基于生產監控平臺的功圖診斷量液系統的研發與應用

［摘 要］本文運用機器學習、數據分析等技術，通過生產監控平臺、功圖診斷量液系統及手機云APP的互通互聯，實現了實時的單井生產狀態監控，能對異常工況、異常液量進行自動告警、推送及措施跟蹤等，實現了“多系統、跨平臺、移動化”的應用模式和“自動告警+智能分析”的閉環控制管理模式，推進了油田生產向智能化邁進。

［關鍵詞］生產監控；異常井；閉環管理

doi：10.3969/j.issn.1673-0194.2023.01.046

［中圖分類號］TP315；F272.7 ［文獻標識碼］A ［文章編號］1673-0194（2023）01-0175-05

0" " "背 景

隨著物聯網建設在新疆油田的全面開展，以生產監控為核心的圖像智能識別、數據價值挖掘及大數據分析功能在油田生產管理中發揮著越來越重要的作用，并以此指導油田生產，利用信息化、數字化、智能化不斷驅動油田高質量發展。

目前作業區地質、工程分析人員，在油井工況診斷分析過程中，大多采用簡單數據對比、人工經驗進行判斷。由于人員經驗、了解情況不同，分析得出的結果也各不相同，造成工況診斷的及時性和準確率不高，延誤油井恢復正常生產。傳統的油井產量計量方法在應用中不僅存在地面配套裝置多、計量周期較長、人力和物力投入較多等問題，而且量液的實時性和準確性比較差。

本文運用人工智能機器學習、數據分析等技術，通過生產監控平臺、功圖診斷量液系統及手機云App的互通互聯，實現了實時的單井工況診斷、產量分析，異常工況、異常液量自動推送告警，單井措施跟蹤等功能，以“人工智能分析+告警推送”模式替代了時滯嚴重的“人工判斷+經驗分析”模式，能夠將異常井的信息狀況實時同步推送給監控中心和現場作業人員，從而對異常井進行及時的措施處置并實現故障的閉環處理，優化了人工工況診斷與傳統計量方式，減少人力物力投入，降低投資成本，實時動態監測油井狀態，提高生產效率，并為生產決策提供準確的數據支持，對掌握油藏狀況、制訂生產方案具有重要的指導意義，實現了“多系統、跨平臺、移動化”的應用模式和“自動告警+智能分析”的閉環控制管理模式，推動了油田生產管理向智能化邁進。

1" " "“多系統、跨平臺、移動化”的應用模式

功圖診斷量液系統從生產監控平臺提取功圖數據，從而進行工況診斷和液量計算，并將工況異常井及液量異常井信息推送至生產監控平臺和手機云App，由生產監控平臺和手機云App進行告警并推送至相關業務人員進行核實處理，業務人員處理后可在生產監控平臺或手機云App中填寫處理措施及情況，填寫內容將在三個系統中同步，可在任一系統中跟蹤、查詢該井的處理情況（見圖1）。

功圖診斷量液系統借助生產監控平臺與手機云App的數據采集、告警推送及反饋措施處置信息功能，轉變了傳統故障處理、管理方式，縮短了故障處理的時間，同時工作人員可快速、簡單地查詢到歷史異常井處置措施、完成情況等信息，并對正在處理中的異常井狀態進行跟蹤，在方便對異常井管理的同時，也實現了故障的閉環處理。

2" " "油田異常井分析和單井量液方式對比

2.1" "傳統異常井分析和單井量液方式

工況診斷主要依靠巡檢結合人工功圖分析的方式對抽油機進行監測和診斷，不能及時有效地跟蹤判斷油井生產狀況使其達到最大效益，并且受經驗等人為因素影響過大，在開采面積不斷擴大，油井數量不斷上升的情況下，依靠人工診斷將不斷加大員工勞動強度。另外，由于測量油井功圖過程中影響因素比較多，不同油井所測的功圖形狀差別較大，即使是相同工況條件下測得的油井功圖也不可能完全相同，需要不斷從大量油井功圖中學習那些能夠反映油井工況特性的特征而忽略其他因素造成的影響，加大了工作人員的勞動強度。

單井產液量主要通過計量間單井輪流計量方式進行計量。這種計量方式在集油管線壓力過高、壓力表校驗或者大風天氣等情況下無法使用，并且計量設備閘門、控制點多，操作復雜，計量間維護成本較高，需要采取配套防護設施，還需要實時遠程監控進行人工操作選井計量，員工勞動強度較大，且在油田生產后期，油井生產能力下降，間出現象明顯，短時計量并不能真正反映油井產量，較難發現現場生產異常的井，無法及時采取相應措施，不利于及時掌握油井生產工況。另外，計量站模式本身的結構具有局限性，需要大量的地面管線及設備，投資大，不利于簡化地面流程，很難實現油井連續計量。盡管國內外在分離器、選井控制技術、流量計、含水分析儀等方面做了大量研究并取得了一些成果，但是不能從根本上解決簡化地面流程、實現油井連續自動計量的問題。功圖實時診斷和量液技術能有效地解決人工診斷和計量站模式帶來的一系列問題，對避免井下作業的盲目性和維持油田正常生產持續進行并取得可觀的經濟效益有較大幫助。

2.2" "新異常井分析和單井量液方式——功圖診斷量液系統

功圖實時診斷技術實現了大量示功圖的實時自動化工況診斷，可診斷出19種常見工況，能及時預警（參見表1），縮短發現異常工況和故障的延遲時間，降低維護成本，提升油井生產效率，降低人員勞動強度。

功圖量液技術能實時計量每個單井的產液量，而且具有較好的實時性和準確性，能提高油田自動化管理水平，降低人員勞動強度，具有如下特點。①可實現單井產液量連續、實時、自動計量；②無須建站，無須分離器，成本較低；③能有效解決油井產量短時間內波動大、計量難的問題；④能有效解決油井分散，計量費時的問題。

同時系統可自主計算檢泵周期、膨脹系數及相關運行指標等數據，為生產決策提供準確的數據支持，提高生產管理水平。

由表2可以直觀看出功圖診斷量液系統性價比較高，優點多，且無須維護，能快速分析發現單井異常狀況，減輕人員工作量，降低計量設備投入成本，提高油田自動化管理水平。

3" " "關鍵技術

3.1" "功圖診斷量液系統

該系統主要通過人工智能機器自主學習模式，建立診斷、量液知識網絡模型，實現對功圖工況診斷和功圖量液的精準計算，動態監測油井狀態，完成異常井信息的實時推送，替代異常井分析中人腦的工作。功圖診斷量液系統技術體系樹如圖2所示。

3.1.1" "關鍵技術一：基于卷積神經網絡（CNN）的圖像識別算法

該系統利用機器學習卷積神經網絡（CNN）的圖像識別算法對功圖進行特征提取及初步診斷識別。

神經網絡是模仿人的神經元，實現自主學習的方式。我們先給神經網絡不同的圖片，人為標定各圖片類別，再通過大量的數據進行機器自主學習訓練，神經網絡自身就會對圖片具有判別能力，知道各個工況的特征，從而做出準確識別與分類。

卷積神經網絡是機器學習的代表算法之一，比其他類型的神經網絡在圖像識別方面更為優秀，因此選擇此算法運用到功圖診斷之中。卷積神經網絡運用多個卷積核（特征提取器）和降采樣進行多次卷積，可提取功圖的多層次特征，這些特征通過全連接層（分類器，計算輸出類別的可能性）后成為一幅功圖信息的最終表達，從而完成功圖診斷任務。同時，卷積神經網絡會通過反向傳播算法（反饋結果誤差）和大量功圖進行機器自主學習，不斷修正卷積核參數和全連接權重，減小輸出誤差，從而提高診斷準確率［1］。神經網絡卷積圖像識別算法示意如圖3所示。

3.1.2" "關鍵技術二：支持向量機（SVM）分類器

支持向量機（SVM）分類器常用于人像識別、文本分類等領域，在解決中小型樣本、非線性和高維分類問題中，能有效避免過擬合，具有一定的優勢。

卷積神經網絡最后的輸出的分類結果往往是由全連接層加Softmax（激活函數）得到的，但是如果直接使用全連接層加Softmax往往會導致輸出結果準確性的下降，因此選擇在卷積神經網絡全連接層中加入SVM分類器，能有效避免CNN出現過擬合產生的準確度的下降問題［2］。

研究表明，CNN結合SVM分類器的圖像識別方式能使準確率有效提高2%～3%，它充分利用了卷積神經網絡自動提取特征的優勢，以及SVM分類器增強模型的魯棒性和泛化性特點，它既能自主改變網絡中的相關參數，細微地修改模型，又能得到更理想的效果，同時，在被動接受多維外界輸入時，也能得到更理想的效果。

3.1.3" "關鍵技術三：長短期記憶（LSTM）網絡

LSTM網絡是一種時間遞歸神經網絡，訓練長短期記憶（LSTM）網絡能夠使計算機記住需要長時間記憶的重要信息，忘記不重要的信息，適合被用于處理和預測時間序列中間隔非常長的事件。

在功圖量液計算過程中，通過LSTM網絡對迭代次數、過阻尼、欠阻尼、泵功圖質量、間開制度、漏失、標定數據等數據的記憶學習來修正量液計算模型和單井特性模型，從而不斷消除計量誤差，提高量液準確率。

3.1.4" "關鍵技術四：三合一功圖量液算法

三合一功圖量液算法（圖4）以功圖診斷為基礎，

針對正常工況和非正常工況采用不同算法，最后針對單井特性建立單井修正算法，量液準確性較高。建立14套有效沖程算法，建立8套非正常工況單獨量液算法，確保對正常工況和非正常工況量液的準確性。最后對于間開井、間出井等特殊井進行單井特性算法的編寫，通過單井特性算法來消除量液誤差，量液準確性較高。

3.2" "生產監控平臺與手機云App

3.2.1" "生產監控平臺

生產監控平臺作為油氣生產現場無人或少人值守的核心支撐，其性能決定了油田無人值守智能化的程度。生產監控平臺采用React Web框架，Web Socket實時通信技術，基于Modbus TCP協議，實現數據的采集功能，一次握手就可以長時間連接，實現實時通信和平臺與服務器間的雙工通信，采用分布式采集、集群式存儲，可以加強采集性能、擴展容量，充分保證了數據的可靠性和大容量。任務分配采用了可配置化目標采集地址，采集器為基于Docker的獨立構建，可根據采集目標地址的情況進行集群化擴展配置，實現集群并發采集。既能提高數據采集和計算處理能力，又能保證系統各節點之間不會相互影響，一個數據采集的故障更不會影響整體設備，滿足了60萬點的并發工業數據采集業務應用［3］。

對比于傳統 SCADA 來說，其性能優勢主要體現在穩定性、安全性、功能的可擴展性等方面。從穩定性角度來說，系統實時數據來源穩定，報警服務并發分析性能強，能夠保證大規模數據分析的實時性及系統資源消耗的平穩性。從安全性角度來說，主要體現為控制安全性，監控界面發送控制指令，基于返回的生產實時數據生產監控系統功能架構圖及控制對象狀態綜合判斷控制是否生效。該機制克服了傳統 SCADA 系統監控運行狀態與實際運行狀態容易不一致的問題，能夠最大程度上避免生產風險的產生。從可擴展性角度來說，基于 B / S 開發架構，相比 SCADA 的單機應用模式，其安裝、維護、授權、升級更加方便。

3.2.2" "手機云App

手機云App是為了更簡單方便地實現閉環控制管理的輔助性手機應用，開發框架采用了目前最流行的跨平臺移動應用開發框架之一——React Native，使用了SDK軟件開發技術，主動調用API接口，實現了生產監控平臺、功圖診斷量液系統和手機云App的數據同步處理和推送，方便了告警信息的閉環處理。

4" " "應用情況

目前新疆油田公司采油一廠功圖診斷量液系統運行約10個月，共接入稀油單井622口，工況診斷準確率約為85%，功圖量液準確率為85%，具有較好的實時性和準確性，平均每日約有25口異常井告警推送，縮短發現異常工況和故障的時間80%，減少人員對工況的分析時間80%，降低了人員勞動強度，提高了油田生產效率。同時系統可自主計算檢泵周期、膨脹系數及相關運行指標等數據，充分挖掘數據價值、釋放數據潛能，為生產決策提供準確的數據支持，提高生產管理水平。

上述系統的結合應用，形成了“異常信息便捷查詢、生產指令閉環管理、生產巡檢移動管理”的模式，構建了生產數據移動管理新模式，為移動指揮提供了便捷工具，提高了故障處理響應速度，減少了維護人員，實現了生產信息的實時共享，提升了油田生產管理數字化水平。

主要參考文獻

［1］丁煜暉，肖翔，李愷，等.基于神經網絡的功圖診斷方法研究［J］.信息系統工程，2022（6）：137-140.

［2］施海青，張韜，黨延輝，等.基于支持向量機的抽油機故障診斷方法研究［J］.中國石油石化，2017（11）：64-65.

［3］賀宗平，王正路.一種面向互聯網文本數據采集框架的設計［J］.電子技術與軟件工程，2021（12）：187-189.