CN112581300A - 数据处理方法及装置 - Google Patents

数据处理方法及装置 Download PDF

Info

Publication number
CN112581300A
CN112581300A CN201910940287.9A CN201910940287A CN112581300A CN 112581300 A CN112581300 A CN 112581300A CN 201910940287 A CN201910940287 A CN 201910940287A CN 112581300 A CN112581300 A CN 112581300A
Authority
CN
China
Prior art keywords
information
determining
consumption
target process
data processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910940287.9A
Other languages
English (en)
Other versions
CN112581300B (zh
Inventor
朱泽锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201910940287.9A priority Critical patent/CN112581300B/zh
Publication of CN112581300A publication Critical patent/CN112581300A/zh
Application granted granted Critical
Publication of CN112581300B publication Critical patent/CN112581300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种数据处理方法及装置，获取进行井下作业所需的目标工序，确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本数据，确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益，基于所述第一信息和所述第二信息，确定是否进行所述井下作业的参考依据。通过本发明可以基于进行井下作业所需的目标工序所需的成本数据以及进行井下作业带来的产量增量，来确定出是否进行所述井下作业的参考依据，进而可以依据参考依据确定是否进行该井下作业。

Description

数据处理方法及装置
技术领域
本发明涉及井下作业经济效益评估领域，更具体的说，涉及一种数据处理方法及装置。
背景技术
在油田开采过程中，经常会出现生产井出现故障，需实施井下作业进行维修的问题。当原油价格持续走低时，作为油田生产成本重头的井下作业支出通常会更为谨慎，若井下作业支出超过油田收益时，井下作业会产生亏损。所以在进行井下作业之前，需要判断是否有必要进行井下作业。
发明内容
鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种数据处理方法及装置。
一种数据处理方法，包括：
获取进行井下作业所需的目标工序；
确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本数据；
确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益；
基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
可选地，确定所述目标工序对应的第一信息，包括：
获取井下作业领域的知识图谱、以及不同工序与施工成本、耗材使用量以及服务使用量的对应关系；
从所述知识图谱中筛选出与所述目标工序的相似度大于预设阈值的备选工序；
从所述不同工序与信息的对应关系中，筛选出所述备选工序对应的施工成本、耗材使用量以及服务使用量；
基于所述施工成本、所述耗材使用量以及所述服务使用量，确定所述第一信息。
可选地，确定所述目标工序对应的第一信息，还包括：
判断是否存在所述目标工序的标识限制信息；所述标识限制信息包括所述目标工序所需的耗材使用量以及服务使用量；
基于所述标识限制信息，更新确定所述第一信息所需的耗材使用量以及服务使用量。
可选地，所述第一信息Costpros的计算公式为：
Costpros＝Costcons+∑Qmate×Pmate+∑Qserv×Pserv
其中：Costcons为目标工序的施工成本；
Qmate为耗材使用量；
Pmate为耗材单价；
Qserv为服务使用量；
Pserv为服务单价。
可选地，所述第二信息Profincre的计算公式为：
Profincre＝(FADYafter-FADYbefore)×T×P
其中：FADYafter为实施井下作业后的预测期日均产量或油井出现异常前的日均产量；
FADYbefore为实施井下作业前的预测期日均产量或油井出现异常后的日均产量；
T为井下作业的预计有效期；
P为油气的价格。
可选地，若所述目标工序为多个，确定所述目标工序对应的第一信息之后，还包括；
将所有的所述目标工序对应的第一信息之和作为井下作业对应的第一信息。
可选地，基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据；
若所述井下作业对应的第一信息大于所述第二信息，确定所述参考依据为实时井下作业会带来亏损；
若所述井下作业对应的第一信息小于所述第二信息，确定所述参考依据为实时井下作业会带来盈利。
一种数据处理装置，包括：
工序获取模块，用于获取进行井下作业所需的目标工序；
第一标识确定模块，用于确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本数据；
第二标识确定模块，用于确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益；
依据确定模块，用于基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述的数据处理方法。
一种电子设备，包括至少一个处理器、以及与所述处理器连接的总线和至少一个存储器；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述的数据处理方法。
借由上述技术方案，本发明提供的一种数据处理方法及装置，可以基于进行井下作业所需的目标工序所需的成本数据以及进行井下作业带来的产量增量，来确定出是否进行所述井下作业的参考依据，进而可以依据参考依据确定是否进行该井下作业。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种数据处理方法的方法流程图；
图2示出了本发明实施例提供的另一种数据处理方法的方法流程图；
图3示出了本发明实施例提供的一种井下作业领域的知识图谱的结构示意图；
图4示出了本发明实施例提供的一种数据处理装置的结构示意图；
图5示出了本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在油田开采过程中，经常会出现生产井出现故障，需实施井下作业进行维修的问题。当原油价格持续走低时，作为油田生产成本重头的井下作业支出通常会更为谨慎。工程师和会计师们需要对实施井下作业的增量成本及其带来的增量收益进行预测和评估，以判断该作业在经济上是否可行。尽管企业管理上，进行经济效益评价的方法已十分成熟，但在实际使用过程中，受制于进行经济效益评价所需的信息分布十分散乱、人员技能水平参差不齐等因素影响，使得在编制井下作业工程设计报告时开展井下作业经济效益评价这一活动在时间上和成本上不具可行性。
随着信息技术的不断发展，知识图谱、自然语言处理、机器学习等新技术、新算法的不断涌现与完善，使得井下作业知识图谱的构建、井下作业施工成本的智能预测等均能在技术上得以实现。在此基础上，工程师和会计师们可实现在编制工程设计报告、审核报告等阶段对井下作业的经济效益进行评价，以确定是否实施井下作业。具体的，本发明实施例提供了一种数据处理方法，主要是用于生成是否进行井下作业的参考依据，即进行井下作业之后，带来的产量增量是否大于进行井下作业的成本，若小于，则表明实施井下作业会导致亏损，其经济效益为负；若大于，表明实施井下作业会产生盈利，其经济效益为正。工程师和会计师们可以将经济效益评价结果作为决定是否需要实施井下作业的一个重要决策依据。
参照图1，数据处理方法可以包括：
S11、获取进行井下作业所需的目标工序。
工序：指井下作业过程中，施工队伍开展的一项具体的工作，如洗压井、提管柱等，它是组成下作业过程(或工序)的基本单位。
进行井下作业经济效益评价的前提是，要准确识别出欲进行经济效益评价的井下作业所采取的每一步工序，本实施例称为目标工序。识别目标工序的方法有两种：
一类是直接在信息系统中提取工序的名称字段的值，这种方法适用于设工程设计报告中将工艺步骤按工序名称进行分段保存的情况。
对于未按工序名称进行保存的，则通过识别工序设计文档、工艺步骤描述或要求中的关键词进行识别。
识别出工序名称的主要目的是用于加载正确的工序成本计算单，并提供准确的工序名称信息以获取正确的成本信息。
S12、确定所述目标工序对应的第一信息。
所述第一信息表征执行所述目标工序所需的成本数据，也即是说，第一信息就是执行该目标工序所需的成本，若进行井下作业需要多个目标工序，则需要依次计算出每一目标工序的成本。
S13、确定第二信息。
所述第二信息表示进行井下作业带来的产量增量，也即是说，进行该井下作业之后，带来的产量增量的收益。
在实际应用中，所述第二信息Profincre的计算公式为：
Profincre＝(FADYafter-FADYbefore)×T×P
其中：FADYafter为实施井下作业后的预测期日均产量或油井出现异常前的日均产量；
FADYbefore为实施井下作业前的预测期日均产量或油井出现异常后的日均产量。
详细来说，需要实施井下作业的油井主要三类：采油井、采气井、注水井。对于注水井而言，其主要职责是向地层注入驱油物，无产出，因此通常不需要预测增量产量及其收益。而采油井和采气井主要是开采出原油和天然气，实施井下作业一般是为了解决其产量问题，因此需要对因施工带来的产量变化进行预测，以便于开展经济效益评价。
增量产量是指，假设通过开展井下作业能使油气井恢复到原来正常生产水平，实施井下作业后未来一段时间内(这段通常是指井下作业的有效期，具体时间的长短受多种因素影响)的预计累积产量，与假设不实施井下作业时油气井在这段时间内的预计累积产量之差。增量产量的收益(即第二信息)的具体计算公式为：
Profincre＝(FADYafter-FADYbefore)×T×P
其中：Profncre为增量产量的收益；
FADYafter为实施井下作业后的预测期日均产量，通过产量预测相关算法计算出来。其中，产量预测相关算法的基本原理为:假设修井后油气井生产水平恢复到出现故障之前的正常生产水平，在此条件下，预测期日均产量等于正常日产量与(1-产量日递减率)的乘积。
FADYbefore为实施井下作业前的预测期日均产量，通过产量预测相关算法计算出来。产量预测相关算法的基本原理为预测期日均产量等于异常情况下日产量与(1-产量日递减率)的乘积。
T为井下作业的预计有效期；
P为原油或天然气的价格，即油气价格。
如果短时间内忽略采收率或出于简易计算等因素的影响，增量产量也通过计算油气井正常生产下的预计累积产量(油井出现异常前的日均产量×有效期)与出现异常后的预计累计产量(油井出现异常后的日均产量×有效期)之差求得。在此预测模型下，产量数据可以直接通过查询油气水井的生产日志系统获取；然后通过查询产品价格数据库获取原油或天然气价格数据，就可以计算出实施井下作业带来的增量收益。
S14、基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
在实际应用中，完成工序成本计算以及收益预估以后，通过加载井下作业经济效益评价单，系统自动汇总本次井下作业的所有工序的成本数据与增量产量的收益数据，并计算两者的差额。若差额大于零，表明实施井下作业会导致亏损，其经济效益为负；差额小于零，表明实施井下作业会产生盈利，其经济效益为正。工程师和会计师们可以将经济效益评价结果作为决定是否需要实施井下作业的一个重要决策依据。总结来说，即是：
若所述井下作业对应的第一信息大于所述第二信息，确定所述参考依据为实时井下作业会带来亏损，若所述井下作业对应的第一信息小于所述第二信息，确定所述参考依据为实时井下作业会带来盈利。
需要说明的是，若所述目标工序为多个，在确定出每一所述目标工序对应的第一信息之后，还需要将所有的所述目标工序对应的第一信息之和作为井下作业对应的第一信息。即上述的所有工序的成本数据为井下作业对应的第一信息。
本实施例中，可以基于进行井下作业所需的目标工序所需的成本数据以及进行井下作业带来的产量增量，来确定出是否进行所述井下作业的参考依据，进而可以依据参考依据确定是否进行该井下作业。
上述提及第一信息，现对第一信息的确定过程进行介绍，具体的，参照图2，可以包括：
S21、获取井下作业领域的知识图谱、以及不同工序与施工成本、耗材使用量以及服务使用量的对应关系。
其中，井下作业领域的知识图谱可以参照图3，在构建知识图谱时，首先确定井下领域的本体以及本体之间的关联关系，基于本体以及本体之间的关联关系构建知识图谱。预先存储知识图谱，知识图谱为井下作业现场多个不同的问题信息的状态参数。
具体的，知识图谱为井下作业现场中可能或已经出现过的问题以及与该问题对应的数据的对照表，该对照表中记载了不同的异常数据对应的作业现场的问题类型以及具体问题。所述知识图谱中的每一实体均有对应的实体描述，如A问题，是什么，怎么解决的，解决效果怎么样，B问题，是什么，怎么解决的，解决效果怎么样，不同实体之间可以依据实体描述确定实体之间的相似性。如通过分析A和B的实体描述，来确定A和B的问题、解决手段和解决效果是否一样。
另外，知识图谱也可以制作成对照表，或数据库，在此并不限定其具体表现形式。
知识图谱中的问题类型及具体问题可能为井下作业现场历史已经出现的问题，也可能为未来可能出现的问题以及该问题对应的井下作业数据或数据范围。
不同工序与施工成本、耗材使用量以及服务使用量的对应关系也可以称为工序成本计算单，工序成本计算单主要包括两方面的成本内容，一类是工序自身的施工成本，通常以“标准井次”来计量；另一类是工艺实施过程中耗用的材料或服务，如“洗压井”作业工序中使用到的特定密度的压井液，或“地面检管”作业中可能会增加高压蒸汽车冲洗管柱服务，通常以数量乘单价的方式来确认成本。为保证的成本计算的准确性，原始的工序成本计算单中包含所有工序历史上曾使用过的所有施工成本、耗材使用量和服务使用量，因此系统自动加载完工序成本计算单以后，需要进一步确定施工过程中预计将会用到的耗材、服务及其数量。
S22、从所述知识图谱中筛选出与所述目标工序的相似度大于预设阈值的备选工序。
S23、从所述不同工序与施工成本、耗材使用量以及服务使用量的对应关系中，筛选出所述备选工序对应的施工成本、耗材使用量以及服务使用量。
S24、基于所述施工成本、所述耗材使用量以及所述服务使用量，确定所述第一信息。
工序的施工成本、耗材和服务的成本通过以下三步获得。第一步，首先通过井下作业知识图谱和特殊的推荐算法获取相同或相似工艺。具体的，先通过以井号、存在问题、诊断结果等关键信息作为约束条件搜索井下作业知识图谱，获取历史上相同问题所采用过的相似或相同工艺集合，再根据使用次数等条件推荐出最佳工序。
然后再从该工序的工序成本计算单中的获取各项实际结算信息，包括工序的施工成本、所使用的耗材、服务及其使用量。
此后，基于施工成本、所述耗材使用量以及所述服务使用量，确定所述第一信息。
在实际应用中，可能在目标工序的设计文档中村在耗材和服务及其用量等方面提出了新的要求(或特殊需求)，如在设计文档内的“洗压井”工序中指定了压井液的密度、溶剂和用量。进而还需要：
判断是否存在所述目标工序的标识限制信息；所述标识限制信息包括所述目标工序所需的耗材使用量以及服务使用量；
基于所述标识限制信息，更新确定所述第一信息所需的耗材使用量以及服务使用量。
具体的，第二步，利用自然语言处理技术识别工序的设计文档中是否在耗材和服务及其用量等方面提出了新的要求(或特殊需求)，如在设计文档内的“洗压井”工序中指定了压井液的密度、溶剂和用量。如果对耗材、服务及其用量提出了新的要求，则按新的要求更新工序成本计算单中的相关内容。
第三步，查询价格数据库以获取各项耗材、服务、耗材的价格，再汇总计算工序的总成本(即第一信息)。工序的总成本的计算公式如下：
Costpros＝Costcons+∑Qmate×Pmate+∑Qserv×Pserv
其中：Costcons为目标工序的施工成本；
Qmate为耗材使用量；
Pmate为耗材单价；
Qserv为服务使用量；
Pserv为服务单价。
通过上述工作只是完成了单一工序的成本计算，对于包含多步工序的井下作业而言，需要重复执行上述工作来实现各工序成本的确定。
本实施例利用知识图谱技术构建出的井下作业知识图谱，可以快速查找出各种井下作业信息，如不同工序的施工成本(标次)、所耗用的材料类型及数量。
利用自然语言处理技术可以快速识别出实施特定工序中对耗用的材料、设备、服务及其数量的特殊要求。
利用工艺成本计算单、增量产量收益计算单等单据，结合产品、服务数据库中的价格信息，可快速计算出其施工成本及作业带来的增量收益。
利用经济效益计算单自动汇总所有成本信息和收益信息(如果有的话)，并利用这些信息进行井下作业施工前经济效益评价。
可选地，在上述数据处理方法的实施例的基础上，本发明的另一实施例提供了一种数据处理装置，参照图4，可以包括：
工序获取模块101，用于获取进行井下作业所需的目标工序；
第一标识确定模块102，用于确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本数据；
第二标识确定模块103，用于确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益；
依据确定模块104，用于基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
进一步，所述第二信息Profincre的计算公式为：
Profincre＝(FADYafter-FADYbefore)×T×P
其中：FADYafter为实施井下作业后的预测期日均产量或油井出现异常前的日均产量；
FADYbefore为实施井下作业前的预测期日均产量或油井出现异常后的日均产量；
T为井下作业的预计有效期；
P为油气的价格。
进一步，还包括：
汇总模块，用于将所有的所述目标工序对应的第一信息之和作为井下作业对应的第一信息。
进一步，依据确定模块104用于基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据时，具体用于：
若所述井下作业对应的第一信息大于所述第二信息，确定所述参考依据为实时井下作业会带来亏损；
若所述井下作业对应的第一信息小于所述第二信息，确定所述参考依据为实时井下作业会带来盈利。
本实施例中，可以基于进行井下作业所需的目标工序所需的成本数据以及进行井下作业带来的产量增量，来确定出是否进行所述井下作业的参考依据，进而可以依据参考依据确定是否进行该井下作业。
需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述数据处理装置的实施例的基础上，第一标识确定模块102可以包括：
数据获取子模块，用于获取井下作业领域的知识图谱、以及不同工序与施工成本、耗材使用量以及服务使用量的对应关系；
第一筛选子模块，用于从所述知识图谱中筛选出与所述目标工序的相似度大于预设阈值的备选工序；
第二筛选子模块，用于从所述不同工序与施工成本、耗材使用量以及服务使用量的对应关系中，筛选出所述备选工序对应的施工成本、耗材使用量以及服务使用量；
标识确定子模块，用于基于所述施工成本、所述耗材使用量以及所述服务使用量，确定所述第一信息。
进一步，还包括：
判断子模块，用于判断是否存在所述目标工序的标识限制信息；所述标识限制信息包括所述目标工序所需的耗材使用量以及服务使用量；
更新子模块，用于基于所述标识限制信息，更新确定所述第一信息所需的耗材使用量以及服务使用量。
进一步，所述第一信息Costpros的计算公式为：
Costpros＝Costcons+∑Qmate×Pmate+∑Qserv×Pserv
其中：Costcons为目标工序的施工成本；
Qmate为耗材使用量；
Pmate为耗材单价；
Qserv为服务使用量；
Pserv为服务单价。
本实施例利用知识图谱技术构建出的井下作业知识图谱，可以快速查找出各种井下作业信息，如不同工序的施工成本(标次)、所耗用的材料类型及数量。
利用自然语言处理技术可以快速识别出实施特定工序中对耗用的材料、设备、服务及其数量的特殊要求。
利用工艺成本计算单、增量产量收益计算单等单据，结合产品、服务数据库中的价格信息，可快速计算出其施工成本及作业带来的增量收益。
利用经济效益计算单自动汇总所有成本信息和收益信息(如果有的话)，并利用这些信息进行井下作业施工前经济效益评价。
需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
所述数据处理装置包括处理器和存储器，上述工序获取模块、第一标识确定模块、第二标识确定模块和依据确定模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来确定出是否进行所述井下作业的参考依据，进而可以依据参考依据确定是否进行该井下作业。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述数据处理方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述数据处理方法。
本发明实施例提供了一种设备70，参照图5，设备70包括至少一个处理器701、以及与处理器连接的至少一个存储器702、总线703；其中，处理器701、存储器702通过总线703完成相互间的通信；处理器701用于调用存储器702中的程序指令，以执行上述的数据处理方法。本文中的设备70可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
一种数据处理方法，包括：
获取进行井下作业所需的目标工序；
确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本数据；
确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益；
基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
进一步，确定所述目标工序对应的第一信息，包括：
获取井下作业领域的知识图谱、以及不同工序与施工成本、耗材使用量以及服务使用量的对应关系；
从所述知识图谱中筛选出与所述目标工序的相似度大于预设阈值的备选工序；
从所述不同工序与施工成本、耗材使用量以及服务使用量的对应关系中，筛选出所述备选工序对应的施工成本、耗材使用量以及服务使用量；
基于所述施工成本、所述耗材使用量以及所述服务使用量，确定所述第一信息。
进一步，确定所述目标工序对应的第一信息，还包括：
判断是否存在所述目标工序的标识限制信息；所述标识限制信息包括所述目标工序所需的耗材使用量以及服务使用量；
基于所述标识限制信息，更新确定所述第一信息所需的耗材使用量以及服务使用量。
进一步，所述第一信息Costpros的计算公式为：
Costpros＝Costcons+∑Qmate×Pmate+∑Qserv×Pserv
其中：Costcons为目标工序的施工成本；
Qmate为耗材使用量；
Pmate为耗材单价；
Qserv为服务使用量；
Pserv为服务单价。
进一步，所述第二信息Profincre的计算公式为：
Profincre＝(FADYafter-FADYbefore)×T×P
其中：FADYafter为实施井下作业后的预测期日均产量或油井出现异常前的日均产量；
FADYbefore为实施井下作业前的预测期日均产量或油井出现异常后的日均产量；
T为井下作业的预计有效期；
P为油气的价格。
进一步，若所述目标工序为多个，确定所述目标工序对应的第一信息之后，还包括；
将所有的所述目标工序对应的第一信息之和作为井下作业对应的第一信息。
进一步，基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据；
若所述井下作业对应的第一信息大于所述第二信息，确定所述参考依据为实时井下作业会带来亏损；
若所述井下作业对应的第一信息小于所述第二信息，确定所述参考依据为实时井下作业会带来盈利。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：
获取进行井下作业所需的目标工序；
确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本计算数据；
确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益；
基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
2.根据权利要求1所述的数据处理方法，其特征在于，确定所述目标工序对应的第一信息，包括：
获取井下作业领域的知识图谱、以及不同工序与施工成本、耗材使用量以及服务使用量的对应关系；所述知识图谱记载不同的异常数据对应的作业现场的问题类型以及具体问题；所述知识图谱中不同实体之间可以依据实体描述确定实体之间的相似性；
从所述知识图谱中筛选出与所述目标工序的相似度大于预设阈值的备选工序；
从所述不同工序与施工成本、耗材使用量以及服务使用量的对应关系中，筛选出所述备选工序对应的施工成本、耗材使用量以及服务使用量；
基于所述施工成本、所述耗材使用量以及所述服务使用量，确定所述第一信息。
3.根据权利要求2所述的数据处理方法，其特征在于，确定所述目标工序对应的第一信息，还包括：
判断是否存在所述目标工序的标识限制信息；所述标识限制信息包括所述目标工序所需的耗材使用量以及服务使用量；
基于所述标识限制信息，更新确定所述第一信息所需的耗材使用量以及服务使用量。
4.根据权利要求3所述的数据处理方法，其特征在于，所述第一信息Costpros的计算公式为：
Costpros＝Costcons+∑Qmate×Pmate+∑Qserv×Pserv
其中：Costcons为目标工序的施工成本；
Qmate为耗材使用量；
Pmate为耗材单价；
Qserv为服务使用量；
Pserv为服务单价。
5.根据权利要求1所述的数据处理方法，其特征在于，所述第二信息Profincre的计算公式为：
Profincre＝(FADYafter-FADYbefore)×T×P
其中：FADYafter为实施井下作业后的预测期日均产量或油井出现异常前的日均产量；
FADYbefore为实施井下作业前的预测期日均产量或油井出现异常后的日均产量；
T为井下作业的预计有效期；
P为油气的价格。
6.根据权利要求1所述的数据处理方法，其特征在于，若所述目标工序为多个，确定所述目标工序对应的第一信息之后，还包括；
将所有的所述目标工序对应的第一信息之和作为井下作业对应的第一信息。
7.根据权利要求6所述的数据处理方法，其特征在于，基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据；
若所述井下作业对应的第一信息大于所述第二信息，确定所述参考依据为实时井下作业会带来亏损；
若所述井下作业对应的第一信息小于所述第二信息，确定所述参考依据为实时井下作业会带来盈利。
8.一种数据处理装置，其特征在于，包括：
工序获取模块，用于获取进行井下作业所需的目标工序；
第一标识确定模块，用于确定所述目标工序对应的第一信息；所述第一信息表征执行所述目标工序所需的成本数据；
第二标识确定模块，用于确定第二信息；所述第二信息表示进行井下作业带来的增量产量的收益；
依据确定模块，用于基于所述第一信息和所述第二信息，获取用于判断是否进行所述井下作业的参考依据。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的数据处理方法。
10.一种电子设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1-7中任一项所述的数据处理方法。
CN201910940287.9A 2019-09-30 2019-09-30 数据处理方法及装置 Active CN112581300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910940287.9A CN112581300B (zh) 2019-09-30 2019-09-30 数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910940287.9A CN112581300B (zh) 2019-09-30 2019-09-30 数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN112581300A true CN112581300A (zh) 2021-03-30
CN112581300B CN112581300B (zh) 2024-09-20

Family

ID=75116211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910940287.9A Active CN112581300B (zh) 2019-09-30 2019-09-30 数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN112581300B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7031840B1 (en) * 2004-01-05 2006-04-18 Oil & Gas Consultants International, In. Drilling performance assessment process
CN104317637A (zh) * 2014-10-16 2015-01-28 安徽理工大学 基于多智能体的虚拟矿工安全行为建模及应急仿真系统
CN104328241A (zh) * 2014-11-07 2015-02-04 中冶南方工程技术有限公司 一种获取炼钢过程中工序效益的方法
CN107679672A (zh) * 2017-10-20 2018-02-09 中冶华天南京电气工程技术有限公司 一种基于积尘发电损失预测的光伏电站清洗时机辅助决策方法
CN108390644A (zh) * 2018-03-14 2018-08-10 重庆能源职业学院 一种光伏电站的清扫方法
CN109779602A (zh) * 2018-12-12 2019-05-21 武汉盛华伟业科技股份有限公司 一种钻井工程智能安全风险预警方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7031840B1 (en) * 2004-01-05 2006-04-18 Oil & Gas Consultants International, In. Drilling performance assessment process
CN104317637A (zh) * 2014-10-16 2015-01-28 安徽理工大学 基于多智能体的虚拟矿工安全行为建模及应急仿真系统
CN104328241A (zh) * 2014-11-07 2015-02-04 中冶南方工程技术有限公司 一种获取炼钢过程中工序效益的方法
CN107679672A (zh) * 2017-10-20 2018-02-09 中冶华天南京电气工程技术有限公司 一种基于积尘发电损失预测的光伏电站清洗时机辅助决策方法
CN108390644A (zh) * 2018-03-14 2018-08-10 重庆能源职业学院 一种光伏电站的清扫方法
CN109779602A (zh) * 2018-12-12 2019-05-21 武汉盛华伟业科技股份有限公司 一种钻井工程智能安全风险预警方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨璐: ""B钻井公司作业成本计算与应用研究"", 《中国优秀硕士学位论文全文数据库（经济与管理科学辑）》 *

Also Published As

Publication number Publication date
CN112581300B (zh) 2024-09-20

Similar Documents

Publication Publication Date Title
CN110148285B (zh) 一种基于大数据技术的油井参数智能预警系统及其预警方法
Hompes et al. Discovering causal factors explaining business process performance variation
CN103778474A (zh) 资源负载量预测方法、分析预测系统及业务运营监控系统
Al-Fattah Non-OPEC conventional oil: Production decline, supply outlook and key implications
CN110209560A (zh) 数据异常检测方法及检测装置
Rogers Prioritizing water main renewals: case study of the Denver water system
Ahmed et al. Enhancing stock portfolios for enterprise management and investment in energy industry
Carrasco-Jiménez et al. Detection of anomalous patterns in water consumption: An overview of approaches
CN112581300A (zh) 数据处理方法及装置
Mata et al. Automated Reservoir Management Workflows to Identify Candidates and Rank Opportunities for Production Enhancement and Cost Optimization in a Giant Field in Offshore Abu Dhabi
CN114398235B (zh) 基于融合学习和假设检验的内存回收趋势预警装置及方法
Bach et al. Automatic case capturing for problematic drilling situations
CN111119808A (zh) 油田注采关系模型的构建方法及油田注采关系的识别方法
CN115689386A (zh) 一种基于知识图谱和fp增长算法的企业运营监测方法
Wibawa et al. Dynamometer card classification using case-based reasoning for rod pump failure identification
Popa et al. Case-based reasoning approach for well failure diagnostics and planning
Koshkin et al. Application of Integrated Asset Modeling Approaches for Reservoir Management of a Large Oil Field in Western Siberia
Li et al. Domain knowledge in predictive maintenance for water pipe failures
Andrade Marin et al. Real Time Implementation of ESP Predictive Analytics-Towards Value Realization from Data Science
Wang et al. Remote monitoring of well production performance based on machine learning
Mandal et al. A New Tool to Evaluate Water Injection Performance in Waterflooded Reservoirs–A Technology Innovation
CN110245836B (zh) 基于第三方平台的任务处理方法、装置和计算机设备
Orji et al. Improving Well Construction/Intervention Time and Cost Estimation Accuracy Via Historical Performance Data Analysis
Klie et al. Automated Lease Operating Statements for Cost Optimization and Reserve Evaluation Using Artificial Intelligence
Alsaeedi et al. Improved Field Production Planning and Cost Optimization Using Predictive Analytical Choke Performance Model and Intelligent Alarms in an Integrated Platform

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant