从数字油田到智慧油田——大数据技术在油气生产领域的应用探讨

北京安控科技股份有限公司 封帆

从数字油田到智慧油田——大数据技术在油气生产领域的应用探讨

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（简称“安控科技”）创建于1998年。作为以自动化、信息化技术为核心的智慧产业解决方案运营商和产品提供商，在自动化、油气服务、智慧产业等业务领域提供自主产品及解决方案，持续推动科技创新、产业运营方式的改变。

安控科技十余年来，在智慧油气田、数字化油气田上做了广泛和深入的探索和尝试，对油气田客户需求有深刻理解，积累了丰富的行业经验和成功的应用案例。其油气行业产品在国内第一个百万吨级沙漠整装自动化油田－彩南油田成功替代进口产品应用，承担第一个亿吨级储量的沙漠整装油气田－陆梁油气田自动化系统建设项目。在国内率先开展研究并实施数字化油气田管理和建设模式，提出了第一套国产油气田自动化整体解决方案并实现其产品化，填补了我国在该领域的空白。

凭借诸多行业优势，安控科技“互联网+智慧油气田”网络化关键技术北京市工程实验室正式通过北京市发展和改革委员会组织的专家评审和公示，获得2015年度北京市工程实验室资格认定。该工程实验室，将联合科研机构、高等院校、能源企业，着力搭建产学研用联合研发平台，加强协同创新，通过对油气田生产领域关键技术的研究，以提升公司自身技术研发能力和综合竞争力，在智慧油气行业建设中发挥积极作用，进一步提升我国油气田生产效率和安全防范水平。

本文将具体阐述安控科技如何助力用户实现从数字油田到智慧油田的升级，并以大数据为基础，探讨该技术在油气生产领域的应用。

1　从数字油田到智慧油田

（1）智慧油田

从数字油田到智慧油田，在海量数据的基础上，如何将数据转变为知识？从甲骨文公司发表的企业大数据成熟度模型可以看出，下一步的发展方向是基于数据进行挖掘与分析，发现数据之间的规律，预测可能发生的事情，从而指导生产决策与执行。安控科技认为，数据应用发展到数据变现和模式创新阶段，就是智慧油田。

图1　企业大数据成熟度模型

（2）智慧油田定义

• 能全面感知的油气田：更先进的物联技术（RFID）、通讯方式（Wireless-HART）；

• 能全面操控的油气田：更全面的自动化系统及执行机构（变频器、执行机构等）；

• 能预测趋势的油气田：基于预测分析提升资产可靠性、可用性（大数据做支撑）；

• 能优化决策的油气田：提升可视化、数据挖掘分析，促进及时决策。

（3）智慧油田解决方案

智慧油田是具有全面感知、能够智能调度、能够自动操控、能够智能优化决策的油田。

从图2可见，智慧油田的架构与数字油田的主要区别在于分析与决策。实现智慧油气田的关键在数据采集与监测的基础上，汇总油田已有的生产数据，应用数据挖掘技术，进行油田生产规律分析。

图2　智慧油田架构

2　已采用的数据挖掘与分析技术

在过去的一年多时间里，安控科技积极展开数据挖掘技术的研究，主要分为如下7个方面：

（1）二维可视技术

• 曲线图：包括时间与指标，指标与指标的关系，主要展示了指标的一般趋势，同时也可以发现异常情况，也是油田最常见，最常用的图形。

• 产量叠加图：主要是将产量根据不同研究需要，将产量进行不同劈分，从而得到不同类型产量对总产量的贡献。

• 柱状图：主要是指标按照时间顺序，或者归类顺序进行展示，从而直观认识数据差异性。

• 剖面图：将分析对象（井）的属性（如：含油气性）按照剖面形式展开，再与纵向上的其他属性进行叠合就可以得到。

• 宏观控制图：通过以流压等指标为横坐标，以泵效为横坐标，将整个图形区域划分若干区域（制定合理的划分区域需要采油工程师经验结合采油工程理论制定），然后将油井分为若干类（如：合理，断脱漏失）。本质上是油井聚类分析。

• 节点分析图：将对象分别按流入和流出进行流动方程求解，得到两组相交的曲线，该交点就是协调生产。

• 图版：将产量数据经过一定数学变换后，投影到预测图版上，需找最匹配的曲线从而获得合理的描述产量变化的参数，或者是将产量投影到图版上，通过与理论值比较，用以评价实际生产情况。

（2）三维可视技术

通过将采集到的数据与专业分析软件进行结合，可以从3D可视化角度，详尽地了解油田生产的变化情况。

• 数字模拟模型：主要是一组偏微分方程，将测试得到的离散数据，折算为地下流场数据。利用三维可视化技术，可以任意切片，详尽地展示某种属性（如饱和度）的变化情况。

图3　数字模拟模型

• 井组栅状图：主要将剖面的信息通过三维的方式展示，更加形象地展示井与井之间的关联关系。

图4　井组栅状图

（3）数理统计

为了分析监测到的各个指标之间的关系，采用数理统计技术，分析对象与质变之间的相关性，进行对比与统计。

• 多对象单指标的对比与统计，如图5所示。

图5　多对象单指标的对比（预警图）

• 单对象多指标相关性分析，如图6所示。

• 多对象多指标的对比与统计，如图7所示。

（4）时间序列预测

结合油田分析专业技术，可以将监测数据展示为时间序列的模型，从而可以拟合得到梳理模型，可以预测随时间的变化规律。通过对油田现场油产量数据特点（如：递减，“S”型，有最大值等）结合油藏工程基本原理，推导的数理模型，如图8-图10所示。

图6　单对象多指标的对比（综合对比图）

图7　多对象多指标的统计

图8　Arps模型

图9　数学模型

图10　 水驱模型

（5）关联关系

“注采连通分析”是应用大数据分析的一个典型例子。油井与水井的连通关系是油田生产管理一个非常关心的问题，也是无法用常规方法解决的问题。通过多元回归，利用数学方法分析油井产量与水井注水量的相关关系，最终可以得到油井和水井的相关系数。

同样，也可以拟合出日产油量与含水接近直线的关系，有可能与油田工程师感性的认识不完全一致。

• 注采连通分析：主要通过多元回归得到油井产量与水井注水量的相关关系，从而判断油井与水井的连通关系，如图11所示。

图11　注采连通分析

• 指标与影响因素关系：主要通过线性、非线性（如指数）、一元的、多元的（多元回归，灰色关联）充分挖掘寻找影响指标的关键因素，应用如日指标与含水，增油量与地质参数等，如图12所示。

图12　日产油与含水

（6）模式识别

“功图诊断”技术是用神经网络方法自动判断油井生产情况。主要利用神经网络对一组典型的功图数据进行学习，然后利用神经网络进行诊断。还有一种快速诊断生产情况的方法，就是根据事先定制好的分类规则，对油井生产状况进行聚类。

目前主要应用于生产情况的几类实时诊断：

• 功图诊断：通过学习一组已有的功图数据，来判断测试集功图归类。从而根据新功图的特征点，判断生产情况，如图13所示。

图13　功图诊断

• 电潜泵井的生产故障诊断：主要利用神经网络对一组典型的电流卡等进行学习，然后利用神经网络进行诊断，如图14所示。

图14　生产诊断

• 宏观控制图：主要是根据事先定制好的分类规则，对油井生产状况进行聚类，如图15所示。

图15　宏观控制图

（7）模糊综合评价

模糊综合评价技术目前主要是对多种方法的优选，对潜力井、潜力层的筛选。

• 防砂方法优选：综合考虑油藏地质、生产、完井等因素，采用多级模糊评判对各类防砂方法作出技术评价以及经济对比，最后确定技术可行、经济合算的最佳防砂方法。

• 调剖潜力井、潜力层筛选：综合考虑潜力井，潜力层的各项指标，判断潜力井，潜力层是否适合调剖。

3　进一步应用设想

通过以上采取的方法，安控科技在油田生产认识上已经建立了一套初步的数据分析模型，可以基于监测的数据，认识油气生产规律，指导生产管理。但对大数据技术的应用还在探索过程中，我们已经做到的第一步主要是结合石油专业方法，充分挖掘数据之间的规律。

进一步应用的设想：

（1）数据云平台

目前的分析还集中在生产数据的基础上，还未结合采购、物流、财务、人力等经营数据。需要将企业的数据资产整合成数据云平台，在此基础上挖掘数据之间更多的规律。

（2）大数据计算模式

在未来面对海量数据，需要引入更多的大数据计算模式，比如MapReduce、HANA、SPARK等。

（3）与行业软件的结合

在发现数据之间规律的基础上，借助行业软件进行模拟分析与多目标优化，从而实现智慧油田的优化决策。

（文章整理自封帆在2016年6月25日“互联网+工业大数据暨工控安全产业发展2016高峰论坛”上的报告）

封帆（1984-），男，湖北十堰人，中级职称，硕士研究生学历，毕业于三峡大学，现任北京安控科技股份有限公司工程项目中心副总经理，主要研究方向为油田自动化、SCADA及通信系统、RTU/PLC设计、管道自动化系统，参与完成过多个大型油气田数字化系统集成项目。