NoSQLt实时历史数据云在数字化油田暨油气场站智能化的运用.pdfVIP

NoSQLt 实时历史数据云 在数字化油田暨油气场站智能化中的运用 海口诺塞克西海数据科技有限公司 二〇一五年九月 1. 石油系统的大数据需求简述 目前，随着计算机科学和互联网技术的进步，计算机设备的数据处理能力越来越强，数 据传输也越来越方便，不知不觉，世界逐渐进入大数据时代和云计算时代。 另一方面，在摩尔定律的指导下，计算机性能不断增强的同时，价格却不断走低，部署 也越来越容易，大规模计算集群不再是少数行业的专利，各行各业的企业用户，均可以以低 廉的成本，搭建属于自己的 “私有数据云”。 再者，数字电路，探测技术越来越发达，探测器件效能越来越高，价格也不断降低，大 规模构建探测网络不再是难事，物联网技术逐步成熟，人们使用计算机的习惯，逐渐从“人 机交互”改变为“机机交互”，无数与我们生产、生活紧密相关的数据被实时采集，实时传 送，实时存储，实时处理，构建出庞大的“地下数据暗河”，在人们几乎没有感觉的情况下， 默默地为我们的生产经营行为服务，起到数据保障的作用。 因此，在大数据和云计算时代，传统行业面临着一场几乎全新的“大数据革命”，产品 生产过程中，人们越来越关注 “随时生产，随时采集观察数据，随时进行历史数据挖掘分 析，随时进行生产效能调优、保障安全”的“大数据智能化生产过程管理”。以实现大数据 “描述现况、深入诊断、预测趋势、指挥行动”的生产辅助功能。 在石油行业也面临这样一种变革，近几年石油系统如火如荼的数字化油田建设，油气场 站生产管理自动化、数据化、智能化，都体现出对这种大数据变革的适应，以大数据、云计 算思想指导油田生产的上中下游，将成为未来石油工业的主流生产方式。 油田的建设是一个长期漫长的过程，期间很多场景都面临大数据问题，特别需要能支持 海量大并发数据的高效处理手段。 如地球物理勘探，采用爆轰波进行地震勘察，一次爆炸作业，短短几分钟内就会产生大 量的数据，这些数据变化很快，需要高频探测，尽可能详细地记录下来，供后期精确处理解 释，因此现场数据处理核心必须具有高速“吞吐数据”的能力，能以毫秒级的速度和精度记 录下所有数据，并最好能同步以同样高的速度回传后端数据中心，确保数据不丢失。 在钻井、勘探过程中，井场重型设备很多，安全生产是大问题，这很大程度取决于设备 状态是否正常。在一个钻井周期，重要设备7*24 小时连续运转，需要实时监控设备的运行 数据，对井深，泥浆注入量、钻速、各种压力等参量做精确监视和控制；后勤上，必须跟踪 钻头和钻杆的维护程度，为每根钻杆建档，记录每一次超声波探伤的记录，跟踪其生命周期， 对于即将报废的钻杆提出预警，及时淘汰，避免出现生产事故。这些都需要长时间海量的大 数据存储计算能力。 在采油环节，大部分井场、油气场站和输送管道都在野外，人工驻站成本很高，且有很 大安全风险。但“磕头机”、各级泵站全天候连续运转，需要监控维护。这就需要建立能7*24 小时连续稳定运行的数据处理中心，不断采集跟踪设备的参数，挖掘其实时历史数据，分析 其健康情况，提前预警，避免设备损坏影响生产。 当油气进入管道，又必须长期监视管道的腐蚀情况，对于陈旧的管道即时预警，提出更 换维修建议，避免漏油造成类似山东黄岛之类的恶性爆炸事故。另外，管道偷油是石油的老 大难问题，需要后台数据中心实时不间断监控管道压力，计算剪刀差来判断，一旦发生偷油 事件，数据体系必须高速响应，隔着几百上千千米，在几秒内发出警报，通知当地警方出警， 抓捕罪犯避免损失。这对数据采集节点、数据链路、后端数据中心等整个数据系统的处理性 能提出了极高的要求，必须使用高速稳定的大数据云来支持。 进入炼油环节，炼厂设备众多、高温高压容器管线繁多、运转复杂，安全风险很高，必 须7*24 小时不间断监控生产各个环节设备的状态数据，避免事故。即使到了成品油销售环 节，也离不开大数据，油气罐车、加油站属于高危作业，必须随时予以高度监控，连续跟踪 记录其北斗地理位置、储存油气品的压力、温度等重要实时信息，及时预警，确保不碰红线。 避免出现天津港爆炸之类的重特大恶性事故。而这些都需要连续不断的高效处理海量实时和 历史数据，进行跟踪分析。 目前我们石油系统正在“走出去”，在国外进行“探采输”作业，但由于国外政局不稳， 安全风险很高。某些极端情况下，作业人员会撤离，现场生产设备会毁坏。而灾后重建时， 设备购买安装容易，但是长期积累的生产数据丢失，才是重