基于工业物联网的石油和天然气预测性维护

算法运行组合数据集，以识别设备故障模式，并在此基础上构建预测模型。这些模型经过精确性测试，一旦被批准，将用于预测设备故障的可能性。

随着越来越多的数据变得可用，这些模型将被更新、重新训练和再次测试，以使它们准确并能代表现实。

二、要维护什么?

工业物联网有能力提高设备生产效率，减少石油和天然气行业三个领域的计划外停机时间：上游(勘探和开采)、中游(运输和储存)和下游(炼油和加工)。

1. 上游

平均而言，42%的开采、勘探和钻探设备使用时间超过15年，并且只能以其最高生产率的77%进行工作。为了缓解这一缺陷，上游石油和天然气公司可以利用工业物联网驱动的预测性维护。

在上游，工业物联网驱动的预测性维护用于监测勘探、开采和钻井设备及其部件的健康状况:潜水泵、分离器、冷凝器、压力阀、热交换器、压缩机、涡轮机等。

为此，潜在故障点配备有压力、温度、扭矩、振动、流量和其他类型的传感器。预测性维护解决方案接收传感器读数，将其与上下文数据相结合，通过机器学习算法运行数据集，并创建预测模型，然后用于识别设备故障并提供有关问题发展的预警通知。

2. 中游

中游企业利用工业物联网来确保管道、原油处理系统和气体处理设备的安全性和可靠性。光纤分布式声音传感器、超声波传感器和温度传感系统监测液体(例如原油)泄漏的声音变化信号，而碳氢化合物传感电缆则可用于监测碳氢化合物泄漏。

来自传感器的数据与上下文数据相结合，并根据预测模型进行分析。一旦监测到传感器读数出现异常偏差，工业物联网解决方案就会触发警报，并通知维护专家管道故障。

3. 下游

仅在美国，由于计划外停机，炼油厂就损失了66亿美元。停机的主要原因之一是炼油厂设备维护不善。

在下游，需要维护的一些最关键和最常见的部件是石油蒸馏装置、柴油加氢处理装置、流化催化裂化装置和硫回收装置中的泵和压缩机，以及原油装置中的预热机组。

将来自潜在故障点的振动、温度和流量传感器的数据与生产和环境数据相结合，并将这些数据与预测模型相关联，炼油厂就能在问题出现之前预测部件是否可能

（编辑：唐山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!