【趋势】大数据与石油行业

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

文|雷一夫

两年前，去北京出差碰巧遇到一个正就职于国内某知名IT公司的高中同学。两个多小时的晚餐时间，多半都在听他讲有关大数据和云计算的内容。彼时我正在一家大型的油田生产服务公司工作，尽管每天都要面对大量的生产数据，尚未意识到自己做的事情就是大数据。起初认为大数据只是计算机领域的专业词汇，后来通过对概念的深入了解，发现大数据对石油行业已不再新鲜，物联网的概念在石油行业多年前就已经被实践应用。
大型的超速计算机在民用领域主要有三个去处：天气预报、地震数据处理和油藏模拟，后两者都属于石油领域。中国最快的计算机银河-III很大一部分都送到了河北涿州，涿州正是中石油东方地球物理公司的所在地。
大数据作为公司资产的一部分已被广泛认知，石油公司花费大量的财力和物力用于数据的采集、存储和分析。然而，有别于其他行业的大数据和云计算，信息的敏感和保密性决定数据安全是油公司对数据考量的首要因素。
大数据和智能机器的革命性发展已经对石油领域产生深远影响，并在不断推陈出新。今年的SPE年会显示有越来越多的人关注到这个领域，同时，大数据在石油行业的使用也逐渐系统化，在不少细分领域迈向标准化。
然而，大数据并非能够嵌入所有的石油领域。现有石油方向使用大数据的有两个关键特点：

1 数据体量大
2 数据采用时间序列存储和扩容

这两特点在石油方向的最典型呼应表现在油气田和油气井的生产管理，而这两块也正是大数据最早大范围的应用领域。熟悉油气井生产的人（采油工程师）知道，油井每天要记录大量的生产数据，典型的包括每口井的产量（油、气、水）、压力（井口、井底）、温度、阀门开关或大小等。如果采用管道连接单井，那数据网络会进一步扩展到管汇、管道、分离器、压缩机等。如果采用高频传感器采集数据，数据量可以达到每秒几组、几十组乃至更多。
油气生产优化
大数据引入油气生产优化目的是对生产过程中突发状况可以提前监测、尽早防护并在出现问题的时候能快速反应。最新的技术是在一个标准化的油气生产系统框架上可以根据具体的油气田结构特点自由调节和灵活搭建。
此技术的前提是在整个油气生产系统各部位均有可实时传输监测数据的传感器。整套优化网络模型可覆盖井下泵(downhole pump)、阀门(choke)、分离器(separator)、机电模块(power plant)、压缩机(compressor)、水处理设备(water treatment)及输出设备(export infrastructure)。传输设备还可延伸到一些外部数据端口，比如天气数据、市场需求、乃至油价波动。
整个油气生产系统的数据网络需要根据具体的优化目标进行整合，而能对这些数据进行整合的人必定是对整个采油气系统有一定程度了解的专家。每个独立的系统都会有各自的边界和安全范围，如何打破边界有效地将各系统整合起来并最终达到优化生产的目的是整个优化过程的关键。目前行业内只有少量专家能够整合各个环节并在此基础上进行架构。
简单的说油气生产优化系统包含数据采集、整合、优化和结果实施四个部分。大数据或智能机器系统可以整合所有从源头到输出端的数据源，典型的数据采集和运算频次在每个数据点可高达每分钟几千次。所有数据之间可通过调节参数建立关联。在整个系统中，工程师充当一个参数优选和校正的角色，例如对阀门步长、泵的冲频或井口压力等参数的选择。大数据的优势是在整套系统设计时不用担心数据体量超过上限，且不用预先获知数据偏好是否存在关联。
一个优秀的大数据解决方案可以迅速识别表面看上去独立的某个过程或监测结果跟系统中其他参数的关联，或其可能对其他参数存在的潜在破坏。

举个例子，一个海上压缩机高频震动可能与一阶分离器中出现段塞流有关，而段塞流的原因是某高产井地层水瞬间突破导致含水率陡增。假如不是采用大数据生产优化系统，油公司不同部门（工艺、采油、油藏）可能需要花费很长的时间找到具体原因并采取相应的措施。而大数据的解决方案可以对油田中每个传感器持续观察到的监测数据进行分析，提早发现潜在的问题并发出信号。这样一套解决方案可能不是直接将问题的根源找到，但这个系统的价值在于对此类问题发生时做到提早发觉和快速处理。

再举一个例子，大数据如何帮助某陆地低产油田（数千口井平均日产少于10桶）优化开发参数。由于单井产量低且井的数量多，产油工程师难以在短时间内将产量合理的劈分到每口井及其开采层位。更糟糕的是采油厂花了数年时间仍无法弄清油田每口井及开采层位的生产特征。大数据方案很好地解决了这一问题：1，大数据对每口井高频的传感器数据组和电潜泵的泵效偏差导入后进行分析；2，将结果按特定模式并依时间序列存储到云服务器（云空间），例如系统在某个点出现失灵；3，采油工程师对存储的结果进行分析从而劈分单井产量和标定每口井及其层位的生产特征。这样一个系统也可以快速的复制到新建的油田，或者将新钻的井加入到已有的系统。
如果现有的设备不足以监测到储罐和油气井的动态特征，最新研发的IOT技术可以解决这一问题。IOT技术通过大量的小型的、低成本的非插入式传感器采集数据，然后借用无线网络传输。此项技术可以对原有的监控与数据采集系统（SCADA）进行补充，无需将已存在的控制系统推倒重来。
油气藏干预与优化
油气藏参数所涉及参数的解释、建模和预测很大程度上基于地层的岩石分析。建立在岩心基础上的地球物理、地质和石油工程理论是最终油田开发计划方案和经济效益的基础。
目前市场上充斥着各式各样的油藏研究软件，然而各软件间由于其开发历史、开发主体和所依赖系统的不一致，导致石油工程师很难将不同的数据源密切结合起来。如何将三维地震数据、相对渗透率、井底流压、地面出砂等数据整合到一起成了油气藏干预和优化的一大障碍。
大数据为排除这一障碍提供了可能。油藏工程师们可以采用更低价的工具持续监测油气藏反应，并将监测到的结果按时间序列存储。例如四维地震就是在原有三维地震的基础上增加了时间维度，动态的追踪地下流体在油气藏内的流动。再举个例子，油藏工程师按月份为单位对每口井的产能指数进行更新，并以此作为油藏数值模拟的输入参数。而大数据方案可以让油藏工程师无需调整单井的产能指数，转而根据实时观测到的地震属性、三维模型和生产动态等各种影响参数自动算出产能指数，直接用于数值模拟。
一旦大数据方案建立并对接云计算，模型的维护成本将大大降低。地球物理学家有更多的时间来分析和预测，而不是将时间用在数据的收集和整理。这一方案的得以实现为工程师动态观察油藏特征提供了补充。在此基础上，工程师可以在整个油气田尺度出发去实时调整开发参数，诸如气举量优化、地层水注入优化、井的阀门尺寸选择和井的路径选择。
钻完井
跟油气存储设备一样，钻完井占整个石油行业资金投入比例很大一部分。在现在活跃钻机数量越来越少的情况下，钻井承包商正试图通过开发差异化技术保住其市场份额。如何在钻井技术已达到的精度基础上，通过大数据和智能机器技术为钻井增加附加值成了一个尝试的方向。钻井优化可以将录井、随钻测量的实时数据和钻井技术结合，通过设定快速反应的防护程序和失效识别或自学式井设计工具达到提高钻井时效的效果。
Gartner预计到2020年将有超过250亿传感设备将会与云空间互联，涉及不同的工业部门。大数据和智能机器也必定能给石油行业带来颠覆性的革命。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：石油行业 大数据 treatment Structure compress 行业