浅谈基于实时数据的单井生产状况预警分析

石艳 杨凯 伊力哈木·阿布都西库儿 哈丽扎提·铁木尔 李武

[摘    要] 油田油气生产物联网实施以来，建立的各类管理系统都是基于实时数据查询及超限报警等功能，缺乏实用的生产异常预警及智能分析功能，并且缺乏与单井生产、井下作业、问题诊断专家知识库之间相关數据的关联应用，无法满足油田生产实际应用需要。本课题通过开展生产实时数据深化应用研究与分析，结合其他专业生产数据，开展生产过程异常预警、智能分析技术研究，为油田生产管理人员及时发现各类生产异常，暴露隐形问题，并及时采取措施，优化生产制度提供依据，从而进一步提高油田精细化管理水平，为提质增效提供新的技术手段。

[关键词] 实时数据;预警分析;单井问题

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 17. 025

[中图分类号] F270.7    [文献标识码]  A      [文章编号]  1673 - 0194（2019）17- 0058- 04

1      引    言

随着油田油气生产物联网示范工程上线，油田生产数据采集周期大幅缩短，每天都会产生近百万条监控数据。为更好地利用数据变革带来的优势，发挥实时数据对生产的指导作用，研发基于实时数据预警分析算法及应用系统。根据用户需求，建立一套简单、高效、实用性强的实时数据分析研究算法和模型，提前发现单井问题，缩短单井问题发现周期。利用实时数据的时效性和连续性，解决隐形降产井的发现、清蜡周期预测等问题。为油田生产管理人员及时发现各类生产异常，及时采取有效措施和优化生产制度提供依据。同时利用实时数据的准确性和高密度特性，降低人工研究分析的强度，解决数据统计分析过程中的计算量大、复杂程度高、人工统计实现困难的问题，实现单井能耗分析、抽油机设备运行情况判断等功能。

系统以中石油A11和A2数据库为数据源，建立界限值、特征库管理功能，实现了多系统数据共享。根据在中石油A11福山油田油气生产物联网（Pass）平台上的集成经验以及中石油A11平台集成要求，具体方案如图1所示。

2      技术路线

基于霍尼韦尔的自动化实时库（PHD），以json 数据格式传递业务数据，减少了解析XML解析带来的性能问题和兼容性问题。实现对A11实时数据访问接口的应用，具体的数据现状与访问方法如图2所示。

霍尼韦尔的自动化实时库（PHD）将数据标签配置信息和读取数据标签实时数据的方法存放在SQL Server数据库中，将数据标签采集的数据存放在PHD数据库中。

3      设计与实现

借助最小二乘法、建立了基于实时数据的分析算法，快速解决发现油田现场单井生产异常信息的发现和统计分析问题。

3.1   隐形降产井预警

算法基于A11自动采集的载荷、功图、产量等实时数据和历史数据，实时分析载荷、功图面积形状、产量数据的变化趋势进行预警，融合展示到一个页面，得出一个最终的预警结果，以实现对采出井的预警。

对最大、最小载荷的拟合直线斜率进行预测，最大载荷变小，最小载荷变大，表明单井可能存在“漏失”;结合功图面积变化进行辅助预警，判断功图面积是否变小，若变小，则可以进一步判断可能发生漏失现象。如图3所示。

3.2   管线状态异常预警分析

根据A11计量站、配水间实时采集的压力、液位、流量数据进行异常预警，分析数据变化趋势，实现对管线状态异常状况的预警分析。计算方法如图4所示。

井口回压数据的拟合直线斜率进行预测：若预测值大于标准值，说明井口回压呈上升趋势，即管线畅通度呈下降趋势，表明管线可能会出现堵塞，此时即预警。若预测值小于标准值，说明井口回压呈下降趋势，即管线畅通度呈不断上升趋势，表明管线可能出现破漏，此时即预警。

3.3   平衡度预警分析

获取A11自动采集的上行电流和下行电流，计算出平衡度，根据单井正常时平衡度的范围，对当前井的工况进行诊断和预警，将结果反馈给用户，帮助用户及时发现处理或者避免异常状况。根据上行下行电流的比值进行平衡度预警。计算公式为：

平衡度=上行电流/下行电流（下行电流/上行电流）

平衡度正常范围为85%～115%。如果根据获取的实时数据计算出的结果超出正常范围，则对该井进行预警，并及时进行相关参数调整。如图5所示。

3.4   单井能耗分析

获取A11电流、电压等数据，计算耗电量，通过对比分析产量情况，对单井的用电效益进行分析，快速统计优选出生产成本较低单井，为生产经营决策提供依据。

单位产油用电量（W）=I ×1.732×U×COSφ/1 000×开井时间（t）;

I：实时数据库当天三相电流总和的平均值;U：实时数据库当天三相电压总和的平均值;COSφ：功率因数;按照生产单元对单井耗电量进行计算，利用单井耗电量和产量的比值进行排序。

4      结    语

系统基于新数据模式下的实时数据开展研究分析，同其他系统相比，做到事前判断分析，提前预警单井可能存在的异常因素。同人工分析方式相比，预警系统有效快速解决生产现场中发生的各类实际问题。在发现隐形降产井方面，传统的人工分析方式发现周期很长，一般情况下需要在产量出现明显下降的10天左右才能发现问题，同时需要开展大量的人工对比分析工作。预警系统在针对隐形降产井的发现问题上，发现率高，同时结合大量实时数据对比分析，通过5分钟的数据计算，短时间内即可发现隐形降产井。在发现管线异常方面，同传统人工分析的方式比较，能够在管线发生刺漏的第一时间发出预警，提示巡检人员提前关注单井管线异常，在发生大面积污染之前及时恢复生产。在清蜡周期的制定方面，降低人工经验判断的误判率，提供实时可靠的判断依据。在抽油井平衡率调整方面，缩短抽油机平衡的检查周期，实时分析判断抽油机平衡状况，预警抽油机平衡率异常。在确定关停井、调开周期方面数据准确，为人工确定开井制度提供有效数据基础。

如图7所示，该预警分析系统基于新数据模式下的实时数据开展研究分析，充分发挥物联网模式下实时数据的特性，实现了单井异常从“事后诊断到事前预测”在工作模式上的重大变革，同其他系统相比，做到事前判断分析，提前预警单井可能存在的异常因素。解决了以往生产现场无法解决的问题，为今后在实时数据领域的知识模型、业务规则、技术规范、数据资源探索等多方面提供有力支撑。

主要参考文献

[1]中国石油天然气集团公司.QSY1722-2014油气生产物联网系统建设规范[S].2014.