摘 要： 物联网建设是设备管理追求卓越的必由之路，是企业增加核心竞争力的重要手段。华北油田依托工业实时大数据技术、数据采集装置以及网络基础设施，构建设备物联网，实现了通过大数据分析辅助用户决策，达到工业生产减耗增效、安全生产以及节能减排的目的。选取注水泵和修井机作为设备物联网运维试点设备，选取设备运维中心数据管理系统作为工业实时大数据技术试点软件系统。试点方案涵盖了硬件与软件、固定设备与移动设备、新设备与老旧设备、一线生产数据与维修保障数据。通过试点应用实现了海量数据实时并发读写、海量数据规模下实时检索、高客户端接驳量、实时广域传输、任意时间跨度趋势线实时绘制、任意时间点截面数据实时供给等，较为全面地验证了华北油田设备运维系统构建物联网的可行性与有效性。
关键词 : 设备管理;工业实时大数据;物联网;辅助决策;试点;
Abstract： The construction of Internet of Things(IoT) is the only way for equipment management to pursue excellence. It is an important means for enterprises to increase their core competitiveness.Through industrial real-time big data technology,data acquisition devices and network infrastructure,Huabei Oilfield constructs the equipment Internet of Things. Through big data analysis to assist users in decision-making, the targets of consumption reduction and efficiency increase, safe production and energy saving and emission reduction in industrial production can be achieved. The water injection pump and workover rig are used as the pilot equipment of IoT operation and maintenance,and the data management system of equipment operation and maintenance center is the pilot software system of industrial realtime big data technology. The pilot scheme covers hardware and software,fixed equipment and mobile equipment,new equipment and old equipment,front-line production data and maintenance support data. Through the pilot,technologies such as real-time concurrent reading and writing of massive data, real-time retrieval under the scale of massive data, high client connectivity, realtime wide area transmission, real-time drawing of trend line of any time span, realtime supply of cross-section data at any time point are applied and realized. The feasibility and effectiveness of building the Internet of Things in the equipment operation and maintenance system of Huabei Oilfield is comprehensively verified.
Keyword： equipment management; industrial real-time big data; Internet of Things; assistant decision making; pilot;
目前，老油田设备运维面临以下几个方面的矛盾：
(1）设备老化、新技术、新工艺不断引进与现行设备运维体系相对落后的矛盾。老油田现有设备新度系数低，老化日趋严重，运行维修费用逐年攀升，加之2019年开始，国际油价长期在低位徘徊，导致生产经营成本压力层层传递，给设备管理带来巨大的成本压力；此外，新技术、新工艺的不断引进，也给现行的设备运维体系带来很大压力，使得设备有序更替、新技术和新工艺引进推广常态化的实现面临诸多困难。
(2）设备运维能力升级需求与当前技术能力不足的矛盾。巨大的成本压力以及新工艺、新技术的不断引进，使得设备运维部门迫切地需要依托工业大数据技术，搭建成熟的设备物联网运维体系与模式，实现油田设备的全寿命周期数据精细化管理。但在数据的采集、传输、清洗、压缩、写入、存储、查询、读取、再计算等各个环节[1]，均与传统技术差别甚大，影响整个设备运维数据处理过程的效率[2]。
(3）工业物联网技术理念的先进性与当前设备运维管理人员认识不到位的矛盾。工业物联网大数据平台的搭建，既需要高屋建瓴的顶层设计，也需要扎实可靠的底层技术[3]；既要充分考虑工业一线的现实条件，也要设法满足管理部门的实际需求。但目前设备运维管理人员对工业物联网技术的认识有限，对底层技术能力的需求认识不足，无法清晰认识现实需求和现有技术之间的必然联系，很难做出既能满足各方面需求，又能真正落地实现的物联网方案。
(4）设备运维的整体性与各个部门独立性之间的矛盾。当前，数据的采集、传输、管理及应用往往分属于不同的部门负责，而以工业大数据及物联网为支撑的设备运维系统[4]需要多部门合力实现。设备运维管理人员往往专注于自身的业务，难以具备全局视野，现有的底层数据技术一般通用性较差，很难满足多部门需求，各部门数据沟通困难。
(5）关键技术“卡脖子”与全面自主化需求的矛盾。高效利用工业大数据、支撑工业物联网的核心数据工具[5]——实时数据库，目前还被国外公司把持，已经出现了关键技术被“卡脖子”的现象。国外厂商坐地起价，且服务态度、服务质量不佳，而在如今的国际环境下，关键技术全面自主化是一个明确的发展方向。
1 、推进设备物网实施的主要做法
华北油田在推进设备运维系统升级与设备物联网化改造工作中，选取注水泵、修井机作为设备物联网化运维的试点设备，选取设备运维中心数据管理系统作为工业实时大数据技术的试点软件系统，以全面验证华北油田设备运维系统升级方案的可行性与有效性。
1.1、 注水泵物联网工作原理及试点
通过改造旧设备，加装合适的信息化收集、传输装置和设备，以及远程在线检测，解决设备传统运行巡检周期长、数据记录不全等问题，达到设备实时报警、通过数据模型预测维修等目标。
1.1.1、 现场改造及系统功能
该项目以华北油田采油三厂楚一联注水站8台5ZB-15/44注水泵为试点。安装噪声变送器，对液力端的各缸进行监控，即在泵头下面对应的各个缸上安装噪声变送器，对各个缸的噪声进行监测，判断易损件是否损坏；在进口管线上安装进口压力变送器，对进口压力进行监测，用于判断进口压力是否过低；安装超声波流量计，测量单泵出口流量；安装油温变送器和液位变送器，即在箱体侧面安装温度、液位变送器，对润滑油温度、液位进行监测，用于判断油温是否过热，油液位是否过低；安装电动机温度变送器，利用电动机吊环的螺纹扣，连接温度变送器，对电动机温度进行监测，判断电动机温度是否过高；安装采集箱、PLC柜，变送器信号进采集箱，由采集箱再传送到PLC柜；安装监控系统的服务器。
1.1.2 、数据采集
数据采集包括静态数据、动态数据、人工维护数据的采集和录入。静态数据可通过远程监控平台进行录入，动态数据由各类关键数据传感器采集完成，人工维护数据由人工进行录入。静态数据采集基础信息、主机参数、电动机参数、控制柜参数、保养预警、故障代码库共六类，49项数据。动态数据采集基础信息、生产参数、运行参数共三类，37项数据。人工维护数据包括维护保养润滑记录、事故情况、故障维修记录、部件更换记录、变动记录等。
1.1.3、 数据的应用及试点情况
该系统将采集的数据传输到华北油田信息中心，包括进口和出口压力、润滑油温度、润滑油液位、电动机温度、电压、电流、用电量、泵头噪声、出口流量。现场实时数据采集如图1所示。
图1 现场实时数据采集
Fig.1 Field real-time data acquisition
调阅系统运行6个月记录，累计检测发出105条报警信息。这里截取部分监测数据举例分析。
2#、5#注水泵吸入压力报警分析如表1所示。
表1 2#、5#注水泵吸入压力报警分析
2#、5#注水泵吸入压力报警设定0.03 MPa，当压力低于0.03 MPa时，系统报警。经员工现场查看，判断是人为停泵时关闭进口阀门，此时进口管线的吸入压力为0，触动报警。为避免此类误报警情况，对系统进行了改进，设置泵运行时，压力低于0.03 MPa进行报警；如果泵在停止时，压力低于0.03 MPa，不报警。
6#、7#注水泵排出压力报警分析如表2所示。
6#、7#注水泵排出压力报警设定23 MPa，当压力超过23.5 MPa时，系统报警。经员工现场查看，判断为井底压力瞬时过高触及报警值造成报警，不需对其进行保护停泵。
表2 6#、7#注水泵排出压力报警分析
3#、5#注水泵噪声报警分析如表3所示。
根据现场维修记录，分析故障报警正确性和调整报警值设置。
报警信息A，经员工现场查看，判断为3#注水泵的2#缸内出现问题，进行拆解后，发现夹布橡圈和排出阀片损坏。
报警信息B，经员工现场查看，判断为5#注水泵的5#缸内出现问题，进行拆解后，发现吸入阀片损坏。
通过注水泵物联网工作试点，该系统判断准确率由最初的40%提高到70%左右，能够有效地减少维护工作量；系统能够针对故障播放视频拆解教程，减少拆解误操作。
1.2 、修井机物联网工作原理及试点
为了实现对野外修井机的有效监控，开发了修井机远程监控系统。该系统可实现对修井机的运行状态数据实时监测，可以为现场操作人员提供技术支持，为油田各级管理人员指导现场生产提供决策依据，建立修井机基础信息数据库。
表3 3#、5#注水泵噪声报警分析
修井机远程监控系统是对其运行数据进行远程传输，实时掌握修井机设备运行现状参数和关键图像资料，通过人机对话、双向互通，及时对设备故障进行分析，实现修井机产品实时全方位监控。
该系统是应用Internet技术，在TCP/IP协议和www的支持下，组织相应的软件结构，使油田公司和渤海装备公司各级管理人员通过访问网络服务器来迅速获取自己权限下的所有信息并及时做出响应。远程监控系统管理模式如下：将来自各传感器的信号输入采集终端，采集终端将信号转换后，通过网络转发到油田物资装备和渤海装备监控中心。监控中心的监控计算机收到来自前端的数据，通过软件界面进行显示。
远程视频监控系统由各个修井机现场数据采集子系统、数据传输子系统、近程人机交互子系统和远程监控子系统组成。修井机远程监控系统网络拓扑如图2所示。
图2 修井机远程监控系统网络拓扑
Fig.3 Network topology of workover rig remote monitoring system
1.2.1、 现场数据采集子系统
修井机现场数据采集子系统包括动态数据采集、静态数据录入和设备数据存储等。采集的动态数据包括环境信息、现场作业信息、设备运行信息、维修和保养信息。环境、作业和运行信息由系统自动采集，维修、保养信息由用户录入。静态数据录入整车信息、底盘车信息、上装部件信息，静态信息由制造厂家录入，可供用户查询。
1.2.2 、数据传输子系统
数据传输子系统采用TCP/IP和www技术，通过4G/GPRS无线传输方式，将数据实时回传至远程监控中心。
(1）通信协议。是根据石油天然行业特殊环境在现有各种工业总线基础之上开发的用于数据传输的自定义协议，加入数据校验和容错算法，保证数据实时性和准确性。由于是自定义通信协议，具有较强的保密性，在没有获得通信协议授权之前是无法解析这些数据的。
协议数据的传输依赖于现有的各种工业总线（如RS485、以太网等），该协议具备低冗余特性，便于复杂网络的数据传输。
(2）远程数据传输。DTU支持双通道传输数据，支持与多中心进行数据通信，支持域名解析功能。现场DTU把设备的运行数据、作业数据、报警信息、报表等数据通过4G或GPRS传输到监控中心服务器，根据数据重要程度，可设置数据传输频率，合理利用流量资源。
数据每隔5 s打包上传至中心服务器上。同时对发出的数据进行CRC效验，保证数据的正确性。
1.2.3、 近程人机交互子系统
近程人机交互是以串行通信方式与PLC进行连接，通过软件界面的方式让修井现场操作者可以直观地管理设备，其内容主要包括系统设置、集中监控、实时监控、报警保养提醒、历史数据、预防性维护、维修记录、报表、技术资料等。近程人机交互界面如图3所示。
图3 近程人机交互界面
Fig.5 Short range human-computer interaction interface
近程人机交互实现操作者与设备之间的沟通，通过趋势图、报警列表和数字等方式，反映出设备的工作状态，使整个修井作业过程可视化。同时接受操作者发出的各种命令和参数设置，用来更改作业工艺和控制设备运行。当发生报警时，首先在人机界面提示操作者，并形成报警列表，解释报警原因。作业信息、设备记录和报警信息存档后，可通过人机界面查询。
1.2.4、 远程监控子系统
远程监控子系统架设在油田物资装备远程监控中心和渤海装备远程监控中心，远程监控中心涉及远程监测、设备管理、现场作业、数据统计/分析、故障诊断、作业统计和决策支持等功能，满足各个部门等不同层面的管理需求，实现多级数据自动同步和汇总，支持跨专业数据共享和跨专业业务协作，是一个一体化的决策管理平台；并且能为企业经营管理、生产安全管理、数据管理等其他业务管理提供相关数据依据。
1.3 、设备运维中心大数据管理试点
设备运维中心数据管理系统管理着各类设备的台账数据与巡检、维修工单数据，未来规划将设备的实时运行数据也接入到管理系统中。目前，系统底层仍采用传统的关系型数据库[6]，已经出现检索速度缓慢和统计分析工作十分耗时的问题，为未来的大规模实时数据接入、设备物联网化建设埋下隐患。华北油田在这一系统上进行了实时大数据应用试点，取得了极佳的示范性效果。
1.3.1、 大规模工单模拟数据入库
根据样例数据，模拟了50万条工单记录数据，导入到实时历史数据库中。
为适应实时历史数据库的数据结构，将工单记录数据离散为5个Tag，分别为工单号，设备信息、维修单位、工单费用以及详细信息，其中，工单号、设备信息、维修单位的采样值数据类型为字符串；工单费用的采样值数据类型为float32，详细信息采样值数据类型为blob，存储原始工单数据本条记录的所有信息。所有Tag以完成时间作为时间戳。
由于采用了实时大数据技术，50万条记录全部录入，耗时不足30 s。在实际使用过程中，数据录入过程不影响用户检索效率以及数据对外供给效率。
1.3.2、 大规模工单数据检索效率测试
分别以工单号、设备信息以及工单费用作为检索条件，初步测试应用实时大数据技术管理后工单数据的检索速度[7]。
以工单号作为检索条件，查询指定工单号对应的工单记录所有信息。在库内已经存储50万条工单记录，每秒录入1万条新工单记录的条件下，平均响应时间在1 s以内。
以设备信息作为检索条件，查询指定工单号对应的工单记录所有信息。在库内已经存储50万条工单记录，每秒录入1万条新工单记录的条件下，平均响应时间在1 s以内。
以工单费用为检索条件，检索工单费用>400元，工单费用<300元的所有工单记录的详细信息。在库内已经存储50万条工单记录，每秒录入1万条新工单记录的条件下，将符合要求的数据全部供给出来以TXT形式写入指定文件，平均耗时3 s以内。
1.3.3、 系统兼容性测试
开发程序接口，完成数据库底层数据沟通，以实时历史数据库作为工单数据支持系统[8]，结合现有上层数据关系以及操作界面，完成数据检索功能。使用油田现有的数据管理系统界面，在不改变原有操作方式的条件下完成工单检索功能。根据设备信息检索对应的维修工单数据，经多轮测试，响应时间在2 s左右。
1.3.4、 新业务功能测试
依托实时历史数据库的高性能，将各台设备每季度维修次数进行统计，绘制过去5年2万台设备的维修频率曲线，经简单观察发现，部分设备的维修频率远高于同类其他设备，对这些异常设备需要特别关注，并有必要组织人力研究其原因，并采取修理、更换等措施。
2、 效益评价
以上三个设备运维物联网试点效果明显，代表性强，发展潜力巨大，为未来的油田设备运维全面物联网化打下了坚实的基础[9,10]，起到了良好的示范效应。
(1）注水泵经济效益。通过跟踪试点注水泵运维费用，其经济效益明显（表4）
表4 注水泵物联网改造前后单台设备年度节约成本
根据统计，目前每台注水泵每年维修成本大概8.2万元（含大修费用），改造后可以使每台泵每年节约4.2万元维护费用。油田公司67个注水站512台注水泵实施物联网技术改造后，年度节约运维成本2 150万元。数字化注水泵的改造不仅降低了设备的维护成本，同时降低了设备出现重大故障的概率，保证了设备的有效运行时间，为油田注水提供可靠的保障，其所带来的直接和间接经济效益更是可观。
(2）修井机经济效益。传统修井机年度维修频率平均5次，平均单台年度运维费用18万元。通过实施物联网技术，维修频率降低50%，重要部件使用寿命周期延长2～3倍，综合维修费用降低60%，年度节约运维费用10.8万元。油田公司同期服役修井机100余台，年度节约维修资金可达1 000余万元。同时因设备使用寿命周期延长约50%，由此可节约大笔设备更新购置资金。以每台修井机150万元计，原有设备寿命周期10年，通过物联网管理下修井机使用寿命可延长至15年，公司修井机设备更新资金投入年度平均节约800万元以上。
(3）设备运维中心数据管理系统在效益试点过程中，仅仅将各台设备每季度维修次数进行统计，发现并精准定位了异常设备，为进一步的工作提供了可靠的判断依据。此类应用未来还可以有很多，每一个应用上的创新都能为设备运维带来可观的效益与安全性的提升。
3 、结论
通过开展油田设备管理物联网试点研究，取得了良好的经济效益，工作效率和工作质量显着提升，基于工业实时大数据及物联网为支撑的设备运维管理模式，具有极大的潜力和旺盛的生命力。借助物联网技术，不仅实现了当前设备管理提质增效，更为企业今后多方面的发展和创新创造了有利条件。
参考文献
-----------
[1]吴振宇.基于Web的物联网应用体系架构和关键技术研究[D] . 北京:北京邮电大学. 2013:26-27.WU Zhenyu. Research on application architecture and key technologies of Internet of things based on Web[D]. Beiing:Beijing University of Posts and Telecommunications,2013:26-27.
[2]曹万岩,赵雪峰,张德发,等.大庆油田站场数字化建设模式实践与认识[J] . 油气细地面工程, 2021, 40(1):62-70 CAO Wanyan, ZHAO Xuefeng, ZHANG Defa, et al.Practice and understanding of the digital construction mode of Daqing Oilfield station[J].Oil-Gas Field Surface Engineering,2021,40(1):62-70.
[3]康世龙,杜中- ,雷咏梅,等.工业物联网研究概述[J].物联网技术 , 2013,21(6):80-82 KANG Shilong,DU Zhongyi,LEl Yongmei,et al. Overview of industrial Internet of things research[J]. Internet of Things Technology ,2013,21(6):80-82.
[4]张昊，陈宇,梁永宏,等.基于实时信息的生产设备运行维护管理系统研究[] .机床与液压, 2008,36(9):39-44 .ZHANG Hao CHEN Yu,LIANG Yonghong.et al.Research on production equipment operation and maintenance management system based on real- time information[J]Machine Tool&Hydraulics,2008,36(9):39-44.
[5]王建民.工业大数据技术[J] . 电信网技术, 2016,28(8):1-5.WANG Jianmin. Industrial big data technology[J]. Telecommunication Network Technology 2016,28(8)1-5.
[6]黄绍川,开金宇,莫林. 工业实时数据库系统的研究与设计[J] .微计算机信息, 2008,24(21): 107-108.HUANG Shaochuan, KAI Jinyu, MO Lin. Research and design of industrial real-time database system[J] Microcomputer Information,2008 ,24(21):107-108.
[7]张锋军. 大数据技术研究综述[J] . 通信技术, 2014,30(11):1240-1248 .ZHANG Fengjun.Overview of big data technology research[J]. Communication Technology, 2014, 30(11):1240-1248.
[8]姚红舵,闵利昆,孙崇亮,等.油田大型设备维检修预警系统的构建[J] . 油气田地面工程, 2018,37(6).79-81.YAO Hongduo,MIN Likun,SUN Chongliang,et al.Establishment of the early warning system for the olfield largescale equipment maintenance[J] Oil-Gas Field Surface Engineering.2018,37(6):79-81.
[9]王玉红,王刚。一体化管控在变电设备运维检修中的应用分析[J] .科技创新与应用, 2017,37(3):184- 184. WANG Yuhong,WANG Gang .Application analysis of integrated management and control in operation maintenance and repair of substation equipment[J]. Technology Innovation and Application,2017,37(3): 184-184.
[10]孟小峰，周龙骧,王珊.数据库技术发展趋势[J] . 软件学报, 2004,23(12): 1822-1836.MENG Xiaofeng, ZHOU Longxiang, WANG Shan. Development trend of database technology[J].Journal of Software 2004,23(12): 1822-1836.
