大數據分析技術在油田生產中應用

導語：大數據分析技術在油田生產中應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：我國石油資源一直因為地理位置受到限制，處于匱乏的狀態，創傳統的石油開采技術已經不能滿足我國對石油的需求了。因此大數據分析技術在石油開采中的應用變得刻不容緩。市場中的石油競爭也變得日趨激烈，因此石油企業對信息的精準和可靠性要求越來越高，并且信息的速度要快。大數據分析技術的應用可以很好的解決以上問題。

關鍵詞：大數據分析技術；油田生產；研究與應用

在石油的不斷開采過程中會產生非常多的數據和成果，要想從繁多的數據中找到有價值的數據變得越發的困難，所以我們可以通過大數分析技術建立數據模型，提取數據，挖掘大數據之中的規律，這樣就可以找到有用數據并且預測未知信息。這項技術的研發與應用對石油的開采具有很大的意義。

一、國內外油田大數據平臺現狀

目前，在石油領域中與數據技術還沒有完全融合，因此在其中的應用并不普遍。有一部分技術人員將數據技術應用到了石油領域中，并且取得了成果，即使不是很大的成效，但是也是一種技術上的進步。在油井的檢查和偵測中使用模糊邏輯理論、神經網絡系統所整合在一起的技術，相繼提出了一種新的方式去對生產井的動態分析，就是將數據技術使用在油田的生產中，這樣就油田的效率就可以得到提高。在國外已經有技術人員建立了數據模型，并對油田的各個數據進行監測，使得油田的產量得到提高。在我國很多的石油公司的信息技術一般起源于上世紀九十年代，一開始只是為了滿足一小部分領域的技術需求，為了降低一部分人的工作強度而開發了技術，這個時候的技術都是比較分散并且規模小，還不太成熟。隨著對石油資源需求的增加，使得石油方面的技術也得到快速的發展。伴隨著互聯網的快速發展，數據的增長速度更是顯著。但其中有價值的數據卻比較少。目前，我國對油田的數據處理模式還比較傳統，只有比較小規模的大數據處理平臺。

比較完善的數據系統所包含的數據多、產生迅速、數據的種類繁多、具有很強的真實性是大數據的主要四個特點。所謂的大數據就是由很多數據組成的龐大的數據庫，在短時間內人們無法使用正常手段能搜集到的數據量。在數據、信息、知識以及應用中不斷轉換。因此可以將其總結為在油田生產過程和管理過程中，數據在不斷連續變化，并且可以反映油田的規律。并對以上數據進行處理，我們稱之為油田生產中大數據分析。在對大數據進行處理時主要包括七個步驟，采集數據并提取，數據清洗，在數據分析中發現有用的規律，分析模型的建立，將結果展示并用知識表達，驗證結果，優化模型。油田要想滿足自己的生產應用，必須建設一個理想的、實際可用的大數據分析平臺。在這其中必須包含以下四點：數據的提取、將數據分布儲存，數據的分析和結構的展示。首先是將數據整合在一起，然后從中提取數據，將其變為容易建造模型的形式，形成可靠的數據樣本。然后在匯集，建造模型進行數據分析，將最后得出的數據進行儲存?？梢钥闯鲞@個的應用與數據庫很相似。大數據分析就是在大數據建設的模型和算法的前提中，找到其中隱含的數據模式和他們之間的關系。利用與此有關的程序進行數據分析、建設模型、得出預測的結果。并利用測試樣本選擇方案，將模型的準確度提高，使得更好的應用在油田的使用中。

二、大數據分析技術的研究

將名稱、時間、地點多種不同結構和種類的數據變為在同一種算法內的表達以及蘊含的意義一致，方便處理數據的一種模式稱之為大數據處理和抽取技術。如果在檢測過程中出現數據錯誤可以使用清洗數據的方法將有用的數據挑出，再用估算、填補平均值等辦法代替錯誤的數據。一般模型的建設都需要大量的數據，所以就必須建造數據庫。將最初收集到的數據用手段變為可用的數據，這個過程可以稱為數據的轉換。在油田中應用的數據分析技術一般為以下幾類，數據挖掘、回歸分析、聚類分析以及因子分析技術。其中回歸分析就是在一組已有的數據中，對一個數據與其他數據之間的聯系進行研究，使用回歸方程進行分析，將數據之間的關系表示出來。聚類分析就是將有共同之處的數據劃分為一個種類，并將一個種類劃分為多個類別，它們之間的共同之處很多，更方便對數據特點的辨認。因子分析技術就是將多個指標和因素之間的關系使用一個因子描述，一般情況下就是將聯系最為密切的多個變量整合為一類，將其稱之為一個影響因子，大量的數據可以使用一個因子表示。使用好數據挖掘技術是大數據分析的重要的一個步驟。數據挖掘的技術是對很多的繁雜、無規律、不清楚、殘缺的數據進行分析，從中找出有價值的數據，就是提前得到信息的方式。數據挖掘技術的功能有兩種，一種是預測功能，另一種是描述功能。對已有的數據進行推理驗算，完成預測的目的就是它的預測功能。數據描述就是將數據的特點展現出來。有的特點可以對應不同的數據，但是有的特點只能對應一種數據，它的目的就是可以使人們提前知道消息，將數據變得更加有用。

三、應用

智能化井場，將壓力、溫度、電參等傳感器安置在井口，得到相關數據并對抽油機器進行遠程操控，將數據全部傳輸到總控制室的服務器，進行顯示、存儲以及應用，這樣就可以對井場進行遠程控制。同時可以對井的異常進行識別和診斷?？梢詼p輕工作人員的工作量，對井場進行定期檢查和維修是必不可少的。

四、結論

綜上所述，我們可以看出，相比于傳統的石油開采手段，大數據分析技術的應用對石油的開采更為高效和有用。并且通過數據模型的建立可以找出管理中的不足之處，防止更大的錯誤出現，大數據分析技術可以對已有的繁多的數據進行整合提取，找出有價值的數據和生產規律，可以更好地指導石油工作。

參考文獻：

[1]李金諾.淺談石油行業大數據的發展趨勢[J].價值工程,2013（29）.

[2]宋亞奇，周國亮，朱水利.智能電網大數據處理技術現狀與挑戰[J].電網技術，2013（04）：927-935.

[3]翟淑偉，石奇光，楊燕玲，等.火電廠運行狀態監測數據挖掘技術綜述[J].華東電力，2012（02）：29-295.

[4]劉國民，孟祥菊，李亞等.數據挖掘技術在油田上的應用[J].內蒙古石油化工，2009，（16）：92-96.2009.

[5]尚福華，王燕，趙靜茹，周代明，王巖.基于數據倉庫的數據挖掘技術在油田中的應用研究[期刊論文].長江大學學報（自然科學版）2005（10）.

作者:田灝 曹彩平 全江 單位:長慶油田第七采油廠數字化與科技信息中心