基于數字孿生的壓氣站場設備風險智能決策系統

王金江 王舒輝 張來斌 張 哲

1.中國石油大學（北京）安全與海洋工程學院 2. 中國石油新疆油田公司呼圖壁儲氣庫作業區

0 引言

隨著能源消費結構的不斷優化，我國能源供給面臨嚴峻挑戰[1]。其中天然氣作為低成本、高熱值的清潔能源得到飛速發展，人們對其需求比重也隨之增加，導致天然氣供求失衡的矛盾現象頻發[2]。作為天然氣生產運輸過程中必備的增壓站場，天然氣壓氣站場肩負著越來越重要的作用，如同人體的“心臟”一樣，通過不斷加壓，保證天然氣的長距離輸送，保障下游天然氣的供給，擔負著保衛國家安全和經濟的重任。

如今科技發展日新月異，設備日趨大型自動化，導致壓氣站場突發事件的發生概率逐年增加，何況壓氣站場是將低壓天然氣增壓后長距離輸送的增壓站，長期運行生產必會降低系統穩定性和安全可靠性，增大站場設備風險的發生概率。因此，研究適合壓氣站場設備的風險評價技術，對保障壓氣站場安全生產運行具有極其重要的政治、經濟、文化和戰略意義[3]。目前美國道化學公司的火災爆炸指數評價法、英國帝國化學公司的蒙德法、日本厚生勞動省的六階段安全評價法以及指標體系法和模糊綜合評價法等傳統評價方法，都只是在歷史經驗辨識生產過程中可能發生重大事故基礎上，運用物理模型進行較為精準的計算，評估事故對鄰近區域人員和設備可能造成的威脅，無法對壓氣站場工藝設備提出針對其風險等級的檢測程度和頻率意見，只能是依照事后維護、定期維護和狀態維護所制訂固化的周期和內容進行檢測，這會導致工藝設備同時存在檢驗過度和檢驗不足的兩種狀態[4]。目前，國內外油氣站場風險評價主要劃分為定量風險評價和系統風險評價兩個趨勢，楊璐等[5]從失效可能和后果兩個方面，以風險等級矩陣形式評估站場風險；張鄭[6]提出重大危險子系統辨識模型和安全評價指標體系，并且以此提出風險控制策略；王勇[7]采用故障樹形式分析輸氣站場主要失效類型，以此制訂針對性檢驗措施；曹濤等[8]采用危險與可操作性研究(Hazard and Operability Analysis，HAZOP)技術對油氣管道進行危險辨識和提出針對性建議措施；付罡等[9]采用基于符號定性的HAZOP技術，優化傳統HAZOP技術下設備檢驗策略；王慶鋒等[10]從可靠性和維修性方面對往復壓縮機提出維修決策；李宏娟[11]基于特征規則和案例推理提高壓縮機維修速度，然而這些研究都對壓氣站場工藝設備缺少系統性的定量風險評估和設備管理的研究。現在已經步入數字化信息時代，壓氣站場內以眾多孤立系統為基礎的傳統數據管理模式，已經無法應對當下成爆炸增長的數據信息，并且從海量多源異構數據中抽絲剝繭進行風險評估也是非常規人力物力財力所能企及[12]。

因此，筆者基于數字孿生理念，采用現代化數字測量技術，建立壓氣站場數字化模型，以傳感通信技術為紐帶，構建實時信息的數字孿生體，同時借鑒國內目前主要應用于儲罐、管道和軍工設備的基于風險的檢驗(Risk Based Inspection，RBI)技術和以可靠性為中心的維修(Reliability Centered Maintenance，RCM)方法，分別構建壓氣站場靜動設備的風險分析和設備管理體系，以期實現壓氣站場實時監測和風險決策、推動數字化進程、提高安全生產水平。

1 相關技術概述

1.1 數字孿生

伴隨著云計算技術、大數據技術和物聯網技術等信息技術深度應用于制造業，物理世界與信息世界之間的交互共融成為一大難題[13]。數字孿生又被稱為數字化映射，美國航天局最早提出過孿生體概念，將同型號一臺空間飛行器作為孿生體，利用其與執行任務的實體對象完全相同的幾何形狀、尺寸結構和物理特性，反映和預測真實狀態下實體對象的運行狀況[14]。GRIEVES[15]2003年提出了“與物理產品等價的虛擬數字化表達”概念，2011年在《智能制造之虛擬完美模型：驅動創新與精益產品》中正式提出數字孿生理念，數字孿生主要由3部分組成，物理世界的物理實體，虛擬世界的虛擬產品和兩者之間的數據信息的交互接口[16]。數字孿生就是通過傳感通信技術將物理實體的實時數據綁定在虛擬產品上，利用虛擬產品對物理實體進行精準映射，反映和預測物理實體的行為、狀態與活動。

1.2 基于風險的檢驗

RBI是一種在有限經濟條件下尋求安全效益最大化，將風險評價和設備管理相融合的風險評價技術，它有別于傳統方法，能夠從一套工藝設備著手，以設備損傷機理作為切入點，系統全面地分析設備風險等級，制訂基于風險等級的針對性檢驗策略，推動整套工藝流程在下個運行周期內都處于可接受的風險水平之中[11]。工業行業存在“20%設備蘊藏著80%危險”定則，挪威船級社基于此提出了RBI技術，應用于海洋石油鉆井平臺設備的完整性風險管理，并研發了Orbit Onshore輔助軟件[4]。1993年全球23家跨國石化企業委托美國石油協會將RBI技術移植至石化行業，1996年美國石油協會成果發布《基于風險的檢驗基礎資源文件（草案）》[17]。國外應用RBI技術在設備檢驗維修上獲得巨大經濟和社會效益下，我國高校和研究機構也開始引入RBI技術相關理念，2008年國家發改委頒布《基于風險檢驗的基本方法》，標志著我國RBI技術已經取得相當程度的推廣應用[18]。

1.3 以可靠性為中心的維修

RCM是一種在保證設備安全性前提下，以最小生產損失和最小維修成本為目的，確定設備預防性維修需求和優化維修制度的系統工程方法[19]。它優于傳統方法，可通過故障模式和影響分析，明確設備及其部件的失效模式，從部件重要度和后果嚴重度出發，針對各后果制訂相應的預防性維修內容、維修級別和維修周期，并且可以確定設備部件的備件庫存數量，盡可能避免或至少減輕設備故障后果的嚴重程度。RCM方法起源于國際民航業，20世紀60年代人們發現飛機的可靠性與拆修間隔并無必然聯系，1968年美國空運協會基于此發現發布《MSG-1維修的鑒定與大綱的制訂》，為RCM理論奠定了基礎。1978年美國聯合航空公司研究軍機維修大綱制訂方法發布名為Reliability-Centered Maintenance報告正式推出RCM方法。我國航空工業部門和空軍率先引入RCM方法相關理念，1989年原航空航天工業部發布《飛機、發動機及設備以可靠性為中心的維修大綱的制訂》，1992年軍械工程學院起草《裝備預防性維修大綱的制訂要求與方法》。目前RCM方法在我國電力、鐵路、核電和汽車等領域開展了廣泛應用，并取得了較好的效果。

2 設備風險決策系統

2.1 系統架構

壓氣站場的設備風險決策系統是集成數字孿生理念、RBI技術和RCM方法，是對壓氣站場靜動設備進行風險評價和管理的可視化系統。該系統共有4層架構，從下至上分別是虛擬層、數據層、邏輯層和交互層（圖1）。底層虛擬層就是數字孿生理念中虛擬空間的虛擬產品，是基于站場原有的竣工圖紙、采辦設備圖紙和施工圖紙等資料，以及采用基準點測量、航空攝影測量、3D激光掃描和傾斜攝影測量等數字化技術對壓氣站場及其靜動設備進行空間數據測量，利用數字模型軟件，建立壓力站場包括設備、廠房、線和輔助設施現實精準映射的數字化模型；第二層數據層就是壓氣站場設備靜動態數據傳輸、存儲和讀取的數據庫，其中包含站場竣工信息、設備設計信息、周邊環境信息和空間數字測量信息等靜態數據的站場資產數據庫以及通過物理量傳感器采集的設備運行狀態信息和讀取SCADA系統信息等動態數據的設備監測數據庫，數據庫采用關系型數據庫管理系統，以列表的形式進行數據存儲，每類數據再根據名稱、屬性和時間等拆分為眾多子項，各子項通過設置獨立鍵值讀取數據，為設備風險評價和檢驗維護提供多元化的基礎數據服務；第三層邏輯層是系統的核心層，將數據層所存儲的數據信息作為輸入端，通過編程語言將RBI技術和RCM方法程序化，以對站場靜動設備進行自主化風險分析評估，來得到設備風險評價等級和檢驗維護措施，RBI技術和RCM方法具體分析步驟將在2.2和2.3節詳細說明；頂層交互層是系統的可視化窗口，向用戶展示綁定相應數據信息與現實站場精準映射的數字化站場，用戶同時可在交互窗口使用包含站場三維瀏覽、設備信息查詢、設備狀態趨勢、設備實時監控、設備風險評價和檢驗維修措施等系統功能。

2.2 靜設備RBI分析

搜集站場靜設備的工藝流程、介質數據、操作維護和歷史檢修等信息，結合周邊環境和生產情況識別靜設備危險因素，構建靜設備失效概率和后果模型，以評估靜設備風險等級，制訂減緩風險的檢驗策略[9]。

靜設備失效概率模型是在失效歷史編制的同類失效頻率基礎上計算的，但是每臺靜設備都有其獨特的運行工況、運行環境和管理辦法，所以同臺靜設備在不同場景下也會顯現不同的失效概率。因此，引入管理修正系數和設備修正系數對靜設備同類失效頻率進行修正，以便得到接近實際狀況的靜設備失效概率[9,17-18]。管理修正系數是凸顯設備管理水平的指標，有效地管理能夠極大地預防靜設備介質泄漏和保障靜設備穩定生產，管理修正系數可參照API 581管理系統評估手冊中的13類101個問題進行計算[9,17-18,20]。設備修正系數與靜設備的制造技術、運行工藝和生產環境等因素有關，由技術因子、通用因子、機械因子和工藝因子組成，其中技術因子涉及靜設備損傷機制和技術狀態的篩選和評估，是實際生產環境中特定失效模式對靜設備失效概率的影響程度，結合實際情況壓氣站場靜設備損傷機制主要為腐蝕減薄、外部破壞和應力腐蝕等，技術因子可利用腐蝕速率、生產溫度、設備壁厚和檢驗有效性等情況，根據減薄技術模塊系數確定技術因子。通用因子考慮靜設備當前所處條件，靜設備總體外觀和維護程序是否符合現行標準，寒冷天氣是否減少了靜設備檢驗維護，從而帶來額外風險以及周邊地震活動是否影響靜設備正常運行。機械因子取決靜設備設計和制造的最初狀況，同類失效頻率僅考慮同類靜設備的普遍性，對于靜設備的復雜性、建造精細程度、運行時間和生產載荷都需要進一步分析，機械因子是衡量具體靜設備偏離同類普遍性靜設備的程度。工藝因子考慮靜設備的工藝條件和運行方式，站場工藝的穩定性和連續性以及安全保障裝置是能夠有效保證設備安全穩定運行[9,17-18]。將同類失效頻率與具體靜設備的管理修正系數和設備修正系數結合，就可準確計算出該靜設備實際失效概率。

靜設備失效后果模型是通過介質泄放情況量計算靜設備失效后果區面積。壓氣站場介質主要為C1-C2為代表的天然氣和含量大約為10%的凝析油[21]。靜設備發生泄漏內部的高壓天然氣將會呈氣態形式泄放，根據設備運行壓力不同，介質會以不同速率進行泄放，壓力界限計算公式[9,17-18]：

式中：pB表示界限壓力，Pa；pa表示大氣壓力，Pa；K表示氣體絕熱系數。

設備運行壓力大于界限壓力，介質將以音速泄放，反之以亞音速泄放，不同泄放速率計算公式[9,17-18]：

式中Wgas表示氣體泄放速率，kg/s；Cd表示泄漏系數；A表示孔口截面積，m2；po表示運行壓力，Pa；M表示分子量；R表示氣體常數，J/(mol·K)；T表示氣體溫度，K；λ表示有因次常量，(kg·m)/(N·s2)。

天然氣攜帶10%凝析油的泄放速率計算公式[17]：

式中Wliq表示凝析油泄放速率，kg/s；g表示重力加速度；ρ表示液體密度，kg/m3。

靜設備發生泄漏，其泄漏孔徑的不同，其泄漏類型也將會不同。RBI技術為兼顧經濟性和準確性預設了一組不連續泄漏孔徑供風險分析，一般將靜設備破裂認定為瞬間泄放，其余孔徑認定為持續泄漏[22-23]。通過靜設備的泄放速率計算其失效后果區面積（表1）[17]。

表1 失效后果區面積計算公式表

根據計算的靜設備失效概率和失效后果區面積，確定該臺靜設備的失效概率等級和失效后果等級（表2）。再采用5×5風險矩陣形式表征靜設備的風險程度，根據失效概率等級和失效后果等級可以將設備風險等級劃分Ⅰ級低風險、Ⅱ級中風險、Ⅲ級中高風險和Ⅳ級高風險（表3）[17,24]。基于此，根據靜設備失效概率等級、風險等級和損傷機理，就可以制訂有針對性的檢驗周期和減緩風險的檢驗措施[17]。

表2 失效概率等級和失效后果等級表

表3 靜設備5×5風險矩陣表

2.3 動設備RCM分析

搜集站場動設備的基礎資料、技術規格、操作規程和故障統計等數據，對動設備進行功能系統劃分和失效模式影響分析，確定影響動設備可靠性的主要功能部件，分析動設備功能部件的失效頻率、安全后果、環境后果、生產損失和維修成本確定風險等級，制訂針對性的預測性和預防性維修措施[25]。

動設備一般由數以萬計零部件組成，雖然每個零部件都有其自身的故障模式，但對動設備整體可靠性的影響程度卻是有高有低，其中大部分零部件可能造成的唯一故障后果僅僅是一定數額的維修費用，因此就需要先根據動設備的運動機構和機體構成，將動設備劃分為若干個功能系統確定其中主導系統功能的主要功能部件，對這些嚴重影響動設備整體可靠性的主要功能部件進行失效模式影響分析（Failure Mode and Effect Analysis，FMEA），明確該些部件的功能、與功能相關的故障模式、故障原因和故障影響等，為之后制訂針對性維修措施提供信息支持[26]。

通過對站場動設備維修保養和故障統計等數據信息采用故障樹分析（Fault Tree Analysis，FTA），結合各主要功能部件的故障因素畫出各自故障邏輯框圖，確定功能部件故障原因的各種組合方式，定性計算出各功能部件的失效概率[30]。結合站場動設備實際情況，制訂動設備風險可接受評價準則，其中有考慮動設備對職工可造成事故后果的安全后果、涉及動設備發生泄漏內部介質對周邊環境影響的環境后果、取決動設備停工減負荷導致停機時間造成經濟損失的生產損失后果和考慮動設備發生故障開始到恢復原有功用所需維修時間的維修成本后果（表4、5）[27-28]。

表4 安全后果和環境后果可接受風險評價準則表

表5 生產損失后果和維修成本后果可接受風險評價準則表

將功能部件的可接受風險評價分析等級和FTA分析實際情況計算出的失效概率結合，采用5×5風險矩陣形式表征動設備功能部件的風險程度，根據失效概率（表6）和后果等級劃分為L級低風險、M級中風險和H級高風險，4種后果等級所評估的風險等級取最高級為該功能部件的風險等級（表7）[18]。基于此，根據功能部件的失效概率和各可接受風險評價等級，制訂針對功能部件的預防性和預測性維修措施，以提高動設備整體的可靠性程度。

表6 動設備功能部件失效概率評價等級表

表7 動設備5×5風險矩陣表

2.4 系統應用

陜京管線某壓氣站場，作為該工程的樞紐站，自投產以來，前后經歷8次改擴建工程，目前已經形成“八進四出”的工藝格局。站場管網鋪設復雜分布密集，設備大型化且介質危險，導致該站場風險系數高，給站場設備運行維護帶來較大難度。該壓氣站場還肩負保障華北地區天然氣供應使命，所以站方亟需一套集成站場和設備的基礎數據和設計信息，融合站場和設備的監控軟件和檢測系統，整合復雜海量多源異構數據，評估站場靜動設備風險等級和制訂站場靜動設備檢測維護措施的可視化設備風險決策系統，以全面提升壓氣站場大數據分析和安全風險管理決策能力，保障壓氣站場安全平穩運行生產。

數字化模型是數字孿生理念中對物理世界中物理實體精準映射的根本，是風險決策可視化系統的基礎，但是壓氣站場占地面積較大，站場管網較為復雜密集，站場設備種類較為繁多，建筑布局缺乏統一標準，所以對站場進行整體式建模，不僅會提高建模難度，還難以保證模型精細度。因此對站場建筑、設備和管網，分別采用攝影測量建模、激光掃描建模和基于施工和設計圖紙的人工建模等多尺度建模方案：攝影測量建模方案通過獲取點位信息、方位角和天頂距等信息構建模型，該方案數據量較小，精細度較低，用于構建站場廠房等建筑模型；激光掃描建模方案通過激光雷達和3D掃描儀獲取點云數據構建模型，該方案數據量巨大，精細度高，用于構建站場精密設備模型；參照圖紙的人工建模方案，該方案數據量一般，精細度較高，用于構建復雜密集的站場管網。多種建模方案并列進行，能保證模型精確性，保障建模高效率。站場各單體模型再經由3Ds Max數字化建模軟件參照圖紙進行整合統一布局，以實現壓氣站場1∶1比例數字化還原（圖2），完成數字孿生理念中映射物理世界中物理實體的虛擬產品。

風險決策系統設計（圖3）采用MySQL開源關系型數據庫管理系統對站場數據傳輸、存儲和讀取進行管理。通過物理量傳感器采集、SCADA系統讀取、遠程終端傳輸和空間屬性數據錄入等方式，將站場靜動態數據存儲于數據庫中，通過數據鍵值將數據綁定至站場數字化模型之中，以實現數字孿生理念中物理世界與虛擬世界之間的數據交互，同時站場和設備施工、設計和采辦等數據信息的存儲，也可實現站場數據信息數字化。系統數據分析處理采用C#編程語言運用Microsoft Visual Studio開發工具平臺對風險分析評估流程進行編程，Microsoft Visual Studio開發工具平臺包含UML工具、代碼管控工具和集成開發環境等軟件生命周期所需的全部工具，支持Windows、Mac和Linux多系統平臺運行，C#計算機語言按照2.2和2.3節所述流程編程壓氣站場靜動設備風險評價和設備管理的風險決策代碼，以實現站場設備風險等級自評估和檢驗措施自評價，完成系統架構中第三層邏輯層的建立。將利用3Ds Max軟件構建好的數字化模型以FBX格式導出，載入至Unity 3D綜合型開發引擎，通過設備模型場景、制訂位置追蹤和C#編程腳本，以及運用MapBox for Unity插件，植入百度地圖的地理信息，實現站場數字模型的三維可視化動態自由展示、數據信息綁定和周邊地形環境還原。系統最終采用NET Core框架，以網頁為載體，采用HTML和CSS語言完成系統網頁布局，以JavaScript語言編程腳本完成與用戶交互。

根據站場實際生產運行情況、系統功能設置和風險決策分析，設計站場設備風險決策系統用戶交互界面（圖4）。該系統界面劃分為6個區域：①3D模型區域，依照壓氣站場實際情況以1∶1比例完全精準映射，同時利用基于JavaScript語言的jQuery腳本庫編程系統界面用戶交互事件，實現站場場景自由游覽；②地理信息區域，采用百度地圖地理信息數據，與站場數字化模型進行集成，可直觀瀏覽站場和設備周邊環境；③設施列表區域，將站場主要靜動設備和重要建筑設施以樹狀圖形式展現；④系統功能區域，將系統其余輔助功能羅列，可以通過讀取SCADA系統信息，將站場設備維修記錄和動設備狀態檢測信息可視化；⑤用戶賬號區域，通過設置數據庫數據讀取權限，給用戶賬號設置權限等級；⑥風險決策區域，通過彈窗形式將設備設計參數、內部信息、采集數據、讀取信息和風險分析參數等靜動態數據直觀可視化，系統自主分析設備失效概率和失效后果，并且以此評估風險等級，給出減緩風險措施。

利用該風險決策系統對壓氣站場1 438條壓力管道和229臺壓力容器和22臺壓縮機組等靜動設備，分別采用RBI技術和RCM方法進行風險分析評估。

利用系統中RBI技術模塊自主分析評估壓力管道和壓力容器的風險等級和失效可能性等級，將站場壓力管道目前執行3年的檢驗周期措施按照風險等級和失效可能性等級優化為3年、6年和9年，將站場壓力容器將目前執行2年的檢驗周期措施優化為3年，同時根據風險等級制訂壓力管道和壓力容器的定期檢驗內容和日常檢驗內容（表8）。

表8 靜設備檢驗策略表

利用系統中RCM方法模塊自主分析壓縮機組的失效頻率、失效后果、生產損失、維修成本和故障模式等因素，對壓縮機8個子系統中的36個功能部件劃分為風險等級。對壓縮機中的8個高風險功能部件和16個中風險功能部件制訂針對故障模的預防性和預測性維修措施以及優化備件存儲管理措施：將備件存儲類型減少15種，數量減少285件，同時將原有1 000 h、2 000 h和4 000 h的檢修周期優化為4 000 h、8 000 h、24 000 h和40 000 h更為詳細的檢修（表9）。

表9 動設備檢驗策略表

3 結束語

融合數字孿生理念、RBI技術和RCM方法，研發壓氣站場設備風險決策系統，將站場和設備設計參數、運行參數、環境參數和監測信息等多元異構數據整合，完成海量零散數據的統一管理和集中存讀，實現了壓氣站場靜動設備風險評估的自主化、制訂站場靜動設備減緩風險的檢驗維修措施的自動化和監測站場靜動設備狀態趨勢的實時化，促進了壓氣站場對靜動設備的分級管理，提高了壓氣站場靜動設備穩定安全的生產能力。同時構建了壓力站場數字化模型，能夠快速、準確和直觀地將瀏覽三維的壓氣站場，并且壓氣站場和站場設備資料完成了數字化移交，極大地促進了“智慧化站場”進程，為壓力站場靜動設備的安全和信息管理提供了一大解決方向，有效地提升了壓氣站場的管理水平和管理能力。