普光智能气田数据资源共享中心建设

姜贻伟 李锦宪 张捍卫 王庆银 于艳秋 贺春光 梁梅生

1.中国石化中原油田普光分公司 2.中国石化中原油田分公司

普光气田在建设之初，相继建成了集气站场光传输网络、站场自动化控制系统（PLC、SCADA、DCS）、安全监测报警与自动关断、现场视频监控、紧急疏散广播等信息化基础设施，在气田生产中发挥了重要作用。但由于缺乏统一规划部署，这些系统在气田产能建设过程中分专业独立建成，相关数据资源形成了多个“信息孤岛”。这些分散独立的“信息孤岛”，虽然满足了各业务部门对信息化应用的基本需要[1]，发挥了应有的作用，但在企业数据深度挖掘应用、机器学习、大数据分析等方面，数据资源建设还不能满足智能气田建设的需求，不利于业务和信息的深度融合发展。为此，普光智能气田建设规划设计了“1个平台、2个中心、2个体系”的智能气田整体架构。1个平台即一体化应用平台，2个中心即数据资源共享中心和辅助决策指挥中心，2个体系即规范标准体系和信息安全体系。其中数据资源共享中心是支撑智能气田建设的关键基础部分，为各业务系统应用和智能化目标提供统一的企业数据共享服务。

1 数据资源共享中心架构

国外石油公司如道达尔、英国国家石油公司等较早建立了企业级数据中心，国内石油公司如中国石油新疆油田、中国石化胜利油田、中原油田近年也建立了公司级的数据中心[2]。普光智能气田数据资源共享中心建设总的指导原则：①要借鉴国内外石油公司企业级数据中心建设的成功经验，继承中国石化源头数据库建设的成果；②标准规范先行，立足高含硫酸性气田的特点，制订适合高含硫气田业务的数据规范标准；③推进按岗位进行数据采集，保障数据来源唯一、避免重复采集；④加强管理及应用，建立覆盖数据全生命周期的管理体系，解决数据质量、数据安全等问题，建立统一数据服务，解决数据共享困难等问题。

按照总的建设原则，普光智能气田数据资源共享中心总体架构自下而上分别为数据规范标准、数据“采、存、算、用”及数据管控3层（图1）。其中，数据标准涵盖业务域、数据模型（SPDM）、数据质量规则等；数据采集涵盖数据自动提取、格式转换等；数据存储涵盖实时数据、结构化数据、成果文档、GIS数据等；数据计算涵盖数据驱动引擎、数据处理服务等；数据服务涵盖主数据服务、数据微服务、数据接口等；数据管控涵盖数据质量管理、数据安全管理、数据服务监控等。在技术架构设计上，在数据采集体系充分应用物联网技术；在数据存储体系存储考虑结构化和非结构化数据库技术，纵向、横向可扩展云计算技术；在数据计算体系上支持大数据分析等海量数据计算能力；在数据服务体系上既支持传统数据服务，又支持数据微服务等云服务。

图1 数据资源共享中心架构框图

2 数据资源共享中心建设

2.1 数据规范体系建设

数据标准对于提升数据质量、促进数据融合和共享应用具有重要的作用。普光智能气田数据规范标准建设在遵循中石化源头数据的基础上，对普光气田各岗位业务数据流分析，将气田数据资源划分成不同的业务域[3-4]、业务活动，遵循 “业务流程建模—数据库逻辑设计—数据库E/R关系设计”数据规范制定流程，逐步形成了普光智能气田数据中心规范标准，标准包括表命名规则、编码、计量单位、业务分类、数据组织、换算关系。

数据规范主要涉及物化探、综合研究、井筒工程、地面工程、开发生产、天然气净化、分析化验、HSE应急、物资设备、规划计划等11大类业务域（表1）。如：业务域“综合研究”包括“储量计算”“气藏开发评价”两个业务活动，分别对应“气藏类型与要素分析”“气体流体性质分析”数据表。

2.2 数据采集体系建设

根据数据采集与存储方式不同，设计了4类数据采集模式：①工业控制类数据实时自动采集；②岗位动静态数据人工采集；③视频监控信息进行统一视频接入；④文档成果类数据定期归档。形成了完善的数据采集体系（图2）。

实时数据采集。普光气田先进的企业物联网系统，全面覆盖从井筒、站场、管网到净化装置的关键生产、工艺参数，实现LIMS化验分析、采气SCADA、净化DCS等实时数据自动采集，将生产设施装置的温度、压力、流量等通过RS485接口、硬接线方式接入站场、中控室PKS（Process Knowledge System），以API（Application Programming Interface）、OPC Server（OLE for Process Control Server）接口方式与办公网络数据信息交换[5]，满足了生产实时监控、预警报警的需要。

表1 标准规范分类表

图2 数据采集体系框图

岗位数据采集。针对基层岗位操作人员开展岗位资料收集、整理，分析业务数据模型，编制采集模型，建立采集任务，定制岗位报表。实现岗位数据一次采集、共享应用，实现各流程节点上的不同岗位业务协同，为专业应用、综合管理提供基础数据。

统一视频接入。集成现场生产、办公场所视频信息，建立了以二级平台设备层、接入层与一级平台协议服务层联通的视频集成平台。研究不同的视频接入源和RTSP直播流、码流转换、码流转发、码流合成等技术，采用优选的H.264算法[6]进行编码压缩，按不同业务区域进行音视频信号转换、压缩、加密、传输、分析采集，实现不同类型视频的集中集成。

文档成果数据归档。对钻井、测井、录井、井下作业、地面建设等工程施工形成的档案资料，以及勘探开发综合研究形成的成果数据，进行电子化分类归档存储。

2.3 数据存储体系建设

普光气田具有数据类型多样、数据量较大的特点，随着业务信息化深化应用推进，数据量比之前有了较大的增长。存储体系建设经历了从简单到复杂、由单一到多样、由分散到统一的过程。自智能气田建设开展以来，之前的以数据库为主的应用，发展到以数据库、实时数据、视频数据、文档数据等多种数据并存情况。数据结构上从结构化数据为主，发展成为结构化、半结构化和非结构化数据多种类型。按照结构化数据、实时数据、视频流媒体数据以及非结构化文档数据等格式分类集中统一存储，建立了完善的数据中心存储体系（图3）。

图3 分布式存储框图

针对工业控制实时数据建立了高并发高带宽的Oracle RAC分布式数据高速存储；对于档案成果等文档采用Hadoop分布式文件系统，HBase文件存储系统对海量数据分布式存储[7]，充分利用集群能力进行高速运算和存储；对于高并发的实时数据建立了Redis缓存；对于生产视频监控，采用云存储技术[8]，将视频监控点的信息集中存储和发布，由应用层来实现媒体资源数据在各个服务器集群之间的迁移，满足了大量视频数据环境下对存储负载均衡和横向容量扩展的需要，从而较好地解决了集中存储IO瓶颈和故障冗余问题。

2.4 数据管理体系建设

重点围绕数据质量管理、数据安全管理、数据服务监控建立数据管理体系。加强数据质量管控建 设，实现对数据质量相关规范的制订、审核、发布的流程管理，提升了业务数据的完整性、有效性和一致性。强化数据质量事中控制，事后评价，降低因数据问题给企业造成的损失，提升决策分析依据的准确性和实用性。

数据安全管理，利用虚拟磁带库技术进行数据安全管理，定期对数据中心数据进行备份恢复测试，同时根据数据类型和业务需求，创建不同的备份策略，提高了备份效率。“十三五”期间，将通过存储虚拟化双活技术，实现本（异）地灾难备份保护[9]。

数据服务监控管理，使用技术手段和管控措施监控数据服务状态，能跟踪和控制大数据处理事务，对它进行终止、重启等操作，确保大数据处理集群安全高效地运行。

2.5 数据计算体系建设

重点围绕数据计算引擎、大数据分析挖掘算法建立数据计算体系。按照数据类型不同，分别建立结构化数据、实时数据、地理信息等计算引擎。基于Hadoop建立大数据平台，实现大数据的汇集、计算以及人工智能的分析应用，在此基础上利用经典数学方法、大数据、机器学习等建立相应的算法模型，提升大规模数据并行计算能力，大数据服务共享能力。

2.6 数据服务体系建设

围绕主数据服务、数据微服务、数据接口建立数据服务体系。主数据服务（图4），它是整个企业范围内各个系统间共享的重要数据，在整个企业范围内必须保持一致性、完整性、可控性[10]。通过分析业务关键参数，确定普光智能气田主数据，实现对普光气田主数据的统一采集和对外共享服务。

图4 主数据服务框图

建设数据微服务，如建立地理信息微服务，提供各种地理信息数据读取、格式转换，满足应用系统对空间信息调用，建立文档资源数据服务，提供文档检索查询、调用等。建立数据接口服务，如建立基于实时数据资源OPC接口服务，为各应用系统提供共享实时数据调用，利用视频平台SDK开发包建立视频组件，为三维可视化、智能管网、移动应用等提供视频调用服务。

2.7 应用效果

通过普光智能气田数据资源共享中心建设，形成了高含硫气田数据采集标准规范，数据涵盖勘探、开发、生产、集输、净化、QHSE、经营等全业务领域。实时数据采集覆盖全气田DCS和SCADA系统3万点位，视频集成普光气田生产现场和生活区域全部1 046路视频，岗位数据采集实现基层单位岗位全覆盖，数据中心数据年增量由原先2万条上升到12万条。数据共享服务能力得到大幅提升，通过开展主数据服务、数据微服务、数据接口服务建设，有力支撑了智能气田勘探开发、三维仿真地理信息、生产运行与应急指挥、移动应用等智能气田核心应用系统的高效和稳定运行，为关键装置故障诊断、管道腐蚀大数据分析等科技研究提供大数据基础，为智能气田数据挖掘、机器学习、大数据分析等智能化应用提供了强大的数据支撑。

3 结论与建议

1）数据资源共享中心是普光智能气田建设的基础工程，其总体架构设计、技术架构设计都围绕数据是企业核心资产、数据是企业“新能源”这一理念来完成的。

2）普光智能气田数据资源共享中心，实现了数据一次采集、共享使用、统一管理的目标，为智能气田业务系统建设提供了重要的数据基础。

3）数据资源共享中心的建设是一个循序渐进的过程，要不断结合物联网、云计算、大数据等新技术来逐步发展完善，不断提升数据服务能力水平，为企业转型发展提供强大的数据支撑动力。