大數據分析在邊零井非密閉油氣生產中的研究應用

紀少鵬

華北石油通信有限公司

邊零井地處偏遠，信息化相對落后，抽油機工況、井信息、罐信息監測管理在以往工作中效率低，異常信息、預警信息時效性差。為了適應開源節流、降本增效的需要，開展邊零井非密閉油氣生產數據應用分析，為油田開發、綜合治理、提升效率、降低能耗提供管理的技術支撐。

通過大數據分析，尋找提質增效的切入點，然后進行優化調整，簡化信息維護、設備監控工作，對存在異常問題及時掌握，從而提高工作效率[1]。結合非密閉油氣生產數據，從拉油點、儲油罐的產量、液量、液位變化等數據以及異常信息的統計分析入手，及時有效地發現異常動態，快速尋找漏洞，提高生產管理水平。充分借助于大數據分析理論和優化分析方法，進行相關生產數據的收集、清洗、處理，進行分析模型建立，優化方案設計，可提高原油采集管理效率，大幅度降低員工的勞動強度[2]，最終實現持續降低綜合成本的智慧管控。

1 總體技術架構

邊零井非密閉油氣生產大數據分析技術架構分為大數據分析層和大數據應用層（圖1）。通過大數據分析層的計算分析便可挖掘出過去關注因果的科學方法很難發掘出來的新模式、新知識甚至是新規律[3]。

圖1 邊零井非密閉油氣生產大數據分析技術架構圖Fig.1 Technical framework diagram of big data analysis for non-closed oil and gas production of remote and scattered oil wells

大數據分析層以分析數據集為核心的數據管理層和以大數據算法庫為核心的分析引擎層為主；大數據應用層主要是基于數據分析而實現查詢分析、預測優化等功能。

2 數據和算法管理

2.1 數據庫設計

將多種類型的源頭數據進行收集和整理，然后按星型關聯數據模型進行數據倉庫設計[4]，再根據油氣生產數據分析的需求，建立面向分析的動態分析數據集，最后建立專門的元數據庫，對元數據進行管理。

2.2 數據管理

2.2.1 數據倉庫管理

數據倉庫管理分為以下幾步：

（1）從源頭數據庫將數據抽取到數據倉庫，在數據抽取過程中進行代碼轉換、量綱轉換。

（2）進行數據清洗，定義數據質量控制規則，實現數據質量控制規則檢查、數據過濾。例如，液位、液量異常分析時，需要把由于上傳數據間隔小導致重復或變化的微小數據去掉，這樣的液位和液量數據能夠根據時間變化明顯、直觀地呈現出異常狀態，不會對數據分析產生影響。

（3）將不同取值的數據轉換為統一的域值標準，進行數據歸一化。例如，對示功圖數據進行分析時，不同抽油機的理論載荷、沖程都不相同，如果不進行歸一化，放在一起就會出現混亂，歸一化后就可轉換為統一的理論載荷，統一的最大沖程。

（4）通過定義歸約化規則，自動進行數據歸約。例如，某百分比數據，在采集時考慮的是成分在小樣本中的百分比。數據集中后，應該轉換成在總體樣本中的百分比。

2.2.2 分析數據集管理

分析數據集是為了便于分析定義的數據表單，將相關的分析數據集中在一張表中，便于高效數據計算，一個分析主題通常會有多個分析數據集，需要按主題對分析數據集進行統一管理。

首先進行分析數據集定義，包括屬性的篩選，屬性的初步加工，數據篩選，分析數據集的增加、刪除、修改、發布、復制等基本管理操作。然后進行ADS 數據抽取，從數據倉庫中將數據加載到分析數據集中。

2.2.3 元數據管理

元數據管理主要包括數據字典管理、映射字典、預處理規則管理和多維關聯模型管理。

數據字典管理：數據字典的導入、導出、查詢。設計數據字典模板及規范，按照規范整理數據源數據字典、數據倉庫字典，加載到元數據庫中。分析數據集的數據字典自動生成。

映射字典管理：映射字典的導入、導出、查詢。設計數據映射字典模板及規范，按照規范描述數據源與數據倉庫間的映射關系、數據倉庫與分析數據集間的映射關系。在工具輔助下，自動進行映射關系的初步建立。

預處理規則管理：包括數據清洗規則、數據歸一化規則、數據歸約化規則的創建和查詢。

多維關聯模型管理：查詢分析數據集的定義及維度關系。

2.3 算法庫建立

共創建二個算法庫，包含大數據分析算法庫和優化分析算法庫。這兩個庫在管理上是一體的，只是為了便于開發和應用，對算法進行了分類。

大數據分析算法：提供滿足邊零井常規分析并適應大數據環境下的智能分析算法，包括但不局限于以下算法：聚類分析、分類分析、關聯分析、回歸分析[5]。各算法可動態進行注冊、注銷、測試、調用、評價，符合算法庫規范。

優化分析算法：提供滿足邊零井常規優化分析并適應大數據環境下的智能優化算法，根據大數據分析結果，進一步進行優化分析，形成優化分析和優化系統管理算法，包括但不局限于以下算法：線性規劃、遺傳算法、粒子群算法、多級綜合評判[6]。各算法可動態進行注冊、注銷、測試、調用、評價。

3 大數據分析應用

3.1 抽油機工況分析

抽油機工況分析分為示功圖查詢、工況查詢和綜合分析三部分。

3.1.1 示功圖查詢

示功圖查詢主要是對抽油機功圖數據進行監測和可視化展示，能夠根據層級逐步篩選所需查看的某一天完整示功圖數據和具體的特征要素，以及抽油機的運行狀態是否穩定，提前發現抽油機異常預兆，以便及時采取措施，預防事故、優化生產。抽油機工況示功圖如圖2所示。

圖2 抽油機工況示功圖Fig.2 Working condition indicator diagram of pumping unit

3.1.2 工況查詢

工況查詢主要基于功圖算產數據，對功圖算產數據進行歸納整理，根據層級進行結構化劃分，能夠從工區、拉油點、邊零井和時間維度進行數據提取，并對功圖算產數據要素進行篩選，給出功圖算產的重要數據要素和特征描述，有利于對抽油機運行狀況進行充分和完整性分析。工況查詢判斷是否存在生產異常情況，及早做出處理措施。

3.1.3 綜合分析

綜合分析是從多個層面和角度對抽油機的運行情況進行描述和分析，包含了抽油機各個重要的數據要素、重要參數及特征數據，是對抽油機運行狀況進行全面的、多層次、多角度的綜合性分析[7]，能夠詳盡地說明其運行的狀態（如累計產量、電壓電流、電量、沖程、沖次等數據），可為抽油機運行異常分析做完整和充足的數據準備，并對重要數據進行可視化展示，直觀體現出數據變化情況。2019年8月1日的抽油機產量變化見圖3。

圖3 抽油機產量Fig.3 Pumping unit output

功圖疊加的分析方法可以從時間維度對抽油機進行橫向比對分析，能夠更方便直觀地體現出數據差異，并可以與產量趨勢圖進行聯動，關聯分析抽油機在每個時間點的功圖狀況，通過功圖疊加，可以直觀地查看和分析數據差異和異常狀況。用戶可以在產量趨勢圖上任意選取多個時間點，系統會自動完成對相應時間點的示功圖數據進行繪制并完成疊加，并且在功圖疊加圖中，可以對選取多個的時間點示功圖進行取消和添加疊加，以更有利于示功圖異常分析（圖4）。通過對示功圖進行疊加，可以直觀看出兩個時間點存在差異。

圖4 示功圖疊加Fig.4 Indicator diagram superposition

3.2 液位、液量報警分析

液位、液量異常分析是結合非密閉油氣生產數據和示功圖數據進行的聯合統計分析，主要以抽油機的產液量和儲油罐的液位、液量數據為切入點，并根據實際生產情況、發生風險和異常的實際場景出發，從以下三個方面進行數據分析和異常報警。

3.2.1 液位趨勢分析

液位趨勢分析以儲油罐為分析對象，從時間維度刻畫儲油罐的液位變化趨勢情況，分析液位變化的異常情況。

液位趨勢分析提取與儲油罐相關的重要指標和參數數據，從多個方面進行檢測比對。根據液位異常參數和儲油罐的溫度、罐位信息，多角度分析其數據的變化情況和趨勢，并對液位數據以折線圖的形勢進行描述，直觀快捷地顯示儲油罐內液位隨時間的變化態勢，結合異常參數、液位指標和液位曲線的變化情況，分析生產中儲油罐的進油量情況，判斷儲油罐輸油是否存在異常。

3.2.2 液量異常分析

液量異常分析以油為跟蹤目標，將井口產油到儲油罐儲油作為一個閉合的過程，以此為開始點和結束點，分析這兩個時間節點的油量變化情況。根據時間的持續變化展示產油與儲油的動態關系，分析數據的異常情況，提前發現在輸油過程的油量異常情況，發出報警[8]，以便及時采取措施，預防事故、優化生產。

液量異常分析以井口產量為起點，根據每個小時的示功圖數據，基于示功圖預計產量的計算邏輯和方法，根據時間變化得出其時間變化區間內的累計產油情況，再基于非密閉油氣生產數據的液量分析數據集，以及儲油罐和抽油機的映射關系，得出油量輸出和輸入關系。通過計算分析，得出在一定時間區間內的產油量和儲油量的對應關系，在結合實際生產中的差異比，判斷分析產油量和儲油量是否存在異常，提前進行預警，以便采取相應措施，減少生產損失，保證正常生產。

如圖5 所示，藍線為井口產量，紅線為儲油量，從圖中可以直觀地看出產油量與儲油量存在明顯異常。

圖5 液量異常分析Fig.6 Analysis of abnormal liquid volume

3.2.3 罐位冒頂預測

在油田的實際生產中，由于各種原因，儲油罐的油沒有及時進行運輸，導致儲油罐存在冒頂風險。針對此種風險，需提前進行預警，防止事故發生，及時采取對應措施，規避風險。

為防止罐位冒頂，及時發出報警，需對儲油罐的液位隨時間變化的程度進行合理預測。通過對罐位冒頂的過程進行分析，剔除人為干擾因素，以產量為驅動，來預測未來時間內的儲油罐液位變化情況。

基于液量異常分析和液位異常分析的分析數據集，經過篩選提取出產量數據和液位數據，因兩者量綱不一致，采用模擬反推的方法，將產量數據動態的轉化為液位數據，統一量綱。再結合功圖算產產量的原理和方法，將產量進行加權平均，預測井口未來的產油量趨勢，以此來預測未來儲油罐隨時間的變化趨勢，及時進行預警，規避冒頂的風險。

如圖6所示，實線為正常生產的液位數據，虛線為預測液位數據，直觀地顯示未來一段時間液位變化，是否存在冒頂風險。

圖6 罐位冒頂預測Fig.6 Roof fall prediction of tank position

3.3 運力優化

每天20 點作為調度時刻，分析參數包括當前液位、液量體積、進液速度、儲罐容積預測罐滿（不報警）時間與最晚拉液時間。

如果第二天需要拉液，則安排拉液計劃。避開休息時段（18時至6時），將計劃提前在18點之前完成（圖7）。

圖7 運力優化示意圖Fig.8 Schematic diagram of transportation capacity optimization

4 結論

通過對邊零井非密閉油氣生產數據的研究分析，遵循先進、安全可靠、實用易用、及時響應、規范操作、靈活擴展的原則，應用Thread 多線程技術，異常處理技術，緩存處理技術，數據庫開發技術，實現邊零井抽油機工況綜合分析、液量液位異常分析、運力優化分析等。在采油及物流配送過程中，從采油、運力、滿載率入手，進行優化調整，科學合理調配運行資源，提高各工區采油效率、車輛滿載率并優化車次，從而增強生產管理水平，達到開源節流、降本增效、智慧管理的目的[9]，為大數據分析在油氣生產工作中進一步深化推進擴展奠定了基礎[10]。