復雜報警機制在石西油田中的應用

劉 婷，郭寶靈，張建軍

（新疆油田公司石西油田作業區，新疆 克拉瑪依 834000）

0 引言

石西油田作業區地處準噶爾盆地古爾班通古特沙漠腹地，目前共有4個油氣田，有28個油藏、7個氣藏，共35 個油氣開發單元，油區面積達8 000 km，距新疆維吾爾自治區克拉瑪依市170 km。石西油田自動化系統建設從1998 年開始至今，已形成一套從油水氣井到采注計量站再到油氣處理站的生產全過程監控、數據管理應用系統。數據采集與監視控制（Supervisory Control And Data Acquisition，SCADA）系統自建成以來已運行20 年，實現了油區井站3 萬多點工況數據的集中監控與管理，目前采用“報警事件閉環管理”模式和以報警數據點為基礎的閾值報警機制，系統采集的實時數據與設置閾值進行比較，超出閾值范圍推出相應類型的報警提醒，同時將報警進行解析歸類，所有與該事件有關的報警全部集中起來，系統不再反復彈出報警信息，用戶可以集中處理一個問題。雖然報警量大幅降低，但部分異常仍需要人為進行對比分析判斷，導致此類異常沒有及時診斷出來，造成監控效率下降，影響生產安全。同時，現場儀表故障導致數據準確性降低，缺乏對儀表狀態的診斷功能。此外，監控系統的報警機制均以事后報警為主，難以起到很好的預防作用。這些情況導致報警處理效率較低，影響生產監控及預警判斷，已不能滿足監控報警需求。

因此，研究實時計算、先進報警管理等前沿技術，利用油田大數據進行趨勢預測和輔助決策，提高監控的準確率與覆蓋率，成為解決上述問題的關鍵所在。制定行之有效的報警管理規范、設計合理的先進報警管理系統，是提升報警管理水平、實現平穩操作和安全生產的重要措施。

石西油田油氣生產數據智能分析與預警系統在業務分析基礎上，通過建立多參數預警、趨勢預警等復雜預警模型，利用動態預警計算，將原來油水井、管線、區塊等無法直接報警的生產異常及時進行預警，目前已綁定參數點包括儀表異常5 517 個、管線1 233 個、區塊2 578 個、電力2 218 個、趨勢1 155 個；完成分布式控制系統（Distributed Control System，DCS）數據對接接口開發，以及模型所需數據點的接入；繪制管線監控組態圖13 幅。建立的預警模型，充分利用先進的信息計算技術，實現基于油氣數據的智能預警分析。該系統已實現對報警事件和生產故障點精準定位及儀表工作狀態在線診斷，實現了涵蓋現場儀表、油水井、計量站間、管線、區塊的一體化生產監控及預警報警管理。

1 生產數據智能分析

在油氣生產行業中，目前主流的報警模式均采用單點參數報警，超出設置的閾值范圍就觸發報警。但現場提取數據來源不可靠，或者異常情況需要多參數綜合分析判斷，以及事后報警等情況，造成監控報警功能單一、人工工作量大、效率低下。因此，石西油田作業區通過生產數據深度分析，優化報警邏輯，支持分析計算模型的自定義編輯及擴展，開發聯動報警功能，建立趨勢預警模型，有效降低了無效、重復報警數量，減少了監控崗位監控工作量，并且有效降低了修改維護報警閾值的頻率，減少了監控技術人員的維護工作量，從而使監控系統功能更完善、效果更明顯。在降低人員勞動強度和減少無效報警的同時，保持系統的先進性、智能性和數據準確性。

1.1 現場儀表分析

傳感器數據落零、負值或周期內異常波動，根據儀表量程特性、生產數據合理范圍特征、異常持續時間等標準判斷儀表異常。根據判斷的結果，形成儀表異常報警數據表，在現場確定正常之后關閉相應參數的報警，形成儀表異常數據表，推送至數據庫管理空間（Database-Managed Space，DMS）中。

1.2 區塊分析

在油田生產中，偶爾會遇到突發性停電事故，造成大面積井、站通信中斷及油井停抽。為及時恢復生產，需第一時間將停電信息推送至監控平臺，同時需要準確定位停電區域，監控人員可及時了解停電原因并通知巡井人員查看現場。將表1 數據接入系統，基于區塊實時數據，建立區塊報警模型，重點解決預警通信、停電帶來生產及管理問題。

表1 多參數綜合報警規則

1.3 多參數復雜報警

油田生產運行管理過程涉及監控報警，有的需要實時診斷報警，有的需要周期性診斷報警，有的需要多參數診斷報警，有的需要結合各因素綜合診斷報警，由此需要按照不同的診斷報警需求，有針對性地選擇計算工具，建立不同報警模型。首先，基于業務分析總結診斷模型涉及哪些計算方法；其次，對計算方法進行拆分，提取共性內容，建立具有通用性的系統模型，如上升趨勢、下降趨勢、多參數對比等；最后，基于系統模型，以界面交互方式構建適用于不同生產工藝環節的專屬業務模型，建立診斷模型庫（建模規則如表2 所示）。另外，基于構建的業務模型，按照實際生產監控管理需要，每個業務模型與對應生產對象、生產數據綁定，最終實現模型的應用，并且提供一套模型可視化綁定的機制。

表2 事件報警與復雜報警處理效果對比

1.4 預警系統

數據異常本身可能就是一種對現場工況的反映，為了避免有價值的數據被過濾掉，加強油氣生產全面風險管理，石西油田建立積極主動的風險管理機制，變事后控制為事前防范，對提取的數據進行預處理，在數據進行模型診斷運算前，建立集成時序預測模型，添加趨勢預警規則，涉及油井、注水井、計量間、管線等生產重點參數，對參數長期趨勢、周期性趨勢及隨機變化進行預測，實現對重大風險的預警管理，有效預防和控制重大風險。數據預處理有兩種方式：對于簡單的處理規則，在診斷模型配置中直接作為模型里面的一項判斷條件進行處理即可；對于復雜的、運算量比較大的處理規則，單獨建立預處理任務進行專門處理，處理后的結果再推送給診斷任務。

1.5 診斷模型可視化配置

常規的復雜報警模型建立，一般是在程序中通過代碼固定好的，在模型運行調試階段使用非常不便，模型的修改及更新非常耗時且更新周期較長，從而導致模型改進完善工作效率低下，無法通過快速迭代方式建立行之有效的診斷模型，系統運行效果大打折扣。為此，根據實際生產需求，在此系統中，開發了常用模型算法的可視化定制功能。用戶通過界面交互即可實現相關信息的配置，其中模型可配置內容包括：模型名稱、報警計算點數、消警計算點數、輸入流個數、模型類型（模型分類管理的結構樹）、模型子類型、模型嚴重等級、模型內容描述、輸入流名稱定義、觸發流規則設置、報警判據邏輯設置、消警判據邏輯設置等。

2 效果分析

石西油田將“設定閾值的事件報警機制”改進為“多參數復雜的報警機制”，極大地提高了報警處理工作的效率，主要效果體現在如下幾個方面。

（1）生產數據深度分析：將原來管線、油水井、區塊等無法直接報警的生產異常納入監控管理中，降低監控人員勞動強度，減少無效報警，提高判斷準確性。

（2）區塊分析：實現基于區塊數據實時分析與預警，重點解決通信、供電帶來的大面積生產及管理問題；開發重要管線的監控界面與曲線查詢功能，實現重要管線可視化展示，完善閾值報警功能。

（3）現場儀表故障判斷：通過對傳感器數據異常的分析，快速準確定位儀表等現場故障，對儀表狀態進行診斷，以免虛假數據造成監控盲區，對現場儀表進行及時校對，提高了數據采集的真實性，有效延長生產設備運行時率、挖掘生產潛力、降低生產風險。

（4）多參數報警：構建生產數據智能分析與預警模型庫，將行業經驗、專家經驗進行量化管理，實現油氣生產自動分析。針對某一故障問題，能夠找到與之關聯的參數，分析參數值的變化來判斷故障是否發生，對發現的問題及時進行報警，減少人工綜合分析判斷工作量，提高異常發現及時率。

（5）趨勢預警：建立能夠支持海量數據實時計算的流計算引擎，滿足復雜模型條件下的即時預警分析。利用實時采集的數據流進行線性擬合，得到擬合斜率，通過斜率的變化來判斷即將發生的故障，及時進行報警，彌補人工定期翻曲線查看異常的空白期，及時發現即將發生的故障，提前落實并處理巡井現場，預防事故發生。

3 建 議

建立石西油田全景監控模式，實現油氣生產數據智能分析與預警系統、生產監控平臺、DMS 系統的無縫融合。支持各級生產實時監控，通過報警事件閉環管理模式，使報警信息更加準確，實現生產監控過渡到生產指揮，提高生產效率，降低安全風險。建立復雜報警管理機制，去除冗余報警，監控報警數量與質量得到有效控制，大幅提升油田現場無人值守的可靠性。建立多參數實時數據分析模型，對報警事件和生產故障點精準定位；儀表工作狀態在線診斷，實現故障精準定位，儀表維修單準確率100%。通過生產過程實時監測，進一步探索監控運行模式，優化監控崗位操作規程，以提高分析判斷問題準確率，輔助決策下達到位，動態指揮，使油田精細化管理水平進一步提高。

4 結語

復雜報警機制在石西油田已得到推廣和深化應用，并取得了良好的效果，具有廣泛的推廣價值，為后續應用擴展提供技術支撐。目前，運用大數據技術處理、收集多源數據時，仍需要一定程度的人工干預，如何考量人工智能和人工干預的權重問題是下一步研究的方向。