对于油气管网生产运维业务而言，智能化的目标是实现运维管理一清二楚、故障风险一目了然、应急处置一键响应。因此，以目标导向为原则，对业务进行场景化分解，发挥数据使能、对象使能、业务使能的综合驱动力作用，形成生产运维场景化业务的生产力与生产关系双轮驱动的发展思路（图7）：①自动化、信息化以及设备的可靠性、安全保障能力等生产力水平的提升，驱动产生技术变革，智能站场、智能管道、智能调控等适配技术随之发展，是智能管网建设的基础与关键；②智能化技术发展推动智能管网不断迭代升级，促使生产组织模式转变，以满足劳动力生产率提升要求。新的生产关系会产生新的技术发展与管理提升需求，因而驱动生产力水平的进一步提升，形成相互促进、良性动态循环的新生态。

图7 基于生产力与生产关系“双轮驱动”的业务发展思路图Fig. 7 Business development approach based on the “dual-wheel drive” of productivity and productive relations

数据使能是指在实现业务对象、业务过程、业务规则数字化的基础上，结合风险预测模型、综合决策判定模型等发挥数据价值；对象使能是指关键设备设施具备智能化水平与感知条件，可对系统进行全面的健康诊断及预知维护；业务使能是指业务标准规范、制度要求等经结构化处理，结合数字化指引的新模式，实现作业全过程风险的强管控。

油气管网系统生产运维整体业务的核心数据是SCADA数据，也是油气管网调控业务的核心。在人工调控指挥的时代，调控数据是管道运行管理的主数据。随着自动化智能化的发展，不仅核心层的SCADA数据不断扩充，各种检测、监测等感知数据不断形成，支撑并提高了管道运行管理水平与能力，而且逐步在SCADA系统基础上，构筑了检测与监测设备的物联网，提高了对设备运行状态监测与维修等的数字化管理，形成了物联网对设备设施的管理，支撑了多维度SCADA调控的物理保障层。同时，在互联网信息共享的基础上，对外融合互联网提供的气象、交通、土壤等数据，支撑综合分析、判定及决策的外围信息平台层。在SCADA核心层、物理保障层及互联网平台层之间，为保证数据的安全性，分别需要构建网络安全保护隔离。

业务与数据之间的逻辑关系从核心到外围是复杂而多变的，对于油气管网运营商而言，在智能管网建设与持续提升过程中，需要根据具体情况及业务需求选择适宜的业务与数据关系模式。

数据是依靠IT来承载的，特别是油气管网点多线长的业务特点，决定了只有运用IT才能真正承载数字化管理，实现流程与业务的统一。由于业务IT系统是业务数据承载的平台，随着机器学习、自然语言处理、计算机视觉等多个领域的持续发展，业务标准、业务规则、业务活动、数据信息、应用模块如何发挥系统化的协同作用变得至关重要，构建基于流程的IT，特别是适应业务场景应用的IT系统是发展的基础。因此，只有在流程的基础上结合业务场景，打通流程对业务的支撑，才能建设贯通业务场景需求与流程约束的IT系统。国家管网集团正是通过一种基于“A模型”的IT系统承载业务流程实施方法（图8），实现制度、流程及标准的IT落地^[23]。

在数字化管理基础上，集中监视、专业诊断及预警等技术推动了业务管理与现场作业的直连^[24]，现有的管理多层级模式不仅额外增加了流程与工序，也降低了效率，因此业务组织模式变革成为必然。油气管网生产运维的核心关注点包括管道运行状态、设备设施状态、管道完整性水平、综合安防能力、巡检安全作业、管道泄漏监测等，在传统模式下，其依靠属地管理者根据标准与经验决策处理；在数字化、智能化管理模式下，各项业务进展与数据均汇集到集中监视与应急指挥中心，实施全天24 h集中监视，建立预警模型，对超阈值状态进行自动报警管理。同时，集中监视与应急指挥中心负责制定巡检计划，进行巡检管理，指导作业区执行巡检计划，开展集中巡检、联合巡检等（图9）。

图8 基于“A模型”的数据、流程、标准及IT系统协同作用机制图Fig. 8 Collaboration mechanism of data, processes, standards, and IT system based on “model A”

图9 数字化管理管道运维与巡检模式图Fig. 9 Digital management in pipeline operation and maintenance, and patrol inspection modes

通过生产运行、资产维护与应急系统可实现整个管网业务的统一调度与应急指挥（图 10），其中生产运行系统包括SCADA系统、调运模拟与仿真优化系统（优化仿真软件）及管道生产运行管理系统（National Pipeline Production and Operation Management System, PPS）；资产运维与应急系统包括资产完整性管理系统（Asset Integrity Management System, IMS）及远程监视与应急指挥系统（集团公司应急指挥中心+地区公司监视与应急指挥系统）^[25]。

图 10 集中监视与应急指挥业务组织逻辑图Fig. 10 Logic diagram for organization of centralized monitoring and emergency command

数字化发展分为数字孪生、数字原生及数字永生阶段（图 11）^[23] ：数字孪生是将工业产品、制造系统等复杂物理系统的结构、状态、行为、功能及性能映射到数字化的虚拟世界，通过实时传感、连接映射、精确分析及沉浸交互来刻画、预测、控制物理系统，实现复杂系统虚实融合，依靠人工信息更新生长，使系统全要素、全过程、全价值链达到最大限度的闭环优化；数字原生是指数字化依靠系统自动更新生长，由以物理世界为重心向以数字世界为重心迁移转换；数字永生是指现实世界与数字世界二者密不可分，成为一套系统自主生长。油气管网发展目标是构建业务与数据一体化逻辑条件下的智能管网系统，直至迈入数据永生阶段。

图 11 数字化发展阶段示意图Fig. 11 Schematic diagram of digital development stages

智能调控运行包括智能调控、智能能耗管理、智能计量管理等。智能调控建设的蓝图目标是构建一个全面智能化、高效自动化的油气管道调控体系，最大化实现调控运行的优化与效能。智能能耗与计量的目标是实现管网系统关键用能设备、计量设备的数据全感知、数据智能分析及自主优化。通过深度整合先进技术与调控业务需求，打造具有国际领先水平的油气调控中心，实现管网实时优化决策方案的智能生成、操作指令的自动流转与执行，以及预警应急机制的即时响应。同时，推进“常态黑屏、报警唤醒”的高级调控模式，显著提升管网运行的安全性与可靠性。通过持续的技术创新与应用突破，推动智能调控技术向更高阶智能化迈进，为油气管道行业的持续、健康发展提供坚实的技术支撑与保障。

鉴于智能管网技术的迅速发展与演进，智能调控已成为推动管网科学高效运行的核心发展方向。随着管道物联网与互联网的建设，在传统SCADA系统的基础上，将不断拓展SCADA系统的范围与内容，所涉及的数据也可为AI建模与学习提供良好的基础。要坚持以需求为导向、目标为引领的发展原则，深度融合先进的人工智能技术与调控业务，高效管理调度数据、知识及经验，提前布局开展智能调控AI大模型研究，推动技术体系智能化升级，显著提升管网运营水平。当前，智能调控领域存在诸多不足：虽然多项调控辅助技术已研发应用，人工智能技术在管网调控领域取得初步成效，但应用仍显零散，且应用深度、广度有待加强；前沿基础理论研究薄弱，关键技术原创性突破较少，尚不能完全满足生产应用需求，与高阶智能调控要求存在差距。

基于技术与管理差异及行业形势，综合提出油气调控业务发展思路，重点研究内容有：①深化“智能调”实现，包括优化调度决策，加强全局分析诊断与优化调整，推动数字流程管理体系融合；②强化“智能控”落实，包括提升感知数据精准性，完善控制逻辑可靠性，增强自动化控制手段稳定性；③加强前沿技术探索，依托数据挖掘、人工智能等技术，推动工况识别、参数预警、过程优化决策等技术应用；④以数字化变革为基础，研究与其他系统的深度融合；⑤完善智能调控运行顶层架构，统筹技术攻关，实现核心技术突破、升级与推广。

智能物理指以管道、设备等资产系统为主要对象，包括智能管道、智能站场及设备管理等，以“全面感知、风险可控”为总体目标，通过视频智能识别、周界安防、激光可燃气体检测、设备运行参数监测、光纤预警、无人机巡检、智能阴保、全方位地灾监测等感知技术的安装部署，集成物联网、大数据、人工智能、大模型、云计算等智能化技术，结合管道业务场景需要，通过多种技术的融合联动及深化应用，实现站场与管道线路的智能化管控，形成“全方位感知、综合性预判、一体化管控、自适应优化”能力，保障管道安全高效运行。

开展专业化AI模型研究，特别是动设备运行与性能监测、光纤预警系统、高等级钢焊缝失效分析、阴极保护、内外检测数据等的AI模型研究，以及管道与设备智能分析决策大模型及人机对话管理系统的研究与开发。在基础研究方面全面开展以下工作：

1）油气站场环境风险全感知。输气站场增设开放空间高灵敏度天然气检测传感器，实现站场内天然气泄漏气团的成像定位与量化，提升站场天然气泄漏的感知能力与报警准确率；输油站场增设多光谱油品泄漏监测装置，提升站场油品泄漏的感知能力。

2）安防监视预警全联动。对输油气站场工业摄像机、周界报警、激光泄漏检测、火灾报警系统、人员定位系统、门禁系统进行优化，配置高清智能摄像机，实现站场区域监测全覆盖；提升站场视频智能识别能力，联动、核实、自动识别光纤周界入侵报警事件与人员，并调用站场内视频摄像头，实时智能跟踪入侵人员。

3）集中监视与远程运维系统建设。统筹设计规划集中监视系统功能、系统配置、网络架构、数据流向，实施系统建设及技术改造，实现对生产运行、设备设施、综合安防、管道预警、施工作业等数据的集中监视。4）基于数字孪生的站场智能运维与巡检。实现泛在感知数据统一接入管网传感系统数字化平台，融合可穿戴AR（Augmented Reality）巡检设备、无线防爆手持器、SCADA工艺运行参数等信息，建立TSN （Time-Sensitive Networking）传感器网络，使试点站场具备站场智能运维所需的多源数据感知及高效传输能力。

5）第三方损伤及打孔盗油防护。在试点管道集中开展光纤预警、智能视频监控、无人机巡检的强化推广应用，通过现场测试、算法升级、增加算例等方式，不断训练深化单项技术防控能力；通过技术联动决策系统构建、机制测试、平台数据融合分析等方式，不断提升技术融合联动效果。

6）全方位地灾风险防控。综合运用卫星遥感技术实现灾害易发区精准扫查，运用管道本体应力应变、深表部位移、土压力等监测感知技术实现管道易损性精准评估，应用无人机巡查技术对管道沿线地形、地貌、地质构造、环境因素等进行详细调查分析，确定可能存在的地质灾害风险。

7）高后果区管理。通过加密设置或更新迭代高后果区智能视频监控设备、增设无人机巡检装置等手段，建立高后果区内风险行为一键报警机制，逐步替代或降低高后果区人工巡检频次，完善技防+人防联动机制，强化高后果区风险识别验证闭环管理，提升线路管理人员效能。

油气管道智能应急与防护建设锚定建设世界领先油气管网生产运维体系这一战略目标，以创建全国油气管道抢修保驾“一张网”为原则，运用信息化、智慧化手段完成油气管道应急资源管理、应急指挥决策及应急保障技术的不断提升，形成科学化、专业化、精细化的油气管道智慧应急解决方案，实现油气管道敏捷应急、科学应急、精准应急、动态应急，最终实现12 h快速恢复油气供应的奋斗目标。

借助物联网、云计算、大数据、移动应用等技术手段，通过对应急资源管理的数字化、智能化、智慧化提升，实现应急队伍及人员能力的智能评估，辅助应急队伍体系建设与科学发展。建立智能应急响应、智能信息查询、智能灾害推演、智慧抢险方案、智能资源调配、智能应急指挥的一体化智慧应急平台，构建多灾种、多类型事故跨区域信息共享与应急协作联动机制，满足实战中辅助决策及综合应急指挥调度的智慧化需求。进一步研究应用智能化手段，从源头把控生产运维作业计划及作业方案审批，精准掌控作业时间、及时跟踪作业进展、智能管控现场作业，实现施工现场无纸化、可视化、视频监控智能化，确保生产运维业务作业安全、有序、可控。将物联网、无人机、机器人、现代通信等技术手段与传统应急保证技术深度融合，提升现场信息获取速度与处理效率，保证应急指挥决策的及时性与有效性，并与应急人员实时互动，提供智能化的辅助与支持，大幅提升应急抢险工作效率及安全性。

基于业务对象、规则、过程、场景全面数字化实现，促进油气管网“感、传、知、用”各层级的智能化提升由量变走向质变。将资产完整性全生命周期、全业务范围、全工作链条的数据与模型标准化、规划化、集成化，形成综合信息流。通过多源头数据、多业务场景、多模型决策的非线性叠加，发挥技术的增值效应，形成新型协同运转的业态模式，实现资产管理一清二楚、智能联动一站决策、故障风险一目了然、应急处置一键响应、业务指标一应俱全、项目经费一贯拉通，全面固化数字化指引，助力作业标准落地与工作效率提升，大幅提升生产运维业务风险预判的准确度与预控的与时性，推动“源-网-储-用”协调发展。

围绕油气管网智能建设，前瞻性的研究方向主要有行业基础AI模型、各专业知识图谱与基本物理逻辑、传感器与通信智能化、基于大模型的油气管网智能运行与维护。当前需要聚焦以下方面开展研究：

1）研究一体化数据模型及全生命周期数据标准，支撑管道线路与站场设备资产数据的统一管理，打通工程建设期与生产运行期数字化移交渠道；研究管道数据治理体系，提升数据质量。

2）研究适用于管道生产运维应用场景的精简、集约、安全的云边协同边缘计算平台，实现感知数据的全域实时采集。将各类型感知数据汇聚至边缘计算平台，结合模型预测算法、人工智能算法等实现数据在边缘平台的初步处理，建立生产运维智能化平台与数据采集端的连接，构建“云边端协同”体系架构。

3）研究局部移动物联专网，实现各类线路运维类数据采集终端的数据实时接入，打造全集团共享的移动数据资源池，全面支持智能阴极保护桩、地质灾害监测、应力应变监测等各类安全预警动态数据的实时监控；研究量子通信技术应用技术，在数据通过有线与移动传输的过程中，实现端到端数据传输的安全加密保护，并支持生产现场移动端平台访问的安全秘钥防护体系，结合移动端北斗等技术的同步应用，打造具有代际领先安全优势的高效传输定位网络。

4）以“应急资源共享、应急处置快速响应”为总体目标，将大数据、人工智能等技术进行融合应用。应急人员可以通过实时监测、模拟、仿真等技术识别潜在的灾害风险，建立应急智能化资源调配与辅助决策支持模型，实现异常事件接警、响应、解除全程敏捷化处置，提升应急响应速度，将事故影响程度降至最低水平。

5）以控碳为核心，研究单耗、综合能耗的计算与分析模型，为碳达峰行动方案的制定及执行监控提供模型支撑。