陈 勇

〔中国石化销售有限公司华东分公司 上海 200050〕

成品油管网调度支持与异常诊断的移动应用设计

陈 勇

〔中国石化销售有限公司华东分公司 上海 200050〕

针对中国石化华东成品油管网调度运行的实际，充分利用移动互联网技术和大数据、智能化方法，在分析用户需求的基础上，基于Android studio开发平台和oracle数据库，对华东管网调度支持与异常诊断的移动应用(APP)进行了设计，对其系统架构、业务流程以及主要模块的设计原理和实现方法进行详述，并对关键技术数据库搭建、专家知识库设计、故障树模型的建立等进行了介绍。该系统集调度作业、风险识别、应急指导、管输异常诊断和培训于一体，促进了数据流动和共享，与多媒体工具联运可实现远程控制，对输油管网提质增效和安全运行具有重要作用。

成品油 管网 调度支持 异常诊断 移动应用 设计

近年来，随着中国石化销售华东管线里程的不断增加，成品油管输调度运行难度日益加大，要保证安全、平稳、高效生产，任务异常繁重。另外，当前国际油价持续低迷，国内成品油市场逐步开放，销售企业的盈利空间受到进一步挤压。如何提升管输效率、降低运营成本、确保安全生产成为一项重要课题。这不仅对公司调度工艺操作、风险控制、异常事件应急处理等方面的能力提出了更高的要求，也对传统单向化、线性化的业务模式和分工体系发起了挑战。

虽然公司做了大量尝试与努力，也取得诸多信息化成果，泄漏检测软件、数字管道系统等先后上线应用，取得一定成效。但是，这些信息化成果的着力点和适用面较窄，多为各部门内部为解决某一类问题而开发，信息资源开发水平较低，功能较为单一。文献显示，国内外尚且没有着眼调度运行，统筹管输全过程的信息化成果[1-4]。另外，现有系统多基于PC端，仍未摆脱特定场所、特定人员使用的限制，“数据”资源没有得到充分分享和流动，难以满足业务协同需求。

伴随着云计算、大数据等新一代网络基础设施的强势突破，移动互联技术的快速发展以及智能终端、APP的异军突起，“互联网+”成为新常态下的新动力。众多传统企业实现了与互联网的深度融合。但是，在这种大环境下，作为传统产业的成品油管道储运与新一代互联网的融合却迟迟没有突破性进展，当前企业的移动应用多为移动CRM、移动OA等业务系统，没有找到实践移动信息化与提高企业自身业务价值的结合点。

针对以上问题，本文立足华东成品油管网实际，在深入分析用户需求基础上，基于Android Studio开发平台、Oracle数据库和Java语言，对华东管网调度支持与异常诊断的移动应用(APP)进行设计。该移动应用集生产运行数据共享、作业指南、风险识别与应急指导、管输异常智能诊断、“三基”培训于一体，着眼于管输运行全过程，旨在实现以下目标：

(1)立足成品油调度运行，利用大数据技术和专家系统等智能化方法对管输全过程进行智能指导和辅助决策，切实提高调度作业规范化水平，及时有效开展风险识别、异常现象诊断和应急处置。

(2)充分利用互联网技术，特别是移动互联网和移动终端技术优势，丰富岗位练兵途径，创新应急演练方法，多渠道、多方式进行“三基”培训，提高相关人员业务能力。

(3)促进基础业务数据实时共享和充分流动，改善传统单向化、线性化的业务模式和分工体系，实现业务协同和网状分工。

1 系统组成与业务流程

通过深入调研和系统分析，调度支持与异常诊断移动应用APP从功能上主要划分为生产营运数据共享模块、作业指南模块、风险识别与应急指导模块、管输异常智能模块和岗位练兵与在线考核模块。系统功能架构如下图1所示，业务流程如图2所示。

图1 调度支持与异常诊断APP功能架构图

图2 调度支持与异常诊断APP工作流程

2 系统主要模块的功能与实现方法

2.1 管输异常智能诊断模块

专家系统(ES，Expert System)是指拥有大量专家知识，并能运用知识进行推理，解决具体问题的智能程序系统[5]，通常由知识库、推理机、综合数据库、知识获取机制等组成。知识库用来存放可被计算机识别的专家知识。推理机针对现有条件或已知信息,匹配知识库中的规则, 获得结论，得到问题的解。综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论。其原理模型如图3所示。

图3 专家系统原理

管输异常智能诊断模块包括基于专家知识的诊断和基于历史案例的诊断。基于专家知识的诊断具体指结合故障诊断方法和专家系统推理思想，将输油调度领域各级专家和调度骨干的知识、经验进行简化、抽象，并分析、归纳、总结输油调度相关文献和专业书籍，形成推理知识库，基于故障树诊断法针对异常现象进行智能诊断，并给出处理措施。结合调度运行实际，该模块针对压力流量异常、生产设备故障、油品质量问题、SCADA系统异常等进行诊断，异常诊断原理如图4所示。

图4 异常诊断专家系统工作原理

基于历史案例的诊断指通过访问案例库中过去同类异常情况的解决方法，从而获得当前问题解决方案的一种推理模式，也就是将充分挖掘历史案例、未遂事件的潜在价值，利用旧的案例或经验来解决新问题，评价新问题，解释异常情况或理解新情况。

同时，基于负压波法对泄漏点进行定位及泄漏量的计算[6，7]。此外，为避免异常事件发生后不必要的停输，建立了华东管网水力计算模型，对异常工况管输方案进行编排，并以首站出站流量、压力限值，中间站场下载流量、站外压力，泵站过泵流量、泵入口压力等为约束条件，对方案的合理性进行智能判断。

2.2 风险识别与应急指导模块

风险识别与应急指导模块旨在针对重要作业进行风险智能识别及应急辅助处理。由一线岗位员工，安全管理人员以及负责生产、技术、设备、工艺等各方面技术人员和管理人员组成的专业团队，恰当选用JHA等风险分析方法进行全员、系统性的风险识别与预先评估，并针对各风险项给出完备的应急处理预案，依此为基础建立风险识别和应急指导知识库。对特定作业进行风险智能识别和应急指导，旨在做到有备无患、防患于未然，以尽可能降低事故发生概率。

2.3 生产运营数据实时共享模块

生产运营数据实时共享模块包括周期(日、周、月)生产报表、总体运行方案的共享， SCADA系统及库区空容动态关键数据实时同步，以及基础数据管理等。其中，SCADA系统关键数据包括各主要节点压力、流量值、设备启停状态等，利用UDP通讯技术和OPC技术从SCADA数据库中对上述数据进行实时传输并保存到Oracle数据库[8]；基础数据管理可实现对华东公司所辖管线(浙苏管线、苏南管线、苏北管线、杨栖线等)及站场全部数据的统一整合与集中管理，采用管线——站场——基础信息三层架构，以管线为划分依据，以站场为基本单元对模块进行搭建。

2.4 调度作业指南

调度作业指南模块能实现对各条管线、各个站场所有输油作业指导书的分类信息化整合和统一管理。作业类型分为通用作业类和单站作业类。具体内容包括作业前准备、具体操作步骤及操作注意事项等。输油作业过程中，旨在对各级调度人员和操作人员进行全过程规范化指导。此外，该模块还集成多种计算工具，包括混油切割点计算、混油量计算、“好油”跟踪等。具体应用场景：

第一，在实际生产中，当调度输油作业时，相关操作人员可通过该模块查看作业指导书，做到规范作业，如有需要，可调用上述计算工具。

第二，该模块可以用在各级调度人员与操作人员的操作技能培训中。同时，通过移动终端，参训人员可利用“碎片化”时间实时在线学习。

2.5 岗位练兵与在线考核

岗位练兵与在线考核模块通过与前述几个模块的联运，实现对各级调度人员进行业务培训、技能测评以及情景模拟演练。考核管理人员可在系统端进行自主命题以及指定练兵科目等操作，旨在丰富岗位练兵途径，创新应急演练方法，多渠道、多方式提高相关人员业务能力。具体应用场景：

第一，利用该模块可对各级调度人员进行“三基”培训与考核。

第二，相关人员可通过移动终端，实时在线学习。

3 系统数据库的设计

数据库中包含基础信息、作业指南、风险识别与应急指导、异常智能诊断、在线考核等原始库。由于涉及数量大、输送介质多样化，对数据的检索、分类等要求较高，因此需设计合理的数据结构，每个字段应能充分展示事件的特征信息。主要数据库设计包括全线启输、全线停输、启停泵、泵切换、油品切割、混油切割、收发球和末站开停下载等各种风险识别与应急指导数据表；详细库容、总体库容、管道物理参数、报警限值、总体高程、管线高程、流量计运行流量(最大计量流量)、输油泵参数、泵电机参数、全线压力设计值、站场下载区域压力、站场下载流量范围、混油头流速控制和泄压值等各种基础数据和管理数据表；单选题汇总、单选题、单选题答题信息记录，多选题汇总、多选题、多选题答题信息记录，判断题汇总、判断题、判断题答题信息记录，课题记录和考试成绩记录等各种岗位练兵和在线考核数据表。

4 异常诊断关键技术的研究

4.1 知识库设计

(1)知识获取。专家系统最重要的部分就是知识库的设计和建立[9-11]。由于成品油管输过程复杂，风险项多，且各类风险涉及的领域不同，因此管输异常诊断专家系统知识的获取任务非常困难。本文采用间接法和直接法两种方式获得。具体的间接法获取过程为：由输油调度领域各级专家和调度骨干将知识用语言及书面文字的形式整理出来，经知识工程师对其进行分析、抽取及简化，表示为能被计算机理解的规则和框架，同时，将知识输入到系统知识库中。直接法的过程为：通过分析、归纳、总结，将输油调度相关文献、专业书籍内容等表示成一定格式的知识，形成知识库。

(2)建立故障树模型。故障树分析法(FTA)[12-13]是一种用于大型复杂系统的可靠性、安全性分析和风险评价的方法。

鉴于管输过程的复杂性，其生成的故障树也非常庞大，对故障树的定量与定性分析极为困难。为了便于分析，需要对故障树进行一定简化。故障树的模块化是典型的故障树简化方法，就是将故障树分成多个相互独立的模块，然后对于各个模块进行独立分析，减少了每次分析的工作量，提高了分析与诊断效率。故障树简化模型如图5所示。

图5 故障树简化模型

(3)知识表示。专家系统的工作过程实际上是模拟人类获取知识、智能思考并运用知识的过程。对于专家系统而言，合理的知识表示不仅能够提高异常诊断的精确度、效率和成功率，而且便于知识在计算机中的检索、添加、删除和修改。目前，比较常用的知识表示方法主要有一阶谓词逻辑表示法、框架表示法、Petri 网、语义网络表示法、过程表示法、产生式规则等[14]。

本文所述异常诊断专家系统的知识表示方法采用产生式描述规则。其基本形式为：

IF P THEN Q

其中，P为推理的前提，也成为产生式前件，是产生式成立的先决条件；Q是一组结论或操作,也称为产生式的后件,表示当前提P满足时,应该得到的结论或执行的操作。产生式的具体含义为：当满足前提P时,则可得出结论Q或执行Q中所规定的操作。产生式规则表示法用“if ……,then ……”的形式表示知识,这种表示形式与人类的判断性知识基本一致,既直观、自然,又便于进行推理。

为了将故障树知识转化成产生式规则知识，将故障树分解转化为“最小”故障树单元，这些故障树单元仅含有一个逻辑门(与门、或门)，并且能转换成诊断知识库中的一个或多个产生式规则[12]。

4.2 推理机

所谓推理就是对管输异常现象进行诊断，将数据库中的事实与知识库中的规则进行匹配并推断出异常原因的过程。推理机是异常诊断专家系统的核心。调度人员观察或感知到异常现象后做初步分类,在人机交互界面进行选择或描述，将特征输入系统中,系统利用知识库中的知识，按照既定的推理策略进行求解。在异常诊断专家系统知识库的设计中,将故障树知识转化成基于产生式规则的专家系统知识。该系统采用基于规则的混合推理，推理流程为：确定故障树各节点事件的优先级；系统从规则库中选择规则进行模式匹配，匹配成功则进入故障树下一级节点进行诊断，依此原则直到基本事件为止；最后得出诊断结论。

5 结语

(1)该移动应用着眼于调度运行，统筹管输全过程，集调度作业指南、风险识别、应急指导、管输异常智能诊断和“三基”培训于一体，既能指导实际生产，又能用于业务培训，对提升调度人员业务技能、提高管输效率、控制生产风险、及时有效应急处置具有重要作用。

(2)促进了业务数据的充分流动和实时共享，相关人员可充分利用“碎片化”时间在移动终端处理相应事务，不受时间、地点限制。通过与即时通讯软件、电子地图、移动多媒体工具等的联运，可实现远程监护、远程过程优化、远程应急指挥、实时交互等在线增值功能与极大改善现有单向化、线性化业务模式和分工体系，实现业务协同和网状分工。

(3)充分利用了大数据技术和智能化方法对基础数据、案例以及专家知识进行深入挖掘、应用，发挥“数据资源”及专家知识价值。系统体现出的网状、实时、智能的业务模式和工作理念，具有很强的扩展性和复制性，对实现公司提质增效，促进公司创新融合、转型发展提供了有益的思路与参考。

[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] 温国谊,查光东,张翔.基于CLIPS的某型飞机故障诊断专家系统的设计与实现[J].中南大学学报：自然科学版,2013,44(1)：157-161.

[6] 马小林,王泽根,谢静文.负压波在管道泄漏检测与定位中的应用[J].管道技术与设备,2013,3：17-20.

[7] 葛会平.长输管线负压波法最小可检测泄漏量的研究与应用[D].兰州：兰州理工大学,2009：18-26.

[8] 胡景军,陈云,洪诗定.SCADA系统实现Web服务的关键技术[J].化工自动化及仪表,2013,40(11)：1395-1398.

[9] 谭大鹏,李培玉,潘晓弘.基于CLIPS的故障诊断专家系统开发环境[J].浙江大学学报：工学版,2009,43(2)：240-243.

[10] 王华,李鹏波.CLIPS嵌入.NET平台技术与实现[J].计算机系统应用,2006,11：45-48.

[11] 王飞,魏法杰.大型复杂装备研发成本控制专家系统[J].北京航空航天大学学报, 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.基于故障树的航天器故障诊断专家系统研究[D].南京：南京航空航天大学,2008：49-50.

2016-12-14。

陈勇(1989-)，男，硕士，毕业于东华大学机械制造及其自动化专业，助理工程师，现主要从事成品油储运调度管理工作。