2.3智能化生产运行

        物联化是智能油田建设的基础，我国大庆、胜利等主力油田基于多年的物联网建设已经实现了生产现场数据的实时采集与处理，具备了油藏生产运行数据实时感知的条件，并且基于实时生产大数据开展了一系列的智能应用研究。

2.3.1油田生产现场智能预警技术

        随着安防要求的不断提高和信息化手段的不断发展，中国各大油田生产现场都实现了视频监控的大面积覆盖，减少了现场巡井的时间和成本。然而，伴随而来的是多路海量视频数据不断产生，如果继续采用人工模式对视频进行分析研判，对监控人员的数量、个人经验和分析能力提出更高要求，将极大地影响视频应用的整体效能，因而基于视频大数据的智能识别技术快速发展。通过视频数据接口整合、视频数据解码及格式转换、虚拟矩阵架构技术、云存储技术、GIS技术以及自动识别等先进技术，可以实现视频系统的智能拓展应用。

        由于缺乏油田特定场景和动作特征的识别模型，现有的视频智能分析功能受工况环境变化影响大，导致视频应用的时效性和准确性大幅降低。为此，胜利油田聚焦特定的场景和动作特征，开展了智能视频应用研究。一是研究建立了基于运动目标检测与识别的综治防恐预警模型。根据综治防恐的具体业务特征，包括周界防范、区域入侵、车辆布控、人员布控等，确定每种场景下的分析目标的结构化特征。利用混合高斯模型的背景建模方法，提高背景建模算法的运行速度和识别精度，针对运动目标提高了检测效率。采用深度学习算法，对场景中的运动目标进行深层次的特征提取和交叉比对，通过多次迭代提高了识别的准确性。二是研究建立了基于直接作业环节规范检测的安全事件预警模型研究。通过对视频进行智能分析，对直接作业环节的安全隐患进行有效的预警。根据中国石化对盲板抽堵作业、高处作业、动火作业、动土作业、受限空间作业、临时用电作业、起重作业等7种直接作业环节的安全规范要求，建立各种作业场景中的结构化模型，将其作为视频智能分析的标准比对模板。通过深度学习算法，对直接作业现场的视频进行结构化处理，提取场景中的各种关键属性，与7类标准结构化模型进行比对分析，实现智能识别违规行为。在油田生产运行、安全环保、综治维稳、应急指挥等业务场景中进行应用，直接作业环节规范检测报警准确率为75%，区域入侵准确率为90%，行为识别分析准确率为65%，实现了安全事件的主动发现、快速研判、预警报警，设备运行异常的视频辅助分析，关键场所和要害部位综治反恐智能预警（图6）。

        传统油井生产管理模式是出问题后再采取措施，如何利用海量生产实时数据实现生产异常问题的超前预警，是提升油田生产智能化管理的关键。基于采集的实时数据，采用趋势分析油井历史数据，建立生产故障多参数预警模型，利用偏移变量计算引擎快速存取海量实时数据，通过聚类分析、模型识别，智能筛选异常井进行故障预警。构建并应用了包括井筒工况、地面设备、地面管网3大类，抽油杆超应力、油井结蜡、抽油机皮带断等30项预警模型，累积应用油井约1.5万余口，实现了数据变化异常超限报警、多参数组合趋势跟踪预警。在进行油井时率优化的过程中，深入分析影响因素，分因素开展治理工作，针对油井结蜡、管线冻堵、设备故障等主要因素，研究参数趋势变化规律，应用多参数组合预警工具，构建载荷波动、油管漏失、机械设备传动失效3项预警模型，有效支撑问题早发现早治理，降低躺井“治未病”，油井躺井率由1.9%下降至1.7%，油井时率由96.8%提升至97.3%，为稳产增产做出较大的贡献。

2.3.2油田重点设备预测性维护方法

        柱塞式注水泵和离心式注水泵等是油田重点设备，因其高压运行，存在较大的安全隐患。日常管理过程中，一些故障隐患或故障发生初期，如果无法及时发现，持续发展，可能导致机泵设备的故障停机，甚至造成设备大修报废。目前监控手段仅有视频监控和单参数运行监控，往往泵运行状态难以准确全面的监控到位，部分故障仍然依靠现场巡检才能发现，人工现场巡检存在较大安全风险。为此，研究人员提出基于生产物联网数据开展数据挖掘方法研究的思路，以提高效率、降低成本。例如秦天飞等针对临修离心泵剩余寿命评估问题，通过特征提取和主成分分析得到反映离心泵健康状态退化过程的关键指标，提出了基于优化概率神经网络（PNN）的离心泵大修阈值模型和基于优化极限学习机（ELM）的离心泵剩余寿命评估模型，并通过数据降维处理和遗传粒子群算法对训练方法进行优化。通过实际案例应用表明所提出的方法在离心泵井的临修预判和剩余寿命评估方面具有较高的预测精度。

        自2013年开始，随着生产实时数据的自动采集及大量积累，胜利油田针对注水泵的预测性维护开展了基于智能化手段的攻关研究。首先对高压注水泵实时数据中的异常数据自动甄别和处理，通过时域、频域等特征提取算法对标准差、均分根值、方差、峭度、特征频谱等状态特征信息进行提取，对近5年来油田注水泵设备故障进行了分析，建立了动力端故障、阀体总成故障、柱塞磨损或腐蚀、皮带故障等4类注水泵故障样本数据集；其次构建了专家知识与基于深度置信网络（DBN）的深度学习模型相结合的诊断模型，针对机理明确的动力端故障、阀体总成故障、皮带故障等问题，应用知识模型进行诊断，针对机理复杂的平衡盘磨损、柱塞磨损或腐蚀等问题，应用神经网络模型进行诊断。该方法在油田投入应用以来，诊断准确率不断提高，故障报警率为95%（总报警数/应报警次数），故障漏报率为5%（漏报次数/应报警次数），报警有效率为90%（实际发生故障次数/总报警数），单泵天报警频度为0.3（单台泵每天报警数量），已成为采油管理区技术人员注水泵管理的必备手段。

3.智能油田技术发展趋势

        我国智能油田技术研究和试点建设虽取得了长足进展，但与国外先进水平相比仍存在一定差距，在支撑石油行业数字化转型、智能化发展方面仍存在较多技术问题需要攻关解决，主要体现在以下4个方面：一是油田生产现场动态自动监测与智能控制技术方面，生产前端物联网标识标准及解析体系尚未建立，油水井井筒高可靠物联化关键技术尚未突破，边缘智能及边云协同技术能力不足；二是新一代油田工业大数据智能化技术方面，我国统一的数据及成果共享应用标准尚未形成，海量勘探开发数据高效管理和智能化服务技术能力不足，适应油田开发生产各业务环节诊断分析、预测预警、优化决策的大数据系列模型尚未完整建立；三是油藏开发智能优化技术方面，高水平建模数模软件国外依赖程度高，基于大数据、人工智能的模型自动更新方法油藏适用性不足，开发方案缺乏自动优化、自动推送的技术手段；四是油田数字孪生与智能运营指挥技术方面，缺乏油田数字孪生模型自动构建和油藏、井筒、地面一体化协同智能诊断技术，生产经营融合技术薄弱、生产过程风险智能识别技术单一，尚未建立以生产经营异常管理为基础的生产运营指挥技术支撑体系。

        为此，笔者认为智能油田下步技术发展主要包括以下4个方面。

        第一，油田生产现场动态自动监测与智能控制技术。紧跟物联网、人工智能、5G等新技术发展，聚焦油田智能开采能力发展需求，围绕油田生产现场无人、少人、自动化管理需要，研究油田工业互联网标识编码标准、标识载体标准和标识解析关键技术，支撑油田生产全流程、全过程、全节点物联化，实现油田生产动态实时感知和设备设施、物资物料等全生命周期管理；攻关油藏动态智能监测技术及现场电子巡检、无人管控技术手段，替代传统的人工操作，研究井筒举升、地面注采输生产全过程连锁控制和闭环优化控制系列模型，攻关油水井、站、管线等关键环节智能控制技术，为油田现场少人、无人管理提供技术保障；研究形成油田边缘计算技术系列，攻关边云协同关键技术，支撑油田远程实时管控体系高效运行，为大幅减少基层一线用工、提高劳动生产率、保障设备设施高效长寿命生产提供技术保障。

        第二，新一代油田工业大数据智能化技术。以大数据、人工智能技术为切入点，以智能化技术与油气勘探开发领域深度融合为主要战略方向，在数据资源中心建设基础上，基于数据、业务、算法科学匹配，开展小任务、多数据、强关联、混合技术、大数据分析，实现人工智能学习、记忆、判识，让海量数据为生产实践赋能。结合石油大数据管理需求，利用数据湖、数据仓库等先进的数据管理技术，开展湖仓一体数据融合方法研究，建立我国石油行业统一的数据模型、数据服务和数据管理规范，实现数据资产化管理。根据跨专业数据共享和系统联动需求，研究勘探开发应用数据智能服务技术，支撑跨专业、跨类型的大数据应用，研究各类专业软件之间的共享标准，开展油田应用系统联动和流程整合智能化技术研究，支撑业务流程智能优化。开展油田工业大数据挖掘分析模型研究，研究勘探开发核心专业领域的样本标定技术和规范、构建石油专业领域的大数据挖掘模型，支撑油田开发研究、分析、优化等智能化转型。研发基于人工智能的地震资料自动化处理，实现地震资料智能噪音压制、全自动化初至拾取、时频域井震融合智能学习提高分辨率、处理效果智能评价，开展基于三维地震体的地质目标智能识别、储层与流体智能描述评价、辅助勘探决策与探井井位部署优选等技术研究。

        第三，油藏开发智能优化技术。研究地质建模知识体系，结合大数据、人工智能技术，构建储层建模新方法、新算法，形成油藏智能地质建模技术，提高建模效率和模型精度；在此基础上研究油藏智能数值模拟技术，突破油藏自动历史拟合技术瓶颈，研发新一代油藏井筒地面数值模拟器，提高油藏数值模拟自动化、智能化水平，为开发方案自动模拟优化提供支撑。研究油藏开发动态智能分析、方案智能优化、效果智能评价技术，实现油藏开发矛盾和潜力自动分析以及方案的智能推送，形成开发部署、分析、调整、优化、评价等油藏全生命周期管理模式，为优化油藏开发技术政策、动态实施综合调整、降低自然递减提供支撑。

        第四，油田数字孪生与智能运营指挥技术。依托油气生产信息化建设成果，研究油藏、井筒、地面一体化“数字孪生体”构建技术，提升油田可视化监控能力。研究油田开发生产过程风险预警技术，实现指标变化、产量波动、安全环保、油藏经营等开发生产过程风险的预警预测。以油田开发生产业务为主线，聚焦油藏经营管理，覆盖油田生产经营全部业务，研发生产监控、动态管理、协同管理、评价考核、QHSSE、应急处置等功能的智能运营指挥系统，发挥实时数据在可视化监控、异常诊断、预警预测、辅助决策、智能运营等方面的支撑作用，实现纵向层级贯通，横向业务协同，逐步由生产指挥向生产运营过渡的油田勘探开发管理模式，提高劳动生产率、降低开发成本，提高应对和防控风险的能力，保障国家能源安全。