基于云计算的油田电力巡检方式探讨.docxVIP

基于云计算的油田电力巡检方式探讨 摘要：本文针对大庆油田产业规模与生产实际情况，阐述了大庆油田无人机业务在推广与生产运行过程中遇到的诸多难题，探讨全自动智能巡检方式的重要性、必要性及指导意义。基于云计算、计算机深度学习、物联网、大数据、无线通信、人工智能等技术，面向油田电力、固定设施、管线等多种应用情景设定系统建设目标和内容，分析方案实现可行性，并简要介绍无人机自主飞行控制、集群调度、任务管控、智能分析、远程实时测控、数据成果处理、通信数据链网络、地基增强、风险监测各分系统的具体功能。 我国石油资源分布相对分散，且大多集中在自然环境恶劣的沙漠、山地、高原、沼泽等地区，这为石油开采工作的开展带来了诸多困难。其中，油田电力线路损坏、输油管道泄漏及抽油机故障是目前制约石油开采工作正常开展的重要问题。油田传统生产方式需要消耗大量人力物力对输电线路、输油管道和抽油机进行定时巡检，但由于其范围大、跨度广、地形复杂、数量众多等特点导致人力巡检方法成本高、效率低、安全性差。近年来，随着无人机与人工智能技术的快速发展，无人机已广泛应用于侦察、巡逻、救援、测绘等领域。为了提升故障巡检效率，降低安全监测成本，保障石油开采安全，如何基于无人机技术开发一套高效、安全、实时的全自动智能巡检系统成为目前亟待解决的问题。随着电子科技领域的飞速发展，以往只能在地面上应用部署的设备做到微型化、集成化、轻便化后，各类型“高精尖”传感器改造“上天”与无人机平台相结合，使整个飞行平台应用面更加灵活、多元，其不仅可以搭配可见光镜头执行常规日间巡检巡查任务，还可以装配激光雷达、激光气体探测器、多光谱、热成像等各类挂载执行三维测绘、地表工业品、农作物勘察、夜间安全防卫等特种任务，但对于大庆油田这种生产设施密集且幅员辽阔的特殊情景，无人机的技术优势仍然难以完全发挥，大规模应用反而受到无人机操控人员数量、技术水平、培训成本制约，管理难度随之加大，与引入无人机降本增效的初衷相悖。1 系统组成与功能分析系统由无人机自主飞行、集群调度、任务管控、智能分析、远程实时测控、数据成果处理、通信数据链网络、地基增强、风险监测等分系统组成。各分系统运行方式如下：1.1 小队级区域自动化巡检操作人员摆脱传统手持遥控器手控无人机执行巡检任务，而在小队级前线控制室内，通过电脑终端对无人机进行指令操作，根据生产情景与环境线上预设飞行计划任务，任务类型可覆盖集输管道巡检、采油设施巡检、电力线路设备巡检等应用场景。指令下达后，在小队级简易起降场、固定式自动机场、移动式自动机场等各类场地条件下同时起飞至少2架无人机自动执行巡检任务，无人机升空利用高点专用数据链网络信号将图像及高度、速度、经纬度、云台角度、镜头倍数等动态数据实时回传控制室服务器，服务器将数据二次回传云计算中心，检测数据完整性后进行存储，同时高性能计算节点对图像视频流进行分析识别，当计算机深度学习算法匹配到电力系统、采油设施等隐患疑似问题后，数据返回前端控制室，并提示监控人员无人机所在位置、巡检目标信息以及疑似问题，系统根据当前无人机状态，给出处理意见，例如提示切换手动模式，执行热点环绕、降高、镜头变倍、附近无人机支援等选项，对疑似问题点进行详细复查，或继续执行自动巡检任务，或返航等。任务执行完成，无人机自动返航。无人机落地后，后台输出本次飞行日志与缺陷报告，并在大屏中进行二次提醒，巡检文件自动存储至当次任务目录中，供随时调取查看和管理。1.2 移动式作业小队巡检移动式巡检方式可填补小队级巡查无人机航程不可达的巡检区域，作业流程为无人机到达预定区域内，利用手持控制端同步任务数据，执行安全操作规程后起飞无人机对所在区域生产设施进行例行或临时巡检，通过移动联网络或专用数据链将实时数据回传至云端服务器，获取数据存储、分析等服务。1.3 厂部级指挥调度通过企业网或互联网实时同步获取生产地域内所有无人机运行动态，通过大数据可视化交互界面掌握无人机可在指挥中心实时查看任意作业中的无人机空中图像，调取掌控全局实现一体化管理、一体化运行、一体化调控的油田生产指挥体系，为生产动态、产能运行、生产管理、生产保障、运行监控、报警预警、调度运行、应急管理提供决策依据。2 系统实现系统以部署方式划分为无人机端数据采集系统和云端系统两大部分，正在巡检的各无人机平台数据采集系统用于采集油田设备实时数据，并发送给云端系统。云端系统包括数据接收层、数据处理层、数据存储层和数据展现层等几部分，在对无人机端数据采集系统传输来的数据进行一系列的转换、计算、存储等操作后，将分析处理后的结果呈现给运维管理者。云资源包含运行底层服务的各类虚拟应用服务器，负责后台实时监测获取动态数据，感知无人机运行态势，分析潜在风险，为操控人员及决策者提