基于云平台的油气勘探规划与部署系统设计

梁 卫

（中海石油（中国）有限公司深圳分公司 科技信息部，广东 深圳 518067）

0 引 言

目前石油天然气勘探规划与部署研究中存在一些问题，例如，缺乏完善的数据平台，历史数据分析难以深入；数据来源缺乏统一性，绝大部分数据由个人保管，不同类型数据保存在不同部门，无法保证数据的正确性；勘探规划的关键数据即储量数据归口比较复杂，年报储量数据与实际储量数据之间存在差异；勘探规划涉及投资、储量、工作量、成本、效益等多种指标，专业上涉及钻井、物探、测井等，管理上涉及盆地、区带、目标、项目等。勘探规划指标预测存在的问题：储量增长趋势预测是关键，实际研究过程中建立的十几种模型尚未形成成熟模型，需要深入研究确定。资源量指标是勘探规划编制的基础，尚需深入研究细化资源量预测、劈分的方法和模型。开发的投资优化组合软件因可操作性不强，使用频率较低。目前勘探规划与部署工作主要以Excel 为主。A2 数据库目前主要管理规划计划的成果文档，后面可以将规划形成的成果回存到A2 中。十大库中与规划相关的数据是动态库中的地震、钻井数据，按日、月进行管理。如果要统计计算，满足规划基础数据的需要，还要核对数据的准确性与完整性。

通过开发勘探规划与部署系统，研发完成相应的成果辅助编制工具，提高勘探规划、计划方案编制效率；利用信息化手段将规划编制与计划编制等工作结合、保证前后一致性；实现规划编制流程、报告、图表等规范化管理；实现规划数据及成果的完整性、系统性、继承性管理；实现勘探规划与计划方案编制工作与其他勘探业务口在工作流、数据流、业务流等方面的互联互通，同时从工具支撑层面提升规划与部署研究工作的智能化程度。

1 总体架构

1.1 设计思路

本系统基于智慧油田建设成果，集成现有平台，利用现有成熟的、先进的容器化、虚拟化、微服务、大数据、人工智能、互联网等先进技术，实现大中台、小前台，使前端可任意扩展、便利高效建立微应用、微程序。遵循“总体规划、整合资源、统一标准、安全可靠”的设计原则进行。

总体思路见图1，系统包括Iaas 层、IPaas 层、Daas层、APaas 层和Saas 层。Iaas 层是基础设施层，包括计算资源、存储资源、网络资源和安全防护，该层由各基础设计平台厂商提供对应的解决方案；IPaas 层包括数据仓库、A2+数据库及通用服务和微服务框架几个部分。平台的数据来源以中海石油的A2 数据库、十大库、中法库、FileNet 数据库等为主，利用业务模型进行数据描述，形成数据仓库。

图1 设计思路

1.2 系统架构

图2 是勘探规划与部署系统框图，其中“安全服务”和“业务中台”中的业务流程、项目工作、协同工作、信息推送等功能是与其他系统共用的。业务功能主要通过对资源基础、工作量投资情况从横向纵向上进行分析，为后面中长期（滚动）规划、年度计划提供参考依据。通过数据集成实现数据互通、通过成果管理，实现勘探规划计划资源的统一管理。

图2 勘探规划与部署系统框图

2 主要模块设计

勘探规划与部署系统主要包括微服务框架、中台服务、系统通用服务、平台管理等。勘探开发服务平台提供系统接入服务，可以将外部系统的用户、权限、业务模型、工具软件对接或集成到勘探开发服务平台中。勘探开发服务平台采用微服务框架开发（Spring Cloud），中台服务以微服务的形式进行注册部署、对外访问。

2.1 数据中台设计

数据中台的主要作用是将一切数据业务化。数据中台包含以下内容，数据接入、数据存储、后台服务、对外服务。其中，数据接入可以对以A2 数据库为主的历史成果数据、中法库为主的实时数据进行接入。数据接入后，需要对数据进行清洗和数据建模，贴上元数据标签，形成数据仓库。在此过程中，需要后台服务提供的业务模型、标签识别服务、数据萃取、知识生成等后台服务。数据仓库以MongoDB 数据库、MySql进行存储，对于需要进行搜索的数据，同步到ES。数据中台建设完成后，可以提供基础数据服务、语义服务、搜索服务、大数据服务、对象服务、KID 关系、知识关联等服务。

2.2 业务中台设计

业务中台包括四大板块：业务功能管理、事务定义功能、业务系统框架辅助生成和个人工作平台生成。业务功能管理主要包括业务功能管理、业务组件和技术组件的管理。业务人员都是通过具体的业务功能完成某项任务，产生具体的成果。不同的业务包含众多的业务功能点，并且这些业务功能点差异很大，但是从业务抽象的角度，任何一个业务功能点都是由IPOM四个部分组成，也就是在一个业务点上包括设计输入、业务处理、数据输出、业务管理等四个部分。业务组件和技术组件管理主要是对信息系统建设中经常用到的组件包括图形类、报表类、报告类、专业图形类等组件进行注册和配置。

2.3 微服务管理平台设计

主要是提供对所有服务的管理功能，基于微服务的技术实现，提供整套服务治理解决方案。采用Spring Boot 开发功能，Spring Cloud Ribbon 实现负载均衡，使用alibaba 开源工具Nacos 作为配置中心，Spring Cloud Gateway 做API 网关、Eureka 做服务注册发现、Histrix 熔断限流、Spring Cloud Admin实现服务监控，Rabbitmq处理消息、Redis处理缓存、前端采用Nginx 实现负载均衡和缓存，LCN 处理分布式事务，使用jenkins+Openshift 实现Docker 程序打包发布部署。

2.4 数据架构设计

A2 数据库为业务系统、数据中台等提供模型的标准、A2 数据采集服务、数据服务。对于项目而言，如果要用A2 的数据，就直接调用A2 提供的数据服务，各业务系统的数据服务和数据库，都需要在项目上开发和建设。同时业务系统的数据也可以通过A2 的数据采集存储到A2 数据库中。图3 是数据架构设计。

图3 数据架构设计

3 主要功能

勘探规划与部署管理系统的主要功能包括展示综合信息的项目首页、单个项目详细内容及进展的项目详情功能；业务功能主要通过对资源基础、工作量投资情况从横向纵向上进行分析，为后面中长期规划、年度计划提供参考依据；通过数据集成实现数据互通、通过成果管理，实现勘探规划计划资源的统一管理。系统功能的实现是通过数据中台的数据服务获得功能所需要的数据，通过业务中台的图形、数据业务组件展示图表内容。

3.1 项目概览

项目概览实际上是项目首页，主要展示方案数量统计、方案进展信息、方案编制动态信息及勘探状态统计。包括项目的研究时间、类型、所属部门、项目描述，项目的分配、提交、审核过程，勘探现状、项目投资、资源量情况、预测探明储量等。具体如图4 所示。

图4 项目概览

3.2 项目详情

主要展示单个方案编制工作信息，包括项目概况、任务分配、个人工作、项目文档、项目动态及工作看板功能。如图5 所示，在工作看板里显示项目各个任务的时间安排及完成情况相关信息。

图5 工作看板界面

3.3 中长期（滚动）计划

主要进行中长期规划和滚动规划相关工作，包括基础研究、方案编制和资源管理三大类功能，具体包括：勘探现状分析、资源潜力分析、执行情况分析、规划方案分析、参数设置、指标预测、报告编制和资源管理功能。例如，“指标预测”功能主要通过历史数据，研究使用龚帕兹、HCZ、瑞利、翁式回旋等方法实现指标数据预测及规划参数（二维地震作业费率、三维地震作业费率、探井作业费率、探井成效、技术采收率及储量动用率）和规划数据（工作量、储量、投资等）录入功能（见图6）。

图6 指标预测界面

3.4 年度勘探计划

主要涉及年度计划相关工作，包括数据管理、统计分析和计划编制三大类功能，具体包括：目标进度跟踪、年度计划及跟踪、探井进度数据上报、地震进度数据上报、勘探费用上报、其他数据、勘探形势图GIS 分析、勘探任务执行情况、勘探作业费用执行情况、勘探作业成本、地震采集作业时效、完钻探井作业时效分析、测井作业时效分析和报告编制功能。地震采集作业时效按时间范围统计，包括作业时效分析、生产时效分析、等待时效分析及故障时效分析等（见图7）。

图7 地震采集作业时效界面

4 关键技术选型

第一，开发环境选择JDK1.8，有助于提升开发效率，用更少的代码完成更多的工作，可以使用函数式思维编程。

第二，安全框架选择Spring Security，其基于Spring 开发，项目若使用Spring 作为基础，配合Spring Security 做权限更加方便，而Shiro 需要和Spring 进行整合开发；Spring Security 功能比Shiro 更加丰富些，例如，安全维护方面；Spring Security 社区资源相对比Shiro 更丰富；Spring Security 对Oauth、OpenID也有支持，Shiro 则需要自己手动实现，而且Spring Security 的权限细粒度更高。

第三，数据存储选用MongoDB，MongoDB 支持HDFS 所没有的索引的概念，所以在读取上更加快，MongoDB 支持的增删改功能比HDFS 更加易于修改写入后的数据，HDFS 的响应级别为分钟，而MongoDB通常是毫秒级别，如果现有数据库已经是MongoDB的话，那就不用再转存一份到HDFS 上了，可以利用MongoDB 强大的Aggregate 做数据的筛选或预处理。

5 安全与保密

5.1 网络安全

采用网络安全审计系统，对网络设备运行状况、网络流量、用户行为等进行日志记录；网络边界处采用入侵检测和防火墙产品监视攻击行为，包括端口扫描、强力攻击、木马后门攻击、拒绝服务攻击、缓冲区溢出攻击、IP 碎片攻击和网络蠕虫攻击等。

入侵检测系统集入侵检测、网络管理和网络监视功能于一身，能实时捕获内外网之间传输的所有数据，利用内置的攻击特征库，使用模式匹配和智能分析的方法，检测网络上发生的入侵行为和异常现象，并在数据库中记录有关事件，作为网络管理员事后分析的依据；如果情况严重，系统会发出实时报警。

5.2 保密措施

采用数据传输加密技术，对传输中的数据流加密，以防止通信线路上的窃听、泄漏、篡改和破坏。数据传输的完整性通过数字签名的方式来实现，数据的发送方在发送数据的同时利用单向的不可逆加密算法Hash 函数计算出所传输数据的消息文摘并作为数字签名随数据一同发送。接收方收到数据及数字签名，接收方使用相同的算法计算出接收到的数据的数字签名，并把该数字签名和接收到的数字签名进行比较，若二者相同，则说明数据在传输过程中未被修改，数据完整性得到了保证。核心数据加密保证数据即使被窃取之后，也无法了解数据的内容。加密技术对数据的保密和安全要求极为严格，因此除了在数据通过网络传输过程的保密和安全采取有效措施外，还要对数据库中的静态数据和系统配置信息等核心数据进行加密，在显示时通过用户程序进行解密。这样，防止有人直接读取数据库表数据，获知核心数据的内容，甚至可以防止站点管理员、数据库管理员对数据的窥视。

6 结 语

勘探规划与部署系统是智慧油气田、智能勘探建设的成功实践，该系统采用了云平台、大数据、信息化等先进手段。研发完成的成果辅助编制工具，极大地提高了勘探规划、计划方案编制效率，从而提高勘探效益；将规划编制与计划编制等工作相结合，并保证工作完整性、前后一致性；实现规划编制流程、报告、图表的规范化；实现勘探规划与计划方案编制工作与其他勘探业务口，包括工作流、数据流、业务流等方面的互联互通，同时从工具支撑方面提升规划计划研究工作的智能化程度，更好地支持相关工作的开展。