1、引言
通过分析油气储运设备运维现状及存在的问题，针对当前工业互联网环境下设备运维智能化趋势以及油气储运行业数字化转型的迫切需求，结合大数据、物联网、云计算等工业互联网先进技术，构建了基于工业互联网的油气储运智能运维框架，并探讨了在该框架下的智能运维关键技术，包括多源信息融合监测评估、自适应精确诊断、运维风险预测评估、智能运维决策及可视化智能运维系统开发。同时，梳理了工业互联网油气储运智能运维在油气储运设备状态监测与健康管理、性能测评与能耗管理、设备设施风险评价、以及智能巡检与作业风险管控等典型场景的应用。最后，讨论了基于工业互联网的油气储运设备智能运维在设备全生命周期管理、设备运维全流程数字化、工业信息物理系统安全方面的未来发展趋势，以期为全方位提升油气储运设备的智能化管理能力和水平提供指导。
2、工业互联网平台基本情况
工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于数据采集汇总分析、数据深度挖掘的服务体系，其核心点是平台，网络、安全三大体系，其中网络是基础，平台是核心，安全是保障。网络体系指在工业生产过程中人、机、料、环、法、测各要素，智能生产、智能产品、智能服务各主体，网络互联，数据互通，形成工业智能化的“血液系统”；平台体系包括各种支撑企业生产的平台，是一个“神经系统”，为数据采集汇总、建模分析、应用开发、资源调度、监测管理等提供支撑，是生产和管理设备的载体。安全体系则指数据安全、控制安全、网络安全等。如同“免疫系统”，保证系统数据安全、识别抵御安全威胁、化解各种安全风险等，为企业数据保驾护航。
工业互联网平台核心要素包括工业设备和数据采集层，IaaS 层，PaaS 层，SaaS 层（工业 APP) 等，如图1所示。工业设备和数据采集层包含传感器、工控系统、智能组件（协议转换）等硬件设备，IaaS层主要是云基础设施（服务器、网络、通讯总线等），工业 PaaS 层是核心，其包含运营管理环境，运行环境，工业大数据系统、开发工具、工业微服务组件库（工业算法和机理模型等），SaaS 层（工业 APP) 主要是为用户提供各种个性化服务。
3、油气储运设备运维现状
3.1、管道破损
管道运输是油气储运的主要方式之一，管道在长期运行过程中受到复杂环境的影响，再加上管理及维护工作不及时、不到位，从而导致管道外部遭受侵袭，出现严重破损和深度破坏的情况。部分项目在设计和施工的时候，采用的管道材质与工程实际要求不一致，抗腐蚀性能比较差，在复杂环境下容易出现损毁的现象，进而对油气储运造成极大的影响。
3.2、安全隐患多
石化行业本身存在的安全隐患和风险因素比较多，石油和天然气具有易燃、易爆、易中毒的特点，外界的环境温度、气候变化、储运的方法、运输设备等，都会影响油气储运的安全稳定性，一旦发生故障问题，则会造成大的经济损失，甚至对生态环境及人员安全造成影响。其中，油气储运设备选择不合理、管理和维护工作不到位、日常检查和定期养护工作不规范、安全配套体系不健全等，是造成油气储运安全事故的主要因素。油泵是油气储运设备的重要组成部分和核心部位，针对油气储运设备主要部件的维护和管理工作不到位、维修和检测工作不及时、各项工作实施不规范、简单维护或维护失误等，都可能影响这些部件的性能和安全性，加之外界复杂环境的影响，一旦出现故障问题和异常状况，则会对油气储运设备造成极大的影响和损失。
4、工业互联网赋能的油气储运设备智能运维技术
4.1、多源信息融合监测评估技术
分析设备运行原理、结构特点，确定设备故障模式及影响后果；明确油气储运设备监测工艺参数、运行参数及设备工况数据，研究工况自适应油气储运设备状态监测方法，建立基于边云协同的油气储运设备全方位在线监测技术；分析油气储运设备历史运行数据、环境工况等数据内在冗余度与相关性，研究多源数据深度融合处理方法，建立油气储运设备多参数关联监测预警技术，构建设备健康状态智能评估模型，形成油气储运设备多源信息融合监测评估技术。
4.2、备在线自适应精确诊断技术
结合大量实际诊断案例和试验，建立油气储运设备典型故障模式谱图库，通过构建工况解耦与特征迁移的深度卷积网络智能诊断模型，依据设备故障知识库、规则库，确定设备设施故障模式。同时考虑设备机组差异和运行工况差异，根据设备更新策略不断更新优化设备个性化诊断标准库，实现设备在线自适应精确诊断技术，解决了工况多变、个性差异造成的机组准确诊断难题。
4.3、设备运维风险预测评估技术
应用等级全息建模从运维、管理、结构等维度构建风险场景框图，研究设备设施运维过程的风险场景分析与风险根源辨识方法；综合考虑失效概率、组件寿命以及人因可靠性等风险指标，研究基于贝叶斯网络的设备设施运维风险评估技术；选用量化风险评价、风险检验、可靠性维护以及完整性等级评价等风险评价方法，建立油气储运设备运维风险预测与评估技术[。
4.4、基于状态和风险的智能运维决策技术
利用设备动态风险等级、可靠性数据及历史数据等分析设备健康状况，研究油气储运设备剩余寿命预测及风险预测评估算法，制定基于设备状态和风险的维护策略；结合典型故障维修案例，构建油气储运设备的可靠性维修决策模型；研究设备可用度、维修费用间的关联关系及分析方法，建立维修成本控制模型，提出多任务目标的优化管理及智能运维方案，提升设备运维管理水平。
4.5、可视化智能运维系统开发
综合运用数字孪生、大数据、人工智能等信息技术，在整合设备状态监测数据、运行控制数据及环境工况信息的基础上，实现油气储运设备运维关键数据的云端汇聚和在线监测；基于工业互联网的泛在连接和海量数据，组建覆盖设备安全、过程工艺安全及作业安全的安全监测与诊断预警模型库，构建风险特征库、失效数据库、故障案例库，研发基于工业互联网赋能的油气储运智能运维平台。
5、结束语
范化做好日常管理与养护、定期检测和维护、预防性养护和故障性养护等方面的工作，并准确把握和分析油气储运设备管理与维护的要点和关键，掌握主要部位、关键部位和易发生故障问题部位的维修和养护要点，以有效提高油气储运设备管理和维护的水平及效果，降低一系列风险问题以及影响损失，更好服务于经济社会及工业产业化的发展。
参考文献：
[1]冯泽江,骆敏珠,邓翔,梁永龙,徐建平.探析如何加强油气储运设备的维护和管理[J].中国设备工程,2021(01):20-21.
[2]范勇.油气储运设备的管理与维护措施[J].化工设计通讯,2021,47(11):7-8.
[3]马启吉.油气储运设备的日常管理与维护保养研究[J].现代盐化工,2021,48(05):127-128.
[4]蔡呈伟,戚聿东.工业互联网对中国制造业的赋能路径研究[J].当代经济管理,2021,43(12):40-48.
[5]杨盟.油气储运设备的管理、维护举措分析[J].科技风,2021(02):170-171.