基于工業(yè)大數(shù)據(jù)的FPSO生產(chǎn)流程自主診斷系統(tǒng)

中圖分類號(hào)：TP277 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2025）16-0070-07

FPSO Production Process Autonomous Diagnosis System Based on Industrial Big Data

LIUDonghui，LIUXuesong，SUNHaifang，TONGYingli，DENGXin （CNOOC Energy Technologyand Services OilProduction Services Company，Tianjin 30o452，China）

Abstract： Aiming at the problems of dynamic anomaly of control loop and abnormal detection of process parameter fluctuation in the operation ofFloating Production Storage and Offloading （FPSO）unit，this paper studies and proposes an autonomous diagnosis system forFPSO production process.Firstly，the anomaly diagnosis module ofthecontrol loop is constructedbycorelationanalysis，K-meansclusteringand SupportVectorDataDescription（SVDD）.Secondly，theaboal diagnosis moduleofprocess parameters isconstructedbyrulesandrolling PrincipalComponentAnalysis （PCA）method.Fialy combinedwithhistoricaldataandexpertknowledgebase，afaulttreemodelisestablishedtoinferthecauseoftheabnormality online.Experiments show that the system can identifycomplex anomaliesand provide maintenance decision support througha visual interface，which effectively improves the accuracy ofFPSO autonomous diagnosis.

Keywords： data driven; online diagnosis; Machine Learning; control loop; process parameters

0 引言

海洋油氣開發(fā)已成為國(guó)家戰(zhàn)略，隨著海洋業(yè)務(wù)擴(kuò)大，開發(fā)有效的生產(chǎn)流程自主診斷系統(tǒng)成為提高生產(chǎn)安全性和效率的迫切需求。傳統(tǒng)維護(hù)計(jì)劃可能導(dǎo)致不必要的維護(hù)和高額成本，無(wú)法滿足海洋油氣領(lǐng)域?qū)?jīng)濟(jì)效益和安全的要求。當(dāng)前生產(chǎn)流程自主診斷系統(tǒng)技術(shù)水平較低，制約了油氣開發(fā)業(yè)務(wù)，開發(fā)適用系統(tǒng)是當(dāng)務(wù)之急。該系統(tǒng)選取FPSO中的核心分離設(shè)備三相分離器作為典型對(duì)象，通過(guò)對(duì)三相分離器的控制回路和參數(shù)波動(dòng)進(jìn)行實(shí)時(shí)預(yù)警，分析潛在異常，生成診斷結(jié)果并報(bào)警。同時(shí)，系統(tǒng)提供異常原因分析和解決方案，幫助用戶提前預(yù)警、減少停機(jī)時(shí)間、提高設(shè)備運(yùn)行效率，實(shí)現(xiàn)對(duì)控制回路動(dòng)態(tài)異常和工藝參數(shù)波動(dòng)異常的實(shí)時(shí)預(yù)警，精確分析根原因，幫助崗位人員快速處理異常。

因此，根據(jù)中海油海上平臺(tái)的實(shí)時(shí)數(shù)據(jù)與專業(yè)知識(shí)，本文開發(fā)的自主診斷系統(tǒng)旨在實(shí)時(shí)監(jiān)測(cè)和診斷三相分離器的控制回路和工藝參數(shù)異常情況，幫助用戶及時(shí)識(shí)別異常并做出相應(yīng)處理。該系統(tǒng)覆蓋了多個(gè)模塊，包括控制回路在線診斷模塊、工藝參數(shù)波動(dòng)診斷模塊與在線推理模塊等。

我們的貢獻(xiàn)總結(jié)如下：

1）針對(duì)FPSO生產(chǎn)流程中的監(jiān)控與異常診斷問(wèn)題，提出了一種創(chuàng)新性的自主診斷系統(tǒng)架構(gòu)。該架構(gòu)結(jié)合了相關(guān)分析、K-means聚類、支持向量數(shù)據(jù)描述（SVDD）和滾動(dòng)PCA等多種方法，實(shí)現(xiàn)了對(duì)控制回路異常和工藝參數(shù)波動(dòng)的實(shí)時(shí)監(jiān)測(cè)與精確診斷。

2）基于歷史數(shù)據(jù)和專家經(jīng)驗(yàn)，構(gòu)建了詳細(xì)的故障樹，用于精確定位異常的根本原因。同時(shí)，將專家的知識(shí)和經(jīng)驗(yàn)整合到系統(tǒng)中，形成專家知識(shí)庫(kù)，為系統(tǒng)的異常診斷提供了有力支持。這一貢獻(xiàn)不僅提高了系統(tǒng)的診斷能力，還為后續(xù)的系統(tǒng)維護(hù)和優(yōu)化提供了

基礎(chǔ)。

3）通過(guò)設(shè)計(jì)直觀、易懂的界面，系統(tǒng)能夠?qū)⒃\斷結(jié)果和異常原因清晰地展示給用戶。同時(shí)，提供了緊急維護(hù)和處理建議的提示功能，方便工藝人員快速響應(yīng)并解決問(wèn)題。這一貢獻(xiàn)提高了系統(tǒng)的實(shí)用性和可操作性。

A 三相分離器工藝簡(jiǎn)介

1.1三相分離器工藝流程

來(lái)自平臺(tái)的生產(chǎn)井液通過(guò)FPSO單點(diǎn)原油滑環(huán)進(jìn)入海洋石油原油處理系統(tǒng)。在投產(chǎn)初期，由于來(lái)液溫度較低且液量較少，生產(chǎn)井液先進(jìn)入啟動(dòng)加熱器進(jìn)行預(yù)熱。預(yù)熱后的井液溫度達(dá)到 65^°C 后，進(jìn)入高壓分離器進(jìn)行初步分離。在高壓分離器中， 90% 以上的游離水會(huì)被脫出，并通過(guò)水出口進(jìn)入生產(chǎn)水處理系統(tǒng)。同時(shí)，分離出的伴生氣進(jìn)入火炬系統(tǒng)進(jìn)行燃燒處理。而分離出的原油則通過(guò)原油換熱器加熱到 75^°C 以上，然后進(jìn)入原油加熱器。原油加熱器將原油的溫度提高到 90～95^°C ，之后原油進(jìn)入低壓分離器進(jìn)行閃蒸脫水。閃蒸出來(lái)的輕組分同樣進(jìn)入火炬系統(tǒng)進(jìn)行處理。而原油則由原油增壓泵增壓后，泵送至靜電脫水器進(jìn)行進(jìn)一步脫水處理。低壓分離器和靜電脫水器分離出來(lái)的水由生產(chǎn)水循環(huán)泵送回到高壓分離器進(jìn)行再次處理。而由靜電脫水器頂部出來(lái)的達(dá)標(biāo)原油（原油含水低于 0.5% ）回到原油換熱器與來(lái)油進(jìn)行換熱，將油溫降至 75^°C 后，再進(jìn)入原油冷卻器進(jìn)一步降溫至 65～70^°C ，最后進(jìn)入貨油艙進(jìn)行儲(chǔ)存。

三相分離器作為海上平臺(tái)的核心分離裝置，承擔(dān)著從上游井口流體中有效分離出氣體、水分以及固體雜質(zhì)的重任。在工業(yè)應(yīng)用中，常見的分離器形態(tài)包括臥式、立式及球形，其中，臥式分離器憑借其維護(hù)便捷、分離效率高及初期投資成本低的優(yōu)勢(shì)，成為最為廣泛使用的類型。

圖1展示了臥式三相分離器的PID圖（過(guò)程儀表流程圖）。該分離器利用流體間的密度差異，將井□輸入的流體精確劃分為氣相、油相和水相。流體進(jìn)入分離器后，最輕的氣相自然上升至頂部，并通過(guò)氣相出口排出。為確保氣相壓力的穩(wěn)定，在氣相出口處安裝了壓力變送器PIT2007進(jìn)行實(shí)時(shí)監(jiān)測(cè)，同時(shí)配備了氣動(dòng)控制閥來(lái)調(diào)控氣相壓力，以及氣動(dòng)閥PV2007來(lái)調(diào)節(jié)氣體排放量。此外，分離器還設(shè)有氮?dú)馊肟冢ㄟ^(guò)氣動(dòng)閥PV2005向分離器內(nèi)注入氮?dú)猓跃S持系統(tǒng)壓力的穩(wěn)定。

圖1三相分離器的PID圖

油相則積聚在分離器的中部，并通過(guò)專門的油相出口進(jìn)行排放。在此過(guò)程中，油相的液位由液位變送器LIT2003持續(xù)監(jiān)控，而液位控制器LIC2003則負(fù)責(zé)調(diào)控LV2003閥門的開度，確保油相液位始終處于安全范圍內(nèi)。至于水相，它會(huì)沉積在分離器的底部，并通過(guò)水相出口排出。水相的液位由液位變送器LIT2001進(jìn)行監(jiān)測(cè)，并通過(guò)液位控制器LIC2001控制LV2001閥門的開度，以保證排放的順暢。同時(shí)，分離器內(nèi)的溫度由溫度變送器TIT2005進(jìn)行實(shí)時(shí)監(jiān)控，以確保井口流體在分離器內(nèi)能夠得到有效的分離處理。

1.2相關(guān)控制回路與工藝參數(shù)情況

本小節(jié)主要針對(duì)三相分離器所涉及的控制回路位號(hào)與工藝參數(shù)位號(hào)進(jìn)行收集，獲取某海上平臺(tái)三相分離器裝置的實(shí)際數(shù)據(jù)，數(shù)據(jù)采集的時(shí)間間隔為5s，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理及缺失值處理，具體采集的位號(hào)數(shù)據(jù)點(diǎn)位如表1所示。

表1三相分離器的位號(hào)數(shù)據(jù)點(diǎn)位

2 方法介紹

2.1工藝參數(shù)波動(dòng)異常診斷

2.1.1 基于規(guī)則的參數(shù)異常診斷

基于規(guī)則的參數(shù)異常診斷包括三相分離器的工藝參數(shù)大幅度波動(dòng)異常診斷和離群點(diǎn)異常診斷。

針對(duì)三相分離器工藝參數(shù)波動(dòng)性異常預(yù)警：系統(tǒng)輸出結(jié)果的不穩(wěn)定性或變化性。這種差異可能由系統(tǒng)自身特性或外部環(huán)境因素引起，當(dāng)系統(tǒng)接受相同的數(shù)據(jù)或參數(shù)時(shí)，輸出結(jié)果可能出現(xiàn)不同變化。波動(dòng)性的存在可能導(dǎo)致系統(tǒng)穩(wěn)定性下降，對(duì)系統(tǒng)的可靠性和準(zhǔn)確性構(gòu)成挑戰(zhàn)。因此，降低系統(tǒng)輸出的波動(dòng)性可提高系統(tǒng)的性能和可靠性。針對(duì)三相分離器的參數(shù)離群點(diǎn)檢測(cè)：工藝參數(shù)離群點(diǎn)是指在三相分離器運(yùn)行中，由于操作人員操作不當(dāng)、儀器故障、原料質(zhì)量變化和工藝變動(dòng)等原因，導(dǎo)致某個(gè)或某些工藝參數(shù)的值明顯偏離其正常范圍的現(xiàn)象。這可能導(dǎo)致裝置性能下降，產(chǎn)生異常工藝現(xiàn)象，甚至引發(fā)設(shè)備故障或事故。因此，及時(shí)檢測(cè)和處理工藝參數(shù)的離群點(diǎn)對(duì)于保障三相分離器的安全、穩(wěn)定運(yùn)行至關(guān)重要。

診斷三相分離器工藝參數(shù)的波動(dòng)性，需收集三相分離器的關(guān)鍵工藝參數(shù)，包括溫度、壓力、流量等最近一段時(shí)間的歷史數(shù)據(jù)。隨后，對(duì)這些數(shù)據(jù)進(jìn)行平均值和標(biāo)準(zhǔn)差等統(tǒng)計(jì)分析。平均值可以反映工藝參數(shù)的典型水平，而標(biāo)準(zhǔn)差則可以衡量工藝參數(shù)數(shù)據(jù)的波動(dòng)程度。在工藝參數(shù)不存在異常波動(dòng)性的基礎(chǔ)上，進(jìn)一步對(duì)其進(jìn)行離群點(diǎn)診斷。

1）取近期的工藝參數(shù)歷史數(shù)據(jù)，將數(shù)據(jù)分段，并分別求均值，如式（1）所示：

其中， μ 為均值， N 為工藝參數(shù)的個(gè)數(shù)， y 為工藝參數(shù)。

2）計(jì)算工藝參數(shù)的標(biāo)準(zhǔn)差，如式（2）所示：

3）診斷工藝參數(shù)存在異常波動(dòng)性，若滿足式（3）則工藝參數(shù)存在異常波動(dòng)性：

其中， a 為經(jīng)驗(yàn)值。

4）診斷工藝參數(shù)存在離群點(diǎn)，若同時(shí)滿足式（4）和式（5），則工藝參數(shù)存在離群點(diǎn)：

其中， β 和 ξ 為經(jīng)驗(yàn)值。

診斷工藝參數(shù)的異常波動(dòng)性和離群點(diǎn)，可以及時(shí)發(fā)現(xiàn)潛在的裝置異常或錯(cuò)誤，并采取相應(yīng)的措施來(lái)保障三相分離器的安全和穩(wěn)定運(yùn)行，幫助工程技術(shù)人員在科學(xué)、定量的基礎(chǔ)上對(duì)三相分離器的工藝參數(shù)進(jìn)行診斷和處理。

2.1.2基于滾動(dòng)PCA的參數(shù)趨勢(shì)診斷

針對(duì)三相分離器的參數(shù)趨勢(shì)診斷，本文應(yīng)用基于滾動(dòng)主元分析法（PCA）的參數(shù)趨勢(shì)預(yù)警。其中PCA是一種常用的多維數(shù)據(jù)分析方法，通過(guò)將原始數(shù)據(jù)轉(zhuǎn)化為最能夠代表數(shù)據(jù)變異情況的主成分，實(shí)現(xiàn)對(duì)原始數(shù)據(jù)的降維和特征提取，簡(jiǎn)化數(shù)據(jù)的處理和分析過(guò)程，提高數(shù)據(jù)分析的效率和精度[1-4]。PCA的核心思想是找到能夠解釋原始數(shù)據(jù)方差最大的線性組合，將原始數(shù)據(jù)映射到這些主成分上，從而得到新的特征，這些特征具有更好的可解釋性和更低的冗余性。

本研究采用基于滾動(dòng)PCA的方法實(shí)施參數(shù)趨勢(shì)診斷，針對(duì)工藝參數(shù)趨勢(shì)診斷的具體步驟如下：

1）收集工藝參數(shù)的近期時(shí)序數(shù)據(jù)，并將其分段，選取最近一段時(shí)間的數(shù)據(jù)，按照30行11列進(jìn)行分段。其中，10列為訓(xùn)練數(shù)據(jù)，1列為診斷數(shù)據(jù)。

2）對(duì)前10列訓(xùn)練數(shù)據(jù)按列求均值。

3）對(duì)每列數(shù)據(jù)進(jìn)行去中心化處理，即每個(gè)特征值減去該特征的平均值，以保證處理后的數(shù)據(jù)集均值為零。這有助于降低數(shù)據(jù)集的偏差和冗余信息，從而提高數(shù)據(jù)分析的準(zhǔn)確性和可靠性。

4）計(jì)算去中心化后的數(shù)據(jù)矩陣的協(xié)方差矩陣。

5）計(jì)算該協(xié)方差矩陣的特征值及特征向量，并按照特征值從大到小的順序進(jìn)行排序，選取前 K 個(gè)特征向量對(duì)應(yīng)的特征值，構(gòu)成一個(gè) K 維特征空間。

6）將原始數(shù)據(jù)投影到 K 維特征空間上，得到 K 維的新數(shù)據(jù)。

7）將診斷數(shù)據(jù)按照步驟6）求出投影樣本，與訓(xùn)練樣本的每一列進(jìn)行二范數(shù)比較，若其每個(gè)二范數(shù)都很大，則表明存在參數(shù)趨勢(shì)異常。

按照上述步驟循環(huán)滾動(dòng)運(yùn)行，實(shí)現(xiàn)參數(shù)趨勢(shì)診斷。

2.2控制回路動(dòng)態(tài)異常診斷

由于裝置內(nèi)部單條控制回路的正異常情況往往無(wú)法準(zhǔn)確有效地反映整體工況的健康狀態(tài)，因此本文針對(duì)三相分離器內(nèi)部所有關(guān)鍵控制回路進(jìn)行異常診斷與故障預(yù)警研究。具體地，為了有效挖掘三相分離器回路內(nèi)被控對(duì)象的異常動(dòng)態(tài)特性并準(zhǔn)確找出異常最可能的原因，采用相關(guān)分析法、K-means[5聚類和支持向量數(shù)據(jù)描述[三種方法合用的異常診斷與故障預(yù)警方法。其中，相關(guān)分析用于建立被控對(duì)象的動(dòng)態(tài)模型；K-means聚類用于針對(duì)模型參數(shù)進(jìn)行聚類分析；SVDD方法用于針對(duì)上述不同的類別進(jìn)行超球體訓(xùn)練

與特征提取。

在該控制回路異常診斷與故障預(yù)警的訓(xùn)練階段中，首先，采集控制回路的輸入輸出歷史時(shí)序數(shù)據(jù)并進(jìn)行分段，對(duì)每段數(shù)據(jù)均利用相關(guān)分析法辨識(shí)過(guò)程的脈沖響應(yīng)模型；其次，利用K-means聚類算法將辨識(shí)出的模型參數(shù)進(jìn)行有效聚類，并根據(jù)聚類情況確定故障預(yù)警等級(jí)；接著，針對(duì)每個(gè)類別下的模型參數(shù)數(shù)據(jù)集，利用SVDD方法訓(xùn)練并建立超球體。然后，在在線診斷時(shí)，采集控制回路近期輸入輸出數(shù)據(jù)，通過(guò)相關(guān)分析建立過(guò)程模型，利用已訓(xùn)練好的超球體的球心和半徑，進(jìn)一步判斷動(dòng)態(tài)模型參數(shù)所歸屬的超球體，以明確過(guò)程近期的正異常屬性[]。最后，針對(duì)近期存在異常的部分回路，需進(jìn)一步結(jié)合實(shí)時(shí)工況數(shù)據(jù)以及超球體的實(shí)際標(biāo)簽，判斷引起異常的深層次原因[8]。

具體地，在線診斷時(shí)，需要先行構(gòu)建對(duì)象的近期動(dòng)態(tài)模型，并判定該模型落入已訓(xùn)練好的超球體的情況，確定其異常屬性[。若其在正常工況超球體閾值范圍之內(nèi)，則為正常工況；若其在訓(xùn)練的多個(gè)異常工況超球體所設(shè)閾值范圍之內(nèi)，則說(shuō)明發(fā)生異常工況，并診斷出具體異常類型；若其在所有已訓(xùn)練好的超球體閾值范圍之外，則說(shuō)明此時(shí)檢測(cè)儀表或傳感器發(fā)生顯著異常，并有發(fā)展為故障的趨勢(shì)。

該方法判斷的是裝置被控對(duì)象整體動(dòng)態(tài)特性的異常，比起僅對(duì)工藝參數(shù)進(jìn)行診斷更具優(yōu)越性。此外，被控對(duì)象的動(dòng)態(tài)模型是通過(guò)采集其操縱變量 （MV）與測(cè)量變量（PV）的時(shí)序數(shù)據(jù)建立的，且MV與PV間包含執(zhí)行機(jī)構(gòu)與檢測(cè)儀表。故當(dāng)執(zhí)行機(jī)構(gòu)與檢測(cè)儀表出現(xiàn)異常時(shí)，會(huì)引發(fā)被控對(duì)象模型的異常。同時(shí)，工藝負(fù)荷的變化以及工況的改變同樣會(huì)導(dǎo)致被控對(duì)象模型出現(xiàn)異常，因此在線故障預(yù)警時(shí)需要結(jié)合實(shí)時(shí)工況與巡檢情況綜合判定異常原因。

2.3 在線推理

基于歷史數(shù)據(jù)和專家經(jīng)驗(yàn)，構(gòu)建了詳細(xì)的故障樹[10]，用于精確定位異常的根本原因。同時(shí)，將專家的知識(shí)和經(jīng)驗(yàn)整合到系統(tǒng)中，形成專家知識(shí)庫(kù)，為系統(tǒng)的異常診斷提供有力支持。這一貢獻(xiàn)不僅提高了系統(tǒng)的診斷能力，還為后續(xù)的系統(tǒng)維護(hù)和優(yōu)化提供了基礎(chǔ)。

以現(xiàn)有工藝資料和專家經(jīng)驗(yàn)為基礎(chǔ)，建立包含上述控制回路和工藝參數(shù)異常的故障樹。通過(guò)匯總報(bào)警信息，根據(jù)已建立的故障樹進(jìn)行在線推理，明確較可能的異常定位，并最終輸出所有可能的異常分析結(jié)果。

此類自主診斷系統(tǒng)，能有效輔助與指導(dǎo)崗位人員進(jìn)行運(yùn)行操作、人工巡檢等工作。基于上述控制回路和工藝參數(shù)的診斷結(jié)果，該模塊進(jìn)一步推理，識(shí)別引發(fā)異常的根本原因。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)設(shè)置

3.1.1工藝參數(shù)波動(dòng)異常診斷模塊的實(shí)驗(yàn)設(shè)置

選取FPSO原油處理系統(tǒng)三相分離器的油相液位工藝參數(shù)LIC2003PV、水相液位工藝參數(shù)LIC2001PV、天然氣壓力工藝參數(shù)PIC2007_PV以及分離器罐內(nèi)溫度工藝參數(shù)TI2005。在數(shù)據(jù)采集過(guò)程中，通過(guò)數(shù)據(jù)接口采集FPSO的工藝參數(shù)數(shù)據(jù)，設(shè)置采樣間隔為5s。工藝參數(shù)波動(dòng)異常診斷模塊的參數(shù)設(shè)置分別為：平穩(wěn)閾值 w 用于檢測(cè)工藝參數(shù)的微小波動(dòng)，可有效減少診斷時(shí)間， w=0.1 ；相似性閾值 m 用于診斷工藝參數(shù)的異常趨勢(shì)， m=2.0 ；滾動(dòng)PCA算法中存在閥值參數(shù)降維維度 k 和核函數(shù)帶寬參數(shù) s ，用于最大程度保留前向時(shí)序判斷數(shù)據(jù)矩陣和診斷向量特征，k=2 ， s=2.0 。

3.1.2控制回路動(dòng)態(tài)異常診斷模塊的實(shí)驗(yàn)設(shè)置

選取FPSO原油處理系統(tǒng)三相分離器的油相液位控制回路LIC2003、水相液位控制回路LIC2001以及天然氣壓力控制回路PIC2007。在數(shù)據(jù)采集過(guò)程中，通過(guò)數(shù)據(jù)接口采集FPS控制回路的輸入輸出數(shù)據(jù)，設(shè)置采樣間隔為 5s 。控制回路動(dòng)態(tài)異常診斷模塊的參數(shù)設(shè)置分別為：模型階次為7；K-means聚類算法需選取最優(yōu)聚類數(shù)，通過(guò)“手肘法”選取最優(yōu)聚類值，即計(jì)算不同 K 值下各類的誤差平方和，隨著 K 值的增加，類中的點(diǎn)會(huì)變少，誤差平方和會(huì)隨之減小。通過(guò)觀察曲線斜率，在斜率突然由大變小、之后變化緩慢且出現(xiàn)明顯拐點(diǎn)時(shí)，所對(duì)應(yīng)的 K 值即為最優(yōu)聚類值。將通過(guò)K-means聚類算法聚類后的相關(guān)分析的函數(shù)模型參數(shù)打好標(biāo)簽，按照每類所包含的模型參數(shù)數(shù)量從大到小進(jìn)行排序，建立SVDD超球體異常診斷模型。核函數(shù)寬度 s=12 ，超球體松弛變量 n=1.2 ，超球體權(quán)衡值 C=0.3 。

3.2 評(píng)價(jià)指標(biāo)

工藝參數(shù)波動(dòng)異常診斷實(shí)驗(yàn)和控制回路動(dòng)態(tài)異常診斷實(shí)驗(yàn)以精準(zhǔn)率、召回率和F1值3個(gè)指標(biāo)進(jìn)行診斷效果評(píng)估。其中，精準(zhǔn)率（Precision）：表示模型診斷為異常中實(shí)際為異常的比例；召回率（Recall）：表示實(shí)際為異常中模型診斷為異常的比例；F1值（F1-score）：綜合精準(zhǔn)率和召回率，用于評(píng)估模型

的整體性能。其計(jì)算如下：

其中，TP（TruePositive）表示模型正確地預(yù)測(cè)出了正例的數(shù)量；FP（FalsePositive）表示模型錯(cuò)誤地將負(fù)例預(yù)測(cè)為正例的數(shù)量；FN（FalseNegative）表示模型錯(cuò)誤地將正例預(yù)測(cè)為負(fù)例的數(shù)量。

通常情況下，精準(zhǔn)率越高，表示模型的誤判率越低；召回率越高，表示模型能夠更好地識(shí)別出異常；F1值為綜合評(píng)價(jià)模型的指標(biāo)。

3.3 實(shí)驗(yàn)結(jié)果

3.3.1工藝參數(shù)波動(dòng)異常診斷的實(shí)驗(yàn)結(jié)果

根據(jù)表2所示，對(duì)于三相分離器的液位參數(shù)、壓力參數(shù)以及溫度參數(shù)，滾動(dòng)KPCA均表現(xiàn)出較好的診斷性能。

表2工藝參數(shù)相關(guān)指標(biāo)對(duì)比結(jié)果

3.3.2控制回路動(dòng)態(tài)異常診斷的實(shí)驗(yàn)結(jié)果

根據(jù)表3所示，對(duì)于三相分離器的液位控制回路、壓力控制回路以及溫度控制回路，相關(guān)分析法、K-means聚類和支持向量數(shù)據(jù)描述合用的控制回路動(dòng)態(tài)異常診斷算法均表現(xiàn)出較好的診斷性能。

表3控制回路相關(guān)指標(biāo)對(duì)比結(jié)果

在線推理模塊負(fù)責(zé)將控制回路動(dòng)態(tài)異常診斷算法與工藝參數(shù)波動(dòng)異常診斷算法檢測(cè)到的異常進(jìn)行準(zhǔn)確溯源。下文中，將在系統(tǒng)展示部分詳細(xì)介紹。

4FPS0生產(chǎn)流程自主診斷系統(tǒng)

對(duì)于控制回路的異常診斷，可對(duì)控制回路的整體動(dòng)態(tài)特性、涉及回路潛在的設(shè)備問(wèn)題及前端工藝負(fù)荷或工況調(diào)整問(wèn)題，在其發(fā)展成為故障之前進(jìn)行完整診斷與輸出，實(shí)現(xiàn)對(duì)潛在問(wèn)題的挖掘和有效發(fā)現(xiàn)，彌補(bǔ)了對(duì)控制回路整體特性進(jìn)行控制預(yù)警的空缺。由于其主要用于診斷長(zhǎng)期存在的微小異常和潛在的安全問(wèn)題，發(fā)現(xiàn)潛在的深層次微小故障問(wèn)題，因此其在線診斷的頻率相對(duì)較低，一般在幾個(gè)小時(shí)甚至幾天級(jí)別，旨在發(fā)現(xiàn)長(zhǎng)期存在但尚未被察覺的潛在問(wèn)題，以進(jìn)行必要的工藝調(diào)整和負(fù)荷平衡，確保三相分離器的安全有效運(yùn)行。綜上所述，通過(guò)在三相分離器上應(yīng)用參數(shù)趨勢(shì)異常診斷和控制回路異常診斷，兩者以一高一低的啟動(dòng)頻率配合：參數(shù)異常診斷能夠?qū)崟r(shí)監(jiān)測(cè)關(guān)鍵參數(shù)的變化，及時(shí)發(fā)現(xiàn)參數(shù)近期的極端趨勢(shì)并發(fā)出警報(bào)，通知工藝人員進(jìn)行緊急維護(hù)和異常處理；控制回路的異常診斷則通過(guò)對(duì)輸入輸出進(jìn)行分析，發(fā)現(xiàn)裝置長(zhǎng)期存在但未被發(fā)現(xiàn)的潛在異常風(fēng)險(xiǎn)，并優(yōu)化三相分離器的運(yùn)行模式。這些技術(shù)的應(yīng)用有助于裝置的安全有效運(yùn)行，降低維護(hù)成本，提高生產(chǎn)效率。基于控制回路和工藝參數(shù)的異常情況，使用三相分離器的故障樹進(jìn)行原因定位。

4.1系統(tǒng)登錄界面

系統(tǒng)登錄界面如圖2所示，是用戶進(jìn)入系統(tǒng)的第一個(gè)交互點(diǎn)，也是系統(tǒng)安全管理的重要組成部分。其主要功能是驗(yàn)證用戶身份，確保只有經(jīng)過(guò)授權(quán)的用戶才能訪問(wèn)系統(tǒng)內(nèi)部的其他功能模塊。

圖2系統(tǒng)登錄界面

4.2工藝實(shí)時(shí)報(bào)警界面

工藝實(shí)時(shí)報(bào)警界面是系統(tǒng)的核心界面之一，用于實(shí)時(shí)監(jiān)控并顯示三相分離器的報(bào)警信息。用戶可以通過(guò)該界面實(shí)時(shí)查看三相分離器的報(bào)警狀態(tài)，并根據(jù)具體的異常原因采取相應(yīng)的處理措施。此界面結(jié)合圖形化的工藝流程和表格化的報(bào)警數(shù)據(jù)進(jìn)行多維展示，方便用戶在直觀了解三相分離器狀態(tài)的同時(shí)，快速瀏覽報(bào)警信息并做出相應(yīng)處置，輔助操作人員決策。

案例描述：由圖3可知，系統(tǒng)在2025年3月10日的運(yùn)行過(guò)程中發(fā)現(xiàn)LIC2003與PIC2007發(fā)生控制回路動(dòng)態(tài)異常報(bào)警。此時(shí)，由在線推理模塊的輸出可知，最可能的原因?yàn)榉蛛x器出氣閥PV2007調(diào)節(jié)失靈或設(shè)定值不當(dāng)。

圖3工藝實(shí)時(shí)報(bào)警界面

4.3歷史報(bào)警記錄界面

歷史報(bào)警界面如圖4所示，是三相分離器自主診斷系統(tǒng)的重要模塊，用于全面顯示和管理所有歷史報(bào)警信息，幫助用戶進(jìn)行異常分析和數(shù)據(jù)回。界面設(shè)計(jì)清晰直觀，以簡(jiǎn)潔布局展示報(bào)警信息，提供便捷的篩選和搜索功能，使用戶能夠迅速找到并處理關(guān)鍵報(bào)警記錄。

5結(jié)論

海洋油氣開發(fā)已提升至國(guó)家戰(zhàn)略層面，隨著海洋業(yè)務(wù)的不斷拓展，構(gòu)建高效的生產(chǎn)流程自主診斷系統(tǒng)成為確保生產(chǎn)安全性和提升效率的關(guān)鍵需求。傳統(tǒng)的維護(hù)計(jì)劃往往導(dǎo)致維護(hù)資源的浪費(fèi)和成本高企，難以滿足海洋油氣領(lǐng)域?qū)?jīng)濟(jì)效益與安全性的雙重追求。當(dāng)前，生產(chǎn)流程自主診斷系統(tǒng)的技術(shù)水平相對(duì)滯后，這在一定程度上制約了油氣開發(fā)業(yè)務(wù)的進(jìn)一步發(fā)展，因此開發(fā)適用的自主診斷系統(tǒng)顯得尤為迫切。

該系統(tǒng)專注于FPSO的生產(chǎn)流程監(jiān)測(cè)，通過(guò)實(shí)時(shí)在線監(jiān)測(cè)FPSO的控制回路和工藝參數(shù)的波動(dòng)情況，能夠迅速捕捉到潛在的異常信號(hào)。系統(tǒng)會(huì)對(duì)這些信號(hào)進(jìn)行實(shí)時(shí)分析，生成準(zhǔn)確的診斷結(jié)果，并及時(shí)觸發(fā)報(bào)警機(jī)制。此外，該系統(tǒng)還具備強(qiáng)大的異常原因分析和解決方案提供能力，能夠幫助用戶提前預(yù)警潛在異常，有效減少停機(jī)時(shí)間，提升設(shè)備的運(yùn)行效率。

通過(guò)該系統(tǒng)，崗位人員可以實(shí)現(xiàn)對(duì)控制回路異常和工藝參數(shù)的實(shí)時(shí)監(jiān)測(cè)、診斷和預(yù)警，從而精確分析出異常的根源所在。這不僅有助于崗位人員快速處理異常情況，還為他們提供了有力的決策支持，進(jìn)一步提升了海洋油氣開發(fā)的安全性和經(jīng)濟(jì)性。

[1]黃海峰，唐紅雨，何智明.基于PCA和自適應(yīng)神經(jīng)模

糊網(wǎng)絡(luò)的風(fēng)電機(jī)組執(zhí)行器主動(dòng)容錯(cuò)控制[J].機(jī)械設(shè)計(jì)與研究，

2024，40（4）：74-80+88.

[2]惠嘉赫，隗立國(guó)，黃英，等.車載燃油系統(tǒng)故障診

斷智能算法開發(fā)及驗(yàn)證[J].汽車工程學(xué)報(bào)，2024，14（6）：

1025-1035.

[3]HASANBMS，ABDULAZEEZAM.AReviewof

Principal Component Analysis Algorithm for Dimensionality

Reduction [J].Journal of Soft Computing and Data Mining，

2021，2（1）：20-30.

[4]馬永健，馮云，孫培偉，等.基于PCA-SVM的小型

自然循環(huán)鉛冷快堆傳感器故障診斷方法研究[J].核科學(xué)與工

程，2024，44（2）：464-471.

[5]AHMEDM，SERAJR，ISLAMSMS.TheK-means

Algorithm：AComprehensiveSurveyandPerformanceEvaluation

[J/OL].Electronics，2020，9 （8）：1295[2025-01-13].https：//

doi.org/10.3390/electronics9081295.

[6]張逸豪，王振雷.基于最大信息系數(shù)的分組支持向量

數(shù)據(jù)描述故障檢測(cè)[J].化工學(xué)報(bào)，2023，74（9）：3865-3878.

[7]駱東松，薛鑫.基于PSO-SVDD的齒輪箱故障診斷[J].

艦船電子工程，2023，43（2）：119-122.

[8]劉云飛，張楷，菅紫倩，等.基于深度SVDD-CVAE

的軸承自適應(yīng)閾值故障檢測(cè)[J].機(jī)床與液壓，2024，52（6）：

177-183+195.

[9]TAOX，ZHENGY，CHENW，etal.SVDD-

basedWeightedOversamplingTechniqueforImbalancedand

OverlappedDatasetLearning[J].Information Sciences，2022，

588：13-51.

[10]劉碩，李剛，齊金平.高速動(dòng)車牽引電機(jī)組故障特點(diǎn)

及可靠性分析[J].機(jī)械設(shè)計(jì)，2025，42（2）：102-109.

作者簡(jiǎn)介：劉東輝（1982—），男，漢族，河北邯鄲人，高級(jí)工程師，碩士研究生，研究方向：人工智能控制算法與先進(jìn)儀表。