吴巍
摘 要:研究一种海上石油生产数据可视化的关键技术方案。随着科学计算机可视化的出现,虚拟现实技术的蓬勃发展,基于海上石油生产数据可视化需求,通过对其数据仓库系统进行全面升级。该方案减少了不必要的数据冗余,整合可利用软件模块。建立数据仓库系统独立于各管理信息系统的可视化系统进行独立运行,实现关键技术的革新提升。结果表明:在相同的可视化需求下,革新方案在数据读写效率、数据仓库规模控制等技术领域有优势。且革新方案在可视化精度、数据利用率方面也有优势。
关键词:海上石油;抽采生产;数据可视化;关键技术;仿真分析
中图分类号:TE52 文献标识码:A 文章编号:1001-5922(2021)12-0030-05
Key Technology for Visualization of Offshore Oil Production Data
Wu Wei
(Zhonghaiyou Energy Development Equipment Technology Co., Ltd., Tianjin 300452, China)
Abstract:A key technology for visualization of offshore oil production data is studied. With the emergence of scientific computer visualization, virtual reality technology is booming. Based on the demand of offshore oil production data visualization, the data warehouse system is upgraded comprehensively. Where the unnecessary data redundancy is reduced, and the available software modules are integrated. the visual system, in which the data warehouse system is independent of the management information system, is established to run independently, and to achieve the innovation and improvement of key technology. The results show that under the same visualization requirements, the innovative scheme has advantages in data read and write efficiency, data warehouse scale control and other technical fields. Furthermore, the innovative scheme also has advantages in visualization accuracy and data utilization.
Key words:Offshore oil; Pumping production; Data visualization; Key technology; Simulation analysis
0 引言
海上石油钻井平台的生产数据,包括石油抽采产量数据、油井状态数据、设备运行状态数据、劳动组织及劳动竞赛数据等。这些数据对海上石油钻井平台的运行管理有重要意义。近年来,随着大数据技术在海上石油生产工作中逐渐普及,各种可视化管理技术被应用到钻井平台的调度、运行管理中。刘泽宇等(2020)指出,传统的数据可视化技术,是将生产系统采集的时域数据进行数据治理和各种分析后,将分析结果通过前端开发技术投送到值班桌面或者管理桌面上[1]。所以,在这种既有的数据分析系统中寻找突破点,而非对整套系统进行全新开发,是当前海上石油生产数据可视化的关键技术革新方向。
张路(2020)研究了海上石油钻井的数据可视化系统,并非单纯指根据特定数据表进行的数据前端展现模块,而是考察数据仓库的整体工作效率使原始数据得到可视化展现的管理信息系统功能[2]。即其研究重点在于利用关键技术革新,实现可视化分析过程的整体效能提升。
该研究创新点为:从数据流分析入手,将海上石油生产数据进行层次划分,使现有的各独立系统数据得到充分融合,从而实现数据可视化关键技术的提升[3]。
数据是生产的依据,数据的准确性和先进性是生产管理重要环节之一,尤其是特殊环境的作业,数据也是一切生产力的先行的前提。
1 海上石油生产数据的基本分析流程
海上石油生产系统中的物联网探头或管理信息系统采集到的数据,一般是可以基本保障时域完备性的数据,这些数据在原始数据治理阶段,经过平差矫正消除因设备瞬时故障产生的离群数据影响,进而通过曲线估计相关算法将缺失数据进行补全[4]。经过原始数据治理阶段输出的数据,为典型的时域离散数据[5]。对这些数据进行基于时域和频率两个方向的深入分析,各阶段分析成果均可以形成可视化输出的结果数据,也均可以为深度挖掘模块提供原始数据[6]。其数据流情况如图1所示。
图1中,数据可视化处理过程中,需要对数据进行包括平差矫正、曲线估计、重投影、特征提取等初步治理工作,以及通过模糊矩阵、神经网络等进行深度数据挖掘。根据大数据的层次模型,这些操作包括硬件层、数据层、治理层、描述層、挖掘层等5个层次,如图2所示。
图2中,5个层次构成了大数据系统的5个重要功能,其中硬件层的采集硬件获得的数据在存储硬件中构成基础数据表,在治理层的作用下形成数据查询表,然后在算力硬件的支持下,使用上述各层的模块功能,将数据查询表中的数据整理成分析结果表。可视化系统可以从数据查询表和分析结果表中读取数据[7-8]。
在海上石油生产系统中,包括生产管理系统、安全管理系统、设备状态监测系统、油井状态监测系统,以及后勤管理的材料管理系统、设备定制化系统、能源管理系统、行政OA系统、经营ERP系统、人事管理系统、库存管理系统等。这些系统在传统模式下,均要构建图1及图2中的完整数据处理架构,即在此种模式下,会形成采集硬件、存储硬件及数据资源、算力硬件的冗余、辅助硬件的额外压力。所以,在海上石油生产系统的可视化关键技术切入点方面,应该对海上石油生产系统的大数据管理系统进行全面整合,形成独立运行的大数据系统[9-10]。
2 海上石油生产系统的数据整合方案
2.1 数据整合方案整体设计
依前文分析结果,海上石油生产系统中所有的管理信息系统的硬件层和数据层可以形成独立系统,在治理层和描述层的私有云计算系统中,也可以使用部分公有云替代专有云。石油生产大数据硬件系统架构,如图3所示。
图3中,在大数据系统中构建2个全光交换背板系统,其中数据仓库背板系统用于驱动数据仓库系统,数据层的数据表等数据资源在此系统中进行存储。云计算背板系统驱动专有云系统和公有云系统,该专有云和公有云均属于油井生产系统的私有云,但专有云仅负责向某个独立的管理信息系统提供云计算资源;公有云系统向平台生产系统中多个管理信息系统提供云计算资源。物联网探头系统根据探头功能实现多个系统的复用,比如设备状态监控系统采集的设备状态,会同时向所有需要读取设备状态的管理信息系统提供设备状态信息。
相比较传统模式,归纳该关键技术的升级策略,主要有以下要素:
(1)硬件层中,按照图3策略对硬件系统进行重新规划,在保证基本设备冗余的基础上,最大可能减少因为多个系统对相同物联网系统的需求而重复构建物联网系统的系统冗余。
(2)数据层中,物联网的原始数据实现统一管理,各功能的管理信息系统根据数据需求在同一个原始数据表中构建查询,从而实现对数据的处理。而不同系统对同一可视化任务的需求,可在同一个分析结果表中读取。
(3)治理层和描述层中,对于多个管理信息系统有相同可视化需求的,对可视化支持数据,即同一个分析结果表使用同一个数据治理和描述模块进行数据处理,避免相同分析结果数据的重复挖掘分析。
(4)挖掘层中,因为不同管理信息系统的挖掘过程有所区别,所以构建公有模块的可行性较低;但确实存在相同数据挖掘过程的,也可以实现挖掘模块的复用。
2.2 数据整合方案实现效果
因为海洋石油钻探过程的钻井液控制难度较大,所以其在超深钻井过程中需要对钻井温度及对钻井液稳定性的影响进行严格控制,以钻井深度-温度分析结果为例,在深度数据挖掘条件下,可以形成如图4、图5的深度挖掘分析结果。
图4中,通过钻场深度-温度的关联分析,可以给出钻柱内温度、钻柱壁温度与理论岩层温度之间的对照关系。该结果数据来自钻进液循环系统温度/流量监控数据、钻头温度传感器数据、钻杆温度传感器数据等,如未采用本文革新方案,较难将这些数据整合到该坐标空间上进行可视化展示。
图5中,对图4数据进行进一步深度挖掘,根据其相关温度变化趋势,得到其钻柱内不同分层的温度分布关系。该关系对判断钻井液稳定性和调整钻井液配方成分有直接意义,为后续生产提供有力数据。
3 数据效能分析
在Simulink数据仿真分析平台下,完整构建石油抽采生产平台系统,单井产量为年产原油60万t,采用单井定向钻施工模式。在系统中构建抽采作业、设备管理、电力控制及电能管理、油井状态管理、人力资源管理、气象水文管理等子系统,在系统正常运转的预设前提下测试数据量。
3.1 数据处理能力比较分析
数据处理能力是指系统响应可视化操作所耗费的响应时间的平均值,该平均值考查前文分析中所有系统的所有操作,操作频次通过模拟相关系统的日常操作过程进行计算仿真。其比较结果如图6所示。
图6中,随着数据仓库规模增加,传统方案平均读写响应速度强相关沿线性关系增加,在系统数据规模接近18 TB时,该增加幅度开始有所放缓。而革新方案在系统数据规模达到3 TB以上时开始表现出优势,且在6~15 TB之间基本保持了稳定的平台期,其读写周期稳定在120 ms左右;在数据规模超过15 TB后,又开始缓慢增加。可见,当数据仓库的数据规模增加时,革新方案较传统方案表现出更高的读写数据读写效率。而传统方案在数据规模超过18 TB后,其读写时间消耗接近300 ms,几乎无法完成无感的数据延迟。
3.2 数据仓库规模比较分析
数据仓库规模指数据仓库系统中用于存储数据的硬盘总空间需求,应为RAID冗余带来的硬盘空间需求并未计入该空间规模。该数据指原始数据库、查询数据库、结果数据库等全部在数据仓库系统中运行的数据库。两种方案的数据仓库规模比较如图7所示。
图7中,当数据备份周期超过300 d时,传统方案需求的数据仓库规模开始显著大于革新方案,且二者均基本按照线性关系增加。这一结果也是当前诸多油田生产有关管理信息系统数据备份规模不超过1年的重要原因。数据革新后,即便数据备份量超过1 200 d,也可以将数据规模维持在较低的水平上。而增加数据备份周期,对提升数据的曲线估计水平、回归分析水平、频域分析水平、数据预警水平、机器学习水平等均有积极意义,进而可以提升数据可视化的分析能力。
3.3 可視化功能比较分析
在对可视化精度的分析中,主要对预警数据的敏感度和特异度进行分析,其中敏感度为系统预警判定为真的数据的判断准确率,特异度指系统预警判定为假的数据的判断准确率。另外,比较回归分析、曲线估计分析等逼近分析过程中决定了可靠系数(R2),发现值均接近0.990,这意味着较好的可靠度。在365 d原始数据条件下进行Matlab仿真分析,所得最大估计周期如表1,其中,可靠系数均在0.990以上。
表1中,革新方案在上述4个评价指标中均表现积极。可见革新方案可以有效提升数据可视化过程的数据分析精度。通过R2值得出该方案的可视化精度较高,从而提高最终数据的准确性。
可视化效能比较过程中,主要考查每天产生的数据量以及查询表数据总量与原始数据量的比值。可视化效能比较如表2所示。
表2中,传统方案下每天产生的数据量达到62.7 GB;而革新方案仅有13.5 GB,节约数据采集量78.5%。查询数据倍率主要用于表达数据的利用效率,传统方案该倍率为2.19%,革新方案该倍率为7.54%,后者为前者的3.4倍。该研究通过数据融合,对系统进行革新,并通过数据融合后在钻井深度-钻井温差变化情况分析进行对比,论证系统革新后得到的根据其相关温度变化趋势,得到其钻柱内不同分层的温度分布关系。并在Simulink数据仿真分析平台下,在系统正常运转的预设前提下测试数据量。通过革新后系统的处理能力、数据库规模以及可视化的精度、效能的数据对比,可以看出革新后的系统在处理数据能力上有大的提高,数据仓库扩容给数据提升数据可视化的分析能力,并通过数据处理的精度和效能上的优势说明该系统较之前系统的优越性。
4 结语
通过对海上石油生产平台数据可视化系统的数据仓库系统进行充分整合,减少物联网系统、数据仓库系统、云计算系统的硬件冗余量,在软件模块上实现数据仓库软件功能模块的复用,减少不必要的重复数据分析任务,可以有效提升数据可视化过程的资源占用量,提升系统效率。革新方案通过和以前方案对比,该方案的可执行性和适应性更强,数据处理能力大大提高,可视化精度和效能显著提升。
参考文献
[1]刘泽宇,廖培龙,马 骋,等. 一种便捷、可视化的CO_2驱助混剂评价方法——高度上升法及其在油田化学中的应用[J]. 油田化学,2020,37(03):525-530.
[2]张 路. 综合可视化智能安防系统在成品油库应用浅析[J]. 中国石油和化工标准与质量,2020,40(13):130-133+135.
[3]劉永革,姚传进,付帅师,等. 基于可视化实验的油藏数值模拟5E教学模式实践与认识[J]. 教育教学论坛,2020(22):388-390.
[4]第四届中国石油化工智能工厂科技高峰论坛暨第十一届中国石油化工重大工程仪表控制技术高峰论坛[J].仪器仪表用户,2020,27(04):113.
[5]吴伟鹏,侯吉瑞,屈 鸣,等. 2-D智能纳米黑卡微观驱油机理可视化实验[J]. 油田化学,2020,37(01):133-137.
[6]吕其超,张洪生,左博文,等. 特高含水期微乳液驱油规律微观可视化实验研究[J]. 西安石油大学学报(自然科学版),2020,35(02):71-77+119.
[7]杨 雷.“互联网+”时代智慧油气田QHSE监督构想与探索——以胜利油田为例[J]. 胜利油田党校学报,2020,33(02):70-72.
[8]彭 斐,罗东坤,尹成芳,等. 化石能源勘探开发经济评价的文献计量及可视化分析[J]. 石油科学通报,2020,5(01):132-140.
[9]陈从磊,张 多,张建兵,等. 海洋石油深水水下生产虚拟可视化仿真软件开发[J]. 电子技术与软件工程,2020(04):52-54.
[10]葛 勇. 电气自动化系统在石油行业中的应用分析[J]. 化工管理,2020(02):210-211.