天然气生产数据集成整合与智能分析系统

中国石油西南油气田公司重庆气矿

0 引言

在油气田开发中，一些油田企业逐步通过引入大数据、物联网等技术来加快智慧油气田的建设[1-4]。中国石油西南油气田公司重庆气矿（以下简称重庆气矿）担负着为川东气田天然气勘探、开发与销售提供要素保障，为川渝地区38 个区市、百余家企业、2 000 余万居民提供燃气保障的重任。目前，中国石油西南油气田公司（以下简称西南油气田）生产信息化系统已建设完成，重庆气矿通过构建生产信息化、SCADA、物联网等信息系统，基本实现了天然气生产数据的实时采集和远程传输，不仅为天然气场站、作业区调控中心、气矿调度中心提供整个天然气生产过程的数据监测与控制，同时还上传至西南油气田办公网生产数据平台，为生产运行管理、研究决策等平台提供支撑。但是，以往由于数据质量不高，产生了诸多问题：①手工平台实时数据派生功能不足，导致数据管理人工干预多；②实时数据核准缺乏有效工具支撑，导致人工核查费时费力；③数据源未完全整合导致数据多系统多头录入，生产类报表不能全部自动生成，数据深化应用与辅助决策功能欠缺等，不能满足气矿生产管理的需要。为此，重庆气矿基于“源头采集、智能核准、全面共享”的原则，自主创新开发了生产数据集成整合与智能分析系统。

1 生产数据管理与数据应用现状分析

1.1 数据采集与传输现状

重庆气矿按照西南油气田SCADA 系统建设总体技术方案要求，经过多轮信息化建设，到2019 年底已建成各类信息化生产场站470 余座，信息化覆盖率达95%左右，建成了无人值守站（RTU 系统）—中心站或直管站（SCS 站控系统）—作业区（RCC 区域控制中心）—气矿（DCC 气矿调度中心）4 级生产管控模式的数字化平台[5]，实现了生产数据自动采集、远程集中监控、关键阀门远程控制、远程视频监控等应用，数据采集与传输流程，如图1 所示。

图1 重庆气矿生产数据采集与传输流程图

生产实时数据经现场仪表自动采集，逐级上传并且汇集至西南油气田生产数据平台。截至2019 年底，重庆气矿上传至该平台PI 数据库的数据点超过30 000 点，其中模拟量为17 100 余点。

1.2 生产数据管理与数据应用现状

1.2.1 生产数据管理现状

重庆气矿的生产数据管理主要有两种方式：①通过SCS 站控系统上位机设置报警参数进行告警提示，井站员工分析报警原因并处理，或上报作业区处理；②通过生产数据平台子系统——手工平台，汇集自动采集的数据、人工补录的数据，通过井站员工将上述数据与站控系统中数据进行比对，并进行异常数据干预，以确保数据的准确性。统计表明，手工平台汇集的生产数据中实时数据对报表的支撑率不足40%，分析其原因主要包括以下两个方面。

1）手工平台实时数据派生功能不足，导致数据管理人工干预多。由重庆气矿采集、上传至生产数据平台的实时数据，除日产气量外以瞬时值居多，而生产类系统报表要求压力、温度等数据均是日平均值、每日最高/最低值、关井期间最高值等，现有的实时数据不能直接就作为报表数据，需要进行数据“派生”计算来获取。另外，针对开发后期场站工艺优化后产生的合并计量、合并输压、轮换计量以及大型集输气场站流程倒换需要实时调整管线流量数据等情况，需要进行的数据“派生”计算则更加复杂。因此，井站员工必须对手工平台汇集的部分实时数据进行人工干预。

2）实时数据核准缺乏有效工具支撑，人工核查费时费力。生产数据由现场仪表自动采集并且汇集至生产数据平台需经过RTU 系统、SCS 站控系统、RCC 区域控制中心、DCC 气矿调度中心、OPC（实时数据服务器）等多个环节，其中任何一个环节出现问题都会导致数据异常。如SCS 站控系统各环节数据点位编码不一致，将导致长期报错或不刷新；时钟不同步将导致SCADA 系统和实时数据库点位不同步；手工平台缺乏可视化配置界面，将导致点位映射错误；通信或现场信息化设备故障处理不及时等。井站员工作为生产数据源头的质量管控前端，仅凭借与前一天数据进行人工比对、通过经验判断等方式来进行数据质量审查，缺乏有效的工具软件对实时数据进行规范化管理和有效监督，加上还未建立起完善的数据质量管控与考核体系，导致人工核查费时费力，数据质量也不能得到保障。比如在2020年2 月1 日，重庆气矿9 个作业区（运销部）在手工平台共填报日数据6 165 个，其中自动生成的数据2 090 个，仅占33.9%；手工干预数据点达4 075 个，其中910 个数据点实时数据与手工填报数据误差大于10%，占比超过1/5。

1.2.2 生产数据应用现状

生产实时数据汇集至生产数据平台，然后通过单向隔离网闸镜像传输至办公网，利用手工平台进行数据质量管控，然后通过数据接口对生产运行管理平台、油气水井生产数据管理系统（简称A2 系统）、采油气与地面工程运行管理系统（简称A5 系统）等提供数据支撑与可视化展示。其中，A2 系统大部分数据通过手工平台自动推送，其中关井、加药等数据仍需人工录入；A5 系统中动态数据，除A2 系统为其推送生产井基础数据和生产日数据外，其他动态数据也是人工录入。目前，生产数据应用存在着以下两个突出问题。

1）数据源未整合、共享服务差，导致多系统录入与报表不能自动生成。目前，重庆气矿井站员工需要完成A2 系统、A5 系统、生产运行管理平台、作业区数字化管理平台、井站数字化管理信息系统5个系统/平台的数据录入。由于建设时期不同，对各个系统/平台的需求不一致，使得各个系统/平台按照相应专业要求独立建成，相关数据资源也未集成整合，形成了多个分散、独立的“信息孤岛”。虽然能够满足相应业务部门对信息化应用的基本需要，但不利于业务与信息的深度融合，同时，由于需要员工多系统录入数据，而且由于部分生产类报表不能够自动生成，还需要进行人工录入，导致员工工作量大。据统计，井站员工每日录入并核对各类生产数据需要耗时2～4 h，极大增加了员工工作量，增加了站场管理成本，降低了运行效率和质量。

2）数据挖掘应用不充分，辅助生产决策功能欠缺。目前，生产数据的应用仍停留在生成报表及简单的统计分析方面，缺少利用大数据、人工智能算法等技术对生产数据进行深度挖掘应用，生产决策仍然依靠传统经验，对业务管理的支撑严重不足。

2 生产数据治理技术与应用

数据综合治理是提升数据资产管理与应用水平的关键举措，是进一步梳理业务流程及其数据标准、加强跨业务部门的协同、提升信息系统应用收益的过程，是帮助企业强化标准、提高数据质量、控制成本的重要工作内容[6-8]。针对生产数据“管”“用”过程中存在的突出问题，以建立数据标准化为前提，着力健全数据关联流程，构建数据应用模型，通过规范基础数据配置、数据质量核查、数据共享服务三大业务数据管理流程，实现数据项模板化、配置可视化、核准智能化、服务共享化，以及数据审核流程化、报表生成自动化、异常提醒智能化，进而实现数据管理与应用的全面提升。从梳理井站、作业区、气矿生产业务数据需求入手，通过技术攻关，自主创新开发了生产数据集成整合与智能分析系统。

2.1 利用数据质量管理工具，实现生产数据的自动核准

利用数据实时趋势分析、日/周环比分析、数据波动限值管理等实时数据管理平台提供的数据质量管理工具，及时发现并处理异常数据；通过大数据智能算法、实时数据库分析函数等技术，实现生产数据的自动核准；通过数据点位监控（基于实时数据刷新频率的设定）、实时数据波动率与环比异常智能提醒、数据项映射管理、数据对比分析，实现数据质量的全面核查与分级管理。利用实时数据波动率分析技术，计算各数据项波动率值的均值和方差，利用正太分布3σ原则或分位数法确定合理波动范围[9]，实现对日生产数据环比异常的自动提醒，同时与“一键审核”关联，凡未完成告警数据处理，系统会自动跳转至数据告警页面，直至处理后才准予审核、发布数据，从而避免出现数据质量管控的疏漏。如图2所示。

图2 采气井日数据智能异常提醒界面截图

2.2 利用实时数据库内置函数、可视化编辑等技术，优化实时数据派生功能

利用实时数据库内置函数、可视化编辑等技术，基于天然气生产流程，建立数据项自主配置“一站一模型”，实现井站数据基础属性配置、个性化配置（如合并计量、轮换计量等）及人工录入数据项的映射配置，且实现即配置即显示数据实时值，极大降低了员工进行映射配置的“门槛”要求，提高了实时数据映射配置成功率，进而实现数据源头的规范管理。合并计量配置界面如图3 所示。

图3 合并计量配置界面截图

2.3 统一数据源与数据接口，实现数据共享服务

基于数据集成整合模型，实现物联网、SCADA系统实时数据及作业区数字化管理平台人工采集（基于工单派发）数据的汇集。基于日报数据审查、数据一键推送等功能，通过井站、作业区二级审核，一键推送到A2、A5 系统、生产运行管理平台，实现一线场站报表数据的共享服务及生产报表的自动生成。所有数据项按照面向服务架构（SOA）标准，发布数据接口，统一对外提供服务。在接口安全方面，支持应用鉴权与接口调用日志管理，如图4 所示。

2.4 利用多维数据联动技术，实现数据多维分析与深化应用

利用多维数据联动，实现数据实时趋势分析、环比趋势对比分析、历史数据趋势分析等功能，满足井站、作业区、气矿各层级对数据综合应用、多维度分析的需求。数据多维分析与深化应用主要涵盖以下3 个方面：①通过作业区、中心站、井站、管道、用户、工艺类型、时间等分析维度，对产气量、油套压、关井最高油套压等数百个指标建立用户自定义分析模型与可视化报表；②建立拖拽式操作完成数据分析页面定制，并且操作灵活、方便；③建立报表管理审核流程。用户通过选择报表指标与维度、定制表格、预览、审核、固化等操作，可形成内容、形式多样的分析报表，满足个性化数据分析的应用需求。

图4 数据共享服务流程图

3 数据治理成效

重庆气矿下属垫江运销部利用数据集成整合系统实现了生产数据的综合治理，取得了显著成效，主要体现在以下4 个方面。

3.1 实时数据派生配置最大化，提高实时数据利用率

垫江运销部开展生产类报表数据项梳理，建立数据配置清单，共计配置数据1 875 项，包括合并计量、合并输压等个性化配置27 项，拓展了生产实时数据的利用。目前实时数据（含派生数据）采集项达到1 130 条，数据项映射配置成功率由原来的37.7%提升至100%，实时数据利用率由原来的42.3%提升至100%。

3.2 充分运用数据自动核准，提高数据准确性和工作效率

通过数据集成整合系统，实现了生产数据的自动核准。以垫江运销部卧南站2020 年8 月20 日的日报数据为例，系统自动生成日报数据1 073 个，需人工干预的异常数据32 个，主要来源于现场设备故障和通讯故障，人工干预率仅2.98%，而以往的人工干预率通常大于50%。过去填报、审核生产类报表数据需要3～4 h，现在在30 min 内就能轻松完成。同时，通过大数据进行智能核准后，出现异常数据时系统会自动告警，使数据准确率得到有效提升，由原来的80%提升至99%。

3.3 生产报表自动生成与报表自定义，提升管理水平

利用数据集成整合与智能分析系统的自动核准功能，垫江运销部井站员工每日只需处理该系统自动诊断的异常数据，经“一键审核”提交运销部调控中心对关键数据进行核对，然后“一键发布”，将数据自动推送至A2、A5 系统、生产运行管理平台，实现相关生产类数据报表100%自动生成，同时减少了员工多头录入、重复录入的情况，盘活了人力资源，基层员工可以将更多的时间、精力投入到生产与施工两个现场的管控、生产设备的维护工作中。

3.4 实时趋势多维分析与智能异常提醒，助力智能化管理

员工利用生产数据实时动态趋势，数据环比分析和商业智能（BI）自助多维分析工具等功能（图5），及时发现生产中存在的问题，有效提升了生产动态分析能力，助力生产智能化管理。

图5 生产类数据多维分析与智能异常提醒界面截图

利用物联网大数据，建立管线工况特征模型，实现瞬态监控，包括管线压差、流量、管输效率变化趋势，并进行清管周期的智能预测。由模型输出图形，当概率大于1 时，将进行清管提醒。以重庆气矿申垭口—倒水桥站管道为例，模型预测的清管时间比实际清管时间延后了3 天，与实际情况基本吻合。

随着生产数据治理成果在垫江运销部的成功试点，重庆气矿将进一步优化业务流程，完善工单采集数据在作业区数字化管理平台的配置；中心站利用数据环比趋势进行数据分析，以及异常数据告警提示进行数据干预，作业区、信息技术支撑部门协助处理、整改导致各类异常数据出现的问题，确保数据的准确性。同时气矿业务科室出台相应的生产数据管理制度，充分体现“数据业务化、业务数据化”理念，确保数据治理目标的实现。同时，基于数据治理成果，通过大数据模型、机器深度学习来实现预测预警、业务优化和智能辅助决策，以支撑增储上产、降本增效和安全生产。

4 结论

1）基于油气生产物联网数据、手工录入数据的集成整合模型，进行生产数据变化趋势分析、报表数据自动生成及核准，实现了生产实时数据的集成整合、自动核准、共享服务、多维展示与预警分析，极大提升了数据的完整性与准确性，全面支撑上层平台及报表系统的应用。

2）通过对油气生产数据的全面治理，规范了数据来源，提升了数据质量，减少了基层员工多头录入，为重庆气矿业务数据化、数据业务化以及大数据智能分析应用提供了准确、唯一的数据源，也助推了西南油气田数字化转型与提质增效。

3）采用趋势告警、大数据智能算法、实时数据库分析函数计算等技术，可以对气井生产、管道运行进行准确、可靠的数据分析与预测，进而为生产制度优化、精细化管理提供有力支撑。

4）数据治理是提升企业信息化能力与精细化管理水平、提高业务运营效率、增强企业决策能力和核心竞争力的重要保障。

5）井站作为数据采集源头，井站员工工作在数据质量管控的第一线，充分利用信息化平台实现数据完整采集与汇集、数据质量的有效管控、数据的多维分析与预警，能够为下一步大数据应用、智能分析提供完整、准确“数据资产”打下坚实的基础。