复杂报警机制在石西油田中的应用

刘 婷，郭宝灵，张建军

（新疆油田公司石西油田作业区，新疆 克拉玛依 834000）

0 引言

石西油田作业区地处准噶尔盆地古尔班通古特沙漠腹地，目前共有4个油气田，有28个油藏、7个气藏，共35 个油气开发单元，油区面积达8 000 km，距新疆维吾尔自治区克拉玛依市170 km。石西油田自动化系统建设从1998 年开始至今，已形成一套从油水气井到采注计量站再到油气处理站的生产全过程监控、数据管理应用系统。数据采集与监视控制（Supervisory Control And Data Acquisition，SCADA）系统自建成以来已运行20 年，实现了油区井站3 万多点工况数据的集中监控与管理，目前采用“报警事件闭环管理”模式和以报警数据点为基础的阈值报警机制，系统采集的实时数据与设置阈值进行比较，超出阈值范围推出相应类型的报警提醒，同时将报警进行解析归类，所有与该事件有关的报警全部集中起来，系统不再反复弹出报警信息，用户可以集中处理一个问题。虽然报警量大幅降低，但部分异常仍需要人为进行对比分析判断，导致此类异常没有及时诊断出来，造成监控效率下降，影响生产安全。同时，现场仪表故障导致数据准确性降低，缺乏对仪表状态的诊断功能。此外，监控系统的报警机制均以事后报警为主，难以起到很好的预防作用。这些情况导致报警处理效率较低，影响生产监控及预警判断，已不能满足监控报警需求。

因此，研究实时计算、先进报警管理等前沿技术，利用油田大数据进行趋势预测和辅助决策，提高监控的准确率与覆盖率，成为解决上述问题的关键所在。制定行之有效的报警管理规范、设计合理的先进报警管理系统，是提升报警管理水平、实现平稳操作和安全生产的重要措施。

石西油田油气生产数据智能分析与预警系统在业务分析基础上，通过建立多参数预警、趋势预警等复杂预警模型，利用动态预警计算，将原来油水井、管线、区块等无法直接报警的生产异常及时进行预警，目前已绑定参数点包括仪表异常5 517 个、管线1 233 个、区块2 578 个、电力2 218 个、趋势1 155 个；完成分布式控制系统（Distributed Control System，DCS）数据对接接口开发，以及模型所需数据点的接入；绘制管线监控组态图13 幅。建立的预警模型，充分利用先进的信息计算技术，实现基于油气数据的智能预警分析。该系统已实现对报警事件和生产故障点精准定位及仪表工作状态在线诊断，实现了涵盖现场仪表、油水井、计量站间、管线、区块的一体化生产监控及预警报警管理。

1 生产数据智能分析

在油气生产行业中，目前主流的报警模式均采用单点参数报警，超出设置的阈值范围就触发报警。但现场提取数据来源不可靠，或者异常情况需要多参数综合分析判断，以及事后报警等情况，造成监控报警功能单一、人工工作量大、效率低下。因此，石西油田作业区通过生产数据深度分析，优化报警逻辑，支持分析计算模型的自定义编辑及扩展，开发联动报警功能，建立趋势预警模型，有效降低了无效、重复报警数量，减少了监控岗位监控工作量，并且有效降低了修改维护报警阈值的频率，减少了监控技术人员的维护工作量，从而使监控系统功能更完善、效果更明显。在降低人员劳动强度和减少无效报警的同时，保持系统的先进性、智能性和数据准确性。

1.1 现场仪表分析

传感器数据落零、负值或周期内异常波动，根据仪表量程特性、生产数据合理范围特征、异常持续时间等标准判断仪表异常。根据判断的结果，形成仪表异常报警数据表，在现场确定正常之后关闭相应参数的报警，形成仪表异常数据表，推送至数据库管理空间（Database-Managed Space，DMS）中。

1.2 区块分析

在油田生产中，偶尔会遇到突发性停电事故，造成大面积井、站通信中断及油井停抽。为及时恢复生产，需第一时间将停电信息推送至监控平台，同时需要准确定位停电区域，监控人员可及时了解停电原因并通知巡井人员查看现场。将表1 数据接入系统，基于区块实时数据，建立区块报警模型，重点解决预警通信、停电带来生产及管理问题。

表1 多参数综合报警规则

1.3 多参数复杂报警

油田生产运行管理过程涉及监控报警，有的需要实时诊断报警，有的需要周期性诊断报警，有的需要多参数诊断报警，有的需要结合各因素综合诊断报警，由此需要按照不同的诊断报警需求，有针对性地选择计算工具，建立不同报警模型。首先，基于业务分析总结诊断模型涉及哪些计算方法；其次，对计算方法进行拆分，提取共性内容，建立具有通用性的系统模型，如上升趋势、下降趋势、多参数对比等；最后，基于系统模型，以界面交互方式构建适用于不同生产工艺环节的专属业务模型，建立诊断模型库（建模规则如表2 所示）。另外，基于构建的业务模型，按照实际生产监控管理需要，每个业务模型与对应生产对象、生产数据绑定，最终实现模型的应用，并且提供一套模型可视化绑定的机制。

表2 事件报警与复杂报警处理效果对比

1.4 预警系统

数据异常本身可能就是一种对现场工况的反映，为了避免有价值的数据被过滤掉，加强油气生产全面风险管理，石西油田建立积极主动的风险管理机制，变事后控制为事前防范，对提取的数据进行预处理，在数据进行模型诊断运算前，建立集成时序预测模型，添加趋势预警规则，涉及油井、注水井、计量间、管线等生产重点参数，对参数长期趋势、周期性趋势及随机变化进行预测，实现对重大风险的预警管理，有效预防和控制重大风险。数据预处理有两种方式：对于简单的处理规则，在诊断模型配置中直接作为模型里面的一项判断条件进行处理即可；对于复杂的、运算量比较大的处理规则，单独建立预处理任务进行专门处理，处理后的结果再推送给诊断任务。

1.5 诊断模型可视化配置

常规的复杂报警模型建立，一般是在程序中通过代码固定好的，在模型运行调试阶段使用非常不便，模型的修改及更新非常耗时且更新周期较长，从而导致模型改进完善工作效率低下，无法通过快速迭代方式建立行之有效的诊断模型，系统运行效果大打折扣。为此，根据实际生产需求，在此系统中，开发了常用模型算法的可视化定制功能。用户通过界面交互即可实现相关信息的配置，其中模型可配置内容包括：模型名称、报警计算点数、消警计算点数、输入流个数、模型类型（模型分类管理的结构树）、模型子类型、模型严重等级、模型内容描述、输入流名称定义、触发流规则设置、报警判据逻辑设置、消警判据逻辑设置等。

2 效果分析

石西油田将“设定阈值的事件报警机制”改进为“多参数复杂的报警机制”，极大地提高了报警处理工作的效率，主要效果体现在如下几个方面。

（1）生产数据深度分析：将原来管线、油水井、区块等无法直接报警的生产异常纳入监控管理中，降低监控人员劳动强度，减少无效报警，提高判断准确性。

（2）区块分析：实现基于区块数据实时分析与预警，重点解决通信、供电带来的大面积生产及管理问题；开发重要管线的监控界面与曲线查询功能，实现重要管线可视化展示，完善阈值报警功能。

（3）现场仪表故障判断：通过对传感器数据异常的分析，快速准确定位仪表等现场故障，对仪表状态进行诊断，以免虚假数据造成监控盲区，对现场仪表进行及时校对，提高了数据采集的真实性，有效延长生产设备运行时率、挖掘生产潜力、降低生产风险。

（4）多参数报警：构建生产数据智能分析与预警模型库，将行业经验、专家经验进行量化管理，实现油气生产自动分析。针对某一故障问题，能够找到与之关联的参数，分析参数值的变化来判断故障是否发生，对发现的问题及时进行报警，减少人工综合分析判断工作量，提高异常发现及时率。

（5）趋势预警：建立能够支持海量数据实时计算的流计算引擎，满足复杂模型条件下的即时预警分析。利用实时采集的数据流进行线性拟合，得到拟合斜率，通过斜率的变化来判断即将发生的故障，及时进行报警，弥补人工定期翻曲线查看异常的空白期，及时发现即将发生的故障，提前落实并处理巡井现场，预防事故发生。

3 建 议

建立石西油田全景监控模式，实现油气生产数据智能分析与预警系统、生产监控平台、DMS 系统的无缝融合。支持各级生产实时监控，通过报警事件闭环管理模式，使报警信息更加准确，实现生产监控过渡到生产指挥，提高生产效率，降低安全风险。建立复杂报警管理机制，去除冗余报警，监控报警数量与质量得到有效控制，大幅提升油田现场无人值守的可靠性。建立多参数实时数据分析模型，对报警事件和生产故障点精准定位；仪表工作状态在线诊断，实现故障精准定位，仪表维修单准确率100%。通过生产过程实时监测，进一步探索监控运行模式，优化监控岗位操作规程，以提高分析判断问题准确率，辅助决策下达到位，动态指挥，使油田精细化管理水平进一步提高。

4 结语

复杂报警机制在石西油田已得到推广和深化应用，并取得了良好的效果，具有广泛的推广价值，为后续应用扩展提供技术支撑。目前，运用大数据技术处理、收集多源数据时，仍需要一定程度的人工干预，如何考量人工智能和人工干预的权重问题是下一步研究的方向。