抽油機井云計算功圖計產模式較邊緣計算功圖計產模式提高投資回報率

關鍵詞/主題詞：/主題詞：油井；采油；抽油機井；產液量；功圖計產；云計算；邊緣計算；物聯網

0引言

油井產液量是指在單位時間內從油井井口產出的液體總量，這一指標對于評估油田的生產能力和經濟效益至關重要［1］。產液量的大小受到多種因素的影響，包括油藏可采儲量、油藏孔隙度、油藏壓力、油層滲透率以及油層粘度等。此外，泵的工作狀態和阻尼系數也會影響產液量。

油井產液量直接反映了油田的生產能力［2］。通過監測和分析油井的產液量，可以了解油田的儲層條件、油藏壓力、滲透率等關鍵參數，進而評估油田的潛在生產能力和長期穩產能力。這對于油田的規劃和開發具有重要的決策支持作用。油井產液量對于制定生產策略具有指導意義［3］。在油田生產過程中，需要根據油井的產量來調整抽油機井生產參數，如注水量、采油速度、生產壓差等，以確保油田的高效、穩定生產。

例如，當油井產液量下降時，需要通過增加注水量或調整采油速度來提高油井的生產能力；而當油井產液量過高時，則需要考慮采取相應的措施來控制產液量，防止油井過早衰竭。油井產液量還是優化油田管理的重要依據［4］。通過對油井產液量的持續監測和分析，可以及時發現油田生產中存在的問題和隱患，如油井堵塞、設備故障等，從而及時采取措施進行解決。同時，通過對不同油井產液量的對比分析，還可以優化油田的井網布局和生產流程，全面提升油田的生產效率和經濟效益。

油井產液量對油田生產具有重要的指導意義。它不僅反映了油田的生產能力，還為制定生產策略和優化油田管理提供了重要的依據。因此，在油田生產過程中，應加強對油井產液量的監測和分析，以確保油田的高效、穩定生產。在實際生產中，抽油機井產液量監測方法主要有4種方式：一是通過翻斗量油裝置監測抽油機井日產液量［5］。該裝置由油氣分離緩沖裝置、計量翻斗、液面控制及計數器等四部分組成。油氣混合物自上部進入分離緩沖裝置，其內部的分離傘用于分出油液中的氣體，原油則經分配器均勻、平穩地流入計量翻斗。翻斗由兩個聯結在一起互相垂直的三角形斗構成，利用杠桿平衡原理翻動，當其中一斗裝油到預定質量后便會自動翻轉排油，另一斗則開始裝油，來回交替，以達到連續計量的目的。計數器與翻斗的轉軸相連，以記錄翻斗的翻轉次數，由此計算油井的累積產液量。但該方法采用間歇量油的方式實現產量計算，其系統誤差相對較高，同時進入冬季，翻斗量油裝置極易造成凍堵，引發系列安全生產事故；

二是通過玻璃管量油裝置監測抽油機井日產液量［6］。玻璃管量油裝置設置有氣液兩相分離器，在氣液兩相分離器的側壁安裝專門用于量油的玻璃管，玻璃管上端與分離器頂部聯通，玻璃管下端與分離器底部相通，形成連通器。分離器內部液柱壓力可直接傳遞到玻璃管內部液柱，使得兩液柱壓力平衡，因此，當分離器內部液位上升一定高度時，玻璃管內液柱也也會上升同樣的高度。記錄玻璃管內液柱上升高度所需時間，則可計算出分離器內液柱重量，即可求出該井日產量。但玻璃管部分容易因外力撞擊或溫度變化而破裂，這不僅會導致設備損壞，還可能引發潛在的介質泄漏，從而存在安全隱患。在某些情況下，如容器內部光線不足或介質顏色深淺不一，可能影響讀數的準確性。同時，玻璃管量油裝置通常需要現場觀察讀數，不支持遠程監測和操控。

三是通過單井計量裝置監測抽油機井日產液量［7］。該裝置由氣液分離器、電動三通閥、液體質量流量計、氣體孔板流量計、液位計、止回閥等組成。油氣混合物進入氣液分離器后，經旋流分離后，氣體聚集于氣液分離器上部，液體聚集于氣液分離器底部。當液位計監測液位達到排液高度時，三通閥導通氣液分離器底部與裝置出口，進行排液，此時質量流量計計量累積液量。當液位計監測液位未達到排液高度時，三通閥導通氣液分離器頂部與裝置出口，進行排氣，此時孔板流量計計量累積產氣量。但該方法投入成本較高，單臺裝置高達10萬元，后期設備維護較頻繁，無法批量推廣應用，同時對質量流量計要求較高，否則會導致較大的計產誤差。

四是通過多相流量計監測抽油機井日產液量［8］。該多相流量計并不對井液作分離，而是直接實現油氣水三相計量，也是當下多相流量計技術發展的主要方向。其涉及的核心技術主要包括油氣水三相組分含量的測定和各相流速的測定。目前，常見的相流速測量技術主要有壓差法、超聲波法、激光多普勒效應法和電磁感應技術等，組分的體積分數計量的主要技術有核磁共振技術、電容層析成像技術等。但從現場應用來看，該儀器造價高昂，無法規模推廣應用，同時受結蠟、結垢、腐蝕等復雜的測試環境影響，監測相對誤差較高。

上述方法均難以實現抽油機井日產液量的低成本、高可靠性、精準性測試。調研發現，自2000年以來，智能傳感器與物聯網技術的迅猛發展及廣泛應用，為抽油機井產液量監測提供了新的技術手段。主要形成兩種計產方法，一種是功圖法計產，另外一種是電參法計產。

其中功圖法計產較為成熟，國內各大油田應用20萬口井以上。主要基于實測示功圖數據，通過建立復雜的抽油桿-油管-井液三維動力學模型，計算獲得相應泵功圖，確定泵的有效沖程，從而求得抽油機井日產液量［9］。呂孝孝等建立抽油機井正常工況、氣體影響、供液不足、漏失影響等工況下的抽油泵運行特性模型，并進一步同桿管液動力學模型耦合，實現相對精準的地面功圖轉換井下泵功圖，產液量平均相對誤差低于6%［10］。唐麗雯等提取地面示功圖特征向量，創新自適應工況識別算法，對抽油機井運行工況進行分類，并建立了產液量與不同運行工況之間的映射關系，得到基于工況識別的計量產量的模型，產液量平均相對誤差3.26%［11］。周斌等創新提出基于八鏈碼形狀匹配分析的抽油泵游動閥、固定閥開閉點識別方法，柱塞有效行程計算精度較傳統的游動閥、固定閥開閉點識別方法提高了近1%，進一步提升了功圖計產精度［12］。以上關于地面功圖轉換井下泵功圖、工況診斷、有效沖程識別等方法，為抽油機井功圖法精準計產奠定了較好的基礎。

而電參法計產形成相對較晚，國內各大油田應用5萬口井以上。主要基于實測電功率數據，通過建立電參數反演示功圖模型，計算獲得地面示功圖，然后采取與功圖計產模式相同的步驟，獲得抽油機井日產液量［13］。趙懷軍等創新建立了電動機輸入電參數計算抽油機扭矩的數學模型，并探索了扭矩數據經抽油機四連桿機構傳遞后的力學變化規律，進而獲得相對精準的懸點載荷數據，與載荷傳感器實測值對比，平均相對誤差3.87%，工程實用性強［14］。張戰敏等以生產大數據樣本做支撐，利用深度學習技術建立了基于電參數據的產液量計量模型，通過對沖程、沖次、泵徑、有功功率等數據進行深度挖掘，建立與產液量的回歸方程，平均預測符合率達到94.08%［15］。魏顯峰等通過同步采集電機功率和電機轉角，分別計算懸點載荷和光桿位移，實現電參向力參示功圖的轉換，并于玻璃管量油計產方法進行對比分析，發現計產相對誤差在20%以內的油井占比85.2%［16］。以上關于電參數計產的方法，為抽油機井電參法精準計產指明了探索方向。

電參法計產方法需要經過兩次轉換才能獲得井下泵功圖，進而通過泵功圖有效沖程識別獲得抽油機井日產量。其中，第一次轉換是電參數通過抽油機井四連桿力矩轉換模型獲得地面示功圖，第二次轉換是地面示功圖通過抽油桿-油管-井液三維動力學模型獲得井下泵功圖。而功圖法計產方法通過安裝載荷、位移傳感器直接獲得地面示功圖，僅需要一次轉換，因此計產精度在一定程度上優于電參法計產方法，成為目前行業的主流抽油機井計產方法。

近年來，隨著云計算、邊緣計算技術的發展，在功圖法計產模式基礎上，相繼形成云計算功圖計產模式和邊緣計算功圖計產模式，但各大油田對于兩種計產模式如何選擇存在不同意見。為此，通過應用上述兩種技術模式分別開展現場試驗，并將兩種技術模式的采樣頻次、處理效率、計產精度、投資回報率等進行全方位對比分析，為油田關于兩種計產模式的選擇提供參考性意見及建議。

1方法過程

1.1成果研究過程

功圖法計產基本原理是將抽油機井系統視作一個機械運動系統，抽油桿柱、油管、液體在井筒的三維空間內運動，并且三者的位移和受力相互耦合。因此以抽油機井機械運動系統的受力為切入點，充分考慮抽油桿柱、油管、液柱在三維空間的運動特性及三者之間的接觸力、摩擦力對系統機械運動的影響，把井口采集的地面示功圖作為輸入，而把井下泵示功圖作為輸出，通過建立和求解模型，便可獲得抽油機井產液量［17］。功圖量油原理，如圖1所示。

從圖1中可以看出，功圖法計產主要分為數據采集、地面示功圖轉換井下泵功圖、井下泵示功圖有效沖程識別、日產液量計算4個步驟。

第1步，數據采集。通過在抽油機井口設置載荷傳感器、位移傳感器、RTU（遠程終端單元），實現井口位移、載荷數據的全天候采集，并形成地面示功圖。

第2步，地面示功圖轉換井下泵功圖。全面考慮桿管柱軸向力、側向力、偏磨力、慣性力、庫侖摩擦力及法向力等的綜合作用，建立更加完善的有桿泵抽油系統抽油桿-油管-井液三維動力學模型，并全面分析計算井身壓力、溫度、氣液比、含水率剖面變化，得到較為準確的全井段阻尼系數，實現地面示功圖精準轉換井下泵示功圖。

第3步，井下泵示功圖有效沖程識別。應用工況診斷算法，首先識別抽油機井運行工況，對于抽油桿斷、卡泵、油管漏失、固定閥失靈、游動閥失靈、雙閥失靈、氣鎖、脫出泵筒等工況，直接得出當前抽油機井產液量為零。除上述工況以外的工況，應用有效沖程識別方法，確定泵筒內柱塞有效行程，具體識別過程如下：通過在泵示功圖精確找到游動閥開啟點PTO（UTO，FTO）、關閉點PTC（UTC，FTC）及固定閥開啟點PSO（USO，FSO）、關閉點PSC（USC，FSC），抽油機井上行時對應的有效沖程SPS為固定閥關閉點位移USO與固定閥開啟點位移USC之差。抽油機井下行時對應的有效沖程SPT為游動閥開啟點位移UTO與游動閥關閉點位移UTC之差。若抽油機井上行時對應的有效沖程SPS大于或等于抽油機井下行時對應的有效沖程SPT，則抽油機井有效沖程SP等于SPT；若抽油機井上行時對應的有效沖程SPS小于抽油機井下行時對應的有效沖程SPT，則抽油機井有效沖SP等于SPS。

第4步，日產液量計算。結合抽油機井生產參數，根據柱塞的有效行程計算泵的井下排液量，最后依據油層物性參數計算得到井口產液量。在實際計算過程中，分為2個環節。一是抽油機井第i張功圖折合1min產量計算。它與泵筒截面積、沖程、沖次成正比，與原油體積系數成反比，其詳細計算過程，見式（1）。

式中：N為抽油機井沖次，單位min?1；SPi為抽油機井第i張功圖的有效沖程，單位m；D為抽油機井泵徑，單位mm；BV為抽油機井體積系數，無量綱。

二是抽油機井日產液量計算。假設全天采集m張功圖，T1時刻采集第1張功圖，Ti時刻采集第i張功圖，Tm時刻采集第m張功圖，第i張功圖代表的是Ti+1?Ti時間段的產量。對應的全天日產液量計算，見式（2）。

式中：Qi為抽油機井第i張功圖每分鐘對應的產液量，單位m3/min；Ti為第i張功圖對應的采集時刻，單位min。

1.1.1邊緣計算功圖計產模式

邊緣計算是一種分布式計算模型，其核心思想是將數據處理和計算資源放置在接近數據產生源頭的邊緣設備、傳感器或用戶設備上，以提供更快速、實時的計算和數據分析能力。具體來說，邊緣計算是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求［18］。

邊緣計算涉及的核心技術主要包括應用域技術、數據域技術、網絡域技術等方面。其中應用域技術主要包括應用程序可編程技術和負載分配技術，滿足應用程序在邊緣端的部署去求，同時合理分配計算資源，確保邊緣計算高效運行；數據域技術主要包括數據聚合與互操作技術和數據分析與呈現技術，實現語義統一，構建統一信息模型架構，以兼容多種現存模型，實現數據跨廠商的互操作，同時適配數據分析模型，進行數據清洗、分析，并根據結果觸發業務響應策略，為應用域提供數據支持；網絡域技術主要包括海量聯接與自動化運維技術，滿足大規模聯接和自動化運維的需求，同時在網絡層面解決邊緣計算中的服務動態性、設備動態注冊與撤銷以及數據調度問題。此外，還有與邊緣計算密切相關的硬件技術，如ASIC芯片、FPGA芯片、GPU芯片和DSP芯片等，這些芯片在邊緣計算中發揮著重要作用，用于處理特定的算法或應用程序，提供高性能和靈活性［19］。

邊緣計算技術并沒有明確的分類標準，但可以根據不同的應用場景和技術特點進行劃分。例如，根據部署位置的不同，可以將邊緣計算分為移動設備邊緣計算、物聯網設備邊緣計算、網關邊緣計算等。此外，還可以根據處理任務的不同，將邊緣計算分為數據預處理、實時分析、智能決策等類型［20］。

邊緣計算技術具有4個顯著特點：①低延遲。邊緣計算將計算資源靠近數據源，減少了數據傳輸的時間，實現更低的延遲，特別適用于自動駕駛、虛擬現實等對實時性要求較高的場景。②高帶寬利用率。減少了不必要的數據傳輸，只在需要時傳輸結果，節省帶寬資源。③增強隱私和安全性。敏感數據在邊緣設備上處理，減少數據泄露風險，適合醫療健康等領域。④離線可用性。在斷網情況下仍能工作，保證應用的連續性和穩定性。⑤可擴展性和穩定性。支持大規模數據處理需求，提升系統穩定性和可靠性［21］。

抽油機井邊緣計算功圖計產模式是一種結合邊緣計算技術和功圖計產原理的油井產量計量方法。核心在于利用邊緣計算技術對抽油機井的示功圖數據進行分析和處理。系統整體架構如圖2所示。

從圖2中可以看出，抽油機井邊緣計算功圖計產模式主要分為兩大系統：一是邊緣計算系統。抽油機井通過井口高性能RTU實時采集載荷、位移、電參等傳感器數據，自動生成地面示功圖及功率圖等數據。并將工況診斷、功圖計產、指標計算、工藝優化等算法嵌入井口高性能RTU，進而實現抽油機井邊緣計算，就地便可獲得抽油機井運行工況、產液量、工藝指標等信息；而后，依托油田5G、光纖網絡，將邊緣計算結果實時回傳云平臺。二是云平臺系統，主要負責將邊緣端回傳的工況診斷、功圖計產、指標計算、工藝優化相關結果進行呈現及數據的存儲。

1.1.2云計算功圖計產模式

云計算技術是一種通過互聯網提供計算資源和服務的技術。通過整合大量計算資源（如服務器、存儲設備等），形成一個巨大的資源池，用戶可以根據需求，通過互聯網訪問這些資源，并按照使用量付費。云計算技術旨在通過網絡將多個成本相對較低的計算實體整合成一個具有強大計算能力的系統，并通過SaaS、PaaS、IaaS等先進的商業模式將這些計算能力分布到終端用戶手中［22］。

云計算主要核心技術包括虛擬化技術、分布式計算技術、資源彈性可伸縮技術。其中，虛擬化是云計算技術實現的核心基礎之一，通過將物理硬件抽象成多個邏輯資源（如虛擬機、容器等），實現資源的獨立運行、彼此隔離和動態分配［23］；分布式計算技術可支持處理海量數據和高并發任務，確保系統在大規模用戶請求下的高效運行，通過將計算任務分解并分布到多個節點上并行處理，提高計算效率［24］；彈性可伸縮技術將云計算資源按照用戶需求進行動態調整，實現資源的彈性擴展和收縮，滿足用戶在不同時間段內的資源需求變化，用戶只需為自己實際使用的計算資源和存儲空間付費，降低了成本，提高了資源利用率［25］。

云計算服務主要包括3種類型。IaaS（基礎設施即服務），提供計算、存儲、網絡等基礎設施服務［26］。用戶可以通過互聯網或專有網絡按需訪問這些資源，但無需實際擁有或維護物理設備。IaaS的主要特點包括：提供高度可擴展的虛擬基礎設施；用戶可以根據需求動態調整資源規模；IaaS服務提供商負責基礎設施的維護和管理，用戶無需關心底層硬件細節。PaaS（平臺即服務），構建在IaaS之上，提供運行、開發和部署應用程序的平臺［27］。PaaS抽象掉了基礎設施的復雜性，讓用戶只需關注應用程序的開發。SaaS（軟件即服務），直接向用戶提供完整的軟件服務［28］。用戶可以通過瀏覽器或客戶端直接訪問這些服務，無需關心底層硬件或軟件的維護。SaaS的主要特點包括：用戶可以通過互聯網直接使用應用程序，無需安裝和維護本地軟件；SaaS服務提供商負責應用程序的更新和維護，確保用戶始終獲得最新版本的功能和安全性；SaaS服務通常采用按需付費的商業模式，用戶可以根據實際需求選擇不同的服務套餐。這三種云計算服務并不是孤立的，它們相互聯動，形成一個完整的云計算生態系統。在這個生態系統中，IaaS提供基礎設施支持，PaaS提供應用開發平臺，而SaaS則提供最終的應用程序服務。用戶可以根據自己的需求和預算選擇合適的云計算服務模式，或者組合使用多種模式來滿足復雜的應用場景。

云計算技術廣泛應用于數據存儲、計算和管理等領域。例如，在企業領域，云計算可以用于搭建企業網站、運行企業應用程序、存儲和管理企業數據等；在教育領域，云計算可以用于提供在線教育平臺、教學資源共享和管理等；在政府領域，云計算可以用于構建電子政務平臺、提供公共服務等。此外，云計算還在金融、醫療、娛樂等領域發揮著重要作用。無論是個人用戶、企業還是政府機構，都越來越依賴云計算技術來提高效率和降低成本。云計算技術的優勢包括：提高資源利用率、降低IT成本、增強業務靈活性、提高數據安全性。

抽油機井云計算功圖計產模式是一種結合云計算技術和功圖計產原理的油井產量計量方法。核心在于利用云計算技術對抽油機井的示功圖數據進行分析和處理。系統整體架構如圖3所示。

從圖3中可以看出，抽油機井云計算功圖計產模式也分為兩大系統：一是油田傳感器及物聯網系統。對于抽油機井而言，通過井口RTU對載荷、位移、電參等傳感器數據進行實時采集，自動生成地面示功圖及功率圖等數據。而后直接將生成的地面示功圖及功率圖等數據通過光纖、5G等通信方式實時上傳云平臺。二是云計算平臺。主要包含IAAS、PAAS、SAAS三層服務，其中IAAS層為功圖計產系統提供虛擬服務器資源、數據存儲資源及網絡資源等服務，PAAS層為功圖計產系統提供操作系統、數據庫及開發工具等服務，SAAS層為功圖計產系統提供軟件部署及應用功能發布等服務。

1.2應用案例過程

經過研究，可以看出邊緣計算功圖計產模式和云計算功圖計產模式均能實現抽油機井在線計產功能，而且具有工況診斷、指標計算及工藝優化等功能，極大的方便了油田現場生產管理。為了進為了更加科學、客觀的評價兩種計產模式優劣勢，特開展現場應用試驗評價。

1.2.1試驗井的選擇

選取長慶油田抽油機井開展試驗，主要對比采樣頻次、處理效率、計產準確度等。其中計產準確度尤為重要，考慮到云計算功圖計產模式采樣間隔10min，用一張功圖的計產結果代表10min的產量，在有效沖程變化較大、出液波動的油井上有可能會導致較大的計產誤差。而邊緣計算功圖計產模式可以實現每一個沖次采集的示功圖計產，理論上計產誤差較小。因此，本次試驗選擇兩類油井：一類是出液平穩的油井，即采集示功圖的有效沖程變化較小，波動幅度在0～0.2m；另外一類是出液波動較大的油井，即采集示功圖的有效沖程變化較大。

除了上述出液情況是試驗井選擇的重要因素外，還有云端功圖采集張數也是一個重要影響因素，直接關乎云計算模式的功圖計產結果。實際生產中，功圖采集張數達到理論功圖采集張數的80%，認為功圖采集達標；功圖采集張數低于理論功圖采集張數的80%，認為功圖采集不達標。

因此，分別按照“云端功圖采集張數達標、出液相對平穩油井”“云端功圖采集張數達標、出液波動變化油井”“云端功圖采集張數不達標、出液相對平穩油井”“云端功圖采集張數不達標、出液波動變化油井”進行試驗井的選擇，試驗井選擇結果如下。

類別1（云端功圖采集張數達標、出液相對平穩油井）：Y46-5、H108-53。

類別2（云端功圖采集張數達標、出液波動變化油井）：X3-45、X74-77。

類別3（云端功圖采集張數不達標、出液相對平穩油井）：H116-51、H108-51。

類別4（云端功圖采集張數不達標、出液波動變化油井）：X71-79、H111-53。

1.2.2試驗流程設計

（1）邊緣端、云端采樣頻次對比分析評價。

第1步，根據試驗井全天邊緣端采集功圖張數，計算邊緣端采樣間隔。

第2步，根據試驗井全天云端采集功圖張數，確定云端采樣頻次。

通過上述評價，可以得出兩種功圖計產模式在采樣頻次方面的性能優劣。

（2）邊緣端、云端處理效率對比分析評價。

第1步，通過在邊緣端嵌入程序添加時間戳進行運行監控，確定邊緣端高性能RTU完成一次產量計算所耗時間。

第2步，通過在云端程序添加時間戳進行運行監控，確定云計算平臺完成一次產量計算所耗時間。

通過上述評價，可以得出兩種功圖計產模式在處理效率方面的性能優劣。

（3）邊緣端、云端功圖計產結果與人工單量結果對比分析評價。

第1步，將對應單量24小時的邊端、云端采集的示功圖進行折合日產液計算。

第2步，將云計算計產結果、邊緣計算計產結果、人工單量結果進行對比分析。

通過上述評價，一方面可以得出兩種功圖計產結果與人工單量結果的相對誤差，另一方面也可以看出云計算功圖計產結果與邊緣計算功圖計產結果的差異。

1.2.3試驗具體過程

（1）現場準備工作。為了能同步開展邊緣計算功圖計產試驗，需要對上述4類試驗井額外安裝處理性能強勁的井口RTU。開展數據調試上線工作，確保載荷傳感器、位移傳感器、電參傳感器數據精準采集，并在井口RTU內實現每一個沖次抽油機井示功圖和功率圖的自動生成與存儲。同時，在4類試驗井上安裝人工單量設備，便于開展邊緣計算功圖計產結果、云計算功圖計產結果與人工單量計產結果的分析比對工作。

（2）邊緣計算功圖計產。高性能井口RTU將抽油機井每一個沖次繪制的地面示功圖應用地面功圖轉泵功圖算法、工況診斷算法、有效沖程識別算法、功圖計產算法，獲得每一張功圖對應的有效沖程數據、產量數據，進而求得最終的功圖計產結果數據。其中，最終的功圖計產結果數據為每一張功圖對應產量數據之和。

（3）云計算功圖計產。將回傳云計算平臺將回傳云端的全部地面示功圖應用與邊緣計算功圖計產模式相同的算法，獲得每一張功圖對應的有效沖程數據、每1min產量數據，進而求得最終的功圖計產結果數據。具體計算方法按照式（1）、式（2）進行。

2結果現象討論

2.1計產準確度對比分析

（1）采樣頻次對比分析。對于邊緣計算功圖計產模式，實現了每一個沖次的功圖采集，其采樣頻次與抽油機井自身沖次保持一致，一般為2-6次/min。

對于云計算功圖計產模式，受限于功圖、功率圖等大體量數據傳輸，考慮云平臺網絡吞吐量，其采樣頻次基本為10min。

如H108-53油井，當采用云計算功圖計產模式時，間隔10min采集一張示功圖，全天采集144張功圖。采用邊緣計算功圖計產模式時，每一個沖次采集一張功圖，該井沖次為3.2次/min，全天采集4608張功圖，采樣頻次、功圖采集張數較云計算功圖計產模式提升32倍。因此，邊緣計算功圖計產模式較云計算功圖計產模式采樣頻次提升20-60倍。

（2）處理效率對比分析。對于邊緣計算功圖計產模式，高性能RTU完成工況診斷、功圖計產及工藝指標計算等全過程僅需1s。

對于云計算功圖計產模式，功圖數據從井口RTU采集至數據庫耗時10min。云計算功圖計產軟件從數據庫中提取功圖數據時間間隔設置為30min。云計算功圖計產軟件完成全部油井的最新一張采集功圖的分析處理耗時約20min。由此可得，云計算功圖計產模式的處理耗時約60min。

因此，邊緣計算功圖計產模式處理效率較云計算功圖計產模式提升近3600倍。

（3）邊緣端、云端功圖計產結果與人工單量結果對比分析。

將4類試驗井同一天的邊緣端、云端采集示功圖進行日產液計算，并與人工單量結果進行對比。如圖4所示。

從圖4中可以看出，類別1、類別3的4口油井均屬于出液平穩油井，云計算功圖計產結果、邊緣計算功圖計產結果與人工單量結果相對誤差較小，分別是2.37%，2.65%；類別2、類別4的4口油井均屬于出液波動變化油井，但對于類別2的兩口油井，云端功圖采集張數達標，此時云計算功圖計產結果、邊緣計算功圖計產結果與人工單量結果相對誤差較小，分別是6.95%，3.94%。但對于類別4的兩口油井，云端功圖采集張數不達標，此時云計算功圖計產結果與人工單量結果相對誤差較大，為18.42%，而邊緣計算功圖計產結果仍與人工單量結果保持一致，為4.37%。

為了進一步分析出現上述現象的具體原因，考慮到每日云計算功圖計產模式的示功圖采集張數較少，邊緣計算功圖計產模式的示功圖采集張數相對較多，且示功圖有效沖程直接關乎抽油機井日產液量，因此瞄準每日兩種模式采集全部示功圖的有效沖程，展開深入分析。在分析過程中，將有效沖程區間劃分為4個區間，分別是小于0.5m、大于等于0.5m且小于0.7m、大于等于0.7m且小于0.9m、大于等于0.9m，并將“云端功圖采集張數達標、出液相對平穩油井”，“云端功圖采集張數達標、出液波動變化油井”，“云端功圖采集張數不達標、出液相對平穩油井”，“云端功圖采集張數不達標、出液波動變化油井”4類試驗井不同有效沖程區間的示功圖采集張數占比進行統計分析，以此解釋4類試驗井功圖計產差異原因。經統計，云計算功圖計產模式、邊緣計算功圖計產模式的不同有效沖程區間示功圖采集張數占比，如表1所示。

從表1中可以看出，類別1、類別3的四口出液平穩油井，抽油機井有效沖程變化較小，因此在日產液量計算過程中，弱化了功圖采集張數的影響，云端功圖采集張數達標與否對計產結果影響并不大，因此，不論在云端計產還是在邊緣端計產，均能得到相對準確的計產結果；類別2、類別4的4口出液波動變化油井，不論是云端采集示功圖還是邊緣端采集示功圖，可以發現有效沖程變化較大，該類井強化了功圖采集張數對日產液量計算的影響。但從類別2的兩口油井可以看出，云端功圖采集張數達標，云端與邊緣端不同有效沖程區間的功圖采集張數占比相對接近，而有效沖程直接關乎計產結果，因此類別2兩口油井的云端、邊緣端的計產結果與人工單量結果相對誤差較小。但從類別4的兩口油井可以看出，云端功圖采集張數不達標，云端與邊緣端不同有效沖程區間的功圖采集張數占比存在明顯差異，正是這種差異，導致了類別4兩口油井的云端計產結果與人工單量結果、邊緣端計產結果相對誤差較大。

通過上述試驗可以得出，對于邊緣計算功圖計產模式，因不受網絡傳輸影響，因此不論在什么情況下，均能保持較高的計產符合率、采樣頻次及處理效率。對于云計算功圖計產模式，當抽油機井出液平穩，不論其采集張數是否達標，其計產結果始終與人工單量結果保持一致；當抽油機井出液波動變化，若功圖采集張數達標，其計產結果與人工單量結果保持一致，若功圖采集張數不達標，此時其計產結果與人工單量結果存在較大誤差。為了評價在5G、光纖網絡傳輸條件下的云計算功圖計產模式的適應性，對5萬口油井的云端功圖采集張數進行分析，發現功圖采集張數達標率達到99%，僅有1%的油井功圖采集張數較少。因此，云計算功圖計產模式的計產符合率也非常高，完全滿足現場應用需求。

但在應用過程中發現邊緣計算功圖計產模式存在兩大劣勢：一是抽油機井加裝高性能RTU，硬件成本顯著增加；二是系統運維管理難度增大，問題排查及算法維護極不方便。而云計算功圖計產模式，在滿足計量準確性的要求下，還可以實現數據的共享和集中管理，方便決策者對油井生產情況進行宏觀控制和決策。

綜上所述，抽油機井云計算功圖計產模式是一種高效、準確、通用的油井產量計量方法，對于提高油田生產效率和管理水平具有重要意義。

2.2投資回報率對比分析

投資回報率（ReturnOnInvestment，簡稱ROI），是指通過投資而應返回的價值，是衡量投資收益與成本之間關系的關鍵指標，也即利潤與投入的比值［29］。下面以5萬口油井為分析對象，約12500座井場，按照運行3年進行投資回報率計算。

（1）云計算功圖計產模式投資回報率計算。抽油機井云計算功圖計產模式的建設投入分析涉及多個方面，包括基礎設施建設、技術研發投入、運營成本等。以下是對該模式建設投入的具體分析，如圖5所示。

從圖5中可以看出，云計算功圖計產模式投入部分主要包括基礎設施建設投入、技術研發投入、運營投入。具體測算內容包括以下3個方面。

①在基礎設施建設投入方面。主要包括抽油機井數字化、傳輸網絡建設以及云計算數據中心建設。對于抽油機井數字化建設，因采用云計算建設模式，對RTU性能要求并不高，單井數字化建設費用約1.5萬元，5萬口油井數字化建設費用約75000萬元；對于傳輸網絡建設，假設所有井組均鋪設光纜，井組與站點的平均距離約5km，光纜建設費用每公里約3萬元，12500個井組光纜建設費用約187500萬元；對于云計算中心建設，按照抽油機井云計算規模，預估費用150萬元。以上共262650萬元。

②在技術研發投入方面。主要包括數據庫搭建、核心算法設計以及應用功能開發，按照抽油機井云計算功圖計產系統的功能點進行初步測算，預估技術研發投入在800萬元。

③在運營投入方面。主要包括抽油機井數字化運維、光纖運維、云計算中心運維。對于抽油機井數字化運維，由于前端硬件相對簡單，單井數字化運維費用每年約0.20萬元，3年的數字化運維費用約30000萬元；對于光纖運維，傳輸穩定可靠，每公里的年運維費用約0.04萬元，3年的光纜運維費用約7500萬元；對于云計算中心運維，云計算硬件設施每年運維費用約5萬元，功圖計產軟件系統每年維護費用約30萬元，3年共計約105萬元。共計37605萬元。綜上，抽油機井云計算功圖計產模式3年共計投入301055萬元。

云計算功圖計產模式的收益主要包括代替人工巡井、降低產量影響、代替計量設施建設、代替工藝指標人工測試、抽油機井生產制度優化、盤活用工等方面產生的經濟效益。具體測算內容包括以下6個方面。

①實現電子巡井，代替人工巡檢，節約人工巡檢費用。每個井組每年巡檢52次，每個井組每次巡檢費用約200元，3年共計節約費用39000萬元。

②躺井工況提前3天發現，及時安排上修，減少產量影響。修井作業頻次為每井次每年約0.45次，單井日產油量1t，原油價格每桶$80美元，3年共計節約費用80747.28萬元。

③實現功圖計產，節約計量設施建設費用。計量設施費用每臺約12萬元，每個井組需布置1臺，共計節約建設費用150000萬元。

④系統效率、能耗等工藝指標自動分析計算，節約人工測試費用。測試頻次每口井每年約12次，測試費用每口井每次約600元，3年共計節約108000萬元。

⑥盤活勞動用工，節約人力資源費用。盤活用工每口井每年約0.02人，工資按照每人每年15萬元，3年共計節約費用45000萬元。

綜上，抽油機井云計算功圖計產模式3年共計產生效益452312萬元。由此可計算得到，抽油機井云計算功圖計產模式的投資回報率為0.5。

（2）邊緣計算功圖計產模式投資回報率計算。抽油機井邊緣計算功圖計產模式的建設投入分析也涉及多個方面，以下是對該模式建設投入的具體分析，如圖6所示。

從圖6中可以看出，邊緣計算功圖計產模式投入部分同樣包括基礎設施建設投入、技術研發投入、運營投入。具體測算內容包括3個方面。

①基礎設施建設投入。主要包括抽油機井數字化、傳輸網絡建設以及云計算數據中心建設。對于抽油機井數字化建設，因采用邊緣計算建設模式，對RTU性能要求較高，單井數字化建設費用約3萬元，5萬口油井數字化建設費用約150000萬元；對于傳輸網絡建設，假設所有井組均鋪設光纜，井組與站點的平均距離約5km，光纜建設費用按每公里3萬元，12500個井組光纜建設費用約187500萬元；對于云計算中心建設，因將核心算法遷移至井口RTU，云計算所需資源大幅下降，預估建設費用75萬元。以上共337575萬元。

②技術研發投入。主要包括云端、邊緣端數據庫搭建、核心算法設計以及應用功能開發，按照抽油機井邊緣計算功圖計產系統的功能點進行初步測算，預估技術研發投入在1000萬元。

③運營投入。主要包括抽油機井數字化運維、光纖運維、云計算中心運維。對于抽油機井數字化運維，由于前端硬件功能強大，設備費用高且運維復雜度提升，單井數字化運維費用每年約0.4萬元，3年的數字化運維費用約60000萬元；對于光纖運維，傳輸穩定可靠，運維費用每公里每年約0.04萬元，3年的光纜運維費用約7500萬元；對于云計算中心運維，云計算硬件設施運維每年費用約5萬元，功圖計產軟件系統維護每年費用約30萬元，3年共計約105萬元。以上共67605萬元。綜上，抽油機井邊緣計算功圖計產模式3年共計投入406180萬元。

抽油機井邊緣計算功圖計產模式的收益同云計算功圖計產模式基本一致，3年共計產生效益452312.28萬元。由此可計算得到，抽油機井邊緣計算功圖計產模式的投資回報率為0.11。

（3）云計算功圖計產系統與邊緣計算功圖計產系統投資回報率分析。從上面來看，云計算功圖計產模式前端硬件簡單，建設成本及運行維護成本相對較低，3年投資回報率高達0.5；而對于邊緣計算功圖計產模式，前端硬件復雜，建設成本及運行維護成本相應大幅增加，3年投資回報率為0.11。由此可見，云計算功圖計產模式投資回報率較邊緣計算功圖計產模式提高3.5倍。

3結論建議

（1）通過將云計算功圖計產模式與邊緣計算功圖計產模式分別在不同類型抽油機井上開展試驗，可以看出：云計算功圖計產模式具有較高的計產符合率、投資回報率，在代替人工巡井、降低產量影響、代替計量設施建設、代替工藝指標人工測試、抽油機井生產制度優化、盤活勞動用工等方面均有巨大作用，對抽油機井日常生產管理意義重大，助推了油井管理方式轉變、現場安全管理水平和企業管理效率提升，對從事采油工藝現場管理、技術研究和油田數字化、智能化建設工作的技術人員具有較強針對性和實踐意義。該模式不僅有效解決了長慶油田“少人多井”狀況下的抽油機井高效智能生產難題，也為國內油田抽油機井智能生產、機械采油數智轉型指明了方向。

（2）在應用云計算功圖計產模式時，通過對云端功圖采集張數不達標的油井進行分析，發現功圖丟失主要發生在井口RTU至井場RTU的無線通信鏈路上，當1臺井場RTU負責轉發8臺及以上井口RTU的采集功圖數據時，云端經常會出現功圖采集張數不達標現象。同時，井口RTU與井場RTU之間的直線距離超過80m，或當井口RTU、井場RTU的天線出現破損現象時，也會導致云端功圖采集張數不達標。鑒于上述情況，建議在抽油機井數字化建設時，一定注意井場RTU對應的井口RTU數量及安裝位置，并在后期運維過程中，定期檢查井口RTU、井場RTU天線狀況。

（3）在兩種計產模式對比分析過程中，忽略了抽油機井生產制度優化的對比分析。可以看出：云計算功圖計產模式在用于抽油機井生產制度優化時，采用“大閉環”控制方式，即通過在云端分析得出抽油機井最佳生產制度，然后通過物聯網下發至井口RTU執行。而邊緣計算功圖計產模式在用于抽油機井生產制度優化時，采用“小閉環”控制方式，即通過在井口RTU內分析計算得出抽油機井最佳生產制度，然后就地實現抽油機井變頻調速和間抽控制。對比上述兩種生產制度優化方式，邊緣計算功圖計產模式的生產制度優化方式更加穩定可靠。為了提升云計算功圖計產模式的生產制度優化穩定性，下部需要建立可靠的“握手”機制，確保生產制度能夠順利從云端直達井口RTU。