海上油田群結構化數據智能分析與應用

彭遠志，鄭樹偉

（中海石油（中國）有限公司湛江分公司，廣東湛江524057）

1 油田群信息化建設現狀與趨勢

21世紀是信息技術快速發展的時代，油田的建設也應該向著智能化的方向發展。智能油田實際上是數字化油田發展的一種高級形態，是未來油田發展的必然趨勢，數字油田的建設實現了生產經營活動繁雜統計工作的自動化、標準化，這個過程是一個知識的應用過程，而智能油田則可以實現利用計算機以及相關的智能設備來代替人腦進行分析和總結，在這個過程中智能設備實現了信息的創造以及共享。智能油田正在逐步向著實現油田一體化、協同化、實時化、可視化、共享化等方向發展[1]。

美國管理信息系統專家諾蘭將信息系統進化劃分為初始階段、擴展階段、控制階段、統一階段、數據管理階段、成熟階段共6 個階段。中國海油建設了多個管理與應用系統，包括勘探類信息管理系統、開發生產信息系統、財務系統等，覆蓋到了公司業務的方方面面。近年，中國海油成功實施了目的為整合信息系統的數據資源A2 項目，從諾蘭模型的角度看，無疑中國海油的信息化系統已處在高級階段[2]。

2 結構化數據智能分析與應用

智能油田集勘探、開發、采油、修井于一體，信息管理技術不僅是數據采集，海量數據的準確傳輸和處理也是關鍵，尤其是結構化數據，是智能油田建設的基礎，廣泛應用于指導油田勘探、生產、管理決策和電子商務等環節[3]。

某海上油田群開發將近三十年，共計25 座平臺，近300口油井，點多面廣，陸地管理人員通過信息管理技術的提升，不斷開發結構化數據的智能分析與應用，為油田高效開發和產量任務完成提供保障。

2.1 油井智能預警

油井是產量的根基，生產時率是產量的保障，電潛泵井在油井中的占比約為90%，電潛泵舉升是保基產、促增產的重要手段，電潛泵井管理質量直接影響年度產量。傳統的油井管理基于參數變化幅度和經驗門限進行報警，故障覆蓋率低，油田發現問題后反饋至生產部，技術人員再介入，時間滯后。另外，隨著油田陸續開發，機采井逐年增多，井筒及地面設施逐漸老化，故障概率增加，人員配置日顯不足。

針對上述問題，團隊開發出一套高覆蓋、高時效、智能化預警功能模塊，利用結構化的數據通過科技系統實現智能化管理。

第一步，常規電潛泵井判異模式為單純門限閾值，團隊在此基礎上建立了基于SPC（Statistical Process Control 一種借助數理統計方法的過程控制工具）的單參數預警模型，在國標GB/T 4901—2001《常規控制圖》常用的10種判異準則下，可以識別參數7種狀態，通過優化判異準則，擴展出13類故障類型，提高參數的預警時效與覆蓋率。

第二步，基于決策樹的故障診斷模型，從單參數預警判異到多參數組合模型對電潛泵井故障診斷，“電潛泵井故障診斷技術”為決策樹的建立奠定基礎。基于海油實踐、參考同行經驗，根據具體油田的井史資料，確定不同故障的敏感參數，提煉出每個故障類型對應的多條敏感參數的組合與權值。最終形成對應12個故障類型的416個決策樹模型，見圖1。

圖1 電潛泵故障類型對應的決策樹模型

系統已投入使用多年，預警覆蓋率100%，同時，通過預警系統大幅減少動態分析、自主故障排查、多部門故障會診、修井資源協調時間，每井次平均節約時效27天，年生產時率提升1%，年經濟效益近千萬元。

2.2 計量監測與修正

油田群點多面廣，不同時期、不同模式開發的平臺計量器具配置不同，出現某級計量器具缺失、混相計量精度低、產量上報方式不統一等問題，最終導致油田真實產量不清楚，單井核實系數低。

受海上平臺空間和費用限制，無法簡單地通過新增流量計方式配齊各級流量計，同時受技術限制，目前也無法找到精度更高的混相流量計。為此，短期只能依靠科技管理手段緩解矛盾。

計量分為單井、平臺、油田和油田群共4 級，油田群進儲罐后商業計量的銷售數據為最終核實產量，在目前計量器具配置情況下，采用以下方式建立了計量監測與動態修正手段。

第一步，通過關鍵數據傳輸建設實現了流量計數據動態監測，各級流量計累計液量和含水數據上線，用于每日監測各油田不同級別流量計上報的差異，指導工作優化方向。

第二步，通過每個油田停產時段終端進罐量差異，確定每個油田的產量并確定該油田級流量計產量上報系數，油田級流量計缺失的油田則采用二次修正系數的方式上報產量。

第三步，通過每個平臺停產時段油田流量計數據差異，確定每個平臺的產量并確定該平臺級流量計上報系數，平臺級流量計缺失的平臺則采用二次修正系數的方式上報產量。

第四步，根據平臺產量與單井流量計數據差異，重新標定單井流量計，最終實現單井核實系數接近1。

按此4 個步驟反復循環，閉合管理，實現計量監測與動態修正。

通過計量監測與修正功能模塊開發實現了對計量結構化數據的有效應用，實現了計量監測與修正，緩解了油田真實產量不清楚，單井核實系數低給油藏開發研究造成的困難。

2.3 智能注水管理

油田群注水油田生產井多、工藝復雜，并且面臨著老油田已全面進入中高含水期等問題，仍靠現有的人員配置線下進行資料處理、動態跟蹤、調配方案編制、考核評價等工作較為困難，工作效率和管理水平低下。

針對上述問題，團隊以開發生產信息系統等已有數據庫為數據源頭，在開發生產信息系統架構下搭建海上油田智能注水管理模塊。整合注采井相關數據、資料及成果，實現數據共享、高效利用及深度挖掘；實時對油水井生產動態、開發效果等進行預測預警和動態評價，及時發現注采矛盾；基于注采連通關系、注水井劈分系數等已有成果，考慮對相鄰油井的影響分析，自動計算最優注水調配方案，指導生產優化；同時滿足管理上對注水效果跟蹤評價、措施工作量跟蹤統計、年度注水任務跟蹤考核等相關統計圖表的輸出需求，提高注水油田管理水平。

通過智能注水管理功能開發實現了對注水系統結構化數據的有效應用，實現油藏、測試、工藝、地面、作業等業務數據/資料規范管理及信息融合共享，通過對油水井生產動態監測、開發指標預測預警和動態評價，及時發現生產問題與注采矛盾，基于注采連通關系、注水井劈分系數等已有成果，考慮對相鄰油井的影響分析，自動計算最優注水調配方案，指導生產優化，同時滿足管理上對注水效果跟蹤評價、措施工作量跟蹤統計、年度注水任務跟蹤考核等統計圖表的輸出需求，從而實現海上油田精細注水、高效注水的目的。

2.4 化學藥劑智能監控

化學藥劑是海上油田重要生產物料，由于其運輸和使用時間較長，采購和出入庫存在較大的時間差，不便于精細管理。另外，各化學藥劑供應商包裝和規格不一致、補充化學藥劑手段落后、化學藥劑注入泵排量不穩定和化學藥劑流量計缺失，最終導致化學藥劑損耗多，理論注入量和實際注入量存在差異。

針對上述問題，團隊以開發生產信息系統等已有數據庫為數據源頭，在開發生產信息系統架構下開發化學藥劑智能監控功能模塊，利用現有各類系統，采用以下方式建立了化學藥劑監測與動態手段，實現化學藥劑全生命周期監控。

第一步，通過通訊傳輸協議將MAXIMO 系統和SAP系統的化學藥劑采購、出庫、入庫等信息傳輸至開發生產信息系統，與開發生產信息系統添加量、實際消耗量、理論消耗量等信息進行匯總、組合。

第二步，設定采購合理指數、庫存管理指數、產品質量指數、操作精細指數4個關鍵指數，計算公式分別為：采購合理指數＝采購量/添加量；庫存管理指數＝出庫量/添加量；產品質量指數＝消耗量/添加量；操作精細指數＝添加量/理論量。

第三步，通過監測4 個關鍵指數的月度和年度數據，再進行橫向各油田指數對比，找到問題及優化方向。化學藥劑監測統計見表1。

由表1可見，A-A平臺采購指數高，庫存不規范；A-B 平臺3 號藥劑加注過量，存在操作不當；A-C 平臺化學藥劑包裝量或添加存在問題；B-A 平臺5號藥劑加注濃度不足。

最終，實施化學藥劑智能監控系統后，油田可直觀了解到化學藥劑采購、庫存、操作某個環節存在的問題，A-A 平臺庫存周轉天數從6 個月下降至2 個月，A-B 平臺3 號藥劑年消耗量從300 m3下降至200 m3，A-C 平臺4 號藥劑包裝缺陷問題得到反饋解決，B-A 平臺5 號藥劑加注濃度提高至合理濃度，通過化學藥劑智能監控功能模塊開發實現了對化學藥劑結構化數據的有效應用，依靠科技手段監測各油田化學藥劑管理水平，指導技術和管理優化方向，提高了管理水平。

3 結論及建議

油井智能預警、計量監測與修正、智能注水管理、化學藥劑智能監控等功能模塊在某海上油田群的成功應用，有效提升了該油田群的生產效率，降低了其運營成本。該思路可指導油田企業因地制宜地開展各類結構化數據的智能分析與應用，數字化轉型可助力企業核心業務提升，推進智能油田建設，保障油田高效開發和油田企業高質量可持續綠色發展。

表1 化學藥劑監測統計