化工企業(yè)控制系統(tǒng)中信息技術的應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了化工企業(yè)控制系統(tǒng)中信息技術的應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：針對企業(yè)安全生產(chǎn)數(shù)據(jù)處理量大，不能有效科學處理，從而導致生產(chǎn)效率低下，裝置運行穩(wěn)定性不高的問題，利用先進的信息技術和算法模型，幫助企業(yè)消除信息孤島，實現(xiàn)數(shù)據(jù)智能分析，生產(chǎn)經(jīng)營更趨科學合理。

關鍵詞：信息技術；控制系統(tǒng)；數(shù)據(jù)處理；智能分析

引言

新一代信息技術與工業(yè)企業(yè)深度融合，正在引發(fā)影響深遠的產(chǎn)業(yè)變革，形成新的生產(chǎn)方式、產(chǎn)業(yè)形態(tài)、商業(yè)模式和經(jīng)濟增長點。數(shù)據(jù)為工業(yè)企業(yè)轉型升級開辟了新途徑。處于數(shù)據(jù)化的時代，企業(yè)獲取、管理和利用到的數(shù)據(jù)量越來越大、種類越來越多，若能對數(shù)據(jù)進行科學的采集、組織、分析與利用，為產(chǎn)品全生命周期和企業(yè)生產(chǎn)經(jīng)營各環(huán)節(jié)提供有價值的決策參考，就能提高生產(chǎn)率、利潤率和企業(yè)綜合發(fā)展水平。數(shù)據(jù)處理平臺為數(shù)據(jù)的價值挖掘提供了基礎能力，機器學習算法為數(shù)據(jù)的價值挖掘提供了有效手段。隨著生產(chǎn)信息化應用的逐步深入，如何將生產(chǎn)過程數(shù)據(jù)整合并進行分析挖掘，從海量數(shù)據(jù)中獲取更大的價值、向數(shù)據(jù)要生產(chǎn)力成正逐步成為企業(yè)思考和解決的問題。

1現(xiàn)狀分析

兗礦集團國宏化工公司年產(chǎn)50萬t甲醇，工業(yè)自動化生產(chǎn)能力較強，生產(chǎn)過程基本實現(xiàn)全流程DCS/PLC自動化控制，技術和工藝水平處于國內(nèi)前列，產(chǎn)品質量穩(wěn)定，生產(chǎn)效率較高,目前整個廠區(qū)鍋爐、合成/凈化/氣化、空分裝置均使用DCS系統(tǒng)進行遠程控制，水處理和煤儲運系統(tǒng)使用PLC控制系統(tǒng)。主要工藝環(huán)節(jié)都建設了信息系統(tǒng)，生產(chǎn)過程中的關鍵設備實時狀態(tài)、控制開關操作能在調(diào)度系統(tǒng)中即時展示，數(shù)據(jù)通過IOServer應用和現(xiàn)場設備進行通訊，采集現(xiàn)場數(shù)據(jù)并存儲到調(diào)度服務器中合并存儲，服務器存儲數(shù)據(jù)庫是SQLserver，無法應對更大量數(shù)據(jù)存儲，且廠區(qū)內(nèi)只有當天數(shù)據(jù)被存儲，其他歷史數(shù)據(jù)通過公共機遠程傳輸?shù)竭h程服務器中長期存儲。

2存在問題

裝置運行的穩(wěn)定性不高。由于化工生產(chǎn)工藝繁雜，從上游的水煤漿制備到氣化反應制合成氣，再到煤氣的變換、低洗、甲醇合成，中間很多工藝雖然實現(xiàn)了小回路自動化控制，但裝置級的大回路難以實現(xiàn)自動控制，對于關鍵的參數(shù)設置和調(diào)節(jié)仍然主要依靠人的經(jīng)驗，特別是當裝置來料發(fā)生波動的時候，人操作也難比保持裝置的穩(wěn)定性，裝置的波動往往造成能耗物耗的增加，甚至影響裝置的正常運行?，F(xiàn)場存在危險因素。化工企業(yè)還有部分工序需要人員親自現(xiàn)場巡檢，由于化工工藝原因，不可避免的產(chǎn)生存在CO、CO2等有毒有害氣體，特別是事故狀態(tài)下可能導致泄露?；て髽I(yè)高溫高壓管道、儲罐較多，會對巡檢和緊急處置人員帶來較大的安全隱患。節(jié)能增效空間較大。化工企業(yè)是高能耗的工藝,主要的原料是煤和水，提升裝置的運行效率，提高產(chǎn)能、降低生產(chǎn)水蒸氣的單位煤耗、單位產(chǎn)品的蒸汽消耗，則對企業(yè)效益產(chǎn)生較大影響，據(jù)測算，甲醇生產(chǎn)綜合煤耗每降低0.1%，每年可節(jié)約成本1000萬元。

3設計方案

針對企業(yè)工藝較為復雜、安全生產(chǎn)數(shù)據(jù)量大的實際情況，通過開發(fā)應用先進的數(shù)據(jù)處理工廠對企業(yè)系統(tǒng)數(shù)據(jù)、工廠設備數(shù)據(jù)、傳感器數(shù)據(jù)、人員管理數(shù)據(jù)等多方工業(yè)企業(yè)數(shù)據(jù)進行匯集，借助算法工廠的語音交互、圖像/視頻識別、機器學習和人工智能算法，激活海量數(shù)據(jù)價值，用人工智能技術解決化工生產(chǎn)管理中的難點問題（如圖1所示），從而實現(xiàn)節(jié)能降耗，為企業(yè)智能化升級提供技術支撐。按照大數(shù)據(jù)“存通用”的方法論，在數(shù)據(jù)接入到大數(shù)據(jù)平臺后，首先對原始數(shù)據(jù)進行存儲。在原始數(shù)據(jù)與最終結果之間，需要通過ETL（ExtractTransforma-tionLoad）等手段進行清洗、轉換、脫敏、整理，主要包括：預處理接待，去除或補全有缺失值的數(shù)據(jù)、去除或修改格式和內(nèi)容錯誤的、邏輯錯誤的、不需要的數(shù)據(jù)，盡量達到數(shù)據(jù)的完整性，唯一性，合法性和一致性。提供數(shù)據(jù)開發(fā)平臺，便于更好的進行ETL、數(shù)據(jù)建模、數(shù)據(jù)管理與數(shù)據(jù)運維的工作。機器學習平臺，更好的進行在算法建模過程的可視化的拖拉拽的開發(fā)者服務。數(shù)據(jù)分析平臺，更好的基于大數(shù)據(jù)的分析工作。

4技術路線

數(shù)據(jù)處理工廠從邏輯上分為數(shù)據(jù)采集層、平臺層、算法模型層以及應用運行層（如圖2所示）。數(shù)據(jù)層：數(shù)據(jù)采集接入層負責將數(shù)據(jù)從DCS/PLC各級相應系統(tǒng)中將數(shù)據(jù)實時、離線采集到大數(shù)據(jù)處理平臺。數(shù)據(jù)采集層工具和套件要支持從數(shù)據(jù)庫、文件、數(shù)據(jù)流等多種類型數(shù)據(jù)源中采集數(shù)據(jù)，支持各種類型傳輸協(xié)議。工具平臺層：提供數(shù)據(jù)采集、存儲、計算、機器學習、可視化等一整套工具和平臺。大數(shù)據(jù)平臺支持海量數(shù)據(jù)存儲，根據(jù)數(shù)據(jù)類型和應用場景將數(shù)據(jù)存儲到平臺相應的資源中，如：結構化數(shù)據(jù)、非結構化數(shù)據(jù)使用不同的存儲策略。同時，平臺支持實時計算、離線計算、流計算等多種計算框架。針對實時性要求高的場景，如：鍋爐燃燒工藝參數(shù)推薦、精餾塔工藝優(yōu)化等業(yè)務場景，采用流計算架構進行處理，整個計算過程可在秒級完成。實時計算支持上層快速BI分析。算法模型層：工業(yè)大腦包含算法工廠功能，可以基于機器學習平臺進行算法建模，并進行算法管理、運行調(diào)試，并能到本地運行。應用運行層：提供一個本地化運行環(huán)境，讓能耗優(yōu)化模型穩(wěn)定運行，實時推薦優(yōu)化參數(shù)，供操作人員進行控制操作。同時提供數(shù)據(jù)可視化模塊，實時展示生產(chǎn)運行狀態(tài)和生產(chǎn)管理效益數(shù)據(jù)。

5技術效果

5.1有效消除數(shù)據(jù)孤島

由于企業(yè)不同DCS/PLC生產(chǎn)系統(tǒng)中布置的多個生產(chǎn)控制系統(tǒng)，數(shù)據(jù)都分布在各自獨立系統(tǒng)中，數(shù)據(jù)導出較為繁瑣，數(shù)據(jù)標準不統(tǒng)一，形成多個數(shù)據(jù)孤島，對數(shù)據(jù)應用造成非常大的困難。數(shù)據(jù)處理工廠實現(xiàn)了不同工業(yè)場景下多種主流協(xié)議的接入、多源異構數(shù)據(jù)（如文本文件、日志文件、消息流、數(shù)據(jù)庫、工業(yè)OPC協(xié)議數(shù)據(jù)等）的實時接入和處理，從而保障了復雜的工業(yè)生產(chǎn)環(huán)境下多種設備所產(chǎn)生的復雜數(shù)據(jù)的采集與集中打通的需求。對全鏈路的工業(yè)體系數(shù)據(jù)進行組織管理，打通企業(yè)信息化與制造設備、生產(chǎn)物料、人力資源等各種資源之間的數(shù)據(jù)關聯(lián)，構建人機料法環(huán)統(tǒng)一數(shù)據(jù)模型,形成新工業(yè)數(shù)據(jù)倉體系，完成工業(yè)數(shù)據(jù)的資產(chǎn)化，并結合阿里云針對不同工業(yè)場景下的算法模型，以數(shù)據(jù)+算法的技術實現(xiàn)產(chǎn)業(yè)價值的提升。提供成熟的工業(yè)元數(shù)據(jù)管理設計服務、完善的數(shù)據(jù)安全保護方案、靈活的工業(yè)大數(shù)據(jù)標簽體系。

5.2全面提供支撐平臺

數(shù)據(jù)處理工廠提供了人工智能計算平臺、數(shù)據(jù)挖掘建模平臺、算法管理工廠等核心功能，降低了人工智能應用開放和管理成本，給本項目智能化應用提供了技術支撐。作為一個基礎工作平臺，工業(yè)大腦為企業(yè)信息化員工和其他信息化服務廠商提供了一個技術創(chuàng)新的環(huán)境，支持后續(xù)開發(fā)更多智能化應用，為企業(yè)持續(xù)創(chuàng)新提供了技術保障。

5.3逐步實現(xiàn)智能化應用

從海量生產(chǎn)數(shù)據(jù)的集成、打通到數(shù)據(jù)知識圖譜的構建，將企業(yè)的生產(chǎn)數(shù)據(jù)資產(chǎn)化，在此基礎上，運用工業(yè)數(shù)據(jù)智能服務套件針對企業(yè)業(yè)務進行提升，如：產(chǎn)品質量提升/良品率提升、生產(chǎn)設備的預測性維護、生產(chǎn)設備故障監(jiān)測、供應鏈智能管理、生產(chǎn)能耗優(yōu)化、企業(yè)廢料監(jiān)測與處理、智能圖像質檢，通過智能化應用逐步實現(xiàn)企業(yè)全面智能化升級。

6結論

數(shù)據(jù)處理工廠是在云計算大數(shù)據(jù)的技術背景下，利用先進的智能技術和算法模型結合企業(yè)歷史數(shù)據(jù)，做到生產(chǎn)和管理的精細化、智能化，進而提升企業(yè)的經(jīng)濟和社會效益。

作者：張洪偉 時均坡 趙連濤 單位：兗礦集團安全監(jiān)察局