论文部分内容阅读
石化行业是资产密集型行业，具有设备价值高、工艺复杂、产业链长、危险性高、环保压力大的行业特征，面临设备管理不透明、工艺知识传承难、产业链上下游协同水平不高、安全生产压力大等行业痛点，亟需加快基于工业互联网平台的数字化转型步伐，全面提升设备管理、生产管理、供应链管理、安全管理、节能降耗等环节的数字化水平。恒逸石化、恒力石化、石化盈科、中油瑞飞等企业以设备智能管控、生产协同优化为切入点，加速推动石化行业向全流程智能化方向加速转型。
石化行业数字化转型
趋势分析
设备管理：从黑箱管理向健康管理转变。石化行业的生产设备具有危险性，一旦设备在运行的过程中出现异常高温、高压、设备腐蚀泄漏的情况，会引发火灾或者爆炸事故，造成人员伤亡。过去，企业很难及时了解企业设备的情况，只能定期派人对设备检查和维护，浪费了大量的人力物力。在工业互联网平台应用的大背景下，基于传感器、自适应感知、精确控制与执行等数据采集技术，实现设备全生命周期的实时态势感知、远程故障诊断和预测性维护。
知识管理：从纸质封存向模型封存转变。我国石化行業经过几十年的发展，积累了大量的工艺技术、实践经验和专家知识。它们大多在少数专家手中，碎片化现象严重，知识传播渠道以线下的培训为主，受时间和空间的诸多限制。在工业互联网平台应用的大背景下，聚焦炼化生产的工艺优化、质量管控、节能降耗场景，推动石化工艺知识以机理模型、业务模型、算法模型的形式共享、复用、传播，大幅降低石化知识创新的门槛。
供应链管理：从企业内向企业间协同转变。我国石化行业的原油和天然气进口依存度高。在国际原油价格大幅波动，供应链成本压力持续发酵的大背景下，我国石化行业需要提高供应链整体的敏捷性和灵活性，对市场变化快速做出反应，及时调整，统筹安排开采、外购、运输、生产和销售。因而，以工业互联网平台为连接枢纽，实现上游原油供应企业、中游炼化生产企业、下游产品分销企业之间的供应链协同成为大势所趋。
安全管理：从人工巡检向智能巡检转变。中国油气运输管线约7万公里，跨度大、范围广，部分管线处于地形地貌复杂、自然环境恶劣、环境敏感区域，输送介质危险性大。石油炼化生产的原料和产品大多是高温高压、易燃易爆有毒的危险品，规模庞大，微小的事故就会造成灾难性危害。常规人工巡检速度慢、成本高、效率低、受自然和地理条件制约大。在工业互联网的大背景下，利用传感器、增强现实眼镜、无人机、智能机器人等工具，大幅提高了巡检的实时性、精准性和可视性，提高巡检效率。
典型应用场景及实践
设备管理。一是设备状态检测。通过对物理设备的几何形状、功能、历史运行数据、实时监测数据进行数字孪生建模，实时监测设备的各部件的运行情况。中石油青海油田对10万台口油气水井和3000余座场站的采油设备的运行数据自动采集，远程实时监测设备运行状态，实现了边远油田派遣人数和人工成本大幅下降。二是远程故障诊断。将设备的历史故障与维修数据、实时工况数据，与故障诊断知识库相连，利用机器学习和知识图谱技术，实现设备的故障检测、判断与定位。中油瑞飞工业互联网平台对中石油海外油田设备提供了跨国油田远程技术支持服务，结合专家远程诊断和工人维修指导，实现了50%以上的问题无需设备服务商到场解决非现场解决。三是预测性维护。构建设备数字孪生体，实时采集各项内在性能参数，提前预判设备零部件的损坏时间，主动、及时和提前进行维护服务。燕山石化建立了调节阀故障模型，通过对炼化装置流量控制阀进行数据分析和诊断，实现了对控制阀的预测性维护，降低无效维修50%以上，创造直接经济效益近5000万元。
炼化生产。一是工艺优化。在实际炼化生产前，对原油原料、工艺流程、炼化设备进行数字孪生建模，对工艺配方、工艺流程等全方位模拟仿真，优化原料配比参数和装置优化路径，得出最优的炼化生产方案。中石油云南石化对开工原油的炼化工艺流程进行模拟分析，明确各项操作参数，从而指导生产操作，实现了常减压装置1次开车成功，制氢联合装置核心设备投产1次成功。二是质量管控。实时采集和分析油品炼化全流程的质量数据，对各项质量指标进行在线动态分析和预测预警，实现炼化全流程质量跟踪及自动控制。中石化九江石化在炼化生产过程中，对各项质量指标进行实时监测和动态分析，实现了油品炼化质量的大幅提升，吨原油除成品油率提高到82%，产出率提升7个百分点。三是节能降耗。通过对关键耗能设备和高耗能加工流程的数据采集，结合大数据、人工智能算法和专家知识库，分析耗能的关键因素，找出能耗最低的工艺参数来指导实际生产，提高关键耗能设备的维护精度。恒逸工业大脑通过对历年锅炉燃烧数据的深度学习，推算出最优的锅炉燃烧参数，燃煤发电效率提升2.6%，同时节约了成本。
供应链协同。一是企业内供应链协同。实时采集和分析供应链运行情况，识别资源配置低效的环节，提出改进方案，提高企业内部资源配置效率。中石化镇海炼化将原油采购、资源配置、装置运行、产品结构、销售物流等进行全流程建模，系统分析供应链协同的重点难点和优化潜力点，测算了各类优化方案637个，累计创效3.9亿元。二是企业间的供应链协同。以工业互联网平台为连接枢纽，打通石化上游原油供应、中游炼化生产、下游产品销售各环节，优化全产业链资源配置。当前，我国石化产业链的供应链协同正处于探索应用阶段，新冠肺炎疫情期间，基于石化盈科ProMACE工业互联网平台，镇海炼化、恒力石化进行生产动态优化调整，提高防疫所需原材料的供给能力，同时与口罩、防护服生产企业实时对接、协同排产，实现了上下游医卫用品资源配置的动态优化，提升产业链协同效率。
安全巡检。一是生产安全监控。实时采集的炼化生产过程中的各类安全数据，结合安全生产监控模型，对生产异常状态和安全风险实时报警。中石化茂名石化基于工业互联网平台汇聚厂区内外的安全信息，结合安全风险诊断模型，实现了异常状态和安全风险的实时报警，发现并消除了1800多项生产异常问题减少了安全隐患。二是管道智能巡检。在油气管道内外利用传感器、智能阴保桩、管道巡检机器人、无人机等数据采集工具，以及连接地理、气象等环境数据，实现管道内外运行状态的全面感知和实时监测，对管道异常状况（如泄漏）快速定位。基于ProMACE工业互联网平台，石化盈科在中石化西北油田开展了原油管线泄漏视频智能识别应用，通过训练卷积神经网络，实现视频数据实时分析处理，巡检视频识别效率提高70%以上。
推进应用场景落地的着力点
加强底层数据分析，促进边云协同。一是边缘数据采集方面，安装传感器、无人机、摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集油田地质勘探、钻井、开采、运输、炼化、销售领域的多源设备、异构系统、运营环境、人员等数据，实现对油田、运输管道、炼化工厂运行状态的全面感知。二是边缘数据分析方面，在原油开采装置、炼化重点装置、运输管道关键节点部署机器学习和深度学习算法，在边缘控制器上集成分析引擎，实现对装置的自动调整和优化。在设备管理、质量管控、智能巡检场景下，可以考虑将云端的机器学习模型和深度学习模型，部署在边缘设备端，在模型、数据、服务三方面实现边云协同。
梳理炼化工艺知识，研发工业模型。一是面向设备管理，重点研发炼化重点装置的运行状态监测模型、远程故障诊断模型和预测性维护模型。二是面向炼化生产，重点研发炼化工艺流程模拟优化模型、聚合物反应模型、换热网络优化模型、公用工程系统优化模型以及能量系统优化模型、生产质量管控模型。三是面向供应链管理，重点研发原油进口供应链扰动缓解模型、供应链柔性作业模型、供应链均衡协调模型、成本和风险平衡模型、计划和调度模型等。四是面向安全管理，研发基于多源安全数据融合的火灾爆炸事故风险预警模型、高危设备监测和故障预警模型、危险源监测和预警模型、应急资源管理模型、安全应急调度模型。
研发行业解决方案，推广典型应用。一是打造设备管理解决方案。重点研发和推广炼化重点装置的状态监测、远程故障诊断、预测性维护解决方案，提升炼化装置管理水平。二是打造炼化生产解决方案。重点研发炼化生产装置流程模拟、智能化验室、运营管理优化、生产质量管控等解决方案，实现炼化生产优化。三是打造供应链协同类解决方案。重点研发石化企业内部的供应链协同解决方案和企业间的供应链协同解决方案，实现石化供应链全流程的优化、资源合理利用以及价值的优化。四是打造安全管理类解决方案。重点研发炼化生产安全监管解决方案、管线漏失动态监测、钻孔破坏点精确定位、应急指挥解决方案，实现对炼化生产风险提前报警，对油气长输管道泄漏的实时检测和准确定位。
石化行业数字化转型
趋势分析
设备管理：从黑箱管理向健康管理转变。石化行业的生产设备具有危险性，一旦设备在运行的过程中出现异常高温、高压、设备腐蚀泄漏的情况，会引发火灾或者爆炸事故，造成人员伤亡。过去，企业很难及时了解企业设备的情况，只能定期派人对设备检查和维护，浪费了大量的人力物力。在工业互联网平台应用的大背景下，基于传感器、自适应感知、精确控制与执行等数据采集技术，实现设备全生命周期的实时态势感知、远程故障诊断和预测性维护。
知识管理：从纸质封存向模型封存转变。我国石化行業经过几十年的发展，积累了大量的工艺技术、实践经验和专家知识。它们大多在少数专家手中，碎片化现象严重，知识传播渠道以线下的培训为主，受时间和空间的诸多限制。在工业互联网平台应用的大背景下，聚焦炼化生产的工艺优化、质量管控、节能降耗场景，推动石化工艺知识以机理模型、业务模型、算法模型的形式共享、复用、传播，大幅降低石化知识创新的门槛。
供应链管理：从企业内向企业间协同转变。我国石化行业的原油和天然气进口依存度高。在国际原油价格大幅波动，供应链成本压力持续发酵的大背景下，我国石化行业需要提高供应链整体的敏捷性和灵活性，对市场变化快速做出反应，及时调整，统筹安排开采、外购、运输、生产和销售。因而，以工业互联网平台为连接枢纽，实现上游原油供应企业、中游炼化生产企业、下游产品分销企业之间的供应链协同成为大势所趋。
安全管理：从人工巡检向智能巡检转变。中国油气运输管线约7万公里，跨度大、范围广，部分管线处于地形地貌复杂、自然环境恶劣、环境敏感区域，输送介质危险性大。石油炼化生产的原料和产品大多是高温高压、易燃易爆有毒的危险品，规模庞大，微小的事故就会造成灾难性危害。常规人工巡检速度慢、成本高、效率低、受自然和地理条件制约大。在工业互联网的大背景下，利用传感器、增强现实眼镜、无人机、智能机器人等工具，大幅提高了巡检的实时性、精准性和可视性，提高巡检效率。
典型应用场景及实践
设备管理。一是设备状态检测。通过对物理设备的几何形状、功能、历史运行数据、实时监测数据进行数字孪生建模，实时监测设备的各部件的运行情况。中石油青海油田对10万台口油气水井和3000余座场站的采油设备的运行数据自动采集，远程实时监测设备运行状态，实现了边远油田派遣人数和人工成本大幅下降。二是远程故障诊断。将设备的历史故障与维修数据、实时工况数据，与故障诊断知识库相连，利用机器学习和知识图谱技术，实现设备的故障检测、判断与定位。中油瑞飞工业互联网平台对中石油海外油田设备提供了跨国油田远程技术支持服务，结合专家远程诊断和工人维修指导，实现了50%以上的问题无需设备服务商到场解决非现场解决。三是预测性维护。构建设备数字孪生体，实时采集各项内在性能参数，提前预判设备零部件的损坏时间，主动、及时和提前进行维护服务。燕山石化建立了调节阀故障模型，通过对炼化装置流量控制阀进行数据分析和诊断，实现了对控制阀的预测性维护，降低无效维修50%以上，创造直接经济效益近5000万元。
炼化生产。一是工艺优化。在实际炼化生产前，对原油原料、工艺流程、炼化设备进行数字孪生建模，对工艺配方、工艺流程等全方位模拟仿真，优化原料配比参数和装置优化路径，得出最优的炼化生产方案。中石油云南石化对开工原油的炼化工艺流程进行模拟分析，明确各项操作参数，从而指导生产操作，实现了常减压装置1次开车成功，制氢联合装置核心设备投产1次成功。二是质量管控。实时采集和分析油品炼化全流程的质量数据，对各项质量指标进行在线动态分析和预测预警，实现炼化全流程质量跟踪及自动控制。中石化九江石化在炼化生产过程中，对各项质量指标进行实时监测和动态分析，实现了油品炼化质量的大幅提升，吨原油除成品油率提高到82%，产出率提升7个百分点。三是节能降耗。通过对关键耗能设备和高耗能加工流程的数据采集，结合大数据、人工智能算法和专家知识库，分析耗能的关键因素，找出能耗最低的工艺参数来指导实际生产，提高关键耗能设备的维护精度。恒逸工业大脑通过对历年锅炉燃烧数据的深度学习，推算出最优的锅炉燃烧参数，燃煤发电效率提升2.6%，同时节约了成本。
供应链协同。一是企业内供应链协同。实时采集和分析供应链运行情况，识别资源配置低效的环节，提出改进方案，提高企业内部资源配置效率。中石化镇海炼化将原油采购、资源配置、装置运行、产品结构、销售物流等进行全流程建模，系统分析供应链协同的重点难点和优化潜力点，测算了各类优化方案637个，累计创效3.9亿元。二是企业间的供应链协同。以工业互联网平台为连接枢纽，打通石化上游原油供应、中游炼化生产、下游产品销售各环节，优化全产业链资源配置。当前，我国石化产业链的供应链协同正处于探索应用阶段，新冠肺炎疫情期间，基于石化盈科ProMACE工业互联网平台，镇海炼化、恒力石化进行生产动态优化调整，提高防疫所需原材料的供给能力，同时与口罩、防护服生产企业实时对接、协同排产，实现了上下游医卫用品资源配置的动态优化，提升产业链协同效率。
安全巡检。一是生产安全监控。实时采集的炼化生产过程中的各类安全数据，结合安全生产监控模型，对生产异常状态和安全风险实时报警。中石化茂名石化基于工业互联网平台汇聚厂区内外的安全信息，结合安全风险诊断模型，实现了异常状态和安全风险的实时报警，发现并消除了1800多项生产异常问题减少了安全隐患。二是管道智能巡检。在油气管道内外利用传感器、智能阴保桩、管道巡检机器人、无人机等数据采集工具，以及连接地理、气象等环境数据，实现管道内外运行状态的全面感知和实时监测，对管道异常状况（如泄漏）快速定位。基于ProMACE工业互联网平台，石化盈科在中石化西北油田开展了原油管线泄漏视频智能识别应用，通过训练卷积神经网络，实现视频数据实时分析处理，巡检视频识别效率提高70%以上。
推进应用场景落地的着力点
加强底层数据分析，促进边云协同。一是边缘数据采集方面，安装传感器、无人机、摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集油田地质勘探、钻井、开采、运输、炼化、销售领域的多源设备、异构系统、运营环境、人员等数据，实现对油田、运输管道、炼化工厂运行状态的全面感知。二是边缘数据分析方面，在原油开采装置、炼化重点装置、运输管道关键节点部署机器学习和深度学习算法，在边缘控制器上集成分析引擎，实现对装置的自动调整和优化。在设备管理、质量管控、智能巡检场景下，可以考虑将云端的机器学习模型和深度学习模型，部署在边缘设备端，在模型、数据、服务三方面实现边云协同。
梳理炼化工艺知识，研发工业模型。一是面向设备管理，重点研发炼化重点装置的运行状态监测模型、远程故障诊断模型和预测性维护模型。二是面向炼化生产，重点研发炼化工艺流程模拟优化模型、聚合物反应模型、换热网络优化模型、公用工程系统优化模型以及能量系统优化模型、生产质量管控模型。三是面向供应链管理，重点研发原油进口供应链扰动缓解模型、供应链柔性作业模型、供应链均衡协调模型、成本和风险平衡模型、计划和调度模型等。四是面向安全管理，研发基于多源安全数据融合的火灾爆炸事故风险预警模型、高危设备监测和故障预警模型、危险源监测和预警模型、应急资源管理模型、安全应急调度模型。
研发行业解决方案，推广典型应用。一是打造设备管理解决方案。重点研发和推广炼化重点装置的状态监测、远程故障诊断、预测性维护解决方案，提升炼化装置管理水平。二是打造炼化生产解决方案。重点研发炼化生产装置流程模拟、智能化验室、运营管理优化、生产质量管控等解决方案，实现炼化生产优化。三是打造供应链协同类解决方案。重点研发石化企业内部的供应链协同解决方案和企业间的供应链协同解决方案，实现石化供应链全流程的优化、资源合理利用以及价值的优化。四是打造安全管理类解决方案。重点研发炼化生产安全监管解决方案、管线漏失动态监测、钻孔破坏点精确定位、应急指挥解决方案，实现对炼化生产风险提前报警，对油气长输管道泄漏的实时检测和准确定位。