大数据分析在边零井非密闭油气生产中的研究应用

纪少鹏

华北石油通信有限公司

边零井地处偏远，信息化相对落后，抽油机工况、井信息、罐信息监测管理在以往工作中效率低，异常信息、预警信息时效性差。为了适应开源节流、降本增效的需要，开展边零井非密闭油气生产数据应用分析，为油田开发、综合治理、提升效率、降低能耗提供管理的技术支撑。

通过大数据分析，寻找提质增效的切入点，然后进行优化调整，简化信息维护、设备监控工作，对存在异常问题及时掌握，从而提高工作效率[1]。结合非密闭油气生产数据，从拉油点、储油罐的产量、液量、液位变化等数据以及异常信息的统计分析入手，及时有效地发现异常动态，快速寻找漏洞，提高生产管理水平。充分借助于大数据分析理论和优化分析方法，进行相关生产数据的收集、清洗、处理，进行分析模型建立，优化方案设计，可提高原油采集管理效率，大幅度降低员工的劳动强度[2]，最终实现持续降低综合成本的智慧管控。

1 总体技术架构

边零井非密闭油气生产大数据分析技术架构分为大数据分析层和大数据应用层（图1）。通过大数据分析层的计算分析便可挖掘出过去关注因果的科学方法很难发掘出来的新模式、新知识甚至是新规律[3]。

图1 边零井非密闭油气生产大数据分析技术架构图Fig.1 Technical framework diagram of big data analysis for non-closed oil and gas production of remote and scattered oil wells

大数据分析层以分析数据集为核心的数据管理层和以大数据算法库为核心的分析引擎层为主；大数据应用层主要是基于数据分析而实现查询分析、预测优化等功能。

2 数据和算法管理

2.1 数据库设计

将多种类型的源头数据进行收集和整理，然后按星型关联数据模型进行数据仓库设计[4]，再根据油气生产数据分析的需求，建立面向分析的动态分析数据集，最后建立专门的元数据库，对元数据进行管理。

2.2 数据管理

2.2.1 数据仓库管理

数据仓库管理分为以下几步：

（1）从源头数据库将数据抽取到数据仓库，在数据抽取过程中进行代码转换、量纲转换。

（2）进行数据清洗，定义数据质量控制规则，实现数据质量控制规则检查、数据过滤。例如，液位、液量异常分析时，需要把由于上传数据间隔小导致重复或变化的微小数据去掉，这样的液位和液量数据能够根据时间变化明显、直观地呈现出异常状态，不会对数据分析产生影响。

（3）将不同取值的数据转换为统一的域值标准，进行数据归一化。例如，对示功图数据进行分析时，不同抽油机的理论载荷、冲程都不相同，如果不进行归一化，放在一起就会出现混乱，归一化后就可转换为统一的理论载荷，统一的最大冲程。

（4）通过定义归约化规则，自动进行数据归约。例如，某百分比数据，在采集时考虑的是成分在小样本中的百分比。数据集中后，应该转换成在总体样本中的百分比。

2.2.2 分析数据集管理

分析数据集是为了便于分析定义的数据表单，将相关的分析数据集中在一张表中，便于高效数据计算，一个分析主题通常会有多个分析数据集，需要按主题对分析数据集进行统一管理。

首先进行分析数据集定义，包括属性的筛选，属性的初步加工，数据筛选，分析数据集的增加、删除、修改、发布、复制等基本管理操作。然后进行ADS 数据抽取，从数据仓库中将数据加载到分析数据集中。

2.2.3 元数据管理

元数据管理主要包括数据字典管理、映射字典、预处理规则管理和多维关联模型管理。

数据字典管理：数据字典的导入、导出、查询。设计数据字典模板及规范，按照规范整理数据源数据字典、数据仓库字典，加载到元数据库中。分析数据集的数据字典自动生成。

映射字典管理：映射字典的导入、导出、查询。设计数据映射字典模板及规范，按照规范描述数据源与数据仓库间的映射关系、数据仓库与分析数据集间的映射关系。在工具辅助下，自动进行映射关系的初步建立。

预处理规则管理：包括数据清洗规则、数据归一化规则、数据归约化规则的创建和查询。

多维关联模型管理：查询分析数据集的定义及维度关系。

2.3 算法库建立

共创建二个算法库，包含大数据分析算法库和优化分析算法库。这两个库在管理上是一体的，只是为了便于开发和应用，对算法进行了分类。

大数据分析算法：提供满足边零井常规分析并适应大数据环境下的智能分析算法，包括但不局限于以下算法：聚类分析、分类分析、关联分析、回归分析[5]。各算法可动态进行注册、注销、测试、调用、评价，符合算法库规范。

优化分析算法：提供满足边零井常规优化分析并适应大数据环境下的智能优化算法，根据大数据分析结果，进一步进行优化分析，形成优化分析和优化系统管理算法，包括但不局限于以下算法：线性规划、遗传算法、粒子群算法、多级综合评判[6]。各算法可动态进行注册、注销、测试、调用、评价。

3 大数据分析应用

3.1 抽油机工况分析

抽油机工况分析分为示功图查询、工况查询和综合分析三部分。

3.1.1 示功图查询

示功图查询主要是对抽油机功图数据进行监测和可视化展示，能够根据层级逐步筛选所需查看的某一天完整示功图数据和具体的特征要素，以及抽油机的运行状态是否稳定，提前发现抽油机异常预兆，以便及时采取措施，预防事故、优化生产。抽油机工况示功图如图2所示。

图2 抽油机工况示功图Fig.2 Working condition indicator diagram of pumping unit

3.1.2 工况查询

工况查询主要基于功图算产数据，对功图算产数据进行归纳整理，根据层级进行结构化划分，能够从工区、拉油点、边零井和时间维度进行数据提取，并对功图算产数据要素进行筛选，给出功图算产的重要数据要素和特征描述，有利于对抽油机运行状况进行充分和完整性分析。工况查询判断是否存在生产异常情况，及早做出处理措施。

3.1.3 综合分析

综合分析是从多个层面和角度对抽油机的运行情况进行描述和分析，包含了抽油机各个重要的数据要素、重要参数及特征数据，是对抽油机运行状况进行全面的、多层次、多角度的综合性分析[7]，能够详尽地说明其运行的状态（如累计产量、电压电流、电量、冲程、冲次等数据），可为抽油机运行异常分析做完整和充足的数据准备，并对重要数据进行可视化展示，直观体现出数据变化情况。2019年8月1日的抽油机产量变化见图3。

图3 抽油机产量Fig.3 Pumping unit output

功图叠加的分析方法可以从时间维度对抽油机进行横向比对分析，能够更方便直观地体现出数据差异，并可以与产量趋势图进行联动，关联分析抽油机在每个时间点的功图状况，通过功图叠加，可以直观地查看和分析数据差异和异常状况。用户可以在产量趋势图上任意选取多个时间点，系统会自动完成对相应时间点的示功图数据进行绘制并完成叠加，并且在功图叠加图中，可以对选取多个的时间点示功图进行取消和添加叠加，以更有利于示功图异常分析（图4）。通过对示功图进行叠加，可以直观看出两个时间点存在差异。

图4 示功图叠加Fig.4 Indicator diagram superposition

3.2 液位、液量报警分析

液位、液量异常分析是结合非密闭油气生产数据和示功图数据进行的联合统计分析，主要以抽油机的产液量和储油罐的液位、液量数据为切入点，并根据实际生产情况、发生风险和异常的实际场景出发，从以下三个方面进行数据分析和异常报警。

3.2.1 液位趋势分析

液位趋势分析以储油罐为分析对象，从时间维度刻画储油罐的液位变化趋势情况，分析液位变化的异常情况。

液位趋势分析提取与储油罐相关的重要指标和参数数据，从多个方面进行检测比对。根据液位异常参数和储油罐的温度、罐位信息，多角度分析其数据的变化情况和趋势，并对液位数据以折线图的形势进行描述，直观快捷地显示储油罐内液位随时间的变化态势，结合异常参数、液位指标和液位曲线的变化情况，分析生产中储油罐的进油量情况，判断储油罐输油是否存在异常。

3.2.2 液量异常分析

液量异常分析以油为跟踪目标，将井口产油到储油罐储油作为一个闭合的过程，以此为开始点和结束点，分析这两个时间节点的油量变化情况。根据时间的持续变化展示产油与储油的动态关系，分析数据的异常情况，提前发现在输油过程的油量异常情况，发出报警[8]，以便及时采取措施，预防事故、优化生产。

液量异常分析以井口产量为起点，根据每个小时的示功图数据，基于示功图预计产量的计算逻辑和方法，根据时间变化得出其时间变化区间内的累计产油情况，再基于非密闭油气生产数据的液量分析数据集，以及储油罐和抽油机的映射关系，得出油量输出和输入关系。通过计算分析，得出在一定时间区间内的产油量和储油量的对应关系，在结合实际生产中的差异比，判断分析产油量和储油量是否存在异常，提前进行预警，以便采取相应措施，减少生产损失，保证正常生产。

如图5 所示，蓝线为井口产量，红线为储油量，从图中可以直观地看出产油量与储油量存在明显异常。

图5 液量异常分析Fig.6 Analysis of abnormal liquid volume

3.2.3 罐位冒顶预测

在油田的实际生产中，由于各种原因，储油罐的油没有及时进行运输，导致储油罐存在冒顶风险。针对此种风险，需提前进行预警，防止事故发生，及时采取对应措施，规避风险。

为防止罐位冒顶，及时发出报警，需对储油罐的液位随时间变化的程度进行合理预测。通过对罐位冒顶的过程进行分析，剔除人为干扰因素，以产量为驱动，来预测未来时间内的储油罐液位变化情况。

基于液量异常分析和液位异常分析的分析数据集，经过筛选提取出产量数据和液位数据，因两者量纲不一致，采用模拟反推的方法，将产量数据动态的转化为液位数据，统一量纲。再结合功图算产产量的原理和方法，将产量进行加权平均，预测井口未来的产油量趋势，以此来预测未来储油罐随时间的变化趋势，及时进行预警，规避冒顶的风险。

如图6所示，实线为正常生产的液位数据，虚线为预测液位数据，直观地显示未来一段时间液位变化，是否存在冒顶风险。

图6 罐位冒顶预测Fig.6 Roof fall prediction of tank position

3.3 运力优化

每天20 点作为调度时刻，分析参数包括当前液位、液量体积、进液速度、储罐容积预测罐满（不报警）时间与最晚拉液时间。

如果第二天需要拉液，则安排拉液计划。避开休息时段（18时至6时），将计划提前在18点之前完成（图7）。

图7 运力优化示意图Fig.8 Schematic diagram of transportation capacity optimization

4 结论

通过对边零井非密闭油气生产数据的研究分析，遵循先进、安全可靠、实用易用、及时响应、规范操作、灵活扩展的原则，应用Thread 多线程技术，异常处理技术，缓存处理技术，数据库开发技术，实现边零井抽油机工况综合分析、液量液位异常分析、运力优化分析等。在采油及物流配送过程中，从采油、运力、满载率入手，进行优化调整，科学合理调配运行资源，提高各工区采油效率、车辆满载率并优化车次，从而增强生产管理水平，达到开源节流、降本增效、智慧管理的目的[9]，为大数据分析在油气生产工作中进一步深化推进扩展奠定了基础[10]。