★ 中國石油長(cháng)慶油田分公司頁(yè)巖油開(kāi)發(fā)分公司 賈志鵬 

★ 中國石油長(cháng)慶油田分公司第一采油廠(chǎng) 崔強

★ 中國石油長(cháng)慶油田分公司頁(yè)巖油開(kāi)發(fā)分公司 周婷，余杰，趙一帆

1引言

目前，油氣行業(yè)正處于數字化轉型、智能化發(fā)展階段，油氣生產(chǎn)業(yè)務(wù)需要進(jìn)行全業(yè)務(wù)融合和智能化水平提升，實(shí)現生產(chǎn)工況診斷、功圖量液、合規監測，引入邊緣計算，促進(jìn)油氣生產(chǎn)現場(chǎng)遠程操控水平的提升。通過(guò)油氣行業(yè)多層閉環(huán)管理系統，在優(yōu)化生產(chǎn)流程、優(yōu)化組織結構、提高生產(chǎn)效率、提升管理水平、減輕一線(xiàn)員工勞動(dòng)強度、降低安全風(fēng)險等方面取得了顯著(zhù)效果，極大地促進(jìn)了石油行業(yè)油氣生產(chǎn)物聯(lián)網(wǎng)系統的發(fā)展。

在油氣行業(yè)多層閉環(huán)管理系統總體框架下，緊密結合工業(yè)物聯(lián)網(wǎng)平臺發(fā)展思路和技術(shù)發(fā)展趨勢，重點(diǎn)結合油氣生產(chǎn)業(yè)務(wù)領(lǐng)域的實(shí)際需求，形成了基于工業(yè)領(lǐng)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(guò)物聯(lián)網(wǎng)、云計算等技術(shù)，提供設備接入、控制系統運行監控、設備資產(chǎn)管理等一站式服務(wù)，實(shí)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(lián)網(wǎng)平臺應用的構建和快速上線(xiàn)。

在油氣行業(yè)多層閉環(huán)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(chǎn)品性能進(jìn)行提升。邊緣計算與感知智能息息相關(guān)，大量的感知特征需要通過(guò)海量終端來(lái)獲取數據，并且需要前端進(jìn)行預處理，進(jìn)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(chǎn)工況診斷、能耗分析、數據預測、無(wú)人化管理做有力支撐。通過(guò)智能RTU可以打開(kāi)物聯(lián)網(wǎng)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(jīng)末梢，因此智能RTU在具體實(shí)現“數字化智能化油田”進(jìn)程中，將發(fā)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(chǎng)的應用載體。因此本文中的應用場(chǎng)景與實(shí)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(wǎng)絡(luò )、計算、存儲、應用核心能力為一體的開(kāi)放平臺，就近提供最近端服務(wù)。邊緣計算涉足通信技術(shù)、運營(yíng)技術(shù)、信息技術(shù)多個(gè)領(lǐng)域，與網(wǎng)絡(luò )聯(lián)接、數據聚合、芯片、傳感、行業(yè)應用等多個(gè)產(chǎn)業(yè)鏈有著(zhù)交叉和融合。隨著(zhù)各個(gè)產(chǎn)業(yè)鏈技術(shù)的發(fā)展與提升，邊緣計算發(fā)展也將進(jìn)入關(guān)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(shí)加強與石油專(zhuān)業(yè)知識相結合，探尋適合油田開(kāi)發(fā)領(lǐng)域數據挖掘方法，實(shí)現數字油田“讓數字說(shuō)話(huà)，聽(tīng)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(shù)：功圖診斷、功圖量液、合規監測。

隨著(zhù)油氣行業(yè)智能化技術(shù)的快速發(fā)展，智能化油田技術(shù)也成為采油工程界的研究熱點(diǎn)，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(yè)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(gè)重要手段，在國內外油田得到廣泛應用，同時(shí)對示功圖測量方法的研究依然是重要的研究課題。經(jīng)過(guò)長(cháng)期探索研究，示功圖測量技術(shù)已取得很大的進(jìn)展。

工況診斷和功圖量液智能算法則是基于先進(jìn)的示功圖測量技術(shù)，利用專(zhuān)家系統，通過(guò)對抽油機井電機功率曲線(xiàn)的分析，結合電機的電壓、電流、轉速、功率因數等參數，實(shí)現對抽油機系統的工況進(jìn)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(xué)模型。根據抽油機系統的能耗與電機的工作原理，對產(chǎn)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(xué)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(shí)時(shí)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(lái)人員識別算法、車(chē)輛識別算法等，需要有一個(gè)可擴展、能容錯、松耦合的系統，使用開(kāi)源的技術(shù)來(lái)構建這樣的系統，該系統包含了三個(gè)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(diǎn)

油氣生產(chǎn)現場(chǎng)以智能RTU為中心，智能RTU是油氣行業(yè)設備智能化的關(guān)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(guò)示功圖完成對井站內每口井的工況進(jìn)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(wǎng)絡(luò )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(wèn)題提供了必要的技術(shù)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(shí)，在油氣行業(yè)VR/AR等要求可靠性、實(shí)時(shí)性比較高的應用場(chǎng)景下。

智能RTU作為油氣生產(chǎn)數字化轉型的關(guān)鍵設備，是油氣生產(chǎn)信息與業(yè)務(wù)分析的橋梁。設備通用性強，支持Tensorflow、Pytorch、Caffe等深度學(xué)習平臺；采用工業(yè)級設計，適用于寬溫環(huán)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(wù)，無(wú)需立刻回傳到云端進(jìn)行處理，而是有進(jìn)一步處理需求后，才進(jìn)行數據的回傳。因此，智能RTU可以分擔云計算部分處理任務(wù)，開(kāi)啟“云網(wǎng)端智”四位一體的處理模式，能夠實(shí)現就地采集、智能AI分析、狀態(tài)上傳，有效減少網(wǎng)絡(luò )負載，降低數據時(shí)延，提升數據價(jià)值。

主要具有以下功能特點(diǎn)：

（1）采用四核ARMCortex-A57高性能處理器，支持RS232、RS485、CAN、USB、以太網(wǎng)、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(xié)議。

支持基于CAN總線(xiàn)的I/OBUS數據擴展協(xié)議，可添加模擬量、開(kāi)關(guān)量和脈沖量等擴展板卡；

（4）支持IEC61131-3標準的二次開(kāi)發(fā)平臺，可支持IL、ST、LD、FBD和SFC共5種標準編程語(yǔ)言；

（5）工業(yè)級環(huán)境適應能力，一體化、無(wú)風(fēng)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(chǎng)景與實(shí)踐

依托云端部署的大數據平臺軟件，基于油井生產(chǎn)整體優(yōu)化技術(shù)，在邊緣計算算法的基礎上實(shí)現油井液量的實(shí)時(shí)在線(xiàn)計量。

智能RTU可以應用在石油產(chǎn)業(yè)鏈的每個(gè)環(huán)節，在油氣生產(chǎn)過(guò)程中，典型應用實(shí)踐場(chǎng)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(chǎn)功圖診斷方面，智能RTU結合邊緣計算算法和技術(shù)，建立抽油機井況的數學(xué)模型，通過(guò)專(zhuān)家系統實(shí)現對油井生產(chǎn)工況的分析與判斷。

（1）智能RTU通過(guò)對每一口井的功圖信息采用算法模型進(jìn)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(guò)的功圖及診斷結果進(jìn)行保存，云端部署的大數據平臺軟件可通過(guò)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(huì )通過(guò)井上抽油機電機功率曲線(xiàn)和井下抽油泵工作參數變化體現，通過(guò)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(kāi)關(guān)狀態(tài)、通訊狀態(tài)、特征參數及曲線(xiàn)。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(shí)踐結果展示

根據傳感器采集的數據，通過(guò)智能算法進(jìn)行分析計算可知，井1診斷為供液不足。油井供液不足時(shí)，柱塞下行時(shí)接觸不到液面，卸載時(shí)間延長(cháng)，使功圖表現出“刀把”的形狀，“刀把”長(cháng)度占沖程的比例反映著(zhù)供液不足的程度，如圖4所示。根據“刀把”長(cháng)度和功圖面積監測供液能力變化趨勢，當供液不足程度發(fā)生較大變化時(shí)預警，必要時(shí)采取調參、調整注水等措施挖掘油井生產(chǎn)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(guò)智能算法進(jìn)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(guò)智能算法進(jìn)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(guò)智能算法進(jìn)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(guò)智能算法診斷，診斷結果準確率在95%以上，見(jiàn)表1。

表1功圖診斷結果表

4.2功圖量液

油井產(chǎn)液量計量是油田生產(chǎn)管理中的一項重要工作。建立多種數學(xué)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(guò)程序計算與現場(chǎng)A11計量系統進(jìn)行實(shí)際產(chǎn)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(guò)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(pán)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(yōu)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(shí)間等海量數據，進(jìn)行作業(yè)區單位級別的大數據分

析，結合抽油機井的工況優(yōu)化模型，對油井產(chǎn)量進(jìn)行分析計算和預測，提高油田的整體產(chǎn)量。

（3）功圖量液計算信息對比

通過(guò)現場(chǎng)安裝的智能RTU對井101X和井102X兩口井進(jìn)行實(shí)時(shí)功圖診斷和計量，并以天來(lái)求取平均日產(chǎn)液量；最后計算近23天的平均值與A11計量系統中的標記產(chǎn)液量進(jìn)行對比。

井101-6X和井101-1X采用歷史功圖進(jìn)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(chǎn)量進(jìn)行對比。

對比結果表明，功圖量液計量結果相對誤差在10%以?xún)?，?jiàn)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(lái)人員識別算法、車(chē)輛識別算法等進(jìn)行智能識別，通過(guò)新技術(shù)的應用，更好地為油田管理提供服務(wù)，識別現場(chǎng)操作合規性，實(shí)現安全隱患自動(dòng)識別，提升現場(chǎng)管理效率。

區域入侵識別：以視頻為核心，結合人工智能技術(shù)，拓展多維感知手段，對進(jìn)入劃定區域的人員、動(dòng)物、車(chē)輛等物體進(jìn)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(shí)現安全帽佩戴、工作服著(zhù)裝、可疑人物等監控。

煙霧/火焰檢測識別：實(shí)現對監控區域內的煙霧和火焰進(jìn)行識別，并動(dòng)態(tài)識別煙霧和火焰從無(wú)到有、從有到無(wú)、從小到大，從大到小、從小煙到濃煙的狀態(tài)轉換的識別、實(shí)時(shí)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(fā)射率與周?chē)h(huán)境之間的差異，基于對現場(chǎng)配置的專(zhuān)業(yè)攝像機畫(huà)面進(jìn)行分析，發(fā)現泄漏現象。

（1）合規監測應用

合規監測可針對現場(chǎng)人員穿勞保服、戴安全帽、人員位置等信息進(jìn)行監測；可對未正確穿戴勞保服的人員進(jìn)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(chē)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(jiàn)表4）

5結論

本文主要對帶有智能邊緣計算算法和技術(shù)的智能RTU產(chǎn)品的功能、性能和穩定性進(jìn)行應用與實(shí)踐。應用與實(shí)踐時(shí)長(cháng)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(chǎng)實(shí)時(shí)功圖138幅和離線(xiàn)功圖1000幅進(jìn)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(shí)際數據結合實(shí)踐測試，計量精度10%以?xún)?；合規性視頻分析應用25天，檢測圖片43萬(wàn)張，監測保存人員或車(chē)輛進(jìn)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(mǎn)足油田現場(chǎng)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(shù)與油氣生產(chǎn)業(yè)務(wù)深入融合，實(shí)現油氣田業(yè)務(wù)的數字化轉型、智能化發(fā)展。隨著(zhù)中國石油全面推進(jìn)“十四五”信息技術(shù)總體規劃實(shí)施，油田數字化智能化建設邁上新臺階，對油氣田物聯(lián)網(wǎng)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(chǎng)景將有更廣闊的發(fā)展空間。AP

作者簡(jiǎn)介：

賈志鵬（1984-），男，甘肅慶陽(yáng)人，工程師，學(xué)士，現就職于中國石油長(cháng)慶油田分公司頁(yè)巖油開(kāi)發(fā)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(chǎn)系統的數據挖掘應用[J].自動(dòng)化技術(shù)與應用,2015,34(1):115-118.

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

[3]邊緣云計算技術(shù)及標準化白皮書(shū)[EB/OL].2019.

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

[5]雷波,趙倩穎,趙慧玲.邊緣計算與算力網(wǎng)絡(luò )綜述[J].中興通訊技術(shù),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(lián)網(wǎng)[J].制冷與空調,2017,(12):17-23.

[8]向陽(yáng).5G技術(shù)對民生檔案共享體系的影響研究[J].廣州城市職業(yè)學(xué)院學(xué)報2021,(03):48-53.

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

[10]邢帆.“大規模上云”時(shí)代來(lái)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(chē)聯(lián)網(wǎng)關(guān)鍵技術(shù)[J].無(wú)線(xiàn)互聯(lián)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(shù)研究[J].郵電設計技術(shù),2021,(03):7-11.

[13]周旸,李宏平,趙晨光,常旭.冬奧5G高性能無(wú)線(xiàn)網(wǎng)絡(luò )新技術(shù)進(jìn)展與應用[J].郵電設計技術(shù),2020,(12):15-17.

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

[15]曹春江.融合云視訊系統技術(shù)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(wǎng)絡(luò )與通信,2018,(02):48.

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

[18]劉煒,張為.基于邊緣智能2.0的工業(yè)互聯(lián)網(wǎng)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(yè)應用部署方案研究[J].郵電設計技術(shù),2021,(01):25–30.

[20]邊緣計算產(chǎn)業(yè)聯(lián)盟.邊緣計算產(chǎn)業(yè)聯(lián)盟白皮書(shū)[EB/OL].2016-11.

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

摘自《自動(dòng)化博覽》2022年8月刊