[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；数据处理
doi：10.3969/j.issn.1673 - 0194.2019.08.025
[中图分类号]F273；TP311.13 [文献标识码]A [文章编号]1673-0194（2019）08-00-02
0 引 言
石油化工行业是我国的经济支柱型产业，对提升我国的经济效益具有重大影响。随着科学技术的发展，我国部分油田已经建设了数字油田，并拥有较为成熟的中心处理技术。目前，油田企业的发展目标是建立专项智能化油田，利用大数据技术及物联网技术解决技术难题，从而使油田生产及各个业务模块实现分析预测及全面感知，推动油田企业实现可持续发展。
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。
2 油田大数据分析技术和油田大数据分析平台
2.1 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，實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。
2.2 油田大数据分析平台
目前，根据油田发展的实际情况，在对油田生产需求进行分析的基础上，很多石油企业建立了油田大数据分析平台。此平台涵盖数据抽取及分布式储存、大数据分析等层面。数据抽取层功能为实现分布式数据整理，将其转变为数据适合数据建模的方式，从而建设数据集。储存层则对数据进行有效汇总，将数据模型及分析数据进行储存，属于一种数据仓库。分析层建立在大数据算法的基础上，能够观察数据中的信息关系，从而建立数据模型软件及预测模型，从而产生预测结果，确定评估方法及检测标本，并根据专家模型对比精确度，对结果进行调整，从而辅助油田生产及决策。数据应用层的功能是将数据模型封装为能够运行的软件，建立模型算法，保障数据的可视化，设计界面，最终展示结果，实现人机交互。
3 大数据分析技术在油田生产中的应用
3.1 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。
3.2 异常井自动诊断
异常井诊断为油田日常工作开展的重要环节，困扰着油田生产业务人员。现阶段，多数油田异常井诊断依赖人工，诊断效率较低，可能对后续开展工作造成影响，从而影响单井产量。利用灰度图像处理技术及人脸识别算法能够建立抽油井特征功图库，对比油井当前功图及特征功图，实现油井自动诊断。利用因子分析法，对不同工况关联的因子变化情况进行分析，建立参数诊断数据库，对比相关因子指标，从而确定异常问题的原因。
3.3 间抽井开关井计划
在油田生产工作的后期，有一些油井会出现地层能量匮乏、供液不足等问题，被称为间抽井。目前，部分油田一般利用人工制订下月的间抽计划，但计划是否能有效应用还要进一步验证。因此，采取有效的方式控制间抽开关时间，能够节省企业资源、减少排放，对油田未来发展具有重要影响。同时，油田企业还能利用因子分析法及回归分析法进行分析，明确间抽井开发时间的影响因素，比如动液面及沉没度等，据此建立分析模型，对模型曲线进行归一化处理。
3.4 油井清防蜡预测
目前，油田、油井清蜡主要采取人工清理的方案，每口油井每月清蜡1次，会出现部分油井并未结蜡就提前清蜡的现象。油井清蜡不合理，不仅会浪费人力及物力，还会降低油田生产率。油田可利用因子分析法对油井结蜡周期及油井情况进行分析，根据清蜡方式建立结蜡清理模型，采取回归线性分析方法构建预测曲线，探讨曲线不同节点时间，并计算油井合理清蜡周期，有效指导油井精确清蜡，从而对油井开展精细化管理。
4 大数据分析技术应用在油田生产中的未来展望
4.1 建设智能油田数据共享平台
智能油田依赖数据挖掘及应用，开发及提供数据结构平台较为关键，但现阶段对智能油田进行数据集中处理依旧存在一些问题。多数石油企业及管理组织具有海量的支撑数据，但对计算机评估缺乏概念，甚至限制数据库访问，从而形成信息孤岛，在智能油田中无法有效应用。因此，石油企业应当立足国家层面建立数据框架，从而识别有价值的数据，建立数字收益共享模式，不断提升数据处理能力。
4.2 智能油田网络数据安全监管
智能油田不仅需要石油企业投入硬件及软件设备，还需要建设专业的数字监管体系，这也是保障油田生产的关键。突破性技术革命容易出现新的问题，大数据技术在应用过程中也不可能一帆风顺。大数据在智能油田中的应用涉及数据深度挖掘及智能学习等，需要对数据进行集中处理，若数据拥有者泄露数据，将给油田发展带来不利影响，从而导致数据共享变得困难。油田只有采取有效的解决方案，才能保障数据安全。智能油田管理人员需要利用相关法律解决监管问题，从而保障油田数据的有效流通及利用，不断提升油田的生产能力。
5 结 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，一些油田開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。
主要参考文献
[1]张立婷，李世超，郑东梁，等.工业无线通信技术讲座[J].仪器仪表标准化与计量，2018（5）.
[2]倪锦萍.物联网、云计算、大数据对油田生产变革的促进作用[J].信息系统工程，2018（5）.
[3]袁泽波，钱浩东，刘举，等.“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（6）.
[4]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）.
[5]刘萍，樊金丁，孙江华，等.基于智能油气田云平台的SmartConPetro油气生产大数据挖掘系统技术研究[J].数码设计，2016（3）.
[6]段泽英，蔡贤明，滕卫卫，等.大数据分析技术在油田生产中的研究与应用[J].中国管理信息化，2015（18）.
[7]张晋军，梅胜文，黄涛.物联网、大数据及云计算技术在油田生产中的应用研究[J].石化技术，2015（3）.
[8]王利君，李嗣旭，马杨飞，等.大数据技术在抽油井结蜡预测中的应用研究[J].数码设计，2016（3）.