浅谈未来油田调度系统的设计

张兰兵

（江汉石油管理局清河采油厂采油服务二区生产办调度室，湖北 武汉 430000）

石油生产调度系统是一个复杂且与其他系统有着高关联度的系统。目前，国内外使用的生产调度系统不能高智能化的针对不同的问题生成不同的解决方案让用户满意，决策者经常不得不调整计划或调度方案来解决实际问题。未来的石油生产调度系统可以从用户过去所做的调整中学习[1]，能够对算法进行调整和组合，以达到最大的效率。还可以对调度系统进行重构，以降低成本，并基于网络进行实时跟踪和调度。

一、机器学习机制

实际工作生产中，嵌入在调度系统中的算法通常不会生成用户可以接受的计划或调度。单一的算法的不足以满足多目标的规划和调度问题。目前的系统很难实时为任何问题提供合理且可接受的解决方案。新的研究计划应致力于提高调度系统在日常使用生成解决方案的能力，这个过程需要大量的实验工作。关于机器学习方法在计划和调度中的适用性，已有一些方法，如“死记硬背”、基于案例的推理、诱导方法和神经网络、分级机系统等[2]，通过机器学习来提高调度系统自动化的能力，提高生产调度效率。

二、规划调度引擎和算法库的设计

未来的石油调度系统应设计一个计划或调度引擎，以使用户能够对算法进行调整和组合，以优化效率。系统中的计划或调度引擎通常包含算法过程库。算法过程库包含了综合调度规则、移动瓶颈技术、局部搜索技术、分支定界程序、数学编程等。一个过程可能适合于一种类型的实例或数据，而另一个过程可能更适合其他类型的实例。未来的调度引擎和算法库的设计应实现用户的自助选择，允许用户分析实例数据并确定算法参数，并行设置算法，串联设置算法，以及整合算法。用户可以选择一个过程并指定适当的其参数的级别（例如，缩放参数、选项卡列表的长度等）。可以设置多台计算机或处理器并行使用，还可以设置程序一方的输出作为另一方的输入来进行串联使用。此类调度系统具有一定的灵活性。

三、可重构系统设计

在过去的二十年里，我们看到了一大批工业和学术界的计划和调度系统。一些这些系统是特定于应用程序的，其他系统是通用的。在实施中特定于应用程序的系统往往比通用系统做得更好。但是，特定于应用程序的系统通常很难修改并适应不断变化的环境。通用系统通常模块化程度更高。然而，这种系统的任何定制通常都需要大量的投资。经验表明系统的开发和实现非常耗时而且昂贵。为了降低成本，应努力保持系统设计的高度模块化。如果模块设计精良，足够灵活，可反复使用。考虑到促进和标准化规划和调度系统的设计和开发，有必要对现有调度系统进行改进。

面向对象系统通常围绕两个基本实体进行设计，即对象和方法。对象是指各种类型的实体或概念。最明显的是工作和机器或活动和资源，计划或日程表也是一个对象，用户界面组件也是对象，例如按钮、菜单和画布。对象类型之间有两种基本关系，即IS-A关系和HAS-A关系。对象通常携带静态信息（称为属性）和动态信息（称为状态）。一个对象可以有几个属性，这些属性是与该对象关联的描述符。一个物体可能处于多种状态中的任何一种。例如，机器可能正忙、空闲或故障。方法通过一个或多个运算符在系统中实现。运算符用于操作与对象和可能导致对象状态的变化，即事件。另一方面，事件也可能触发运算符。不同对象的状态序列可以用状态转换或事件图来描述，这样的事件图可以表示运算符和事件之间的链接。操作员可能被认为是在软件中实现方法的方式。任何给定的运算符都可以是几种方法的一部分。方法的应用对象通常触发事件。将方法应用于对象可能导致信息从一个对象传输到另一个对象，这样的信息传递是通常被称为消息。消息表示信息（或内容）通过一种方法从一个对象（如日程表）传输到另一个对象（如用户界面显示）。系统在概念上是面向对象的，这意味着系统的每一个概念和每一个功能都是一个对象或一个对象的方法（无论它是在数据库还是知识库中，算法库、计划或调度引擎或用户界面）[3]。

四、基于Web的计划和调度系统

随着信息技术的不断发展，传统的单用户独立系统已经在网络和互联网上可用。基本上有三种基于Web的系统：信息存取系统，信息协调系统和信息处理系统。在信息访问系统中，可以通过互联网、电子数据交换或其他电子系统来检索和共享信息。这个服务器充当信息存储库和分发中心。信息流向多个方向流动，服务器可以同步和管理信息。

在信息处理系统中，服务器可以处理信息并将此处理的结果返回给客户机。基于Web的计划和调度系统是信息处理系统与调度系统的交互系统。因为客户端服务器互联网架构，规划或调度系统，即其数据库、引擎和用户界面，必须进行调整。拥有能够使计划和调度系统在Web上可用的服务器有诸多优势：首先，输入输出接口（用于图形显示）可由本地主机支持，而不是通过远程站点的服务器。其次，服务器和本地客户机可以处理数据存储和操作，可减轻服务器站点并为本地用户提供管理数据库。第三，多个服务器可以在大型解决方案上协作以解决复杂调度问题。

结论：未来的石油调度系统可以通过机器学习机制，以及调度引擎和算法库的设计、可重构系统的设计、基于Web的计划和调度系统的设计才实现智能化和自动化，这将大大提高我们油田系统的生产调度效率，减少不必要的人力物力资源浪费，优创“智能油田”。