摘要：大数据已经上升为国家战略，并已经开始渗透到社会生活的各个方面。主要介绍了大数据的定义、特点、技术方法，并对大数据技术在油气管道建设及运行中的应用进行了探讨，为大数据时代下油气管道建设及运行提供了参考。
关键词：大数据；大数据技术；油气管道
引言
大数据一词已被越来越频繁地提及，从大数据中获得有价值的信息，包括数据采集、存储、管理、分析挖掘等技术应用，在其他领域已经取得了显著成效，但在油气长输管道行业仍缺乏深入研究，本文通过分析管道运行产生的海量数据，结合大数据技术，探讨管道现场事故的分析方法。
1管道数据化
油气长输管道实实在在地是个大数据集合体，每条管道都满载着数据在运行。在管道的设计阶段，各类设施被统称为实体，实体具有可数性和分类性，按照其特性被编码成数据项，它具有类型、单位、值域等描述方式和限定，如一个站场、一台压缩机、一个阀门等。以阀门为例，阀门实体隶属于站场和阀室的子实体，其数据编码项按功能定义了名称(如截断、调节、压力泄放、止回)、类型(如球阀、强制密封球阀、平板闸阀、止回阀、清管阀、泄压阀、旋塞阀、节流截止放空阀、安全泄放阀、阀套式排污阀、蝶阀)、驱动方式(如手动、电动、气动、气液联动、电液联动)、公称直径、压力等级、结构形式、安装方式等属性。实体数据按照约定的格式，被详细地分类编码进而存入服务器。管道的各级运行管理员通过服务器，可以很方便地查询到具体某条管道的某个实体的详细属性。作为运行参数，管道在线路截断阀和站场工艺设备上安装了大量的传感器和数据变送器，实时监视输送介质的流量、压力、温度等工况，有些原油和成品油管道还设有在线泄漏检测系统，它们对设备运行中的每个参数都按照一定的数据规约进行实时采集，以便监视控制和存储处理站场的数据，操作员通过站控室的人机界面，可以实时了解现场动态工艺流程、设备运行状况、输送介质的实时趋势和历史趋势、事故报警、事件管理等生产数据。日复一日，年复一年，在管道站控室和监控中心的实时服务器和历史服务器上生成了海量数据。近十年是管道建设的高峰期，至2015年底，运行的油气管道将接近60000km，形成了资源供应多元化、资源调配网络化、控制管理集约化的油气管网运行格局。越是这种大管网，就越要对运行的可靠性、安全性有着近乎100的可用性指标要求。如果能够充分利用好这些运行的大数据，对事故进行提前预测或预报，将有效避免各类安全生产事故，产生极大的经济效益。
2应用大数据技术
2.1找出关联数据
运行管理人员在管道站控室实时监视现场设备的工作状况，以便掌握运行工况和及时发现异常情况。但是现场设备有可能在事故即将发生的瞬间不产生报警，最显著的例子，某输气管道曾经有个监视阀室的截断阀门出现了泄漏事故，运行管理人员事先并未从该阀门的压力数据上监视到预警信息，直至最后发生了火灾，甚至事后也很难分析事故原因。该阀门的实时数据并没有在当时预示问题，但是与它相邻的下游监视阀室的压力曲线变化却出现了异常数据，压降速率达到0.15MPa/min，通过收集和分析这些关联数据，把异常情况与正常情况进行对比，可以发现哪个部位可能即将发生问题，导致事故，即整个事故分析依赖的是相关关系，而不是因果关系。数据告诉的是将会发生什么，而不是为什么会发生，这就是应用大数据技术的特点之一。人们习惯于用因果关系思考和分析问题，但是在因果关系有时很难被证明时，通过分析相关的部分数据变化，可以在此基础上分析出因果关系，找出事故原因。
2.2数据再次利用
站场设备按照约定的周期进行数据采集，并被存入实时服务器和历史服务器。
期刊文章分类查询,尽在期刊图书馆实时服务器的作用是可以查看实时数据，但不能查看历史数据;历史服务器仅供查询历史数据，但没有任何修改和操作的权限。两个服务器是两个独立的数据库，为同一站控系统服务。仍以上述阀门泄漏为例，操作员在监视的某段时间点内可能未发现该阀门的数据异常，但压降速率可能已经在允许变化的范围内发生了变化，这些数据被存进了历史服务器，如果该阀门泄漏不发生火灾事故，这些数据可能不被现场监视人员所关注。事故发生后，对运行中的其他阀门是否存在类似隐患，因不能及时判断故障点，只能是采取人为干预措施，强制性地更换了所有这种型号阀门的有关附件。实际上历史数据在参与对事故的分析和处理中至关重要，除了能够提供现场直观数据外，通过对定制或开发历史数据库管理软件，类似于PLC的组态方式，对已生成的数据进行重新组态，比如出站压力与下一站进站压力的变化、分离器进出口的压差、截断阀的阀位等这些与管道正常运行有关的数据进行报表数据记录、历史数据曲线记录和统计等，完成数据的关联性、连贯性和趋势分析，达到预测事故和事故定位的目的，为建立事故预警分析系统提供可靠详实的数据来源。因此，在历史数据库建设时考虑到数据的再次利用，就增加了数据的潜在价值。总之，在现有软件上对数据库进行定制修改，功能扩展，达到数据的再次利用，这就是大数据的特点之二。
3大数据应用技术方法
3.1数据采集技术
数据采集技术主要是指对从外界采集、获取原始数据的技术，主要分为接收技术和记录技术。其中接收技术主要有传感器获取技术、网页点击采集技术、移动设备应用采集技术等。大数据记录技术主要是完成对原始数据的选择，从而构建所需要的数据结构。
3.2数据管理技术
数据管理技术是对来自各系统的异构的大数据进行理解、定义、注释，并进行安全审核，主要包括数据抽取技术、清洗技术和存储技术。数据抽取技术主要作用时将复杂的数据单一化或者转化为有利于处理的构型，从而可以快速对原始数据进行分析处理。数据清洗技术是将错误的数据过滤出去，避免对最后的分析造成不利影响。
3.3数据分析技术
数据分析技术主要是借助人工智能技术进行大数据分析。目前主要的技术有布隆过滤器、散列法、索引、Ｔｒｉｅ树、并行计算等。大数据分析技术是对全体数据进行分析，不再执迷于精确性，更注重在相关关系分析法的基础对原始数据进行分析。
4大数据的经济性和实用性效果
通过对运行中产生的大数据的应用和开发，并没有额外增加建设成本，获得的效益却是不言而喻的。管网集中监控的运行，能够在一个平台上有效实现各条管道数据信息交换与共享，避免形成信息孤岛。按照油气长输管道数据采集和监视标准，要求达到对管网中重要设备的监控和管理，提高系统维护和事故处理效率及准确性，力求实现风险预测、科学分析和有效控制的目的。毫无疑问，用大数据运行管道能够实现降低运行过程的风险程度，为油气管道安全、平稳运行及全生命周期的完整性管理提供可靠的保障。
5结论
在油气长输管道运行上应用大数据技术，还有其他方法，比如云计算技术为这些海量、多样化的大数据提供存储和运算平台，针对不同来源数据进行管理、处理、分析与优化，将结果反馈应用到管道安全运行管理中，将会创造出巨大的经济利益和实现管道的完整性管理，也充分实现了这些大数据的价值。
参考文献
［1］隋溪，韩冬，甘淳静．原油管道在线泄漏检测［J］．天然气与石油，2010，28(3):15－17．
［2］黄维和．大型天然气管网系统可靠性［J］．石油学报，2013，34(2):401－404．
论文作者:刘亮
论文发表刊物:《基层建设》2019年第11期
论文发表时间:2019/9/2
标签：数据论文; 管道论文; 技术论文; 事故论文; 油气论文; 阀门论文; 实时论文; 《基层建设》2019年第11期论文;