应用分析处理时的基本步骤

降低美国页岩油生产的盈亏平衡价格需要高盛所谓的“体力、脑力和字节”的智能应用。任何与字节相关的讨论都必须涉及数据分析的使用，以加速工程师和其他专家对大数据的洞察。

这些见解可以改善操作，提高安全性，并降低成本。根据麦肯锡的数据，这些类型的改进代表着上游油气行业500亿美元的机会，其中包括越来越重要的页岩油。

页岩油创新的初级阶段始于2013年左右，包括更长的水平井和更多砂和马力的水力压裂。大脑阶段包括更好的水平井布置和有针对性的优化压裂。这些创新使盈亏平衡定价从2013年的每桶70美元降至2017年的50美元。与此同时，美国主要页岩油气产区的产量从2013年的240万桶/天增加到2017年的460万桶/天。

为了进一步将盈亏平衡价格降低到45美元/桶，并将产量提高到约770万桶/天，将需要更多的脑力，但也将严重依赖于字节。

这些字节可以在几个方面改进操作。本文将讨论其中的两个，生产监控和预防性维护，但是让我们首先看看如何收集和存储数据以准备进行分析。

收集数据

生产监控和预防性维护都需要从有线和无线传感器获取数据。离散传感器可以指示设备(如泵)是否处于开启或关闭状态。它们也通常用于表示打开/关闭状态，如阀门。

典型的模拟传感器测量压力、温度、流量和密度，这些参数是页岩生产商非常感兴趣的。分析模拟传感器使用较少，通常用于测量石油的化学成分。

传感器可以是有线的也可以是无线的。传统的有线传感器在许多应用中工作良好，但顾名思义，它们有一个缺点——需要通过电缆和电线连接它们。这对于现有场地的改造应用来说尤其成问题。

离散传感器通过一对电线将它们的开/关或开/关状态传输到监控系统。智能离散传感器不仅传输状态，还通过数字通信链路传输传感器状态。

有线模拟传感器也是标准的或智能的。标准模拟传感器通常通过4-20 mA信号向监控系统传输单个过程变量，例如压力传感器的压力读数。

智能模拟传感器传输大量数据，对于质量流量计等复杂传感器，可传输多达40个参数。例如，一个典型的科里奥利质量流量计将传输质量流量作为其过程变量，加上密度和温度。诊断数据表明仪表状况，并显示仪表最后一次校准的时间，以及应该再次校准的时间。

无线传感器大约在十年前推出，无论是离散版还是模拟版都是智能的。对于工业应用，两个主要的无线协议是ISA100和WirelessHART。尽管无线技术相对较新，但全球已经有超过3万个WirelessHART网络，运行时间超过100亿小时。

传感器和网络收集数据，存储并经常共享，技术进步使这项任务变得更加容易。

存储和共享数据

不久以前，存储页岩钻井现场产生的大量数据是昂贵的。无论是本地存储还是云存储，成本都大幅下降。

本地存储通常位于通过硬连线以太网连接到监控PC的服务器级PC上。服务器级PC托管许多流行的时间序列数据库之一，如OSIsoft Pi。与关系数据库不同，时间序列数据库可以有效地存储大量实时数据。

存储在内部的数据通常需要在中心位置，如控制中心，并可能通过许多不同的方式传输，包括蜂窝网络和卫星网络。

同样，数据可以直接从基于本地pc的监控系统传输到云端，这比本地数据存储有很多优势。每单位存储的成本更低，并且存储可以根据需要扩展。一旦进入云端，数据就可以通过任何互联网连接在全球范围内访问。

远程访问本地数据或基于云的数据会带来一些安全问题，尽管这些问题并非不可克服，但超出了本文的讨论范围。

现在已经收集、存储和共享了数据，可以对其进行分析以改进操作。

我改进和实施

许多石油和天然气公司都被收集到的大量数据搞得不知所措。尽管一些供应商的说法与此相反，但简单地让人工智能或机器学习软件放松对数据的控制并获得有用的信息是不可能的。相反，利用数据分析必须遵循一个多步骤过程，如图1所示，并在下面进行描述。

当使用数据分析软件与所使用的数据库使用安全的预先构建的连接器时，连接数据更容易。在评估数据分析软件产品时，确保预先构建的连接器链接到现有和预期的数据库。自动链接到数据库，可以像google一样搜索感兴趣的参数和时间段。否则，必须编写自定义代码将分析软件链接到数据库，这是一项昂贵且耗时的任务。

数据清理需要在相同的时间尺度上对齐数据源，并验证数据质量。根据现有数据的性质，这样做可能会消耗高达50%的时间来获得洞察。数据分析软件应该自带数据清理工具。工具应该针对流程行业，并且对于在信号处理方法(如峰值检测、低通滤波、管理数据集中的间歇性坏值等)方面具有有限背景的流程工程师可用。

捕获上下文将每个数据点与其他数据点联系起来。关系数据库在设置和创建时执行此操作，并定义每个数据点与其他数据点的关系。对于时间序列数据库，每个数据点都有时间戳，但数据点之间没有建立关系。当数据集从数据库中提取到数据分析软件时，捕获上下文将为每个数据集添加关系。同样，工具的使用对于流程工程师来说必须是直观的，不需要数据科学家或IT专家的帮助。

当今最流行的数据分析工具是电子表格，但使用这种通用工具分析时间序列数据非常耗时，并且需要掌握宏、数据透视表和其他神秘的电子表格功能。此外，电子表格处理的数据量通常限制了分析的类型。需要时间序列工艺数据分析软件。软件应该支持主题专家(sme)对感兴趣的数据进行可视化表示，允许使用迭代过程与数据直接交互(图2)。然后，sme可以快速地对数据执行数据计算，搜索模式，分析不同的操作模式，等等。

捕获和协作功能为中小企业提供了与同事共享结果的方法。这不仅能让多人参与到一个问题中，还能支持知识转移。带注释的捕获结果允许其他人跟随生成原始见解的线索。

可扩展性提供了随时随地使用数据分析解决方案的灵活性。基于浏览器的界面意味着无论是在办公室PC上还是在现场的平板电脑上，外观和感觉都是相同的。

“大规模运行”意味着数据分析软件使用最大的数据集来解决最复杂的问题。在极端情况下，软件在多台服务器上运行，以利用所需的处理能力和本地数据存储。随着部署数据量和问题复杂性的增长，该功能在未来将变得更加重要。

最后，中小企业可能希望建立监控应用程序，以提醒利益相关者注意特定的操作条件，提供早期预警并推动更快的纠正行动。

详细的用例

先锋能源公司是一家服务提供商和原始设备制造商，为油罐蒸汽和火炬气提供气体捕获和处理装置，解决油田天然气处理的挑战。

Pioneer公司在其位于科罗拉多州莱克伍德的总部对这些地理上分散的单元进行操作和监控，分析结果以提供持续改进。

他们的FlareCatcher系统由一个天然气发电机供电，在一辆拖车里找到。用于发电机的燃料气体可以是任何FlareCatcher的精炼能源产品，仅占设备处理的气体总能量的5%左右。

先锋公司在美国西部安装了系统。未来的站点可能是世界上任何有蜂窝或卫星连接的地方。或者，本地无线网络可以将数据传输到网络集线器。

井场数据被发送到一个内置冗余电源和网络服务的本地数据中心。先锋在丹佛和达拉斯设有数据中心。它正在研究虚拟化，以增加动态伸缩和负载平衡，以改善现场数据收集。

模拟数据以一秒的间隔传输，离散数据随着数据的变化而传输，但先锋没有复杂的数据分析工具。如果工程师发现自己有空闲时间，他们会手动将历史数据加载到微软Excel电子表格中，以计算一些基本指标。但是Excel并不适用于合理复杂度的计算，因此收集到的许多数据并没有被用于挖掘价值。

先锋选择了Seeq的高级分析应用程序，因为它体现了他们的设想。它有一个图形数据库，时间序列优化，一个干净的基于浏览器的界面，以及先进的数据分析和信息共享功能。在看到演示的可视化模式搜索工具后，很容易做出决定。

该解决方案使Pioneer能够优化数据流。在边缘执行的简单计算决定哪些数据流到总部进行分析，哪些数据在本地存档。

系统通过分析历史数据，定义运行参数规则。在一个持续的改进周期中，所有的数据都有潜在的价值。Seeq是一个实验和学习的环境。可视化反馈使工程师能够在合理的时间内分析复杂的数据。

例如，先锋公司的制冷系统对不断变化的操作条件非常敏感。Seeq允许Pioneer分离这些影响，确定其原因，并制定简单的操作规则，以延长其资本投资的寿命。

先锋通过远程操作系统提供价值。如果软件识别出现场设备的问题，可以迅速采取纠正措施。例如，先锋公司使用风冷级联制冷系统。在炎热的天气，放电温度和压力可能会上升到较高的水平，导致硬件故障。通过检测这种情况，系统允许操作员通过降低系统吞吐量进行干预。

所有井场数据都被传输到服务器所在的集中式、安全的数据中心。接口可以通过web代理服务器访问。先锋技术人员和工程师可以在任何有网络连接的地方访问数据，包括在井场，只要有蜂窝热点。

分析软件的安装提高了操作智能，阐明了其他复杂的流程。现在的挑战是决定下一步要解决什么谜团。

用例简介

优化石油收集

问题:一家公司从分散的井场收集石油，但从未优化采油路线，以适应不稳定的生产性质。利用各站点的水位数据进行的内部分析工作毫无结果。

解决方案:使用编程分析，通过观察变化速率来监控现场的生产数据，结果用于预测将卡车派往给定位置的最佳时间。卡车呼叫更加高效，并且自动生成报告。

井泵分析

问题:流量保证工程师在分析大量井的生产数据时遇到了困难，因为他们需要注意不理想的泵送条件。数学模型可以进行计算，但通常需要一整天的时间，从而推迟了纠正措施。

解决方案:随着模型的改进，同样的计算可以在大约30分钟内完成。这使得识别问题情况和评估纠正措施的有效性更加容易，从而提高整体生产。

油井动态分析

问题:流动保证工程师知道，某口井原油的特定属性是设备性能问题(如堵塞、污垢和腐蚀)的预测指标，但无法开发足够的数学模型来进行准确预测。

解决方案:该解决方案利用大量井的数据，将原油特征与设备性能联系起来，帮助操作和维护部门识别出原油产量的变化何时以及如何可能导致设备性能问题。

旋转设备评估

问题:即使所有诊断传感器都应用于大型旋转设备安装，用户也很难获得除最基本警报之外的有用信息。使用传统工具执行所需的复杂分析是难以实现的。

解决方案:使用过程分析，分析快速有效地集中在根本原因上，消除了有问题的第一原理模型和不太复杂的分析方法常见的假阳性。确定最佳操作条件和避免停机要容易得多。

原始内容可以在石油与天然气工程．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。