基于边缘计算的智能油田物联网油井监控系统.pdf

2023年/第10期 物联网技术智能处理与应用Intelligent Processing and Application1330 引 言通常油井处在偏远地区，自然条件恶劣且设备携带不便，工人定时巡查监视、记录各种数据难以实现，更难以实时处理数据1。采用传统的油井监测手段已经无法实时对油井进行全方位的监控，难以提高采油效率和出油产量。在现代物联网技术和新一代电子信息技术的快速发展下，将各种传感器、无线检测设备基于物联网技术有机结合在一起，构成了一个智能化的物联网油井监控系统。油井监控系统中的传感器和检测仪表等终端设备会采集大量的油井生产数据，一方面这些数据可以为油井的实时监控提供支持，另一方面海量数据直接上传至服务器和云端会极大程度地增加运算负担，但是终端设备本身处理数据能力有限，难以实时处理采集数据。因此，在监控系统终端设备中引进一个边缘处理器来扩展终端设备处理数据的能力是有必要的。将终端数据传输到边缘处理器进行分析处理，利用边缘计算将云端计算能力下放到边缘端，可以减轻云端的运算负担，数据在边缘端处理，可以加快数据的处理和分析速度，确保该系统的稳定运 行2-3。本文提出了基于边缘计算的智能油田物联网油井监控系统，既可以实时监控油井，又可以减轻监控计算机的分析负担，同时可以快速处理现场数据，方便给工人做出合理的决策提供数据支持。1 基于边缘计算的智能油田物联网油井监控系统构成智能油田油井监控系统是智能油田生产管控的重要一环，承担油井数据实时采集和分析、井况实时监控及智能报警，为油井管理人员提供决策依据。传统油井监控系统往往采集大量井口数据，直接通过物联网传输至云端，致使云端运算压力极大和数据传输速度缓慢。为了解决这一问题，引入边缘计算的思想，相对于云计算，边缘计算拥有低延迟、高效率、安全可靠等特点4，将井口监测的终端设备采集的数据先汇总于井口智能 RTU 进行初步处理，再通过井场智能 RTU 上传至监控管理中心进行深度处理。基于边缘计算的智能油田物联网油井监控系统由感知层、边缘层、传输层、决策层构成，系统构成如图 1 所示。感知层是由摄像机、流量计、压力计、温度计、液面监测仪、角位移传感器及载荷传感器组成，实时采集油井各项数据，监测油井的生产状况和环境数据。边缘层是由井口智能 RTU构成的，井口监测仪表采集的数据集中传输于此，进行数据的预处理并储存，减轻监控管理中心数据分析及运算压力，同时通过 4G 无线网络将数据传输给井场智能 RTU。传输层在油田监控系统中承担着承上启下、数据整合及转发的关键作用。传输层的核心设备是井场智能 RTU，集中收集井口智能 RTU 的数据，通过内部的 4G 模块，采用 4G 无线网络将数据远距离无线传输给监控管理中心。决策层包括后台服务器、数据库、PC 管理平台等，负责分析处理与监控从井场智能RTU传输至监控管理中心的数据，以及储存和管理实时、历史数据与图像5。基于边缘计算的智能油田物联网油井监控系统张钰哲1，张伟东2，高 伟2，何 渡1，贺 斌2（1.西安海联石化科技有限公司，陕西 西安 710065；2.延长油田股份有限公司 靖边采油厂，陕西 靖边 718500）摘 要：随着数字化智能油田建设的快速推进，对油井生产工艺数据的实时连续高精度监测和控制已成为智能油田物联网建设的重中之重，其中井口智能 RTU 的边缘计算是实现该目的的有效途径。本文提出了基于边缘计算的智能油田物联网油井监控系统，该系统采用井口前端的边缘计算构建了油井监控系统物联网架构，设计了油井监控系统的硬件与软件，实现了油井生产工艺数据的实时高精度连续采集、处理与传输。实际应用表明，基于边缘计算的智能油田物联网油井监控系统能够有效提高油井生产作业管控的智能化水平，满足数字化智能油田建设的实时高精度连续监控。关键词：智能油田；边缘计算；物联网；油井监控；RTU；油井生产工艺数据中图分类号：TP39 文献标识码：A 文章编号：2095-1302（2023）10-0133-05DOI：10.16667/j.issn.2095-1302.2023.10.037收稿日期：2022-09-26 修回日期：2022-10-24基金项目：陕西省自然科学基础研究计划项目（2018JQ4045）；陕西省重点研发计划（2022GY-046）物联网技术 2023年/第10期 智能处理与应用Intelligent Processing and Application1342 油井监控系统硬件组成2.1 井口监测电路硬件组成井口监测电路由井口智能 RTU 和井口监测仪表设备组成，其中井口智能 RTU 作为其控制核心，硬件组成如图 2所示。井口智能 RTU 主要由主控芯片模块、供电模块、存储器模块、以太网模块、WiFi 模块、4G 模块、RS 485 通信、语音模块、OLED 模块、按键模块及指示灯模块等组成。井口监测设备由摄像机、流量计、压力计、温度计、液面监测仪、角位移传感器及载荷传感器组成。图 1 基于边缘计算的智能油田物联网油井监控系统构成图 2 井口监测电路硬件组成井口智能 RTU 采用基于 32 位 ARM-CorteX-M7 处理器的 STM32F769NIH6 作为主控芯片；供电模块采用加装蓄电池的太阳能电池板供电，天气良好时由太阳能电池板给井口智能 RTU 供电并对蓄电池充电，天气恶劣时由蓄电池供电。井口智能 RTU 主控芯片的 SPI 接口分别与以太网模块、存储器模块和 WiFi 模块连接，以太网模块通过 TCP/IP 协议与监控摄像机连接，采集井口图像数据及人员闯入抓拍图像；存储器模块选用大容量的 SD 卡来存储各项井口数据及图像，WiFi 模块分别与液面监测仪、角位移传感器及载荷传感器连接并采集油井动液面数据、抽油机游梁角度及载荷数据；USART 接口分别与 RS 485 和 4G 模块连接，RS 485 通信总线分别与流量计、温度计和压力计连接并采集其数据；井口智能 RTU 内置的 4G 模块通过 4G 无线网络与井场智能 RTU连接，定时将井口智能 RTU 采集并初步处理的数据上传至传输层；GPIO 接口分别与语音模块、指示灯模块、按键模块及 OLED 模块连通，语音模块可以选配语音功效以及在油井出现危险情况时直接语音报警，指示灯模块显示井口智能RTU 的启停状态，按键模块控制井口智能 RTU 的启动与停止及下发手动设置采集周期时间，OLED 模块显示采集周期时间、井口动液面数值及套管压力。2.2 井场智能 RTU 硬件组成井场智能 RTU 是基于边缘计算的智能油田物联网油井监控系统的数据中转站，一方面有序接收边缘层井口智能RTU 处理后的数据；另一方面打包所接收的数据上传至监控管理中心，防止传输混乱，影响监控系统的运行。井场智能 RTU 硬件组成如图 3 所示，井场智能 RTU 的2023年/第10期 物联网技术智能处理与应用Intelligent Processing and Application135存储器模块也采用大容量 SD 卡，用来存储井口智能 RTU 定时上传的数据和井口异常情况时的数据；井场智能 RTU 通过 4G 无线模块将数据上传至监控计算机，并接收监控计算机下发的指令；井场智能 RTU 的供电模块采用蓄电池加太阳能电池板的组合装置进行供电，指示灯模块方便人们查看RTU 是否正常运行，按键模块控制 RTU 的启停及复位。图 3 井场智能 RTU 硬件组成电路3 油井监控系统软件设计通过 C 语言、C+语言及 Java 语言在 Windows 系统平台上开发了油井监控系统，基于边缘计算的智能油田物联网油井监控系统软件由工艺数据采集程序、工艺数据传输程序、图像抓拍与处理程序、上位机监控管理程序四部分构成，如图 4 所示。其中，工艺数据采集程序实现井口监测仪表数据的采集与储存；工艺数据传输程序确保井场智能 RTU 一方面有序接收各井口智能 RTU 处理后的数据，另一方面负责将数据打包上传至监控中心，防止工艺数据传输混乱。图像抓拍与处理程序负责控制井口摄像机进行抓拍，并对抓拍图像进行处理与储存，判断是否有异常情况发生并进行报警。上位机监控管理程序对各种数据进行分析处理，汇成图表并在界面显示，记录历史数据，方便工人查看。图 4 油井监控系统软件构成3.1 工艺数据采集程序设计基于边缘计算的思想，井口监测仪表的数据并不会直接上传至监控中心，而是先被井口智能 RTU 采集，在井口智能RTU 里先行处理后再进行上传，以减少监控中心的运算压力。井口智能 RTU 采集数据模式有定时模式和被动模式。定时模式情况下，井口智能 RTU 通过按键模块对井口监测仪表进行采集周期定时时间设置，读取定时时间；定时结束后，井口智能 RTU 向井口监测仪表发送读取数据指令，等待井口监测仪表响应指令进行数据读取，对读取后的数据进行处理后储存在 SD 卡中。被动模式情况下，井口智能 RTU被动接收井口监测仪表数据，进行处理后储存在 SD 卡中5。工艺数据采集流程如图 5 所示。图 5 工艺数据采集流程3.2 工艺数据传输程序设计为了数据传输顺畅，给井场智能 RTU 开发了一个有序传输数据的程序，确保井口智能 RTU 初步处理后的数据能够顺利传输至井场智能 RTU。工艺数据传输流程如图 6 所示。系统初始化后，在井场智能 RTU 设置好数据上传时间，井场智能 RTU 定时器倒计时结束，触发数据上传线程。一般情况下，按照各个井口智能 RTU 接到数据上传指令的先后进行上传；但当多口油井同时接收到上传指令时，井场智能 RTU 建立自动轮询制度6，按测量队列有序下发的数据上传命令开始进行上传，井口智能 RTU 接收指令并解析，若设备号与自身一致则执行上传指令，否则井口智能 RTU 保持静默等待指令。3.3 图像抓拍与处理程序设计为了减少处理大量视频的运算压力，基于边缘计算的思想将视频图像智能分析算法写入视频监控软件，可以对井口视频进行人员闯入抓拍，避免无效视频抓拍7。该程序设计有三种抓拍模式，即定时抓拍、人工手动抓拍及人员闯入抓拍。井口智能 RTU 可以控制摄像机进行抓拍，三种抓拍模式实现了对井口图像的有效获取，减少了大量无效图像的抓拍，并将抓拍图像暂存于 FTP 服务器中，按井口智能 RTU设备号、抓拍视频类型分类储存，上传至视频监控软件进行分析处理，分析结果在界面进行显示。图像抓拍与处理流程如图 7 所示。物联网技术 2023年/第10期 智能处理与应用Intelligent Processing and Application136图 6 工艺数据传输流程3.4 上位机监控管理程序设计上位机监控管理流程如图 8 所示。监控管理中心向井场智能 RTU 发送数据上传指令后，井场智能 RTU 响应后将经过井口智能 RTU 初步处理后的数据通过 4G 无线网络上传给监控管理中心。管理监控中心处理后存储在 SQL Server 数据库，监控管理中心对处理后的数据进行分析8，对正常数据在界面进行显示，对异常数据进行报警提示并记录在系统日志，方便人们查看数据。4 应用效果与分析基于边缘计算的智能油田物联网油井监控系统在中石油某采油厂投入运行，实际应用效果良好，分析结果 如下：（1）基于边缘计算的智能油田物联网油井监控系统利用4G 网络作为传输方式，该系统经济可行、运行可靠、节能效果良好9，并较好地解决了监控效率低、处理数据缓慢及数据传输效率低等问题，对油田的智能监控建设和生产维护具有重要意义；（2）基于边缘计算的智能油田物联网油井监控系统在油田实际运行中性能稳定，能够对油井生产过程的基本数据进行实时采集与展示，对油井井口安全进行实时监控，同时能够快速分析数据与图像，实现井口生产安全的预 报警。图 7 图像抓拍与处理流程2023年/第10期 物联网技术智能处理与应用Intelligent Processing and Application137图 8 上位机监控管理流程5 结 语（1）本文系统采用边缘计算与物联网技术，构建了决策层、传输层、边缘层、感知层四个层次的实时高精度连续油井监控系统10，实现了油井工艺数据的实时采集、处理、传输、应用分析及存储等过程。（2）基于边缘计算的智能油田物联网油井监控系统前端的边缘计算，将各种传感器及仪表采集获得的数据，先集中于井口智能 RTU 设备进行处理，之后再将过滤处理后的数据定时有序上传至井场智能 RTU。井场智能 RTU 将各个井口智能 RTU 上传的数据打包上传至监控管理中心。实时将数据处理能力迁移至边缘端，这样既减少了云端处理数据的负担，又加快了对油井状况数据的处理速度，保证了油井监控系统对油井的实时监控。（3）基于边缘计算的智能油田物联网油井监控系统可以进行生产数据的实时高精度连续采集、处理、大数据分析，制定并优化生产目标，实现油田智能高效生产 管控。参考文献1 张乃禄，皇甫王欢，刘选朝，等.存储式油井动液面监测系统研制 J.现代电子技术，2018，41（6）：92-95.2 期治博，杜磊，霍如，等.基于边缘计算的多摄像头视频协同分析方法 J.通信学报，2023，44（8）：14-26.3 朱劲松，任智飞，张国仕，等.基于 5G 边缘计算的电力物联网研究 J.电气技术与经济，2023，43（6）：12-14.4 章翌，刘道谱，潘俊杰，等.基于边缘计算的安全帽佩戴检测系统设计 J.中国水运，2023，45（8）：102-104.5 颜瑾，张乃禄，刘雨，等.基于智能 RTU 的气田井场监控系统 J.西安石油大学学报（自然科学版），2017，32（4）：61-66.6 张乃禄，盛盟，颜瑾，等.集散式油井动液面监测井场集中监控器研制 J.西安石油大学学报（自然科学版），2020，35（3）：110-115.7 郭向前，张乃禄，黄伟.基于 RTU 的井场数据图像混合传输系统 J.信息记录材料，2018，19（4）：73-76.8 张乃禄，李清馨，刘峰，等.基于 WiFi 的油井动液面监测系统 J.现代电子技术，2018，41（12）：92-94.9 贾志鹏，李盼，念彬，等.基于物联网的油井智能间抽控制系统 J.物联网技术，2021，11（7）：59-61.10 沈煜佳.基于边缘计算的抽油机井智能诊断系统研发 D.南京：东南大学，2021.作者简介：张钰哲（1987），男，西安海联石化科技有限公司工程师，研究方向为数字化油气田检测技术与智能控制产品研发。13 潘多忠，程嘉，余渊.基于大数据架构的全过程工程咨询项目管理平台 J.土木建筑工程信息技术，2019，11（6）：27-35.14 周嘉，马世龙.从赋能到使能：新基建驱动下的工业企业数字化转型 J.西安交通大学学报（社会科学版），2022，42（3）：20-30.作者简介：曹效义（1966），男，内蒙古人，教授级高级工程师，国家注册电气工程师，就职于内蒙古电力经济技术研究院，研究方向为电力咨询设计。张 伟（1981），男，内蒙古人，硕士，主要研究方向为电力咨询与电力大数据。曹子烨（1997），女，内蒙古人，经济师，就职于内蒙古电力勘测设计院有限公司，研究方向为技术经济。（上接第132页）