數字化油田：讓大數據真實可見
發布時間：2017-03-29 來源：控制工程網
由于傳感器和其它測量儀表技術的重大發展進步，再加上網絡、數據存儲技術的提升，上游和中游供應商具有可以從鉆探和其它運行活動中收集堆積如山的數據的能力（見圖1）。
圖1：運營商正越來越多地應用大數據分析，以獲取對它們油田資產性能有價值的信息。圖片來源：Yokogawa
然而，利用這些數據來改善過程結果，則是另一回事了。在許多情況下，數據存放在運行人員用于保存時序數據的過程歷史數據庫中。然而，這種形式的軟件基礎設施并不是特別適合進行復雜的分析，或作為識別設備故障的基本指標。
事實上，從歷史數據中提取數據最常用的方法就是使用基本分析工具，如電子表格。該方法將歷史數據導出到電子表格中。然后對這一數據進行手動分析，創建靜態報告，并通過管理系統發送給決策人員。
這種方法依賴人工來識別有實際意義的趨勢，使用電子表格從海量數據中獲得有用的信息，是一項耗時和勞動密集型的艱巨工作。使用電子表格進行數據分析，運行人員很難用其進行實時決策，確定如何管理運行活動，因為這會導致事后維護、更高的成本、還會增加停機時間。
近年來，為了解決“ 數據豐富、但信息卻貧乏 ”的尷尬問題（見圖2），越來越多的運營商開始對歷史數據庫進行大數據分析。
圖2：許多油田公司有豐富的數據，但信息貧乏，這就需要尋找更好的方法來分析它們的過程歷史數據庫。圖片來源：Seeq
通過聚集、語境和信息可視化，大數據分析平臺使公司得以迅速評估其資產的性能和健康，其速度取決于工程和分析人員研究的速度。他們還提供識別有實際意義趨勢、以及確定何時何地設備最有可能發生問題的能力，這兩者是優化維修計劃和提高運營效率的關鍵。
ESP故障診斷
大數據分析應用的的一個例子就是應用于油田的電動半潛水泵（ESP）。
當油田儲層壓力過低時，必須采用人工提升系統將流體輸送到地表，以提高生產效率。ESP是一種非常可靠的、并且應用快速增長的最新人工提升系統，在世界范圍內，約有15%至20%的油井使用ESP。ESP故障所造成的后果十分嚴重，因為它往往導致計劃外停機，造成生產損失，并且更換成本較高。
先進的油田運營商，實時監控關鍵ESP的性能參數。井下監控單元發送大量與井口和管線壓力、進出口壓力、井口溫度、電機電流、電機振動等相關的數據流。監控軟件就可以據此查找問題，如腐蝕、不斷增加的水侵蝕、自由氣體吸入量、和沙粒雜質的管理。
從井下監測系統獲取的實時測量數據，通常保存在諸如OSIsoft公司的PI或霍尼韋爾公司的PHD等時序歷史數據庫軟件中。這些數據用于分析，并在控制屏上顯示，運行專家負責監視。過去因為需要IT、控制系統和技術工程技能，對ESP應用預測分析軟件成本較高。從歷史數據庫中獲得的數據，一般會被復制到總歷史數據庫或企業數據倉庫中。
此外，數據科學家和事件處理專家需要創建特定的規則、統計模型、控制圖，和其它分析方法來預測生產問題和ESP故障。由于該領域也在不斷發生變化，因此分析方法也必須跟著進行調整、調節和升級，這一切都由軟件開發商完成。如果不這樣做，可能會造成頻繁無效的警報，這會使運營商喪失使用該系統的信心，或者導致完全錯過可能發生的重大問題。
最近幾年，由于用戶友好的分析軟件解決方案已經投入市場，這種情況已經大大改觀。該方法側重于開發直觀的工具，工程師利用它可以更好的了解設備、傳感器、油田運行的歷史。
軟件工具使工程師能夠利用對異常工況管理、設備可靠性和工業資產性能管理的深入理解，快速從過程歷史數據庫的數據中創建有用的信息。
在軟件模型中，數據保留在歷史數據庫中。為標簽元數據創建索引，創建統計模型，使運營商可以預測何時可能發生故障。間歇性測量信號或者不穩定的傳感器測量所造成的運行狀態的變化，會導致錯誤的歷史數據庫數據，該軟件自帶的數據清洗功能可以自動過濾這些數據。這樣工程師就能夠監視ESP性能和識別出可能會導致故障的前兆信息（見圖3）。
圖3：利用可視化的分析技術，數據分析使工程師能夠通過某些信息識別前兆故障和其它微妙的變化。圖片來源：Seeq
當參數偏離正常工作限值時，平臺會提醒控制人員，這樣就可以采取積極步驟，以盡量減少設備故障的影響。其結果是增加了泵的運行時間，延長使用壽命，優化生產。
此外，由于能夠更有效地維護ESP，平均故障間隔時間也增加了。這樣與維修相關的勞動力成本就減少了，從而可以更好地利用資源，優化備件庫存，并更有效地利用營運資本。
監測井下鉆探
大數據分析也可應用于油田資產周圍的物理環境。比如在鉆井作業中，我們可以看到表面傳感器監測井下條件，并將數據傳輸到表面以便做出決策。
通過沉積物積累、滲透率、水透明度、熱梯度、差壓分析軟件等與油井相關的歷史數據，可以識別出卡管、井噴，或堵漏等常見的鉆探問題。
實時監測傳感器傳輸的數據流，以確保井下工況保持在正常和/或預期范圍內。數據分析軟件能夠檢測鉆井環境何時進入異常狀態，并提醒運行人員采取行動，以防止潛在問題發生。
決策者能不斷優化鉆井策略，因此這種早期檢測方法，提供了一些運營上的優勢。更重要的是它提高了井場的安全，并最大限度地減少破壞地層和周圍環境的可能性。
確保儲存交接的準確性
石油和天然氣市場中游產業鏈中，大數據解決方案也有用武之地。中游公司從上游生產商獲取聚烴，運行工藝設施來處理這些氣體，去除雜質，并通過儲運設備及管道輸送這些產品。這些公司面臨的一個關鍵挑戰是跟蹤流向客戶的產品，這一般通過存儲交接系統完成。
管網安裝了各種流量計，產品流及氣相色譜儀等與產品質量參數相關的測量儀表。SCADA（監控和數據采集系統）從這些儀表收集時序數據，并將這些數據傳輸到歷史數據庫。然后，用這些數據監控實時過程，確保管道的完整性和壓縮機的性能。
對管道運營商同樣重要的是分析從電子流量計中收集的測量數據。對大容量產品流經的中游業務，即使存在很小的測量誤差，也會因為丟失或統計遺漏，對盈利能力產生很大的影響。確保儀表校準正確和不漂移是避免這類測量誤差的關鍵。在管轄權轉移時，即產品從一個公司轉移到另一個公司的時候，這尤其有用。
確保易用性
近年來，在油田領域，提供大數分析方案的供應商數量大幅增加。然而，對公司來講，如果要充分利用這些解決方案所帶來的優點，易于使用就十分關鍵。
現在，很多平臺擁有強大的分析能力，但只有工作人員快速有效地與平臺接口，獲得可操作的信息，這些功能才能被充分利用。
這變得越來越重要，因為許多經驗豐富的專業人士正面臨退休，取而代之的是專業知識水平要低得多的年輕一代。
平臺提供靈活的數據抽取方式，為不同專業提供定制數據，這在未來幾年內，可以幫助運營商管理行業范圍內的技能短缺。解決方案會促進跨部門的數據共享，使企業打破信息孤島，并制定出更好的運營戰略決策。
當代的數字油田，大多數公司的歷史數據庫中，擁有改善運營所需要的全部數據。然而，其中很多公司，仍然依賴傳統的分析工具，比如利用電子表格，來創建具有可操作性的信息，但是這正變得越來越費時費力。其結果就是很多過程歷史數據庫沒有被充分挖掘，也就無從創造價值。（作者：Michael Risse）