基于狀態監控和性能優化的應用可能會成為伴隨加工設備交付的一個標準產品。為了促進與最終用戶的合作，NOV公司（國民油井）創建了一套數字產品，以配合他們的每項加工工藝。這些數字工具包含在一個流程智能管理器中，自2017年以來一直被部署在現場。預先開發的框架已集成在NOV公司的開源數字生態系統MAX中，可確保一個簡單的設置，并給予用戶與他們可能使用的任何數字平臺無縫操作的能力。這為部署減少了障礙，也減少了部署所需的時間和資源。這些工具非常靈活，可根據特定需求進行配置，以提供各種不同的功能，這些功能可分為以下主要類別：
新的警報類型。隨著傳統的基于閾值的警報僅在參數值超過一個預定義的限值時提供通知，而數據分析允許連續搜索系統行為特征中的異常值，從而識別偏離“正常”的模式。這允許設計新的警報類型，以提供對工藝行為的額外見解
數字流程孿生。通過結合來自每個子系統的不同性能模型，擴展包括跨子系統之間相關性的數據分析，數字流程孿生提供了準確的副本（或模擬器），該副本不斷更新性能數據，旨在始終保持相關性。這樣就能創建比通用的同類模型或商業模擬器軟件包更準確的性能模型——反過來又能對未來條件下的性能進行更準確的預測。
虛擬傳感器。虛擬傳感器代表了預測算法的另一種應用，用于物理傳感器不可靠或不可用時參數的測量。這種方法以離散的時間間隔將流體樣品與來自輔助傳感器采集的數據相結合，創建并不斷更新一個“虛擬傳感器”。每次采集一個流體樣品時都會對模型進行重新校準，從而保持模型的準確性。
預測性維護。預測性數據分析應用的一個常見的起點是實現對泵和其它類型的旋轉設備進行基于狀態的監控。實施預測性維護的方法有助于減少停工/停機時間，優化備件庫存，最大限度地延長設備的使用壽命。除了來自預測模型的設備運行狀況外，還可隨時對軸承等部件進行診斷。例如，隨著振動程度的增加，模型會從已知的故障模式中輸出原因的概率。當故障模式被清晰地識別出來時，可評估剩余的使用壽命，這將使維護工作得到優化。
圖1
NOV公司已將這一相同的方法運用于工藝技術中，特別是使用預測性維護來提高工藝系統的可用性和有效性。例如，該公司有效利用了數據分析，為海水處理系統中薄膜結垢的檢測生成了新的警報類型，見圖1（海水處理工藝的流程智能管理器可檢測和表征薄膜結垢，推薦最佳的緩解程序）。該系統的可用性至關重要，因為它可凈化需要重新注入的水，以提高油藏的采收率。憑借10多年的海上作業經驗和數據趨勢分析，該方法可清楚地識別此類系統最常見的結垢或混亂事件。還能在薄膜上建立不同類型堆積物（膠體、水垢和生物物質）的特征。
及早發現這些事件是實現主動操作方法的關鍵。內置的區分薄膜上不同類型結垢的能力允許建議最合適的緩解程序。這將減少清洗時間，延長薄膜壽命，從而提高可用性，減少系統的運營支出（operational expenditure 簡稱OPEX）。
通過數據分析優化工藝
用于加工工藝的數字產品除了預測性維護外，還應包括工藝優化功能。一個典型的控制系統已經為工藝技術提供了監控功能、提供警報，并且在條件偏離正常時采取糾正措施。然而，工藝優化并不是一個正常的功能。
例如，考慮到原油脫鹽工藝，其中靜電處理機呈串聯設置。將低鹽度水混合到含鹽的原油中，然后靜電分離分散的水滴，以便在精煉之前從原油中除去殘留的鹽水。工藝裝置和流程圖的草圖如圖2（原油靜電脫鹽工藝的流程智能管理器將最大限度地提高系統的除水和除鹽效率，通常一次調整一個變量）所示。
圖2
雖然靜電脫鹽設備沒有許多操作變量需要調整，但不同鹽度的水流的循環利用使得系統很難優化。淡水注入率、水循環率、動力裝置的電壓設定值、混合閥的開口、破乳化劑注入濃度、以及加熱輸入是設計階段或工廠啟動期間定義的常見變量。傳統的操作優化通常涉及逐個調整設定值變量，觀察測得的輸出變量中結果的變化。
即使是最有經驗的靜電處理機方面的操作人員或技術專家也很難提供最佳的操作設定值，操作過程中，以對公用事業和環境影響最小方式實現油殘留水含量、鹽度和產出水水質的規范要求。由于原油中呈現有天然存在的表面活性劑與工藝參數的相互影響，因此水滴的分散行為很難預測。所以，傳統方法的優化具有一定的挑戰性。
例如，為了降低原油的鹽度，操作人員可能希望增加第一級混合閥上的壓降，以提高低鹽度的混合效率。不過，這樣可能會增加第一級靜電脫鹽設備的水攜帶，因為混合器中產生的水滴更小。因此，第二級上游洗滌工藝的效率會受到影響，因為有更小的液滴和更多的水與相同數量的淡水進行了混合。這可能會影響第二級靜電脫鹽設備在其除水效率方面的表現。因此，最終油的品質和被回收到第一級混合器（首個調整裝置）的分離水的鹽度也會受到負面影響。
石油脫鹽工藝的流程智能管理器為操作人員提供了如何控制和優化這種復雜的鹽分平衡的寶貴見解。數字流程孿生利用來自實際安裝的數據進行“機器學習”，以提高工具的仿真能力。除了典型的現場數據外，原油中殘留的含水量和鹽度的測量也至關重要。
在接受過有操作經驗的培訓后，預測工具有可能會量化不同操作條件下的影響，其準確性和相關性比一般的理論模型單獨提供的結果要更好。在建議對操作變量進行一些調整時，該工具會向操作人員提出警告。此外，預測工具允許用戶研究各種參數變化是如何影響脫鹽設備操作的，從而幫助找到可在現場自信運用的最佳參數組合。
通過虛擬存在提供操作支持
部署數字方案的一個顯著好處是能夠促進產品專家和主題專家的“現場存在”，而不受其地理位置的影響。我們的經驗是，技術專家會發現操作工程師可能錯過的工藝改進的其它領域。訪問實時流程數據和高級數據分析可減少對海上監督的需求，為設施提供獨特的性能優化的機會。
這種方法的好處在最近對乙二醇再生系統的數據審查中給予了說明。三乙二醇（Triethylene glycol，簡稱TEG）通常被用來從生產的烴類氣體中去除水。NOV公司審查了六個月的生產數據，這些數據都被加載到了MAX數字平臺預先開發的框架中，以及流體樣品相應的實驗室結果中。然后，主題專家將這些數據集與系統設計參數（包括性能保證和關鍵性能指標（KPIs））進行了比較。這樣可以快速驗證工藝性能，提出進一步改進操作條件的新建議。
圖3
氣體脫水系統一個常見的KPI是整體的TEG的損失。這種損失可以從運行6個月時間的浪涌滾筒液位數據的時間序列計算出來，見圖3（通過評估浪涌滾筒液位來驗證6個月時間TEG的損失——識別和分析了14個正常運行周期的情況）。在此期間，共確定了14個正常運行的子周期，以系統性能測試周期分隔。TEG的損失是按每個正常運行周期計算的，而且，所有的情況都被證實低于指定的系統要求（工藝保證）。
最近安裝的工藝系統的數據審查預計將確認TEG再生系統正按原設計運行。但是，確定了一些需要改進的要點，這有助于確認為設備制造商提供詳細性能數據的好處。此外，隨著數字支持基礎設施現已到位，任何未來的問題都能以最小的資源快速地進行分析，從而實現快速且具有成本效益的響應。
實現新的商業模式
石油和天然氣行業中最常見的商業設置之一是最終用戶與負責整體系統工程和制造的工程公司和采購公司簽訂合同，包括與各個子系統和技術的子供應商簽訂合同。雖然這種模式確保了在工程和制造階段對責任的明確定義，但在競爭性的招標期間可能會帶來各種挑戰，因為人們可能會過于關注提供一個資本支出（capital expenditure，簡稱CAPEX）盡可能低的滿足項目需求的系統。
當這樣一個系統投入運行時，在以前的項目階段為減少CAPEX而做出的選擇在某種情況下可能會導致OPEX增加，最終導致總支出（TOTEX = CAPEX + OPEX）的增加。這種影響的一個例子是，如果設備設計過于激進，則會增加化學品的消耗，或者如果自動化和儀器儀表水平較低，則會造成人力需求的增加。
為了減少總支出增加的可能性，提出了基于業績的合同概念。在這里，工程公司和子供應商（包括設備制造商）根據風險共擔和利潤共享的商業規則獲得獎勵，為支出降低而獎勵他們，為增加資本支出和運營成本而懲罰他們。因此，財政激勵的重點在超出工程和制造階段之外進行調整。
人們需要一個共同的基線來評估系統性能。如果一個系統或關鍵技術不能滿足所需的工藝保證，應該可以做出快速評估——是否是設計不當還是因系統的運行方式造成的結果？可靠的數字孿生技術將創建必要的共同基礎，一種供各方可以使用的基線系統性能，它是最終實現基于性能的績效合同的基礎。
數據不可用時的虛擬傳感器
引入數字產品用于加工工藝的一個典型問題是設施中缺乏足夠的傳感器。如果沒有連續的數據輸入，一個數字工具的價值就會受到限制。工藝系統中的許多儀器并不總是被充分利用于工藝優化。在某種情況下，工藝流體的高級在線特征描述可能會很好，但當這不可行時，可能會有替代方案。
當物理傳感器未在特定加工工廠安裝或不可用時，或者當此類在線儀器由于各種原因而不夠用時，可以生成虛擬傳感器來測量參數。例如，可采用虛擬傳感器進行單乙二醇（monoethylene glycol，簡稱MEG）的狀態監測，其中開發了一個模擬器來描述回收系統中離子的積聚和固體的沉淀。
MEG用于流出管線的水合物抑制，并與生產流體的水的部分（包括地層水）一起被處理。乙二醇在包括回收利用的工藝中被回收，其中鹽和非揮發性物質通過閃蒸從乙二醇中被分離出來。雖然該工藝旨在濃縮污染物（通常為高可溶性鹽和有機酸的堿形式），但必須控制閃蒸分流器底部的積聚。超過閾值的積聚會增加流體的粘度和沸點，從而會降低閃蒸分流器和相關循環回路的性能。
圖4
此外，不受控制的積聚會增加設備堵塞和故障的風險。對于這些化合物大濃度的動用，通過頻繁的流體取樣和實驗室分析可確保回收工藝獲得最佳表現，這些分析定義了應該去除多少過量的有機酸和高溶解度的鹽，見圖4（羧酸鹽的現場取樣和模擬關鍵離子的積聚行為，同時經常進行取料機液體存量的部分傾倒）。頻繁的排出可能會增加MEG的損失，而稀疏的排出則會增加操作混亂的風險。
為了減少操作費用，促進低載人操作，MEG流程智能管理器配置了一個虛擬傳感器，可預測取料機中關鍵離子的積聚和固體的沉淀。模擬器與可用的、向取料機喂料的輔助傳感器數據相關聯，并根據以離散間隔進行的實際流體測量結果進行校準。根據來自輔助傳感器的輸入數據，允許在流體樣品之間對模型進行連續更新，每次獲取一個流體樣品時，都會對虛擬傳感器進行校準，從而保持其精度。可根據鹽和有機酸的預定義閾值來估計在啟動取料機液體傾倒之前的剩余時間和排出的體積。
結論
數據分析有助于改進基于狀態的監控和加工工藝的操作。給出了一些示例，展示了如何將具有不同功能的工具應用于海水處理、原油去鹽水、氣體除水，以及MEG回收利用等多個系統。
其它加工工藝將受益于類似的分析工具。可以證明產出水處理系統的操作優化。增加監控和診斷還可以提高沙處理作業的可靠性和效果，從而提高設施的可用性和有效性，并最大限度地提高產出水的注入量。兩者對于作業成功都至關重要。我們相信，在此介紹的應用將成為未來伴隨加工設備交付的一個標準產品。
微信公眾號
微信視頻號
京公網安備11010502053156號