基于密度聚類和隨機(jī)森林的地下儲(chǔ)氣庫注采系統(tǒng)風(fēng)險(xiǎn)評(píng)估方法研究

冀豐偲 王 磊 張?jiān)缧?仝淑月 高繼峰

（1.西安交通大學(xué)化學(xué)工程與技術(shù)學(xué)院；2.中石化中原石油工程設(shè)計(jì)有限公司）

天然氣地下儲(chǔ)氣庫是國家能源戰(zhàn)略基礎(chǔ)性設(shè)施， 由生產(chǎn)裝置、SCADA控制系統(tǒng)和單元模塊組成，一般分為地下儲(chǔ)層、注采系統(tǒng)和地面設(shè)施，彼此之間相互作用，同時(shí)整體系統(tǒng)易受外部環(huán)境影響，導(dǎo)致存在復(fù)雜的動(dòng)態(tài)行為特征。 根據(jù)國際氣體工業(yè)聯(lián)合會(huì)（IGU）統(tǒng)計(jì)，我國儲(chǔ)氣庫實(shí)際庫容量僅為設(shè)計(jì)庫容量的26%。 由于儲(chǔ)氣庫單元設(shè)備失效、運(yùn)行方案不合理造成無法完成既定任務(wù)注采氣量，是我國儲(chǔ)氣庫運(yùn)營過程中所面臨的挑戰(zhàn)之一［1］。而作為天然氣調(diào)峰的重要設(shè)施和手段，對(duì)地下儲(chǔ)氣庫注采系統(tǒng)進(jìn)行高效、準(zhǔn)確的風(fēng)險(xiǎn)管理尤為重要。

目前國內(nèi)關(guān)于儲(chǔ)氣庫風(fēng)險(xiǎn)性的標(biāo)準(zhǔn)尚未制定，僅針對(duì)特定油氣井的類型進(jìn)行了規(guī)定，但并未指明可操作性和具體實(shí)施流程［2］。 以數(shù)值模擬［3，4］、可靠性理論［5，6］及故障樹［7］等為代表的傳統(tǒng)技術(shù)路線的有效性在長期的工業(yè)實(shí)踐中得到了證明，但不足之處是需要充足的專業(yè)知識(shí)、工程理論，難以擬合精確的全局模型，且在系統(tǒng)建模中無法捕捉生產(chǎn)過程波動(dòng)引起的動(dòng)態(tài)風(fēng)險(xiǎn)，帶來了模糊性和不確定性［8］。

注采井場(chǎng)作為地下儲(chǔ)氣庫的核心組成部分，受到注氣、采氣雙重循環(huán)的影響，運(yùn)行中“強(qiáng)采強(qiáng)注”，對(duì)工藝、設(shè)備和流程的要求高［9］。筆者以地下儲(chǔ)氣庫注采系統(tǒng)為研究對(duì)象，利用基于密度的聚類和隨機(jī)森林算法構(gòu)建大數(shù)據(jù)智能化動(dòng)態(tài)風(fēng)險(xiǎn)判別模型，具備強(qiáng)大的數(shù)據(jù)分析能力，能從實(shí)際注采過程中發(fā)現(xiàn)隱藏的規(guī)律，避免抽象的過程機(jī)理分析，從而指導(dǎo)、優(yōu)化生產(chǎn)管理模式。

1 建模理論

1.1 基于密度的聚類

儲(chǔ)氣庫注采系統(tǒng)風(fēng)險(xiǎn)的本質(zhì)是生產(chǎn)過程變量偏離其正常運(yùn)行模式的狀態(tài)，而分析來自不同狀態(tài)偏差的數(shù)據(jù)可用于風(fēng)險(xiǎn)評(píng)估。 對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行基于密度的聚類分析，能判斷出不同運(yùn)行工況所對(duì)應(yīng)的數(shù)據(jù)簇，而且可以剔除少數(shù)不合理數(shù)據(jù)，是建立穩(wěn)定、健康的模型的基礎(chǔ)。

DBSCAN是一種經(jīng)典的通過定義密度對(duì)空間中數(shù)據(jù)點(diǎn)進(jìn)行聚類的算法［10］，聚類相關(guān)算法適用于復(fù)雜大型工業(yè)生產(chǎn)過程的數(shù)據(jù)分析和標(biāo)記過程［11～13］。DBSCAN定義了Eps、Minpts兩個(gè)參數(shù)來描述鄰域數(shù)據(jù)點(diǎn)的分布情況， 其中Eps描述了某一數(shù)據(jù)點(diǎn)鄰域距離的閾值，即為定義密度引入的鄰域半徑；Minpts描述了某一數(shù)據(jù)點(diǎn)在半徑為Eps的鄰域中包含點(diǎn)的數(shù)量的閾值；樣本集為D={x1，x2，…，xn}，聚類簇為C={C1，C2，…，Ck}。 DBSCAN算法流程如下［14］：

1.2 隨機(jī)森林

隨機(jī)森林［15］（Random Forest，RF）是基于決策樹［16，17］的一種分類算法，它包含多個(gè)隨機(jī)決策樹，每一棵決策樹之間是沒有關(guān)聯(lián)的，當(dāng)輸入待訓(xùn)練的樣本集數(shù)據(jù)時(shí)，最終的類別結(jié)果由單個(gè)決策樹的輸出結(jié)果“簡單投票”決定。 隨機(jī)森林模型對(duì)噪聲和異常值有一定的容忍性， 同時(shí)能減輕過擬合，對(duì)實(shí)際工業(yè)生產(chǎn)相關(guān)的分類問題具有較好的可擴(kuò)展性和實(shí)用性［18～21］，其原理如圖1所示［22］。

圖1 隨機(jī)森林分類過程示意圖

隨機(jī)森林｛h（d，θt），t=1，2，…，T｝由樹形分類器集合而成，其元分類器h（d，θt）可構(gòu)造出未剪枝的分類決策樹。 對(duì)于訓(xùn)練樣本集D′，可有放回地進(jìn)行采樣，得到n組訓(xùn)練集D′1，D′2，…，D′n，并生成T棵分類回歸樹， 其輸出類別由森林中樹的多數(shù)投票決定：

式中 c——得票最多的訓(xùn)練樣本的所屬類別；

h（d，θt）——隨機(jī)森林分類函數(shù)，d是輸入向量，θt是獨(dú)立同分布的隨機(jī)向量；

I——指示器函數(shù)。

投票完成后得到混合矩陣CM。 準(zhǔn)確率CA的計(jì)算式是：

其中，CM（i，j）表示i類別的樣本被劃分為j類的次數(shù)，當(dāng)i=j時(shí)表示預(yù)測(cè)正確。

對(duì)地下儲(chǔ)氣庫注采系統(tǒng)進(jìn)行風(fēng)險(xiǎn)評(píng)估，就是要實(shí)現(xiàn)對(duì)不同運(yùn)行工況的分類，原理是根據(jù)建立的隨機(jī)森林分類器識(shí)別，并評(píng)估實(shí)時(shí)監(jiān)測(cè)的生產(chǎn)數(shù)據(jù)風(fēng)險(xiǎn)的高低。

2 風(fēng)險(xiǎn)評(píng)估系統(tǒng)架構(gòu)設(shè)計(jì)

筆者結(jié)合大數(shù)據(jù)技術(shù)與儲(chǔ)氣庫生產(chǎn)運(yùn)行的特點(diǎn)，提出并設(shè)計(jì)了一種基于密度聚類和隨機(jī)森林的地下儲(chǔ)氣庫注采系統(tǒng)風(fēng)險(xiǎn)評(píng)估方法，框架如圖2所示，包括離線建模和在線評(píng)估兩個(gè)階段。

圖2 風(fēng)險(xiǎn)評(píng)估方法架構(gòu)

2.1 離線建模

離線建模流程如下：

a. 采集歷史運(yùn)行監(jiān)測(cè)數(shù)據(jù)；

b. 數(shù)據(jù)預(yù)處理和數(shù)據(jù)集矩陣構(gòu)建；

c. 基于密度的聚類分析，數(shù)據(jù)標(biāo)簽標(biāo)記和驗(yàn)證；

d. 訓(xùn)練集、測(cè)試集劃分，訓(xùn)練隨機(jī)森林分類模型；

e. 模型測(cè)試、性能調(diào)優(yōu)；

f. 若準(zhǔn)確率優(yōu)良， 保存模型并進(jìn)入在線評(píng)估階段，否則需重新訓(xùn)練。

2.2 在線評(píng)估

在線評(píng)估流程如下：

a. 輸入實(shí)時(shí)運(yùn)行監(jiān)測(cè)數(shù)據(jù)；

b. 以歷史運(yùn)行數(shù)據(jù)為尺度，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建數(shù)據(jù)集矩陣；

c. 輸入隨機(jī)森林模型，輸出風(fēng)險(xiǎn)評(píng)估結(jié)果；

d. 專家對(duì)模型進(jìn)行診斷和驗(yàn)證， 確保有效性， 若存在較大差異則需使用最新數(shù)據(jù)重新訓(xùn)練。

3 實(shí)例分析

某儲(chǔ)氣庫是以季節(jié)調(diào)峰為目的的枯竭氣藏型地下儲(chǔ)氣庫，其多口注采井在日常運(yùn)行、應(yīng)急調(diào)峰時(shí)產(chǎn)生大量的溫度、壓力、瞬時(shí)流量等過程信息，以及生產(chǎn)制度、時(shí)間節(jié)點(diǎn)等管理信息，這些數(shù)據(jù)都通過總站的SCADA系統(tǒng)直接或間接地反映系統(tǒng)的運(yùn)行狀態(tài)。

3.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)分析過程中的關(guān)鍵環(huán)節(jié)，高質(zhì)量的數(shù)據(jù)能提升數(shù)據(jù)分析的效果。 從生產(chǎn)現(xiàn)場(chǎng)直接獲取的監(jiān)測(cè)數(shù)據(jù)，無法避免系統(tǒng)噪聲對(duì)數(shù)據(jù)真實(shí)性的擾亂，加之?dāng)?shù)據(jù)傳輸中間環(huán)節(jié)和人工操作可能造成誤差，因此不同來源、不同格式、不同量綱的傳感器數(shù)據(jù)需經(jīng)過預(yù)處理才能夠在系統(tǒng)建模中應(yīng)用，包括數(shù)據(jù)集成、清洗、相關(guān)性分析及標(biāo)準(zhǔn)化等，具體流程如圖3所示。

乞求皮特發(fā)慈悲的想法讓我怒從膽邊生，沖動(dòng)之下，我抬腳朝皮特的側(cè)身踢去。事與愿違，他抓住我的腳，向前一拽，我一下失去了平衡，背部著地，仰面朝天狠狠地摔在地上，只好把腳抽回來，掙扎著站起身。

圖3 數(shù)據(jù)預(yù)處理流程

受限于數(shù)據(jù)來源，筆者通過篩選，選定“注氣”生產(chǎn)模式下，涉及儲(chǔ)氣庫工藝參數(shù)的4個(gè)連續(xù)特征字段用以代表該注采井生產(chǎn)運(yùn)行時(shí)的狀態(tài)，分別是注采井“生產(chǎn)油壓”、“生產(chǎn)套壓”、“油管溫度”和“套管溫度”，計(jì)2 591組數(shù)據(jù)。 其余變量，如“瞬時(shí)流量”、“技套/表套壓力”及“井口外輸管線壓力”等由于未被連續(xù)監(jiān)測(cè)等客觀原因，未計(jì)入數(shù)據(jù)矩陣。

以相關(guān)性分析為例進(jìn)行說明。 在地下儲(chǔ)氣庫注采系統(tǒng)中，各種單元、設(shè)備的測(cè)量變量，如溫度、壓力等之間存在相互影響、互相作用的非獨(dú)立關(guān)系，如兩個(gè)特性的相關(guān)性較高，那么至少有一個(gè)特征需要被丟棄。 皮爾遜相關(guān)系數(shù)法是度量兩個(gè)變量X=［X1，X2，…，Xn］和Y=［Y1，Y2，…，Yn］間密切程度的一類指標(biāo)［23］，其系數(shù)r的大小反映了相關(guān)程度的強(qiáng)弱，r值介于 ［-1，1］，|r|越接近于1，則代表相關(guān)性越高，其計(jì)算式為：

以皮爾遜相關(guān)系數(shù)法計(jì)算的某注采井四維度特征變量的相關(guān)性系數(shù)見表1， 可知 “生產(chǎn)油壓”與“生產(chǎn)套壓”間的r值相對(duì)較大，為0.55，但未達(dá)到相關(guān)性警戒值，故可保留所有待觀察的特征變量。

表1 特征變量相關(guān)性分析

經(jīng)數(shù)據(jù)預(yù)處理流程后， 剔除了217組不合理樣本數(shù)據(jù)，消除了不同量綱、量綱單位給建模帶來的影響，得到的有效數(shù)據(jù)矩陣為2374×4，其中，2 374代表數(shù)據(jù)組的行數(shù)，4代表特征變量的列數(shù)。

3.2 聚類及運(yùn)行狀態(tài)驗(yàn)證

地下儲(chǔ)氣庫注采系統(tǒng)是一個(gè)工業(yè)領(lǐng)域的生產(chǎn)過程， 為按模式計(jì)劃生產(chǎn)且規(guī)則一貫式的作業(yè)，在大部分生產(chǎn)時(shí)間，都處于一個(gè)動(dòng)態(tài)穩(wěn)定的過程，不會(huì)出現(xiàn)偏離正常生產(chǎn)狀況過大的情況。

為便于數(shù)據(jù)可視化驗(yàn)證和展示，筆者采用主元 分 析（Principal Components Analysis，PCA）方法［24～26］，將四維度原始特征變量均降至三維度，維度約簡后特征集的大小由2374×4減小為2374×3。

由于對(duì)儲(chǔ)氣庫注采系統(tǒng)運(yùn)行數(shù)據(jù)信息及其代表的實(shí)際生產(chǎn)意義“無知”，在缺乏數(shù)據(jù)標(biāo)簽的情況下，采用DBSCAN進(jìn)行聚類分析，可根據(jù)不同數(shù)據(jù)的特點(diǎn)進(jìn)行聚類數(shù)據(jù)簇的劃分，實(shí)現(xiàn)數(shù)據(jù)標(biāo)簽的自動(dòng)化標(biāo)注，這里選取模型參數(shù)為｛Eps=0.5，Minpts=5｝。 圖4a為三維原始數(shù)據(jù)，其中x、y、z軸指代數(shù)據(jù)的3個(gè)維度， 可以看出， 數(shù)據(jù)分布各自聚散，大簇、小簇混合交織，且存在部分孤立的噪點(diǎn)；圖4b是聚類計(jì)算后的數(shù)據(jù)，數(shù)據(jù)存在一定規(guī)律類別，既有較大的數(shù)據(jù)團(tuán)，也有中等大小的數(shù)據(jù)團(tuán)，還有散落分布的數(shù)據(jù)點(diǎn)，分別以不同顏色呈現(xiàn)。

圖4 三維數(shù)據(jù)聚類展示

通過原始數(shù)據(jù)的聚類，可實(shí)現(xiàn)對(duì)注采系統(tǒng)中不同類型數(shù)據(jù)團(tuán)的追溯，并分析不同類數(shù)據(jù)團(tuán)的特點(diǎn)和異同點(diǎn)， 獲取所對(duì)應(yīng)運(yùn)行狀態(tài)的規(guī)律，為操作人員提供生產(chǎn)指導(dǎo)。 筆者結(jié)合地下儲(chǔ)氣庫現(xiàn)場(chǎng)的實(shí)際生產(chǎn)工況和專業(yè)知識(shí)考慮不同生產(chǎn)狀態(tài)的數(shù)據(jù)信息與其他聚類數(shù)據(jù)簇的差異度，精確定位“不良”運(yùn)行狀態(tài)數(shù)據(jù)簇，自頂向下匹配各種運(yùn)行工況，運(yùn)行數(shù)據(jù)標(biāo)記見表2。

表2 運(yùn)行數(shù)據(jù)標(biāo)記

3.3 模型訓(xùn)練和結(jié)果輸出

將以上數(shù)據(jù)，包括聚類后的運(yùn)行標(biāo)簽一起構(gòu)建數(shù)據(jù)集矩陣，隨機(jī)劃分訓(xùn)練集和測(cè)試集，訓(xùn)練集比例為75%，計(jì)1 780組，測(cè)試集比例為25%，計(jì)594組。

輸入隨機(jī)森林風(fēng)險(xiǎn)評(píng)估模型，可快速判別出運(yùn)行模式編號(hào)和所對(duì)應(yīng)的動(dòng)態(tài)風(fēng)險(xiǎn)大小，驗(yàn)證了筆者所提出方法的有效性。

模型在測(cè)試集上的準(zhǔn)確率見表3， 綜合準(zhǔn)確率達(dá)到98.99%。 將訓(xùn)練好的高精度風(fēng)險(xiǎn)判別模型保存，用于后續(xù)的在線風(fēng)險(xiǎn)評(píng)估過程中，能夠更好地輔助生產(chǎn)決策。

表3 混淆矩陣

4 結(jié)束語

基于注采現(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)，重點(diǎn)關(guān)注以“生產(chǎn)油壓”、“生產(chǎn)套壓”、“油管溫度”和“套管溫度”為代表的指標(biāo)量化風(fēng)險(xiǎn)分級(jí)控制和動(dòng)態(tài)風(fēng)險(xiǎn)識(shí)別，采用相關(guān)性分析、主元分析等算法對(duì)輸入變量進(jìn)行數(shù)據(jù)預(yù)處理以便于可視化驗(yàn)證，基于密度并結(jié)合現(xiàn)場(chǎng)生產(chǎn)工況，實(shí)現(xiàn)了對(duì)不同聚類簇和運(yùn)行工況標(biāo)簽的自動(dòng)劃分，設(shè)計(jì)了離線建模、在線評(píng)估的隨機(jī)森林動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估系統(tǒng)， 綜合準(zhǔn)確率達(dá)98%以上。 該方法避免了傳統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)策略對(duì)系統(tǒng)內(nèi)部復(fù)雜機(jī)理過程的研究，最大限度地利用了數(shù)據(jù)的價(jià)值，提升了企業(yè)風(fēng)險(xiǎn)管理能力。 實(shí)例分析結(jié)果表明了該方法的適用性、有效性，但不足之處是在實(shí)例分析中，受限于數(shù)據(jù)來源等客觀原因，未能獲取充足的特征變量維度和數(shù)量。