AI驱动无人巡检技术在油田行业的创新应用.pdf

中国科技信息 2024 年第 3 期CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024-88-三星推荐石油行业在安全生产设施在运行过程中会受到各种因素的影响，如自然灾害、设备老化、人为破坏等，这些因素可能会导致设施出现故障或损坏，需要通过定期的巡检，及时发现和处理设施的安全隐患，确保设施的安全运行。传统巡检方式受人工判断和操作局限，存在视线死角，漏检、错检时有发生，并且要求巡检人员具有丰富的现场经验，培养周期长，巡检人员易产生懈怠情绪和思维惯性，巡检结果受人员主观性影响较大。基于此，本文提出人工智能无人巡检技术，用以替代传统的人工巡检模式，以实现石油、电力等行业关键基础设备的自动化、智能化、精细化的无人巡检，大幅提升生产运营效率，助力企业数字化转型。目前国内巡检解决方案运行平台主要基于 Intel+NVIDIA 技术路线，存在信息安全隐患；巡检设备主要以单一型号无人、载荷调度为主，无法满足不同场景精细化巡检要求。异常监测主要以通用识别算法（人员、车辆）为主，监测识别率低、误报率高，无法满足用户生产运维需求。通过自研“无人巡检设备+无人巡检平台+人工智能机器视觉推理平台+人工智能算法库”，保障关键基础设施相关数据安全。自研无人设备接入引擎，可同时融合多型号、多载荷无人设备，统一管理和调度，达到按需调度和均衡利用无人设备进行巡检的需求。自研人工智能机器视觉算法库，针对户外特点进行模型改进优化，具备轻量化、检出率高等特点赋能智慧巡检，通过软硬一体的视频编解码算法优化，解决无人设备视频与实时巡检数据同步问题，实现视频和数据的高效传输和实时同步，提升无人设备巡检任务的准确性和效率。油田现状及问题依托信息化建设，采油厂管理水平得到极大的提升，但同时还存在如下问题。（1）采油厂多年形成的生产管理模式已不能满足当前的安全环保要求。采油厂油区“点多线长面广”，随着四化的推广，生产管理与运行效率不断提升。但是在生产运行过程中，地面发生的各类生产问题，受现场距离的制约，不能快速发现，及时处置。（2）目前的日常油区巡检方式已不能满足生产需求。管理区目前日常的油区巡检方式还是以车辆现场巡检为主，受现场环境限制，部分现场无法到达，导致管线穿孔、土地侵占、电网故障、长停井监控等生产问题发生后不能及时发行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度张 浩 朱志强 陈志强浪潮软件集团有限公司张浩（1989），硕士，工程师，主要研究方向：人工智能、数据库、大数据。AI 驱动无人巡检技术在油田行业的创新应用张 浩 朱志强 陈志强-89-CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024中国科技信息 2024 年第 3 期三星推荐现，造成不必要的损失。（3）目前的人力资源优化要求和管理区用工紧张的矛盾日益突出。如何让管理区在人员减少的情况下提高工作效率，满足生产需求，强化油井管理、减少环保事故、提高油区治安防范能力、提高整体运行质量和效率等，是当前需解决的主要问题。技术方案技术路线针对目前石油、电力等能源行业人工巡检“成本高、效率低、时效性差”的痛点问题，研制人工智能无人巡检平台，兼容神通、达梦、金仓数据库，适配金蝶、东方通、中创等中间件，采用无人巡检设备实时采集巡检数据，结合人工智能机器视觉技术，实时分析巡检对象的异常情况，智能识别如温度异常、泄露、破损、烟火、违建、施工等多种可疑情况，协助发现各类风险隐患，实现石油、电力等行业关键基础设备的自动化、智能化、精细化的无人巡检，大幅提升生产运营效率，助力企业数字化转型。采用“无人巡检设备+无人巡检平+人工智能机器视觉推理平台+人工智能算法库”，对无人机采集的巡检数据进行实时分析处理，保障油水井、井场宗地、输油管线、电网等关键基础设施数据安全。无人巡检平台巡检管理平台应用分多层架构，以满足未来该平台扩展与延展性，支持全流程自动化、无人化、规范化、数据化，可自动下发巡检任务、自动分析异常、自动告警、自动形成巡检报告。（1）任务调度和优化：调度中心可以通过算法和规则，对巡检任务进行合理的分配和调度。根据设备巡检计划、优先级和资源可用性等因素，确定每个无人机的任务和路径，以最大程度地提高巡检效率和覆盖范围。（2）指挥调度：实时监控无人机的位置、状态和传感器数据等信息。通过与无人机通信，指挥中心可以发送指令，进行远程控制，实现任务的开始、暂停、终止和重启等操作。（3）航线管理：基于全球数字高程数据和防地规划能力，可自行规划航线或一键导入巡检路线信息。（4）异常管理：通过即时采集的影像与之前保存影像进行自动异常比对，对影像有异常变化的可及时发现，发出警报，如井场侵占、管线泄露、设备异常等。（5）数据管理和分析：对巡检数据进行分析，生成巡检报告、统计图表和异常趋势分析，帮助决策者做出准确的判断和决策。无人设备管控平台无人巡检行业应用的基础平台，具备多架次管控、多无人机管理调度、支持多品牌、多型号无人机及巡检机器人接入。为用户提供深入业务场景的巡检、巡逻应用，通过无人设备管控平台的功能，可以实现对无人设备巡检任务的全面管理和控制，确保飞行安全性、任务的高效执行和数据的可靠记录。同时，它还能提供数据支持，用于巡检分析和改进巡检策略。人工智能机器视觉推理平台（1）图像识别与分析：能够对无人机拍摄的图像进行智能识别和分析。通过图像识别算法，可以识别出巡检目标，检测目标的状态、损坏、异常等情况。（2）数据挖掘与异常检测：可以对采集的巡检数据进行挖掘和分析，从中提取出潜在的问题和异常情况。通过数据挖掘算法和异常检测算法，可以发现巡检目标中的隐患、异常现象、趋势变化等，以便提供运维决策的依据。（3）故障诊断与预测：可以根据巡检数据进行故障诊断和预测。通过人工智能学习和模型训练，可以建立故障诊断模型，识别出潜在的故障因子和问题根源，并预测可能出现的故障风险，帮助用户制定相应的维护计划和预防措施。人工智能算法库具备人工智能模型算法与加速卡的兼容适配能力，能够根据加速卡支持的算子对人工智能模型进行改造，寻求合适算子替代方案，通过大规模数据集的训练，这些算法能够学习并理解设备表面的复杂特征，提高异常检测的准确性。开展并行训练、半监督学习等方向的人工智能技术研究，已面向油田无人机巡检场景，研发了地貌类型检测算法、油田设施检测算法、宗地侵占检测算法、烟火检测算法、特种车辆检测算法、车辆入侵检测算法、行人入侵检测算法等 7 种人工智能检测算法。实施方案案例背景（1）案例背景：能源行业某油田是我国重要的石油工业基地，现有油井2 800 多口，水井 1 800 多口，管线分布广泛，油井较为分散。在油田人员精简、老龄化严重的情况下，采油厂各管理区油水井管道巡护工作愈加困难。本案例试点管理区南北跨度 28km，东西跨度 21km，油区面积 588km2，管理区目前日常的油区巡检方式还是以车辆现场巡检为主，受现场环境限制，部分现场无法到达，导致管线穿孔、土地侵占、电网故障、长停井监控等生产问题发生后不能及时发现，造成不必要的损失。（2）痛点问题：图 1 平台架构图中国科技信息 2024 年第 3 期CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024-90-三星推荐作业范围广，巡检效率低，无法第一时间发现隐患；自然环境复杂，树林、河道、滩涂、芦苇荡等深处人员难以到达；数据存储分散，影像内容单一。（3）技术路线：以业务需求为驱动，结合油田业务特点，梳理油水井现场管理工作量，形成固定摄像头为主，无人机为辅的现场巡检方式，以井站现场智能巡检为例，梳理巡检要素及异常点，形成巡检要素采集表，利用边缘计算+智能识别，预知异常，价值运行，实现“集中监控，无人值守，少人巡检，专业维修”。面向某油田采油厂管理区生产过程中管理“点多线长面广”的管理难点设计，服务器硬件选用海光 CPU 服务器+寒武纪 370AI 加速卡；软件选用无人巡检平台+人工智能机器视觉推理平台+无人机飞行控制平台。综合考虑油区治安防范、高频次飞行可靠性、恶劣天气、空域申请以及飞行器损耗维修等因素，整体建设方案为固定翼无人机+多旋翼无人机+移动飞行站组合方式覆盖。搭配宗地周界、管线实时标记、地表类型分割、宗地侵占、特种车辆、油田设施、电网设施、车辆人员入侵、管线穿孔、偷盗油检测、烟火检测、漏油检测、红外热成像比对等 AI 智能识别算法。实施效果（1）图像智能识别可及时发现异常变化实时巡检数据回传到后端监控平台，后端采用 AI 算法和多年巡检积累的特征数据库，智能识别如人员、车辆、施工机械、房屋等多种可疑目标，并叠加精准定位，协助发现油区各类风险隐患，减轻巡井巡线和指挥中心值班人员的劳动强度，实现更智能高效的巡检。平台具备影像对比功能，通过即时采集的影像与之前保存影像进行自动异常比对，对影像有异常变化的油水井、管网、电网及土地等问题及时发现，自动发出警报。宗地周界识别明火烟雾检测 车辆入侵检测车辆施工检测（2）巡检速度更快、效率更高使用垂直起降固定翼无人机+多旋翼无人机结合方式进行巡检。厂区级日常巡检采用垂直起降固定翼无人机，覆盖半径50km，飞行速度可以达到 60km/h 以上，能覆盖所有油区，到达现场速度快，输入井场、管线及电网位置坐标后，可自动进行飞行巡检，并对巡检出的可疑点自动分析报警。（3）无人机巡检范围更广，清晰度更高管理区级精细化巡检选用旋翼无人机可满足采油厂业务要求。无人机飞行高度在 150 200m，视界广，可同时对采油厂油区范围内的所有油水井、管道、电网、土地同步巡检。对步行、车辆难以到达的地方，如院落内、农田内，无人机在空中进行巡检，可以发现人工巡检难以发现的问题。（4）发现问题定位更准确无人机搭载的双光相机，具备红外和可见光数据采集功能，可通过两种影像对照，进行数据分析，自动生成分析报告，统计出现的问题类型、数量与严重程度，汇总所有检测图片和对应的问题说明，提供问题局部放大，分析整个线路的巡检数据，多维度统计分析与技术对标，精准查找、定位现场中出现的问题，更便于管理区及时现场处置。管线路径识别溢油漏油检测 特种车辆检测施工作业检测（5）应急巡检反应更快设定好坐标定时定点巡检，根据突发情况随时改变路线加密巡检。如管理区管道压力监测系统发出预警后，目前采用的是注采站员工徒步巡线的排查隐患方式，发现问题较慢，平台接到指令后，5 分钟之内可以控制无人机起飞，最远油区 20 分钟内可到达现场，半小时内可使用高清、红外监视功能和温差报警功能，对泄漏、盗油事件及时发现；使用盘旋锁定追踪功能，实时传输视频，准确引导应急处置人员快速到达现场处置。图 2 无人机油田巡检架构-91-CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024中国科技信息 2024 年第 3 期三星推荐井场设施检测控制柜检测 设备温度检测设备漏油检测（6）巡检中智能识别，精准发现问题通过即时采集的影像与之前保存影像进行自动异常比对，对影像有异常变化的可及时发现，发出警报。可发现电网上的鸟窝、虚接，油水井的生产异常和土地被侵占、管线穿孔等问题。技术创新点（1）自研无人设备接入引擎，可同时融合多型号、多载荷无人设备，统一管理和调度，达到按需调度和均衡利用无人设备进行巡检的需求。借助模板技术，屏蔽了不同无人设备、载荷调度的差异，借助XML提供通用的调度描述方法，基于特定的无人设备、载荷生成相对应的调度方法，可对多种无人设备、载荷进行调度，对于无人设备、载荷的兼容和扩展具有重大意义。（2）具备多种面向巡检行业的自研人工智能算法模型。（3）通过软硬一体的视频编解码算法优化，解决无人设备视频与实时巡检数据同步问题，实现视频和数据的高效传输和实时同步，提升无人设备巡检任务的准确性和效率。推广价值本文提出的人工智能无人巡检技术是一种利用人工智能技术实现的无人化巡检，能够在石油、电力、智慧城市、交通等领域广泛应用。推广价值体现在以下几个方面：1.提升效率和减少人力成本：传统的巡检方式需要耗费大量的人力和时间，而人工智能无人巡检通过自动化巡检流程，大大节约了人力资源，并提高了巡检效率。2.提高数据采集和分析能力：借助人工智能技术，具备强大的数据采集和分析能力。通过人工智能定制算法，能够实时获取目标区域的各种数据，并进行自动化分析，有效提升了故障预警和预测能力。3.增强安全性和可靠性：可以降低巡检过程中的安全风险，避免了人工巡检过程中的意外事故。同时，通过常态化的巡检和监测，也能及时发现和解决问题，提高了设备的可靠性和稳定性。4.智能决策和优化：人工智能无人巡检能配合其他系统进行数据集成和综合分析，实现智能决策和优化。通过对大量数据的深度学习和分析，可以提供设备运行的优化方案，减少能源消耗和资源浪费。在实际应用中，本文提出的人工智能巡检技术在某大型油田应用于数百台设备的巡检工作，取得了显著的效果。巡检效率提高了 80%，巡检人力成本降低了 50%，设备运行稳定性提升明显。传统的人工巡检存在巡检路线复杂、人力需求大、危险系数高、工作环境恶劣、数据记录和分析困难等问题。综合实践中也会存在一些共性问题，需要进一步解决。例如，对于巡检数据的隐私保护与合规性问题，需要制定相应的数据处理和隐私保护政策。此外，对于一些特殊环境下的设备和场景，需要根据实际情况进行个性化的定制和优化，以确保解决方案的有效性和适用性。结束语智能巡检作为生产监控的重要组成部分，将替代人工承担井站现场、管网电网及宗地巡护工作量，替代人工进行数据分析，提升智能巡检价值量转化程度，为油田生产业务提供更精准、更高质量的异常判断，全面实现生产现场巡检无人化。本文提出的人工智能无人巡检技术，具备异构无人巡检设备接入、巡检数据于巡检图像同步传输、异常智能分析、事件预警等人工智能无人巡检核心功能，突破异构无人巡检设备接入技术、巡检视频与巡检数据实时同步传输技术、无人巡检设备协同调度技术，兼容飞腾、海光 CPU，支持瀚高、金仓、神通等国产数据库，金蝶、东方通、中创、宝兰德等国产中间件，支撑各行业智能化、数字化转型应用场景。降低了人力成本、减少了设备故障和停机时间、提高了设备利用率和生产效率，并对相关产业经济的发展产生了积极的支持。对于相关产业经济的发展，本文提出的人工智能无人巡检技术也发挥了积极的支持作用。该技术的应用促进了智能制造和工业互联网的发展，为工业企业的数字化转型提供了重要的支持。同时，也为智慧城市建设提供了有力的技术支持，提升了城市运行的效率和安全性。图 3 无人设备接入引擎流程图