智能油田的数据治理工程及其应用

孙恩斯 祖智慧

自我国开始逐步建设智能油田，发展数据治理数字化以来，运行效果十分理想，但在实际应用中，还存在一定不足，如数据管理机制和反馈制度不健全，数据质量难以有效把控等，在一定程度上增加了智能油田建设难度。2021年3月，油田信息化专家论坛举办，明确指出“十四五”期间，我国将全面推进智能油田建设，大力推动信息技术与油田资源、资产、活动等深度融合，建立高效运营、精细管理、绿色安全的智能化油田，最大程度发挥出油田资产价值。

一、智能油田数据治理工程概念及建设原则

所谓数据治理，是以数据责任划分清晰的基础上，为有效使用、发挥数据价值而开展的一项工程，是技术、管理、业务相互融合产生的实践活动。在油田数据治理工程中，企业处理数据信息时忽略了数据间之间的关联性和互动性，收集到的油田数据会分割为信息孤岛和数据鸿沟这两个主要问题，导致数据混乱、处理难度较大，开展规范化、标准化数据治理是智慧油田建设的重要环节。

油田数据治理工程建设应当坚持以下思想：坚持企业发展战略及“六统一”原则，紧紧围绕油气勘探、评价、开发与科研等主营业务构建户数处理体系；将数据管理看作一个整体工程，加强数据处理科学研究，构建持续优化的数据处理工程迭代更新机制，强化新技术、新设备及新工艺的研究与应用；重视思想转型，从顶层设计规划出发，实现IT思维至DT思维的转变；直击数据处理核心和关键，构建数据——数据，数据——应用的体系，瞄准数据处理难点和痛点，利用信息技术解决实际难题；重视数据采集、存储、管理及应用各个环节的优化，实现数据链全面智能化发展；制定契合企业发展和智能油田建设的规章制度，实现数据处理智能化、精准化发展，继而达到提升管理水平，提高生产效率及生产质量的目标。

以上述内容为依据，文章对某油田数据治理工程中存在的信息孤岛、数据鸿沟等数据共享难，数据处理缺少标准及实际应用通道，数据质量不佳难以实现高级别智能化应用，数据使用部门多、管理难度大等问题进行分析，探究如何构建标准化数据治理工程体系，为智能油田建设构建主体框架。

二、智能油田数据治理工程体系构建

（一）数据治理工程体系构建

在智能油田建设中，构建完善数据治理工程体系是为了建立数据、使用者、拥有者、支撑系统之间的相互协调互补关系，确保企业相关人员及时得到准确数据支撑和服务，目前，行业内已经形成了较为统一的数据治理体系框架，包含顶层设计、数据治理域、数据治理环境和治理过程等方面，简单来说就是组织、管理、技术、执行体系四部分内容。

一是，组织体系，油田数据治理是一项巨大系统工程，在实际治理过程中，倘若缺乏一个强有力组织领导机制为数据治理提供方向和指导，将会呈现一个较为混乱的数据处理情形。因此，需要按照油田数据规律，依照数据产出、应用及管理的规律，设置相应工作岗位和人员，起草编制相应《油田数据资源管理办法》，为数据治理提供有据可依的管理办法和规章制度等，对数据治理过程进行精细化管理；成立数据处理工程指导委员会，下设新数据正常化、历史数据研究、开发生产数据集成共享治理、主数据治理和技术支撑四个实施小组，包含业务主管、油气生产、研究中心及信息技术等不同部门，加强数据处理管控能力，实现数据信息有序治理。

二是，技术体系，技术是数据处理工程的支撑，无论数据采集、整合和应用，都需要技术支撑，在发展数据处理工程时，应当遵循“循序渐进、不断完善”的原则，以业务数据处理为出发点，将相应数据处理工具、处理技术等应用其中，逐步实现数据探查与分析，数据清洗与整理，数据集成与提取，数据融合和使用等功能。

三是，管理体系，智慧油田系统包括经营、工程技术及地面工程三个方面，在数据处理过程中，为确保真正发挥其价值，必须保证数据治理的合规性和科学性，需要结合企业实际、行业标准、技术规范等建立数据标准化机制，制定数据运行规范、数据应用规范、数据管理及监督规范，利用信息技术构建数据治理模型，保障数据质量。

四是，执行体系，在完成数据治理工作后，会形成一个较为完整的数据池，包含数据生产、应用、管理、服务等机制，为企业数据分析、业务梳理、考核与评价、业务管控等提供强有力的数据支持，显著提升企业生产效率、管理水平，提高企业经济效益。

（二）数据治理工程处理方案分析

不同油田发展情况不同，因而需要采用的数据治理方式也存在差异，以某油田为例，针对其在数据治理工程存在的诸多问题，提出具体解决处理方案，具体内容如下：首先分析整体技术框架，如应用技术、治理工具、数据池形成过程等；其次，给予强有力技术支持，以长安大学自主研发出的Dasit技术为例，具体工作流程为：a.做好数据处理准备工作（数据格式、数据体、基础数据等）；b.建立各类数据库；c.根据实际需求利用流程编辑器、零编码等进行流程再造；d.进行节点操作和数据提取，其中，bcd这三个步骤可通过数据界面设计器或数据推送器进行可视化管理，同时，该技术还具有强大数据读取能力，及多种数据处理方式，专业GIS分析工具及实施推动功能，十分便捷便能完成数据提取、清洗、整理与推动；最后，重视数据池处理，数据池一般存储在云端，是包含各种格式（Oracle或 MySQL）、体量巨大的数据库，是整个数据处理工程的核心，是利用虚拟大数据技术、云计算技术等为基础构建出的系统，由此可见，数据库具有十分强大的包容性，可以兼容多种不同数据格式及其他非数据内容，也可同时存在多个数据池，这些书数据池相互独立，互不干涉，大小不定且缺少边界限制，具有很大延展性。

三、智能油田数据治理工程实践应用

（一）工程案例

在油田数据处理工程中，油井分析是十分重要的一项工作，包含开关井数据表、油井产量数据表、单井基础信息表，这三张表均存储在A系统库内，在以往的数据处理中，由于数据库体量过于庞大和繁杂，若想查询某条信息，往往需要数十分钟时间，且还需要仔细查找不同表格数据之间的关联，统计关井前产量，确保数据完整，处理效率十分低下，且数据信息准确性难以保障，是一种极为落后的数据处理方法，必须及时进行改进。

（二）实践应用

针对这一问题，文章分别从数据查询、自动统计及报表推送三方面进行优化，第一，数据查询，若想提高查询效率和查询有效性，可以遵循管理体系规则，将这三个表数据信息同步上传至数据池中，利用大数据分析与计算功能，快速反应查询信息，将以往数十分钟查询时间缩短至数秒内；第二，自动统计，自动统计方面仅仅改进统计方法收效有限，必须加强信息技术应用，利用技术手段实现数据细信息自动统计与分析，如利用Datist技术制作单井关井数据台账处理流程，利用其强大可视化和数据驱动能力对数据进行处理，相关人员无需掌握专业复杂的数据库知识和编程知识就能快速得到数据统计结果；第三，报表推动，当上述工作流程完成后，可直接利用Datist技术中输出独立报表，也可借助数据推送器将报表推送至相关人员。

（三）实施效果

实践表明，在智慧油田数据治理过程中，数据采集、处理、同步、应用、数据池建立都离不开技术的支撑，利用相关技术能够带来十分明显的优势和助力，

这说明，数据治理工程價值实现需要积极构建集组织体系、技术体系、管理体系及执行体系于一体的数据治理工程体系；要重视数据治理工具、技术的使用，强化数据池处理；积极应用新兴技术，有效解决数据共享和集成问题，缩短原有系统数据查询时间，提高数据查询有效性。相关资料显示，截至目前，该油田已经简称生产指挥中心一座、监控终端三个，实现了由数控中心直接下达生产指令至基层生产单位的目标，数据传输率和数据准确率分别达到95%、97.5%以上，探索出了一套符合企业发展的数字化、智能化转型发展有效路径，在这其中，数据处理工程发挥着事关重要的积极作用，将是智慧油田建设与发展的重要基石。

作者单位：大庆油田第四采油厂信息中心