涪陵气田辅助决策系统的生产预警应用

陈 婷 婷

(中石化重庆涪陵页岩气勘探开发有限公司, 重庆 408014)

中石化重庆涪陵页岩气田是国家级页岩气示范区、智能气田的试点单位，集页岩气勘探、开发、生产于一体。在气田生产基础信息设施建设方面，采气井场和集气站均按照无人值守的要求进行设计，通过以SCADA系统为核心的综合监控管理系统，实现对页岩气田进行远程监控及生产统一调度管理。已实现无人值守点的井场和集气站由巡检站统一管理，定时巡查现场设备运行及安全情况。涪陵地区的页岩气无色无味，甲烷含量高达90%以上。若设备压力突然过高或过低，巡检人员来不及处置，就有可能发生泄漏而引发大面积火灾，造成大面积的人员伤亡和财产损失。基于生产安全性、数据时效性和成本效益等方面的综合考虑，技术人员针对涪陵页岩气田开发了基于大数据的辅助决策系统，用于生产井预警预测判断，并已取得显著成效。下面介绍该系统在生产预警方面的应用思路和部分应用实践。

1 基于大数据技术的辅助决策支持系统

1.1 大数据分析技术的方法应用

辅助决策支持系统是人工智能的构成部分，是以决策为中心，应用信息智能处理技术和自然语言处理技术，构建相应的模型库、知识库，从而协助和辅助决策者[1-2]。实现全部系统功能的前提是，将海量数据转变为可利用的信息[3-4]。

在实际应用中，可以基于现有页岩气数据库、实时数据库，采用大数据分析技术，对页岩气田在开发过程中积累的大量多维、多源数据进行抽取和分析[5]，挖掘出主要生产指标的变化规律及各指标间的相互关系。通过机器学习剔除人为因素对这些参数和指标的影响[2,6-7]，挖掘出页岩气生产动态静态参数与指标间的关联并建立数学模型。同时，迭代整个建模过程以实现模型自管理[7]，使所建的模型具备可移植性[8]，能够快速、便捷地应用于其他系统中。通过模型应用，生成全面、准确且能够用于行动和决策的信息，从而实现预警、模拟、预测的辅助作用[9]。

1.2 生产预警预测

目前，气井的生产预警大多通过人工对“异常报表”进行判断来实现。运用差分法，对比前后两天各项关键数据，将预测结果以图表形式呈现出来。在气井产量趋势预测中，则是由技术人员人工挖掘现有历史生产数据的产量趋势规律，预测未来趋势。预测结果的准确率完全取决于技术人员分析产量规律时的公式计算过程，偏差较大，而且需要针对每口井逐一预测，工作量巨大[10]。

应用涪陵页岩气田辅助决策系统可实现以下生产预警预测：针对集气站、平台、单井实时生产数据，以及日度生产数据和气藏监测数据，采用大数据分析方法，通过单井预警预测，由点及面，将预警预测范围覆盖到全气田。

(1) 气井生产特征动态分析。根据气田采气生产过程中生产管理的需要，建立涪陵页岩气田生产动态系统。针对气井生产特征研究相适应的方法，结合多种类型生产资料进行生产异常状况判断[11]，实现页岩气生产的预警。根据气井的生产特征进行页岩气生产预测。

(2) 预警指标体系的建立。针对气井生产特征进行综合分析，研究适用的数学方法，收集套压、油压、气量、水量、表套、技套等数据，筛选出主要预警参数，并进行参数量化，形成预警指标(预警临界值)，建立能够反映页岩气生产规律的指标体系。同时，借助于大数据的机器学习功能，建立贴近生产实际的预警预测模型。

(3) 日度预警指标库的建立。在预警指标体系的基础上，首先建立日度预警指标库，其内容主要包括：进行各项预警指标排序；预警各项指标异常状况；自动预测各项指标达到预期值的时间(例如假设生产条件不变，预测油压达到临界低值的天数，辅助生产措施决策)；自动预测一定时间段的各项指标值。

(4) 日度预警的实现。基于日度预警指标库，构建区域预警指标报表，并通过图形展示单井预警指标变化趋势，计算指定时间后的各项生产指标，建立多因素预警模型，自动统计全区范围内的日度数据异常情况，从而实现日度预警。日度预警机制包括：基于历史数据的机器学习，形成不同预警周期的模型，同时实现预警临界值管理；基于短期模型，采用大数据多维分析方法，计算异常指数，通过对比发现异常，进行异常预警；结合中期、长期指标，形成最优化模型，实现生产数据预测，为生产措施、配产方案的制定提供依据。图1所示为日度预警机制构成。

图1 日度预警机制构成

(5) 实时预警的实现。基于现有的实时数据资源，采用与日度数据相似的指标体系，实现实时预警。但因为实时性强及数据量大等特点，在软件实现方面，实时预警与日度预警有极大不同。实时预警机制主要内容如下：在数据底层，集成实时数据库与页岩气生产数据库，实现预警；由于实时数据量大，计算过程复杂，需要由若干主机、进程、线程构成预警机，分别计算；网页推送，通过对预警指标进一步统计分析，以图表形式实现基于WEB的推送；逐步掌握实时数据异常发生机制，在提高预警可靠性基础上，实现通过移动互联网推送信息；生成异常报告，由相关人员审查后通过短信实现推送，同时捕获现场，相关人员可以通过手机查看异常数据图表。图2所示为实时预警机制构成。

图2 实时预警机制构成

(6) 井筒积液的预警。通过机器学习，计算临界携液流量，实现井筒积液监测；在制定区域化指标体系基础上，实现全区井筒积液预警。

2 辅助决策系统应用实践及效益分析

2.1 应用实践

(1) 单井趋势预测预警。以焦页某气井为例，通过累计产气量、日产气量、连续协液流量、生产压力、生产状态等参数来预测单井瞬时产气量和日产气量。根据该井趋势预测结果构建3种拟合模型：线性模型、y对数模型、x对数模型。大数据分析结果显示，线性模型因不适用于实际生产数据的无规律分布而被淘汰，y对数模型、x对数模型适用且其拟合预测的瞬时产量结果和实际瞬时量趋势走向基本吻合(见图3)。将瞬时产气量调和预测的日产气量(见图4)与实际日产气量趋势进行对比，其中的误差基本可以忽略不计。由此可见，辅助决策系统的预测结果准确率较高，值得信任。

图3 某气井瞬时产气量预测值和实际值曲线

图4 某气井日产气量预测值和实际值曲线

(2) 辅助开井。针对已关气井，通过分析其目前压力、前一日压力、关井前压力、关井前生产主要参数等，结合关井日期、最高输压及压力上涨幅度对比，系统自动计算出关井天数，并推送“建议开井”等信息，为技术人员开关井决策提供辅助建议。生产实践证明，本系统给出的开井辅助决策建议误报率较低(仅3.02%)，由此认为系统可准确生成辅助决策信息，用于指导生产。

(3) 井筒积液预警。以焦页某气井为例，运用辅助决策系统绘出连续排液产量和压力关系曲线。当压力逐渐增加到40 MPa时，某气井连续排液能力随着产量增加而增强。所以，针对类似情况，系统显示该井已积液并进行预警，同时会给出“提产带液”的建议，辅助技术管理人员确定最终决策方案。

因篇幅有限，基于大数据的辅助决策系统在气田安全预警方面的应用实践，不在此一一列举。通过建立基于大数据的预警机制，可大幅提高预测准确性和及时性，避免漏报、误报；同时通过预测机制，可为措施作业及合理配产提供科学依据。

2.2 效益分析

基于大数据的辅助决策系统，在涪陵气田安全预警方面应用效果良好。其效益体现在以下几方面：

(1) 直接效益。应用该系统后，节约了人力资源，降低了成本，减少了消耗 ，为气井的安全生产提供了强有力的支撑。

(2) 间接效益。应用该系统后，管理人员可灵活运用大量数学方法和模型，所作决策更科学化，管理水平进一步得到提高。

(3) 隐性效益。应用该系统，实现了数据集成共享和决策支持，保障了生产数据和工作决策的信息安全。

(4) 显性效益。通过该系统，将信息技术应用于生产管理中，使传统工作方式得到了改变，可以直接带来生产效率的提高。

3 结 语

目前，涪陵页岩气田辅助决策系统在生产预警方面已取得部分应用实践效果，但还需不断与生产实际相结合，进一步优化和完善。比如，自动预测后续开井操作建议的送达，以及要求相关人员到现场开关井操作的信息流转等，应由人工通信传达方式改为自动信息传输方式。同时，今后应探索涪陵页岩气田辅助决策系统与SCADA系统的集成整合的可行性，使生产预警结果准确无误地直接传输到井场和集气站的现场设备上，以减少信息流转环节，缩短生产预警快速响应时间，提升远程一键关断的操作效率。