一种抽油机示功图数据无损压缩存储方法

doi:10.7623/syxb201602014

石油学报 ›› 2016, Vol. 37 ›› Issue (2): 266-272.DOI: 10.7623/syxb201602014

一种抽油机示功图数据无损压缩存储方法

李金诺, 龚仁彬, 李群, 王从镔, 姚刚

中国石油勘探开发研究院西北分院甘肃兰州 730020

收稿日期:2015-07-30 修回日期:2016-01-13 出版日期:2016-02-25 发布日期:2016-03-11
通讯作者: 李金诺,女,1983年1月生,2005年获安徽大学计算机科学与技术专业学士学位,2012年获北京大学软件工程专业硕士学位,现为中国石油勘探开发研究院西北分院工程师,主要从事油气生产物联网项目的数据库、功图研究、算法设计工作。Email:lijr_xb@petrochina.com.cn
作者简介:李金诺,女,1983年1月生,2005年获安徽大学计算机科学与技术专业学士学位,2012年获北京大学软件工程专业硕士学位,现为中国石油勘探开发研究院西北分院工程师,主要从事油气生产物联网项目的数据库、功图研究、算法设计工作。Email:lijr_xb@petrochina.com.cn
基金资助:
中国石油天然气集团公司油气生产物联网系统项目(A11)资助。

A lossless data compression and storage method of pump dynamometer

Li Jinnuo, Gong Renbin, Li Qun, Wang Congbin, Yao Gang

Northwest Branch, PetroChina Research Institute of Petroleum Exploration and Development, Gansu Lanzhou 730020, China

Received:2015-07-30 Revised:2016-01-13 Online:2016-02-25 Published:2016-03-11

摘要/Abstract

摘要：

抽油机示功图数据的存储是油田信息化重点关注的问题之一。若将抽油机示功图存储在实时数据库中,每口井每幅需要投入500个数据点进行存储,成本高昂;传统的抽油机示功图存储方法是将示功图数据存储在关系数据库中,此方法读取效率不高,不便于进行实时数据分析,且需要在油田生产作业区及作业区以上组织机构部署关系数据库服务器,代价依然昂贵。生产物联网示功图数据压缩方法,经过超过2×10⁴幅示功图数据的计算、分析和验证,可以通过数据处理、精度确认、求取差值和数据存储4步计算将抽油机示功图数据有效压缩至原数据大小的1/250,直接存储于实时数据库中,实现了降本增效的目的。该方法经过中国石油天然气集团公司相关油气田公司的试用,验证了其实用性,节约了投资成本。

关键词: 抽油机, 示功图, 数据压缩, 实时数据库, 物联网

Abstract:

Data storage of the pump dynamometer is one of key issues in oilfield informatization. If the pump dynamometer data are stored in real-time database, 500 data nodes should be used to store a piece of data for each well, thus leading to a high cost. In the use of traditional methods, dynamometer data are saved in relational database. However, this solution shows a lower reading efficiency, unbeneficial to real-time data analysis. Moreover, it is required to deploy database servers in oilfield production-operation zones and the organizations above the operation zones, and the cost is also higher. In application of the dynamometer data compression method for internet of things in production, through the calculation, analysis and validation on more than twenty thousand pieces of dynamometer data, pump dynamometer data can be effectively compressed to 1/250 of original data size by four steps, i.e., data processing, precision confirmation, difference solution and data storage. Such data can be saved in real-time database to reduce cost and improve effect. This solution has been adopted by several sub oil/gas field companies of CNPC to validate the practicability and save the investment cost.

Key words: pumping unit, dynamometer, data compression, real-time database, internet of things

中图分类号:

TE933

李金诺, 龚仁彬, 李群, 王从镔, 姚刚. 一种抽油机示功图数据无损压缩存储方法[J]. 石油学报, 2016, 37(2): 266-272.

Li Jinnuo, Gong Renbin, Li Qun, Wang Congbin, Yao Gang. A lossless data compression and storage method of pump dynamometer[J]. Acta Petrolei Sinica, 2016, 37(2): 266-272.

参考文献

[1] 陈元千,郝明强.HCZ模型在多峰预测中的应用[J].石油学报,2013,34(4):747-752.
Chen Yuanqian,Hao Mingqiang.Application of HCZ model to predicting multiple production peaks[J].Acta Petrolei Sinica,2013,34(4):747-752.
[2] 陈元千,邹存友.预测油田产量和可采储量模型的典型曲线及其应用[J].石油学报,2014,35(4):749-753.
Chen Yuanqian,Zou Cunyou.Model's typical curve and its application for forecasting production and recoverable reserves of oilfields[J].Acta Petrolei Sinica,2014,35(4):749-753.
[3] 朱荣杰,张国庆.抽油机井故障诊断及处理方法[M].北京:石油工业出版社,2011:22-69.
Zhu Rongjie,Zhang Guoqing.Fault diagnosis and processing method for well pumping[M].Beijing:Petroleum Industry Press,2011:22-69.
[4] Kang K D,Son S H,Stankovic J A.Specifying and managing quality of real-time data services[R].Charlottesville,VA:University of Virginia,2002.
[5] 何岩峰,吴晓东,韩国庆,等.示功图频谱分析新方法[J].石油学报,2008,29(4):619-624.
He Yanfeng,Wu Xiaodong,Han Guoqing,et al.Frequency spectrum analysis method for recognition of dynamometer card[J].Acta Petrolei Sinica,2008,29(4):619-624.
[6] Sayood K.数据压缩导论[M].第4版.贾洪峰,译.北京:人民邮电出版社,2014:1-138.
Sayood K.Introduction to data compression[M].4th ed.Jia Hongfeng,trans.Beijing:Posts & Telecom Press,2014:1-138.
[7] 吴乐南.数据压缩[M].第3版.北京:电子工业出版社,2012:1-7, 27-44.
Wu Lenan.Data compression[M].3rd ed.Beijing:Publishing House of Electronics Industry,2012:1-7,27-44.
[8] Hilbert M,López P.The world's technological capacity to store,communicate,and compute information[J].Science,2011,332(6025):60-65.
[9] Witten I H,Bell T C,Moffat A,et al.Semantic and generative models for lossy text compression[J].The Computer Journal,1994,37(2):83-87.
[10] Mahmud S.An improved data compression method for general data[J].International Journal of Scientific & Engineering Research,3(3):1-4.
[11] Chanda P,Elhaik E,Bader J S.HapZipper:sharing HapMap populations just got easier[J]. Nucleic Acids Research,2012,40(20):e159.
[12] Salomon D,Motta G.Handbook of data compression[M].London:Springer,2010.
[13] Gagie T,Gawrychowski P,Puglisi S J.Approximate pattern matching in LZ77-compressed texts[J]. Journal of Discrete Algorithms,2015,32:64-68.
[14] Ziv J,Lempel A.Compression of individual sequences via variable-rate coding[J].IEEE Transactions on Information Theory,1978,24(5):530-536.
[15] Welch T A.A technique for high-performance data compression[J].Computer,1984,17(6):8-19.
[16] Nelson M R.LZW data compression[J].Dr.Dobb's Journal,1989,14(10):29-36.
[17] Adjeroh D,Nan Fei.Suffix-sorting via shannon-fano-elias codes[J].Algorithms,2010,3(2):145-167.
[18] Shannon C E.A mathematical theory of communication[J].ACM Sigmobile Mobile Computing and Communications Review,2001,5(1):3-55.
[19] MacKay D J C.Information theory,inference and learning algorithms[M].Cambridge:Cambridge University Press,2003.
[20] Witten I H,Neal R M,Cleary J G.Arithmetic coding for data compression[J].Communications of the ACM,1987,30(6):520-540.
[21] Wan S H,Huffman D H,Azarnoff D L,et al.Effect of route of administration and effusions on methotrexate pharmacokinetics[J].Cancer Research,1974,34(12):3487-3491.
[22] Huffman D A.A method for the construction of minimum-redundancy codes[J].Proceedings of the IRE,1952,40(9):1098-1101.
[23] Cormen T H,Leiserson C E,Rivest R L,et al.Introduction to algorithms[M].3rd ed.Cambridge:The MIT Press,2009.

一种抽油机示功图数据无损压缩存储方法

A lossless data compression and storage method of pump dynamometer

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘合, 卢秋羽, 朱世佳, 蒋薇, 王素玲. 典型聚类算法在区块抽油机井系统效率分析中的应用[J]. 石油学报, 2020, 41(12): 1657-1664.
[2]	龚宇, 周和平, 胡松华, 邹正辉, 江建中, 林祥生, 章华敏, 承长清. 永磁复合电机直驱游梁式抽油机的应用[J]. 石油学报, 2018, 39(8): 955-962.
[3]	周斌, 王延江, 刘伟锋, 刘宝弟. 基于Hessian正则化支持向量机的多视角协同识别抽油机井工况方法[J]. 石油学报, 2018, 39(12): 1429-1436.
[4]	王宏博, 董世民, 甘庆明, 辛红, 朱葛. 低产抽油机井动态参数仿真模型与提高系统效率的途径[J]. 石油学报, 2018, 39(11): 1299-1307.
[5]	韩修廷李俊亮于晓丹李晓东李娟孙先杰. 柔性倍程抽油机动力特性模型和参数优化[J]. 石油学报, 2010, 31(6): 1036-1039.
[6]	董世民张喜顺吴长杰郭吉民. 抽油机井区块整体节能参数仿真优化方法[J]. 石油学报, 2010, 31(3): 475-479.
[7]	李敬元陈国春李子丰李慧云. 滤波技术在有杆泵抽油系统诊断中的应用[J]. 石油学报, 2010, 31(1): 144-147.
[8]	何岩峰, 吴晓东, 韩国庆, 肖伟, 李伟超, 于晓玲. 示功图频谱分析新方法[J]. 石油学报, 2008, 29(4): 619-624.
[9]	韩修廷, 王德喜, 王研, 周录方, 王秀玲. 利用低摩阻柱塞抽油泵提高泵效及防偏磨技术的应用[J]. 石油学报, 2007, 28(4): 138-141.
[10]	齐俊林, 郭方元, 黄伟, 孙应民. 游梁式抽油机分析方法[J]. 石油学报, 2006, 27(6): 116-119,124.
[11]	肖文生, 周小稀, 谷玉洪, 张世昌. 直线电机抽油机研制[J]. 石油学报, 2006, 27(5): 112-114.
[12]	徐芃, 徐士进, 尹宏伟. 有杆抽油系统故障诊断的人工神经网络方法[J]. 石油学报, 2006, 27(2): 107-110.
[13]	姚春东. 提高抽油机井系统效率的计算机仿真分析[J]. 石油学报, 2005, 26(4): 106-110114.
[14]	姜建胜, 林立, 由宏君, 刘先刚. 有杆抽油系统无级调冲次工艺研究[J]. 石油学报, 2005, 26(2): 111-114.
[15]	关晓晶, 王志国, 王忠东. 抽油机系统效率测试的不确定度分析模型及应用[J]. 石油学报, 2005, 26(1): 113-116,120.