摘要：隨著油田生產(chǎn)信息化大規(guī)模應用，油田積累了海量的生產(chǎn)數(shù)據(jù)，以提升基層開發(fā)生產(chǎn)水平為目標，基于大數(shù)據(jù)相關(guān)技術(shù)，開展了高效管控技術(shù)應用的探索，從實時數(shù)據(jù)預處理、趨勢分析、智能綜合診斷、未來生產(chǎn)趨勢預測等方面，支撐日常的生產(chǎn)技術(shù)分析。研究成果在油田基層管理區(qū)得到了普遍應用，成為基層日常工作的重要工具，實現(xiàn)了多業(yè)務、多崗位銜接的高效運行，推動了數(shù)據(jù)“智力”化應用和業(yè)務“協(xié)同”化運行，助力了管控效率和質(zhì)量本質(zhì)化的提升。

關(guān)鍵詞：大數(shù)據(jù)；業(yè)務集成；數(shù)據(jù)加工；趨勢分析；診斷模型

中圖分類號：TP311.13；TE319" " 文獻標志碼：A" " 文章編號：1671-0797（2024）16-0076-04

DOI：10.19514/j.cnki.cn32-1628/tm.2024.16.021

0" " 引言

隨著油田生產(chǎn)信息化大規(guī)模應用，油田生產(chǎn)數(shù)據(jù)不斷增加，大數(shù)據(jù)技術(shù)逐漸成為石油公司與油服公司實現(xiàn)智能化和提質(zhì)增效的重要手段之一，是國內(nèi)外研究的熱點[1]，油田結(jié)合自身業(yè)務特點，圍繞油井工況圖形識別、多參數(shù)組合預警、動態(tài)分析等開展了一系列智能化研究。但針對油田基層管理區(qū)生產(chǎn)管控和技術(shù)分析業(yè)務，大數(shù)據(jù)技術(shù)應用的實用性和深度仍存在不足，在生產(chǎn)管控質(zhì)量、技術(shù)分析效率、多崗位工作協(xié)同等方面存在著一系列的技術(shù)問題，具體如下：

1）管控質(zhì)量問題：報警機制的適用性、處置完成質(zhì)量、問題追蹤等方面存在一定的技術(shù)瓶頸，且對站庫管理、油井附屬設(shè)施等的監(jiān)控管理比較薄弱。

2）技術(shù)分析效率問題：系統(tǒng)、數(shù)據(jù)分散，人工操作量較大，在異常診斷、批量處置、信息集成、報表E化等方面提升空間較大。

3）目標同向問題：注采管控崗、班站、技術(shù)室的工作目標、關(guān)注對象不統(tǒng)一，多數(shù)情況只關(guān)注表象問題，事件分析多樣化，缺乏統(tǒng)一管理的技術(shù)手段。

4）工作協(xié)同問題：多崗位間，針對事件的溝通協(xié)調(diào)、任務安排無法做到快速、簡潔、明確，并且事件管理缺乏跟蹤評價手段。

1" " 國內(nèi)外現(xiàn)狀

近年來，從前期的交通基礎(chǔ)設(shè)施建設(shè)，到智能交通設(shè)備建設(shè)，再到智慧交通的建設(shè)，國家均出臺了相應的交通信息化政策進行指導，推動交通信息化、智能化水平穩(wěn)步提升[2]。國內(nèi)交通管理方面，大數(shù)據(jù)應用包括城市交通擁堵分析、智能信號燈控制、路徑規(guī)劃等方面，通過大數(shù)據(jù)分析交通數(shù)據(jù)，可以優(yōu)化路網(wǎng)資源配置、提供行駛建議和實時交通狀況等信息，提高交通流暢度和減少擁堵。

國外部分政府開展了大規(guī)模的智慧城市項目，通過大數(shù)據(jù)應用實現(xiàn)對城市內(nèi)的各個領(lǐng)域進行高效管控，如交通擁堵管理、環(huán)境保護和能源管理等。此外，國外醫(yī)療部門也利用大數(shù)據(jù)技術(shù)來改善醫(yī)療服務和優(yōu)化資源配置。

總體來說，隨著大數(shù)據(jù)技術(shù)的不斷進步和應用場景拓展，國內(nèi)外大數(shù)據(jù)應用在高效管控技術(shù)方面都具有不小的成就，但是相較于技術(shù)成熟性，國內(nèi)大數(shù)據(jù)在應用的高效管控技術(shù)方面還有很大的發(fā)展空間[3]。

2" " 總體思路

油田大數(shù)據(jù)應用技術(shù)思路如圖1所示，第一層為數(shù)據(jù)層，采集生產(chǎn)實時數(shù)據(jù)、開發(fā)動靜態(tài)數(shù)據(jù)及管控業(yè)務數(shù)據(jù)三類數(shù)據(jù)；第二層為數(shù)據(jù)預處理層，主要包括異常數(shù)據(jù)甄別與剔除方法、實時數(shù)據(jù)回歸分析處理，其中油田生產(chǎn)采用的主要數(shù)據(jù)分析技術(shù)包括回歸分析、神經(jīng)網(wǎng)絡、決策樹等[4]；第三層為診斷處置層，包括技術(shù)分析固化診斷模型、異常發(fā)現(xiàn)/推送/處置、基于機器學習運行趨勢預測探索；第四層為集成應用層，實現(xiàn)最終崗位業(yè)務的信息集成化協(xié)同應用及崗位工作臺相關(guān)業(yè)務。

1）通過研究異常數(shù)據(jù)甄別與剔除方法、實時數(shù)據(jù)回歸分析處理技術(shù)，進行異常數(shù)據(jù)甄別、加工、處理，挖掘數(shù)據(jù)趨勢規(guī)律。

2）以實時數(shù)據(jù)為基礎(chǔ)，通過技術(shù)分析固化診斷模型、異常發(fā)現(xiàn)推送、趨勢預測探索，構(gòu)建面向油水井智能化模型，解決系統(tǒng)數(shù)據(jù)分散、人工成本較高的問題，提高故障診斷的效率。

3）根據(jù)油田崗位和業(yè)務分析，利用業(yè)務集成應用技術(shù)、異常閉環(huán)管理技術(shù)和事件聯(lián)動的高效處置技術(shù)，打破傳統(tǒng)的業(yè)務分散現(xiàn)狀，并將所有事件進行統(tǒng)一管理。

4）通過數(shù)據(jù)深加工、智能診斷分析及崗位業(yè)務集成化技術(shù)，打造具備注采管控、技術(shù)分析、崗位化應用、支撐異常處置分析高效運行的工作平臺。

3" " 主要研究內(nèi)容

3.1" " 實時數(shù)據(jù)深度加工處理技術(shù)

通過對油井實時數(shù)據(jù)加工處理，甄別、剔除異常實時數(shù)據(jù)，并將剔除的數(shù)據(jù)進行回歸分析處理，逐步挖掘油井數(shù)據(jù)趨勢規(guī)律的技術(shù)手段[5]。

1）異常實時數(shù)據(jù)的甄別和剔除方法。

基于大數(shù)據(jù)的時間序列趨勢分解，研究油井功圖、溫壓等實時數(shù)據(jù)的平均值和標準差等成果數(shù)據(jù)，通過比較實時數(shù)據(jù)平均值和標準差的波動差異，檢測出異常值，實現(xiàn)異常實時數(shù)據(jù)的甄別和剔除。

2）基于回歸分析的實時數(shù)據(jù)處理技術(shù)。

針對剔除異常后的油井功圖、溫壓等實時數(shù)據(jù)，利用趨勢線、周期變化、隨機變化等趨勢分析和線性回歸技術(shù)[6]，構(gòu)建了實時數(shù)據(jù)的自回歸分析模型，實現(xiàn)實時異常數(shù)據(jù)的回歸處理，如圖2所示左側(cè)曲線圖是某油井回壓趨勢變化分析，通過自回歸分析模型分析該油井回壓的原始曲線，將原始曲線進行異常數(shù)據(jù)回歸處理，形成趨勢線、周期性變化情況和隨機變化情況。

3.2" " 崗位業(yè)務的信息集成化協(xié)同應用技術(shù)

油田擁有海量的歷史數(shù)據(jù)和行業(yè)經(jīng)驗，可以利用人工智能技術(shù)進行建模和優(yōu)化，從而更好地指導決策和操作[7]。

1）業(yè)務集成、對象集成化應用。

通過統(tǒng)一用戶權(quán)限、模塊集成和數(shù)據(jù)集成，開發(fā)出具備工作任務、報警統(tǒng)計、油井運行狀態(tài)、異常預警等15種崗位業(yè)務模塊，更好地輔助注采管控人員集中式高效辦公，提升管控效率。

基于對象（單井）的集成應用，通過集成應用技術(shù)，建立獨立的單井集成應用模塊，該模塊具備油井視頻監(jiān)控、油井功圖、歷史報警信息等10種油井數(shù)據(jù)信息模塊，打破傳統(tǒng)的業(yè)務系統(tǒng)分散、孤立等問題，輔助管控人員快速分析問題，提升解決問題的效率。

2）任務協(xié)同及自動評價的閉環(huán)管理。

以單井、事件或計劃性任務為對象，構(gòu)建了多崗位協(xié)同的異常閉環(huán)管理模式，在崗位業(yè)務OA平臺——工作任務模塊上，以任務單的形式，實現(xiàn)油田基層管理區(qū)內(nèi)部技術(shù)室、生產(chǎn)指揮中心、注采班站之間異常信息發(fā)現(xiàn)、共享、交互、溝通、反饋的閉環(huán)管理，打造一個信息同向、標準化業(yè)務流轉(zhuǎn)、集成高效的工作協(xié)同平臺。

通過任務界面，比對任務執(zhí)行前后數(shù)據(jù)變化情況，避免重復追蹤落實結(jié)果。實現(xiàn)任務完成情況的自動追蹤評價，對任務清單按照人、處置類別進行歸集，形成可靠的管控質(zhì)量監(jiān)測依據(jù)。

3）事件關(guān)聯(lián)要素智能輔助科學處置。

研究事件關(guān)聯(lián)要素與崗位業(yè)務的聯(lián)動關(guān)系，將事件監(jiān)測與業(yè)務進行匹配關(guān)聯(lián)，建立事件與報警處置、技術(shù)分析、運行跟蹤、數(shù)據(jù)同步等聯(lián)動處置機制，提升崗位工作效率和處置響應能力。

當觸發(fā)油井報警事件時，系統(tǒng)會自動下發(fā)報警事件任務匹配至相關(guān)的工作人員，并關(guān)聯(lián)到崗位業(yè)務集成OA平臺油井信息模塊上，實現(xiàn)報警事件和任務關(guān)聯(lián)，避免了人工查找、分析、錄入環(huán)節(jié)，減少工作量，提高工作效率。

針對開關(guān)井事件，根據(jù)報警記錄快速生成開關(guān)井審核記錄；針對間開井，自動完成開關(guān)井審核，從兩個角度全面提高開關(guān)井審核錄入的準確率和效率。

功能模塊優(yōu)化：報警信息增加狀態(tài)標識，方便人工區(qū)分報警情況；功圖面積變化或載荷變化類報警，增加跳轉(zhuǎn)頁面鏈接，便于跟蹤查看；支持右鍵、方向鍵操作等，通過多種高效方式，提升人性化操作體驗。

3.3" " 生產(chǎn)運行智能診斷分析技術(shù)

1）技術(shù)分析診斷模型及組合應用技術(shù)。

基于技術(shù)分析經(jīng)驗固化，通過油井動液面、功圖、液量等生產(chǎn)數(shù)據(jù)，建立單井分析、專項分析等生產(chǎn)異常智能診斷模型，該模型可以直觀體現(xiàn)油井異常數(shù)據(jù)信息，幫助業(yè)務人員快速診斷單井異常，提高排查效率和減少損失。

應用單井智能診斷分析技術(shù)，在現(xiàn)有的業(yè)務功能基礎(chǔ)上嵌入智能診斷分析提示，實現(xiàn)原應用和智能診斷功能的組合，提升現(xiàn)有應用的功能水平。

2）消息智能推送技術(shù)。

對于異常事件報警、任務、通知等消息，按消息重要級別，劃分消息通知策略，引入短信、語音電話、工作群消息等多種通知方式，改變了傳統(tǒng)的人工消息流轉(zhuǎn)方式，提升了消息接收的效率。

3）基于機器學習的運行趨勢預測技術(shù)。

基于神經(jīng)網(wǎng)絡LSTM，對歷史生產(chǎn)數(shù)據(jù)中的回壓、溫度、載荷等多個變量進行模型訓練、評估和優(yōu)化，通過預測模型實現(xiàn)未來生產(chǎn)運行趨勢的預測，為后續(xù)生產(chǎn)情況提供參考，運行趨勢預測模型如圖3所示。

3.4" " 搭建基層管理區(qū)崗位業(yè)務工作臺

1）管控業(yè)務使用組件與微件。

為支撐管控業(yè)務崗位化應用，基于油田云門戶、管控工作臺，研發(fā)業(yè)務微件和業(yè)務組件功能模塊。業(yè)務微件結(jié)合了報警集成、協(xié)同任務、異常通知、重點關(guān)注等內(nèi)容，將所有的數(shù)據(jù)信息以小窗口的形式展現(xiàn)，同時該平臺可進行增、刪、改、查等操作。業(yè)務組件結(jié)合了單井集成組件、任務在線交流組件、推送聯(lián)系人組件、導航定制組件等內(nèi)容進行訪問、調(diào)用和二次開發(fā)，具備獨立訪問、調(diào)用的功能。

2）注采管控及技術(shù)管理崗位工作臺。

利用融合實時數(shù)據(jù)深加工處理、智能診斷分析和崗位業(yè)務集成化等數(shù)據(jù)技術(shù)，具備便捷使用、可直觀反饋數(shù)據(jù)、問題協(xié)同處理特點，圍繞注采管控、技術(shù)管理崗位業(yè)務，搭建集成應用的崗位工作臺，并在6家油田基層管理區(qū)試點應用，已成為基層日常工作的重要工具。

4" " 結(jié)論及認識

油田通過大數(shù)據(jù)技術(shù)探索應用，實現(xiàn)了技術(shù)分析、業(yè)務運行、崗位銜接的高效運行，推動了數(shù)據(jù)“智力”化應用和業(yè)務“協(xié)同”化運行，基于大數(shù)據(jù)應用的高效管控已初見成效。本課題在管理區(qū)試點應用中得到了注采管控崗、技術(shù)管理崗的認可，相關(guān)技術(shù)理念也成為油田開展信息化深化應用和崗位OA建設(shè)的借鑒。

智能技術(shù)與油田業(yè)務深度融合應用是技術(shù)探索難點也是突破點。大數(shù)據(jù)技術(shù)、人工智能與油田業(yè)務融合應用具有廣闊的應用空間，下步將圍繞實時數(shù)據(jù)質(zhì)量提升、智能分析預測、高效業(yè)務協(xié)同開展持續(xù)探索研究，為公司數(shù)字化轉(zhuǎn)型提供智力支撐。

[參考文獻]

[1] 耿黎東.大數(shù)據(jù)技術(shù)在石油工程中的應用現(xiàn)狀與發(fā)展建議[J].石油鉆探技術(shù)，2021，49（2）：72-78.

[2] 李松松，汪作為.智慧交管建設(shè)關(guān)鍵技術(shù)與發(fā)展趨勢研究[J].智能城市，2023，9（6）：41-43.

[3] 方申國，謝楠.國內(nèi)外大數(shù)據(jù)產(chǎn)業(yè)發(fā)展現(xiàn)狀與趨勢研究[J].信息化建設(shè)，2017（6）：30-33.

[4] 喬森.大數(shù)據(jù)在智能油田中的應用分析與研究[J].內(nèi)江科技，2024，45（2）：13-14.

[5] 邢靖虹.動態(tài)測量數(shù)據(jù)處理方法研究[D].西安：西安石油大學，2011.

[6] 李忠武.數(shù)據(jù)挖掘中線性回歸分析的研究[J].保山學院學報，2017，36（2）：54-56.

[7] 高陽，劉崢，吳巍.大數(shù)據(jù)技術(shù)在智能油田建設(shè)中的應用分析[J].設(shè)備管理與維修，2024（5）：31-33.

收稿日期：2024-04-16

作者簡介：劉璐（1991—），女，河南商丘人，工程師，研究方向：生產(chǎn)信息化智能技術(shù)應用與推廣。