從數字油田到智慧油田——大數據技術在油氣生產領域的應用探討

北京安控科技股份有限公司 封帆

從數字油田到智慧油田——大數據技術在油氣生產領域的應用探討

北京安控科技股份有限公司 封帆

北京安控科技股份有限公司（簡稱“安控科技”）創建于1998年。作為以自動化、信息化技術為核心的智慧產業解決方案運營商和產品提供商，在自動化、油氣服務、智慧產業等業務領域提供自主產品及解決方案，持續推動科技創新、產業運營方式的改變。

安控科技十余年來，在智慧油氣田、數字化油氣田上做了廣泛和深入的探索和嘗試，對油氣田客戶需求有深刻理解，積累了豐富的行業經驗和成功的應用案例。其油氣行業產品在國內第一個百萬噸級沙漠整裝自動化油田－彩南油田成功替代進口產品應用，承擔第一個億噸級儲量的沙漠整裝油氣田－陸梁油氣田自動化系統建設項目。在國內率先開展研究并實施數字化油氣田管理和建設模式，提出了第一套國產油氣田自動化整體解決方案并實現其產品化，填補了我國在該領域的空白。

憑借諸多行業優勢，安控科技“互聯網+智慧油氣田”網絡化關鍵技術北京市工程實驗室正式通過北京市發展和改革委員會組織的專家評審和公示，獲得2015年度北京市工程實驗室資格認定。該工程實驗室，將聯合科研機構、高等院校、能源企業，著力搭建產學研用聯合研發平臺，加強協同創新，通過對油氣田生產領域關鍵技術的研究，以提升公司自身技術研發能力和綜合競爭力，在智慧油氣行業建設中發揮積極作用，進一步提升我國油氣田生產效率和安全防范水平。

本文將具體闡述安控科技如何助力用戶實現從數字油田到智慧油田的升級，并以大數據為基礎，探討該技術在油氣生產領域的應用。

1　從數字油田到智慧油田

（1）智慧油田

從數字油田到智慧油田，在海量數據的基礎上，如何將數據轉變為知識？從甲骨文公司發表的企業大數據成熟度模型可以看出，下一步的發展方向是基于數據進行挖掘與分析，發現數據之間的規律，預測可能發生的事情，從而指導生產決策與執行。安控科技認為，數據應用發展到數據變現和模式創新階段，就是智慧油田。

圖1　企業大數據成熟度模型

（2）智慧油田定義

? 能全面感知的油氣田：更先進的物聯技術（RFID）、通訊方式（Wireless-HART）；

? 能全面操控的油氣田：更全面的自動化系統及執行機構（變頻器、執行機構等）；

? 能預測趨勢的油氣田：基于預測分析提升資產可靠性、可用性（大數據做支撐）；

? 能優化決策的油氣田：提升可視化、數據挖掘分析，促進及時決策。

（3）智慧油田解決方案

智慧油田是具有全面感知、能夠智能調度、能夠自動操控、能夠智能優化決策的油田。

從圖2可見，智慧油田的架構與數字油田的主要區別在于分析與決策。實現智慧油氣田的關鍵在數據采集與監測的基礎上，匯總油田已有的生產數據，應用數據挖掘技術，進行油田生產規律分析。

圖2　智慧油田架構

2　已采用的數據挖掘與分析技術

在過去的一年多時間里，安控科技積極展開數據挖掘技術的研究，主要分為如下7個方面：

（1）二維可視技術

? 曲線圖：包括時間與指標，指標與指標的關系，主要展示了指標的一般趨勢，同時也可以發現異常情況，也是油田最常見，最常用的圖形。

? 產量疊加圖：主要是將產量根據不同研究需要，將產量進行不同劈分，從而得到不同類型產量對總產量的貢獻。

? 柱狀圖：主要是指標按照時間順序，或者歸類順序進行展示，從而直觀認識數據差異性。

? 剖面圖：將分析對象（井）的屬性（如：含油氣性）按照剖面形式展開，再與縱向上的其他屬性進行疊合就可以得到。

? 宏觀控制圖：通過以流壓等指標為橫坐標，以泵效為橫坐標，將整個圖形區域劃分若干區域（制定合理的劃分區域需要采油工程師經驗結合采油工程理論制定），然后將油井分為若干類（如：合理，斷脫漏失）。本質上是油井聚類分析。

? 節點分析圖：將對象分別按流入和流出進行流動方程求解，得到兩組相交的曲線，該交點就是協調生產。

? 圖版：將產量數據經過一定數學變換后，投影到預測圖版上，需找最匹配的曲線從而獲得合理的描述產量變化的參數，或者是將產量投影到圖版上，通過與理論值比較，用以評價實際生產情況。

（2）三維可視技術

通過將采集到的數據與專業分析軟件進行結合，可以從3D可視化角度，詳盡地了解油田生產的變化情況。

? 數字模擬模型：主要是一組偏微分方程，將測試得到的離散數據，折算為地下流場數據。利用三維可視化技術，可以任意切片，詳盡地展示某種屬性（如飽和度）的變化情況。

圖3　數字模擬模型

? 井組柵狀圖：主要將剖面的信息通過三維的方式展示，更加形象地展示井與井之間的關聯關系。

圖4　井組柵狀圖

（3）數理統計

為了分析監測到的各個指標之間的關系，采用數理統計技術，分析對象與質變之間的相關性，進行對比與統計。

? 多對象單指標的對比與統計，如圖5所示。

圖5　多對象單指標的對比（預警圖）

? 單對象多指標相關性分析，如圖6所示。

? 多對象多指標的對比與統計，如圖7所示。

（4）時間序列預測

結合油田分析專業技術，可以將監測數據展示為時間序列的模型，從而可以擬合得到梳理模型，可以預測隨時間的變化規律。通過對油田現場油產量數據特點（如：遞減，“S”型，有最大值等）結合油藏工程基本原理，推導的數理模型，如圖8-圖10所示。

圖6　單對象多指標的對比（綜合對比圖）

圖7　多對象多指標的統計

圖8　Arps模型

圖9　數學模型

圖10　 水驅模型

（5）關聯關系

“注采連通分析”是應用大數據分析的一個典型例子。油井與水井的連通關系是油田生產管理一個非常關心的問題，也是無法用常規方法解決的問題。通過多元回歸，利用數學方法分析油井產量與水井注水量的相關關系，最終可以得到油井和水井的相關系數。

同樣，也可以擬合出日產油量與含水接近直線的關系，有可能與油田工程師感性的認識不完全一致。

? 注采連通分析：主要通過多元回歸得到油井產量與水井注水量的相關關系，從而判斷油井與水井的連通關系，如圖11所示。

圖11　注采連通分析

? 指標與影響因素關系：主要通過線性、非線性（如指數）、一元的、多元的（多元回歸，灰色關聯）充分挖掘尋找影響指標的關鍵因素，應用如日指標與含水，增油量與地質參數等，如圖12所示。

圖12　日產油與含水

（6）模式識別

“功圖診斷”技術是用神經網絡方法自動判斷油井生產情況。主要利用神經網絡對一組典型的功圖數據進行學習，然后利用神經網絡進行診斷。還有一種快速診斷生產情況的方法，就是根據事先定制好的分類規則，對油井生產狀況進行聚類。

目前主要應用于生產情況的幾類實時診斷：

? 功圖診斷：通過學習一組已有的功圖數據，來判斷測試集功圖歸類。從而根據新功圖的特征點，判斷生產情況，如圖13所示。

圖13　功圖診斷

? 電潛泵井的生產故障診斷：主要利用神經網絡對一組典型的電流卡等進行學習，然后利用神經網絡進行診斷，如圖14所示。

圖14　生產診斷

? 宏觀控制圖：主要是根據事先定制好的分類規則，對油井生產狀況進行聚類，如圖15所示。

圖15　宏觀控制圖

（7）模糊綜合評價

模糊綜合評價技術目前主要是對多種方法的優選，對潛力井、潛力層的篩選。

? 防砂方法優選：綜合考慮油藏地質、生產、完井等因素，采用多級模糊評判對各類防砂方法作出技術評價以及經濟對比，最后確定技術可行、經濟合算的最佳防砂方法。

? 調剖潛力井、潛力層篩選：綜合考慮潛力井，潛力層的各項指標，判斷潛力井，潛力層是否適合調剖。

3　進一步應用設想

通過以上采取的方法，安控科技在油田生產認識上已經建立了一套初步的數據分析模型，可以基于監測的數據，認識油氣生產規律，指導生產管理。但對大數據技術的應用還在探索過程中，我們已經做到的第一步主要是結合石油專業方法，充分挖掘數據之間的規律。

進一步應用的設想：

（1）數據云平臺

目前的分析還集中在生產數據的基礎上，還未結合采購、物流、財務、人力等經營數據。需要將企業的數據資產整合成數據云平臺，在此基礎上挖掘數據之間更多的規律。

（2）大數據計算模式

在未來面對海量數據，需要引入更多的大數據計算模式，比如MapReduce、HANA、SPARK等。

（3）與行業軟件的結合

在發現數據之間規律的基礎上，借助行業軟件進行模擬分析與多目標優化，從而實現智慧油田的優化決策。

（文章整理自封帆在2016年6月25日“互聯網+工業大數據暨工控安全產業發展2016高峰論壇”上的報告）

封帆（1984-），男，湖北十堰人，中級職稱，碩士研究生學歷，畢業于三峽大學，現任北京安控科技股份有限公司工程項目中心副總經理，主要研究方向為油田自動化、SCADA及通信系統、RTU/PLC設計、管道自動化系統，參與完成過多個大型油氣田數字化系統集成項目。