成品油 管網(wǎng) 調度支持 異常診斷 移動應用 設計

近年來，隨著中國石化銷售華東管線里程的不斷增加，成品油管輸調度運行難度日益加大，要保證安全、平穩(wěn)、高效生產(chǎn)，任務異常繁重。另外，當前國際油價持續(xù)低迷，國內(nèi)成品油市場逐步開放，銷售企業(yè)的盈利空間受到進一步擠壓。如何提升管輸效率、降低運營成本、確保安全生產(chǎn)成為一項重要課題。這不僅對公司調度工藝操作、風險控制、異常事件應急處理等方面的能力提出了更高的要求，也對傳統(tǒng)單向化、線性化的業(yè)務模式和分工體系發(fā)起了挑戰(zhàn)。

雖然公司做了大量嘗試與努力，也取得諸多信息化成果，泄漏檢測軟件、數(shù)字管道系統(tǒng)等先后上線應用，取得一定成效。但是，這些信息化成果的著力點和適用面較窄，多為各部門內(nèi)部為解決某一類問題而開發(fā)，信息資源開發(fā)水平較低，功能較為單一。文獻顯示，國內(nèi)外尚且沒有著眼調度運行，統(tǒng)籌管輸全過程的信息化成果[1-4]。另外，現(xiàn)有系統(tǒng)多基于PC端，仍未擺脫特定場所、特定人員使用的限制，“數(shù)據(jù)”資源沒有得到充分分享和流動，難以滿足業(yè)務協(xié)同需求。

伴隨著云計算、大數(shù)據(jù)等新一代網(wǎng)絡基礎設施的強勢突破，移動互聯(lián)技術的快速發(fā)展以及智能終端、APP的異軍突起，“互聯(lián)網(wǎng)+”成為新常態(tài)下的新動力。眾多傳統(tǒng)企業(yè)實現(xiàn)了與互聯(lián)網(wǎng)的深度融合。但是，在這種大環(huán)境下，作為傳統(tǒng)產(chǎn)業(yè)的成品油管道儲運與新一代互聯(lián)網(wǎng)的融合卻遲遲沒有突破性進展，當前企業(yè)的移動應用多為移動CRM、移動OA等業(yè)務系統(tǒng)，沒有找到實踐移動信息化與提高企業(yè)自身業(yè)務價值的結合點。

針對以上問題，本文立足華東成品油管網(wǎng)實際，在深入分析用戶需求基礎上，基于Android Studio開發(fā)平臺、Oracle數(shù)據(jù)庫和Java語言，對華東管網(wǎng)調度支持與異常診斷的移動應用(APP)進行設計。該移動應用集生產(chǎn)運行數(shù)據(jù)共享、作業(yè)指南、風險識別與應急指導、管輸異常智能診斷、“三基”培訓于一體，著眼于管輸運行全過程，旨在實現(xiàn)以下目標：

(1)立足成品油調度運行，利用大數(shù)據(jù)技術和專家系統(tǒng)等智能化方法對管輸全過程進行智能指導和輔助決策，切實提高調度作業(yè)規(guī)范化水平，及時有效開展風險識別、異?，F(xiàn)象診斷和應急處置。

(2)充分利用互聯(lián)網(wǎng)技術，特別是移動互聯(lián)網(wǎng)和移動終端技術優(yōu)勢，豐富崗位練兵途徑，創(chuàng)新應急演練方法，多渠道、多方式進行“三基”培訓，提高相關人員業(yè)務能力。

(3)促進基礎業(yè)務數(shù)據(jù)實時共享和充分流動，改善傳統(tǒng)單向化、線性化的業(yè)務模式和分工體系，實現(xiàn)業(yè)務協(xié)同和網(wǎng)狀分工。

1 系統(tǒng)組成與業(yè)務流程

通過深入調研和系統(tǒng)分析，調度支持與異常診斷移動應用APP從功能上主要劃分為生產(chǎn)營運數(shù)據(jù)共享模塊、作業(yè)指南模塊、風險識別與應急指導模塊、管輸異常智能模塊和崗位練兵與在線考核模塊。系統(tǒng)功能架構如下圖1所示，業(yè)務流程如圖2所示。

圖1 調度支持與異常診斷APP功能架構圖

圖2 調度支持與異常診斷APP工作流程

2 系統(tǒng)主要模塊的功能與實現(xiàn)方法

2.1 管輸異常智能診斷模塊

專家系統(tǒng)(ES，Expert System)是指擁有大量專家知識，并能運用知識進行推理，解決具體問題的智能程序系統(tǒng)[5]，通常由知識庫、推理機、綜合數(shù)據(jù)庫、知識獲取機制等組成。知識庫用來存放可被計算機識別的專家知識。推理機針對現(xiàn)有條件或已知信息,匹配知識庫中的規(guī)則, 獲得結論，得到問題的解。綜合數(shù)據(jù)庫專門用于存儲推理過程中所需的原始數(shù)據(jù)、中間結果和最終結論。其原理模型如圖3所示。

圖3 專家系統(tǒng)原理

管輸異常智能診斷模塊包括基于專家知識的診斷和基于歷史案例的診斷?；趯＜抑R的診斷具體指結合故障診斷方法和專家系統(tǒng)推理思想，將輸油調度領域各級專家和調度骨干的知識、經(jīng)驗進行簡化、抽象，并分析、歸納、總結輸油調度相關文獻和專業(yè)書籍，形成推理知識庫，基于故障樹診斷法針對異常現(xiàn)象進行智能診斷，并給出處理措施。結合調度運行實際，該模塊針對壓力流量異常、生產(chǎn)設備故障、油品質量問題、SCADA系統(tǒng)異常等進行診斷，異常診斷原理如圖4所示。

圖4 異常診斷專家系統(tǒng)工作原理

基于歷史案例的診斷指通過訪問案例庫中過去同類異常情況的解決方法，從而獲得當前問題解決方案的一種推理模式，也就是將充分挖掘歷史案例、未遂事件的潛在價值，利用舊的案例或經(jīng)驗來解決新問題，評價新問題，解釋異常情況或理解新情況。

同時，基于負壓波法對泄漏點進行定位及泄漏量的計算[6，7]。此外，為避免異常事件發(fā)生后不必要的停輸，建立了華東管網(wǎng)水力計算模型，對異常工況管輸方案進行編排，并以首站出站流量、壓力限值，中間站場下載流量、站外壓力，泵站過泵流量、泵入口壓力等為約束條件，對方案的合理性進行智能判斷。

2.2 風險識別與應急指導模塊

風險識別與應急指導模塊旨在針對重要作業(yè)進行風險智能識別及應急輔助處理。由一線崗位員工，安全管理人員以及負責生產(chǎn)、技術、設備、工藝等各方面技術人員和管理人員組成的專業(yè)團隊，恰當選用JHA等風險分析方法進行全員、系統(tǒng)性的風險識別與預先評估，并針對各風險項給出完備的應急處理預案，依此為基礎建立風險識別和應急指導知識庫。對特定作業(yè)進行風險智能識別和應急指導，旨在做到有備無患、防患于未然，以盡可能降低事故發(fā)生概率。

2.3 生產(chǎn)運營數(shù)據(jù)實時共享模塊

生產(chǎn)運營數(shù)據(jù)實時共享模塊包括周期(日、周、月)生產(chǎn)報表、總體運行方案的共享， SCADA系統(tǒng)及庫區(qū)空容動態(tài)關鍵數(shù)據(jù)實時同步，以及基礎數(shù)據(jù)管理等。其中，SCADA系統(tǒng)關鍵數(shù)據(jù)包括各主要節(jié)點壓力、流量值、設備啟停狀態(tài)等，利用UDP通訊技術和OPC技術從SCADA數(shù)據(jù)庫中對上述數(shù)據(jù)進行實時傳輸并保存到Oracle數(shù)據(jù)庫[8]；基礎數(shù)據(jù)管理可實現(xiàn)對華東公司所轄管線(浙蘇管線、蘇南管線、蘇北管線、楊棲線等)及站場全部數(shù)據(jù)的統(tǒng)一整合與集中管理，采用管線——站場——基礎信息三層架構，以管線為劃分依據(jù)，以站場為基本單元對模塊進行搭建。

2.4 調度作業(yè)指南

調度作業(yè)指南模塊能實現(xiàn)對各條管線、各個站場所有輸油作業(yè)指導書的分類信息化整合和統(tǒng)一管理。作業(yè)類型分為通用作業(yè)類和單站作業(yè)類。具體內(nèi)容包括作業(yè)前準備、具體操作步驟及操作注意事項等。輸油作業(yè)過程中，旨在對各級調度人員和操作人員進行全過程規(guī)范化指導。此外，該模塊還集成多種計算工具，包括混油切割點計算、混油量計算、“好油”跟蹤等。具體應用場景：

第一，在實際生產(chǎn)中，當調度輸油作業(yè)時，相關操作人員可通過該模塊查看作業(yè)指導書，做到規(guī)范作業(yè)，如有需要，可調用上述計算工具。

第二，該模塊可以用在各級調度人員與操作人員的操作技能培訓中。同時，通過移動終端，參訓人員可利用“碎片化”時間實時在線學習。

2.5 崗位練兵與在線考核

崗位練兵與在線考核模塊通過與前述幾個模塊的聯(lián)運，實現(xiàn)對各級調度人員進行業(yè)務培訓、技能測評以及情景模擬演練?？己斯芾砣藛T可在系統(tǒng)端進行自主命題以及指定練兵科目等操作，旨在豐富崗位練兵途徑，創(chuàng)新應急演練方法，多渠道、多方式提高相關人員業(yè)務能力。具體應用場景：

第一，利用該模塊可對各級調度人員進行“三基”培訓與考核。

第二，相關人員可通過移動終端，實時在線學習。

3 系統(tǒng)數(shù)據(jù)庫的設計

數(shù)據(jù)庫中包含基礎信息、作業(yè)指南、風險識別與應急指導、異常智能診斷、在線考核等原始庫。由于涉及數(shù)量大、輸送介質多樣化，對數(shù)據(jù)的檢索、分類等要求較高，因此需設計合理的數(shù)據(jù)結構，每個字段應能充分展示事件的特征信息。主要數(shù)據(jù)庫設計包括全線啟輸、全線停輸、啟停泵、泵切換、油品切割、混油切割、收發(fā)球和末站開停下載等各種風險識別與應急指導數(shù)據(jù)表；詳細庫容、總體庫容、管道物理參數(shù)、報警限值、總體高程、管線高程、流量計運行流量(最大計量流量)、輸油泵參數(shù)、泵電機參數(shù)、全線壓力設計值、站場下載區(qū)域壓力、站場下載流量范圍、混油頭流速控制和泄壓值等各種基礎數(shù)據(jù)和管理數(shù)據(jù)表；單選題匯總、單選題、單選題答題信息記錄，多選題匯總、多選題、多選題答題信息記錄，判斷題匯總、判斷題、判斷題答題信息記錄，課題記錄和考試成績記錄等各種崗位練兵和在線考核數(shù)據(jù)表。

4 異常診斷關鍵技術的研究

4.1 知識庫設計

(1)知識獲取。專家系統(tǒng)最重要的部分就是知識庫的設計和建立[9-11]。由于成品油管輸過程復雜，風險項多，且各類風險涉及的領域不同，因此管輸異常診斷專家系統(tǒng)知識的獲取任務非常困難。本文采用間接法和直接法兩種方式獲得。具體的間接法獲取過程為：由輸油調度領域各級專家和調度骨干將知識用語言及書面文字的形式整理出來，經(jīng)知識工程師對其進行分析、抽取及簡化，表示為能被計算機理解的規(guī)則和框架，同時，將知識輸入到系統(tǒng)知識庫中。直接法的過程為：通過分析、歸納、總結，將輸油調度相關文獻、專業(yè)書籍內(nèi)容等表示成一定格式的知識，形成知識庫。

(2)建立故障樹模型。故障樹分析法(FTA)[12-13]是一種用于大型復雜系統(tǒng)的可靠性、安全性分析和風險評價的方法。

鑒于管輸過程的復雜性，其生成的故障樹也非常龐大，對故障樹的定量與定性分析極為困難。為了便于分析，需要對故障樹進行一定簡化。故障樹的模塊化是典型的故障樹簡化方法，就是將故障樹分成多個相互獨立的模塊，然后對于各個模塊進行獨立分析，減少了每次分析的工作量，提高了分析與診斷效率。故障樹簡化模型如圖5所示。

圖5 故障樹簡化模型

(3)知識表示。專家系統(tǒng)的工作過程實際上是模擬人類獲取知識、智能思考并運用知識的過程。對于專家系統(tǒng)而言，合理的知識表示不僅能夠提高異常診斷的精確度、效率和成功率，而且便于知識在計算機中的檢索、添加、刪除和修改。目前，比較常用的知識表示方法主要有一階謂詞邏輯表示法、框架表示法、Petri 網(wǎng)、語義網(wǎng)絡表示法、過程表示法、產(chǎn)生式規(guī)則等[14]。

本文所述異常診斷專家系統(tǒng)的知識表示方法采用產(chǎn)生式描述規(guī)則。其基本形式為：

IF P THEN Q

其中，P為推理的前提，也成為產(chǎn)生式前件，是產(chǎn)生式成立的先決條件；Q是一組結論或操作,也稱為產(chǎn)生式的后件,表示當前提P滿足時,應該得到的結論或執(zhí)行的操作。產(chǎn)生式的具體含義為：當滿足前提P時,則可得出結論Q或執(zhí)行Q中所規(guī)定的操作。產(chǎn)生式規(guī)則表示法用“if ……,then ……”的形式表示知識,這種表示形式與人類的判斷性知識基本一致,既直觀、自然,又便于進行推理。

為了將故障樹知識轉化成產(chǎn)生式規(guī)則知識，將故障樹分解轉化為“最小”故障樹單元，這些故障樹單元僅含有一個邏輯門(與門、或門)，并且能轉換成診斷知識庫中的一個或多個產(chǎn)生式規(guī)則[12]。

4.2 推理機

所謂推理就是對管輸異?，F(xiàn)象進行診斷，將數(shù)據(jù)庫中的事實與知識庫中的規(guī)則進行匹配并推斷出異常原因的過程。推理機是異常診斷專家系統(tǒng)的核心。調度人員觀察或感知到異?，F(xiàn)象后做初步分類,在人機交互界面進行選擇或描述，將特征輸入系統(tǒng)中,系統(tǒng)利用知識庫中的知識，按照既定的推理策略進行求解。在異常診斷專家系統(tǒng)知識庫的設計中,將故障樹知識轉化成基于產(chǎn)生式規(guī)則的專家系統(tǒng)知識。該系統(tǒng)采用基于規(guī)則的混合推理，推理流程為：確定故障樹各節(jié)點事件的優(yōu)先級；系統(tǒng)從規(guī)則庫中選擇規(guī)則進行模式匹配，匹配成功則進入故障樹下一級節(jié)點進行診斷，依此原則直到基本事件為止；最后得出診斷結論。

5 結語

(1)該移動應用著眼于調度運行，統(tǒng)籌管輸全過程，集調度作業(yè)指南、風險識別、應急指導、管輸異常智能診斷和“三基”培訓于一體，既能指導實際生產(chǎn)，又能用于業(yè)務培訓，對提升調度人員業(yè)務技能、提高管輸效率、控制生產(chǎn)風險、及時有效應急處置具有重要作用。

(2)促進了業(yè)務數(shù)據(jù)的充分流動和實時共享，相關人員可充分利用“碎片化”時間在移動終端處理相應事務，不受時間、地點限制。通過與即時通訊軟件、電子地圖、移動多媒體工具等的聯(lián)運，可實現(xiàn)遠程監(jiān)護、遠程過程優(yōu)化、遠程應急指揮、實時交互等在線增值功能與極大改善現(xiàn)有單向化、線性化業(yè)務模式和分工體系，實現(xiàn)業(yè)務協(xié)同和網(wǎng)狀分工。

(3)充分利用了大數(shù)據(jù)技術和智能化方法對基礎數(shù)據(jù)、案例以及專家知識進行深入挖掘、應用，發(fā)揮“數(shù)據(jù)資源”及專家知識價值。系統(tǒng)體現(xiàn)出的網(wǎng)狀、實時、智能的業(yè)務模式和工作理念，具有很強的擴展性和復制性，對實現(xiàn)公司提質增效，促進公司創(chuàng)新融合、轉型發(fā)展提供了有益的思路與參考。

[1] JONES S, KIRCHSTEIGER C,BJERKE W. The importance of near miss reporting to further improve safety performance[J].Journal of Loss Prevention in the Process Industries,1999,12(1)：59-67.

[2] PHIMISTER J R, OKTEM U. Near-miss incident management in the chemical process industry [J]. Risk Analysis， 2003，23(3)：445-459.

[3]MA Tingxia, ZHOU Junpeng, LI Anjun. Design of high consequence area identification system software of long-distance pipeline[J].Oil and Gas Storage and Transportation, 2014,33(7)：719-722.

[4]XING Jinduo ,ZHAO Dongfeng, HAN Fenglei, et al.Design and develop on near-miss management system of long-distance oil and gas pipeline[J]. Oil and Gas Storage and Transportation, 2015,34(6)：595-598.

[5] 溫國誼,查光東,張翔.基于CLIPS的某型飛機故障診斷專家系統(tǒng)的設計與實現(xiàn)[J].中南大學學報：自然科學版,2013,44(1)：157-161.

[6] 馬小林,王澤根,謝靜文.負壓波在管道泄漏檢測與定位中的應用[J].管道技術與設備,2013,3：17-20.

[7] 葛會平.長輸管線負壓波法最小可檢測泄漏量的研究與應用[D].蘭州：蘭州理工大學,2009：18-26.

[8] 胡景軍,陳云,洪詩定.SCADA系統(tǒng)實現(xiàn)Web服務的關鍵技術[J].化工自動化及儀表,2013,40(11)：1395-1398.

[9] 譚大鵬,李培玉,潘曉弘.基于CLIPS的故障診斷專家系統(tǒng)開發(fā)環(huán)境[J].浙江大學學報：工學版,2009,43(2)：240-243.

[10] 王華,李鵬波.CLIPS嵌入.NET平臺技術與實現(xiàn)[J].計算機系統(tǒng)應用,2006,11：45-48.

[11] 王飛,魏法杰.大型復雜裝備研發(fā)成本控制專家系統(tǒng)[J].北京航空航天大學學報, 2010,36(4)：490-494.

[12] Xiang J, Futatsugi K. Fault tree and formal methods in system safety analysis[C]//. Proc. of the fourth International Conference on Computer and Information Technology, 2004： 1128-1115.

[13] Zampino E J. Application of fault-tree analysis to troubleshooting the NASAGRC icing research tunnel[C]. Symposium on Reliability and Maintainability, 2001： 16-22.

[14] 金亮亮.基于故障樹的航天器故障診斷專家系統(tǒng)研究[D].南京：南京航空航天大學,2008：49-50.

2016-12-14。

陳勇(1989-)，男，碩士，畢業(yè)于東華大學機械制造及其自動化專業(yè)，助理工程師，現(xiàn)主要從事成品油儲運調度管理工作。