摘要：隨著油田生產(chǎn)信息化大規(guī)模應(yīng)用，油田積累了海量的生產(chǎn)數(shù)據(jù)，以提升基層開(kāi)發(fā)生產(chǎn)水平為目標(biāo)，基于大數(shù)據(jù)相關(guān)技術(shù)，開(kāi)展了高效管控技術(shù)應(yīng)用的探索，從實(shí)時(shí)數(shù)據(jù)預(yù)處理、趨勢(shì)分析、智能綜合診斷、未來(lái)生產(chǎn)趨勢(shì)預(yù)測(cè)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(yīng)用，成為基層日常工作的重要工具，實(shí)現(xiàn)了多業(yè)務(wù)、多崗位銜接的高效運(yùn)行，推動(dòng)了數(shù)據(jù)“智力”化應(yīng)用和業(yè)務(wù)“協(xié)同”化運(yùn)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(wù)集成；數(shù)據(jù)加工；趨勢(shì)分析；診斷模型

中圖分類號(hào)：TP311.13；TE319" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號(hào)：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(yīng)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(shí)現(xiàn)智能化和提質(zhì)增效的重要手段之一，是國(guó)內(nèi)外研究的熱點(diǎn)[1]，油田結(jié)合自身業(yè)務(wù)特點(diǎn)，圍繞油井工況圖形識(shí)別、多參數(shù)組合預(yù)警、動(dòng)態(tài)分析等開(kāi)展了一系列智能化研究。但針對(duì)油田基層管理區(qū)生產(chǎn)管控和技術(shù)分析業(yè)務(wù)，大數(shù)據(jù)技術(shù)應(yīng)用的實(shí)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(wèn)題，具體如下：

1）管控質(zhì)量問(wèn)題：報(bào)警機(jī)制的適用性、處置完成質(zhì)量、問(wèn)題追蹤等方面存在一定的技術(shù)瓶頸，且對(duì)站庫(kù)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(wèn)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(bào)表E化等方面提升空間較大。

3）目標(biāo)同向問(wèn)題：注采管控崗、班站、技術(shù)室的工作目標(biāo)、關(guān)注對(duì)象不統(tǒng)一，多數(shù)情況只關(guān)注表象問(wèn)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(wèn)題：多崗位間，針對(duì)事件的溝通協(xié)調(diào)、任務(wù)安排無(wú)法做到快速、簡(jiǎn)潔、明確，并且事件管理缺乏跟蹤評(píng)價(jià)手段。

1" " 國(guó)內(nèi)外現(xiàn)狀

近年來(lái)，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(guó)家均出臺(tái)了相應(yīng)的交通信息化政策進(jìn)行指導(dǎo)，推動(dòng)交通信息化、智能化水平穩(wěn)步提升[2]。國(guó)內(nèi)交通管理方面，大數(shù)據(jù)應(yīng)用包括城市交通擁堵分析、智能信號(hào)燈控制、路徑規(guī)劃等方面，通過(guò)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(shí)時(shí)交通狀況等信息，提高交通流暢度和減少擁堵。

國(guó)外部分政府開(kāi)展了大規(guī)模的智慧城市項(xiàng)目，通過(guò)大數(shù)據(jù)應(yīng)用實(shí)現(xiàn)對(duì)城市內(nèi)的各個(gè)領(lǐng)域進(jìn)行高效管控，如交通擁堵管理、環(huán)境保護(hù)和能源管理等。此外，國(guó)外醫(yī)療部門也利用大數(shù)據(jù)技術(shù)來(lái)改善醫(yī)療服務(wù)和優(yōu)化資源配置。

總體來(lái)說(shuō)，隨著大數(shù)據(jù)技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景拓展，國(guó)內(nèi)外大數(shù)據(jù)應(yīng)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(guó)內(nèi)大數(shù)據(jù)在應(yīng)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(yīng)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(shí)時(shí)數(shù)據(jù)、開(kāi)發(fā)動(dòng)靜態(tài)數(shù)據(jù)及管控業(yè)務(wù)數(shù)據(jù)三類數(shù)據(jù)；第二層為數(shù)據(jù)預(yù)處理層，主要包括異常數(shù)據(jù)甄別與剔除方法、實(shí)時(shí)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(luò)、決策樹(shù)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(jī)器學(xué)習(xí)運(yùn)行趨勢(shì)預(yù)測(cè)探索；第四層為集成應(yīng)用層，實(shí)現(xiàn)最終崗位業(yè)務(wù)的信息集成化協(xié)同應(yīng)用及崗位工作臺(tái)相關(guān)業(yè)務(wù)。

1）通過(guò)研究異常數(shù)據(jù)甄別與剔除方法、實(shí)時(shí)數(shù)據(jù)回歸分析處理技術(shù)，進(jìn)行異常數(shù)據(jù)甄別、加工、處理，挖掘數(shù)據(jù)趨勢(shì)規(guī)律。

2）以實(shí)時(shí)數(shù)據(jù)為基礎(chǔ)，通過(guò)技術(shù)分析固化診斷模型、異常發(fā)現(xiàn)推送、趨勢(shì)預(yù)測(cè)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(wèn)題，提高故障診斷的效率。

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

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

3" " 主要研究?jī)?nèi)容

3.1" " 實(shí)時(shí)數(shù)據(jù)深度加工處理技術(shù)

通過(guò)對(duì)油井實(shí)時(shí)數(shù)據(jù)加工處理，甄別、剔除異常實(shí)時(shí)數(shù)據(jù)，并將剔除的數(shù)據(jù)進(jìn)行回歸分析處理，逐步挖掘油井?dāng)?shù)據(jù)趨勢(shì)規(guī)律的技術(shù)手段[5]。

1）異常實(shí)時(shí)數(shù)據(jù)的甄別和剔除方法。

基于大數(shù)據(jù)的時(shí)間序列趨勢(shì)分解，研究油井功圖、溫壓等實(shí)時(shí)數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差等成果數(shù)據(jù)，通過(guò)比較實(shí)時(shí)數(shù)據(jù)平均值和標(biāo)準(zhǔn)差的波動(dòng)差異，檢測(cè)出異常值，實(shí)現(xiàn)異常實(shí)時(shí)數(shù)據(jù)的甄別和剔除。

2）基于回歸分析的實(shí)時(shí)數(shù)據(jù)處理技術(shù)。

針對(duì)剔除異常后的油井功圖、溫壓等實(shí)時(shí)數(shù)據(jù)，利用趨勢(shì)線、周期變化、隨機(jī)變化等趨勢(shì)分析和線性回歸技術(shù)[6]，構(gòu)建了實(shí)時(shí)數(shù)據(jù)的自回歸分析模型，實(shí)現(xiàn)實(shí)時(shí)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(shì)變化分析，通過(guò)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(jìn)行異常數(shù)據(jù)回歸處理，形成趨勢(shì)線、周期性變化情況和隨機(jī)變化情況。

3.2" " 崗位業(yè)務(wù)的信息集成化協(xié)同應(yīng)用技術(shù)

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

1）業(yè)務(wù)集成、對(duì)象集成化應(yīng)用。

通過(guò)統(tǒng)一用戶權(quán)限、模塊集成和數(shù)據(jù)集成，開(kāi)發(fā)出具備工作任務(wù)、報(bào)警統(tǒng)計(jì)、油井運(yùn)行狀態(tài)、異常預(yù)警等15種崗位業(yè)務(wù)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(duì)象（單井）的集成應(yīng)用，通過(guò)集成應(yīng)用技術(shù)，建立獨(dú)立的單井集成應(yīng)用模塊，該模塊具備油井視頻監(jiān)控、油井功圖、歷史報(bào)警信息等10種油井?dāng)?shù)據(jù)信息模塊，打破傳統(tǒng)的業(yè)務(wù)系統(tǒng)分散、孤立等問(wèn)題，輔助管控人員快速分析問(wèn)題，提升解決問(wèn)題的效率。

2）任務(wù)協(xié)同及自動(dòng)評(píng)價(jià)的閉環(huán)管理。

以單井、事件或計(jì)劃性任務(wù)為對(duì)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(wù)OA平臺(tái)——工作任務(wù)模塊上，以任務(wù)單的形式，實(shí)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(gè)信息同向、標(biāo)準(zhǔn)化業(yè)務(wù)流轉(zhuǎn)、集成高效的工作協(xié)同平臺(tái)。

通過(guò)任務(wù)界面，比對(duì)任務(wù)執(zhí)行前后數(shù)據(jù)變化情況，避免重復(fù)追蹤落實(shí)結(jié)果。實(shí)現(xiàn)任務(wù)完成情況的自動(dòng)追蹤評(píng)價(jià)，對(duì)任務(wù)清單按照人、處置類別進(jìn)行歸集，形成可靠的管控質(zhì)量監(jiān)測(cè)依據(jù)。

3）事件關(guān)聯(lián)要素智能輔助科學(xué)處置。

研究事件關(guān)聯(lián)要素與崗位業(yè)務(wù)的聯(lián)動(dòng)關(guān)系，將事件監(jiān)測(cè)與業(yè)務(wù)進(jìn)行匹配關(guān)聯(lián)，建立事件與報(bào)警處置、技術(shù)分析、運(yùn)行跟蹤、數(shù)據(jù)同步等聯(lián)動(dòng)處置機(jī)制，提升崗位工作效率和處置響應(yīng)能力。

當(dāng)觸發(fā)油井報(bào)警事件時(shí)，系統(tǒng)會(huì)自動(dòng)下發(fā)報(bào)警事件任務(wù)匹配至相關(guān)的工作人員，并關(guān)聯(lián)到崗位業(yè)務(wù)集成OA平臺(tái)油井信息模塊上，實(shí)現(xiàn)報(bào)警事件和任務(wù)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(duì)開(kāi)關(guān)井事件，根據(jù)報(bào)警記錄快速生成開(kāi)關(guān)井審核記錄；針對(duì)間開(kāi)井，自動(dòng)完成開(kāi)關(guān)井審核，從兩個(gè)角度全面提高開(kāi)關(guān)井審核錄入的準(zhǔn)確率和效率。

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

3.3" " 生產(chǎn)運(yùn)行智能診斷分析技術(shù)

1）技術(shù)分析診斷模型及組合應(yīng)用技術(shù)。

基于技術(shù)分析經(jīng)驗(yàn)固化，通過(guò)油井動(dòng)液面、功圖、液量等生產(chǎn)數(shù)據(jù)，建立單井分析、專項(xiàng)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(wù)人員快速診斷單井異常，提高排查效率和減少損失。

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

2）消息智能推送技術(shù)。

對(duì)于異常事件報(bào)警、任務(wù)、通知等消息，按消息重要級(jí)別，劃分消息通知策略，引入短信、語(yǔ)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(jī)器學(xué)習(xí)的運(yùn)行趨勢(shì)預(yù)測(cè)技術(shù)。

基于神經(jīng)網(wǎng)絡(luò)LSTM，對(duì)歷史生產(chǎn)數(shù)據(jù)中的回壓、溫度、載荷等多個(gè)變量進(jìn)行模型訓(xùn)練、評(píng)估和優(yōu)化，通過(guò)預(yù)測(cè)模型實(shí)現(xiàn)未來(lái)生產(chǎn)運(yùn)行趨勢(shì)的預(yù)測(cè)，為后續(xù)生產(chǎn)情況提供參考，運(yùn)行趨勢(shì)預(yù)測(cè)模型如圖3所示。

3.4" " 搭建基層管理區(qū)崗位業(yè)務(wù)工作臺(tái)

1）管控業(yè)務(wù)使用組件與微件。

為支撐管控業(yè)務(wù)崗位化應(yīng)用，基于油田云門戶、管控工作臺(tái)，研發(fā)業(yè)務(wù)微件和業(yè)務(wù)組件功能模塊。業(yè)務(wù)微件結(jié)合了報(bào)警集成、協(xié)同任務(wù)、異常通知、重點(diǎn)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(shí)該平臺(tái)可進(jìn)行增、刪、改、查等操作。業(yè)務(wù)組件結(jié)合了單井集成組件、任務(wù)在線交流組件、推送聯(lián)系人組件、導(dǎo)航定制組件等內(nèi)容進(jìn)行訪問(wèn)、調(diào)用和二次開(kāi)發(fā)，具備獨(dú)立訪問(wèn)、調(diào)用的功能。

2）注采管控及技術(shù)管理崗位工作臺(tái)。

利用融合實(shí)時(shí)數(shù)據(jù)深加工處理、智能診斷分析和崗位業(yè)務(wù)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(wèn)題協(xié)同處理特點(diǎn)，圍繞注采管控、技術(shù)管理崗位業(yè)務(wù)，搭建集成應(yīng)用的崗位工作臺(tái)，并在6家油田基層管理區(qū)試點(diǎn)應(yīng)用，已成為基層日常工作的重要工具。

4" " 結(jié)論及認(rèn)識(shí)

油田通過(guò)大數(shù)據(jù)技術(shù)探索應(yīng)用，實(shí)現(xiàn)了技術(shù)分析、業(yè)務(wù)運(yùn)行、崗位銜接的高效運(yùn)行，推動(dòng)了數(shù)據(jù)“智力”化應(yīng)用和業(yè)務(wù)“協(xié)同”化運(yùn)行，基于大數(shù)據(jù)應(yīng)用的高效管控已初見(jiàn)成效。本課題在管理區(qū)試點(diǎn)應(yīng)用中得到了注采管控崗、技術(shù)管理崗的認(rèn)可，相關(guān)技術(shù)理念也成為油田開(kāi)展信息化深化應(yīng)用和崗位OA建設(shè)的借鑒。

智能技術(shù)與油田業(yè)務(wù)深度融合應(yīng)用是技術(shù)探索難點(diǎn)也是突破點(diǎn)。大數(shù)據(jù)技術(shù)、人工智能與油田業(yè)務(wù)融合應(yīng)用具有廣闊的應(yīng)用空間，下步將圍繞實(shí)時(shí)數(shù)據(jù)質(zhì)量提升、智能分析預(yù)測(cè)、高效業(yè)務(wù)協(xié)同開(kāi)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(xiàn)]

[1] 耿黎東.大數(shù)據(jù)技術(shù)在石油工程中的應(yīng)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(shì)研究[J].智能城市，2023，9（6）：41-43.

[3] 方申國(guó)，謝楠.國(guó)內(nèi)外大數(shù)據(jù)產(chǎn)業(yè)發(fā)展現(xiàn)狀與趨勢(shì)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(yīng)用分析與研究[J].內(nèi)江科技，2024，45（2）：13-14.

[5] 邢靖虹.動(dòng)態(tài)測(cè)量數(shù)據(jù)處理方法研究[D].西安：西安石油大學(xué)，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(xué)院學(xué)報(bào)，2017，36（2）：54-56.

[7] 高陽(yáng)，劉崢，吳巍.大數(shù)據(jù)技術(shù)在智能油田建設(shè)中的應(yīng)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(jiǎn)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(yīng)用與推廣。