CN108073586A - 基于油气管道scada***的事故分析方法与装置 - Google Patents

Abstract

本发明一种基于油气管道SCADA***的事故分析预警方法，包括：根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，所述断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，所述日志数据包括采集变化数据和人工操作数据；当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。本发明可以定时存储实时断面数据和日志数据，压缩了数据存储量，在事故发生后，通过回放某段时间内的油气管道断面数据和日志数据，准确直观的反映这段时间内的业务状况的变化情况。

Description

基于油气管道SCADA***的事故分析方法与装置

技术领域

本发明涉及油气输送技术领域，特别涉及一种基于油气管道SCADA(SupervisoryControl And Data Acquisition，即数据采集与监视控制)***的事故分析方法与装置。

背景技术

石油、天然气等重要能源物资的长距离管道运输业务得到迅速发展，对油气管道生产运行调度控制的集中程度也提出了越来越高的要求。集中化调控模式使得管道的生产运行管理对油气管道数据采集与监控***(SCADA)的依赖越来越强，人为介入越来越少。

油气管道***中设备众多、测量点分布广，导致油气管道SCADA软件***数据量巨大，并且数据记录每隔一段时间就进行一次全网状态估计。

目前在油气管网SCADA反演数据直接存储在实时数据库中，然而随着管道规模的日趋庞大，SCADA数据点数量更大、分布更广，存储这些数据将占用巨大的存储空间，这无疑会增加实时数据库的业务处理负担。当前的事故反演数据直接从实时数据库中读取，无法避免实时库采集数据错误造成的偏差影响。因此这种事故反演的机制要取决于***对事故本身的精确捕捉和准确判断，当事故没有被准确捕捉情况下将无法对此事故进行反演分析。因此，现有的事故反演机制不能支持全部的管网运行状态，其主要原因是限于存储容量等原因无法将巨量的历史报文全部保存到数据库中。分析可知，传统的事故反演方法采用存储实时数据库模型和数据的全息存储反演方法，存在以下问题：

1.直接存储SCADA的实时数据库数据会增加实时数据库的业务处理负担。

2.直接基于实时数据库数据进行事故反演，不易发现其中可能存在的较大偏差测量值。

3.传统的方法只能进行数据回放，定位事故发生原因依赖专业的人工分析，需要丰富的行业知识，且不能进行智能化的分析预测。

发明内容

为了解决上述的技术问题，本发明提供一种基于油气管道SCADA***的事故分析方法与装置，有效压缩数据存储量。

具体而言，包括以下的技术方案：

一种基于油气管道SCADA***的事故分析方法，包括：

根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，所述断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，所述日志数据包括采集变化数据和人工操作数据；

当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。

可选择地，所述调用选择的断面文件和日志文件包括：

根据设定的开始反演时间和结束反演时间，选择记录时间在开始反演时间和结束反演时间之间的所有断面文件和日志文件作为调用的断面文件和日志文件。

可选择地，所述按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据包括：播放时根据设定的反演步长刷新断面数据和日志数据。

可选择地，还包括：

从选择的日志文件的日志数据中提取采集变化数据，形成采集变化数据集；

根据采集变化数据集中的采集点告警变化数据和油气管道设备的拓扑关联关系，利用数据挖掘找到导致事故发生的故障设备。

可选择地，所述数据挖掘是根据油气管道的拓扑关联关系发现所有的频繁1项集，利用Apirori算法获取最大频繁项集，根据所述最大频繁项集中的采集变化数据对应的油气管道设备定位故障设备。

一种基于油气管道SCADA***的事故分析装置，包括：

存储模块，用于根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，所述断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，所述日志数据包括采集变化数据和人工操作数据；

反演模块，用于当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。

可选择地，所述反演模块中调用选择的断面文件和日志文件包括：

根据设定的开始反演时间和结束反演时间，选择记录时间在开始反演时间和结束反演时间之间的所有断面文件和日志文件作为调用的断面文件和日志文件。

可选择地，所述反演模块中按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据包括：根据设定的反演步长，播放时根据反演步长刷新断面数据和日志数据。

可选择地，还包括：

挖掘分析模块，用于从选择的日志文件的日志数据中提取采集变化数据，形成采集变化数据集；根据采集变化数据集中的采集点告警变化数据和油气管道设备的拓扑关联关系，利用数据挖掘找到导致事故发生的故障设备。

可选择地，所述数据挖掘是根据油气管道的拓扑关联关系发现所有的频繁1项集，利用Apirori算法获取最大频繁项集，根据所述最大频繁项集中的采集变化数据对应的油气管道设备定位故障设备。

本发明实施例提供的技术方案的有益效果：

1、可以定时存储实时断面数据和业务数据，采用统一管理机制对断面数据和日志数据进行管理，压缩了数据存储量，节约了数据库存储资源，便于反演和分析时的数据调用。

2、在事故发生后，通过回放某段时间内的油气管道的断面数据和日志数据，准确直观的反映这段时间内的业务数据变化情况；保证了数据的完整性和正确性，为调度人员的事故分析提供了技术上的保障，为进一步的挖掘分析提供了数据支持。

3、根据油气管道特点通过拓扑关联规则改进了Apirori算法进行数据挖掘，能快速准确定位故障设备，为油气管道设备生产运行的安全性提供了决策支持，有效提高调度员事故处理效率，防止管道重大事故的发生。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明一实施例的基于油气管道SCADA***的事故分析方法的流程图。

图2是根据本发明另一实施例的基于油气管道SCADA***的事故分析装置的结构框图。

图3是一实例中西气东输某阀室出口压力的数据趋势图，其中(a)是实际运行数据，(b)是运行反演数据。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明的技术构思主要包括三个部分：事故存储、事故反演和事故挖掘分析。其中，事故存储部分统一对数据文件存储并生成事故场景。存储类型分为日志数据存储与断面数据存储，日志数据负责存储业务数据(因此也被称日志数据)，实时数据库断面数据存储完成定时截取实时库断面数据的功能。其中，业务数据包括采集的变化数据、调度员人工操作的数据等。事故反演主要是将数据断面文件恢复到反演态下的数据库中并解析发送日志文件，以及负责反演指令的处理。其中，反演指令处理提供反演开始/暂停指令处理、反演步长调整。服务端在收到反演终止指令后，实时数据库中将清空本次反演实例所有数据。事故挖掘分析根据油气管道设备关联关系生成事故集合，通过接收事故时间段的变化数据，分析事故产生原因，定位故障设备。并将分析结果通过图表或图形方式展示给调度员，同时生成事故知识库。

其中在事故存储的基础上进行事故反演就已经为调度人员的事故分析提供了技术保障，可以认为是一种事故分析。事故挖掘分析是利用数据挖掘技术进行的进一步的分析。

下面通过两个实施例对本发明进行例示性具体介绍。

如图1所示，本发明一实施例提供了一种基于油气管道SCADA***的事故分析方法，包括：

步骤S1：根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，并根据时间顺序连续存储，所述断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，所述日志数据包括采集变化数据和人工操作数据；

注意，断面数据不一定包括某一时刻所有的实时运行数据，而可能是预先指定的某些实时运行数据；采集变化数据指的是采集来的能记录日常状态的数据。

油气管道SCADA***设备测点多，实时数据复杂多样且数量庞大。因此本发明采用统一的存储方式存储实时数据。

步骤S1即事故数据存储，需要定制策略来存储和删除管道日常生产数据(如压力、流量、温度)和实时变化的日志数据。本实施例采用定时存储的方式，根据用户设定的时间间隔，每隔一段时间保存一个SCADA***实时数据库的断面和日志数据。从而通过生成指定范围内的数据断面，达到压缩存储量的目的。同时也可在反演时进行断面恢复，在恢复断面的时候，通过查找断面的保存时间来定位需要恢复的数据断面。

例如，根据操作人员设置的断面数据保存间隔t′，利用油气管道SCADA***的事故数据存储功能获取用于事故分析的实时数据库需要保存的断面数据，并将断面数据存储在断面信息缓冲区中。然后将缓冲区中的数据写入断面文件f_i′中,并在实时数据库中添加断面数据存储记录。从而，所有的断面文件形成断面文件集F′，即:

F′＝{f₁′,f₂′,f₃′,LL}

仅保留断面数据无法全面展现油气管道SCADA***采集变化数据、控制等信息。因此，油气管道SCADA***不仅储存实时数据库断面数据，还保存采集变化数据、控制、人工操作、限值修改等业务日志信息，即进行日志数据存储。日志数据存储的对象是业务数据流，例如可将业务数据流以二进制文件的格式存储在日志文件中。日志数据存储将配置需要保存的业务数据以时间t为间隔，从SCADA***的日志缓冲区中读取内容业务数据，通过文件服务写到日志文件l_i中，并在实时数据库中添加日志文件存储记录。最终业务数据组成日志文件集L，即:

L＝{l₁,l₂,l₃,LL}

因此，事故数据存储的实时数据库业务处理数据相关记录集为R，即:

R＝F′UL＝{f₁′,l₁,f₂′,l₂,f₃′,l₃,LL}

事故存储服务事故场景触发方式包括手动触发和自动触发，手动触发可以触发早于当前时间的在日志文件保存周期内的任意时刻的场景e_i。自动触发支持设置事故触发条件，当满足条件时，触发事故存储自动生成场景，以便于事故的反演及事故推理分析。最终组成的事故场景集为E，即：

E＝{e₁,e₂,e₃,LL}(e_i∈R)

该实施例的事故数据存储步骤可以定时存储实时断面数据和业务数据，采用统一管理机制对断面数据和日志数据进行管理，压缩了数据存储量，节约了数据库存储资源，便于反演和分析时的数据调用。

步骤S2：当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。

事故反演服务端将事故场景e_i的数据进行回放处理，根据用户的需求推送反演结果，保证了油气管道SCADA软件***事故反演模块的个性化使用，为调度人员的事故分析提供技术上的保障。

为保证事故反演不影响到油气管道实时监控，又能准确进行事故分析，油气管道SCADA***的事故反演采用反演态实时数据库。反演态实时数据库的数据结构与SCADA***的数据库的实时数据结构相同，但是针对的是不同的应用服务。使用反演态实时数据库进行事故反演数据播放既能够避免影响实时数据展示，又能够将数据的用途进行准确地分类和分析。当事故反演接收到开始发送播放事件后，事故反演根据设置的反演时间轴步长(简称为反演步长)，定时刷新用于事故数据存储的实时数据库中的数据至反演态实时数据库，便可以重现事故发生的前后的场景。

例如，调度员通过事故反演界面选择反演场景e_i，事故反演客户端发送消息至事故反演服务端，事故反演服务端获取反演场景e_i的反演条件，即开始反演时间、结束反演时间、反演时间轴步长等信息。以上的反演播放策略可以保证调度人员对反演时间、反演步长的自定义，提升了事故反演的可用性。

因此，该步骤中调用选择的断面文件和日志文件包括：

根据设定的开始反演时间和结束反演时间，选择记录时间在开始反演时间和结束反演时间之间的所有断面文件和日志文件作为调用的断面文件和日志文件。

同时，该步骤中按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据包括：播放时根据设定的反演步长刷新断面数据和日志数据。

例如具体通过下面的措施实现。

获取反演场景e_i信息后，事故反演采用断面数据修正策略来恢复断面。断面文件和日志文件可能未记录用户自定义的开始时间点的数据值。如果不进行断面数据修正，事故反演无法保证反演数据的准确性。因此将反演场景e_i中的日志文件集L的日志数据恢复至反演态实时数据库进行数据修正。依次读取日志集L中的日志文件l_i，判断l_i记录结束的时间t_ei与反演场景开始时间t_s的先后顺序，将t_ei早于t_s的全部日志文件恢复至反演节点进行数据修正。反演开始后，根据反演场景e_i的开始时间t_s读取日志，依次判断日志集L与断面集F′的文件是否需要恢复到反演态实时库，当t_i晚于反演结束时间t_e的时候，则结束反演服务。

该实施例的事故反演步骤在事故发生后，通过回放某段时间内的油气管道断面数据和日志数据，准确直观的反映这段时间内的业务数据变化情况；保证了数据的完整性和正确性，为调度人员的事故分析提供了技术上的保障，为进一步的挖掘分析提供了数据支持。

为了实现智能化事故分析，如图1所示，本实施例还进一步包括步骤S3：从选择的日志文件的日志数据中提取采集变化数据，形成采集变化数据集；根据采集变化数据集中的采集点告警变化数据和油气管道设备的拓扑关联关系，利用数据挖掘找到导致事故发生的故障设备。一般是在反演时调用的日志文件中提取采集变化数据，但本发明不限于此。这里的采集点告警变化数据是指与之前采集到的数据相比发生突变超出预设范围而导致告警的数据。

例如采用基于支持向量机的分类技术来进行关联规则挖掘。关联规则挖掘的核心是获取频繁项集。在油气管道事故数据挖掘中，候选项集为油气管道设备采集数据集AP，即：

AP＝{AP₁,AP₂,AP₃,AP₄,L L}

但是，油气管道SCADA***设备众多，采集数据量一般都较多，如果在数据集AP的基础上进行数据挖掘产生频繁项集，则会造成占用资源较高而且挖掘结果不可靠等问题。油气管道SCADA***中事故往往都是具有拓扑关系的相关设备引起，具有一定的关联规则，因此根据拓扑结构关系来建立候选项集能有效减少计算量。Apriori算法适合于最大频繁项集(最大频繁项集是各频繁k项集中符合无超集条件的频繁项集)相对较小的数据集中的关联规则挖掘，本实施例采用拓扑关联规则改进Apriori算法进行频繁项集的获取。

本步骤中，事故分析的基础数据为事故反演预处理之后的数据集D′，D′为解析日志文件集L得出的采集变化数据，即:

根据D′中的采集点告警变化信息，在数据挖掘得出的最大频繁项集F_k中分析得出导致事故发生的故障设备，定位故障设备，然后进行人工分析，确定故障的大小和影响，为管道设备生产运行的安全性提供了决策支持。

因此，这里的数据挖掘是根据油气管道的拓扑关联关系发现所有的频繁1项集，利用Apirori算法获取最大频繁项集，根据最大频繁项集中的采集变化数据对应的油气管道设备定位故障设备。最大频繁项集中的采集变化数据由量测设备测得，对应于一个或多个油气管道设备的运行，其中就有导致故障发生的故障设备，因此可以通过最大频繁项集中的采集变化数据来定位故障设备，最大频繁项集越简单，越易定位。

例如，油气管道事故挖掘频繁项集产生算法的伪代码如下：

1.K＝1

2.F_k＝find_freq_itemset_topo(AP){根据拓扑关系发现所有的频繁1项集}

3.repeat

4.k＝k+1

5.C_k＝apriori_gen(F_k-1){产生候选项集}

6.for每个事务t∈T do

7.C_t＝subset(C_k,t){识别属于t的所有候选}

8.for每个候选项集c∈C_t do

9.б(c)＝б(c)+1{支持度计数增值}

10.end for

11.end for

12 F_k＝{c|c∈C_k∩б({c})≥N*min_sup}

{提取频繁k-项集}

13.until F_k＝Φ

14.Result＝UF_k

同时，事故分析后生成的事故知识库(即事故分析之后得到的事故资料，可供下次分析时参考)，可用于实时事故预警辅助分析，有效提高调度员事故处理效率，防止管道重大事故的发生。

本实施例的事故挖掘分析根据油气管道特点通过拓扑关联规则改进了Apirori算法进行数据挖掘，能快速准确定位故障设备，为油气管道设备生产运行的安全性提供了决策支持，有效提高调度员事故处理效率，防止管道重大事故的发生。

基于与方法的相同构思，本发明另一实施例还提供了一种基于油气管道SCADA***的事故分析装置，如图2所示，包括：

存储模块1，用于根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，日志数据包括采集变化数据和人工操作数据；

反演模块2，用于当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。

其中，反演模块2中调用选择的断面文件和日志文件包括：

根据设定的开始反演时间和结束反演时间，选择记录时间在开始反演时间和结束反演时间之间的所有断面文件和日志文件作为调用的断面文件和日志文件。

反演模块2中按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据包括：播放时根据设定的反演步长刷新断面数据和日志数据。

作为该实施例进一步的改进，该装置还包括：

挖掘分析模块3：用于从选择的日志文件的日志数据中提取采集变化数据，形成采集变化数据集；根据采集变化数据集中的采集点告警变化数据和油气管道设备的拓扑关联关系，利用数据挖掘找到导致事故发生的故障设备。

其中，挖掘分析模块3中的数据挖掘是根据油气管道的拓扑关联关系发现所有的频繁1项集，利用Apirori算法获取最大频繁项集，所述最大频繁项集中的采集变化数据对应的油气管道设备即为故障设备。

本实施例的模块与上一方法实施例的步骤一一对应，上一方法实施例的说明同样适用于本实施例，因此，本实施例的细节和优点将不再赘述，可以参见上一实施例。

下面以一个实例来说明本发明的效果。

某年年某月某日8:55分至9:11分之间，西气东输线发生了某阀室干线截断阀自动关断事故。将油气管道SCADA***西气东输管线某年年某月某日10:03分至10:18分的SCADA***的实时数据包作为实际运行状态数据，利用反演模块对数据进行数据反演与故障分析，与实际运行状态进行对比校核，并检验故障分析结果的可用性。

SCADA***配置存储采集点285个，该场景包含断面文件1个，日志文件14个。反演数据与实际运行业务数据进行对比，实际运行过程中，业务数据个数为23543，反演结果业务数据个数为23535，两者数目基本相同，业务数据反演与实际运行结果相符。

反演数据与实际运行业务数据进行曲线对比，通过对比实际运行期间获取的某阀室出口压力的实时运行曲线与反演曲线，数据相符率达到99％。且设备运行情况能够较为全面的展现。具体运行结果如图3所示：

经过事故分析推理，得出结论是由于该阀室的后一阀室干线截断阀发生意外关闭后，工程人员开启后一阀室，导致该阀室出口压力下降较快，而发生了该阀室自动关闭的事故。

由此可见，本发明的事故分析方法可以在事故发生后进行事故反演，准确有效的定位故障发生设备。

本领域技术人员可以理解实现上述实施例的全部或部分步骤、模块可以通过硬件来完成，也可以通过程序来指令相关的硬件完成。程序可以存储于一种计算机可读存储介质中，存储介质可以是只读存储器，磁盘或光盘等。

本发明可以在现有的油气管道SCADA***上增加必要的硬件和软件实现，有效利用现有的资源，节约开发的时间和成本。

以上所述仅是为了便于本领域的技术人员理解本发明的技术方案，并不用以限制本发明。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于油气管道SCADA***的事故分析方法，其特征在于，包括：

根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，所述断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，所述日志数据包括采集变化数据和人工操作数据；

当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。

2.根据权利要求1所述的事故分析方法，其特征在于，所述调用选择的断面文件和日志文件包括：

根据设定的开始反演时间和结束反演时间，选择记录时间在开始反演时间和结束反演时间之间的所有断面文件和日志文件作为调用的断面文件和日志文件。

3.根据权利要求1所述的事故分析方法，其特征在于，所述按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据包括：播放时根据设定的反演步长刷新断面数据和日志数据。

4.根据权利要求1-3任一项所述的事故分析方法，其特征在于，还包括：

从选择的日志文件的日志数据中提取采集变化数据，形成采集变化数据集；

根据采集变化数据集中的采集点告警变化数据和油气管道设备的拓扑关联关系，利用数据挖掘找到导致事故发生的故障设备。

5.根据权利要求4所述的事故分析方法，其特征在于，

所述数据挖掘是根据油气管道的拓扑关联关系发现所有的频繁1项集，利用Apirori算法获取最大频繁项集，根据所述最大频繁项集中的采集变化数据对应的油气管道设备定位故障设备。

6.一种基于油气管道SCADA***的事故分析装置，其特征在于，包括：

存储模块，用于根据设定的时间间隔，每隔一段时间存储SCADA***采集到的油气管道的断面数据和日志数据，形成断面文件和日志文件，所述断面数据包括SCADA***在某一时刻各个数据采集点采集的油气管道各设备的实时运行数据，所述日志数据包括采集变化数据和人工操作数据；

反演模块，用于当需要反演时，调用选择的断面文件和日志文件，按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据。

7.根据权利要求6所述的事故分析装置，其特征在于，所述反演模块中调用选择的断面文件和日志文件包括：

根据设定的开始反演时间和结束反演时间，选择记录时间在开始反演时间和结束反演时间之间的所有断面文件和日志文件作为调用的断面文件和日志文件。

8.根据权利要求6所述的事故分析装置，其特征在于，所述反演模块中按照时间顺序播放所选择的断面文件包含的断面数据和日志文件包含的日志数据包括：根据设定的反演步长，播放时根据反演步长刷新断面数据和日志数据。

9.根据权利要求6-8任一项所述的事故分析装置，其特征在于，还包括：

挖掘分析模块，用于从选择的日志文件的日志数据中提取采集变化数据，形成采集变化数据集；根据采集变化数据集中的采集点告警变化数据和油气管道设备的拓扑关联关系，利用数据挖掘找到导致事故发生的故障设备。

10.根据权利要求9所述的事故分析装置，其特征在于，

所述数据挖掘是根据油气管道的拓扑关联关系发现所有的频繁1项集，利用Apirori算法获取最大频繁项集，根据所述最大频繁项集中的采集变化数据对应的油气管道设备定位故障设备。