賈煥煥

【摘 要】隨著信息化建設(shè)逐步完善，新型采油管理區(qū)依托生產(chǎn)信息化逐步完善體制機(jī)制建設(shè)。管理區(qū)生產(chǎn)運(yùn)行以生產(chǎn)指揮中心為樞紐，開展信息化條件下的生產(chǎn)運(yùn)行、風(fēng)險管控、應(yīng)急處置和跟蹤評價的綜合管理，通過PCS海量數(shù)據(jù)實時自動采集、系統(tǒng)實時自檢、異常預(yù)報警信息分專業(yè)、分角色、按崗位實時推送，指揮中心綜合運(yùn)行崗、采注監(jiān)控崗、集輸監(jiān)控崗實時協(xié)調(diào)處理，并對處理全過程進(jìn)行自動跟蹤考核，生產(chǎn)現(xiàn)場實現(xiàn)了可視化、立體化、智能化管理。

【關(guān)鍵詞】新型管理區(qū);大數(shù)據(jù)挖掘;PCS;實時數(shù)據(jù)治理

1、數(shù)據(jù)治理的項目背景

為精準(zhǔn)定位采集設(shè)備問題點、數(shù)據(jù)傳輸流程問題點，并快速解決問題，按照廠領(lǐng)導(dǎo)要求，在全廠管理區(qū)開展物聯(lián)網(wǎng)數(shù)據(jù)治理工作，在“四化”數(shù)據(jù)傳輸、監(jiān)測、清洗、甄別等方面下功夫，建立“四化”數(shù)據(jù)清洗池，全面監(jiān)測甄別異常數(shù)據(jù)（超出正常值的數(shù)據(jù)、突然的波動數(shù)據(jù)）、假數(shù)據(jù)（空值、問題儀表采集的數(shù)據(jù)）、啞數(shù)據(jù)（卡死數(shù)據(jù)），通過部署物聯(lián)網(wǎng)實時數(shù)據(jù)治理系統(tǒng)，實時精準(zhǔn)定位采集設(shè)備故障，保證物聯(lián)網(wǎng)設(shè)備正常采集率，提高物聯(lián)網(wǎng)實時數(shù)據(jù)質(zhì)量。

1.1儀表類故障問題多、發(fā)現(xiàn)難、維修周期長

一是故障發(fā)現(xiàn)的流程上存在滯后，由監(jiān)控中心發(fā)現(xiàn)問題到班組問題確認(rèn)再到問題整改，中間環(huán)節(jié)多流程長，出現(xiàn)發(fā)現(xiàn)之后的現(xiàn)象;二是目前設(shè)備故障類型多，容易發(fā)現(xiàn)的如網(wǎng)絡(luò)中斷、設(shè)備損壞等都可通過數(shù)據(jù)表征發(fā)現(xiàn)，不容易發(fā)現(xiàn)的如設(shè)備卡死、井場接線亂、油干壓倒掛等問題;三是由于現(xiàn)在的問題都是有數(shù)據(jù)問題體現(xiàn)的，數(shù)據(jù)報警后人工往往需要分析大量的輔助數(shù)據(jù)來確認(rèn)問題，延長了維修周期。

1.2采集設(shè)備故障導(dǎo)致數(shù)據(jù)質(zhì)量低

在大量的自動化數(shù)據(jù)中，存在部分錯誤數(shù)據(jù)或不能反映實際情況的噪音數(shù)據(jù)，主要分為異常數(shù)據(jù)（超出正常值的數(shù)據(jù)、突然的波動數(shù)據(jù)）、假數(shù)據(jù)（空值、問題儀表采集的數(shù)據(jù)）、啞數(shù)據(jù)（卡死數(shù)據(jù)）等錯誤及噪音數(shù)據(jù)。此類數(shù)據(jù)的長期存在，影響正常的工況診斷和生產(chǎn)經(jīng)營分析，導(dǎo)致大量不實報警和錯誤診斷。

1.3數(shù)據(jù)質(zhì)量制約數(shù)據(jù)應(yīng)用分析

目前的油井計產(chǎn)均通過四化數(shù)據(jù)自動算產(chǎn)，數(shù)據(jù)不準(zhǔn)確帶來了功圖、生產(chǎn)時間問題，直接影響產(chǎn)量;錯誤而功圖的問題直接影響了對油井工況的判斷;流量計問題影響了水井實注水量的準(zhǔn)確性;多功能電表設(shè)置錯誤、電參采集錯誤影響了單設(shè)備耗電量的正常計算，為能耗分析、線損治理工作帶來大量不實數(shù)據(jù)，影響正常能效分析提升。

2、數(shù)據(jù)治理的技術(shù)方案與實施

實現(xiàn)“四化”數(shù)據(jù)傳輸、監(jiān)測、清洗、甄別，建立數(shù)據(jù)“清洗池”，全面監(jiān)測甄別假數(shù)據(jù)、啞數(shù)據(jù)以及異常數(shù)據(jù)，并進(jìn)行公示，在各管理區(qū)之間開展比學(xué)趕超排名。建立數(shù)據(jù)清洗結(jié)果表，對假數(shù)據(jù)、啞數(shù)據(jù)以及異常數(shù)據(jù)進(jìn)行標(biāo)記處理;建立噪音數(shù)據(jù)和錯誤數(shù)據(jù)表，將剔除的數(shù)據(jù)單獨存儲形成的結(jié)果表。

將數(shù)據(jù)清洗結(jié)果進(jìn)行公示，并對結(jié)果進(jìn)行處理，作為數(shù)據(jù)質(zhì)量指標(biāo)。

2.1問題數(shù)據(jù)診斷預(yù)警思路

在大量的自動化數(shù)據(jù)中，存在部分錯誤數(shù)據(jù)或不能反映實際情況的噪音數(shù)據(jù)，通過設(shè)定判定規(guī)則、數(shù)據(jù)關(guān)聯(lián)分析、極值處理及檢查數(shù)據(jù)的完整性、一致性，濾除異常數(shù)據(jù)、假數(shù)據(jù)、啞數(shù)據(jù)等錯誤及噪音數(shù)據(jù)，為生產(chǎn)提供可用性數(shù)據(jù)。對錯誤數(shù)據(jù)進(jìn)行分析，找到錯誤原因，進(jìn)行維護(hù)。

針對問題數(shù)據(jù)診斷可通過對常規(guī)生產(chǎn)實時參數(shù)的管理和抽油機(jī)錯誤功圖的管理兩個方面實現(xiàn)。以現(xiàn)場采集實時數(shù)據(jù)為基礎(chǔ)，對油水井設(shè)備狀態(tài)異常原因和對應(yīng)的數(shù)據(jù)主要特征狀態(tài)進(jìn)行總結(jié)并轉(zhuǎn)化為系統(tǒng)知識，提取電流、電壓、載荷、沖程、沖次、油壓、套壓等特征參數(shù)，建立典型生產(chǎn)故障特征參數(shù)樣本庫，結(jié)合事件識別規(guī)則，實現(xiàn)油水井設(shè)備狀態(tài)跟蹤監(jiān)控。

數(shù)據(jù)治理流程主要分四個步驟，分別是生產(chǎn)狀態(tài)診斷、智能預(yù)警告警、報警情況跟蹤、自動消警與狀態(tài)跟蹤。

通過對不同節(jié)點故障的特征分析，映射成后端的數(shù)據(jù)邏輯，建立自動診斷模型。常規(guī)實時參數(shù)可通過設(shè)備故障模型可有效的將問題數(shù)據(jù)進(jìn)行利用，結(jié)合問題設(shè)備的數(shù)據(jù)規(guī)律，建立設(shè)備問題檢查模型，找到出現(xiàn)損害、斷線、失電、卡死等問題的設(shè)備，及時告知運(yùn)維人員進(jìn)行設(shè)備維護(hù)，從而提高數(shù)據(jù)的可用率和準(zhǔn)確率。

2.2診斷模型部署

2.2.1自動化設(shè)備故障模型

目前基于不同風(fēng)險檢測方法和多節(jié)點數(shù)據(jù)采集對比分析，建立傳感器故障、井場連接異常、RTU故障、網(wǎng)絡(luò)異常等50多種數(shù)據(jù)異常情況進(jìn)行智能甄別模型，實現(xiàn)生產(chǎn)物聯(lián)網(wǎng)設(shè)備異常精準(zhǔn)報警和數(shù)據(jù)的智能清洗。

2.2.2工況異常預(yù)警模型

通過趨勢法、狀態(tài)法建立工況預(yù)警模型，實現(xiàn)近10類油水井工況預(yù)警。以泵示功圖分析為依據(jù)，對異常工況產(chǎn)生原因和對應(yīng)示功圖主要形態(tài)特征進(jìn)行總結(jié)，并結(jié)合現(xiàn)場專家經(jīng)驗轉(zhuǎn)化為系統(tǒng)知識，提取功圖面積、載荷、沖程損失、提前加載量等特征示功圖參數(shù)，建立典型工況特征參數(shù)樣本庫，結(jié)合示功圖診斷決策樹，實現(xiàn)異常工況判斷。系統(tǒng)實時當(dāng)前最新功圖進(jìn)行錯誤功圖站別，并統(tǒng)計24小時內(nèi)的錯誤功圖比率?？奢o助技術(shù)人員及時發(fā)現(xiàn)存在的錯誤功圖。系統(tǒng)支持錯誤功圖剔除功能，可對已發(fā)現(xiàn)的錯誤功圖進(jìn)行實時剔除，消除錯誤功圖對功圖算產(chǎn)的影響。直接修改掉算產(chǎn)標(biāo)志，讓錯誤功圖不參與每天的日產(chǎn)液量計算，進(jìn)一步提高功圖算產(chǎn)的準(zhǔn)確率。

建立了量化診斷的評價因子，有效提高了故障診斷的準(zhǔn)確率，同時也提升了單井管柱、分析化驗等數(shù)據(jù)應(yīng)用的質(zhì)量。目前在桿斷、泵漏失、油管漏失、結(jié)蠟、氣影響等都有報出，通過技術(shù)人員核對分析，準(zhǔn)確率在80%以上。

3、數(shù)據(jù)治理實施后的效果

3.1推進(jìn)管理區(qū)運(yùn)維模式的轉(zhuǎn)變，提高精細(xì)化管理水平

一是將推進(jìn)管理區(qū)運(yùn)維模式的轉(zhuǎn)變，向著“管控實時、運(yùn)行一體、分析智能、應(yīng)急快捷、效率更優(yōu)”的目標(biāo)前進(jìn)了一大步。設(shè)備巡檢時間、故障發(fā)現(xiàn)時長縮短到30分鐘以內(nèi)，故障定位準(zhǔn)確率、原因分析正確率提高到95%以上，運(yùn)維站人員24小時住崗值守，為運(yùn)維工作有序開展提供數(shù)據(jù)支撐。

二是工作針對性增強(qiáng)，運(yùn)維管理成本降低，為提質(zhì)增效做保障。2019年上半年，僅郝現(xiàn)管理區(qū)一家單位通過功圖卡死組合預(yù)警及時發(fā)現(xiàn)異常井功圖卡死3井次，2口泵漏井、1口結(jié)蠟通過及時治理恢復(fù)正常生產(chǎn)，減少作業(yè)費用近60萬元，提高油井開井時率，減少作業(yè)占產(chǎn)，直接創(chuàng)效60余萬元。信息化水平提升，運(yùn)維管理成本降低15萬元，創(chuàng)效6萬元。

三是承包商管理加強(qiáng)，為生產(chǎn)信息化建設(shè)過程中，產(chǎn)品和集成商評測提供第一手的數(shù)據(jù)資料。

四是模型研究主要對象為標(biāo)準(zhǔn)化產(chǎn)品庫中產(chǎn)品、判斷模型具普遍性和通用性，可復(fù)制，可推廣。

3.2數(shù)據(jù)質(zhì)量“比學(xué)趕幫超”，提高指標(biāo)運(yùn)行管理水平

一是網(wǎng)絡(luò)監(jiān)控設(shè)備健康評估實時診斷，確保設(shè)備上線率，為資源協(xié)同應(yīng)用，安全環(huán)保全業(yè)務(wù)管控、關(guān)鍵生產(chǎn)設(shè)施、重點施工環(huán)節(jié)全程監(jiān)控，提供全方位監(jiān)測、全時段守護(hù)。準(zhǔn)確的溫度壓力數(shù)據(jù)為管網(wǎng)穿孔預(yù)警模型提供可靠精準(zhǔn)的數(shù)據(jù)支撐，年度發(fā)現(xiàn)管網(wǎng)穿孔160余次，規(guī)定時間內(nèi)問題發(fā)現(xiàn)及時、處置及時，提高現(xiàn)場安全環(huán)保管理水平。

二是隨著數(shù)據(jù)診斷模型的布置使用加深，自動入庫率和設(shè)備完好率維持在99.9%以上，數(shù)據(jù)修正率下降4%，各管理區(qū)“四化”運(yùn)行指標(biāo)穩(wěn)步提升，采油廠“四化”運(yùn)行指標(biāo)由2018年12月份第7名提升至2019年5月份第2名。

4、結(jié)語

依托海量自動化儀器儀表數(shù)據(jù)，通過實時數(shù)據(jù)治理，從前端設(shè)備著手，完善自動化儀器儀表故障診斷預(yù)警模型，從源頭上治理解決假數(shù)據(jù)、啞數(shù)據(jù)、空數(shù)據(jù)，更好發(fā)揮“四化”應(yīng)用千里眼、順風(fēng)耳作用，為構(gòu)建油藏動態(tài)無關(guān)化分析、油水井工況智能化預(yù)警、管網(wǎng)電網(wǎng)精準(zhǔn)化管控提供精準(zhǔn)的數(shù)據(jù)支撐，全力支撐采油廠向精細(xì)。集約管理轉(zhuǎn)型升級作保障。