1、成果简介 大庆油田关键机组远程监测与故障诊断中心是面向油田数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑油田资源泛在连接、弹性供给、高效配置的远程监测与故障诊断中心，包括边缘、平台（工业 PaaS）、应用三大核心层级。实现数据自动采集、远程传输和分析应用，基于对业务流程和设备运行状态等数据的共享，实时掌握生产、设备运行状态，提高业务决策的效率效果。可以认为，大庆油田关键机组远程监测与故障诊断中心是工业云平台的延伸发展，其本质是在传统云平台的基础上叠加物联网、大数据、人工智能等新兴技术，构建更精准、实时、高效的数据采集体系，建设包括存储、集成、访问、分析、管理功能的使能中心，实现工业技术、经验、知识模型化、软件化、复用化，最终形成资源富集、多方参与、合作共赢、协同演进的油田智能生态。 2、主要创新点 （1）系统将不同数据源的工业数据实时接入或批量采集。数据集成方式主要有两种：在线接口交互、数据库API和工业协议数据采集接口。对于油田内部的统建和自建的业务系统，使用应用集成 ESB 平台，支持在线接口交互的方式集成。 （2）系统提供海量多维数据的存储和管理功能，支持时序数据存储，支持MySQL、PostgreSQL等传统数据仓库，支持集成MongoDB等NoSQL数据库。能够适配大数据平台的数据采集及数据治理，实现全面数据管控流程及全生命周期管理，包括标准管理、质量管理、元数据管理及分析服务、数据抽取等，实现工业大数据的技术及业务数据管理（包括结构化、非结构化以及实时流数据）。同时本系统通过WebService、REST等多种方式对外提供单位统一、格式标准的数据，方便与其他系统集成。 （3）系统通过分析设备故障趋势及健康状态，实现故障提前预判实现设备故障快速预测并智能报警，帮助客户及时发现生产安全隐患并及时消除，避免设备大型故障和安全事故。阈值报警模型，通过采集的生产工艺参数对天然气压缩机等关键设备运行状况实时监控，通过设置监测点阈值实现超限报警。当有报警或异常时，及时报告主管领导并主动联系客户，及时进行问题处理。 （4）系统实现设备的时域监测模型和频域监测模型。绘制趋势图、轨迹图、示功图等，为振动测点的各类常见频率绘制波形频谱图。故障诊断模型，提供离心式压缩机、往复式压缩机、机泵等设备的多种故障诊断模型，建立征兆识别和匹配机制，实现对设备故障定位，智能推送处理建议。故障预测模型，对设备运行过程中的复杂工况下各参数影响关系建立规则，并对采集到的各种实时数据进行综合分析与数据挖掘，实现对设备异常的智能识别与预测。