摘要：近年来，随着科学技术的不断发展，大数据已经逐渐深入人们的工作、生活中，一些先进的石油企业也开始尝试将大数据分析引入石油行业。石油企业在油田生产过程中应用大数据分析技术，能够有效提高生产效率。基于此，本文探讨了大数据分析技术的类型，总结了油田大数据分析平台的构建方法及大数据分析技术在油田生产中的应用，旨在为相关研究提供借鉴。
关键词：大数据；分析技术；油田生产；应用
中图分类号： F273 文献标识码：A
1大数据分析技术的类型
大数据分析技术可分为两种技术，分别为大数据抽取及预处理技术和分析技术。
1.1大数据抽取及预处理技术
数据抽取是将多种类型的数据转化为单一且便于处理的结构。在不同时间及地点要求数据表达方式一致，属于标准化及规范化的自然语言，能够被计算机应用。数据清洗则是在确定及记录数字段的过程中，检查数据是否存在遗漏及异常，从而找到解决方法，对于错误数据可采取手动替换。数据构建为满足大数据建模需求建立了新字段，并将其作为标志数据。数据变换则是将原始数据替换为合适的可挖掘数据，比如统一处理时间等。
1.2分析技术
大数据分析技术涵盖了聚类分析、因子分析、回归分析等。聚类分析能统一某种类似的物体及事物，主要目的是辨识数据的特征，根据数据特征将样本划分为多个类型，在同一事物中具有较高的相似性，不同类的事物则具备较大的差异性。因子分析是指利用少量因子去展示多个指标及因素的关系，从而在联系密切的变量归类中，将每类变量作为一个因子，并利用较少的因子反映大量的信息。回归分析是指在一组数据上，观察一个变量与其他变量的关系，明确随机性变量的依存关系，并利用回归分析方式，简化变量中复杂及不确定的关系，从而找到其中存在的规律。数据挖掘是大数据时代的关键技术，油田企业应用该技术能够从完整的海量数据中找到人们未知的有用信息，从而能够预测未来的发展趋势。描述性挖掘能够展现数据的一般特点，预测性挖掘能够完成数据推算，从而实现评估及预测。数据挖掘目标与数据类型存在联系，部分功能在不同数据中适用，或在个别特定数据中适用。数据挖掘能够收集未知信息，从而提升数据价值，并应用在相应的领域中。
1.3油田数据特点
油田在生产过程中所积累和产生的数据具有如下特点：第一，产生海量数据且数据之间具有较强的耦合性。 油田生产过程中数据采集频率大，数据重复冗余现象较为频繁，系统参数之间相互影响性较大；第二，油田生产系统稳定性较弱，油田生产过程中采集数据易受工业噪声污染；第三，数据类型多样，数据形态迥异。 油田生产过程中油压、温度、产量、注水量以及机械设备等相关参数在不同时间段所呈现的数据均不相同；第四，数据缺乏完整性。 由于数据记录的不及时易导致数据出现丢失；第五，油田生产作业的不确定性使得系统工作状态存在变数， 或呈正常工作状态，或呈故障状态。
期刊文章分类查询,尽在期刊图书馆 以上这些油田数据特点，若是采取以往传统的数据库体系平台难以获得真实、全面、可靠的数据，也就无法最大化地发挥出这些数据所隐藏的价值信息。
2大数据分析技术在油田生产中的应用研究
2.1 对异常井进行智能诊断
在油田日常生产工作中，异常井诊断是其中一项极为重要的工作内容，对油田生产和管理人员造成了强烈的困扰。 当前，很多油田在异常井诊断上依旧采用的是人工诊断的方式， 这种方式以油田业务人员的经验为主， 诊断率和诊断效果得不到有效保障，与实际情况相差甚远，可能会导致措施制定偏差情况的出现，最终对单井生产量产生较大的影响。 而利用灰度图像处理技术能够结合油田实际情况，建立油井特征工图库，通过将当前实际功图与油田本身的特征工图进行对比分析， 系统就会对油井的工作情况进行自动判断。 工况的表现形式多样，因此会导致油井工图出现多种情况， 此时就可以借助因子分析法来分析因子的变动情况，同时建立和完善参数因子诊断数据库，并从数据库中搜索相关的因子指标进行对比分析， 从而确定具体的异常原因。
2.2 油田大数据分析技术
大数据由海量数据构成，具有数量大及产生速度快等特点。大数据分析技术指在一定时间内对信息进行整理与收集，从而对数据进行有效管理，数据的价值是将知识变为智慧的过程。石油企业在油田生产过程中会产生大量的数据，因此，油田大数据的概念可被理解为油田生产、管理过程中产生的连续变化，从而反映油田活动规律，对数据进行分析及处理。大数据处理可划分为 8 个步骤，分别为数据采集、数据清洗、数据分析、建立分析模型、结果展示、知识表达、结果验证和对数据模型进行评估及优化。石油企业应用大数据技术，能够解决仅靠人工无法解决的问题，降低能源消耗，实现油田持续管理及持续生产，但大数据分析技术在油田生产过程中的应用，依旧处于初级阶段，还必须不断进行实践，保障生产效率，实现预期发展的目标。
2.3 异常井自动辨识
异常井是影响油井产出的重要因素。传统油井出现异常时，依赖人工发现，主要通过管理人员查找大量资料，确定油井是否出现故障及异常，会耗费大量的时间与精力，且效果不理想，对油井的诊断及管理难度大。利用聚类分析数据挖掘方法能够对油井异常情况进行分析，从而辨识油井是否存在故障，在油井异常设定的过程中，若油井当天产量相比上月当天产量波动较大，便属于油井异常。大数据分析技术通过排除作业井及调开井、常关井等因素，利用 ASP.NET 技术编写算法，利用B/S 系统构架发布算法，能够及时发现油井的异常状态，提高诊断的及时性及时效性，保障管理人员的工作效率。
2.4数据预测
在油田的智能化建设基础上，数据实时产生的变化就会产生数据预测的变化。在智能化的基础上，油田以往的事后预警方式要进行彻底改变，逐步转变成未来的超前预警，并形成智能化油田的运行规律，这样才能更好的指导油田的勘探开发，并将数据本身的价值真正发出来。
2.5科学制定间抽井开关计划
随着油田生产、开发作业进入油田产量递减阶段，在这个阶段由于油田开发时间的延长，地下剩余油量不断减少，油藏能量被不断消耗，导致出现油井出现供液不足的情况，对这类井我们就称之为间抽井，即间歇性出油的井。 目前，在油田开发后期阶段，对于下月间抽井开关井计划的制定多是由人为定制，其合理性还有待进一步考证和完善。 因此，油田企业当务之急是如何实现间抽井开关时间的自动化控制，以此来实现开源节流，节能减排的目的。 对此，就可以采取大数据因子分析和回归分析法，对间抽井开关时间的影响因素进行收集和分析， 通过建立分析预测模型对动液面、沉没度、液面上升速度等因素进行分析，从而得出模型曲线，为相关人员制定开关时间提供决策依据。
结束语：
近年来，随着科学技术的不断发展，大数据分析技术已经逐渐深入人们的生活，一些油田开始尝试将大数据分析技术引入石油生产中。在石油生产系统中，大部分生产数据都具有复杂性，传统的数据库分析以及预测方法等已经不能满足现代油田生产运行的需要，所以油田必须合理利用大数据技术 , 建设数字油田。
参考文献：
[1]袁泽波,钱浩东,刘举,罗月.“大数据”在塔里木试油一体化设计平台的应用与实践[J].钻采工艺,2017,40(06):108-110.
[2]周春燕.油田生产中大数据分析技术的研究及应用[J].科技创新与应用,2017(13):120.
[3]马鸣.油田云大数据的实践与认识[J].当代石油石化,2016,24(08):26-29.
[4]曲海旭. 基于大数据的油田生产经营优化系统研究及应用[D].东北石油大学,2016.
[5]郭瑞,李健,田立锋.大数据技术在石油行业信息化中的应用[J].电脑编程技巧与维护,2016(02):58-59.
论文作者:王文杰
论文发表刊物:《防护工程》2019年第7期
论文发表时间:2019/10/29
标签：油田论文; 数据论文; 大数论文; 油井论文; 技术论文; 据分析论文; 因子论文; 《防护工程》2019年第7期论文;