油田的智能数据治理工程及应用技术研究

刘永军 徐 振 李兴亮

中国石油集团吐哈油田分公司勘探开发研究院 新疆哈密 839000

1 基本概念

1.1 智能油田

智能油田是在数字化建设发展的基础上，根据企业互联网技术来推动数据采集的新技能。现如今在数字化不断发展、社会不断进步的情况下，通过云计算物联网技术、互联技术和监控等方式共同支撑下，企业开展了规划和判断，并且在发展中拓展了诸多功能，通过可视化的形式对油田开发现场进行模拟，这种模拟可以更好地运用多媒体技术做真实的轨道扩展，有助于发现油田企业在开发过程中有可能遇到的问题。油田企业开采的过程中，根据风险预防实际的生产过程，而且能更好地规划开发建设油田企业使用智能油田的数字信息技术，能更好地减少人工干预，通过协调配合的方式，增强人与生产设备之间的功能，并且采用一体化的智能手段，帮助油田生产，推动自我感知。

1.2 数据治理工程

数据治理工程的概念，最初是根据工程混乱的数据整合提出来的，在数据分割和信息孤岛的危机下，油田企业开设自我寻找的解决方式，通过规范一体化的治理体系和掌握科学的治理方法，实现数据的统一，并且通过提高生产数据和数据效率的有效利用，增强数据治理工程。其中，油田数据会通过油田企业的工程建设和科研研究发展获得智能油田建设中重要的一环数据，并在治理工程内容中，不断加大数据处理，在数据整合的基础上增强数据管理。工程也在这个阶段不断的建设和创新，并且通过新型的技术思维和发展方式，在传统的数据处理下推动数据之间的传输，提供更加高效、更加明确的应用通道。在各个操作环节中能够实现工作的一体化、推动新技术的数据模拟化、增强高效化、智能化的全面发展，可以提供更加明确的无障碍数据传输。传统的数据治理，已经不适用于新媒体时代的发展，更多会采用高效无障碍的应用通道，根据储存数据和管理数据的相关环节，综合发展数据应用。

2 国内油田智能数据应用治理现状

自从改革开放后，国内科技不断往前发展，信息化数字油田建设也在发展之列。当前国内在建设油田数据方面，其最重要的目标就是建设智慧数据油田，该油田的建设能表现出国内大数据智能化在不断往前发展。常见的系统是企业资源计划系统，与油田开发相应的数据应用系统都有联系。当开始建设油田企业时，需要着重注意油气的前期勘探与开发过程，因为这与之后油田数据项目的进展紧密相连。要想让油田企业拥有更强的竞争力，可以将收集起来的油气勘探数据再利用，这样也能让原油的采收速度与采收率提升。虽然国内已经开始建立不少智能油田数据治理，可是该体系并不成熟，还有很多方面需要完善与优化。例如：当前国内油田企业并没有统一的信息系统，所以当要进行数据统计的时候显得不够科学有效。从当前现状来看，油田数据是特别珍贵的油藏资源信息，而其在进行管理时，与其他不少数据都有联系，例如：开发数据、勘探数据等。因为数据库在建设过程中有多元性与多变性，所以要想将数据进行共享与处理显得有些困难。

3 油田智能数据治理工程体系建设

要想对油田智能化进行数据治理，必须要有较强的理论基础作为指导，还应当拥有完整的体系。这里以吐哈油田为例，如果要对其进行数据治理，就必须提前建设对应的工程体系，而这类工程体系通常由4 个部分组成：执行体系、组织体系、技术体系以及管理体系。土哈油田数据治理工程体系如图1 所示。

图1 土哈油田数据治理工程体系

（1）组织体系。由于数据治理并非简单的事情，要想真正落实到位，一定要拥有够强的组织领导机制。为了增强组织以及领导数据治理能力，可以以数据规律作基础，将数据的生产者、管理者以及使用者在油田里面进行单独划分。

（2）管理体系。当开始数据治理时，为了让其能在科学的机制与标准下运转，必须拥有良好的管理体系。而这个管理体系内部由多种规则制度组成，例如制定数据所需要的规则、制定数据的标准与创建数据模型等。

（3）技术体系。技术体系通常是融合与整合数据、数据治理更新等。一般包含清洗并整理相关数据、对收集到的数据进行集成、融合数据等。

（4）执行体系。当数据治理能系统化、科学全面进行后，就会有各种相应的数据机制产生，不过这些机制都是围绕数据池发展起来的。对数据治理建立执行体系时需要考虑对数据的分析以及管控、考核等。

4 油田智能数据治理工程解决方案

吐哈油田的智能数据治理工程是由两个部分组成：一部分是该数据治理体系的构架；另一部分则是该治理体系的理念。吐哈油田智能数据治理工程的技术架构模型如图2 所示。

图2 吐哈油田智能数据治理工程的技术架构模型

从图2 能够直观地看出，有两个重要的技术被包含在智能数据治理里，其中一个技术是数据池，另一个技术则是数据治理工具技术，而后者是该工程的最关键技术。文中所运用的数据治理工具技术是Datist 技术，这项技术是从长安大学数字油田研究所引进的，该技术与其他技术相比能力更强大，例如读取数据的能力更强、对数据进行处理的所有流程都能可视化，对数据能进行实时推送以及拥有GIS 分析能力等。在数据治理中，其核心部件则是数据池，其通常由两个部分组成，一部分是大数据库思想，另一部分则是大数据库技术。数据池多种多样，不同的数据池不会互相影响，而且数据池拥有很强的扩充能力，边界大小也没有限制。

5 油田智能数据治理工程实施案例

5.1 工程案例

2020 年，某油田企业合并数据台账。本研究根据该企业的数据作为具体的案例分析进行调研时，发现在油井动态的调查分析中，需要重点做好数据台账，这也是油田动态的关键环节。分析油田产量的数据，和其他有联系的数据共同整合，并且重新将油井进行动态分析。通常在A系统库里，数据储存量偏大的系统库，工作人员会使用较多的人力与时间查询数据，以及对数据做好计算和关联动作都会花费大量的远离时间。传统的数据处理方式，无法提高工作效率，甚至于一些智能化的数据整理也无法重新增加更直观、更方便的处理方式。所以采用更加智能化的方式推动数据台账整合，提高生产环节和油田的管理环节，是当前具有时效性和智能性的解决方式。

5.2 技术应用

对2020 年某油田企业数据台账中存在的问题和数据查询方法做了综合检验后，找出了许多不足的方面。

（1）明确数据治理工程中需要确保好的前期工作，尤其是每一个生命周期和环节要做到的数据管理和数据处理工作，这也是工程环节开展的必备要素。在生命周期数据质量中发现隐患风险时，需要采用智能化明确化的态度，找到问题出现的方向，并且有效解决，对于每个生命周期出现的数据要做好风险调控和监控，对于一些有可能出现的风险要提前做好解决方式，并且根据数据归纳，整合问题措施。想要进一步的保证数据治理工程发展，就需要从质量管理的方式，推动工作效率提升，一方面要保证数据完整化，在不同过程形成的数据传输时，将有效的数据推动发展，减少重要数据出现遗漏的情况。除此之外，还需要确保数据传输的准确性，能够在业务要求和精准性传送一致的同时，将数据维度和度量值保持。

（2）油田企业对于数据台账做分期之前，首先要明确数据框架，搭建整体的技术架构，能够通过技术应用治理工具和大数据库的相应制度互相配合，根据数据治理的框架做好定期查询，并且将重要数据在数据池中做好分门别类的管理。查询速度的提升也是重要数据的整合要求，在工作的效率提升的同时，也要让户籍人员提高工作效率，减少数据查询消耗的时间，在智能化、科技化的发展中找到前进的方向。

（3）要对数据做好自由统计，根据各项数据的治理分析，企业要有效地引入科学化智能，使得数据工程能在为各项数据的治理和分析提高技术支持和数据流程体系构建框架的同时，还能通过强大的数据读取能力，整理好数据台账的核心数据。在数据台账的核心数据整合过程中，根据具体操作，推动数据处理，并且使用GIS 技术，及时对数据做好可视化管理，将整个数据过程明确的展现出来。

5.3 数据治理工程建设效果分析

通过对油田建设中数据处理的内容建设和工作比较后，发现数据处理工程对智能油田的数据录入效率做了整合，并且在分析查询的过程中，借助组织体系、管理体系和大数据的工程体系的帮助，能够进一步改善油田生产环节中有可能出现的数据混乱问题，发生的信息孤岛和数据分割，是油田建设数据处理中并不少见的情景。通过数据治理工程能极大程度地改善混乱状况，并且也为智能油田提供良好的技术支持，能够在油田挖掘之前先找到发展的方向，为后续的管理工作做好效率提升。当前关于智能油田数据的系列工作，相关人员调动的时间较多，花费的人力物力也较多，为了更好地帮助其实现信息化、智能化和数据化的发展，企业在运作过程中需要结合多项处理技术，对信息资料做好构建的同时，企业也要确保数据的代入性和完整性，能够在资料库的完善中，支撑油田发展，推动油田进步，找到更适合油田运作的方向，并且在此基础上，确保数据库的代表性和完整性能够在更完善的情况下，推动资料优化，做好信息的处理整合，对于资料的完整性根据多项处理技术调动。共同推动企业的信息化和数据化。

6 油田智能数据治理要点

6.1 元数据管理

元数据必须确定及说明数据的有关特性，而这也是数据共享得以完成的条件之一。元数据分为技术、业务、操作等部分。技术元数据是系统设置与平时管理过程中形成的有关数据。原数据是运作过程中形成的操作信息，如设备的运行频次、运行开始和结束的时间结果等。

6.2 数据质量管理

数据质量管理是数据治理工程中至关重要的一个流程，需要对所有过程有精准地把控，在所有流程中，都应该采用相应的保护策略，以防止其产生问题，使数据质量受损。另外，还应该仔细辨识与监控数据，若有问题出现必须及时进行解决，进而增强管理质量，增强数据水准。在实施数据质量管理过程汇总中，必须对如下几方面的问题加以重视：

（1）数据的完整性，是指要确保所传输数据的完整性，不可丢失核心数值等；

（2）数据的有效性，是指传输数据时，必须及时传送有效的数据，不可传送无价值的数据，应与业务需求相符；

（3）数据的唯一性，是指要确保进行传输的数据是和有关业务的核心性质是唯一的；

（4）数据的一致性，是指应确保所传输数据的维度与度量值的关系保持一致；

（5）数据的精确性，是指在传输数据时应确保数据的精度与有关业务需求相符；

（6）数据的时效性，是指数据在进行传输中的时效性不高，应选择相应手段确保数据的时效性；

（7）数据的真实性，是指所传输数据应该真实，无不实信息。

7 结语

只有让智能油田在运作效益这方面得到提升对有关的应用技术方案与数据治理进行改善与优化，才让智能油田发挥更大的积极影响与应用价值。需要优化与健全数据治理相关工程体系，并和有关技术方案进行有效对接，以此保障油田企业能长期发展下去。