基于Redis的油氣大數據智能預警軟件研發與應用

邴紹強

[摘 要]近年來，油田企業大力推進油氣生產信息化建設，采油（氣）、注水、集輸等實時生產數據為提高油氣生產管控能力提供了有效支撐。目前，地面油氣生產過程異常分析主要以單參數、單點的報警為主，報警量大、問題不具體，海量實數據沒有得到很好挖掘利用，油井異常問題的實時分析、事前預警相對較弱。依托油氣生產信息化采集的實時數據，結合現有生產業務模型，對采集數據進一步挖掘分析，搭建生產智能預警大數據分析系統，形成完整的生產預警體系，為推動油田精細化管理、降本增效提供輔助支撐。

[關鍵詞]油氣生產;實時數據;預警模型

doi：10.3969/j.issn.1673 - 0194.2020.10.047

[中圖分類號]TP311.13[文獻標識碼]A[文章編號]1673-0194（2020）10-00-02

1? ? ?基于Redis的油氣大數據智能預警軟件概述

1.1? ?油氣生產信息化建設

油氣生產信息化建設實現了油水井、注水站、聯合站等運行參數的實時自動采集，積累了海量的實時數據，每一個數據變化往往隱含了問題“量變到質變”的趨勢和程度，利用大數據技術對這些數據進行深入挖掘，預警問題隱患，指導技術人員及時采取預防性措施，為油田采油生產管理創造極大的價值。

1.2? ?生產現場報警預警體系

目前，現場生產分析方面，只覆蓋油井油壓、套壓、溫度、功圖等單參數閾值超限報警及簡單的波動預警，結合油田生產現場全過程管理的業務需要，缺少面向采油、注水、集輸系統全節點預警管理。油井停井、線路停電等生產事件發生后，各項生產指標出現重復、頻繁報警問題，處置工作量大，現場生產管控工作重復。需要依托現有生產信息化成果，結合現有生產業務模型，研發油氣大數據智能預警軟件，進一步挖掘分析采集數據，形成完整的生產趨勢預警體系，提高生產精準管控能力。

1.3? ?基于Redis的高并發數據處理體系

Redis是一個高性能Key-Value數據庫。數據可以從主服務器向任意數量的從服務器傳輸，從服務器可以是關聯其他從服務器的主服務器。Redis使從數據庫在任何地方同步時，可訂閱一個頻道并接收主服務器完整的消息發布記錄，為處理、計算、存儲高吞吐、高并發的油氣田生產現場實時數據提供了解決方案。

2? ? ?基于Redis的油氣大數據智能預警軟件系統架構設計

組合預警工具架構采用四層設計體系，分別包括基礎資源層、數據采集層、數據處理層及業務模塊層（圖1）。其中，核心技術組件Redis處于數據處理層。Redis主要完成油氣生產信息化采集分鐘級電參數、溫度、壓力參數的實時檢查、計算、匯總等工作。通過高吞吐、高并發的實時計算及數據推送，采用列式元數據存儲設計提高計算效率，完成預警規則解析、指標元數據存儲、內存模型計算。為了保證預警模型高效運行，需要按照用戶可能的預警需要，將實時數據處理成不同粒度，如5分鐘、10分鐘、15分鐘、20分鐘、30分鐘等。數據處理的結果支持用戶在預警設置頁面按照工藝模型提取應用。

3? ? ?智能組合預警工具業務功能

組合預警工具業務功能由模型設置、模型復制、模型推演、預警信息推送及處置4部分組成。

3.1? ?預警模型設置

提供面向油氣生產現場井、站庫、設備設施等生產對象的預警設置功能，支持自定義預警名稱、選擇具體預警對象、選擇具體參預參數、預設參預條件，預設各個參預條件之間的組合邏輯，對預設的模型進行歷史推演等操作。參預條件設置時可選擇趨勢（持續上升、持續下降、趨勢上升、趨勢下降）、閾值（超上限、超下限）兩種判斷邏輯，設置判斷執行的周期間隔等，如圖2所示。

3.2? ?預警模型復制

在預警設置頁面，支持用戶將完成預設的預警模型，批量復用到同類業務對象并個性化調整，實現批量設置和一“井”一策。

3.3? ?預警模型推演

為保證預警模型設置合理有效，強化現有預警模型歷史推演功能，以歷史真實生產事件和歷史數據對模型進行反算驗證和調整。

3.4? ?預警信息推送及處置

依托系統消息中心，根據油氣生產現場崗位設置，采用短信、移動終端、生產指揮系統聲音提示等方式實現預警信息的推送功能。系統產生的預警信息，各崗位工作人員需根據處置要求，完成預警相關生產設施參數及視頻巡檢排查，及時消除預警，確保生產平穩運行。

4? ? ?基于Redis的油氣大數據智能預警軟件系統的應用案例

4.1? ?油井結蠟預警模型

該模型用于判斷單井的井筒結蠟，使用最大載荷持續上升、最小載荷持續下降、功圖面積持續上升、載荷差持續上升4個預設規則，判斷周期分別設置為5個小時。利用該模型可有效避免因油井結蠟造成的躺井事件。

4.2? ?管線凍堵預警模型

管線凍堵預警模型用于判斷單井管線可能發生的凍堵情況，利用井口回壓超出閾值、上行電流呈現上升趨勢、最大載荷呈現上升趨勢3個預設規則，判斷周期分別設置為30分鐘和2小時。利用該模型可及時發現管線凍堵，避免管網穿孔。

5? ? ?基于Redis的油氣大數據智能預警軟件系統的應用結論

基于Redis的油氣大數據智能預警軟件系統已在勝利油田各采油管理區推廣應用，技術人員利用智能組合預警工具設置預警管理模型，解決生產現場實際問題。截至2019年12月，已積累皮帶打滑、供液不足、油井結蠟、水嘴刺大、水表卡、水表堵、管線凍堵、集油管線泄漏和油井結蠟等50多類預警模型，改變了傳統的單參數報警、事后處置模式，為技術人員提供了數據關聯變化規律挖掘和建模分析工具，解決生產信息化條件下“一井一策、一設備一指標”的預警式管理問題，指導技術人員超前采取預防性措施、將問題消除在萌芽狀態，最大限度地避免損失、降低生產成本。該軟件工具形成的智能化預警方法，適用于常規油氣田生產現場，具有廣泛推廣應用價值。

主要參考文獻

[1]曾超宇，李金香.Redis在高速緩存系統中的應用[J].微型機與應用，2013（12）：11-13.

[2]張婷，孫鳳文.淺述Redis在高速緩存系統中的應用[J].科學與信息化，2019（8）：43.

[3]王景佩.基于Redis的結構化數據緩存系統的設計與實現[D].武漢：華中科技大學，2016.

[4]詹利群，程海林，任曉煒.Redis緩存技術在自動氣象站資料調用中的優化應用[J].計算機系統應用，2019（5）：77-83.

[5]胡宇舟，范濱，顧學道，等.基于Storm的云計算在自動清分系統中的實時數據處理應用[J].計算機應用，2014（1）：96-99.

[6]高哲，翁祖泉.基于物聯網海量數據處理的實時數據庫應用研究[J].中國集成電路，2013（11）：62-66.