在油气田开发过程中，地面集输系统内腐蚀控制管理对油气的安全平稳生产运行至关重要。近年来，随着信息技术的快速发展[1]，为了高效支撑油气田的整体腐蚀控制，大量腐蚀监测技术在西南油气田地面集输系统中得以应用，如高精度在线壁厚监测[2-3]、电指纹腐蚀监测[4-5]、柔性超声波监测[6]、腐蚀挂片监测[7-8]、电阻探针监测[9-10]。其中，高精度在线壁厚监测系统(如图 1所示)作为一种典型的监测技术，因其具备灵敏度高、非侵入式实时监控、在线数据传输、可拆卸等优点，已在含硫气田得到广泛应用。截至2022年，西南油气田内腐蚀核心数据累计达4万余组，标志着腐蚀大数据时代的到来。随着大数据和人工智能等信息化技术在西南油气田的应用[11-12]，现已基本实现气田集输系统内腐蚀数据的网络化管理和电子化记录。
但现阶段内腐蚀数据存在数据来源不一、数据入库格式不统一、数据管理办法缺失、数据出现异常、数据利用效率低等问题，导致无法高效开展腐蚀控制管理的智能化应用。数据来源不一会降低数据的集成管理效率，数据入库格式不统一、数据管理办法的缺失会制约数据的共享程度、降低数据的利用效率，数据异常则会降低数据分析结果的可信度。因此，西南油气田基于“标准先行、业务主导、分级负责、源头治理、急用先治、安全共享、强化考核”七项基本原则开展数据治理研究，解决业务管理与数据管理脱节、数据标准化程度低以及数据质量难于控制等问题，以期推进西南油气田腐蚀控制管理业务数字化转型[13-14]、驱动油气产业高质量发展。
气田集输系统内腐蚀数据的有效管理是确保气田安全、高效运行的基础性工作，贯穿气田的全生命周期，包括气田集输管道和站场设计、建设、运行以及停用等阶段。基于“数字西油”和智能油气田的实际建设需求，西南油气田在各气矿集输系统部署了相应的内腐蚀数据监测设备，开展了相关内腐蚀数据的采集研究[15]。上述数据主要包括基础数据、监检测数据、失效数据、实验数据、风险评估数据、腐蚀控制数据以及智能加注数据。数据的采集与管理流程如图 2所示，数据涵盖领域广、来源多、数量大、更新快。经过多轮信息化建设[16]，西南油气田内腐蚀数据监测设备已基本实现典型含硫气田的全覆盖，截至2022年，数据采集量累计达到4万余组。内腐蚀数据产生后，一部分通过定期及时传输保存于主数据系统、pSpace数据库和A2系统中，一部分通过纸质或电子文档保存于西南油气田某数据中转平台，再通过数据库调用以及人工录入等方式导入至西南油气田腐蚀数据与控制管理平台进行统一管理。在数据的采集、存储和管理等方面，存在以下待解决问题：
(1) 在数据采集方面：①数据来源不一，同一个数据可能存在多个来源，不利于数据获取途径的规范性和安全性；②部分管道及站场数据存在异常及缺失，降低了数据的完整性、真实性以及数据分析评价结果的可信度；③不同系统对同一数据的定义及书写格式不统一，数据应用效率低，采集成本大；④腐蚀监测数据实现了部分探针和超声波数据的在线自动采集，但仍存在部分数据需手动采集和录入、数据采集效率低、人工成本高的问题。
(2) 在数据存储方面：①不同数据系统中同一数据的命名、存储结构、取值范围不一致，系统间数据无法直接关联，影响数据共享效果；②部分基础数据的储存形式为纸质文档，没有结构化到数据库；③存储的内腐蚀数据覆盖面不全，没有完全包含西南油气田五矿一处。
(3) 在数据管理方面：线下数据主要存在资料来源多、类型广、格式不统一、资料管理成本高以及数据资产共享效果差、实时数据监控不到位等问题；线上数据主要存在不同数据库间的数据传输效率慢、数据更新不及时、数据管理没有形成统一的标准和规范以及各数据管理平台的数据统一度不高等问题。
针对上述问题，急需开展数据治理研究，解决业务管理与数据管理脱节、数据标准化程度低以及数据质量难于控制等问题。通过数据治理构建与西南油气田腐蚀控制管理业务发展相融合、匹配的数据治理制度和标准体系，完善西南油气田核心数据资产库，整体提升内腐蚀数据的规范性、完整性、可靠性、时效性和集成性；通过深入挖掘数据价值，持续提升西南油气田数据资源全生命周期管理水平，全面支撑西南油气田腐蚀控制管理业务数字化转型[17-18]。
数据治理是提升内腐蚀数据资产管理和腐蚀智能决策的关键举措[19]，是进一步梳理腐蚀控制管理业务流程、规范数据入库标准、加强跨业务部门协同、提高数据共享程度和数据利用效率的重要保障。针对内腐蚀数据治理过程中存在的问题，构建了数据治理流程，如图 3所示。结合管道系统各生产环节中的腐蚀控制管理业务，以形成数据资源清单为前提，着力夯实数据标准与管理办法，构建数据质量管理模型，通过内腐蚀数据入库及腐蚀回路组态，实现内腐蚀数据管理与应用能力的全面提升。
通过对西南油气田常规及非常规气田进行内腐蚀数据现状调研，厘清内腐蚀数据名称、内容及源头，明确数据重要度、类型、格式、存在位置及更新频率，形成内腐蚀数据资产，为西南油气田数据库的建设提供数据资源清单。通过研究，形成了内腐蚀数据清单树，如图 4所示。内腐蚀数据总计7大类34小类50余种，主要包括基础数据、监检测数据、腐蚀失效数据、室内实验数据、风险腐蚀评估数据、腐蚀控制数据、智能加注数据等。其中，基础数据涵盖场站基础数据、管线基础数据、腐蚀回路数据等8类数据；监检测数据涵盖测壁厚数据、氢通量台账数据、探针数据等6类数据；腐蚀失效数据涵盖管线失效数据和场站失效数据2类数据；室内实验数据涵盖腐蚀速率、应力腐蚀、化学分析等4类数据；风险腐蚀评估数据涵盖管道腐蚀评估、管道评估记录、场站腐蚀评估等4类数据；腐蚀控制数据涵盖防腐剂加注情况、材料选择、砂砾冲刷作业等5类数据；智能加注数据涵盖加注设备管理、加注点位管理、加注设备预警记录等5类数据。
数据标准和管理办法的制定是规范数据入库格式、提高数据共享能力、降低数据沟通成本的重要前提。围绕数据命名、数据类型、业务含义、生命周期归属部门、编码规则以及属性规范值，定义了一套统一的规范，形成了内腐蚀数据标准。通过明确腐蚀控制业务管理机构及职责、规范了数据入库流程、细化了数据保密方式与突发事件处理，形成了西南油气田内腐蚀数据管理办法，确保了各类数据及时、准确、完整、规范采集入库。
异常数据的识别与修复是腐蚀数据分析过程的重要组成部分[20-21]，直接决定腐蚀问题分析结果的可信度。在腐蚀数据采集过程中，考虑数据监测设备故障、数据存储过程失误、实验误差以及计算缺陷等因素，气田集输系统采集的数据会存在缺失、异常等问题，导致部分腐蚀信息的遗漏与错误，有必要开展异常数据的识别与修复研究，确保数据能够反映腐蚀状况的真实特征[22]。目前，对于内腐蚀异常数据的识别主要基于西南油气田内腐蚀数据特征以及多种主流异常数据识别算法，首先通过样本容量、数据维度和正态性从多种异常数据识别算法中初选3种算法，再根据3种算法的实际异常数据识别率优选最合适的异常数据识别算法。结合西南油气田某含硫气田759组内腐蚀速率数据，选取了箱形图开展异常数据识别研究，实现了内腐蚀数据质量的高效校准，并对识别的异常数据采用了均值填充进行修复，确保了内腐蚀数据的真实性和完整性，提高了腐蚀数据挖掘结果的可信度。
数据入库及腐蚀回路组态是展示数据治理程度的有效方式，对治理后的内腐蚀数据入库至西南油气田腐蚀数据与控制管理平台，实现了对基础数据、监检测数据、腐蚀失效数据、室内实验数据、风险腐蚀评估数据、腐蚀控制数据、智能加注等数据的综合管理与可视化展示。通过将相同介质的管线、设备进行归纳，形成腐蚀回路，以可视化方式展示了站场、管线的腐蚀信息。
基于数据资源清单、数据标准与管理办法、异常数据识别与修复研究以及数据入库等内腐蚀数据治理模块，构建了数据治理平台，具备规范数据入库格式、提高数据共享能力、校准数据入库质量等功能，确保了入库数据的规范性、完整性、可靠性、时效性和集成性。
基于西南油气田内腐蚀数据治理研究，数据治理成效取得了显著的效果，主要体现在数据质量层面、数据入库层面和数据决策层面。
通过异常数据识别与修复研究，实现了内腐蚀数据质量的自动校准。以西南油气田某含硫气田2014-2022年46条管线、合计759组内腐蚀速率数据为例，通过异常数据识别算法的比选，得出箱形图识别效果最好，识别准确率达到88.3%。基于此方法对759组腐蚀速率数据进行异常数据识别，异常数据识别结果如图 5所示，有效识别出64组异常数据，异常数据率为8.4%，对识别出的异常数据采用均值填充进行修复。通过该研究，确保了某含硫气田管线内腐蚀数据的真实性和完整性，提高了腐蚀数据挖掘结果的可信度。
通过内腐蚀数据治理研究，数据入库格式得到规范，数据入库质量得到保障。基于此，对治理后的内腐蚀数据开展数据入库研究。腐蚀数据与控制管理平台的场站及管线数据入库情况见表 1，基本完成了含硫区块A和含硫区块B片区的内腐蚀数据入库，对于数据量不完整的片区，完成了含硫区块C、高含硫区块A、高含硫区块B、高含硫区块C、含硫区块D以及含硫区块E等片区重点场站及管线内腐蚀数据的入库。有助于全面了解西南油气田各气矿场站和管线的腐蚀情况。
基于数据治理后的内腐蚀数据，围绕腐蚀预测、风险评估和整体腐蚀控制进行了腐蚀数据决策支持研究，提高了数据的有效利用率。
(1) 在腐蚀预测方面，构建了基于神经网络的腐蚀预测模型，具备数据处理、模型训练、模型校验、性能评价等功能；实现了对腐蚀速率的有效预测，解决了“单一腐蚀预测模型应用范围受限，预测结果不准确”的问题；结合西南油气田某含硫气田重点管线的内腐蚀数据，腐蚀速率预测准确度达到73%。
(2) 在风险评估方面，引入风险的概念，基于ICDA(管线)及RBI(场站)方法建立多相流动模型，实现了对西南油气田某含硫气田重点集输管线及场站的腐蚀风险评估，改变了“腐蚀评估单一及风险无法实时获取”的现状；通过数据接口输入设备材质、腐蚀速率、气体相对分子质量、运行压力等关键参数，风险评估准确度达到72%，实现了管线的风险智能化评估及预警。
(3) 在整体腐蚀控制方面，对采取的腐蚀控制措施进行动态、闭环、全方位管理，包括材料选择、缓蚀剂加注、方案制定及执行、清管制度、砂砾冲刷控制等。以缓蚀剂加注为例，研发了具备自适应加注、一泵多注、自动执行及远程监控功能的杀菌缓蚀剂智能加注系统(见图 6)，解决了现场缓蚀剂加注需要人工调节、实际加注情况需人工巡检完成、缓蚀剂液位不能实时监视、电动泵跳闸等异常情况无法得到及时解决的问题。目前，该加注系统已在西南油气田页岩气某平台安装部署，经初步测算，每年可降低加注成本40%以上。
(1) 基于“标准先行、业务主导、分级负责、源头治理、急用先治、安全共享、强化考核”等原则，形成了内腐蚀数据标准及内腐蚀数据管理办法，规范了数据入库格式，提高了数据共享能力，降低了数据沟通成本，确保了各类数据及时、准确、完整、规范入库。
(2) 通过箱形图对某含硫气田759组内腐蚀速率数据进行异常识别研究，识别准确率达到88.3%，实现内腐蚀数据质量的高效校准，对识别的异常数据采用均值填充进行修复，确保了内腐蚀数据的真实性和完整性，提高了腐蚀数据挖掘结果的可信度。
(3) 基于内腐蚀数据入库，2022年完成了205个场站以及233条管线的数据入库，高质量完成西南油气田内腐蚀数据治理的要求，有助于全面了解西南油气田各气矿场站和管线的腐蚀情况。
(4) 基于腐蚀预测、风险评估和整体腐蚀控制开展了腐蚀数据决策支持研究，提高了数据的有效利用率。在腐蚀预测和风险评估方面，结合某含硫气田重点管线及场站，实现了腐蚀速率的有效预测以及腐蚀风险的有效评估；在整体腐蚀控制方面，采取多种措施有效控制腐蚀，研发了具备自适应一泵多注及远程监控功能的杀菌缓蚀剂智能加注系统。
(5) 数据治理应坚持围绕数据质量、数据入库和数据决策3个方面开展研究。在数据质量方面，研发或引进更精密的传感设备数据采集装置，开发更适合西南油气田的异常数据识别与修复算法，持续提升数据质量，减少纠错成本；在数据入库方面，须持续提升数据的自动化采集能力，加大数据的电子化存储程度，减少数据入库成本；在数据决策方面，坚持防腐观念由事后维修向预防性维护转变，制定内腐蚀数据治理长期计划，兼顾数据短期成效。
2023, Vol. 52 Issue (6): 79-84，92 2023, Vol. 52 Issue (6): 79-84，92