国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

★ 中國石油長慶油田分公司頁巖油開發分公司 賈志鵬 

★ 中國石油長慶油田分公司第一采油廠 崔強

★ 中國石油長慶油田分公司頁巖油開發分公司 周婷，余杰，趙一帆

1引言

目前，油氣行業正處于數字化轉型、智能化發展階段，油氣生產業務需要進行全業務融合和智能化水平提升，實現生產工況診斷、功圖量液、合規監測，引入邊緣計算，促進油氣生產現場遠程操控水平的提升。通過油氣行業多層閉環管理系統，在優化生產流程、優化組織結構、提高生產效率、提升管理水平、減輕一線員工勞動強度、降低安全風險等方面取得了顯著效果，極大地促進了石油行業油氣生產物聯網系統的發展。

在油氣行業多層閉環管理系統總體框架下，緊密結合工業物聯網平臺發展思路和技術發展趨勢，重點結合油氣生產業務領域的實際需求，形成了基于工業領域的云端部署的大數據平臺軟件；該平臺完全基于B/S的架構設計，通過物聯網、云計算等技術，提供設備接入、控制系統運行監控、設備資產管理等一站式服務，實現統一的數據采集、存儲、計算、顯示和共享，搭建以設備運行和管理為核心的設備監控、設備管理、設備運維等系統，支撐物聯網平臺應用的構建和快速上線。

在油氣行業多層閉環管理系統的框架下，依托云端部署的大數據平臺軟件，對邊緣計算產品性能進行提升。邊緣計算與感知智能息息相關，大量的感知特征需要通過海量終端來獲取數據，并且需要前端進行預處理，進而再回傳結論性的數據到后端。

智能遠程終端裝置（SmartRemoteTerminalUnit，智能RTU）作為邊緣計算前端設備，集成了邊緣計算算法，對油田的生產工況診斷、能耗分析、數據預測、無人化管理做有力支撐。通過智能RTU可以打開物聯網應用的鑰匙；智能RTU前置的數據處理模型，是解決海量數據處理的又一新型計算模型，是人工智能的神經末梢，因此智能RTU在具體實現“數字化智能化油田”進程中，將發揮其重要的作用。

智能RTU集成了邊緣計算的數據處理模型，是邊緣計算在油田現場的應用載體。因此本文中的應用場景與實踐主要是針對智能RTU在工況診斷、液量計量和合規監測等方面的闡述和分析。

2邊緣計算

邊緣計算，是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。邊緣計算涉足通信技術、運營技術、信息技術多個領域，與網絡聯接、數據聚合、芯片、傳感、行業應用等多個產業鏈有著交叉和融合。隨著各個產業鏈技術的發展與提升，邊緣計算發展也將進入關鍵階段。

掌握數據挖掘系統及算法，做到事半功倍，少走彎路，同時加強與石油專業知識相結合，探尋適合油田開發領域數據挖掘方法，實現數字油田“讓數字說話，聽數據指揮”智能化管理。

本文邊緣計算涉及了三方面的算法和技術：功圖診斷、功圖量液、合規監測。

隨著油氣行業智能化技術的快速發展，智能化油田技術也成為采油工程界的研究熱點，抽油機井的工況診斷、功圖量液和合規監測也日益在采油行業受到重視。

抽油機井示功圖作為獲取抽油機井工作狀況的一個重要手段，在國內外油田得到廣泛應用，同時對示功圖測量方法的研究依然是重要的研究課題。經過長期探索研究，示功圖測量技術已取得很大的進展。

工況診斷和功圖量液智能算法則是基于先進的示功圖測量技術，利用專家系統，通過對抽油機井電機功率曲線的分析，結合電機的電壓、電流、轉速、功率因數等參數，實現對抽油機系統的工況進行診斷和液量計量。

工況診斷和功圖量液智能算法是一種兼顧井上電機的電壓、電流、轉速、功率因數等參數與井下抽油泵的運行工況參數的綜合方法，分析抽油機井電機的運行原理和抽油機系統的能耗，建立電參數與井下供液情況、抽油泵運行參數的數學模型。根據抽油機系統的能耗與電機的工作原理，對產液量、泵效、平衡度、電機利用率等分析，建立抽油機井工況的特征值的數學模型。如圖1所示。

圖1 智能算法模型診斷計量流程圖

在合規檢測方面，為了可靠且高效地處理大規模的視頻流數據，使用堆視頻流實時分析算法，涉及工服檢測算法、安全帽佩戴檢測算法、煙霧檢測算法、人員跌倒檢測算法、外來人員識別算法、車輛識別算法等，需要有一個可擴展、能容錯、松耦合的系統，使用開源的技術來構建這樣的系統，該系統包含了三個主要的組件：視頻流收集器、流數據緩沖以及視頻流處理器。

3智能RTU功能特點

油氣生產現場以智能RTU為中心，智能RTU是油氣行業設備智能化的關鍵。智能RTU集成了工況診斷、功圖量液、合規監測等智能算法模型，通過示功圖完成對井站內每口井的工況進行分析、計量與監測，并根據油井工況給出調節建議。數據的傳輸、分析、處理與存儲對網絡帶寬提出了巨大的挑戰，而智能RTU的邊緣計算能力，為解決這一問題提供了必要的技術手段。把大量的數據傳輸到云計算中心去處理，將導致數據處理的不及時，在油氣行業VR/AR等要求可靠性、實時性比較高的應用場景下。

智能RTU作為油氣生產數字化轉型的關鍵設備，是油氣生產信息與業務分析的橋梁。設備通用性強，支持Tensorflow、Pytorch、Caffe等深度學習平臺；采用工業級設計，適用于寬溫環境。

智能RTU基于算力資源，自身可以完成部分，甚至全部處理任務，無需立刻回傳到云端進行處理，而是有進一步處理需求后，才進行數據的回傳。因此，智能RTU可以分擔云計算部分處理任務，開啟“云網端智”四位一體的處理模式，能夠實現就地采集、智能AI分析、狀態上傳，有效減少網絡負載，降低數據時延，提升數據價值。

主要具有以下功能特點：

（1）采用四核ARMCortex-A57高性能處理器，支持RS232、RS485、CAN、USB、以太網、ZigBee和4G等通信接口；

（2）集成128核Maxwell架構NVIDIA圖形處理器，可提供3TFlops的AI算力支持，支持Tensorflow、Caffe、Pytorch等AI計算框架；

（3）支持ModbusRTU、ModbusTCP和MQTT等通訊協議。

支持基于CAN總線的I/OBUS數據擴展協議，可添加模擬量、開關量和脈沖量等擴展板卡；

（4）支持IEC61131-3標準的二次開發平臺，可支持IL、ST、LD、FBD和SFC共5種標準編程語言；

（5）工業級環境適應能力，一體化、無風扇設計，工作溫度達-40~+70℃。

智能RTU應用系統結構圖如圖2所示。

圖2智能RTU應用系統結構圖

4應用場景與實踐

依托云端部署的大數據平臺軟件，基于油井生產整體優化技術，在邊緣計算算法的基礎上實現油井液量的實時在線計量。

智能RTU可以應用在石油產業鏈的每個環節，在油氣生產過程中，典型應用實踐場景包含功圖診斷、功圖量液、合規監測。

4.1工況診斷

在油氣生產功圖診斷方面，智能RTU結合邊緣計算算法和技術，建立抽油機井況的數學模型，通過專家系統實現對油井生產工況的分析與判斷。

（1）智能RTU通過對每一口井的功圖信息采用算法模型進行診斷，可診斷出油井的工況信息，根據診斷出的工況給出合理的建議。智能RTU可對診斷過的功圖及診斷結果進行保存，云端部署的大數據平臺軟件可通過API查閱歷史功圖。

（2）工況診斷和預測：抽油機井工況復雜多樣，工況的變化和趨勢都會通過井上抽油機電機功率曲線和井下抽油泵工作參數變化體現，通過井上電機的電壓、電流、轉速、功率因數等參數與井下抽油泵的運行工況參數的綜合方法，分析、診斷和預測抽油機井的開關狀態、通訊狀態、特征參數及曲線。智能RTU對功圖診斷信息圖如圖3所示。

圖3智能RTU對功圖診斷信息圖

（3）功圖診斷實踐結果展示

根據傳感器采集的數據，通過智能算法進行分析計算可知，井1診斷為供液不足。油井供液不足時，柱塞下行時接觸不到液面，卸載時間延長，使功圖表現出“刀把”的形狀，“刀把”長度占沖程的比例反映著供液不足的程度，如圖4所示。根據“刀把”長度和功圖面積監測供液能力變化趨勢，當供液不足程度發生較大變化時預警，必要時采取調參、調整注水等措施挖掘油井生產潛力。也可用于監測間抽井供排變化趨勢，合理制定間抽周期。

圖4井1功圖

根據傳感器采集的數據，通過智能算法進行分析計算可知，井2診斷為桿斷脫，如圖5所示。

圖5井2功圖

根據傳感器采集的數據，通過智能算法進行分析計算可知，井3診斷為固定凡爾漏失，如圖6所示。

圖6井3功圖

根據傳感器采集的數據，通過智能算法進行分析計算可知，井4診斷為嚴重供液不足，如圖7所示。

圖7井4功圖

（4）功圖診斷準確率

通過智能算法診斷，診斷結果準確率在95%以上，見表1。

表1功圖診斷結果表

4.2功圖量液

油井產液量計量是油田生產管理中的一項重要工作。建立多種數學模型、應用智能算法編制計算軟件、編譯功圖量液分析程序，通過程序計算與現場A11計量系統進行實際產液量對比。

（1）抽油機系統效率分析：抽油機將井下液體舉升到地面的過程中有用功率與系統輸入的功率的比值，由地面效率和井下效率兩部分組成，地面效率取決于光桿載荷、光桿功率、四連桿機構、減速箱、電機效率，井下效率取決于盤根盒效率、抽油桿效率。管柱和抽油泵效率提高系統效率可采取參數優化和調平衡等措施。

（2）功圖量液計算：對井下和井口常規數據、溫度、時間等海量數據，進行作業區單位級別的大數據分

析，結合抽油機井的工況優化模型，對油井產量進行分析計算和預測，提高油田的整體產量。

（3）功圖量液計算信息對比

通過現場安裝的智能RTU對井101X和井102X兩口井進行實時功圖診斷和計量，并以天來求取平均日產液量；最后計算近23天的平均值與A11計量系統中的標記產液量進行對比。

井101-6X和井101-1X采用歷史功圖進行功圖量液計算，計算2021年1月10日至3月7日共50天的平均值與A11計量系統標記產量進行對比。

對比結果表明，功圖量液計量結果相對誤差在10%以內，見表2、表3。

表2功圖量液計算結果對比表1

表3功圖量液計算結果對比表2

4.3合規監測

運用工服檢測算法、安全帽佩戴檢測算法、煙霧檢測算法、人員跌倒檢測算法、外來人員識別算法、車輛識別算法等進行智能識別，通過新技術的應用，更好地為油田管理提供服務，識別現場操作合規性，實現安全隱患自動識別，提升現場管理效率。

區域入侵識別：以視頻為核心，結合人工智能技術，拓展多維感知手段，對進入劃定區域的人員、動物、車輛等物體進行識別。

人員行為識別：利用攝像頭采集視頻圖像信息，計算人員行為模式，識別人員行為，實現安全帽佩戴、工作服著裝、可疑人物等監控。

煙霧/火焰檢測識別：實現對監控區域內的煙霧和火焰進行識別，并動態識別煙霧和火焰從無到有、從有到無、從小到大，從大到小、從小煙到濃煙的狀態轉換的識別、實時分析報警。

漏油/漏水檢測：漏油檢測原理是基于油和水在溫度、熱反射和熱發射率與周圍環境之間的差異，基于對現場配置的專業攝像機畫面進行分析，發現泄漏現象。

（1）合規監測應用

合規監測可針對現場人員穿勞保服、戴安全帽、人員位置等信息進行監測；可對未正確穿戴勞保服的人員進行標注，并存儲視頻截圖。如圖8、圖9所示。

合規監測采用了AI人工智能模型，對人、車的識別準確度可達95%以上；單次獲取視頻流和處理視頻，只需要5秒即可完成。

圖8合規監測圖1

圖9合規監測圖2

（2）合規監測結果（見表4）

5結論

本文主要對帶有智能邊緣計算算法和技術的智能RTU產品的功能、性能和穩定性進行應用與實踐。應用與實踐時長27天，系統完全兼容且穩定運行；功圖診斷智能算法得到應用，對現場實時功圖138幅和離線功圖1000幅進行分析，工況診斷結果準確率大于98%；液量虛擬計量功能采用歷史數據和實際數據結合實踐測試，計量精度10%以內；合規性視頻分析應用25天，檢測圖片43萬張，監測保存人員或車輛進入圖片467張，其中違規截圖90張，識別準確率大于95%；所有參數均已滿足油田現場應用要求。

邊緣計算的應用，提升了智能RTU設備智能化水平。將智能化技術與油氣生產業務深入融合，實現油氣田業務的數字化轉型、智能化發展。隨著中國石油全面推進“十四五”信息技術總體規劃實施，油田數字化智能化建設邁上新臺階，對油氣田物聯網系統數據的可靠性和處理速度有更高的要求，邊緣計算的應用場景將有更廣闊的發展空間。AP

作者簡介：

賈志鵬（1984-），男，甘肅慶陽人，工程師，學士，現就職于中國石油長慶油田分公司頁巖油開發分公司，主要從事智能化、數字化、信息化方面的建設管理工作。

參考文獻：

[1]于世春,楊倉海,李明江,趙曉龍,邱亮,等.基于油井工況診斷及功圖計產系統的數據挖掘應用[J].自動化技術與應用,2015,34(1):115-118.

[2]宋明垚,薛良玉,張薇.油井生產工況智能診斷與趨勢預警技術研究報告[J].中國化工貿易,2018,(27):93.

[3]邊緣云計算技術及標準化白皮書[EB/OL].2019.

[4]阿里云,中國電子技術標準化研究院.2018年邊緣云計算技術及標準化白皮書[EB/OL].

[5]雷波,趙倩穎,趙慧玲.邊緣計算與算力網絡綜述[J].中興通訊技術,2021,(03):3-6.

[6]曾德生,駱金維,龐雙龍,謝品章,陳曉丹.基于邊緣計算模型的智能視頻監控系統的設計[J].智能計算機與應用,2019,(6):254-261.

[7]王靈軍,蔣世用,趙志剛,羅曉.基于需求側視角的能源互聯網[J].制冷與空調,2017,(12):17-23.

[8]向陽.5G技術對民生檔案共享體系的影響研究[J].廣州城市職業學院學報2021,(03):48-53.

[9]楊宏,郭雄,李孟良,蘇靜茹.先進計算技術與標準研究[J].中國標準化,2018,(20):243-245.

[10]邢帆.“大規模上云”時代來臨[J].中國信息化,2017,(08):31.

[11]李永萍,柳震.沿高速公路部署的車聯網關鍵技術[J].無線互聯科技,2018,(21):151-152.

[12]賈雪琴,王友祥,曹暢,林晨,史可.區塊鏈賦能5G共建共享技術研究[J].郵電設計技術,2021,(03):7-11.

[13]周旸,李宏平,趙晨光,常旭.冬奧5G高性能無線網絡新技術進展與應用[J].郵電設計技術,2020,(12):15-17.

[14]張涌,陳丹,范斌,韓賽,呂華章.中國聯通邊緣計算技術演進規劃與部署方案[J].郵電設計技術,2018,(04):42-47.

[15]曹春江.融合云視訊系統技術方案研究和應用[J].數字通信世界,2018,(09):17-20.

[16]張力平.“小而美”的邊緣計算[J].電信快報:網絡與通信,2018,(02):48.

[17]程喬,王映華,李冉,陳江山.移動邊緣計算技術與應用的探討[J].廣西通信技術,2020,(03):1-6.

[18]劉煒,張為.基于邊緣智能2.0的工業互聯網平臺架構及應用[J].光通信研究,2021,(02):7-13.

[19]趙志斌,何力毅,劉廣紅,徐大偉.5GMEC行業應用部署方案研究[J].郵電設計技術,2021,(01):25–30.

[20]邊緣計算產業聯盟.邊緣計算產業聯盟白皮書[EB/OL].2016-11.

[21]熊俊杰,陳經緯,蘇聰,周起如,包德剛.邊緣計算在5G時代的價值研究[J].數字通信世界,2019,(09):139.

摘自《自動化博覽》2022年8月刊