互联网背景下的石油行业大数据的信息化应用

韦博

(中海油信息科技有限公司天津分公司，天津300452)

互联网背景下的石油行业大数据的信息化应用

韦博

(中海油信息科技有限公司天津分公司，天津300452)

随着我国石油勘探开发的难度逐渐加大，在互联网快速发展的背景下，石油行业如何高效的开发、管理和利用大数据技术是当前需要思考的课题。石油行业信息化的成熟度是提升出产量的关键要素，为此，要关注互联网背景下的石油行业大数据技术的信息化应用，采用先进的大数据分析和计算技术，提升石油行业的勘探开发效率，充分利用数据挖掘技术实现对石油基础数据的分析，更好地降低石油行业成本，提升勘探开发效能。

互联网；石油行业；大数据；信息化

随着石油行业勘探、生产、运输、安全管理的难度逐渐加大，需要建立以石油行业大数据为依托和支撑，利用先进的大数据技术和手段，来挖掘和利用石油行业数据资源，并将其贯穿于石油行业的上游、下游各个领域，更好地提升石油行业的勘探与生产管理的信息化应用水平。

1 互联网背景下石油行业大数据的信息化应用内容分析

1.1 石油行业大数据在地震勘探中的信息化应用

石油行业大数据具有海量、异源、异构的特点，可以将其应用于石油地震勘探之中，通过对大数据的采集、存储、综合处理和成像的信息化应用，可以较好地实现对数据的分析和利用。具体来说，大数据在石油行业地震勘探中的信息化应用包括以下三个方面：

一是地球物理数据采集。通过对石油行业大数据的采集，可以全面获悉地球地质结构、地层的变化情况，并在物探装备技术不断发展和成熟的条件下，实现对地质结构、地层变化数据的高效采集，从而使石油大数据呈快速膨胀的趋势。

二是数据处理。在采集海量的地球物理数据之后，还要对不同区块的数据进行参数组合和流程组合，要充分利用大数据的模式识别分析方法、数据并行处理技术等，实现对数据的分析和处理。要选用相对轻便的网络化地震采集仪器，推行可控震源有效采集技术，在量化的质量监控软件之下，实现对数据的可靠性评价，更好地对海量数据进行处理、分析和解释[1]。

由此可见，在石油行业地震勘探之中，可以充分利用大数据技术，提升油气识别精度，增强石油勘探的准确性。

1.2 石油行业大数据在地质研究中的信息化应用

为了更好地实现对特定区块的地质研究，应当在全面了解和明晰该区块的地貌特质及地质状况的前提下，对其加以分析和研究。利用大数据技术的分析方法，实现对研究区的井位资料的采集和分析，以此作为分析和解释钻井、录井、测井曲线、试油的手段，可以针对海量的结构化、半结构化、非结构化的石油数据，建构一体化的综合性数据管理模型，运用数据挖掘技术实现对地质储层的研究。

1.3 石油行业大数据在生产开发中的信息化应用

随着数字化油田建设的不断深入推进，隐藏的数据资源被挖掘、开发和利用，可以通过大数据技术，实现对海量历史数据的分析。尽可能地提高采收率和油气产量，并通过对地震、钻井、生产数据的综合分析，提供更为智能的生产服务，成为改变油气开发方法的决策支持和依据。例如：可以运用决策树分析法、聚类分析法、神经网络算法等技术，对油气数据进行关联性的分析和预测，并用曲线、数据表等形式加以展示，为油田企业的生产提供准确的依据。

1.4 石油行业大数据在油气输送中的信息化应用

在石油企业的油气管道设计、建设及运营管理过程中，会生成大量的数据。然而，这些数据的采集标准不够统一、记录形式多样化、数据相对孤立难以整合，为此，要采用大数据技术，对油气管道进行风险判定和预控，并针对油气管道的缺陷，进行针对性、有计划的修复[2]。例如：油气管道的腐蚀调查和处理工作之中，就可以采用大数据技术，实现对油气管道相关数据的筛查和分析，以更好地对油气管道腐蚀的影响程度进行排序分析和等级划分，以全面而准确地辨识油气管道风险，减少开挖的数量，增强油气管道安全管理水平。

1.5 石油行业大数据在安全管理的信息化应用

随着石油行业规模的不断扩大，其必然也会滋生出各种危险因素。为此，要运用大数据技术，实现对油气生产中的安全分析，预知可能出现的风险，提早做好防范工作。要运用大数据挖掘技术，挖掘油田企业中人的不安全行为、物的不安全状态、管理漏洞等信息，发现和挖掘油田生产作业的事故规律及特点，以此作为提出安全措施的依据。例如：在海洋油气建造管理的过程中，可以利用数学分析方法和技术，对设备反馈数据进行实时的监测，全面获悉设备系统的运行状态，并监测设备零件的振幅、温度、转速、油压等相关参数，完成海洋油气建造管理的先见修复任务。

2 数据挖掘技术在石油基础数据分析中的应用

2.1 建构石油基础数据库数据仓库

石油行业要以“面向主题”为数据仓库建设的原则，建构石油基础数据库数据仓库体系，其框架结构包括如下几个层次的内容：

一是数据源。它主要来自于世界石油工业基础数据库、世界油气资源查询系统数据库、《石油基础数据要览》。

二是数据存储与管理。这是利用数据挖掘技术提取、转换和加载数据，将这些异源异构的数据集成、转换到数据仓库之中，为OLAP分析和数据挖掘创造条件。

三是数据挖掘、数据仓库的应用。在建立数据仓库和多维数据集的前提下，建构数据挖掘模型，实施OLAP操作和分析，以特定的主题为原则，实现对隐藏的数据信息的挖掘和分析[3]。

2.2 建构石油基础数据仓库多维分析模型

要对石油基础数据仓库多维数据进行切片、划块和旋转操作，从多个角度、不同侧面观察和检测多维数据，它具有多维性、层次性的特点，可以有效地支持OLAP应用。在建构石油基础数据仓库多维分析模型的过程中，要以能源基础数据事实表的设计为前提和核心，要包括石油产量、储量、石油现货价格等，并设计典型维度表，记录事实表中事实记录的具体特性，以此作为用户分析数据的窗口。

2.3 采用数据挖掘算法及相关技术

在石油大数据的信息化应用过程中，要以算法作为数据挖掘技术的核心，具体来说，可以采用如下数据挖掘算法，以实现对石油基础数据的挖掘和分析：

一是决策树算法。它是采用自顶向下的递归方式，通过对数据的清理、归纳，构造决策树，并依照规则集合进行数据提取。

二是聚类分析算法。它是一种数据预处理过程，是基于多变量数据的多个数据属性的分类方法，可以基于划分、层次、密度等进行不同分类。

三是关联分析算法。这是对石油大数据之间的相互关联性进行发现和挖掘，通过对数据库的多次扫描，找寻所有的频繁项集，并可以分为简单关联、时序关联和因果关联，更好地揭示事件之间的关系。

3 云计算技术在石油行业大数据中的信息化应用

3.1 建构和完善数字化油田的空间数据库架构

在互联网背景之下，可以利用大数据技术的超强数据存储能力及虚拟化技术，对石油行业空间数据结构加以全面的建构和完善，在虚拟化技术的资源合理配置与优化的前提下，实现多维度的数据监控管理，较好地调度和管控地理信息数据。

3.2 建构并完善数字化油田的标准体系

基于我国数字化油田建设的滞后状态，要建构并完善数字化油田的相关规范，具体包括项目管理类标准规范、基础信息分类编码标准规范、勘探开发应用系统标准规范、软件开发与运行维护标准规范等，为石油行业的基础数据交换、信息安全、系统运行维护服务提供数字化、信息化的服务和管理。

3.3 实现对石油行业大规模数据的并行处理与计算

为了更好地实现对石油行业大规模数据的并行处理与计算，要提升并行计算程序的自动化处理能力，减少底层技术细节，致力于问题计算和算法实现。可以采用自动化并行处理软件，如：Google MapReduce并行计算软件、Spark并行计算系统软件及Hadoop MapReduce并行计算软件等[4]，并且通过加速比实现对数据并行计算的性能评估，更好地提升石油行业大规模数据的并行处理与计算能力。

4 石油行业应急管理的信息化、大数据应用

4.1 预防与应急准备阶段的大数据信息化应用

要运用大数据技术建立石油行业的应急救援信息库，以云计算平台为大型数据平台，建构包括石油行业各类应急突发事件的应急救援信息库，丰富应急救援信息库的内容，实现对应急救援的人、财、物的资源分配与定量描述，其具体内容主要包括以下几点：1)案例知识库。这主要是关于石油行业应急管理的成熟案例；2)预案库。这是标准格式的石油行业应急突发事件的预案；3)应急救援队伍信息库。这是根据事故类型的不同灵活调用不同的应急救援队伍，合理分配救援任务；4)石油行业应急专家信息库。这是通过关联分析法找寻适宜的专家，以获得应急突发事件时的专家协助与指导；5)应急救援物资储备信息库。这是对石油行业应急突发事件时的物资调用，以减少突发应急事件的损失。

4.2 监测与预警阶段的大数据信息化应用

在石油行业的监测与预警阶段，可以利用大数据技术进行监测信息化应用，可以启动应急响应行动，对各种致灾因子及表象加以实时、动态的监测，可以通过关联分析算法，进行基础信息的匹配度识别，实现实时预处理，较好地达到监测与预警的目的。

4.3 风险评估阶段的大数据信息化应用

这是通过对危机信息及数据的科学整合、分析，合理认识和控制应急突发事件的各类危险要素，并进行风险评估，帮助工作人员进行准确的判断和识别，减少危机的损害性影响。

5 结束语

综上所述，面对互联网的信息化不断普及的趋势，要结合海量、异源、异构石油行业大数据的特点和规律，充分利用大数据技术，实现对数据的快速高效的挖掘、分析和处理。使之应用于石油行业的勘探、生产、运输及管理领域，建设数字化油田、智能化油田，为石油企业的决策提供契合度最高的信息资源服务，更好地提升石油行业的大数据信息化应用水平，成为石油勘探、生产、运输及管理的辅助工具之一。

[1]路宽一,张庆霖.关于架构石油行业大数据的探讨[J].信息系统工程,2016(1)：121.

[2]崔海福,何贞铭,王宁.大数据在石油行业中的应用[J].石油化工自动化,2016(2)：44.

[3]郑晓莲.石油企业开展互联网+培训的探讨[J].石油教育,2016(2)：53.

[4]李小宁.数据挖掘技术在石油工程的应用前景展望[J].信息化建设,2016(4)：307.

TP393

A

1009-3044(2017)24-0025-02

2017-07-03