淺談基于實時數據的單井生產狀況預警分析

石艷 楊凱 伊力哈木·阿布都西庫兒 哈麗扎提·鐵木爾 李武

[摘? ? 要] 油田油氣生產物聯網實施以來，建立的各類管理系統都是基于實時數據查詢及超限報警等功能，缺乏實用的生產異常預警及智能分析功能，并且缺乏與單井生產、井下作業、問題診斷專家知識庫之間相關數據的關聯應用，無法滿足油田生產實際應用需要。本課題通過開展生產實時數據深化應用研究與分析，結合其他專業生產數據，開展生產過程異常預警、智能分析技術研究，為油田生產管理人員及時發現各類生產異常，暴露隱形問題，并及時采取措施，優化生產制度提供依據，從而進一步提高油田精細化管理水平，為提質增效提供新的技術手段。

[關鍵詞] 實時數據;預警分析;單井問題

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 17. 025

[中圖分類號] F270.7? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）17- 0058- 04

1? ? ? 引? ? 言

隨著油田油氣生產物聯網示范工程上線，油田生產數據采集周期大幅縮短，每天都會產生近百萬條監控數據。為更好地利用數據變革帶來的優勢，發揮實時數據對生產的指導作用，研發基于實時數據預警分析算法及應用系統。根據用戶需求，建立一套簡單、高效、實用性強的實時數據分析研究算法和模型，提前發現單井問題，縮短單井問題發現周期。利用實時數據的時效性和連續性，解決隱形降產井的發現、清蠟周期預測等問題。為油田生產管理人員及時發現各類生產異常，及時采取有效措施和優化生產制度提供依據。同時利用實時數據的準確性和高密度特性，降低人工研究分析的強度，解決數據統計分析過程中的計算量大、復雜程度高、人工統計實現困難的問題，實現單井能耗分析、抽油機設備運行情況判斷等功能。

系統以中石油A11和A2數據庫為數據源，建立界限值、特征庫管理功能，實現了多系統數據共享。根據在中石油A11福山油田油氣生產物聯網（Pass）平臺上的集成經驗以及中石油A11平臺集成要求，具體方案如圖1所示。

2? ? ? 技術路線

基于霍尼韋爾的自動化實時庫（PHD），以json 數據格式傳遞業務數據，減少了解析XML解析帶來的性能問題和兼容性問題。實現對A11實時數據訪問接口的應用，具體的數據現狀與訪問方法如圖2所示。

霍尼韋爾的自動化實時庫（PHD）將數據標簽配置信息和讀取數據標簽實時數據的方法存放在SQL Server數據庫中，將數據標簽采集的數據存放在PHD數據庫中。

3? ? ? 設計與實現

借助最小二乘法、建立了基于實時數據的分析算法，快速解決發現油田現場單井生產異常信息的發現和統計分析問題。

3.1? ?隱形降產井預警

算法基于A11自動采集的載荷、功圖、產量等實時數據和歷史數據，實時分析載荷、功圖面積形狀、產量數據的變化趨勢進行預警，融合展示到一個頁面，得出一個最終的預警結果，以實現對采出井的預警。

對最大、最小載荷的擬合直線斜率進行預測，最大載荷變小，最小載荷變大，表明單井可能存在“漏失”;結合功圖面積變化進行輔助預警，判斷功圖面積是否變小，若變小，則可以進一步判斷可能發生漏失現象。如圖3所示。

3.2? ?管線狀態異常預警分析

根據A11計量站、配水間實時采集的壓力、液位、流量數據進行異常預警，分析數據變化趨勢，實現對管線狀態異常狀況的預警分析。計算方法如圖4所示。

井口回壓數據的擬合直線斜率進行預測：若預測值大于標準值，說明井口回壓呈上升趨勢，即管線暢通度呈下降趨勢，表明管線可能會出現堵塞，此時即預警。若預測值小于標準值，說明井口回壓呈下降趨勢，即管線暢通度呈不斷上升趨勢，表明管線可能出現破漏，此時即預警。

3.3? ?平衡度預警分析

獲取A11自動采集的上行電流和下行電流，計算出平衡度，根據單井正常時平衡度的范圍，對當前井的工況進行診斷和預警，將結果反饋給用戶，幫助用戶及時發現處理或者避免異常狀況。根據上行下行電流的比值進行平衡度預警。計算公式為：

平衡度=上行電流/下行電流（下行電流/上行電流）

平衡度正常范圍為85%～115%。如果根據獲取的實時數據計算出的結果超出正常范圍，則對該井進行預警，并及時進行相關參數調整。如圖5所示。

3.4? ?單井能耗分析

獲取A11電流、電壓等數據，計算耗電量，通過對比分析產量情況，對單井的用電效益進行分析，快速統計優選出生產成本較低單井，為生產經營決策提供依據。

單位產油用電量（W）=I ×1.732×U×COSφ/1 000×開井時間（t）;

I：實時數據庫當天三相電流總和的平均值;U：實時數據庫當天三相電壓總和的平均值;COSφ：功率因數;按照生產單元對單井耗電量進行計算，利用單井耗電量和產量的比值進行排序。

4? ? ? 結? ? 語

系統基于新數據模式下的實時數據開展研究分析，同其他系統相比，做到事前判斷分析，提前預警單井可能存在的異常因素。同人工分析方式相比，預警系統有效快速解決生產現場中發生的各類實際問題。在發現隱形降產井方面，傳統的人工分析方式發現周期很長，一般情況下需要在產量出現明顯下降的10天左右才能發現問題，同時需要開展大量的人工對比分析工作。預警系統在針對隱形降產井的發現問題上，發現率高，同時結合大量實時數據對比分析，通過5分鐘的數據計算，短時間內即可發現隱形降產井。在發現管線異常方面，同傳統人工分析的方式比較，能夠在管線發生刺漏的第一時間發出預警，提示巡檢人員提前關注單井管線異常，在發生大面積污染之前及時恢復生產。在清蠟周期的制定方面，降低人工經驗判斷的誤判率，提供實時可靠的判斷依據。在抽油井平衡率調整方面，縮短抽油機平衡的檢查周期，實時分析判斷抽油機平衡狀況，預警抽油機平衡率異常。在確定關停井、調開周期方面數據準確，為人工確定開井制度提供有效數據基礎。

如圖7所示，該預警分析系統基于新數據模式下的實時數據開展研究分析，充分發揮物聯網模式下實時數據的特性，實現了單井異常從“事后診斷到事前預測”在工作模式上的重大變革，同其他系統相比，做到事前判斷分析，提前預警單井可能存在的異常因素。解決了以往生產現場無法解決的問題，為今后在實時數據領域的知識模型、業務規則、技術規范、數據資源探索等多方面提供有力支撐。

主要參考文獻

[1]中國石油天然氣集團公司.QSY1722-2014油氣生產物聯網系統建設規范[S].2014.