基于物聯網技術的海上油田綜合能源管理系統架構

翟華，聞若彤，盧錦玲

基于物聯網技術的海上油田綜合能源管理系統架構

翟華1，聞若彤2，盧錦玲2

（1. 中海石油（中國）有限公司天津分公司，天津 300452； 2. 華北電力大學 電氣與電子工程學院，河北 保定 071003）

海上風能、太陽能資源豐富，且海上油田生產過程中的伴生天然氣，為海上油田綜合能源系統的建設提供了必要條件。受自然環境條件的限制，海上油田綜合能源系統的能量管理必須向著智能化方向發展。在此背景下，在海上油田綜合能源系統物理框架的基礎上，構建了基于物聯網技術的海上油田綜合能源管理系統，通過物理系統和信息系統的深度融合，推動海上油田綜合能源系統的智能化建設。從全面感知、網絡互聯、管理平臺及智能應用等方面分析了物聯網技術在海上油田綜合能源系統中的定位和作用，并闡述了基于物聯網技術的海上油田綜合能源管理系統在系統規劃分析、優化運行和決策評價方面的具體應用，闡明其可有效提高系統優化配置資源能力、安全運行能力和智能互動能力。

海上油田；物聯網技術；綜合能源管理系統；智能應用

0 引言

近年來我國的油氣需求量不斷上升，僅針對陸地油田進行開發已難以滿足實際需求。當前我國正大力推行海洋強國戰略，不斷擴大對海洋資源的開發和利用規模，因此海洋工程己成為解決當下能源資源危機的重要手段[1]。目前海洋石油開采量不斷增大，而海上油田綜合能源系統作為海上石油平臺的能源供應基礎保障，直接影響海洋工程的開展，所以密切結合工程需求，開展海上油田綜合能源系統研究，對科學高效開發海洋資源具有重要意義。

隨著海上油田綜合能源系統規模不斷地擴大，其網絡拓撲與運行情況的復雜性以及調度管控工作難度也隨之增加。在這種情況下粗放式的能量管理模式不但降低了系統的安全性，也增加了系統的運行成本。隨著自動化控制技術的迅速發展，為了保證海上油田綜合能源系統安全、經濟運行，海上石油平臺近年來開始逐步加裝能量管理系統[2]。文獻[3]介紹了海上某油田的電網組成，并闡述了海洋石油平臺電力組網的能量管理系統的應用架構、組成和控制策略。文獻[4]針對海上石油平臺電力系統的特點，將其與智能電網的基本理念相結合，詳細論述了能量管理系統的設計方法。

傳統海上石油平臺的能量管理系統只可對其進行基本監測和控制，智能化水平不高。近年來隨著物聯網技術的發展，傳感技術、通信技術以及計算技術都有了很大進步。通過配置各種傳感器以及智能交互終端，實時采集數據信息，并結合多種通信方式，可形成油田群物聯網絡，使人、機、物緊密相連，增強設備的感知、分析與控制能力，提升油田的生產效率及智能化水平。文獻[5]對物聯網技術在海上油田后勤支持碼頭中的實現與應用進行了探究。文獻[6]結合海上石油平臺的實際情況，利用物聯網技術構建了海上油田群的物聯網絡和數據中心。

本文結合目前的研究成果，構建了基于物聯網技術的海上油田綜合能源管理系統，是現有海上石油平臺信息系統的全面提升，可實現海上油田電、熱、氣等能源子系統的協同調度以及系統能量流和信息流的一體化融合。從全面感知、網絡互聯、管理平臺及智能應用等方面深入研究物聯網技術在海上油田綜合能源系統中的作用，為海上油田綜合能源系統規劃分析、優化運行以及決策評價提供數據支撐和決策支持，保障海上石油平臺的安全穩定和經濟高效運行，并促進物聯網技術以及綜合能源管理系統在智能化油田建設領域的推廣應用。

1 海上油田綜合能源管理系統

基于物聯網技術的海上油田綜合能源管理系統是面向海上油田綜合能源系統的新一代信息物理系統，由物理層和信息層組成。可通過多種能源系統的協同調度以及信息與物理系統的深度融合，實現海上油田綜合能源系統全環節物物互聯、全時空網絡覆蓋、全數據高效管理、全方位智能應用，推動多能協同、信息共享的海上油田綜合能源服務平臺建設，提升系統的能源利用效率。

1.1 海上油田綜合能源管理系統物理層

物理層是海上油田綜合能源管理系統的基礎，是信息互聯系統的承載體，主要包含與能源生產、轉換、存儲、消費等相關的實際物理設備，可實現各類能源的橫向多能互補，以及源–網–荷–儲的縱向高度協調，其架構如圖1所示。

圖1 海上油田綜合能源管理系統物理層架構

維持海上油田正常運行的一次能源主要是石油和天然氣，二次能源主要是電能和熱能。電能一般由燃氣輪機發電機組或者柴油發電機組生產，供應各類用電負荷以實現平臺的正常生產與生活。熱能一般由煙氣余熱回收裝置產生，用于原油、注水、化學藥劑等介質的加熱[7]。近年來海上石油平臺逐步引入了風能、太陽能等海上充足的可再生能源，不僅增加了海上油田綜合能源系統的電能容量，還減少了對海洋生態環境的污染[8]。

1.2 海上油田綜合能源管理系統信息層

信息層基于物聯網技術實時在線連接海上油田綜合能源系統各環節中的人、機、物，構建包含全面感知層、網絡互聯層、管理平臺層和智能應用層的泛在物聯網體系，實現能量流和信息流的一體化融合，提升系統運行控制和調度的智能化水平，提高能源子系統之間的互動能力，其架構如圖2所示。

海上油田綜合能源管理系統可采用“生產平臺+陸岸終端”的半海半陸開發模式，進行海陸一體布局[9]。在海上石油平臺可部署傳感單元、智能感知終端以及各類通訊設施，對海上油田綜合能源系統的生產與運行數據進行采集和傳輸。在陸上可設立控制中心，其既是海上石油平臺生產工作的信息中心，又是生產工作實施的指揮中心。通過陸上控制中心可對海上石油平臺的生產和運行情況進行監測和控制，并對產生的信息數據進行處理和分析，然后將控制指令傳達給各生產環節，實現智能化的決策和控制。

圖2 海上油田綜合能源管理系統信息層架構

2 海上油田綜合能源管理系統的物聯網體系

2.1 全面感知層

全面感知層是海上油田綜合能源管理系統的數據入口和控制出口，由智能傳感單元、智能感知終端和邊緣數據中心組成，其結構如圖3所示。全面感知層支持海量終端設備接入，可利用先進的傳感測量技術采集和監測海上油田綜合能源系統中各個環節的能源對象、物理對象和社會對象的信息，并通過邊緣計算技術對數據信息進行本地處理，實現橫向數據賦能共享與縱向數據高效流動。

圖3 全面感知層架構

2.1.1 智能傳感單元

智能傳感單元由一系列傳感設備和數據采集設備構成，既可采集結構化的狀態量、電氣量、物理量等數據，也可采集聲音、圖像、視頻等非結構化數據。在海上油田綜合能源系統中可設計多個智能傳感單元，對系統中的各類信息進行采集，實現全方位的系統感知。環境信息傳感單元包含溫度傳感器、濕度傳感器、風速傳感器、光照度傳感器等，可對海上石油平臺的環境溫度、濕度、風速、光照強度等信息進行采集，并用于設備日常維護、可再生能源出力分析等方面；設備狀態傳感單元包含轉速傳感器、電壓傳感器、電流傳感器、振動傳感器等，可對海上石油平臺上設備的轉速、電壓、電流、振動等信息進行采集，并用于設備運行狀態監控、故障診斷等方面；用戶負荷傳感單元包含攝像設備、功率傳感器等，可對海上石油平臺中用戶的用能行為、用能功率等信息進行采集，并用于用戶用能特征分析、系統負荷預測等方面；管道參數傳感單元包含壓力傳感器、流速傳感器、流量傳感器等，可對海上石油平臺管道壓力及管道內液體的流速、流量等信息進行采集，并用于生產狀況監測、油井產量分析等方面。

2.1.2 智能感知終端

智能感知終端負責匯聚各類傳感單元采集的信息，并具備設備管理、控制管理、安全管理和通信管理等功能。設備管理功能可實現物聯網異構設備接入及設備狀態管理，支持各類傳感單元的接入與靈活擴展。控制管理功能可實現設備事件和遠程控制命令的管理及設備的調度，可接受邊緣數據中心的控制命令，對各類智能傳感單元進行調控。安全管理功能可對數據進行加密解密，極大地避免數量眾多的智能傳感單元接入物聯網帶來的安全風險。通信管理功能可與各智能傳感單元進行通信，同時與上級邊緣數據中心進行數據交互，從而實現系統內數據的多向流動和數據共享。

2.1.3 邊緣數據中心

邊緣數據中心位于靠近感知終端的網絡邊緣側，是集網絡、計算、存儲為一體的分布式開放平臺，可高效協同管理終端設備，并通過骨干網絡實現區域互聯以及與管理平臺層進行通信。邊緣數據中心運用邊緣計算技術實現計算資源下沉，將計算、分析與控制本地化，就近提供邊緣智能服務，可滿足海上油田綜合能源管理系統在用戶隱私保護、實時快速響應、數據優化處理等方面的需求[10]。同時邊緣數據中心將計算任務從主站遷移到臨近源數據的邊緣設備上，可減輕主干鏈路帶寬負載，有效避免大規模數據在主干鏈路形成擁堵，并分流管理平臺層的計算任務，降低管理平臺層的通訊和計算壓力，提升數據處理的實時性。

2.2 網絡互聯層

網絡互聯層為數據傳輸提供通道，可將全面感知層處理過的大量數據安全高效地上傳至管理平臺層，同時將相應的控制運行指令向下傳遞，實現海上油田綜合能源系統各環節網絡全覆蓋。網絡互聯層的通信技術可分為兩類，一類是以光纖通信和工業以太網為主的有線網絡通信技術，另一類是以低功耗廣域網為主的無線網絡通信技術，如圖4所示。

圖4 網絡互聯層的通信技術

利用先進的網絡通信技術，構建多介質傳輸及多協議共享的海陸一體化網絡，可實現海上石油平臺之間以及平臺與陸地之間數據的穩定傳輸。而無線通信與有線通信相比，占地面積小，投入成本低，是海上石油平臺的理想選擇[11]。且與有線通信相比，無線通信更加多樣化，拓撲結構種類更多，組網能力更強。因此無線通信將在海上油田綜合能源管理系統中發揮重要作用，無線通信又可分為短距離無線通信和遠距離無線通信。

2.2.1 短距離無線通信

短距離無線通信主要是指智能交互終端之間的短距離通信方式，適用于物聯網全面感知層中的各類傳感單元、智能感知終端以及邊緣數據中心之間的組網與通信。常用的短距離無線通信技術有ZigBee、RFID、藍牙等。

ZigBee技術具有功耗低、成本低、連接廣、安全可靠的特點，適用于小范圍智能終端的數據獲取場景，如在海上石油平臺可利用ZigBee技術對配電盤內重要節點的溫度數據進行實時傳輸[12]。RFID技術具有雙向交互、讀寫迅速、適應性強、可重復性高的特點，適用于對設備編碼或設備狀態信息自動識別的場景，如對海上石油平臺設備巡檢時，可通過RFID模塊采集設備標簽信息，完成巡檢點信息識別[13]。藍牙技術具有移植性強、抗干擾能力強、擴展性強的特點，還可進行圖像和音頻的傳輸，適用于短距離移動設備終端的數據獲取場景，如可將采集的油井數據分成若干個藍牙包，在短距離范圍內，應用藍牙技術對油田現場數據進行傳輸[14]。

2.2.2 遠距離無線通信

遠距離無線通信主要是指海量智能交互終端與陸上控制中心之間的遠距離通信方式，適用于物聯網全面感知層與管理平臺層之間的通信。常用的遠距離無線通信技術有4G、LoRa、GPRS等。

4G技術具有高速率、高靈活性、高兼容性的特點，可改善由于海面環境而引發的信號衰落問題[15]，適用于海上油田綜合能源系統中密集狀態感知、高清視頻與圖像實時傳輸等場景，如利用4G技術可實現海上石油平臺大面積無線覆蓋，為移動終端通信、應急圖像傳輸、區域內聯網辦公等應用實現打下堅實基礎[9]。LoRa技術具有傳輸距離遠、建設成本低、電池壽命長、組網靈活的特點，適用于位置偏遠或缺少運營商基站覆蓋的場景，如可采用LoRa技術實現海上油田生產中的助航設備狀態監控數據的傳輸[16]。GPRS技術具備按量計費、高速傳輸、實時在線等特點，可用于少量、頻繁的數據傳輸或者突發性的、間斷的數據傳輸，適用于智能抄表、通信監控、配網自動化等場景，如可利用GPRS技術將海上油田自控信息系統所采集時設備運行參數及生產數據及時快速地傳輸到中央服務器[17]。

2.3 管理平臺層

管理平臺層具備超大規模數據統一管理和高效處理能力，依托全面感知層收集的海量數據，構建大數據、云服務、數據挖掘以及人機交互平臺，為智能應用層提供云大物移智服務，實現海量數據的快速處理，提高系統運行控制的智能化水平，其結構如圖5所示。

圖5 管理平臺層架構

2.3.1 大數據平臺

大數據平臺可對海上油田綜合能源系統內部運行數據及外部環境數據等結構化和非結構化數據進行匯集、預處理與高效存取，形成統一的數據管理平臺，為上層應用提供全方面的數據支撐。

大數據具有類別多、體量大、價值高、增速快等特點。海上油田綜合能源系統中的數據源覆蓋能源生產、傳輸、存儲、消費各個環節，系統在規劃與運行過程中產生了海量數據，同時也受許多外部數據的影響，如天氣、政策、環境、用戶特征等，這些數據共同構成了海上油田綜合能源系統中的大數據。

在數據采集過程中，受環境、天氣以及設備狀態的影響，不可避免地存在噪聲或丟失數據。因此需要對采集的數據進行預處理，如填充缺失值、光滑噪聲數據等。然后再通過數據標準化、規范化等方式將數據進行壓縮變換，轉換成統一格式存儲。

將預處理后的數據導入到數據庫中，以實現對數據的高效存取和統一訪問，如以列式數據庫存儲歷史數據、以時序數據庫存儲時標數據、以內存數據庫存儲實時數據、以關系型數據庫存儲各類模型參數、以分布式文件系統存儲運行日志及操作規程等文本數據[18]。

利用大數據平臺可將海上油田綜合能源系統中的不同數據源集成到同一平臺，將分散的資源集中，將無序的數據整理有序[19]，同時利用大數據平臺可加強數據標準化建設，提高數據的整體質量，提升數據的存取效率，減少數據沖突和數據冗余。通過構建數據湖、建立數據標準以及數據共享體系，提高數據庫的規范性、可用性，有效解決海上油田綜合能源系統數據源多、孤立應用多、“數據孤島”現象嚴重等問題[20]，促進一體化數據融合，使數據以數據服務的方式穩定高效支持應用。

2.3.2 云服務平臺

云服務平臺是能源基礎設施結合先進網絡通信與信息技術構建的能源信息一體化平臺，通過對海上油田綜合能源系統能源生產、傳輸、存儲、消費等各環節的云端管理，實現各類要素的互聯互通，為系統管理者提供靈活智能的按需能源服務，包括基礎設施即服務、平臺即服務和軟件即服務等[21]。

基礎設施即服務（infrastructure-as-a-service，IaaS）是指將物理資源虛擬化，建立存儲資源池、網絡資源池和計算資源池，提供存儲空間、網絡資源、硬件設備和操作系統等信息技術資源。系統管理者可通過基于云服務的接口訪問和管理這些資源。

平臺即服務（platform-as-a-service，PaaS）是指為開發、測試和部署軟件應用程序提供解決方案和運算平臺。PaaS既可依據系統業務要求實時調用IaaS層的信息技術資源，又可為SaaS層提供各種標準的服務接口和適宜的開發環境。

軟件即服務（soft-as-a-service，SaaS）是指面向綜合能源系統管理者提供穩定的在線應用軟件，可根據其需求進行個性化定制，只需使用網絡接口便可訪問應用軟件，支持隨時隨地、按需便捷地獲取共享信息、調用共享資源。

利用云服務平臺可為海上油田綜合能源管理系統提供一個安全穩定的工作環境，實現網絡計算標準化、管理接口標準化以及軟件開發標準化[22]，同時云服務平臺可以根據海上油田綜合能源管理系統的不同需求提供針對性的服務，為其創造一個資源公用且開放的平臺[23]。通過對系統中的各種資源進行映射，上傳至對應領域的資源池，將各種資源歸結到一起，采用統一調度方法，結合資源需求特性，實現實體資源和虛擬資源的一體化調度，讓資源能夠得到合理的分配，促進資源共享，提升資源利用率。

2.3.3 數據挖掘平臺

數據挖掘平臺建立在大數據平臺和云服務平臺的基礎上，可利用以機器學習、深度學習、專家系統、知識圖譜等技術為支撐的新一代人工智能技術進行大數據挖掘。數據挖掘平臺采用“物理模型+規則知識+數據驅動”的方式[24]，通過對物理模型的改進、對規則知識的學習以及對歷史數據的訓練，為上層應用提供模型、算法和技術支持。

海上油田綜合能源系統運行的不確定性顯著增強，僅基于物理模型的建模方式已不適用于海上油田綜合能源系統。例如在光伏發電等方面，難以對所有個體進行建模，可利用機器學習算法基于歷史數據對其整體特性進行分析。常用的機器學習算法有K近鄰算法、支持向量機、決策樹、人工神經網絡、隨機森林等。

海上油田綜合能源系統中用戶的用能行為也呈現出較大的不確定性，準確提取用戶的用能特征和預測用戶的用能負荷對于系統能量平衡具有重要作用。可利用深度學習算法基于歷史數據對用戶用能行為進行分析。常見的深度學習算法有卷積神經網絡、循環神經網絡、深度置信網絡、堆棧自編碼網絡等。

海上油田綜合能源系統中的故障處置規程和日常調度操作均是系統運行經驗和知識的累積，在現有調度規程和操作規范的基礎上，可利用自然語言處理技術對日志、文本進行學習，基于海量運行案例，構建全業務知識圖譜以及標準化、智能化的專家知識庫，并將形成的知識化表達的規則庫嵌入到調度控制系統的分析軟件當中。

利用數據挖掘平臺可將新一代人工智能算法包裝成算法包，方便管理人員直接調用，快速挖掘海上油田綜合能源系統大數據中隱含的價值，將采集的海量數據轉變為實時信息。目前數據挖掘平臺廣泛應用的研發框架有Tensor Flow、Keras、Pytorch、MXnet等，這些框架均支持Python語言編程和GPU并行運算，可實現全連接神經網、卷積神經網、生成對抗神經網等復雜程序，解決分類、降維、聚類、回歸等不同類型的問題[25]，可應用于海上油田綜合能源系統的風光出力預測、負荷預測、故障診斷等方面。

2.3.4 人機交互平臺

人機交互平臺具備人臉識別、信息檢索、智能構圖、語音調控等功能，呈現出智能化、友好化和互動化的特點，可為信息查詢、數據統計及日常調度操作提供便捷手段，代替以往人工查詢和統計的繁瑣過程。

人臉識別功能即人機交互平臺可通過攝像頭獲取登錄者的影像信息，然后利用人臉識別技術對登錄者的身份進行鑒別，并根據登錄者的權限訪問和調控對應的資源，極大地簡化了口令、密碼等輸入認證過程。

信息檢索功能即人機交互平臺配備有功能強大的智能搜索引擎，可根據用戶的要求對系統中的基礎數據、運算結果和操作規程等信息進行查詢、分析和加工，然后推送最能滿足用戶需求、最有價值的信息。

智能構圖功能即人機交互平臺可根據調度系統展示風格要求，采用基于機器學習的智能構圖技術，自動形成面向多個場景的圖表和動畫，如：海域圖、工藝流程圖、平臺布置圖、油井工況圖等，使信息得到更加直觀的展示，保證油田生產的連續性。

語音調控功能即用戶可通過語音調控進行信息檢索、畫面操控及調控指令輸入，人機交互平臺通過語義分析、語義理解和興趣識別等步驟領會用戶的意圖，并實現畫面縮小放大、關閉當前畫面、打開指定畫面以及畫面切換等動作。

利用人機交互平臺可依托現有的數據庫、云平臺和專業軟件，實現海上油田綜合能源系統中各類數據的圖形化展示與對比分析，提升數據查詢、數據瀏覽和數據檢索的高效性、便捷性。同時人機交互平臺可將點、線、面、體數據有機結合，實現平面、剖面、柱狀地質圖件快速可視化集成展現與在線交互分析，面向油氣預探、油藏評價、油氣田開發等專業領域，提供在線分析工具、專題圖快速繪制、三維可視化等技術服務[26]，有效提升了系統的自動化、智能化水平。

2.4 智能應用層

智能應用層利用管理平臺層提供的大數據、云服務、數據挖掘、人機交互等技術為海上油田綜合能源系統的規劃分析、優化運行和決策評價提供應用支持，其主要功能有風光出力預測、電熱負荷預測、故障智能診斷、設備遠程控制等。

2.4.1 風光出力預測

對海上油田綜合能源系統中的風電、光伏等可再生能源的輸出功率進行合理預測，可降低可再生能源并網對海上油田綜合能源系統的影響，促進可再生能源的消納，獲取更高的經濟利益和社會效益。針對可再生能源具有間歇性、隨機性和不確定性的特點，可基于物聯網技術獲取海上油田綜合能源系統的天氣、環境、地理位置和歷史數據等調度大數據，并結合新一代人工智能算法，通過自主學習方式分析和發現數據內部規律，得到各影響要素與可再生能源出力的關系，對可再生能源的輸出功率進行預測。如可利用物聯網技術獲取海上油田綜合能源系統風力發電功率的歷史數據，并通過奇異譜分析對風力發電功率的歷史數據進行降噪處理，然后基于長短時記憶網絡進行風力發電功率預測模型的訓練，預測短期風力發電功率[27]。也可通過物聯網技術獲取天氣、溫度、輻照度等影響海上油田綜合能源系統光伏發電功率的數據并對其進行分析，再結合BP神經網絡建立光伏發電功率短期預測模型[28]。

2.4.2 電熱負荷預測

對海上油田綜合能源系統中的電熱負荷進行準確預測，有利于合理安排生產調度計劃，維持系統供需平衡和安全平穩運行。基于物聯網技術廣泛獲取負荷側信息，同時利用新一代人工智能技術對供用能數據進行全面分析，可有效識別海上油田用戶群體的行為模式和用能特征，實現用戶用能行為的強關聯因素辨識，在此基礎上結合海量歷史數據對電熱負荷進行精準預測。如海上石油平臺的大功率負荷主要有原油外輸泵、注水泵、燃氣壓縮機、熱介質循環泵等，其余負荷還包括平臺日常生活用電、中央空調、加熱裝置等，這些共同構成了海上油田綜合能源系統的電熱負荷。可利用物聯網技術獲取各類設備的運行數據以及工作人員的日常用能數據，并分析得到與系統電熱負荷高相關的強關聯因素作為預測建模的輸入向量，然后可利用灰色數學預測法、神經網絡預測法、模糊負荷預測法等算法進行系統電熱負荷預測[29]。

2.4.3 故障智能診斷

對海上油田綜合能源系統中的各類設備進行故障智能診斷，可實時準確地反映海上油田綜合能源系統中設備的運行狀態，提高系統的安全運行水平。基于物聯網技術可實現海上油田綜合能源系統中各類設備的智能巡檢和視頻監控，首先提取設備特征參數，并通過閾值判斷來評估設備運行的風險水平，然后利用新一代人工智能技術，對巡視管理數據、設備運行數據和視頻圖像等進行分析處理，尋找設備信息間的關聯關系，判斷可能的故障位置和類型。再結合專家知識庫和知識圖譜技術，自動查找有關于該故障的信息表，通過映射關系調用解決方案輔助系統運維決策。如可利用物聯網技術對海上石油平臺中注水泵的軸承溫度、電流、電壓、軸承振動速度值等進行實時監測，并進行高值報警。同時通過對采集的機組振動信號數據進行頻譜分析、包絡分析、時域分析、歷史對比分析等，發現設備存在的具體故障形式，再結合專家知識庫，獲取該類故障的解決方案，實現對注水泵機組的故障智能診斷[30]。

2.4.4 設備遠程控制

對海上油田綜合能源系統中的各類設備進行遠程控制，全面加強人機交互與人機合作，可開啟海上石油平臺管理的新模式，提高海上石油平臺的運行管理效率。物聯網技術可通過對各類信息的融合，實現海上油田綜合能源系統生產數據的全面采集與展示，并將其傳輸到管理云系統，以便陸上控制中心能夠實時查看各類生產數據并進行對比分析，對設備運行狀態進行實時評估。然后陸上控制中心可將控制策略以程序指令的形式傳達給各生產環節，并通過多個傳感器、變送器、控制器、關斷閥等，實現系統中各類設備、儀器的統一控制以及遠程操作[31]。如在安裝電機控制設施后，便可通過物聯網技術實現油井設備的遠程控制和啟停操作，調度人員在陸地控制中心就可以對油井設備進行遠程監視和控制，并對海上石油平臺進行安全管理。如果采油平臺出現了故障，調度人員可以先遠程停泵，避免故障延伸，然后再派專業人員到現場進行維修，實現智能化的決策和控制[32]。

3 海上油田綜合能源管理系統的應用

海上油田工程建設投資巨大，對其進行合理規劃和優化設計是降低海上油田開發成本，提高系統運行效率的關鍵。基于物理網技術的海上油田綜合能源管理系統體現了信息流和能量流的深度耦合，可實現系統內部信息共享，使信息流貫穿于海上油田綜合能源系統規劃分析、優化運行及決策評價的全過程，為系統管理者提供多維、直觀、全面、深入的系統信息，輔助電、氣、熱等多種能源系統的高效協同運行，其具體應用如圖6所示。

圖6 海上油田綜合能源管理系統的應用

3.1 海上油田綜合能源系統規劃分析

海上油田綜合能源系統規劃分析是指根據海上石油平臺電熱負荷的預測值，綜合考慮設備的造價成本以及平臺的生產特點、燃料結構、地理位置、環境因素等基本條件，對能源生產、轉換、存儲、傳輸等設備進行選型和定容。在設備的選型上可優先考慮燃料適應性寬、操作難度較小、環境適應能力較強、投入成本和操作成本較低的設備。而裝機容量可根據油田開發規模、總體開發方案、長遠發展需要等因素來確定。

基于物聯網技術的海上油田綜合能源管理系統能夠較為全面地反映海上油田能源資源與能源生產、輸送、消費等方面的信息。通過將可再生能源出力情況、系統設備和線路參數、電熱負荷需求、周圍環境參數等數據進行有效整合，將系統規劃分析所需的數據信息匯總到云端，并利用新一代人工智能算法求解規劃模型，得到較為精確的運算結果，輔助系統規劃分析。同時可利用人機交互技術展示系統規劃方案的可行性、經濟性，并在多個方案中進行選擇及優化。例如可將基于物聯網技術的海上油田綜合能源管理系統應用于新建海上石油平臺或多個海上石油平臺互聯時網架連接方式和發電機配置方式的選擇，具體包括海上石油平臺發電機配置數量、海纜連接方案、已有海纜的增強方案、新建海纜的線徑選擇等[27]。

3.2 海上油田綜合能源系統優化運行

海上油田綜合能源系統優化運行是指在系統網絡結構、設備型號和容量固定時，基于可再生能源發電出力預測以及電熱負荷需求預測，優化系統中的控制變量，在滿足約束條件的情況下，使設定的目標函數為最值。海上油田綜合能源系統優化模型的目標函數可為系統運行成本、網絡損耗、污染物排放量等，約束條件包括設備出力約束、儲能容量約束、海纜功率約束、潮流平衡約束等。采用非線性優化求解方法得到系統的優化運行策略，包含機組出力、變壓器分接頭、無功補償裝置輸出等，從而實現系統的經濟高效運行。

基于物理網技術的海上油田綜合能源管理系統可對海上石油平臺的各類設備和能源網絡進行精細化建模。各類智能感知終端的大規模部署以及4G等高速通信網絡的互聯互通，提高了系統的可觀測水平，為提高海上油田綜合能源系統模型中參數的辨識精度和準確度提供了數據資源基礎和計算資源保障。在此基礎上，基于物聯網技術的綜合能源管理系統可利用各類傳感單元采集系統用能信息、外部環境信息、設備狀態信息等，并通過物聯網平臺的大數據、云服務、數據挖掘等技術，進行可再生能源出力預測和電熱負荷預測，輔助綜合能源系統優化運行決策。例如調度員可根據可再生能源出力及電熱負荷的變化情況對海上油田綜合能源系統的發電機組和燃氣輪機組出力進行調整，設計合理的機組啟停計劃和出力方案，通過對可再生能源、儲能設備、發電機組、燃氣輪機組的協調優化，輔以變壓器、無功補償裝置等可調設備，實現海上油田綜合能源系統有功及無功的最優分配[33]，并根據系統中各設備的運行實時數據，對設備進行遠程控制，調整設備的實際出力情況，在降低發電耗氣量及網損的同時也保證節點電壓穩定在安全水平。

3.3 海上油田綜合能源系統決策評價

在海上油田綜合能源系統建成運營后需對該系統的運行決策方案進行評價，可從可靠性、適應性和經濟性3個方面對其進行綜合評價。可靠性是評價海上油田綜合能源系統設計優劣的首選參考指標，海上油田綜合能源系統的電、氣、熱多能耦合特性突出，系統的可靠性受設備運行狀態、設備使用壽命以及系統外部環境等多種不確定因素影響更顯著，其可靠性建模及分析過程更加復雜。適應性是評價海上油田綜合能源系統能否適應當地海域工程模式的重要指標，涉及到選取的工程模式是否符合當地開發的相關要求，儲油運輸方式是否符合技術管理水平，當地的技術水平能否滿足平臺的運營要求等方面[34]。經濟性也是對海上油田綜合能源系統進行綜合評價的重要指標之一，經濟性評價的主要目的是在可靠性評價和適應性評價的基礎上，對海上油田綜合能源系統規劃方案的經濟效果進行預判，通過多個方案的對比分析，論證規劃方案的經濟可行性[35]。

基于物聯網技術的海上油田綜合能源管理系統可利用物聯網技術的態勢實時感知和快速響應，獲取系統傳輸能力、能源供應情況、安全和可靠性水平等重要信息，結合集合運算、神經網絡、數據包絡分析等新一代人工智能技術，從可靠性、適應性、經濟性等方面構建綜合評價體系，對系統的運行決策方案進行評價，并可通過對比分析尋找方案缺陷，對方案加以改進。例如海上油田綜合能源管理系統可基于全系統可靠性評估理論，建立全系統可靠性指標體系，對系統的可靠性進行評價[35]，也可選取地方法規、儲油及外輸方式、技術管理水平及偏好、建造和安裝能力等指標對系統的適應性進行評價[35]，或選取初期建設費用、日常維護費用、故障維修費用、生產經營收入等指標對系統的經濟性進行評價[35]。利用基于物聯網技術的海上油田綜合能源管理系統對系統進行綜合評價可使評價更加客觀真實，且有效避免了單一指標評價不全面的缺陷，為海上油田綜合能源系統工程方案優選提供一種更加全面、系統的方法。

4 結論

基于物聯網技術的海上油田綜合能源管理系統本質上是依托先進信息傳感技術獲取系統中的各類數據，通過數據信息的交互共享與價值發掘，以數字革命驅動能源在生產、傳輸、消費等環節效率與效益的提升，實現對海上油田群的集中、動態和數字化管理。

本文構建的基于物聯網技術的海上油田綜合能源管理系統，可對海上油田綜合能源系統各環節進行全面感知并對數據進行實時傳輸，實現現場對象與管理者間的互聯互通，并可利用大數據、云服務、數據挖掘、人機交互等技術，實現風光出力預測、電熱負荷預測、故障智能診斷、設備遠程控制等智能應用，為海上油田綜合能源系統規劃分析、優化運行和決策評價提供數據支撐和決策支持，有助于打造安全、穩定、高效的海上油田綜能源合系統，提升平臺精細化管理和智能化管理水平，推進海上油田平臺的智能化建設，促使我國海上油田事業實現良性發展。

[1] 張鵬翔. 海上油田群電網短期負荷預測研究[D]. 成都: 西南石油大學, 2018.

[2] 趙希寶. 淺談海上油田孤島電力系統狀態估計的必要性[J]. 科技創新導報, 2020, 17(20): 41-42. ZHAO XIBAO. A talk about the necessity of state estimation of offshore oil island power system[J]. Science and Technology Innovation Herald, 2020, 17(20): 41-42(in Chinese).

[3] 李萬炯, 陳豐波, 劉歡. EMS系統在海上油田微電網中的應用[J]. 中國石油和化工標準與質量, 2020, 40(17): 159-160. LI WANJIONG, CHEN FENGBO, LIU HUAN. Application of EMS system in offshore oilfield microgrid[J]. China Petroleum and Chemical Standard and Quality, 2020, 40(17): 159-160(in Chinese).

[4] 閆肅. 海上油田群電力組網及能量管理系統設計[D]. 成都: 西南石油大學, 2014.

[5] 田永剛. 基于 Lora 的海上油田后勤支持碼頭物聯網應用實現與探究[J]. 信息技術與信息化, 2019(7): 29-33. TIAN YONGGANG. Realization and exploration of docking IoT application based on Lora’s offshore oilfield logistics support[J]. Information Technology & Informatization, 2019(7): 29-33(in Chinese).

[6] 張海鋒, 李瑋. 基于物聯網的海上油田集中管控系統的研究與應用[J]. 資源節約與環保, 2018(7): 128-131.

[7] 馬向追, 蘇恒循, 金浩, 等. 基于可視化指標看板展示的海上油田群能效評價指標體系構建研究[J]. 節能, 2020, 39(3): 37-39. MA XIANGZHUI, SU HENGXUN, JIN HAO, et al. Construction study of energy efficiency evaluation index system for offshore oilfield group based on visual indicator kanban display[J]. Energy Conservation, 2020, 39(3): 37-39(in Chinese).

[8] 肖建衛, 王高明, 齊海寧, 等. 海上石油平臺風燃互補發電孤立小電網穩定性研究及應用[J]. 中外能源, 2010, 15(10): 29-33. XIAO JIANWEI, WANG GAOMING, QI HAINING, et al. A study on the stability of isolated electric grid in which wind and gas turbine generators complement each other on offshore oil platforms[J]. Sino-Global Energy, 2010, 15(10): 29-33(in Chinese).

[9] 閔哲, 徐燕, 袁向兵, 等. 信息技術在海上油田異常情況與應急處置管理中的應用[J]. 安全?健康和環境, 2019, 19(11): 26-29. MIN ZHE, XU YAN, YUAN XIANGBING, et al. Application of information technology in offshore oilfield abnormal situation and emergency disposal management[J]. Safety Health & Environment, 2019, 19(11): 26-29(in Chinese).

[10] 孫浩洋, 張冀川, 王鵬, 等. 面向配電物聯網的邊緣計算技術[J]. 電網技術, 2019, 43(12): 4314-4321. SUN HAOYANG, ZHANG JICHUAN, WANG PENG, et al. Edge computation technology based on distribution Internet of Things[J]. Power System Technology, 2019, 43(12): 4314-4321(in Chinese).

[11] 許曉英, 金秀北. 智能無線技術在海上油田的應用[J]. 天津科技, 2011, 38(5): 68-69. XU XIAOYING, JIN XIUBEI. Application of smart wireless technology in offshore oil field[J]. Tianjin Science & Technology, 2011, 38(5): 68-69(in Chinese).

[12] 劉詩揚, 張樹健. 海上石油平臺封閉式中高壓配電盤無線測溫系統的應用研究[J]. 科技與創新, 2018, (20): 152-153. LIU SHIYANG, ZHANG SHUJIAN. Research on Application of wireless temperature measurement system for closed medium and high voltage distribution board of offshore oil platform[J]. Science and Technology & Innovation, 2018, (20): 152-153(in Chinese).

[13] 徐亮. 基于4G-LTE的海上油田智能化設備巡檢系統研究與設計[J]. 數字技術與應用, 2020, 38(5): 132-134. XU LIANG. The research and design of intelligent equipment inspection system of offshore oil fields based on 4G-LTE[J]. Digital Technology & Application, 2020, 38(5): 132-134(in Chinese).

[14] 王輝, 江厚順, 張玉華. 基于藍牙技術的油田現場數據與因特網互連[J]. 石油學院學報, 2003, 25(4): 138-139. WANG HUI, JIANG HOUSHUN, ZHANG YUHUA. Oilfield data communicated with internet based on Bluetooth technique[J]. Journal of Oil and Gas Technology, 2003, 25(4): 138-139(in Chinese).

[15] 汪少東. 4G通信技術在海上油田的研究與應用[J]. 數字化用戶, 2017, 23(39): 17. WANG SHAODONG. Research and application of 4G communication technology in offshore oilfield[J]. Digitization User, 2017, 23(39): 17(in Chinese).

[16] 顏斌. 低功耗廣域物聯網在海上油田應用淺析[J]. 科學與信息化, 2019(9): 35. YAN BIN. Application of low power wide area Internet of Things in offshore oilfield[J]. Technology and Information, 2019(9): 35(in Chinese).

[17] 趙倩. 海上油田自控信息系統設計和應用探討[J]. 信息技術與信息化, 2019(12): 50-52. ZHAO QIAN. Design and application of automatic control information system for offshore oilfield[J]. Information Technology and Informatization, 2019(12): 50-52(in Chinese).

[18] 閃鑫, 陸曉, 翟明玉, 等. 人工智能應用于電網調控的關鍵技術分析[J]. 電力系統自動化, 2019, 43(1): 49-57. SHAN XIN, LU XIAO, ZHAI MINGYU, et al. Analysis of key technologies for artificial intelligence applied to power grid dispatch and control[J]. Automation of Electric Power Systems, 2019, 43(1): 49-57(in Chinese).

[19] 張鑫, 高旺雄, 杜永波, 等. 淺談數據挖掘在油田開采中的應用方法[J]. 云南化工, 2019, 46(10): 155-156. ZHANG XIN, GAO WANGXIONG, DU YONGBO, et al. The application of data mining in oilfield exploitation is briefly discussed[J]. Yunnan Chemical Technology, 2019, 46(10): 155-156(in Chinese).

[20] 蘇健, 劉合. 石油工程大數據應用的挑戰與發展[J]. 中國石油大學學報(社會科學版), 2020, 36(3): 1-6. SU JIAN, LIU HE. Challenge and development of big data application in petroleum engineering[J]. Journal of China University of Petroleum (Edition of Social Science), 2020, 36(3): 1-6(in Chinese).

[21] 許洪強. 調控云架構及應用展望[J]. 電網技術, 2017, 41(10): 3104-3111. XU HONGQIANG. Architecture of dispatching and control cloud and its application prospect[J]. Power System Technology, 2017, 41(10): 3104-3111(in Chinese).

[22] 王磊. 油田云大數據的實踐與認識[J]. 信息系統工程, 2020(5): 126-127. WANG LEI. Practice and understanding of oilfield cloud big data[J]. China CIO News, 2020(5): 126-127(in Chinese).

[23] 梁鵬. 大數據及云計算技術在油田生產中的應用[J]. 中國管理信息化, 2020, 23(3): 92-93. LIANG PENG. Application of big data and cloud computing technology in oilfield production[J]. China Management Informationization, 2020, 23(3): 92-93(in Chinese).

[24] 楊挺, 趙黎媛, 王成山. 人工智能在電力系統及綜合能源系統中的應用綜述[J]. 電力系統自動化, 2019, 43(1): 2-14. YANG TING, ZHAO LIYUAN, WANG CHENGSHAN. Review on application of artificial intelligence in power system and integrated energy system[J]. Automation of Electric Power Systems, 2019, 43(1): 2-14(in Chinese).

[25] 李陽, 廉培慶, 薛兆杰, 等. 大數據及人工智能在油氣田開發中的應用現狀及展望[J]. 中國石油大學學報(自然科學版), 2020, 44(4): 1-11. LI YANG, LIAN PEIQING, XUE ZHAOJIE, et al. Application status and prospect of big data and artificial intelligence in oil and gas field development[J]. Journal of China University of Petroleum(Edition of Natural Science), 2020, 44(4): 1-11(in Chinese).

[26] 付鎖堂, 石玉江, 丑世龍, 等. 長慶油田數字化轉型智能化發展成效與認識[J]. 石油科技論壇, 2020, 39(5): 9-15. FU SUOTANG, SHI YUJIANG, CHOU SHILONG, et al. Achievements from digital transformation and intelligent development of Changqing oilfield[J]. Oil Forum, 2020, 39(5): 9-15(in Chinese).

[27] 龍高翔, 于慶廣, 李雪, 等. 考慮可靠性的海上油田互聯電力系統結構優化研究[J]. 電網技術, 2020, 44(12): 4677-4684. LONG GAOXIANG, YU QINGGUANG, LI XUE, et al. Structural optimization of offshore oilfield interconnected power system considering reliability[J]. Power System Technology, 2020, 44(12): 4677-4684(in Chinese).

[28] 程曉陽. 通過發電機組狀態監測實現海上油田電網安全經濟運行[J]. 電氣時代, 2019(7): 76-79.

[29] 肖振鋒, 辛培哲, 劉志剛, 等. 泛在電力物聯網形勢下的主動配電網規劃技術綜述[J]. 電力系統保護與控制, 2020, 48(3): 43-48. XIAO ZHENFENG, XIN PEIZHE, LIU ZHIGANG, et al. An overview of planning technology for active distribution network under the situation of ubiquitous power Internet of Things[J]. Power System Protection and Control, 2020, 48(3): 43-48(in Chinese).

[30] 李進. 基于振動監測的石油平臺注水泵故障診斷分析[J]. 北京石油化工學院學報, 2017, 25(2): 45-47. LI JIN. Fault diagnosis analysis of water injection pump in offshore oil platform based on vibration monitoring[J]. Journal of Beijing Institute of Petrochemical Technology, 2017, 25(2): 45-47(in Chinese).

[31] 劉漢光. 海上油田安全管理中自動化控制的運用與技術分析[J]. 中國石油和化工標準與質量, 2019, 39(6): 80-81. LIU HANGUANG. Application and technical analysis of automatic control in safety management of offshore oilfields[J]. China Petroleum and Chemical Standard and Quality, 2019, 39(6): 80-81(in Chinese).

[32] 鐘健樑. 海上油田群電網功率協調優化研究[D]. 北京: 華北電力大學, 2016. ZHONG JIANLIANG. Research on power coordinate optimization of offshore oilfield power system[D]. Beijing: North China Electric Power University, 2016(in Chinese).

[33] 馬晶. 海上油氣田工程系統評價及優化研究[D]. 北京: 中國石油大學, 2018. MA JING. Study of evaluation and optimization of offshore oil and gas field engineering system[D]. Beijing: China University of Petroleum, 2018(in Chinese).

[34] 江厚順, 劉策. 油田開發規劃決策支持系統及其在新疆油田的應用[J]. 中國海上油氣, 2004, 16(1): 26-28. JIANG HOUSHUN, LIU CE. Decision support system for oilfield development planning and its application in Xinjiang oilfield[J]. China Offshore Oil and Gas, 2004, 16(1): 26-28(in Chinese).

[35] 杜偉, 羅先覺, 王秀麗, 等. 基于全系統可靠性評估方法的海上油田群電網可靠性評估[J]. 電力系統自動化, 2020, 44(12): 108-116. DU WEI, LUO XIANJUE, WANG XIULI, et al. Reliability evaluation on power system of offshore oilfield group based on system-wide reliability evaluation method[J]. Automation of Electric Power Systems, 2020, 44(12): 108-116(in Chinese).

Integrated Energy Management System Architecture for Offshore Oilfields Based on Internet of Things Technology

ZHAI Hua1, WEN Ruotong2, LU Jinling2

(1. Tianjin Branch of China National Offshore Oil Corporation (China) Co., Ltd., Tianjin 300452, China; 2.School of Electrical and Electronic Engineering, North China Electric Power University, Baoding 071003, China)

The abundant offshore wind, solar resources and the associated natural gas in the production process of offshore oilfields provide necessary conditions for the construction of an integrated energy system in offshore oilfields. Restricted by natural environmental conditions, the energy management of the integrated energy system of offshore oilfields must be developed towards intelligence. In this context, based on the physical framework of the offshore oilfield integrated energy system, this paper constructs an offshore oilfield integrated energy management system based on the Internet of Things technology, and promotes the intelligence construction of the offshore oilfield integrated energy system through the deep integration of physical systems and information systems. This paper analyzes the positioning and role of the Internet of Things technology in the integrated energy system of offshore oilfields from the aspects of comprehensive perception, network interconnection, management platform and intelligent applications, and explains the specific application of the offshore oilfield integrated energy management system based on the Internet of Things technology in system planning analysis, optimized operation and decision evaluation. This proves that Internet of Things technology can effectively improve the system’s ability to optimize resource allocation, safe operation and intelligent interaction.

offshore oil field; Internet of Things technology; integrated energy management system; intelligent application

TM73

A

1672-0792(2021)04-0037-12

10.3969/j.ISSN.1672-0792.2021.04.006

2020-11-27

翟 華（1978—），男，工程師，研究方向為電力系統運行與控制；

聞若彤（1995—），女，碩士研究生，研究方向為多能源系統優化運行；

盧錦玲（1971—），女，副教授，研究方向為電力系統分析、穩定和控制。

聞若彤