TECHNOLOGY AND INFORMATION信息化技术应用浅谈大数据在国内石油勘探开发行业的应用及挑战*杨传书 张好林中石化石油工程技术研究院 北京 100029摘 要 勘探开发难度、成本的增加以及提高效率的内在要求催发了石油行业对信息技术的强烈需求。石油行业信息化建设以及物联网等技术的应用使数据呈几何式增长，传统方法已无法满足数据的分析需求，引进应用大数据技术已成为必然。在对比石油行业数据特征与大数据特征的基础上，总结了石油行业大数据应用价值及其在地震勘探、钻井工程、油气开发与炼化等领域的研究发展现状，分析了大数据在国内石油行业发展面临的挑战并提出应对措施。未来，大数据将成为石油行业降本增效、提升勘探开发效率的重要手段。关键词 大数据；石油行业；勘探开发；数据挖掘近年来，随着石油勘探开发的不断深入，石油勘探开发效据的特征探究了其适用的不同数据挖掘思路与方法，刘国峰、率逐渐进入瓶颈期，仅依靠行业内工艺、技术、装备等的发展在朱振宇等[3-5]研究了并行计算技术在地震勘探叠前地震深度偏移短时间内无法获得较大突破，勘探开发难度、成本的增加以及对成像中的应用。提高效率的内在要求催发了石油行业对大数据技术的强烈需求。2.2 钻井工程而石油行业数字化、信息化、智能化的建设与发展以及物联网国内主要将大数据挖掘应用于钻井风险识别预测、动设备等技术的推进应用，使其获得的数据呈现几何爆炸式增长。面对风险预警、钻井效率分析等方面，大多数研究者选用神经网络、数据量巨大、数据结构复杂、数据种类繁多、数据形式多样、数贝叶斯网络等方法进行研究。钟仪华等[6]融合马尔科夫链和贝叶据价值密度低等问题，传统数据库与分析方法已难以满足行业需斯网络进行钻井地面风险预测，进一步提升了预测的准确性；管求，引进应用先进的大数据分析技术进行数据挖掘应用已成为更志川、沈建文、廖明燕等[7]采用神经网络的方法研究钻井过程中好地降低石油行业成本、提升勘探开发效率的关键。井下复杂情况，对漏涌卡等风险进行识别和预测；韦明辉等[8]通1 石油大数据特征及应用价值过支持向量机方法将钻井过程中实测的各种参数进行数据融合并随着石油行业信息化的推进以及降本增效的需求，石油行训练相应的风险预测数学模型，对钻井过程风险进行预测。吉晓业内的数据已呈现出大数据特征：①规模：地震勘探中新的地峰等[9]应用大数据分析技术, 通过对采集数据的分析监测并预测震数据采集方法以几何增长的速度产生二维数据（TB级）和三海上关键动设备的生产运行特性变化，实现提前报警。维数据（PB级），钻井中单是录井每秒1条数据，钻井周期内2.3 油气开发（120d）就产生超过1000万条数据。②速率：石油行业内各类数据挖掘技术在油气田开发方面主要应用于产量预测、影数据不但产生的速度快，在各种业务流程中，均有相关作业在响因素确定、开发参数优选、酸化解堵优化、防砂工艺优选、实时产生海量的数据，如钻井工程中随钻测录井数据、油气开压裂参数设计及压裂效果评价、剩余油分布预测等方面。采用发中油、气、水产量数据等，随着各类传感器与物联网等新型聚类分析方法、决策树方法、支持向量机、神经网络方法等建信息技术的应用，产生海量的实时数据。③多样：石油行业内立数据挖掘模型，对大量、、多源数据进行关联分析与预目前仍以文本、报告和传感器信息等结构化、半结构化及非结测。檀朝东、吴木旺等[10-11]采用决策树方法、聚类分析、神经构化数据为主，不同作业环节的传感器信息在格式、维度等方网络方法与多元回归法建立挖掘模型，建立油气井产能预测模面也不尽相同。型，预测不同参数条件下油井产量。陈东虎、翟亮等[12,13]利用广石油行业在各作业环节通过应用大数据挖掘技术，可在以义回归神经网络、支持向量机建立模型预测油井含水率，优化注下几方面获得提升：（1）加速探明油气资源，提高发现率；聚参数延迟采油井的见聚时间，提高采收率。尹红卫[14]利用基于（2）防控钻井故障与复杂情况，减少非生产时间，降低作业决策树的分类数据挖掘技术，提出了效果良好的防砂方法。孟庆成本；（3）提高单井及油田产量，提高最终采收率；（4）提民、郑阳[15-16]等利用灰色关联分析、支持向量机、神经网络、决升HSE，降低生产作业风险；（5）解决专家稀缺、知识传递问策树及聚类等数据挖掘方法理论，建立压后产量预测模型以及施题，降低人员依赖度，更快的响应与更准确的决策。工参数优化模型，指导选井选层及压裂施工参数优化。杨一展[17]将粗糙集、决策树和关联规则三种算法相结合设计的故障诊断系2 国内石油行业大数据研究现状统，能够自动建立故障规则库并对故障进行匹配。国内石油行业大数据的应用研究处于起步阶段，但部分石油院校已经研究形成大数据应用的初期模型与方法。3 国内石油行业大数据应用面临的挑战2.1 地震勘探3.1 数据收集目前，大数据在地震勘探领域应用主要是应用Hadoop技在数据的收集过程中要实现数据的实时性、准确性、完整术作为分布式并行计算的软件框架，利用其高可靠性、高扩展性以及整合这4个关键保障。性、高效性和高容错性进行地震数据的处理分析，例如，中石（1）数据实时性。石油工业大数据挖掘应用的一个重点化开发的基于Hadoop大数据技术的π- Frame平台，可在保证计方向是预警分析，因此需要保证所分析数据的实时性以及时预算结果的精确性的基础上进一步提升计算效率[1]。另一方面，警风险和异常状态，同时重要决策也必须基于最新数据才能保李雄炎等[2]根据地震数据、地质数据、岩石物理数据及测井数证其正确性。对于钻井、开发等作业环节，可通过增加传感监*[基金项目] 中国石油化工股份有限公司科技攻关项目—大数据技术在高含硫气田管道防腐及超深井钻速优化中的应用研究（E17003）资助。科学与信息化2019年7月中 19科学与信息化 7月中 内文.indd 192019/7/16 17:33:29信息化技术应用 TECHNOLOGY AND INFORMATION测内容、构建远程传输网络等方式，保证数据实时性。4 结束语（2）数据准确性。石油行业内大多数数据均由传感器采随着石油行业信息化的发展，石油行业内的数据已呈现出集、部分数据由人工测量记录，传感器异常、故障或人为干扰，大数据特征，而当前工艺技术装备发展瓶颈期，降本增效的强均会导致数据准确性问题，进而影响对设备状态、作业风险等内烈需求进一步催发了大数据在石油行业的应用与发展。大数据容的分析预测结果，因此需要建立数据校验机制，对传感器故障在国内石油行业的发展尚处于起步阶段，地震勘探方面主要应和人为干扰进行监测，消除不良数据，保证数据的客观准确性。用大数据的并行计算架构与技术，钻井工程方面开始探索数据（3）数据完整性。目前石油行业内的众多信息系统与数挖掘在工程内的各类应用，油气开发方面数据挖掘应用面广，据库仍空缺大量历史数据，这是由于各系统和数据库建设之前但需扩大数据量、提高准确度。大数据在石油行业的应用不多采用纸质材料或电子文档进行保存，需要将这部分数据逐步仅要根据行业特点，融合领域知识，解决数据收集、存储、处电子化，录入数据库。理及算法等问题，同时，还需应对大数据技术架构、分布式计（4）数据整合。石油勘探开发涉及地质、物探、钻井、算、大数据展现技术等相关计算机新技术的挑战。录井、测井、固井、完井、增产、采油等一系列环节，各环节均建设有各自的信息系统及数据库，目前石油行业内各系统处参考文献于相对封闭状态，系统及数据的关联性和使用性仍存在问题。[1] 谢玮,刘斌,刘鑫,等.大数据时代的石油地震勘探系统与软件平台因此，需要打通系统之间的隔阂，建立相应的关联关系与数据[J].科技导报,2017,35(15): 57-62.关系完成数据整合。[2] 李雄炎,李洪奇.数据挖掘技术在石油天然气勘探领域的应用探3.2 数据处理索[J].地球物理学进展,2009,(5):1807-1813.对于传统的数据清洗、集成、规约、变换4个处理步骤，[3] 刘国峰,刘洪,王秀闽,等.kirchhoff积分时间偏移的两种走时计算石油行业数据预处理中还需考虑到数据的一致性。及并行算法[J].地球物理学进展,2009,24(1):131-136.数据一致性：各油公司、工程技术服务公司等由于地域、[4] 朱振宇,刘洪,李幼铭.波动方程叠前深度偏移及并行计算在南黄地质条件和油气性质等方面的差异，对同类数据可能执行不同海地区的应用[J].地球物理学进展,2003,18(2):302-305.的标准，或数据标准执行不严，导致许多数据在一致性方面存[5] 赵景霞,张叔伦,孙沛勇,等. 三维并行合成震源记录叠前深度偏移在问题，在大数据挖掘过程中不同作业环节信息系统之间关联[J].地球物理学报,2006,49(1):225-233.的数据在定义、含义、结构、取值等方面要一致，描述同一实[6] 钟仪华,刘雨鑫,林旭旭.基于马尔科夫链和贝叶斯网络的钻井风体同一属性的值在不同的系统要一致[18]。险预测[J].石油钻采工艺,2016,38(3):291-295.数据清洗：对于缺失值（如传感器短时间故障），通常采[7] 管志川,胜亚楠,许玉强,等.基于PSO优化BP神经网络的钻井动态用删除法删除或插补法来补充，具体处理时需要根据数据样本风险评估方法[J].中全生产科学技术,2017,13(8):5-11.量和数值特点进行具体选择。对于噪声数据（如传感器测量中[8]韦明辉.基于支持向量机的钻井风险实时预测方法[J].钻采工的孤立点），则可以采用回归、均质平滑、离群点分析等方法艺,2012,35(5):15-17.进行过滤。[9] 吉晓峰.大数据在中海油海上石油平台关键动设备领域的应用数据集成：根据业务需求将多个数据源的相关数据组合构[J].科技与创新,2017,(16):149-151.成一个完整的数据集用于后续的数据挖掘，根据研究需求选择构[10] 檀朝东,岳晶晶,吴丽烽,等.数据挖掘技术在油藏挖掘者软件中建相应的数据集可以提高挖掘分析效率。同时，部分相关数据可的应用[J].中国石油和化工,2010,(10):66-67.能涉及时间、空间、深度等不同维度的关联匹配，在针对具体需[11] 吴木旺,张风波,姜洪丰,等.基于知识库的油气井产能预测平台求构建数据集的基础上，还要从度进行数据集的构建。[J].油气井测试,2017,(1):21-23.数据变换：通过一定方法将原始数据进行新的表达，改[12] 陈东虎,朱维耀,朱华银,等.应用广义回归神经网络预测油井含变某些特征形成新的特征，增进数据的理解和分析[19]。大致可水率[J].重庆科技学院学报(自然科学版),2012,14,(6):97-101.以选择代数运算（对数、指数等）、汇总泛化（日产量汇总为[13] 翟亮,李兆敏,张星,等.基于支持向量机的注聚防窜参数优化方月产量）、属性构造（孔隙空间体积与岩样体积的比构成孔隙法[J].油气地质与采收率,2007,(04):88-91.度）等方法来进行数据变换。[14] 尹红卫.数据仓库和数据挖掘技术在防砂工艺中的研究与应用3.3 数据挖掘算法[D].北京:中国石油大学,2004.石油行业进行大数据挖掘，需要数据特点对数据挖掘算法[15] 孟庆民,刘恩新,孙辉,等.浊积岩储层压裂效果数据挖掘研究[J].进行适应改进，根据行业需求进行融合应用。石油天然气学报,2014,(1):92-95.（1）算法的适应改进。大数据挖掘主要有关联、分析、[16] 郑阳.基于数据挖掘方法的压裂工艺优化研究[D].成都:西南石聚类、回归、预测及诊断（异常检测）6种挖掘类型，而相同的油大学,2016. 算法可以用于不同的挖掘类型。需要根据不同的应用需求选择[17] 杨一展.数据挖掘技术在故障诊断中的应用研究[D].西安:西安不同的挖掘类型，例如岩性分析使用聚类分析，而工具设备寿电子科技大学,2008.命则使用预测分析。[18] 李大伟,熊华平,石广仁,等.基于全球典型油气田数据库的数据（2）领域知识的融合应用。数据分析的本质是服务于业挖掘预处理[J].大庆石油地质与开发,2016,(1):66-70.务需求，领域知识的融合直接影响着大数据挖掘的最终结果。[19] 石广仁.地学数据挖掘与知识发现[M].北京:石油工业出版业务理解阶段，领域知识帮助分析进行落地；数据理解阶段，社,2012:78.领域知识帮助抽取能够正确反映业务需求的数据；建立模型阶作者简介段，领域知识帮助算法的选择与适应性改进。杨传书（1972－），男，湖北黄冈人；学历：硕士，高级工程师，研究方向：石油工程信息技术、石油工程软件方面的研究。 20 科学与信息化2019年7月中科学与信息化 7月中 内文.indd 202019/7/16 17:33:29
