CN112001545B - 数字孪生驱动的海洋石油水下生产***故障预测方法及*** - Google Patents
数字孪生驱动的海洋石油水下生产***故障预测方法及*** Download PDFInfo
- Publication number
- CN112001545B CN112001545B CN202010856388.0A CN202010856388A CN112001545B CN 112001545 B CN112001545 B CN 112001545B CN 202010856388 A CN202010856388 A CN 202010856388A CN 112001545 B CN112001545 B CN 112001545B
- Authority
- CN
- China
- Prior art keywords
- underwater
- unit
- control module
- module
- reliability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000006731 degradation reaction Methods 0.000 claims abstract description 138
- 230000015556 catabolic process Effects 0.000 claims abstract description 125
- 241000191291 Abies alba Species 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 230000003068 static effect Effects 0.000 claims description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012351 Integrated analysis Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000001364 causal effect Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims description 2
- 238000000556 factor analysis Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 239000003208 petroleum Substances 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于石油工程领域,具体地,涉及一种数字孪生驱动的海洋石油水下生产***故障预测方法及***。数字孪生驱动的海洋石油水下生产***故障预测方法,包含五个大步骤:确定各模块退化模式、性能退化过程动态贝叶斯网络建模、动态可靠性计算、剩余寿命计算和基于数字孪生的寿命信息管理与更新。数字孪生驱动的海洋石油水下生产***故障预测***,包括水上控制模块数据采集与处理子***、液压动力单元数据采集与处理子***、电力动力单元数据采集与处理子***、水下控制模块数据采集与处理子***、水下采油树数据采集与处理子***和数字孪生寿命监测控制***。
Description
技术领域
本发明属于石油工程领域,具体地,涉及一种数字孪生驱动的海洋石油水下生产***故障预测方法及***。
背景技术
水下生产***作为完成海洋石油开采的重要媒介,已经成为深海海洋工程技术的重要组成部分。由于其***整体性和结构的复杂性,任何部件的失效都可能导致整个***的故障,如果故障排除不及时就有可能酿成恶性事故,造成巨大的人员伤亡和财产损失。水下生产***主要设备包括水下井口头、水下采油树、管汇、跨界管、管线终端以及脐带缆、控制***、分配***等。
传统的故障预测方法以历史寿命数据为基础,通过对寿命数据的统计分析确定设备故障出现时间,但对于一些大型设备,其寿命数据往往无法体现各组件的故障情况以及寿命信息,造成后续的维修信息不全面等问题。数字孪生技术可以同步水下设备的模块状态并进行远程故障预测,可以大大缩短故障预测花费的时间,提升故障预测的效率。因此,提出一种数字孪生驱动的海洋石油水下生产***故障预测方法及***显得尤为必要。
发明内容
为克服现有技术存在的缺陷,本发明提供一种数字孪生驱动的海洋石油水下生产***故障预测方法及***。
为实现上述目的,按照本发明的一个方面,一种数字孪生驱动的海洋石油水下生产***故障预测方法,包含五个大步骤:
S1:确定各模块退化模式。将水下生产***划分为电控模块、液压模块和机械部分进行退化分析,获取水下生产***运行中的状态监测数据进行参数估计,并结合现场专家经验,进行各个退化模型中的参量的不确定分析和概率分布的修正。
S2:性能退化过程动态贝叶斯网络建模。建立水下生产***各模块性能退化静态贝叶斯网络,并将水下生产***各模块的退化模型输入到各模块性能退化静态贝叶斯网络中,建立水下生产***性能退化静态贝叶斯网络,确定水下生产***性能退化静态贝叶斯网络中随时间变化的节点,将水下生产***性能退化静态贝叶斯网络拓展成为水下生产***性能退化动态贝叶斯网络。
S3:动态可靠性计算。通过对水下生产***性能退化过程动态贝叶斯网络的时间扩展,以年为时间单位,计算从当前时刻开始未来数年内水下生产***各模块的可靠度,整合水下生产***各模块的可靠度,得到水下生产***整体的可靠度。
S4:剩余寿命计算。当***在内部因素和外部影响下退化一段时间后,性能逐渐退化,当性能低于失效阈值时,***将不能完成正常的工作。基于水下生产***整体的动态可靠度,计算检测点时刻开始到失效点结束的时间段,获取水下生产***的剩余寿命。
S5:基于数字孪生的寿命信息管理与更新。利用物理世界的传感器数据、集成分析技术和持续更新的数字孪生应用程序搭建数字孪生故障预测***,实现水下生产***数字化镜像的工作过程内的全周期寿命管理。
按照本发明的另一方面,一种数字孪生驱动的海洋石油水下生产***故障预测***,包括安装在水上控制模块的水上控制模块数据采集与处理子***、安装于液压动力单元的液压动力单元数据采集与处理子***、安装于电力动力单元的电力动力单元数据采集与处理子***、安装于水下控制模块的水下控制模块数据采集与处理子***、安装于水下采油树的水下采油树数据采集与处理子***,以及安装于水上控制站的数字孪生寿命监测控制***。
水上控制模块数据采集与处理子***,包括水上控制模块电控模块数据采集单元、水上控制模块可靠性计算单元和第一声呐信号发射单元。
液压动力单元数据采集与处理子***,包括液压动力单元电控模块数据采集单元、液压动力单元液压模块数据采集单元、液压动力单元可靠性计算单元和第二声呐信号发射单元。
电力动力单元数据采集与处理子***,包括电力动力单元电控模块数据采集单元、电力动力单元可靠性计算单元和第三声呐信号发射单元。
水下控制模块数据采集与处理子***,包含水下控制模块电控模块数据采集单元、水下控制模块液压模块数据采集单元、水下控制模块可靠性计算单元和第四声呐信号发射单元。
水下采油树数据采集与处理子***,包含水下采油树液压模块数据采集单元、水下采油树机械部分数据采集单元、水下采油树可靠性计算单元和第五声呐信号发射单元。
数字孪生寿命监测控制***,包含第一声呐信号接收单元、第二声呐信号接收单元、第三声呐信号接收单元、第四声呐信号接收单元、第五声呐信号接收单元、***整体可靠性整合与计算单元、***剩余寿命计算单元、云端数据采集单元和性能反馈单元。
相对于现有技术,本发明的有益结果是:数字孪生驱动的海洋石油水下生产***故障预测方法针对水下生产***的不同模块分别进行状态监测与性能评估,配合数字孪生技术实现水下生产***的全寿命周期的性能管理,具备更精确的剩余寿命分析能力,数字孪生驱动的海洋石油水下生产***故障预测***通过不断输入实时的传感器信息和故障率信息,实现了寿命信息的有效预测和持续更新,可对海洋石油水下生产***在第二场景进行有效的故障排查和寿命预测。
附图说明
图1是数字孪生驱动的海洋石油水下生产***故障预测流程图;
图2是水下生产***电控模块可靠度评估静态贝叶斯网络示意图;
图3是水下生产***液压模块可靠度评估静态贝叶斯网络示意图;
图4是水下生产***机械部分可靠度评估静态贝叶斯网络示意图;
图5是水下生产***性能退化静态贝叶斯网络示意图;
图6是水下生产***性能退化动态贝叶斯网络示意图;
图7是水下生产***剩余寿命计算方法示意图;
图8是数字孪生驱动的海洋石油水下生产***故障预测***搭建流程图;
图9是水下生产***示意图;
图10是数字孪生驱动的海洋石油水下生产***故障预测***示意图。
图中,101、水上控制模块,102、不间断电源,103、主控站,104、电力单元,105、通信单元,106、液压动力单元,107、液压动力单元第一液压模块,108、液压动力单元第二液压模块,109、液压动力单元电控模块,110、液压动力单元第三液压模块,111、液压动力单元第四液压模块,112、电力动力单元,113、第二通信调制解调器,114、第一通信调制解调器,115、第二滤波器,116、第一滤波器,117、第二电力耦合器,118、第一电力耦合器,119、水下控制模块,120、水下控制模块换向阀组,121、第一换向阀,122、第二换向阀,123、第三换向阀,124、第四换向阀,125、第五换向阀,126、水下控制模块电子模块组,127、第三水下电子模块,128、第二水下电子模块,129、第一水下电子模块,130、水下采油树,131、水下采油树液压阀组,132、第一液压阀,133、第二液压阀,134、第三液压阀,135、第四液压阀,136、第五液压阀,137、水下采油树机械部分组,138、采油树树帽,139、采油树树体,201、数字孪生寿命监测控制***,202、第一声呐信号接收单元,203、第二声呐信号接收单元,204、第三声呐信号接收单元,205,第四声呐信号接收单元,206、第五声呐信号接收单元,207、***整体可靠性整合与计算单元,208、性能反馈单元,209、***剩余寿命计算单元,210、云端数据采集单元,211、液压动力单元数据采集与处理子***,212、第二声呐信号发射单元,213、液压动力单元可靠性计算单元,214、液压动力单元电控模块数据采集单元,215、液压动力单元液压模块数据采集单元,216、水上控制模块数据采集与处理子***,217、第一声呐信号发射单元,218、水上控制模块可靠性计算单元,219、水上控制模块电控模块数据采集单元,220、电力动力单元数据采集与处理子***,221、第三声呐信号发射单元,222、电力动力单元可靠性计算单元,223、电力动力单元电控模块数据采集单元,224、水下采油树数据采集与处理子***,225、水下采油树机械部分数据采集单元,226、水下采油树液压模块数据采集单元,227、水下采油树可靠性计算单元,228、第五声呐信号发射单元,229、水下控制模块数据采集与处理子***,230、水下控制模块液压模块数据采集单元,231、水下控制模块电控模块数据采集单元,232、水下控制模块可靠性计算单元,233、第四声呐信号发射单元。
具体实施方式
如图1所示,一种数字孪生驱动的海洋石油水下生产***故障预测方法,包含五个大步骤:
S1:确定各模块退化模式。将水下生产***划分为电控模块、液压模块和机械部分进行退化分析,获取水下生产***运行中的状态监测数据进行参数估计,并结合现场专家经验,进行各个退化模型中的参量的不确定分析和概率分布的修正。
S101:确定电控模块、液压模块和机械部分的退化模型。
(1)对于水下生产***中的电控模块,其可靠性退化模型为指数退化模型:
Re=e-at (1)
其中,Re是电控模块的可靠度;a是电子元件的失效率;t是退化时间。
(2)对于水下生产***中的液压模块,其可靠性退化模型为威布尔退化模型的概率密度函数为:
该威布尔退化模型的累积分布函数即累积失效率函数为:
水下生产***液压模块的可靠度可表示为:
Rh=1-Fh(t,k,λ) (4)
其中,W是威布尔退化模型中的概率密度函数,Fh是威布尔退化模型中的累积分布函数,也是液压模块的累积失效率函数,Rh是液压模块的可靠度,k是威布尔模型中的形状参数,λ是威布尔模型中的尺度参数。
(3)对于水下生产***中的机械部分,其可靠性退化模型为伽马退化过程:
Rm(τ)-Rm(t)~Ga[α(τ)-α(t),β] (5)
其中,Rm(τ)和Rm(t)表示在τ时刻和t时刻的退化状态,Ga[*]表示伽马分布,α为伽马分布中的形状参数,β为伽马分布中的尺度参数。
S102:提取水下生产***中状态监测数据进行参数估计,并结合现场专家数据库,完成概率分布的修正。
采用极大似然估计方法进行参数估计:
其中,x为被估计参数;zi为状态监测数据,即样本。
S2:性能退化过程动态贝叶斯网络建模。建立水下生产***各模块性能退化静态贝叶斯网络,并将水下生产***各模块的退化模型输入到各模块性能退化静态贝叶斯网络中,建立水下生产***性能退化静态贝叶斯网络,确定水下生产***性能退化静态贝叶斯网络中随时间变化的节点,将水下生产***性能退化静态贝叶斯网络拓展成为水下生产***性能退化动态贝叶斯网络。
S201:建立各退化过程的静态贝叶斯网络。将公式中各个参数映射为贝叶斯网络中的各参数节点,通过采样模拟计算的方式将公式中的逻辑关系映射为贝叶斯网络中的条件概率表。
将公式(1)映射为如图2所示的水下生产***电控模块可靠度评估静态贝叶斯网络,得到水下生产***电控模块的可靠性退化分布及概率。该静态贝叶斯网络分为三层,第一层为状态监测层,包含S1和S2两个传感器数据监测节点;第二层为参数估计层,包含电控模块退化中失效率a一个节点;第三层为结果层,包含电控模块的可靠度Re一个节点。该静态贝叶斯网络的运行结果表现了电控模块的可靠性分布及概率信息。
将公式(2)(3)(4)映射为如图3所示的水下生产***液压模块可靠度评估静态贝叶斯网络,得到水下生产***液压模块的可靠性退化分布及概率。该静态贝叶斯网络分为四层,第一层为状态监测层,包含S3、S4、S5和S6四个传感器数据监测节点;第二层为参数估计层,包含液压模块退化中形状参数k和尺度参数λ两个节点;第三层为中间结果层,包含液压模块的累积失效率Fh一个节点;第四层为结果层,包含液压模块的可靠度Rh一个节点。该静态贝叶斯网络的运行结果表现了液压模块的可靠性分布及概率信息。
将公式(5)映射为如图4所示的水下生产***机械部分可靠度评估静态贝叶斯网络,得到水下生产***机械部分的可靠性退化分布及概率。该静态贝叶斯网络分为三层,第一层为状态监测层,包含S7、S8、S9和S10四个传感器数据监测节点;第三层为结果层,包含机械部分的可靠度Rm一个节点。该静态贝叶斯网络的运行结果表现了机械部分的可靠性分布及概率信息。
根据退化模块间串并联结构关系和模块间的因果关系建立如图5所示的水下生产***性能退化静态贝叶斯网络,该网络包括水下生产***性能退化静态贝叶斯网络的结构模型和水下生产***性能退化静态贝叶斯网络的参数模型。水下生产***性能退化静态贝叶斯网络的结构模型一方面是根据退化模型间的参数关系构建,另一方面是根据划分模块间的因果关系构建;水下生产***性能退化静态贝叶斯网络的参数模型中,先验概率是通过与水下生产***关联的数据库提取,条件概率表是通过将退化模型中的公式转化得到的。水下生产***性能退化静态贝叶斯网络共分为六层,第一层为水上控制模块层,包含电控模块M1、电控模块M2、电控模块M3、电控模块M4和水上控制模块可靠度RM五个节点;第二层为液压动力单元层,包含电控模块H1、液压模块H2、液压模块H3、液压模块H4、液压模块H5和液压动力单元可靠度RH六个节点;第三层为电力动力单元层,包含电控模块E1、电控模块E2、电控模块E3、电控模块E4、电控模块E5、电控模块E6和电力动力单元可靠度RE七个节点;第四层为水下控制模块层,包含液压模块S1、液压模块S2、液压模块S3、液压模块S4、液压模块S5、电控模块S6、电控模块S7、电控模块S8和水下控制模块可靠度RE九个节点;第五层为水下采油树层,包含液压模块T1、液压模块T2、液压模块T3、液压模块T4、液压模块T5、机械部分T6、机械部分T7和水下采油树可靠度RT八个节点;第六层为可靠性评估层,包含水下生产******整体可靠度R一个节点。该静态贝叶斯网络的运行结果表现了水下生产***的可靠度分布及概率信息。
S202:根据各个模块退化公式转化动态贝叶斯网络时间片与时间片间的条件概率表,建立如图6所示的水下生产***性能退化动态贝叶斯网络。水下生产***性能退化动态贝叶斯网络中各层节点与图5的水下生产***性能退化静态贝叶斯网络相同,表示了从t时刻到t+1时刻的性能退化和寿命变化。
S3:动态可靠性计算。通过对水下生产***性能退化过程动态贝叶斯网络的时间扩展,以年为时间单位,计算从当前时刻开始未来数年内水下生产***各模块的可靠度,整合水下生产***各模块的可靠度,得到水下生产***整体可靠度。
各模块可靠度随着贝叶斯网络采样次数接近无穷大,可靠度的算术平均值收敛于期望值:
***总体可靠度为:
其中RM、RH、RE、RS和RT是通过各层部件的串并联关系进行计算,当部件为串联关系时,其可靠度可表示为:
当部件为并联关系时,其可靠度可表示为:
以年为时间单位,计算从第一年开始,未来数年内水下生产***各模块的可靠度R(t=1)、R(t=2)、R(t=3)、…。
S4:剩余寿命计算。当***在内部因素和外部影响下退化一段时间后,性能逐渐下降,当性能低于失效阈值时,***将不能完成正常的工作。基于水下生产***整体的动态可靠度,计算检测点时刻开始到失效点结束的时间段,获取水下生产***的剩余寿命。
水下生产***剩余寿命计算方法如图7所示,剩余寿命是指***从当前检测时刻到发生故障的预计持续正常工作时间。在t1时刻,即检测点,进行水下生产***的寿命预测,从此刻开始,***的寿命开始逐渐下降;t2点为***性能首次达到失效阈值的时刻,即失效点。当***在内部因素和外部影响下退化一段时间后,性能逐渐低于该失效阈值时,***将不能完成正常的工作,水下生产***的剩余寿命是从检测点时刻开始到失效点时刻结束的时间段。
S5:基于数字孪生的寿命信息管理与更新。利用物理世界的传感器数据、集成分析技术和持续更新的数字孪生应用程序搭建数字孪生故障预测***,实现水下生产***数字化镜像的工作过程内的全周期寿命管理。
数字孪生驱动的海洋石油水下生产***故障预测***搭建流程图如图8所示,根据水下生产***物理模型构建水下生产***数字孪生模型,利用物理世界的传感器数据、集成分析技术和持续更新的数字孪生应用程序搭建故障预测***,水下生产***剩余寿命计算算法储存在该***中,实现水下生产***数字化镜像的工作过程内的全周期寿命管理,数字孪生驱动的海洋石油水下生产***故障预测***搭建的步骤是:
(1)对水下生产***进行模块化处理,并对各模块子***定义,针对水下生产***的硬件分析、架构功能和工作流程建立模块间内在联系,构建水下生产***实际物理模型,根据建立的水下生产***各模块退化模型进行可靠性退化分析。
(2)定义数字孪生***功能,根据水下生产***实际物理模型构建水下生产***数字孪生模型,并根据***功能进行***设计,最后根据寿命预测的要求进行数字孪生***的硬件分析和软件设计。
(3)进行数字孪生驱动的内部数据采集和外部环境模拟,内部数据采集包括各模块的传感器的选型和设计,并进行传感器的布置优化;外部环境模拟包括外界影响因素分析、传感器选型和设计以及传感器的布置优化。
(4)基于贝叶斯网络和可靠性退化过程获取水下生产***剩余寿命预测方法,分析生产设备中安装的传感器信息,获取与实际流程相关的运行和环境数据,然后与水下生产***云端数据库相连,通过数据处理和接口技术提供给存储在数字孪生***中的剩余寿命预测程序,利用分析技术和算法模拟以及可视化程序分析数据并计算剩余寿命,通过不断输入实时的传感器信息和故障率信息实现寿命信息的持续更新,同时根据寿命预测结果对水下生产***进行优化控制,达成物理世界和数字世界之间的联系,建立物理实体和流程的实时数字化模型。
如图9所示,水下生产***,包含水上控制模块101、液压动力单元106、电力动力单元112、水下控制模块119和水下采油树130;其中,水上控制模块101位于水上控制平台内,包括:不间断电源102、主控站103、电力单元104和通信单元105;不间断电源102、电力单元104和通信单元105通过线缆与主控站103相连,用于对主控站103进行电力和通讯传输;液压动力单元106位于水上控制平台内,包括:液压动力单元第一液压模块107、液压动力单元第二液压模块108、液压动力单元电控模块109、液压动力单元第三液压模块110和液压动力单元第四液压模块111;液压动力单元电控模块109通过线缆与液压动力单元第一液压模块107、液压动力单元第二液压模块108、液压动力单元第三液压模块110和液压动力单元第四液压模块111相连,用于实现对四个液压模块的控制;电力动力单元112位于水上控制平台内,包括:第一通信调制解调器114、第二通信调制解调器113、第一滤波器116、第二滤波器115、第一电力耦合器118和第二电力耦合器117;第一通信调制解调器114通过线缆与第一滤波器116相连,用于滤除无用频率的电信号;第一通信调制解调器114和第一滤波器116通过线缆与第一电力耦合器118相连,用于电信号和通讯信息的耦合;第二通信调制解调器113通过线缆与第二滤波器115相连,用于滤除无用频率的电信号;第二通信调制解调器113和第二滤波器115通过线缆与第二电力耦合器117相连,用于电信号和通讯信息的耦合;水下控制模块119位于水下控制舱内,包括:水下控制模块换向阀组120和水下控制模块电子模块组126;水下控制模块换向阀组120包括:第一换向阀121、第二换向阀122、第三换向阀123、第四换向阀124和第五换向阀125;水下控制模块电子模块组126包括:第一水下电子模块129、第二水下电子模块128和第三水下电子模块127;水下采油树130位于水下油田,包括:水下采油树液压阀组131和水下采油树机械部分组137;水下采油树液压阀组131包括:第一液压阀132、第二液压阀133、第三液压阀134、第四液压阀135和第五液压阀136;水下采油树机械部分组137包括:采油树树帽138和采油树树体139;不间断电源102通过线缆与液压动力单元106和电力动力单元112相连,用于提供液压传输和信号传输所需的电力;主控站103通过线缆与液压动力单元106和电力动力单元112相连,用于控制油气生产中的液压传输和信号传输;液压动力单元第一液压模块107、液压动力单元第二液压模块108、液压动力单元第三液压模块110和液压动力单元第四液压模块111通过线缆与第一换向阀121、第二换向阀122、第三换向阀123、第四换向阀124和第五换向阀125相连,用于液压液的传输;第一电力耦合器118和第二电力耦合器117通过线缆与第一水下电子模块129、第二水下电子模块128和第三水下电子模块127相连,用于控制信号的传输;水下控制模块电子模块组126通过线缆与水下控制模块换向阀组120相连,用于控制液压回路的流向。
如图10所示,数字孪生驱动的海洋石油水下生产***故障预测***,包括安装于水上控制模块101的水上控制模块数据采集与处理子***216、安装于液压动力单元106的液压动力单元数据采集与处理子***211、安装于电力动力单元112的电力动力单元数据采集与处理子***220、安装于水下控制模块119的水下控制模块数据采集与处理子***229、安装于水下采油树130的水下采油树数据采集与处理子***224,以及安装于水上控制站的数字孪生寿命监测控制***201。
水上控制模块数据采集与处理子***216,包含水上控制模块电控模块数据采集单元219、水上控制模块可靠性计算单元218和第一声呐信号发射单元217;水上控制模块电控模块数据采集单元219通过线缆与水上控制模块101中不间断电源102、主控站103、电力单元104和通信单元105相连,用于采集水上控制模块101中不间断电源102、主控站103、电力单元104和通信单元105的传感器信息,获取各个模块的退化数据;水上控制模块可靠性计算单元218通过线缆与水上控制模块电控模块数据采集单元219相连,用于整合水上控制模块101中各模块退化数据,计算该模块整体可靠性;第一声呐信号发射单元217通过线缆与水上控制模块可靠性计算单元218相连,用于传输水上控制模块可靠性计算单元218中水上控制模块101的可靠性数据。
液压动力单元数据采集与处理子***211,包含液压动力单元电控模块数据采集单元214、液压动力单元液压模块数据采集单元215、液压动力单元可靠性计算单元213和第二声呐信号发射单元212;液压动力单元电控模块数据采集单元214通过线缆与液压动力单元电控模块109相连,用于采集液压动力单元电控模块109的传感器信息,获取该模块的退化数据;液压动力单元液压模块数据采集单元215通过线缆与液压动力单元第一液压模块107、液压动力单元第二液压模块108、液压动力单元第三液压模块110和液压动力单元第四液压模块111相连,用于采集液压动力单元第一液压模块107、液压动力单元第二液压模块108、液压动力单元第三液压模块110和液压动力单元第四液压模块111的传感器信息,获取各个模块的退化数据;液压动力单元可靠性计算单元213通过线缆与液压动力单元电控模块数据采集单元214和液压动力单元液压模块数据采集单元215相连,用于整合液压动力单元106中各模块退化数据,计算该模块整体可靠性;第二声呐信号发射单元212通过线缆与液压动力单元可靠性计算单元213相连,用于传输液压动力单元可靠性计算单元213中液压动力单元106的可靠性数据。
电力动力单元数据采集与处理子***220,包含电力动力单元电控模块数据采集单元223、电力动力单元可靠性计算单元222和第三声呐信号发射单元221;电力动力单元电控模块数据采集单元223通过线缆与第一通信调制解调器114、第二通信调制解调器113、第一滤波器116、第二滤波器115、第一电力耦合器118和第二电力耦合器117相连,用于采集电力动力单元112中第一通信调制解调器114、第二通信调制解调器113、第一滤波器116、第二滤波器115、第一电力耦合器118和第二电力耦合器117的传感器信息,获取各模块的退化数据;电力动力单元可靠性计算单元222通过线缆与电力动力单元电控模块数据采集单元223相连,用于整合电力动力单元112中各模块退化数据,计算该模块整体可靠性;第三声呐信号发射单元221通过线缆与电力动力单元可靠性计算单元222相连,用于传输电力动力单元可靠性计算单元222中电力动力单元112的可靠性数据。
水下控制模块数据采集与处理子***229,包含水下控制模块电控模块数据采集单元231、水下控制模块液压模块数据采集单元230、水下控制模块可靠性计算单元232和第四声呐信号发射单元233;水下控制模块电控模块数据采集单元231通过线缆与第一水下电子模块129、第二水下电子模块128和第三水下电子模块127相连,用于采集水下控制模块119中第一水下电子模块129、第二水下电子模块128和第三水下电子模块127的传感器信息,获取各模块的退化数据;水下控制模块液压模块数据采集单元230通过线缆与第一换向阀121、第二换向阀122、第三换向阀123、第四换向阀124和第五换向阀125相连,用于采集水下控制模块119中第一换向阀121、第二换向阀122、第三换向阀123、第四换向阀124和第五换向阀125的传感器信息,获取各模块的退化数据;水下控制模块可靠性计算单元232通过线缆与水下控制模块电控模块数据采集单元231和水下控制模块液压模块数据采集单元230相连,用于整合水下控制模块119中各模块退化数据,计算该模块整体可靠性;第四声呐信号发射单元233通过线缆与水下控制模块可靠性计算单元232相连,用于传输水下控制模块可靠性计算单元232中水下控制模块119的可靠性数据。
水下采油树数据采集与处理子***224,包含水下采油树液压模块数据采集单元226、水下采油树机械部分数据采集单元225、水下采油树可靠性计算单元227和第五声呐信号发射单元228;水下采油树液压模块数据采集单元226通过线缆与第一液压阀132、第二液压阀133、第三液压阀134、第四液压阀135和第五液压阀136相连,用于采集水下采油树130中第一液压阀132、第二液压阀133、第三液压阀134、第四液压阀135和第五液压阀136的传感器信息,获取各模块的退化数据;水下采油树机械部分数据采集单元225通过线缆与采油树树帽138和采油树树体139相连,用于采集水下采油树130中采油树树帽138和采油树树体139的传感器信息,获取各模块的退化数据;水下采油树可靠性计算单元227通过线缆与水下采油树液压模块数据采集单元226和水下采油树机械部分数据采集单元225相连,用于整合水下采油树130中各模块退化数据,计算该模块整体可靠性;第五声呐信号发射单元228通过线缆与水下采油树可靠性计算单元227相连,用于传输水下采油树可靠性计算单元227中水下采油树130的可靠性数据。
数字孪生寿命监测控制***201,包含第一声呐信号接收单元202、第二声呐信号接收单元203、第三声呐信号接收单元204、第四声呐信号接收单元205、第五声呐信号接收单元206、***整体可靠性整合与计算单元207、***剩余寿命计算单元209、云端数据采集单元210和性能反馈单元208;第一声呐信号接收单元202通过声呐与第一声呐信号发射单元217通信,用于接收第一声呐信号发射单元217传输的水上控制模块101的可靠性数据;第二声呐信号接收单元203通过声呐与第二声呐信号发射单元212通信,用于接收第二声呐信号发射单元212传输的液压动力单元106的可靠性数据;第三声呐信号接收单元204通过声呐与第三声呐信号发射单元221通信,用于接收第三声呐信号发射单元221传输的电力动力单元112的可靠性数据;第四声呐信号接收单元205通过声呐与第四声呐信号发射单元233通信,用于接收第四声呐信号发射单元233传输的水下控制模块119的可靠性数据;第五声呐信号接收单元206通过声呐与第五声呐信号发射单元228通信,用于接收第五声呐信号发射单元228传输的水下采油树130的可靠性数据;***整体可靠性整合与计算单元207通过线缆与第一声呐信号接收单元202、第二声呐信号接收单元203、第三声呐信号接收单元204、第四声呐信号接收单元205和第五声呐信号接收单元206相连,用于整合第一声呐信号接收单元202、第二声呐信号接收单元203、第三声呐信号接收单元204、第四声呐信号接收单元205和第五声呐信号接收单元206接收的退化数据,计算水下生产***整体可靠性;***剩余寿命计算单元209通过线缆与***整体可靠性整合与计算单元207相连,用于计算水下生产***剩余寿命;云端数据采集单元210通过线缆与***剩余寿命计算单元209相连,用于补充不完善的退化数据,修正水下生产***的剩余寿命;性能反馈单元208通过线缆与***剩余寿命计算单元209和水上控制模块中的主控站103相连,用于提取***剩余寿命计算单元209中的寿命数据,并将该数据反馈至主控站103,对剩余寿命信息进行分析,实现水下生产***的最优化控制。
在水下生产***工作过程中,水上控制模块数据采集与处理子***216、液压动力单元数据采集与处理子***211、电力动力单元数据采集与处理子***220和水下采油树数据采集与处理子***224分别实时提取水上控制模块101、液压动力单元106、电力动力单元112、水下控制模块119和水下采油树130的状态数据,计算对应模块的实时可靠性,并将可靠性信息通过声呐传输至数字孪生寿命监测控制***201,通过***剩余寿命计算单元209计算水下生产***的剩余寿命,并将寿命信息反馈至主控站103,并由相关人员提取信息并优化控制方案,确保油气生产安全。
Claims (7)
1.一种数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于包括如下步骤:
S1:确定各模块退化模式:将水下生产***划分为电控模块、液压模块和机械部分进行退化分析,获取水下生产***运行中的状态监测数据进行参数估计,并结合现场专家经验,进行各个退化模型中的参量的不确定分析和概率分布的修正;
S101:确定电控模块、液压模块和机械部分的退化模型;
(1)对于水下生产***中的电控模块,其可靠性退化模型为指数退化模型:
Re=e-at (1)
其中,Re是电控模块的可靠度;a是电子元件的失效率;t是退化时间;
(2)对于水下生产***中的液压模块,其可靠性退化模型为威布尔退化模型的概率密度函数为:
该威布尔退化模型的累积分布函数即累积失效率函数为:
水下生产***液压模块的可靠度可表示为:
Rh=1-Fh(t,k,λ) (4)
其中,W是威布尔退化模型中的概率密度函数,Fh是威布尔退化模型中的累积分布函数,也是液压模块的累积失效率函数,Rh是液压模块的可靠度,k是威布尔模型中的形状参数,λ是威布尔模型中的尺度参数;
(3)对于水下生产***中的机械部分,其可靠性退化模型为伽马退化过程:
Rm(τ)-Rm(t)~Ga[α(τ)-α(t),β] (5)
其中,Rm(τ)和Rm(t)表示在τ时刻和t时刻的退化状态,Ga[*]表示伽马分布,α为伽马分布中的形状参数,β为伽马分布中的尺度参数;
S102:提取水下生产***中状态监测数据进行参数估计,并结合现场专家数据库,完成概率分布的修正;
采用极大似然估计方法进行参数估计:
其中,x为被估计参数;zi为状态监测数据,即样本;
S2:性能退化过程动态贝叶斯网络建模:建立水下生产***各模块性能退化静态贝叶斯网络,并将水下生产***各模块的退化模型输入到各模块性能退化静态贝叶斯网络中,建立水下生产***性能退化静态贝叶斯网络,确定水下生产***性能退化静态贝叶斯网络中随时间变化的节点,将水下生产***性能退化静态贝叶斯网络拓展成为水下生产***性能退化动态贝叶斯网络;
S201:建立各退化过程的静态贝叶斯网络,将公式中各个参数映射为贝叶斯网络中的各参数节点,通过采样模拟计算的方式将公式中的逻辑关系映射为贝叶斯网络中的条件概率表;
将公式(1)映射为水下生产***电控模块可靠度评估静态贝叶斯网络,得到水下生产***电控模块的可靠性退化分布及概率;该静态贝叶斯网络分为三层,第一层为状态监测层,包含S1和S2两个传感器数据监测节点;第二层为参数估计层,包含电控模块退化中失效率a一个节点;第三层为结果层,包含电控模块的可靠度Re一个节点;该静态贝叶斯网络的运行结果表现了电控模块的可靠性分布及概率信息;
将公式(2)(3)(4)映射为水下生产***液压模块可靠度评估静态贝叶斯网络,得到水下生产***液压模块的可靠性退化分布及概率;该静态贝叶斯网络分为四层,第一层为状态监测层,包含S3、S4、S5和S6四个传感器数据监测节点;第二层为参数估计层,包含液压模块退化中形状参数k和尺度参数λ两个节点;第三层为中间结果层,包含液压模块的累积失效率Fh一个节点;第四层为结果层,包含液压模块的可靠度Rh一个节点;该静态贝叶斯网络的运行结果表现了液压模块的可靠性分布及概率信息;
将公式(5)映射为水下生产***机械部分可靠度评估静态贝叶斯网络,得到水下生产***机械部分的可靠性退化分布及概率;该静态贝叶斯网络分为三层,第一层为状态监测层,包含S7、S8、S9和S10四个传感器数据监测节点;第三层为结果层,包含机械部分的可靠度Rm一个节点;该静态贝叶斯网络的运行结果表现了机械部分的可靠性分布及概率信息;
根据退化模块间串并联结构关系和模块间的因果关系建立水下生产***性能退化静态贝叶斯网络,该网络包括水下生产***性能退化静态贝叶斯网络的结构模型和水下生产***性能退化静态贝叶斯网络的参数模型;水下生产***性能退化静态贝叶斯网络的结构模型一方面是根据退化模型间的参数关系构建,另一方面是根据划分模块间的因果关系构建;水下生产***性能退化静态贝叶斯网络的参数模型中,先验概率是通过与水下生产***关联的数据库提取,条件概率表是通过将退化模型中的公式转化得到的;水下生产***性能退化静态贝叶斯网络共分为六层,第一层为水上控制模块层,包含电控模块M1、电控模块M2、电控模块M3、电控模块M4和水上控制模块可靠度RM五个节点;第二层为液压动力单元层,包含电控模块H1、液压模块H2、液压模块H3、液压模块H4、液压模块H5和液压动力单元可靠度RH六个节点;第三层为电力动力单元层,包含电控模块E1、电控模块E2、电控模块E3、电控模块E4、电控模块E5、电控模块E6和电力动力单元可靠度RE七个节点;第四层为水下控制模块层,包含液压模块S1、液压模块S2、液压模块S3、液压模块S4、液压模块S5、电控模块S6、电控模块S7、电控模块S8和水下控制模块可靠度RE九个节点;第五层为水下采油树层,包含液压模块T1、液压模块T2、液压模块T3、液压模块T4、液压模块T5、机械部分T6、机械部分T7和水下采油树可靠度RT八个节点;第六层为可靠性评估层,包含水下生产***整体可靠度R一个节点;该静态贝叶斯网络的运行结果表现了水下生产***的可靠度分布及概率信息;
S202:根据各个模块退化公式转化动态贝叶斯网络时间片与时间片间的条件概率表,建立水下生产***性能退化动态贝叶斯网络;水下生产***性能退化动态贝叶斯网络中各层节点与水下生产***性能退化静态贝叶斯网络相同,表示了从t时刻到t+1时刻的性能退化和寿命变化;
S3:动态可靠性计算:通过对水下生产***性能退化过程动态贝叶斯网络的时间扩展,以年为时间单位,计算从当前时刻开始未来数年内水下生产***各模块的可靠度,整合水下生产***各模块的可靠度,得到水下生产***整体可靠度;
各模块可靠度随着贝叶斯网络采样次数接近无穷大,可靠度的算术平均值收敛于期望值:
***总体可靠度为:
其中RM、RH、RE、RS和RT是通过各层部件的串并联关系进行计算,当部件为串联关系时,其可靠度可表示为:
当部件为并联关系时,其可靠度可表示为:
以年为时间单位,计算从第一年开始,未来数年内水下生产***各模块的可靠度R(t=1)、R(t=2)、R(t=3)、…;
S4:剩余寿命计算:当***在内部因素和外部影响下退化一段时间后,性能逐渐下降,当性能低于失效阈值时,***将不能完成正常的工作;基于水下生产***整体的动态可靠度,计算检测点时刻开始到失效点结束的时间段,获取水下生产***的剩余寿命;
剩余寿命是指***从当前检测时刻到发生故障的预计持续正常工作时间;在t1时刻,即检测点,进行水下生产***的寿命预测,从此刻开始,***的寿命开始逐渐下降;t2点为***性能首次达到失效阈值的时刻,即失效点;当***在内部因素和外部影响下退化一段时间后,性能逐渐低于该失效阈值时,***将不能完成正常的工作,水下生产***的剩余寿命是从检测点时刻开始到失效点时刻结束的时间段;
S5:基于数字孪生的寿命信息管理与更新:利用物理世界的传感器数据、集成分析技术和持续更新的数字孪生应用程序搭建数字孪生故障预测***,实现水下生产***数字化镜像的工作过程内的全周期寿命管理;
根据水下生产***物理模型构建水下生产***数字孪生模型,利用物理世界的传感器数据、集成分析技术和持续更新的数字孪生应用程序搭建数字孪生故障预测***,水下生产***剩余寿命计算算法储存在该***中,实现水下生产***数字化镜像的工作过程内的全周期寿命管理,数字孪生驱动的水下生产***故障预测***搭建的步骤是:
(1)对水下生产***进行模块化处理,并对各模块子***定义,针对水下生产***的硬件分析、架构功能和工作流程建立模块间内在联系,构建水下生产***实际物理模型,根据建立的水下生产***各模块退化模型进行可靠性退化分析;
(2)定义数字孪生***功能,根据水下生产***实际物理模型构建水下生产***数字孪生模型,并根据***功能进行***设计,最后根据寿命预测的要求进行数字孪生***的硬件分析和软件设计;
(3)进行数字孪生驱动的内部数据采集和外部环境模拟,内部数据采集包括各模块的传感器的选型和设计,并进行传感器的布置优化;外部环境模拟包括外界影响因素分析、传感器选型和设计以及传感器的布置优化;
(4)基于贝叶斯网络和可靠性退化过程获取水下生产***剩余寿命预测方法,分析生产设备中安装的传感器信息,获取与实际流程相关的运行和环境数据,然后与水下生产***云端数据库相连,通过数据处理和接口技术提供给存储在数字孪生***中的剩余寿命预测程序,利用分析技术和算法模拟以及可视化程序分析数据并计算剩余寿命,通过不断输入实时的传感器信息和故障率信息实现寿命信息的持续更新,同时根据寿命预测结果对水下生产***进行优化控制,达成物理世界和数字世界之间的联系,建立物理实体和流程的实时数字化模型;
所述的数字孪生驱动的海洋石油水下生产***故障预测方法应用于数字孪生驱动的海洋石油水下生产***故障预测***,该***包括安装于水上控制模块的水上控制模块数据采集与处理子***、安装于液压动力单元的液压动力单元数据采集与处理子***、安装于电力动力单元的电力动力单元数据采集与处理子***、安装于水下控制模块的水下控制模块数据采集与处理子***、安装于水下采油树的水下采油树数据采集与处理子***,以及安装于水上控制站的数字孪生寿命监测控制***;
水上控制模块数据采集与处理子***,包括水上控制模块电控模块数据采集单元、水上控制模块可靠性计算单元和第一声呐信号发射单元;
液压动力单元数据采集与处理子***,包括液压动力单元电控模块数据采集单元、液压动力单元液压模块数据采集单元、液压动力单元可靠性计算单元和第二声呐信号发射单元;
电力动力单元数据采集与处理子***,包括电力动力单元电控模块数据采集单元、电力动力单元可靠性计算单元和第三声呐信号发射单元;
水下控制模块数据采集与处理子***,包含水下控制模块电控模块数据采集单元、水下控制模块液压模块数据采集单元、水下控制模块可靠性计算单元和第四声呐信号发射单元;
水下采油树数据采集与处理子***,包含水下采油树液压模块数据采集单元、水下采油树机械部分数据采集单元、水下采油树可靠性计算单元和第五声呐信号发射单元;
数字孪生寿命监测控制***,包含第一声呐信号接收单元、第二声呐信号接收单元、第三声呐信号接收单元、第四声呐信号接收单元、第五声呐信号接收单元、***整体可靠性整合与计算单元、***剩余寿命计算单元、云端数据采集单元和性能反馈单元。
2.根据权利要求1所述的数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于:水上控制模块数据采集与处理子***,包含水上控制模块电控模块数据采集单元、水上控制模块可靠性计算单元和第一声呐信号发射单元;水上控制模块电控模块数据采集单元通过线缆与水上控制模块中不间断电源、主控站、电力单元和通信单元相连,用于采集水上控制模块中不间断电源、主控站、电力单元和通信单元的传感器信息,获取各个模块的退化数据;水上控制模块可靠性计算单元通过线缆与水上控制模块电控模块数据采集单元相连,用于整合水上控制模块中各模块退化数据,计算该模块整体可靠性;第一声呐信号发射单元通过线缆与水上控制模块可靠性计算单元相连,用于传输水上控制模块可靠性计算单元中水上控制模块的可靠性数据。
3.根据权利要求1所述的数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于:液压动力单元数据采集与处理子***,包含液压动力单元电控模块数据采集单元、液压动力单元液压模块数据采集单元、液压动力单元可靠性计算单元和第二声呐信号发射单元;液压动力单元电控模块数据采集单元通过线缆与液压动力单元电控模块相连,用于采集液压动力单元电控模块的传感器信息,获取该模块的退化数据;液压动力单元液压模块数据采集单元通过线缆与液压动力单元第一液压模块、液压动力单元第二液压模块、液压动力单元第三液压模块和液压动力单元第四液压模块相连,用于采集液压动力单元第一液压模块、液压动力单元第二液压模块、液压动力单元第三液压模块和液压动力单元第四液压模块的传感器信息,获取各个模块的退化数据;液压动力单元可靠性计算单元通过线缆与液压动力单元电控模块数据采集单元和液压动力单元液压模块数据采集单元相连,用于整合液压动力单元中各模块退化数据,计算该模块整体可靠性;第二声呐信号发射单元通过线缆与液压动力单元可靠性计算单元相连,用于传输液压动力单元可靠性计算单元中液压动力单元的可靠性数据。
4.根据权利要求1所述的数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于:电力动力单元数据采集与处理子***,包含电力动力单元电控模块数据采集单元、电力动力单元可靠性计算单元和第三声呐信号发射单元;电力动力单元电控模块数据采集单元通过线缆与第一通信调制解调器、第二通信调制解调器、第一滤波器、第二滤波器、第一电力耦合器和第二电力耦合器相连,用于采集电力动力单元中第一通信调制解调器、第二通信调制解调器、第一滤波器、第二滤波器、第一电力耦合器和第二电力耦合器的传感器信息,获取各模块的退化数据;电力动力单元可靠性计算单元通过线缆与电力动力单元电控模块数据采集单元相连,用于整合电力动力单元中各模块退化数据,计算该模块整体可靠性;第三声呐信号发射单元通过线缆与电力动力单元可靠性计算单元相连,用于传输电力动力单元可靠性计算单元中电力动力单元的可靠性数据。
5.根据权利要求1所述的数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于:水下控制模块数据采集与处理子***,包含水下控制模块电控模块数据采集单元、水下控制模块液压模块数据采集单元、水下控制模块可靠性计算单元和第四声呐信号发射单元;水下控制模块电控模块数据采集单元通过线缆与第一水下电子模块、第二水下电子模块和第三水下电子模块相连,用于采集水下控制模块中第一水下电子模块、第二水下电子模块和第三水下电子模块的传感器信息,获取各模块的退化数据;水下控制模块液压模块数据采集单元通过线缆与第一换向阀、第二换向阀、第三换向阀、第四换向阀和第五换向阀相连,用于采集水下控制模块中第一换向阀、第二换向阀、第三换向阀、第四换向阀和第五换向阀的传感器信息,获取各模块的退化数据;水下控制模块可靠性计算单元通过线缆与水下控制模块电控模块数据采集单元和水下控制模块液压模块数据采集单元相连,用于整合水下控制模块中各模块退化数据,计算该模块整体可靠性;第四声呐信号发射单元通过线缆与水下控制模块可靠性计算单元相连,用于传输水下控制模块可靠性计算单元中水下控制模块的可靠性数据。
6.根据权利要求1所述的数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于:水下采油树数据采集与处理子***,包含水下采油树液压模块数据采集单元、水下采油树机械部分数据采集单元、水下采油树可靠性计算单元和第五声呐信号发射单元;水下采油树液压模块数据采集单元通过线缆与第一液压阀、第二液压阀、第三液压阀、第四液压阀和第五液压阀相连,用于采集水下采油树中第一液压阀、第二液压阀、第三液压阀、第四液压阀和第五液压阀的传感器信息,获取各模块的退化数据;水下采油树机械部分数据采集单元通过线缆与采油树树帽和采油树树体相连,用于采集水下采油树中采油树树帽和采油树树体的传感器信息,获取各模块的退化数据;水下采油树可靠性计算单元通过线缆与水下采油树液压模块数据采集单元和水下采油树机械部分数据采集单元相连,用于整合水下采油树中各模块退化数据,计算该模块整体可靠性;第五声呐信号发射单元通过线缆与水下采油树可靠性计算单元相连,用于传输水下采油树可靠性计算单元中水下采油树的可靠性数据。
7.根据权利要求1所述的数字孪生驱动的海洋石油水下生产***故障预测方法,其特征在于:数字孪生寿命监测控制***,包含第一声呐信号接收单元、第二声呐信号接收单元、第三声呐信号接收单元、第四声呐信号接收单元、第五声呐信号接收单元、***整体可靠性整合与计算单元、***剩余寿命计算单元、云端数据采集单元和性能反馈单元;第一声呐信号接收单元通过声呐与第一声呐信号发射单元通信,用于接收第一声呐信号发射单元传输的水上控制模块的可靠性数据;第二声呐信号接收单元通过声呐与第二声呐信号发射单元通信,用于接收第二声呐信号发射单元传输的液压动力单元的可靠性数据;第三声呐信号接收单元通过声呐与第三声呐信号发射单元通信,用于接收第三声呐信号发射单元传输的电力动力单元的可靠性数据;第四声呐信号接收单元通过声呐与第四声呐信号发射单元通信,用于接收第四声呐信号发射单元传输的水下控制模块的可靠性数据;第五声呐信号接收单元通过声呐与第五声呐信号发射单元通信,用于接收第五声呐信号发射单元传输的水下采油树的可靠性数据;***整体可靠性整合与计算单元通过线缆与第一声呐信号接收单元、第二声呐信号接收单元、第三声呐信号接收单元、第四声呐信号接收单元和第五声呐信号接收单元相连,用于整合第一声呐信号接收单元、第二声呐信号接收单元、第三声呐信号接收单元、第四声呐信号接收单元和第五声呐信号接收单元接收的退化数据,计算水下生产***整体可靠性;***剩余寿命计算单元通过线缆与***整体可靠性整合与计算单元相连,用于计算水下生产***剩余寿命;云端数据采集单元通过线缆与***剩余寿命计算单元相连,用于补充不完善的退化数据,修正水下生产***的剩余寿命;性能反馈单元通过线缆与***剩余寿命计算单元和水上控制模块中的主控站相连,用于提取***剩余寿命计算单元中的寿命数据,并将该数据反馈至主控站,对剩余寿命信息进行分析,实现水下生产***的最优化控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010856388.0A CN112001545B (zh) | 2020-08-24 | 2020-08-24 | 数字孪生驱动的海洋石油水下生产***故障预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010856388.0A CN112001545B (zh) | 2020-08-24 | 2020-08-24 | 数字孪生驱动的海洋石油水下生产***故障预测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112001545A CN112001545A (zh) | 2020-11-27 |
CN112001545B true CN112001545B (zh) | 2022-03-15 |
Family
ID=73470311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010856388.0A Active CN112001545B (zh) | 2020-08-24 | 2020-08-24 | 数字孪生驱动的海洋石油水下生产***故障预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001545B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109359B (zh) * | 2019-05-21 | 2023-03-10 | 中国石油大学(华东) | 一种海洋石油井控装备的安全完整性水平评估方法 |
CN113240240A (zh) * | 2021-04-12 | 2021-08-10 | 国网河北省电力有限公司沧州供电分公司 | 一种海上油田群电力***可靠性评估***及其方法 |
CN113250674B (zh) * | 2021-04-27 | 2023-06-30 | 山东恒信电器集团有限公司 | 一种用于石油钻井设备的电控*** |
CN113255117B (zh) * | 2021-05-11 | 2022-08-02 | 北京航空航天大学 | 一种液位挥发类产品的可靠性数字孪生模型 |
CN113378480B (zh) * | 2021-07-02 | 2022-04-15 | 中国石油大学(华东) | 基于剩余使用寿命预测的水下采油树视情维修方法及*** |
CN113432857B (zh) * | 2021-07-02 | 2022-04-12 | 中国石油大学(华东) | 基于数字孪生的水下采油树***剩余使用寿命预测方法及*** |
CN113485213A (zh) * | 2021-07-05 | 2021-10-08 | 北京瑞博众成科技有限公司 | 数字孪生调节阀智能实时监控*** |
CN113378482B (zh) * | 2021-07-07 | 2022-06-14 | 哈尔滨工业大学 | 一种基于变结构动态贝叶斯网络的数字孪生建模推理方法 |
CN113435660B (zh) * | 2021-07-13 | 2022-07-08 | 中国石油大学(华东) | 融合卡尔曼滤波和贝叶斯网络的水下采油树重预测方法 |
CN113848806B (zh) * | 2021-10-12 | 2023-05-23 | 中国石油大学(华东) | 数字孪生驱动的高效放电脉冲电弧铣削加工故障诊断方法及*** |
CN114089708B (zh) * | 2021-11-19 | 2024-03-26 | 江苏科技大学 | 基于数字孪生的海上发电平台管理***及其优化调控方法 |
CN114923261B (zh) * | 2022-05-05 | 2023-07-18 | 青岛海信日立空调***有限公司 | 中央空调机组故障监控方法、***及中央空调机组单元 |
CN115203987B (zh) * | 2022-09-16 | 2023-01-06 | 中国石油大学(华东) | 海底管道相依竞争失效实时可靠性评估***及评估方法 |
CN115680616B (zh) * | 2022-11-04 | 2024-06-25 | 中国石油大学(华东) | 一种水下生产***数字孪生体建模方法及运行*** |
CN115857447B (zh) * | 2022-11-28 | 2023-06-09 | 安徽宝信信息科技有限公司 | 基于数字孪生的复杂工业***运行监测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262690A (zh) * | 2011-06-07 | 2011-11-30 | 中国石油大学(北京) | 一种混合故障预警模型的建模方法及混合故障预警模型 |
CN110134113A (zh) * | 2019-05-20 | 2019-08-16 | 中国石油大学(华东) | 一种海洋石油井控装备安全保障方法及*** |
CN110489862A (zh) * | 2019-08-19 | 2019-11-22 | 重庆大学 | 一种复杂机电***寿命预测方法 |
-
2020
- 2020-08-24 CN CN202010856388.0A patent/CN112001545B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262690A (zh) * | 2011-06-07 | 2011-11-30 | 中国石油大学(北京) | 一种混合故障预警模型的建模方法及混合故障预警模型 |
CN110134113A (zh) * | 2019-05-20 | 2019-08-16 | 中国石油大学(华东) | 一种海洋石油井控装备安全保障方法及*** |
CN110489862A (zh) * | 2019-08-19 | 2019-11-22 | 重庆大学 | 一种复杂机电***寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
Remaining Useful Life Estimation of Structure Systems Under the Influence of Multiple Causes: Subsea Pipelines as a Case Study;Cai, Baoping 等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20200731;5737-5747 * |
基于多阶段相关性性能退化的剩余寿命预测方法;邵筱焱 等;《第十九届中国海洋(岸)工程学术讨论会论文集》;20191031;348-354 * |
Also Published As
Publication number | Publication date |
---|---|
CN112001545A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112001545B (zh) | 数字孪生驱动的海洋石油水下生产***故障预测方法及*** | |
AU2020102863A4 (en) | Digital-twin-driven fault prognosis method and system for subsea production system of offshore oil | |
CN111967189B (zh) | 数字孪生驱动的海洋石油水下生产***故障诊断方法及*** | |
AU2020102819A4 (en) | Digital-twin-driven method and system for fault diagnosis of subsea production system of offshore oil | |
CN110135079B (zh) | 一种海洋石油井控装备的宏观弹性评价方法及*** | |
CN109145428B (zh) | 一种连锁故障模式下信息物理融合***脆弱性评估方法 | |
CN110619386B (zh) | 一种tmr运行监测及故障智能研判方法及*** | |
CN108008332A (zh) | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 | |
CN113435660B (zh) | 融合卡尔曼滤波和贝叶斯网络的水下采油树重预测方法 | |
Christos et al. | Data-centric operations in oil & gas industry by the use of 5G mobile networks and industrial Internet of Things (IIoT) | |
CN105634819A (zh) | 水下采油树智能监测与动态故障诊断*** | |
CN108830335A (zh) | 光伏电站故障预警方法及*** | |
CN114048790B (zh) | 一种基于耦合双向lstm和卷积结构网络的道路基层应变分析方法 | |
AU2021105665A4 (en) | Remaining useful life prediction method and system of subsea christmas tree system based on digital twin | |
CN111680398B (zh) | 一种基于Holt-Winters模型的单机性能退化预测方法 | |
CN115877312A (zh) | 一种基于台区电能量守恒的电能表信息化评价校准模型 | |
CN114741815A (zh) | 一种基于数字孪生的海底石油管道健康管理方法 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN113627780A (zh) | 基于深水浮式平台状态监测与评估的一体化数字孪生*** | |
CN117494547A (zh) | 一种基于数字孪生水电厂运维数据处理建模的方法及*** | |
CN115099129A (zh) | 一种基于输入特征误差修正的天然气井产量预测方法 | |
CN116247807A (zh) | 一种基于数字孪生的变电站线缆维护监测方法及*** | |
CN115099464A (zh) | 一种基于油嘴模型流量系数预测的油井产量预测方法 | |
CN115540935A (zh) | 一种新型护航舰艇压载水***设备故障诊断方法 | |
CN114201825A (zh) | 基于组合特征的设备性能退化状态的评估方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |