油田生產(chǎn)大數(shù)據(jù)分析應(yīng)用研究

耿玉廣 張 萌 耿英杰 薛良玉 張戰(zhàn)敏 顧龔杰

1.中國(guó)石油華北油田公司工程技術(shù)研究院；2.中國(guó)石油華北油田公司儲(chǔ)氣庫(kù)管理處；3.中國(guó)石油勘探開(kāi)發(fā)研究院計(jì)劃財(cái)務(wù)處；4.中國(guó)石油華北油田公司二連分公司

“十二五”以來(lái)，我國(guó)在“互聯(lián)網(wǎng)+”“兩化融合”“綠色礦山”行動(dòng)計(jì)劃指引下，相繼建成一批具有石油行業(yè)特色的數(shù)字油氣田[1]，對(duì)基本生產(chǎn)單元和設(shè)施實(shí)現(xiàn)了高效管控，成為控投資、降成本、提效率、保安全的有力支撐[2-3]。在以物聯(lián)網(wǎng)為基礎(chǔ)的數(shù)字油田，遍布單井、管道、站庫(kù)的傳感器不斷采集各種生產(chǎn)數(shù)據(jù)，匯集成大數(shù)據(jù)資源，挖掘和用好這一寶貴資源對(duì)于充分發(fā)揮數(shù)字油田的作用至關(guān)重要。油田生產(chǎn)主要業(yè)務(wù)包括油藏動(dòng)態(tài)、采油采氣、油田注水、地面集輸、井下作業(yè)、項(xiàng)目施工、QHSE管理及經(jīng)濟(jì)效益分析等多方面，產(chǎn)生的數(shù)據(jù)類(lèi)型復(fù)雜多樣、時(shí)效性強(qiáng)、數(shù)據(jù)量大、價(jià)值密度高、保密性強(qiáng)。雖然目前大數(shù)據(jù)分析在金融、保險(xiǎn)、交通、電商等行業(yè)開(kāi)展得有聲有色，但在石油上游生產(chǎn)領(lǐng)域的分析與應(yīng)用尚處于起步探索階段，鮮有成熟案例可供借鑒。怎樣挖掘和用好油田生產(chǎn)大數(shù)據(jù)，使“數(shù)字油田”邁向“智能油田”，進(jìn)一步發(fā)展成“智慧油田”[4]，成為各油田爭(zhēng)相解決的熱點(diǎn)難點(diǎn)問(wèn)題。

H油田正從傳統(tǒng)的能源企業(yè)向數(shù)字化、信息化企業(yè)轉(zhuǎn)型，在實(shí)踐中逐步認(rèn)識(shí)到大數(shù)據(jù)潛藏的“能量”和“效益”，把大數(shù)據(jù)分析看作是充分體現(xiàn)數(shù)字油田建設(shè)價(jià)值的關(guān)鍵所在，是提升油田管理水平的重要抓手，不失時(shí)機(jī)地在油田生產(chǎn)領(lǐng)域開(kāi)展大數(shù)據(jù)分析應(yīng)用研究。

1 油田生產(chǎn)大數(shù)據(jù)研究目的與技術(shù)思路

基于現(xiàn)有生產(chǎn)大數(shù)據(jù)，以油田生產(chǎn)單位最關(guān)心的產(chǎn)量、能耗、效率、效益、安全、環(huán)保等指標(biāo)的提升為分析目標(biāo)，在油藏、采油(氣)、注水、集輸、修井及生產(chǎn)管理等方面，深入開(kāi)展大數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、可視化展示、因果分析、方案優(yōu)化、現(xiàn)場(chǎng)實(shí)施等一系列研究，開(kāi)發(fā)油田生產(chǎn)大數(shù)據(jù)分析平臺(tái)及網(wǎng)絡(luò)版軟件，為油田生產(chǎn)高效管控和優(yōu)化運(yùn)行提供決策依據(jù)。

技術(shù)思路上，一是要強(qiáng)化前期技術(shù)調(diào)研，創(chuàng)新分析應(yīng)用思維，探索適合油田企業(yè)大數(shù)據(jù)分析應(yīng)用的基本方法和流程；二是要圍繞具體分析目標(biāo)，構(gòu)建與油田生產(chǎn)參數(shù)優(yōu)化、管理提升相適應(yīng)的數(shù)據(jù)分析模型、挖掘方法與展示方式，指導(dǎo)生產(chǎn)優(yōu)化運(yùn)行；三是要強(qiáng)化信息技術(shù)人員與油田專(zhuān)業(yè)人員對(duì)接，建立以“拖、拉、拽”為操作特點(diǎn)的云計(jì)算大數(shù)據(jù)分析平臺(tái)，滿足不同崗位人員需要；四是要堅(jiān)持“貼近生產(chǎn)，研用結(jié)合，以用促建”原則，在實(shí)踐中不斷修訂完善數(shù)據(jù)分析模型，提高大數(shù)據(jù)分析預(yù)測(cè)結(jié)果的準(zhǔn)確性和可靠性。

2 構(gòu)建以應(yīng)用為導(dǎo)向的油田生產(chǎn)大數(shù)據(jù) 分析流程

計(jì)算機(jī)界的“諾貝爾獎(jiǎng)”——圖靈獎(jiǎng)1998年得主詹姆士·格雷(James Gray)認(rèn)為，未來(lái)的數(shù)據(jù)密集型科研僅基于數(shù)學(xué)模型的海量數(shù)據(jù)即可對(duì)數(shù)據(jù)進(jìn)行分析，將海量數(shù)據(jù)輸入龐大的計(jì)算機(jī)集群，只要數(shù)據(jù)中存在相關(guān)關(guān)系，通過(guò)計(jì)算分析便可挖掘出過(guò)去關(guān)注因果的科學(xué)方法很難發(fā)掘出來(lái)的新模式、新知識(shí)甚至是新規(guī)律[5]。杰出的大數(shù)據(jù)預(yù)言家、暢銷(xiāo)書(shū)《大數(shù)據(jù)時(shí)代》的作者維克托·邁爾-舍恩伯格、肯尼思·庫(kù)克耶[6]認(rèn)為，大數(shù)據(jù)時(shí)代“相關(guān)關(guān)系比因果關(guān)系更重要”。我國(guó)新疆油田段澤英等[7]提出，大數(shù)據(jù)處理的主要步驟僅限于數(shù)據(jù)處理階段，且認(rèn)為大數(shù)據(jù)挖掘功能有兩類(lèi)，即展現(xiàn)數(shù)據(jù)一般性的描述和用于推算處理的預(yù)測(cè)。大港油田劉志忠等[2]認(rèn)為，大數(shù)據(jù)分析重在發(fā)現(xiàn)事物變化趨勢(shì)，不追求精確性，不再探求事物的因果關(guān)系。

然而，這些理念導(dǎo)致大數(shù)據(jù)分析在油田企業(yè)較難落地和應(yīng)用，原因有兩點(diǎn):一是大油田的數(shù)據(jù)量雖然足夠大，但區(qū)塊多、類(lèi)型雜、差異大，具體到某一類(lèi)型區(qū)塊，數(shù)據(jù)量并不一定巨大，因而無(wú)法開(kāi)展“大數(shù)據(jù)”分析；二是油田生產(chǎn)數(shù)據(jù)帶有明確的物理意義，單純考慮不同數(shù)據(jù)之間的關(guān)聯(lián)而撇開(kāi)其屬性和確定的因果關(guān)系，其分析結(jié)果的實(shí)用價(jià)值將無(wú)法得到保證。

為此，針對(duì)油田生產(chǎn)大數(shù)據(jù)的特點(diǎn)，運(yùn)用大數(shù)據(jù)理念，研究構(gòu)建了以應(yīng)用為導(dǎo)向的油田生產(chǎn)大數(shù)據(jù)分析流程(圖1)。其中，數(shù)據(jù)準(zhǔn)備是根據(jù)分析目標(biāo)從數(shù)據(jù)庫(kù)中調(diào)取和遷移所需全部數(shù)據(jù)，而非數(shù)據(jù)樣本，并由專(zhuān)業(yè)人員結(jié)合實(shí)際對(duì)數(shù)據(jù)進(jìn)行過(guò)濾清理，去除其中不合理、重復(fù)和無(wú)效部分。數(shù)據(jù)挖掘則結(jié)合數(shù)據(jù)類(lèi)型、格式和具體問(wèn)題，對(duì)挖掘方法進(jìn)行綜合比較，選出最佳方法，以便數(shù)據(jù)處理更為快捷，揭示數(shù)據(jù)內(nèi)涵，得到潛在的規(guī)律性和認(rèn)識(shí)。診斷剖析是專(zhuān)業(yè)人員根據(jù)數(shù)據(jù)分析結(jié)果結(jié)合生產(chǎn)實(shí)際，透過(guò)現(xiàn)象探究本質(zhì)，從而找準(zhǔn)優(yōu)化方案的途徑。優(yōu)化方案則要突出針對(duì)性、個(gè)性化和預(yù)測(cè)效果。實(shí)施評(píng)價(jià)是強(qiáng)化方案的實(shí)施跟蹤與效果評(píng)價(jià)，并將實(shí)施前后結(jié)果進(jìn)行對(duì)比分析后再反饋到生產(chǎn)數(shù)據(jù)庫(kù)中，作為知識(shí)庫(kù)的一部分，不斷擴(kuò)充大數(shù)據(jù)分析的數(shù)據(jù)資源。

需要指出，油田生產(chǎn)大數(shù)據(jù)分析是一個(gè)不斷優(yōu)化、相互驗(yàn)證的過(guò)程。一方面，圖1中每一步如果沒(méi)有達(dá)到預(yù)期目標(biāo)，都需要回到前面的步驟重新調(diào)整并繼續(xù)進(jìn)行，直到滿足分析目標(biāo)需要為止；另一方面，隨著數(shù)據(jù)積累，特別是生產(chǎn)狀態(tài)的變化，需要不斷地進(jìn)行大數(shù)據(jù)分析和優(yōu)化生產(chǎn)運(yùn)行參數(shù)，促使生產(chǎn)保持在最佳運(yùn)行狀態(tài)。

圖1 油田生產(chǎn)大數(shù)據(jù)分析流程

3 建立油田生產(chǎn)主營(yíng)業(yè)務(wù)大數(shù)據(jù)分析模型

建立數(shù)據(jù)分析模型是大數(shù)據(jù)分析應(yīng)用的核心，本研究從油田生產(chǎn)主要專(zhuān)業(yè)[油藏、采油(氣)、注水、集輸、修井]到生產(chǎn)管理(預(yù)警報(bào)警、能耗管控、QHSE管理、ERP運(yùn)行)，靈活運(yùn)用聚類(lèi)統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、時(shí)間序列等數(shù)據(jù)處理方法，構(gòu)建了一系列大數(shù)據(jù)分析模型，并通過(guò)在實(shí)踐中反復(fù)檢驗(yàn)與修訂，最終固化下來(lái)，為計(jì)算機(jī)編程做好準(zhǔn)備。各專(zhuān)業(yè)數(shù)據(jù)分析模型包括油藏1個(gè)、采油(氣)13個(gè)、注水4個(gè)、集輸7個(gè)、修井3個(gè)、管理7個(gè)，合計(jì)35個(gè)(表1)。

例1:以降低抽油機(jī)井噸液舉升百米耗電為目標(biāo)的大數(shù)據(jù)分析[8]。選取影響抽油機(jī)井舉升系統(tǒng)效率的影響因素(表2)，收集和遷移H油田2014—2016年與抽油機(jī)井系統(tǒng)效率、噸液舉升百米耗電影響因素相關(guān)的數(shù)據(jù)，結(jié)合中國(guó)石油天然氣行業(yè)標(biāo)準(zhǔn)對(duì)不同類(lèi)型油藏系統(tǒng)效率的指標(biāo)劃分[9]，作聚類(lèi)統(tǒng)計(jì)回歸，發(fā)現(xiàn)系統(tǒng)效率與噸液舉升百米耗電之間呈現(xiàn)冪函數(shù)關(guān)系(圖2)?？梢钥闯?，左側(cè)區(qū)域系統(tǒng)效率低而能耗高，是節(jié)能挖潛的重點(diǎn)區(qū)。對(duì)比3段曲線對(duì)應(yīng)擬合直線的斜率發(fā)現(xiàn)，y1/y3＝48.2，y2/y3＝8.6。所以y1區(qū)井的潛力是y3區(qū)的48.2倍，y2區(qū)井的潛力是y3區(qū)的8.6倍。y3區(qū)井的系統(tǒng)效率高而能耗低，屬于合理區(qū)，應(yīng)當(dāng)保持下去。

表1 油田生產(chǎn)主營(yíng)業(yè)務(wù)大數(shù)據(jù)分析模型

表2 抽油機(jī)井噸液舉升百米耗電大數(shù)據(jù)分析基礎(chǔ)數(shù)據(jù)

由于影響系統(tǒng)效率和噸液舉升百米耗電的因素很多，為找到關(guān)鍵因素，運(yùn)用灰色關(guān)聯(lián)法，將各影響因素對(duì)系統(tǒng)效率的影響程度進(jìn)行關(guān)聯(lián)度排序(表3)。再進(jìn)一步對(duì)表中主要影響因素與系統(tǒng)效率、噸液舉升百米耗電的關(guān)系進(jìn)行單因素分析[10]，確定每項(xiàng)參數(shù)的合理取值范圍(表4)，為制定單井節(jié)能降耗方案提供依據(jù)。統(tǒng)計(jì)對(duì)比大數(shù)據(jù)分析應(yīng)用前后效果發(fā)現(xiàn)，抽油機(jī)井舉升系統(tǒng)措施設(shè)計(jì)負(fù)荷率較以往提高了10%～15%，實(shí)施后在保持油井產(chǎn)液量不降的情況下，系統(tǒng)效率提高1.2%～2.0%，平均單井噸液舉升百米耗電下降0.16kW·h。

表3 系統(tǒng)效率影響因素關(guān)聯(lián)度排序

圖2 H油田抽油機(jī)井系統(tǒng)效率與噸液舉升百米耗電大數(shù)據(jù)關(guān)系曲線

表4 H油田抽油機(jī)井系統(tǒng)效率部分主要影響因素取值范圍

例2:抽油機(jī)井智能工況診斷預(yù)警[11]?；舅悸肥?對(duì)照單井標(biāo)準(zhǔn)示功圖(樣本)，由計(jì)算機(jī)自動(dòng)比較分析前后示功圖形狀變化，給出舉升系統(tǒng)診斷結(jié)果，進(jìn)而實(shí)現(xiàn)預(yù)警。主要步驟如下:

(1)示功圖特征點(diǎn)提取。抽油機(jī)井的示功圖形狀復(fù)雜，提取特征參數(shù)難度較大，而特征參數(shù)的全面性、準(zhǔn)確性對(duì)診斷結(jié)果有著決定性影響，如果所提取的工況特征未包含足夠的識(shí)別信息，診斷結(jié)果誤差很大。常用的提取方法有網(wǎng)格法、矩陣特征矢量法、灰度矩陣法、面積法、差分曲線法等[12-13]。本研究給出一種最優(yōu)角度擬合算法，通過(guò)最優(yōu)角度擬合，找到實(shí)測(cè)示功圖的6個(gè)特征點(diǎn)(圖3)，然后在這些特征點(diǎn)的基礎(chǔ)上經(jīng)數(shù)據(jù)處理進(jìn)一步形成25項(xiàng)特征參數(shù)，代表典型示功圖特征。應(yīng)用表明，這一方法在示功圖形狀識(shí)別上更加精準(zhǔn)快速。

圖3 示功圖6個(gè)特征點(diǎn)示意圖

每個(gè)示功圖由大約200個(gè)點(diǎn)組成，上行程數(shù)據(jù)較密，110～120個(gè)點(diǎn)；下行程數(shù)據(jù)較稀，80～90個(gè)點(diǎn)。采用等位移插點(diǎn)法，使示功圖成為標(biāo)準(zhǔn)點(diǎn)數(shù)的閉合圖形。其中A、C、E點(diǎn)取值容易，A點(diǎn)為起始點(diǎn)(最接近零位移的點(diǎn))，C點(diǎn)為最大位移點(diǎn)，E點(diǎn)為采集的最后一點(diǎn)，B、D、F點(diǎn)需通過(guò)最優(yōu)角度擬合計(jì)算。B點(diǎn)為游動(dòng)凡爾完全關(guān)閉點(diǎn)，前一條擬合直線與下一條直線進(jìn)行對(duì)比，θ角最小。D點(diǎn)為固定凡爾完全關(guān)閉點(diǎn)，前一條直線角θ1小于90°，后一條直線角θ2在180°附近。若D點(diǎn)之后又找出類(lèi)似夾角，以第1個(gè)夾角為準(zhǔn)，且后者的夾角法線大多在90°左右，而D點(diǎn)法線在第二象限，角度更大。F點(diǎn)為二次卸載起點(diǎn)，具體方法和D點(diǎn)取點(diǎn)法相似，但前一條直線角θ1在0°左右，后一條直線角θ2為90°～170°。示功圖上任意一點(diǎn)載荷Pi都可以根據(jù)與之相鄰的n個(gè)數(shù)據(jù)點(diǎn)之間的幾何關(guān)系計(jì)算。經(jīng)多次模擬訓(xùn)練，認(rèn)為5～8個(gè)點(diǎn)擬合最為準(zhǔn)確(圖4)。

圖4 角度擬合算法示意圖

(2)特征值預(yù)處理。工況特征信息需要同時(shí)反映出圖形形狀特征和數(shù)值的變化才能準(zhǔn)確診斷工況。若只考慮圖形形狀，當(dāng)示功圖出現(xiàn)縮放、旋轉(zhuǎn)、移動(dòng)等情況時(shí)，會(huì)出現(xiàn)誤判。例如:抽油桿斷脫和連抽帶噴的示功圖形狀都為窄條狀，圖形特征相似，只有綜合考慮形狀特征和載荷值才能做出正確診斷。通過(guò)最優(yōu)角度擬合算法計(jì)算的6個(gè)特征點(diǎn)的載荷、位移、角度，涵蓋了示功圖的基本輪廓，通過(guò)進(jìn)一步計(jì)算，可以得到示功圖最大載荷、最小載荷、有效沖程、充滿系數(shù)、加卸載沖程損失、示功圖面積等特征參數(shù)，綜合考慮以上信息才能全面反映示功圖形狀和數(shù)值變化特征。

另外，對(duì)于停機(jī)、皮帶異常等與地面設(shè)備相關(guān)的工況，僅靠示功圖不能準(zhǔn)確診斷，需結(jié)合其他數(shù)據(jù)進(jìn)行分析。數(shù)字油田連續(xù)采集的電流信息可輔助進(jìn)行此類(lèi)工況診斷，當(dāng)三相電流同時(shí)為0時(shí)(數(shù)據(jù)傳輸錯(cuò)誤除外)，電機(jī)停止運(yùn)轉(zhuǎn)，抽油機(jī)井處于停機(jī)狀態(tài)；當(dāng)電流值波動(dòng)幅度變小，且抽油機(jī)懸點(diǎn)最大、最小載荷相差不大時(shí)，皮帶出現(xiàn)故障。

(3)工況樣本建立。為方便對(duì)比，首先，需建立理論示功圖，每口井至少有1個(gè)理論示功圖，可通過(guò)計(jì)算得到或選取某一正常工況下的標(biāo)準(zhǔn)示功圖代之；其次，對(duì)實(shí)測(cè)示功圖進(jìn)行預(yù)處理，建立示功圖標(biāo)準(zhǔn)化數(shù)據(jù)集，過(guò)程包括格式轉(zhuǎn)換、等位移插點(diǎn)、特征提取等，特征參數(shù)包括6個(gè)控制點(diǎn)的載荷、位移、角度、最大載荷、最小載荷、有效沖程、充滿系數(shù)、加載卸載沖程損失、示功圖面積、三相電流等25項(xiàng)特征參數(shù)；最后，通過(guò)示功圖標(biāo)準(zhǔn)化數(shù)據(jù)集與該井理論示功圖進(jìn)行對(duì)比，確定每種工況對(duì)應(yīng)特征，形成典型工況特征樣本庫(kù)。

(4)決策樹(shù)建模。抽油機(jī)井生產(chǎn)過(guò)程中，工況類(lèi)型多達(dá)20余種。根據(jù)現(xiàn)場(chǎng)各種故障的概率大小，從中選擇故障率較高的抽油桿斷脫、供液不足、泵漏失、結(jié)蠟、上掛下碰、氣體影響、錯(cuò)誤示功圖、停機(jī)、皮帶異常9種常見(jiàn)故障進(jìn)行預(yù)警報(bào)警研究。

(5)預(yù)警。以油井結(jié)蠟為例，油井結(jié)蠟時(shí)，桿管間的流道變小，井筒內(nèi)液流阻力增大，桿、管壁上的蠟接觸增加了摩阻。因此上行時(shí)負(fù)荷增加，懸點(diǎn)最大載荷增大；下行時(shí)阻力增加，懸點(diǎn)最小載荷減小。由此建立最大、最小載荷在線監(jiān)測(cè)曲線(圖5)，并以理論最大、最小載荷線作為參考，設(shè)立預(yù)警線，當(dāng)載荷觸及預(yù)警線時(shí)，及時(shí)采取洗井、加藥等措施，避免蠟卡事故的發(fā)生。該曲線可實(shí)時(shí)監(jiān)測(cè)油井結(jié)蠟趨勢(shì)，同時(shí)根據(jù)載荷曲線動(dòng)態(tài)變化，指導(dǎo)單井熱洗周期及加藥制度優(yōu)化。

圖5 結(jié)蠟井載荷變化趨勢(shì)線

4 開(kāi)發(fā)油田生產(chǎn)大數(shù)據(jù)分析平臺(tái)

4.1 平臺(tái)架構(gòu)

油田生產(chǎn)大數(shù)據(jù)分析平臺(tái)總體架構(gòu)分為數(shù)據(jù)源層、數(shù)據(jù)平臺(tái)層、應(yīng)用服務(wù)層。其中，數(shù)據(jù)源層包括油田生產(chǎn)管理相關(guān)的地質(zhì)、工程、生產(chǎn)、經(jīng)營(yíng)、成果、設(shè)備資產(chǎn)等多種類(lèi)型數(shù)據(jù)。數(shù)據(jù)平臺(tái)層以Hadoop為核心，包含了HDFS分布式文件系統(tǒng)、Spark內(nèi)存計(jì)算、YARN資源管理、ElasticSearch引擎、Hbase核心數(shù)據(jù)庫(kù)等。在數(shù)據(jù)存儲(chǔ)方面，將價(jià)值密度高的結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中，供業(yè)務(wù)人員進(jìn)行數(shù)據(jù)查詢、分析、統(tǒng)計(jì)和挖掘；而非結(jié)構(gòu)化的數(shù)據(jù)價(jià)值密度相對(duì)較低，將其存儲(chǔ)在HBase集群中，以提高數(shù)據(jù)處理速度和利用效率。應(yīng)用服務(wù)層以油田生產(chǎn)業(yè)務(wù)為導(dǎo)向，包括油藏、采油(氣)、注水、集輸、修井、管理及輔助等模塊[14]，封裝多種數(shù)據(jù)分析方法(方法庫(kù))和多種專(zhuān)用數(shù)據(jù)分析模型(知識(shí)庫(kù))，以組件形式存在，業(yè)務(wù)人員在圖形界面下，通過(guò)拖拉拽、鏈接等操作構(gòu)建分析流程并得出分析結(jié)果。平臺(tái)利用可視化展示工具將分析成果直觀呈現(xiàn)出來(lái)，幫助專(zhuān)業(yè)或管理人員進(jìn)行決策[15]。

4.2 平臺(tái)特點(diǎn)

為滿足油田生產(chǎn)企業(yè)不同崗位人員尤其一線人員分析需要，推出大數(shù)據(jù)分析“基層版”“分析版”和“研究版”3種版本。其中，基層版為定制版，適用于采油廠作業(yè)區(qū)地質(zhì)組、工程組人員開(kāi)展所管轄區(qū)域內(nèi)的油水井生產(chǎn)大數(shù)據(jù)分析；分析版為半開(kāi)放版，適用于采油廠管理人員、“兩所”(地質(zhì)所、工程所)人員開(kāi)展本廠范圍內(nèi)的油田生產(chǎn)大數(shù)據(jù)分析；研究版為全開(kāi)放版，適用于油田企業(yè)職能部門(mén)管理人員、研究單位技術(shù)人員開(kāi)展全油田范圍內(nèi)的生產(chǎn)大數(shù)據(jù)分析，并負(fù)責(zé)為基層提供定制的基層版和分析版，以及分析方法的不斷優(yōu)化和平臺(tái)升級(jí)。隨著企業(yè)間數(shù)據(jù)資源的共享，還可以進(jìn)行跨油田、跨專(zhuān)業(yè)的大數(shù)據(jù)分析應(yīng)用。

使用人員授權(quán)在個(gè)人電腦終端登陸平臺(tái)后，進(jìn)入所需適合版本的分析模塊，只需輕點(diǎn)鼠標(biāo)即可實(shí)現(xiàn)人機(jī)互動(dòng)，快速完成所選目標(biāo)的大數(shù)據(jù)分析。根據(jù)分析結(jié)果制定節(jié)能降耗、提高效率效益及安全生產(chǎn)的措施方案，結(jié)合本單位的生產(chǎn)計(jì)劃安排實(shí)施。

5 現(xiàn)場(chǎng)應(yīng)用情況及效果

油田生產(chǎn)大數(shù)據(jù)分析在H油田應(yīng)用后獲得顯著成效，2015—2017年依據(jù)大數(shù)據(jù)分析成果優(yōu)化各類(lèi)增產(chǎn)增注、節(jié)能降耗、安全環(huán)保措施并實(shí)施，累計(jì)增油15.48×104t， 節(jié)電 1.09×108kW·h， 節(jié)水16.78×104m3，節(jié)約燃料油5138t，節(jié)約天然氣539.3×104m3，節(jié)約藥劑551.3t， 減少CO2排放量7.1×104t；新增銷(xiāo)售額(增油)3.4億元，新增利潤(rùn)(增油及節(jié)支)2.8億元。

6 結(jié)束語(yǔ)

大數(shù)據(jù)分析助推“數(shù)字油田”向“智慧油田”發(fā)展，為油田企業(yè)提高精細(xì)管理水平提供了解決方案，在節(jié)能降耗、降本增效以及提高產(chǎn)量和效益等方面見(jiàn)到了實(shí)效。研究目前限于油田生產(chǎn)大數(shù)據(jù)分析領(lǐng)域，下一步將在此基礎(chǔ)上向勘探、油藏、綜合管理等專(zhuān)業(yè)拓展，攻克非結(jié)構(gòu)化大數(shù)據(jù)分析難題，開(kāi)展以企業(yè)綜合經(jīng)濟(jì)效益最大化為目標(biāo)的勘探開(kāi)發(fā)一體化、地面地下一體化大數(shù)據(jù)分析應(yīng)用研究。