管道完整性管理數據信息技術發展的思考

劉廣新

【摘 ?要】完整性管理是為保障油氣田管道和站場完整、提高本質安全而進行的一系列管理活動，是近年來逐漸發展成熟并得到成功應用的管理體系。完整性管理以戴明的PDCA管理方法為基礎，充分利用當今強大的數據管理與信息技術、日益完善的管道風險評價技術、不斷進步的管道檢測技術、實現了對傳統管道管理技術的重大革新，是一種基于數據、主動預防的全新管道安全管理模式。

【關鍵詞】管道完整性;管理數據;信息技術

1 數據管理的作用和意義

管道數據管理與完整性5步循環關系緊密，各個業務流程均以數據管理為基礎，數據的采集、整合、應用到發布貫穿于5步循環，數據的完整性是管道完整性管理的基礎，數據的準確性制約著完整性管理后續流程的分析與評價的結果。

綜上所述，管道完整性管理是基于數據的科學管理，而數據管理是管道完整性管理的基石。

2 現狀與挑戰

2.1 現狀

在國內，基于PODS、APDM 數據模型，國內形成了如 PIDM（Pipeline Integrity Data Model，管道完整性數據模型）、CPDM（China Pipeline Data Model，中國管道數據模型）、APDM-CH 等模型。其中，中國石油管道科技研究中心研發的PIDM 模型在國內的應用最為成熟，其涵蓋了從管道設計、建設到運維等不同階段超過3000個屬性信息;發展至今，存儲著中國石油所轄260多條干支線約7.1×104 km管道的數據，是目前國內最大的管道完整性數據庫。在系統開展完整性管理后，對基于HCAs識別結果、風險識別結果、內檢測數據、外檢測數據、管道基礎數據、日常維護管理數據等進行整合，促進評價由定性經過半定量到定量的發展，實現了宏觀粗放型管理到微觀精細化管理的進步，為管道完整性管理提供了強有力的數據支持。

2.2 挑戰

站場完整性管理技術、大型管網可靠性管理技術、如何實現企業信息資源整合對數據管理的統一性、如何利用信息系統更好地支持管道企業的經營管理和生產運行管理已經成為當前的研究重點，新技術的發展突破了線性資產管理的范圍，需要事件數據的支持，對完整性數據管理而言，需要支持復雜數據對象管理、實時數據接口管理等。

3 關鍵技術

3.1 全面信息感知技術

管道和設備狀態信息的實時感知是完整性管理數據采集的前端，信息感知技術以傳感器為核心，是未來實現萬物互聯的基礎性、決定性核心技術之一。中國石油管道站場設備種類和數量眾多，管道完整性管理應實現管道本體和管道設備風險管控由人為主導向系統智能轉變，管道站場管理向“區域化管理”、站場“無人化”管理模式轉變，管道及設備保護向“重點監視、智能巡檢、預警預控”轉變，這就要求增加更多的感知技術，對站場泵、壓縮機、閥門、流量計等設備的全方位狀態信息進行感知。

3.2 多維度時空數據的管理

隨著管道完整性管理的實施，需要存儲管道從設計、建設、投產、運行至報廢全生命周期的數據。在管道全生命周期中數據種類不斷豐富，包括結構化的管道基礎數據、半結構化施工文件、非結構化漏磁信號等，充分收集、整合這些數據，進行多維度時空數據的管理有利于管道設計的改進和運維中各項工作的開展。

3.3 數據對齊

數據對齊是管道數據管理的關鍵技術之一，是從數據到信息的關鍵步驟。以內檢測數據產生慣性測量單元（IMU）和在線檢測（In-lineInspection）數據為例，可與管道建設期的基線檢測評價和運營期的數據對齊，從而滿足多種需求：滿足建設期竣工圖紙完整性管理專篇與運營期高后果區與風險評價成果的對比分析要求;滿足現場工作圖紙需求;滿足內檢測工作開展前數據收集需求;滿足缺陷評價中的數據需求，避免發生誤開挖;滿足修復中缺陷定位的需求，并可對管道缺陷發展趨勢進行預測;滿足主控風險因素的對比分析，從而調整管理運行策略的需求等等。

4發展趨勢

4.1 智能感知前端

在感知技術方面，一是加強提高傳感器精度，擴大傳感器的范圍。二是通過互聯網技術擴大感知范圍，特別是要篩選感知范圍，識別有用信息。三是通過多源信息耦合，提高智能感知能力。

管道運行過程中不斷產生數據，這些數據主要是低密度、低價值數據，無須實時采樣、存儲、并傳輸到數據中心。切實可行的辦法是對這些數據進行就地處理，只存儲和上傳結果信息，避免海量數據擁塞數據中心，并將這些初步結論作為調度人員輔助判斷的依據。如：無人機拍攝的視頻采用機載芯片進行就地處理和比對，只實時上傳新增的第三方施工、占壓等信息。

4.2 云計算技術

對于管道完整性數據管理，云計算未來的主要目標是數據的存儲和分析。通過基礎設施云化，整合現有的服務器、存儲等基礎設施，統一管理調度平臺，并在此基礎上建設并行程序的設計和開發環境，結構化海量數據的分布式存儲管理系統、海量數據分布式文件系統以及實現云計算的其他系統管理工具，最終實現整合資源、提高系統可靠性、降低系統投資與維護成本的目標，更好地為管道完整性管理服務。

4.3 管道物聯網

管道物聯網未來的應用目標是基于物聯網技術，將感應器嵌入到油氣管道、設備設施、環境敏感點及管道檢測設備、維搶修機具中，將分布著末梢神經的智能管網與現有的信息網整合起來，利用能力強大的數據中心計算資源，對系統內的人員、管道、設備設施實施實時管理和控制。通過對實時、精確的傳感數據進行動態分析，實現風險的預控和工藝的優化，確保管道安全、高效運行。

4.4 大數據分析與智能診斷技術

基于管道完整性的大數據，從數據挖掘與知識發現的角度，針對管道基礎數據、周邊地理環境數據、管道生產運行數據、管道檢測評價數據、管道安全防護數據以及氣象地災預警數據等進行抽取、整合及轉化，利用機器學習算法和大數據計算框架，建立基于大數據的運行決策支持模型，實現聚類分析、關聯分析、熱點分析、趨勢預測，為管道生產運行中的投資計劃、資源利用及人員調配提供優化建議，已經成為當前管道大數據分析的熱點。

在智能決策方面，科研人員需要充分了解知識網絡，建立人機混合智能綜合決策模型。當下，特別是隱性知識挖掘、管網可靠性計算、管網全局全時段仿真及優化模型、智能化決策模型等技術需要突破。如依據管道內、外檢測及相關數據，實現內外檢測數據關聯分析、管道外防腐層老化狀態預測、管道本體腐蝕增長預測及維修策略的優化。

4.5 數字孿生技術

管道數字孿生以資本和流程為核心，利用傳感器、物理模型、運行歷史等數據，集成多學科、多物理量、多概率的仿真過程，將管道數據以3D形式呈現，在虛擬信息空間中對物理實體進行鏡像影響，反映物理實體行為和狀態的全生命周期過程。管道重點區域可以熱圖的形式呈現，用戶可觀察區域中的小凹痕、裂縫、腐蝕區以及由地面移動引起的管道應變等潛在危險。管道數字孿生技術還可對管道周邊的邊坡測斜儀進行全息展示，用戶可清晰觀測管道隨地面運動而發生的移動情況。通過多系統融合深入發掘數據價值，實現管道可視化運行、設備拆解培訓、指導維檢修作業及應急搶險作業等，為實現管網智慧化運營奠定數據基礎。

5 結論

隨著完整性管理技術的發展與深化，不斷積累的數據將成為企業核心資產。從風險專家評估轉變為數據分析人員分析風險，再發展成為基于大數據智能分析、決策的完整性管理，將從宏觀到微觀各層面為管道全生命周期完整性管理帶來深刻變革。

（作者單位：天津市大港油田天津煉達集團有限公司）