1　方案背景

近年来，基于实时数据采集技术、工业库存储技术、可视化数据展示、安全管理技术于一体的KingSCADA系统在中石油采油三厂已经实现了大规模的推广，面对现场复杂的工艺流程及多变的运行方式，每天形成的成千上万条报警数据记录中，多数为正常生产运行过程中因周边环境、工艺变更而引起的无效报警。现场设备数量巨大，没有一种有效的手段可以及时地发现停机、故障的设备。长此以往，其对诸多生产部门对生产过程管理的高效运维造成了不便的影响。因此，获取可靠与有效的实时报警数据与历史报警记录以及设备运转停机提示功能迫在眉睫。

2　方案架构

如图1所示，本项目功能架构划分为数据层、平台层、应用层、展示层四层内容，主要依托于平台提供项目所需的报警优化应用。

图1 报警优化项目功能架构图

本项目网络部署架构设计，软件应用以在作业区部署单个作业区应用为例，主要区分为油田现场、服务端应用、作业区中心站监控、移动端应用四个部分。如图2所示。

基于作业区现场成熟应用的SCADA平台，KH工业库、MySQL关系库、流媒体视频监控应用等，本次在服务端应用侧安装KF3.6平台软件，利用其计算模块KC、Web模块KP，和SCADA平台的数据交互，对现场报警信息进行优化，同时能够将关键报警信息推送至移动端应用进行查看。

图2 报警优化项目网络部署架构图

3　实施内容

3.1　单变量报警阈值优化

目前油田上的参数报警主要为高低限制的报警，我们可以通过Python算法实现报警阈值的自适应调整模型、动态阈值；通过对生产运行参数过往一段时间内的数据进行统计分析，调整报警阈值，以适应当前该参数的生产运行环境。

主要使用统计学方法确认数据分布，寻找最合适的报警限值，从而实现现场运行参数的精准报警，避免出现大量无效报警的情况。

3.2　多变量复合报警

多变量复合报警算法模型主要分为以下3类：

（1）报警数据的聚类分析模型

报警数据的聚类分析，用离差平方和法计算聚类距离，以平方误差准则判定相似度，实现关联报警分组。把关联报警组内优先级最高的作为代表报警，抑制组内其他报警，这样可以减少报警数量，有效处理报警泛滥。

（2）报警变量之间的关联分析模型

报警参数之间的关联性分析，主要目的是找出关联参数变量，以降低报警数量。由于故障的传播需要一定的时间，相互关联的报警参数之间通常会存在一个延迟时间。该延迟能够使相关性系数变小，进而掩盖了变量间存在的这种相关性。

（3）多变量报警模型

采用机器学习方法对常见故障/报警模式进行模式分类，每类有多个监控参数作为数据维度。设备故障报警时，只有多个变量同时满足相应条件才能产生报警信息，一定程度上提高报警准确性。

3.3　抽油机异常停机报警

抽油机异常停机报警，通过Python算法中K——均值聚类、向量机分类模型，根据抽油机运行历史数据验证算法判断抽油机运行状态准确性，接入SCADA系统中抽油机实时数据，对抽油机运行状态判断，结合井场视频双重确认。

3.4　泵状态变化报警

泵状态变化报警，主要针对现场的外输泵和注水泵两类，判断过程和抽油机异常停机报警类似，根据泵运行历史数据验证算法判断泵状态变化准确性，接入KS侧泵运行实时数据，进行泵运行状态判断，判断结果存储至关系库。

应用算法序列的相关系数和时间序列延迟相关分析算法详细描述如下：

（1）序列的相关系数

相关系数可以看成是一种剔除了两个变量量纲影响、标准化后的特殊协方差。相关系数也可以反映两个变量变化时是同向还是反向，如果同向变化就为正，反向变化就为负。又由于它是标准化后的协方差，消除了两个变量变化幅度的影响，只是单纯反应两个变量每单位变化时的相似程度。

（2）时间序列延迟相关分析

时间序列延迟相关算法是时间序列数据挖掘的重要研究内容，目前已经在股票市场、气候分析等领域得到应用。具体说来，对于两个时间序列 和 进行计算分析，找到两个序列延迟相关性最大时的延迟时间，延迟相关是指两个时间序列的最大相似度不是发生在t=0的时刻，而是t=s的时刻，此时s就是延迟的大小。

3.5　报警推送

依靠微信端相关连接信息与油田即时通建立连接，连接信息支持用户更改编辑。

接收器选择需要接收信息的报警推送人员，发送格式设置选择相应的发送内容。

在过滤器根据报警发生级别和报警发生站点配置相应的过滤条件，实现定义周期内报警未处理报警升级，推送给下一级的相应人员；间隔周期内报警未处理重复推送报警信息进行提醒。

3.6　报警闭环管理

报警闭环管理，主要针对已经处理完成的历史报警信息，进行完整的信息追溯，选择需要查看的报警流程，结合现场报警升级和报警处理流程，详细展示各节点操作的处理人、处理时间，处理状态，处理情况等信息。

4　核心价值

该系统核心技术是基于实时数据监控与生产预警报警的模型化与全集成自动化的管理模式。面对现场复杂的工艺流程及多变的运行方式，结合Python算法通过优化系统报警，不但解决了报警参数确认与修正因过度依赖经验而出现的较高误报率问题，而且通过利用采集优化、工业库实时存储、数据压缩传输、综合数据分析等技术在总结工艺过程运行规律的同时进一步实现了更为科学的报警参数在线配置与自恢复功能。实现了精准报警，降低70%报警数量，降低了现场工作人员的工作强度。同时也实现了对油田重点设备运行情况的实时监测，当设备发生故障或者停机时可快速结合现场视频在系统中弹窗显示。

平台实现行业内“全组态”技术，无需专业程序员，广泛的工业人通过简单的培训即可根据需求自主开发的解决方案。实现行业内“模型”技术（数据模型、计算模型、图形模型），工程开发和维护的工作量颠覆式降低到原来的30%~70%，真正做到了随需而变。系统可无缝融合Python、C++、JS等高级语言编写的算法，实现化整为零。

摘自《自动化博览》2021年3月刊