馮黎明，楊毛佼，姚渝琪

（中國石油天然氣股份有限公司西南油氣田分公司通信與信息技術中心，成都 610051）

0 引言

本項目涉及的學科為信息技術和油氣田開發(fā)，利用現(xiàn)有的海量實時數(shù)據(jù)資源，基于大數(shù)據(jù)特征提取和分析算法，通過對歷史生產(chǎn)數(shù)據(jù)的挖掘和分析，就現(xiàn)實氣井開關井狀態(tài)智能判斷、計量氣井產(chǎn)水量、井口油套溫等關鍵參數(shù)的趨勢預測等功能展開研究，旨在以信息技術為載體，以油氣開發(fā)為場景，在生產(chǎn)作業(yè)現(xiàn)場改造最小的基礎上，最大限度發(fā)揮生產(chǎn)實時數(shù)據(jù)的作用，從而為油氣開發(fā)技術人員提供可靠的預測工具。

1 發(fā)展現(xiàn)狀

中國石油的油氣生產(chǎn)物聯(lián)網(wǎng)建設正開展得如火如荼，未來將會統(tǒng)一對所轄的油氣田進行物聯(lián)網(wǎng)建設，統(tǒng)一標準規(guī)范、接口等相關技術細節(jié)。當油氣生產(chǎn)物聯(lián)網(wǎng)建設完成之后，油田就等于具備了人的感官和神經(jīng)，那么，大數(shù)據(jù)分析在中國油田中的大規(guī)模應用就近在眼前。

在實際生產(chǎn)時，獲取油氣井生產(chǎn)相關設備的實時狀態(tài)非常重要。但目前只有直接讀取生產(chǎn)數(shù)據(jù)或人工錄入兩種方式，大部分設備不能自動獲取狀態(tài)值，智能變送器內部也沒有代表其載體設備的狀態(tài)值。需要根據(jù)設備正確的狀態(tài)值將對應的實時數(shù)據(jù)進行歸類計算與應用，這時可以通過數(shù)學模型輸入實時油套壓（參考套壓、井口溫度、產(chǎn)氣量等）計算出開關狀態(tài)。

當前，某石油和天然氣公司正在試驗使用生產(chǎn)數(shù)據(jù)進行時間序列分析，這種分析現(xiàn)在已經(jīng)可以預測產(chǎn)量為數(shù)十萬立方米的井。老井如果預測結果不符合預定值則對其進行標記并立即整治。智能油氣田是通過先進的信息技術手段與油氣勘探開發(fā)工程的有機結合，以油氣生產(chǎn)物聯(lián)網(wǎng)為依托，通過實時生產(chǎn)數(shù)據(jù)的分析、融合，以軟件集成、大數(shù)據(jù)、人工智能技術為支撐，簡化各業(yè)務環(huán)節(jié)，提升工作的智能化、自動化水平，實現(xiàn)油氣田生產(chǎn)狀態(tài)的動態(tài)全面感知。

2 關鍵技術及其應用

油田各生產(chǎn)設備具備多種狀態(tài)，每種狀態(tài)都對應一個標簽，每個標簽少則1～2 秒多則1～2 小時產(chǎn)生新的狀態(tài)數(shù)據(jù)。在數(shù)據(jù)分析和應用前預先多次分批將所需數(shù)據(jù)導出后做持久化處理。并且，每隔一段時間進行增量更新，對時間較敏感的數(shù)據(jù)要實時查詢導出。

2.1 數(shù)據(jù)采集和讀取

大數(shù)據(jù)技術應用需要進行各類數(shù)據(jù)的采集及讀取，應完善大數(shù)據(jù)庫系統(tǒng)，包括油田生產(chǎn)中的Oracle 數(shù)據(jù)庫。由于油田生產(chǎn)數(shù)據(jù)繁多，這也對Oracle 數(shù)據(jù)庫存儲性能提出了更高的要求。油田大數(shù)據(jù)應用應實現(xiàn)數(shù)據(jù)采集環(huán)節(jié)與讀取環(huán)節(jié)的結合，以動態(tài)性感知油田狀態(tài)，通過全方位采集數(shù)據(jù)、地下指標等判定油田開發(fā)狀況，將不同類型數(shù)據(jù)進行關聯(lián)性分析，聚集形成多個數(shù)據(jù)集，實現(xiàn)不同類型數(shù)據(jù)的集成及關聯(lián)性管理。

2.2 數(shù)據(jù)預處理

基礎數(shù)據(jù)采集后需要排除其中重復的數(shù)據(jù)，而對于標簽狀態(tài)數(shù)據(jù)則可能出現(xiàn)3 種常見異常狀態(tài)值，包括丟失（包括超時和null）、狀態(tài)值異常高或低、狀態(tài)值為0 或非常接近0。

第一種做好標記即可。第二種異常值被定義為一組結果值中與平均值的偏差超過三倍標準差的值?？梢酝ㄟ^公式P(|x-μ|＞3σ)≤0.003 進行計算，由此得出異常值。第三種異常值分兩種情況，一種是異常值確實為0，另一種是接近0。接近0 的異常值如果是孤立的數(shù)個點，常在進行第二類異常檢測時會被檢查出來；如果是平穩(wěn)的一組接近0 的數(shù)據(jù)，則表示該組數(shù)據(jù)無法使用，屬于廢數(shù)據(jù)。

對以上3 種異常情況可以對應采取3 種方法進行處理：第一種是直接刪除，包括0 值和接近0 值的異常值；第二種是采用統(tǒng)計學和機器學習結合的填充方法（如均值填充、中值填充、常用值填充）進行處理；第三種是采用純基于機器學習的填充方法，常見的方法有基于KNN（K-Nearest Neighbor）、RNN（Recurrent Neural Networks）、EM（Expectation-Maximization）和矩陣分解（Matrix Factorization）的缺失值填充算法。其中，KNN距離計算公式為：

在經(jīng)過以上3 種方法處理后，仍然有部分數(shù)據(jù)存在劇烈抖動，如圖1 所示，這種充滿劇烈抖動的“噪聲”數(shù)據(jù)，無論是對判斷開關井狀態(tài)還是趨勢預測都會造成不利影響。這是因為對開關井判斷的實質是尋找時間序列數(shù)據(jù)的波峰和波谷，噪聲會導致數(shù)據(jù)比實際數(shù)據(jù)偏大或偏小，而預測趨勢需要對已有數(shù)據(jù)進行分析和訓練，噪聲會造成得到的模型參數(shù)產(chǎn)生偏離。

對于噪聲，可以使用多種方法進行平滑處理：一是低通濾波，這種方法將高頻的噪聲數(shù)據(jù)過濾，保留頻率較低的有效信號；二是中值濾波，中值濾波是基于排序統(tǒng)計理論的一種有效抑制噪聲的非線性信號處理技術，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，單次中值濾波幾乎對抑制噪聲效果有限，需進行多輪，在濾波處理后“噪聲”的確受到抑制；三是線性回歸，即用一個函數(shù)擬合來光滑數(shù)據(jù)，將時間序列數(shù)據(jù)分段，每一組數(shù)據(jù)擬合為一條貼近其變化程度的直線，來模擬其在這段時間內的數(shù)據(jù)點分布情況，經(jīng)過處理后的時間序列數(shù)據(jù)如圖2 所示。

2.3 趨勢預測

對時間序列數(shù)據(jù)趨勢進行預測我們分為以下幾個步驟。

2.3.1 序列分解

時間序列分為多個部分，可以采用時間序列分解模型Yt=Yt+St+Ct+Tt計算出結果，以了解該時間序列數(shù)據(jù)的各個部分，每個部分都代表一種模式類別。序列分解后可以看到數(shù)據(jù)的主要趨勢成分、季節(jié)成分和殘差成分。

2.3.2 時間序列平穩(wěn)性檢驗

如果一個時間序列的均值和方差隨著時間變化保持穩(wěn)定，則可以說這個時間序列是穩(wěn)定的。大多數(shù)時間序列模型都是在平穩(wěn)序列的前提下進行建模的。造成這種情況的主要原因是序列可以有許多種（復雜的）非平穩(wěn)的方式，而平穩(wěn)性只有一種，且更加易于分析和建模。而且，與非平穩(wěn)序列相比，平穩(wěn)序列相關的理論更加成熟且易于實現(xiàn)。

一般可以通過以下幾種方式來檢驗序列的平穩(wěn)性。一是ACF 與PACF 曲線。如果時間序列是穩(wěn)定的，則ACF/PACF 曲線中某一觀測數(shù)據(jù)與其滯后數(shù)據(jù)點呈現(xiàn)很小的相關性，且這個相關性會迅速下降消失。二是滑動均值和方差的變化趨勢,通過繪制滑動均值和方差的曲線，可以看出時間序列的均值和方差是否隨著時間序列變化。三是ADF 檢驗（Augmented Dickey-Fuller Test），這是用于檢驗數(shù)據(jù)平穩(wěn)性的統(tǒng)計檢驗方法之一。在ADF 檢驗中，零假設為時間序列是非平穩(wěn)的，測試結果包括一些統(tǒng)計量、置信度和臨界值。如果檢驗統(tǒng)計量小于關鍵值，則可以拒絕原假設，并認為該序列是平穩(wěn)的。在實際開發(fā)中我們采用了滑動均值的方式。

2.3.3 數(shù)據(jù)轉換

數(shù)據(jù)轉換，即把非平穩(wěn)序列轉換為平穩(wěn)序列，使之更容易處理。主要使用幾種較常用的方式來進行處理，即先進行對數(shù)轉換（log 變換），接著求差分，一般差分是用某時刻的數(shù)值減去上一時刻數(shù)值來得到新序列。但這里有一點區(qū)別，實際操作中是使用當前時刻數(shù)值減去其對應時刻的滑動均值。自回歸模型就是利用滯后的時間來預測當前時間點的數(shù)據(jù)，如使用x(t-1)、x(t-2)和x(t-3)來擬合預測x(t)。這里使用的滯后變量數(shù)量就是p；MA（Moving Averages，q）?；瑒悠骄Ｐ褪褂脺笮蛄械陌自肼晛頂M合當前數(shù)據(jù)，同樣的滯后數(shù)據(jù)數(shù)量即q；Difference（即差分，d），在這個過程中，通過數(shù)據(jù)轉換將非平穩(wěn)序列轉變?yōu)槠椒€(wěn)序列，因為AR 和MA 無法對非平穩(wěn)序列進行擬合。接下來進行數(shù)據(jù)擬合（將生產(chǎn)實時數(shù)據(jù)作為訓練集），經(jīng)過多層次訓練和調整，然后進行參數(shù)搜索，找到最佳值，最后得出預測結果。公式為Arima 的模型算法，是油田信息化技術體系構建地震、地質、數(shù)值模型的計算理論公式基礎。

2.4 開關井狀態(tài)判斷

在生產(chǎn)環(huán)境中，井站根據(jù)開關頻率，分為每天開關數(shù)次、每天開關一次、數(shù)天開關一次；根據(jù)生產(chǎn)指令不定時開或關分為4種類型，但無論是哪一種類型總要滿足：關井時，油壓必然隨著時間升高；開井時，其油壓會隨著時間降低，壓力高低差可達數(shù)兆帕。因此，判斷開關井狀態(tài)的實質就是分析壓力隨時間變化的曲線，找出符合開關井時曲線特征的部分，開關井狀態(tài)判斷就是“信號”處理后，再進行“信號”分析。

筆者使用了基于小波變換的時間序列相似模式匹配來進行分析，先分析其開關井的特征并提取形成“模式”，再到源數(shù)據(jù)中進行匹配，結果如圖3 所示。這種方法對固定開關時間的井的狀態(tài)能夠進行較好的判斷。

在進一步分析多口井站數(shù)據(jù)后，特別是不定時開關或者臨時開關的井站，模式匹配遇到一定困難，但無論其曲線怎么變化總能滿足開井時刻必然在壓力隨時間變化曲線的某個“峰”值或附近，關井時刻在壓力曲線的某個“谷”值或附近，從“谷”到“峰”壓力隨之上升，從“峰”到“谷”壓力隨之減小。

找“峰”的算法就是對區(qū)間內的數(shù)據(jù)進行求一階差分，找到連續(xù)非負值和負值的轉換點。找“谷”的時候把差分值x-1后再找轉換點即可。但在分析具體井站數(shù)據(jù)時，發(fā)現(xiàn)因有多種因素會對壓力產(chǎn)生“細微”影響，這種影響直接表現(xiàn)在一階差分上，就是從“谷”到“峰”不是單調的增加，而是增加區(qū)間和減少區(qū)間交替出現(xiàn)，整個區(qū)間總體形式是增加的，反之亦然。于是，對算法做出調整，加入正負區(qū)間變化幅度和分布數(shù)量作為參數(shù)。在解決了判斷“峰”和“谷”的問題后，對生產(chǎn)數(shù)據(jù)進行實際測試，如圖4 所示。

因為找到的峰和谷太多，遠遠大于開和關的次數(shù)，仍然無法具體定位開或關。

通過對多口井數(shù)據(jù)進行分析比對，總結以下幾個關鍵點來分析“峰”和“谷”：寬度，壓力曲線從“谷”到“峰”再到“谷”，這兩個谷的間隔即寬度；高度，峰值必定是大于區(qū)間內某個值的，在實際算法中采用區(qū)間內平均值；間隔，開關井的壓力變化不是一個短時間內能完成的事務，在兩次開關井之間必然存在一定距離；對稱性，大多數(shù)井壓力變化有一種特性，關井時壓力上升前快后慢，開井時同樣也是前快后慢，但關井壓力升到“峰”耗時一般高于開井時降到“谷”的耗時。于是，進一步改進算法，加入4 個參數(shù)作為條件進行判斷。最終較為準確地判斷出開關井狀態(tài)，如圖5 所示。

3 結語

油田信息化生產(chǎn)建設是油田適應時代發(fā)展潮流的必然選擇。為實現(xiàn)油田更好的發(fā)展，需要相關工作人員不斷加強油田信息化建設方面的研究，通過新的技術手段來加強油田信息化應用。同時，在實際應用過程中，要持續(xù)進行大數(shù)據(jù)技術、云計算技術、智能生產(chǎn)技術等方面的創(chuàng)新，通過不斷創(chuàng)新找到新的發(fā)展出路，提升油田生產(chǎn)的效率與效益。