氣藏—井筒—地面一體化模型數據驅動機制研究與應用
——以磨溪區塊龍王廟組氣藏為例

李玥洋 孫一丹 任靜思 趙 涵 張 春 王 娟

1.中國石油西南油氣田公司勘探開發研究院 2.中海油研究總院有限責任公司 3.中國石油西南油氣田公司通信與信息技術中心

0 引言

氣田開發作為一項系統性工程，不僅包括了氣藏動態、井筒舉升和地面集輸等生產流程，還涉及輔助生產決策的各類工作流程。如何應用“氣藏—井筒—地面”一體化模型構建不同業務場景的智能工作流，解決生產中的復雜問題已成為氣田實現智能高效開發的技術關鍵。

一體化模型的高效運轉需要強大的數據交互技術，才能實現外部有效數據資源與一體化模型的互聯互通。近年來，一體化模型數據交互技術已成為國外油氣技術服務公司的重要開發領域。如殼牌石油的生產一體化模擬優化與智能油氣田生產管理平臺[1-4]、哈里伯頓的AC數據交互軟件[5-6]、馬來西亞國家石油公司的Ocean數據整合軟件[7-8]等。這些專業軟件搭建的一體化模型與具體模塊之間的數據交互技術支持專業模型接入，具備接口技術，但主要采用人工映射的方式，且具體模塊業務需要定制化開發，自動化程度低，工作量繁瑣且成本高。

磨溪區塊龍王廟組氣藏在智能氣田建設過程中，發現新建氣田的數據資源存在來源分散、整合難度高、可用性差、模型加載自動化程度低等復雜問題。本文試圖搭建一體化模型數據共享平臺，利用DSB（Data Service Bus，縮寫為DSB，意為“數據服務總線”）與PI OLEDB（Plant Information System, Object Linking and Embedding Database，縮寫為PI OLEDB，意為“實時數據對象鏈接和嵌入數據庫”）接口技術進行數據的高效整合、抽取，同時自研一體化模型數據流引擎技術，以期實現一體化模型與業務應用模塊間數據的自動交互和工作流的靈活編排。

1 一體化模型數據共享平臺設計和搭建

1.1 一體化模型數據共享平臺的設計

氣田的一體化模型數據共享平臺是支撐生產系統多源數據接入、專業軟件數據交換、綜合數據治理，為氣井生產提供安全、高效的一站式數據服務平臺，可以實現各統自建系統的數據集成、清洗、標準化、抽取、管理等功能[9]；同時，編碼映射還能擴展為一體化模型運算的自動化調用，實現生產實時數據與一體化模型的交互，以及可視化靈活編排工作流場景。平臺的技術架構采用分層架構模式，共4個層級：資源層、數據層、服務層、應用層（圖1）。

資源層：其中的勘探與生產技術數據管理系統（A1）、油氣水井生產數據管理平臺（A2）、采油和地面工程運行管理系統（A5）等常規系統數據，主要通過DSB技術為一體化模型提供生產動態數據（日度、周度、月度等）、場站管網的靜態數據；以及生產數據平臺等信息系統利用PI OLEDB技術為一體化模型提供秒計實時生產數據。

數據層：一體化模型數據共享平臺數據庫的建設主要通過數據整合和專業軟件數據交互的方法實現[10-11]。其中，數據整合主要利用DSB和PI OLEDB技術[12-15]進行生產秒級、日度、周度等動靜態數據的集成；一體化模型的數據交互主要采用數據流引擎技術進行一體化模型的編碼映射，實現生產實時數據、生產日數據等與一體化模型的數據監控、分析和交互。這些從統自建系統和一體化模型中來的過程數據、結果數據，都將自動存儲在數據共享平臺數據庫中，為上層的智能應用提供數據服務。

服務層：為上層應用提供支撐的數據服務和技術服務[16]，包括身份認證、權限管理、模型管理以及工作流的靈活編排服務等[17]。

應用層：利用服務層的各類組件，進行工作流的靈活編排，實現工作流與底層數據的耦合，構建可視化的業務應用場景[18]。

1.2 一體化模型數據共享平臺的搭建

一體化模型數據共享平臺的搭建，需要根據西南油氣田數據資源的特點，基于DSB、PI OLEDB、數據流引擎[19-21]、可視化展示等關鍵技術，將數據有效整合、抽取，采用特定的程序命令實現一體化模型的全過程自動化運算，將運算結果和實時預警信息可視化的展示出來。一體化模型數據共享平臺關鍵技術運行如圖2所示。

圖2 一體化模型數據共享平臺關鍵技術運行示意圖

1.2.1 DSB技術應用

將DSB技術用于磨溪區塊龍王廟組氣藏的各信息系統的數據整合，解決數據的不同來源、不同格式、結構差異較大、共享程度較低等突出問題，實現了數據靈活抽取、數據多維轉換、數據加載及集成管控等功能。針對Oracle數據庫系統、SQL Server數據庫等主流數據庫以數據庫直連的方式進行數據的提取，同時支持數據的對比、去重、過濾、抽取、計算、行列轉換等處理，可以定時觸發傳輸將所需數據提取至一體化模型平臺共享數據庫，并供外部服務接口調用。這樣整合后的低頻生產數據（日、周、月數據）輸入一體化模型可對一體化模型進行校準，確保模型的準確性。

1.2.2 PI OLEDB接口技術應用

PI OLEDB接口技術可對氣井和管線進行實時跟蹤分析，應用OLEDB（Object Linking and Embedding Database，縮寫為OLEDB，意為“對象鏈接和嵌入數據庫”）接口技術實現秒級生產數據的實時抽取，并且提供PIMAX（標準指數）、ABS（絕對函數）、ACOS（反余弦函數）、ASIN（反正弦函數）、SQRT（平方根函數）等20種基礎數據計算函數，滿足磨溪區塊龍王廟組氣藏一體化模型對不同時間維度生產數據采集的業務需求。在此基礎上PI OLEDB技術將生產數據管理平臺PI數據庫中的秒級數據點陣抽取成了按時間維度排列的連續高頻數據，按照每20分鐘自動提取一次氣井輸量和壓力數據，導入一體化模型運算。這樣實時數據與一體化模型計算結果進行對比、分析，達到對現場生產運行的監控、診斷、預警的目的。

1.2.3 數據庫部署與初始化

模型運行涉及氣藏、井筒、地面全局生產系統，數據交互量大，需要在一體化模型建模軟件與上層應用之間部署一套數據庫，以支撐上層應用場景的數據需求。一體化模型建模軟件是通過頁面的方式與其他信息系統數據庫進行交互，沒有獨立的存儲空間。一體化模型數據共享平臺數據庫的建設主要通過數據整合和專業軟件數據交互的方法實現。云服務器具有靈活擴容與高容災的特點，可以提高數據庫存儲效率和穩定性，滿足模型生產動態實時跟蹤的要求。因此數據共享平臺選用了云服務器部署數據庫，按照中國石油勘探開發一體化數據模型（EPDM，Exploration and Production Data Model，勘探開發數據模型）標準來初始化數據庫，并根據不同的業務應用場景進行本地化擴展。

1.2.4 可視化展示技術

應用一體化模型對不同業務應用場景進行分析處理時，會產生大量的運算數據，并存儲至數據庫。技術人員往往希望把數據轉換成表格或者圖像的形式，開發成數據可視化展示應用，以達到準確獲取數據信息的作用。一體化模型數據共享平臺中的圖形服務、數據服務結合WebGL（網頁圖形庫）、Java（Java 編程語言）、JavaScript（Java腳本語言）等編程語言，開發氣井全局優化配產、管網跟蹤預警等業務可視化展示應用，輔助氣藏研究和管理人員及時掌握氣藏動態變化，進而科學高效的指導生產。圖3為生產運行與監控日度可視化展現頁面，主要側重通過氣藏整體生產運行情況與氣井生產動態的有機結合，將氣藏全局統計分析與單井個體多維度指標展現進行有效映射，以日產水、日產氣、計劃產氣、油壓、水氣比五大指標的多維度、多視角的呈現，達到持續跟蹤、預警的目的，實現氣藏生產運行狀態、特征及規律的精準描述。

圖3 生產運行與監控日度可視化界面圖

2 數據流引擎技術應用

2.1 模型數據自動交互

由于搭建一體化模型所采用的建模軟件沒有數據庫，數據交互不是傳統意義上的數據庫與數據庫之間交互，而是專業軟件與數據庫之間的交互。于是采用特定的程序命令將業務上的數據與一體化模型的編碼一一對應，實現數據映射。這樣一體化模型的全過程實現自動化運算，數據快速、連續地按照一定的編排處理規則在一體化模型內部及外部自由流轉，并將結果輸出至一體化模型數據共享平臺數據庫，整個過程智能高效，此處特定的程序命令我們稱為數據流引擎。數據流引擎技術可自動啟動模型、自動連接數據庫并輸入所需數據、自動啟動模型運算、自動輸出運算結果并保存至數據庫、自動關閉模型，實現模型運算全過程自動化。

如圖4所示，數據流引擎技術是一體化模型實現數據自動交互的核心，自動運算前需要進行業務數據和模型編碼數據的分析，并實現數據的映射。實現映射后，外部指令或數據能在一體化模型內部進行處理和分析，并將數據運算結果儲存到一體化模型數據共享平臺數據庫，供上層應用。

圖4 數據自動交互的實現過程圖

2.2 工作流靈活編排

根據一體化模型業務分析場景，將數據處理流程抽象形成不同的處理單元，利用數據流引擎技術可靈活組裝處理單元，編排不同應用場景的工作流，從而滿足業務分析的需要。如圖5所示，將不同的處理單元預設到軟件界面上，當需要編排某一工作流時，只需拖動和組裝等操作即可完成工作流搭建工作，工作效率大為提高。

圖5 工作流靈活編排過程示意圖

與傳統的線性數據流轉方式相比，工作流靈活編排技術可針對不同應用場景中數據源多、中間計算模塊多且各模塊依賴性較強、數據處理靈活性要求高等特點，將數據處理流程的各個環節和計算模塊進行抽象，形成處理單元，

并對處理單元進行靈活編排，形成滿足不同業務場景的劇本（圖6）。劇本具有高度靈活的自定義能力，并支持通過web（網頁）拖拽方式對劇本按照不同場景進行靈活組裝，最終建立一體化模型內部以及與外部數據通道，實現一體化模型全自動運算及科學成果數據共享。

圖6 數據流引擎技術下不同應用場景處理單元組合概念圖

工作流的正常運行，需要對關鍵指標進行監控和預警。程序編制過程需要結合實際業務現狀進行定制化開發。例如，龍王廟組氣藏應用一體化模型對地面集輸系統進行動態跟蹤、預警時，首先利用數據流引擎技術，將實時數據推送至一體化模型中驅動模型運算，并將運算結果存儲至數據庫，最后依據一體化模型運算的結果與實時生產數據進行差值運算和邏輯判斷，診斷是否超出經驗閾值，來達到監控和預警的作用。依據上述預警邏輯設計，編制預警邏輯如下所述。

時間ti為產出真實產水量與產氣量的時間點，分別對應日產水量與日產氣量，于是有時間序數列T、階段時間產水量Qw以及階段時間產氣量Qg，如下：

設時刻t為開始調參的時間，t'為調參完畢的時間，則有：

令F為實際壓力的計算值p'的模型函數，模型函數中算法參數與操作參數用向量λ表示，參數向量假設空間為x，則時刻對應初始向量參數為λt，t'時刻對應初始向量參數為，于是有：

于是，對于時刻為開始調參，為調參結束后的值，公式如下：

式中a%表示業務經驗限值。

3 應用實例

一體化模型數據共享平臺實現了一體化模型的數據自動交互，及對生產系統的跟蹤與診斷。以磨溪區塊龍王廟組氣藏的地面集輸管網為例，該管網目前有80余條集輸管線、上百個傳輸節點，現場人員利用常規的監測方法難以實時發現生產過程中出現的異常問題，諸如某些管道的積液、污物堵塞等。應用一體化模型數據共享平臺技術驅動一體化模型對氣井的輸壓、油壓、氣水比、輸量、井底流壓等多項生產指標進行實時監測就可以解決這個問題，監測過程主要分為兩個層次，首先利用DSB技術，并使用低頻生產數據（日、周、月數據）對一體化模型進行校準，確保模型準確；然后應用PI OLEDB技術將PI數據庫中的秒級數據點陣抽取成按時間維度排列的連續高頻數據接入一體化模型，每20 min自動提取一次氣井輸量和壓力數據，導入一體化模型運算；結合數據流引擎技術，將計算的模型數據與實際生產值進行對比，超過技術人員設定的預警閾值5%（預測值與實際值的偏離度），便會預警和診斷。

2019年，一體化模型在對地面集輸管網生產跟蹤和診斷中，僅上線運行數天后就成功發現了管線存在的問題（表1）。

表1 一體化模型數據流引擎技術進行管網診斷結果匯總表

綜合對比分析，這兩口井的報警為管線積液或者堵塞引起實時數據異常導致的。對管線進行清管作業后，實時數據與模擬數據再次吻合。根據以上應用實例可以看出，相對于生產現場以往的人工檢測方法，應用一體化模型數據共享平臺技術驅動集輸系統進行跟蹤預警，可以快速及時地發現地面異常工況，并對異常進行快速定位和預警，縮短檢測周期90%以上。管理人員也能第一時間發現問題并采取措施，避免了異常工況造成進一步的生產損失，減少了作業和管理成本，保證集輸管網運行的穩定與安全。

4 結論

1）一體化模型數據共享平臺采用分層架構設計，實現了有效資源與專業模型的高效融合，有利于數字化氣田標準建立，為后期智能化業務應用的擴展提供了良好平臺開發環境。

2）應用模型數據編碼及映射的方法，創造性地提出了一體化模型數據流引擎技術，實現了自建系統數據與一體化模型的全過程自動化交互，取代了研究人員手工收集處理巨量數據的過程，解決了人工分析過程存在大量冗余性、機械性、重復性勞動問題，大幅提高了科研工作效率，高效支撐了數字氣田智能化業務的應用和推廣。

3）通過應用數據共享平臺技術驅動一體化模型，對磨溪區塊龍王廟組氣藏地面集輸系統進行實時跟蹤預警的實例表明，相對于以往的人工檢測方法，應用該技術可以及時預警和定位地面異常工況，大幅縮短檢測周期90%以上，減少了生產現場的作業和管理成本，確保了集輸管網運行的穩定與安全。