2. 中国石油长庆油田公司勘探开发研究院
2. Exploration and Development Research Institute of PetroChina Changqing Oilfield Company
勘探开发数据是油田企业的核心资产和宝贵资源,是认识和评价油气藏的基础和载体。数字油田建设以来,数据中心概念广受关注。油田数据中心[1]是依照油田勘探开发数据运行规律,围绕单井、油气藏全生命周期,建立数据管理模型和模式,规范数据从产生到应用的全过程,并在该模式指导下,建立并完善配套的数据管理组织机构、运行制度和基础设施,为信息系统的运行和资源共享提供可靠的数据保障与服务。国内数字油田建设10余年来,以统一的管理模式、管理职能不断提升、新技术充分应用为特征的数据中心建设,取得了很大进展[2]。
进入“十三五”[3],国内数字油田发展普遍从集中建设进入到集成应用和持续提升阶段。随着系统应用的不断深化和扩展,以及信息技术的迅猛发展,数据建设日益成为制约信息系统价值和效益发挥的瓶颈。首先,远程实时互动以及场景式、图形化的需求导致数据量爆炸式增长,数据管理的难度和压力日益增加;其次,油气藏经营管理等综合性业务需求和不同系统之间互连、互通、互操作日益广泛,对数据规范性、权威性、完整性、及时性、相容性的要求越来越高,以单一或局部业务为中心的数据分散管理和信息系统开发模式难以适应这种要求,需要研究构建更为有效的数据中心模式。
本文以支撑长庆油田建成的企业级一体化油气藏研究与决策支持系统(RDMS)全面应用为目标,提出了构建基于云平台的油田企业级勘探开发服务型共享数据中心模式,从组织机构、管理规范、基础设施等方面进行配套建设和完善,强化数据管控和数据治理,实现数据采集、传输、加工、应用在RDMS平台线上流转和统一管理,达到全油田数据标准统一、数据唯一、业务协同、资源共享。
1 问题与需求“十一五”以来,长庆油田为适应建设和管理5000×104t级特大型低渗透致密油气田需要,以“一体化研究、多学科协同”为基本理念,将先进信息技术与油气藏研究业务深度融合[4],自主研发了符合自身业务需求的油田企业级“大科研”环境平台——数字化油气藏研究与决策支持系统(RDMS),实现了跨学科、跨单位、跨地域的协同研究与决策,促进了信息共享,业务协同,研究、管理、决策与执行一体化,油气藏研究质量和效率得到了大幅度提升[5-6]。
在数据资源方面,RDMS采用油气藏数据链整合集成了长庆油田开发建设40余年来形成的钻井、录井、测井、试油气、分析试验、油气生产、动态监测等18类专业数据库,新建了地质图件、生产支撑、方案设计等五大类研究成果库,搭建了生产建设实时数据、水平井井场数据、测井数据等4条实时数据链路,目前数据量达到近3亿条记录、12TB容量,在线管理了11万余口井的多学科海量数据资产,形成了具有大数据特征的盆地级油气藏数据资源池[8-9]。
然而随着系统应用的不断深入和扩展,数据问题成为一个主要的制约因素。由于历史原因,RDMS集成的钻井、录井、测井、试油气(井下)等专业数据库独立建设,数据源管理分散且水平参差不齐,基础实体数据模型不一致,信息孤岛现象严重,数据完整性、时效性、一致性较差。同时,在应用层面,RDMS系统功能涵盖勘探、评价、油气田开发、工程技术等多专业领域,业务范围广,系统推广、运维和组织完善难度大。为有效应对上述问题,规划和建设长庆油田企业级权威的共享数据中心成为必然选择。
2 数据中心架构本文调研分析了国际、国内11家油公司数据中心建设模式。国外油公司数据中心建设起步早,基础设施完善,采用一体化数据管理模式和统一服务平台。挪威、俄罗斯、委内瑞拉、巴西等国家已建立或正在建设自己的国家级石油勘探开发数据库,挪威国家石油公司、英国国家石油公司、道达尔、雪佛龙、康菲等石油公司也建立起了公司级的数据中心[10-13]。国内油公司,数据中心建设起步晚,逐渐受到业内重视,发展趋势表现为统一的数据管理模式、管理职能不断提升、IT新技术充分利用等。中国石油的新疆油田、中国石化的胜利油田率先建成了企业级数据中心[14]。
总结国内外石油企业数据中心建设模式和成功经验,借鉴与启示是:一是要有权威的数据管理组织机构,为数据中心建设提供组织保障;二是建立健全配套管理规范,为数据中心建设提供制度保障;三是高度重视数据质量和数据标准的建设,保证数据正常化,为统一数据服务做好数据准备;四是建立统一应用平台,提供面向研究岗位、地质单元、专业软件、业务场景等需求的便捷式集成化数据服务。
勘探开发服务型共享数据中心(以下简称“勘探开发数据中心”)构建过程中,借鉴国际国内油田企业数据中心建设成功经验,立足长庆油田数据建设与管理现状,面向油气藏研究与决策,建立完整的“采存管用”数据链路;突出业务主导,坚持业务流与数据流相统一,强化数据服务功能[15-19],体现数据价值化利用;改变以往数据建设涉及的部门和单位多、系统运行配套保障机制不健全、数据监管责任不落实、标准和规范落实难度大、推广模式比较被动的局面。
勘探开发数据中心以RDMS平台为核心。自下而上分别为数据源管理、数据管理、数据服务3层(图 1)。数据源管理从底层数据采集做起,开发数据采集端,负责对勘探、开发、经营、生产源头数据采集,增加数据治理环节,实现源头数据正常化,确保数据时效性、完整性、可靠性;数据管理基于统一的数据模型实现基础数据、实时数据、研究成果数据、油气藏模型等实体数据的存储、访问与交互,涵盖了涉及油气藏研究的钻井、录井、测井、试油气、分析试验等各专业结构化数据,以及统计报表、方案设计、地质图件、项目文档、油藏模型等各类成果体数据;数据服务是以RDMS系统为数据流通中心,通过研发数据整合、数据导航、数据可视化、云存储等技术实现数据与应用无缝对接,面向油气藏研究分析和决策管理场景推送数据,在数据驱动下实现对油气藏的迭代认知。
勘探开发数据中心需要具备3项主要职责:一是数据管理。对油田企业勘探开发数据全生命周期整体进行监督与管理,实现数据正常化。二是技术研发。研究数据的源头、走向,数据之间的关联;研究海量多源数据管理技术;做好数据挖掘、开发、利用,为油气藏研究提供数据支持。三是数据服务。利用先进信息化技术,主动为油气藏研究和决策各环节推送数据,让科研人员获取数据更方便、更快捷。
长庆油田公司勘探开发研究院(以下简称“勘探开发研究院”)是油气藏数据管理和应用的主体,RDMS系统建设与推广工作主要由勘探开发研究院承担,考虑到业务主导原则,管理的扁平化、集约化,以及运行成本与效率,以勘探开发研究院为依托,赋予相应的管理职责和权限,建立长庆油田勘探开发数据中心。勘探开发数据中心对油田公司负责,机构构成如图 2。
数据规划:负责数据需求的收集与分析,数据建设中长期规划、年度计划和技术方案编制,以及开展对油田数据工程的科学研究,尤其在互联网时代针对大数据管理的研究与分析。
数据运行:负责数据治理、正常化建设,监督、管理数据运行过程与数据安全、数据转换,以及RDMS系统在全油田的推广应用与服务,兼具“数据警察”角色,对数据运行过程、数据安全和数据交付使用进行监督与管理。
技术开发:负责勘探开发数据中心IT技术研发,包括系统开发与测试、新技术研究、深化应用,以及数据库技术开发等。
基础运维:负责勘探开发数据中心机房场地、服务器系统管理、维护和技术支持。
在与相关部门、单位职责划分方面,勘探开发数据中心负责RDMS平台的功能研发、数据监督、系统运维与推广应用;业务管理部门负责RDMS平台应用管理,包括建设项目审查、用户权限审批、推广组织等;研究与生产单位是RDMS平台的主体用户,是系统功能需求的主要来源,也是数据采集和成果上传的主要承担者;数字化与信息管理部门作为信息业务的归口管理部门,负责建设方案规划审查,以及公共基础设施的建设与维护等。
2.2 管理规范为了使勘探开发数据中心建设有序开展和有效运行,不仅需要强有力的组织保障,科学高效的运行机制,还需要具备健全的管理制度。根据数据中心运行模式及需求,从管理规范层面确立了管理流程,主要有以下4个方面。
2.2.1 规划管理首先要进行战略规划,包括总体规划和分项建设规划。规划内容包括需求分析、可行性研究、总体规划、分项规划、年度资金预算、进度计划等。规划的合理与否直接关系到勘探开发数据中心运行效果的优劣。规划管理的流程如图 3所示。
勘探开发数据中心建设项目实施管理包括需求调研、方案设计、开发与测试、数据准备、用户培训、上线运行等。实施管理的流程如图 4所示。
运维管理包括制定运维计划、日常维护、事件处理、系统变更、业绩考核等内容。运维管理的流程如图 5所示。
标准规范管理是勘探开发数据中心正常运行的重要保障,必须建立一套完善的管理体制进行数据中心标准化的监督和执行。标准规范管理的流程如图 6所示。
油气藏数据链是以规范的业务流程、标准的数据存储为基础,通过搭建数据和业务之间的逻辑关联,实现各类动静态数据快速提取、高效处理与应用。油气藏数据链实现了数据横向关联、纵向贯通的综合应用,数据与数据之间不再是独立个体,其核心理念是基于研究岗位或应用场景进行自组织定制数据,形成变被动为主动的新型数据服务方式。油气藏数据链提供了数据推送、数据成图、数据关联、数据可视化等功能。
数据推送:面向研究岗位、应用场景、专业软件自组织定制数据,并进行快速推送,改变了以往从分散的各专业数据库中查找、下载数据的应用方式,如图 7所示。
数据成图:基于测井wis体数据、综合录井数据、分析实验数据、岩心扫描图像等多类型异构数据源,采用“数据+模板”方式绘制测井图、综合录井图、岩心扫描柱状图,多信息集成,方便研究人员开展单井综合分析。
数据关联:通过区块、层位、深度等空间信息,将多学科、多维度资料在线关联展现,实现了在测井位图上关联分层、岩心照片、铸体薄片、扫描电镜、压汞、试油气等井筒数据。
数据可视化:以图表方式完整、直观展现单井“设计—钻井—录井—测井—试油—投产—报废”全生命历程,将多维度、多专业、多类型数据整合集成,实现基于时间轴、深度轴的单井资料透明化管理。
3.2 空间智能分析技术油气藏空间智能分析技术是以国内石油行业普遍使用的GeoMap地质图件为基础,将现有地质图件与地理信息GIS技术相融合,通过地质要素的快速查询定位、动静态图层叠加、空间分析、智能成图等技术,实现基于平面地质图件的多元数据查看、多图联动布井、邻井快速分析、油气藏专题图绘制。
数据导航:以地质图件点、线、面图元空间数据模型为基础,通过投影坐标转换、动态图层等技术,实现通过单井、地震测线、油田、区块、储量单元等地质图元导航快速获取单井九大类38项基础资料、地震SEGY成果数据、油藏开发单元各类动静态成果。
智能成图:通过底层数据适配器技术,集成主流平面、剖面制图软件,实现基于平面图件导航下的油气藏剖面、地质要素统计、等值线等三大类20余项专题图在线绘制。
联动分析:以多窗口通信技术为基础,通过多图联动、平剖联动、图表联动功能,在井位部署中实现在砂体图、烃源岩图、沉积相图等多类型、多层系地质图件上同步布井,并结合地理图、卫星遥感影像图查看部署井的地理位置和地貌特征,有效提高了井位部署的有效性。
3.3 专业软件接口技术专业软件接口技术是基于国内外勘探开发主流专业软件集成方法,对于结构化数据、非结构化数据以及半结构化数据自动读取、解析、抽取所需数据项,按照交互界面提供的参数,进行模式分析、公式计算、格式转换,实现国内外勘探开发主流软件之间以及专业软件与数字化油气藏研究平台之间数据发送、接收与交换, 打通专业软件数据收集、整理、加载等各个环节, 将研究人员从繁琐的数据收集整理工作中解放出来,极大地提高了油气藏研究的工作效率。
例如以一个300口井开发5年精细油藏描述工作为例,以往工作方式是:需要下载整理井位信息、测井曲线、小层、试油、产量等650多个数据文件,累计30余万条记录,需要近1个月时间;而数字化工作方式是:输入研究工区井号,系统自动推送所需数据,按照软件要求进行标准格式转换,一键式发送至Petrel软件,只需要30多分钟。
4 实现效果(1) 研究方式向数字化转变。基于数据全生命周期的“采存管用”机制,推动了油气藏研究工作方式向数字化方式转变,实现了跨部门信息充分共享,有效减少重复性劳动,科研效率大幅提升。
(2) 管理模式透明化。对数据从起源、审核、演化及应用的全过程进行完整记录,保障数据归属明晰,质量可控,同时对团体或个人的量化考核提供了更可信、更便捷的支撑手段,推动管理透明化。
(3) 提高科研成果的转化效率。基于勘探开发数据中心模式,可有效改变数据建设与数据应用割裂现状,决策人员可以掌握更具广度、深度、丰度与时效性的基础信息,从而更高效地发出决策指令,加快科研成果的生产应用,有效提升油气藏经营管理效益。
案例一:建立生产报表数字化工作模式
在勘探评价及油气田产能建设过程中,钻井、录井、测井、试油气等施工队伍每天会产生大量生产动态数据,业务管理部门、研究单位主要依托现场上报的各类报表跟踪生产情况。传统工作方式下项目组需要通过电话或邮件方式收集各类数据,手工整理、编辑、汇总、制作各类上报的报表,同时还要支撑各业务部门相关信息系统的数据维护,数据录入、重复整理工作量超大。
RDMS系统通过深入剖析项目组各岗位业务流程、数据流向、报表文档,在数据与业务之间建立逻辑关联,开发了生产建设实时报表系统,按照单井全生命周期主线,以作业链节点的方式,建立了井位下发→钻前→钻井→录井→测井→完井→试油→投产投注→交井数据采集作业链,实现了各业务节点数据继承、批量更新、报表自动生成。在钻井、录井、测井、试油气等施工过程中,项目组钻前岗、钻井岗、地质岗、试油岗每天只需在相应节点进行相关施工状态更新,研究单位、管理部门可在线快速调用系统自动生成各类生产报表,实时掌握现场生产情况,分析存在问题,及时进行方案调整,指导现场生产。
案例二:建立测井地质一体化工作环境
测井采集、资料处理与解释这两个测井主要业务包含了至少10个关键环节,业务人员分别属于油田公司、测井公司和监督公司3家单位,传统的业务沟通方式主要是电话、传真及QQ、POPO等即时通信工具,业务环节之间的衔接容易脱节造成工时延误,数据流转主要以车载送图、送数据为主,给快速应用测井数据造成了很多不便。
测井地质一体化工作环境在项目组、测井队、解释中心和应用单位之间搭建起数据传输通道,形成了闭环的动态数据流,实现了井场测井曲线实时传输、测井质量远程监控和在线测井解释,通过经济下限图版库和测井产能指数等方法,开展油气井快速产能预测和低产井风险提示。例如在采油二厂某区块滚动开发过程中,勘探开发研究院进行测井跟踪评价分析,通过对开发目的层进行了产能分级评价,将地质风险信息进行实时发布,发布信息显示该区“有可能出水,建议加快试油”。采油二厂根据这些信息综合分析,决定对该井区西北部暂缓布井,避免了大片产水井的出现。
5 结语本文从长庆油田勘探开发业务需求出发,研究提出了以勘探开发研究院为依托,成立油田公司服务型共享数据中心,强化数据运行集中监控和主数据驱动下的数据建设统一管理职能,提升数据正常化与治理水平,为数据互联互通提供组织保证;通过建设RDMS平台,构建了公司级“大科研”环境平台,实现数据与应用无缝衔接,有效盘活了数据资源,体现了从数据资产管理向数据应用服务的提升。
[1] |
杨华, 石玉江, 王娟, 杨倬, 姚卫华, 邹永玲. 油气藏研究与决策一体化信息平台的构建与应用[J].
中国石油勘探, 2015, 20(5): 1–8.
Yang Hua, Shi Yujiang, Wang Juan, Yang Zhuo, Yao Weihua, Zou Yongling. Construction and application of reservoir research and decision-making integrated information platform[J]. China Petroleum Exploration, 2015, 20(5): 1–8. |
[2] |
高志亮, 石玉江, 王娟, 杨倬, 姚卫华, 高倩. 数字油田在中国及其发展[J].
石油科技论坛, 2015, 34(3): 33–38.
Gao Zhiliang, Shi Yujiang, Wang Juan, Yang Zhuo, Yao Weihua, Gao Qian. Development of digital oilfields in China[J]. Oil Forum, 2015, 34(3): 33–38. |
[3] |
杜金虎, 杨涛, 李欣. 中国石油天然气股份有限公司"十二五"油气勘探发现与"十三五"展望[J].
中国石油勘探, 2016, 21(2): 1–15.
Du Jinhu, Yang Tao, Li Xin. Oil and gas exploration and discovery of Petrochina company limited during the 12th FiveYear Plan and the prospect during the 13th Five-Year Plan[J]. China Petroleum Exploration, 2016, 21(2): 1–15. |
[4] |
高志亮, 高倩.
数字油田在中国——油田数据工程与科学[M]. 北京: 科学出版社, 2015.
Gao Zhiliang, Gao Qian. Digital Oilfield in China:oil field data engineering and science[M]. Beijing: Science Press, 2015. |
[5] |
高志亮.
数字油田在中国——理论、实践与发展[M]. 北京: 科学出版社, 2011.
Gao Zhiliang. Digital oilfield in China:theory, practice and development[M]. Beijing: Science Press, 2011. |
[6] |
高复先.
信息资源规划——信息化建设基础工程[M]. 北京: 清华大学出版社, 2002.
Gao Fuxian. Informationg resourse planning——informatization construction foundation engineering[M]. Beijing: Tsinghua University Press, 2002. |
[7] |
包宏, 谭智勇, 王铁成, 严又生, 刘雄. 勘探开发一体化专业软件数据接口研究与实现[J].
中国管理信息化, 2014, 17(3): 83–85.
Bao Hong, Tan Zhiyong, Wang Tiecheng, Yan Yousheng, Liu Xiong. The data interface research and implementation of exploration and development integration of professional software[J]. China Management Informationization, 2014, 17(3): 83–85. |
[8] |
王娟, 梁鸿军, 李良, 魏红芳, 贾刘静. 油田数字化的异构数据源整合与集成技术[J].
油气田地面工程, 2014, 33(11): 10–11.
Wang Juan, Liang Hongjun, Li Liang, Wei Hongfang, Jia Liujing. Heterogeneous data integration and integration technology of digital oil field[J]. Oil-Gasfield Surface Engineering, 2014, 33(11): 10–11. DOI:10.3969/j.issn.1006-6896.2014.11.005 |
[9] |
邹永玲, 王娟, 杨倬, 杜秀琴. 国内外石油企业科研组织模式浅析[J].
中国管理信息化, 2015, 18(3): 101–103.
Zou Yongling, Wang Juan, Yang Zhuo, Du xiuqin. Oil companiesat home and abroad research organization model analyses[J]. China Management Informationization, 2015, 18(3): 101–103. |
[10] | Taneja P, Wate P. Big data enabled digital oilfield[C]. CSI Communications, 2013. http://csi-india.org/communications/CSIC%20April%202013.pdf |
[11] | Sahal Waked, Yasser AI-Ghamdi, Abdulkarim AI-Zahrani, Yassir AI-Radhi. Unified, Automated and Map-based E & P Data Management[C]. SPE-140202-MS, 2011. |
[12] | Turki AI-Ghamdi, Hussein AI-AIi, Ghassan Zahdan, Ibrahim AI-Nahwi, Tjan Tjwan. Evolution of Petrophysical Data Management at Saudi Aramco[C]. SPE-141832-MS, 2011. |
[13] | Rahm E, Do Honghai. Data cleaning:problems and current approaches[J]. IEEE Data Engineering Bulletin, 2000, 23(4): 3–13. |
[14] |
高志亮, 梁宝娟.
数字油田在中国——油田物联网技术与进展[M]. 北京: 科学出版社, 2013.
Gao Zhiliang, Liang Baojuan. Digital oilfield in China-technology and development of network oilfield[M]. Beijing: Science Press, 2013. |
[15] |
丁学英. 企业数据中心建设探讨[J].
电力信息与通信技术, 2007, 5(9): 30–33.
Ding Xueying. Discussion on construction of enterprise data center[J]. Electric Power Information and Communication Technology, 2007, 5(9): 30–33. |
[16] |
李剑峰, 肖波, 段鸿杰. 中国石化油田企业数据中心总体框架设计[J].
大庆石油学院学报, 2012, 36(1): 73–77.
Li Jianfeng, Xiao Bo, Duan Hongjie. Design of architecture for enterprise data center in SINOPEC[J]. Journal of Daqing Petroleum Institute, 2012, 36(1): 73–77. |
[17] |
吴优玲. 集团企业数据中心模型架构研究与系统实现[D]. 杭州: 浙江理工大学, 2012.
Wu Youling. Research on model architecture of group enterprise's data center and system implementation[D]. Hang Zhou:Zhejiang Sci-Tech University, 2012. |
[18] |
赵政璋, 杜金虎.
从勘探实践看地质家的责任[M]. 北京: 石油工业出版社, 2012.
Zhao Zhengzhang, Du Jinhu. Look from the exploration and practice of geological family responsibilities[M]. Beijing: Petroleum Industry Press, 2012. |
[19] |
胡文瑞. 地质工程一体化是实现复杂油气藏效益勘探开发的必由之路[J].
中国石油勘探, 2017, 22(1): 1–5.
Hu Wenrui. Geology-engineering integration-a necessary way to realize profitable exploration and development of complex reservoirs[J]. China Petroleum Exploration, 2017, 22(1): 1–5. |
[20] |
王娟, 姚卫华, 石玉江, 陈芳, 杨倬. 基于云架构的油气藏数据智能管理技术[J].
天然气工业, 2014, 34(3): 137–141.
Wang Juan, Yao Weihua, Shi Yujing, Chen Fang, Yang Zhuo. Seamless integrating and paralled precessing based on cloud architecture for hydrocarbon reservoir date[J]. Natural Gas Industry, 2014, 34(3): 137–141. |