普光智能气田整体架构设计与实施
王寿平1, 彭鑫岭2, 吕清林2, 龙飞1, 姜贻伟2, 蒙玉平1
1.中国石化中原油田分公司
2.中国石化中原油田普光分公司

作者简介:王寿平,1962年生,教授级高级工程师,现任中国石化中原油田分公司总经理;主要从事油气田勘探开发等方面的研究和管理工作。地址:(457001)河南省濮阳市中原路277号总经理办公室。ORCID: 0000-0003-0822-057X。E-mail: wangsp.zyyt@sinopec.com

摘要

位于四川盆地的普光气田在开发建设过程中,配套建成了先进的自动化控制系统和全覆盖的工业物联网。为了进一步提高气田的开发效益,2013年普光气田启动了智能气田的建设工作,但国内外均没有成熟的智能油气田模式和建设标准可资借鉴。为此,基于主流智能化设计理念和实践经验,按照总体规划、分步实施、步步见效、突出重点的思路,论证完成了智能气田整体架构设计及其更精细的技术架构设计、业务架构设计,并结合气田关键业务目标和实施原则开展了实施与应用。研究结果表明:①智能气田整体架构包括“一个平台、两个中心、两个体系”,即一体化协同应用平台、资源共享中心、智能辅助决策指挥中心、标准规范体系、信息安全体系;②技术架构包括工业物联网+设备感知接入层、基础设施云服务层、平台云服务层、软件云服务层等4个层次;③业务架构围绕气田勘探开发管理、气田生产运行与应急指挥管理、气田QHSE管理、气田经营管理等4个支撑单元设计;④气田智能化建设打造了勘探开发辅助决策、生产优化与协同、安全管控与处置、经营管理精细化等4项能力,支撑了普光气田平稳运行、高效管理、安全生产。结论认为,普光气田已初步建成以资源共享中心为基础,以一体化平台为核心,以2个体系为保障的智能化管理决策体系。

关键词: 智能气田; 普光气田; 架构设计; 物联网; 大数据; 云技术; 辅助决策
Design and implementation of the overall architecture of the Puguang Intelligent Gas-field Project
Wang Shouping1, Peng Xinling2, Lü Qinglin2, Long Fei1, Jiang Yiwei2, Meng Yuping1
1. Sinopec Zhongyuan Oilfield Company, Puyang, Henan 457000, China
2. Puguang Branch of Sinopec Zhongyuan Oilfield Company, Dazhou, Sichuan 635000, China
Abstract

During the development and construction of the Puguang Gas Field, Sichuan Basin, an advanced automatic control system and a fully covered industrial Internet of Things were built. In order to further increase its development benefit, the Puguang Gas Field started the construction of an intelligent gas-field project in 2013. However, there are not mature models and construction standards of intelligent oil and gas fields at home and abroad for reference. In this paper, an overall architecture design of intelligent gas field and its technical and business architecture design were demonstrated according to the principle of "overall planning, step-by-step implementation, response in each step and stressing the main points", and based on the mainstream design concept and practical experience of intelligentization. Then, combined with the key business target and implementation principle of the gas field, it was conducted and applied. And the following research results were obtained. First, the overall architecture of the intelligent gas field project includes a platform, two centers and two systems, i.e., integrated coordinated application platform, resource sharing center, intelligently assistant decision-making direction center, standard specification system and information safety system. Second, the technical architecture consists of four layers, i.e., industrial Internet of Things + equipment perception introducing layer, infrastructure cloud service layer, platform cloud service layer and software cloud service layer. Third, the business architecture is designed focusing on four support units, including exploration and development management of the gas field, production and emergency direction management of gas field, QHSE management of gas field and business management of the gas field. Fourth, the construction of the intelligent gas field project creates four abilities, i.e., assistant exploration and development decision-marking ability, production optimization and coordination ability, safety control and treatment ability and refined business management ability, to support the smooth operation, efficient management and safe production of the Puguang Gas Field. In conclusion, the intelligent management and decision-making system with the resource sharing center as the base, the integrated platform as the core and two systems as the guarantee has been preliminarily built in the Puguang Gas Field.

Keyword: Intelligent gas field; Puguang Gas Field; Architecture design; Internet of Things; Big data; Cloud technology; Assistant decision-making
0 引言

位于四川盆地的普光气田是中原油田三大油气基地(东濮老区、普光气田、内蒙古探区)之一, 是中原油田油气生产主产区。普光气田位于四川省达州市宣汉县普光镇, 是中国目前投入开发规模最大的海相整装高含硫气田[1], 探明天然气地质储量超过4000× 108 m3。已整体建成混合气产能100× 108 m3/a, 并建成了120× 108 m3/a处理能力的天然气净化厂, 该气田于2009年10月投产运行。

普光气田为高含硫化氢的构造— 岩性气藏, 具有开发难度大、技术含量高、安全风险大等特点[1, 2]。为了保障气田高效开发和安全生产, 普光气田在建设之初就以“ 数字气田” 为目标, 按照无人值守的标准进行信息化基础设施建设, 建立了全覆盖的生产光传输网络、先进的自控化控制系统、全方位的监测与报警系统、ESD四级紧急关断系统、基于云存储的视频监控系统、紧急疏散广播系统等一系列数字化的生产控制与信息系统, 实现了气田的安全平稳运行。

随着数字化的不断发展和深入, 国内外许多领域开始从数字化向智能化迈进, 如智慧城市、智能制造、智慧农业、智能家居[3, 4]。在油气田行业, 一些国际石油公司率先启动智能化建设, 如Shell(壳牌公司)在智能油田项目中实施的智能井、先进协作环境、整体油藏管理, 为Shell带来的整体收益高达50亿美元。Statoil(挪威国家石油公司)在整合运营项目中通过对组织结构和业务流程不断优化, 实现了更安全、更高效、更科学的决策。BP(英国石油公司)通过未来油田项目, 实现了基于实时分析的快速决策, 实现了多学科、多地点的远程协同, 对其总产量的贡献率达到50%。

目前物联网、云计算、大数据、移动互联等新技术日趋成熟, 在“ 数字油气田” 的基础上, 按照“ 全面感知、集成协作、预测预警、优化决策” 4个发展阶段打造智能油气田, 实现油气田增储上产、降本增效、安全绿色生产[5], 已经成为国内油气田新一轮信息技术革命的必经之路, 对油气田发展的结构调整、战略转型具有重要现实意义。

1 建设目标

由于不同油气田的基础、规模、业务和目标需求不尽相同, 所以目前国内外对智能油气田建设没有统一的定义、规范和标准, 没有固定的经验模式可以复制。普光气田借助全覆盖的光传输生产网络和先进的自动化控制系统, 在物联网的基础上, 利用云计算、大数据、移动互联等新技术规划建设智能气田[6, 7], 建立知识库和专家系统, 通过集成协作、智能模型、机器学习和深度学习, 实现预测预警、业务优化和智能辅助决策, 支撑普光气田增储稳产、降本增效、安全生产, 保障气田安稳长满优运行, 使普光气田信息化水平和管理水平达到国内领先、国际一流水平。

2 整体架构设计

普光智能气田建设遵循“ 六统一” 原则, 即统一规划、统一标准、统一设计、统一投资、统一建设、统一管理, 并按照总体规划、分步实施、步步见效、突出重点的思路, 进行智能气田整体架构设计, 整体架构为“ 一个平台、两个中心、两个体系” , 即一体化协同应用平台、资源共享中心、智能辅助决策指挥中心、标准规范体系、信息安全体系(图1)。

图1 普光智能气田整体架构图

其中资源共享中心是基础, 两个体系是保障, 一体化协同应用平台是核心, 智能辅助决策指挥中心是最终目标。

2.1 资源共享中心

资源共享中心以云计算和大数据技术为基础[7, 8], 为普光智能气田所有应用系统提供高效的计算运行环境和数据, 主要包括硬件资源共享、数据资源共享两部分。硬件资源共享主要是利用虚拟化技术建立的云计算环境, 实现硬件资源按需分配、高性能服务、自动计量、自动回收、共享使用, 包括网络、服务器、存储、系统软件等; 数据资源共享主要利用大数据技术, 基于油气物联网, 通过数据自动化采集、数据模型、数据集中存储建立普光智能气田中心数据库, 实现数据建设与共享, 为所有应用系统提供数据支撑。

普光智能气田数据资源建设的主要内容包括气田勘探开发数据、气田生产数据库、气田实时数据库、气田综合研究成果数据库、文档数据库、视频数据库等, 并建立主数据以确保数据的共享。数据建设的方式主要是实时数据采集、岗位数据采集、监控视频集成。

2.2 一体化协同应用平台

一体化协同应用平台[9, 10]是普光智能气田的核心, 是智能气田所有基础服务和应用系统集中运行与管理的中心, 该平台基于SOA(Service-Oriented Architecture)架构设计, 通过建立统一身份认证、统一权限、统一日志、统一工作流程、统一待办、统一用户界面、统一组件共享、统一公用功能服务, 实现应用系统的互联互通和业务横向之间的协同, 实现所有基础服务和应用系统的标准化建设、集中化运行、集中化管控、模块化共享、统一化架构、统一化运维、一体化管理。主要功能包括:

2.2.1 单点登录管理

即SSO(Single Sign On), 结合统一身份认证(IDS)和统一权限管理, 实现单点登录, 通过平台登录即可直接访问平台中任何应用系统。

2.2.2 统一日志管理

日志是平台监控、应用跟踪、系统运维、业务大数据分析的重要信息, 通过平台日志管理实现各应用系统日志的标准化记录和应用。

2.2.3 统一流程引擎管理

即BPM(Business Process Management), 是实现不同业务应用系统横向协同的关键, 通过建立普光气田统一的工作流管理平台, 实现气田统一待办任务处理中心, 使任务集中高效处理, 并实现流程端到端的统一监控, 把握业务的全过程。

2.2.4 公用组件服务

为了避免程序功能重复开发, 并保证程序功能的独立性、完整性、规范性, 在平台上针对气田业务特点以微服务方式开发公用组件库, 包括系统组件, 如表格组件、报表组件、图形组件等, 以及业务组件, 如测井曲线回放、固井质量图回放、井身轨迹立体投影图回放、监控视频调用等。基于平台的应用系统, 只需设定参数调用组件, 组件即可自动访问资源中心数据库实现相应功能。

2.2.5 公共程序服务

对于功能复杂的公用功能, 利用平台SOA架构通过ESB企业服务总线, 以服务模式开发公共服务程序, 我们目前的建立的公共服务程序包括三维地理信息服务、文档服务服务、全文检索服务、视频监控服务、流程引擎服务等。

2.2.6 应用程序管理

对应用系统的登记注册、版本、注销、自动更新、删除、服务启停、资源文件等进行统一管理。

2.3 标准规范体系

普光智能气田标准规范体系建设的原则是以国家、行业、企业相关标准规范为基础, 结合普光高含硫气田特点和业务实际进行制订, 包括技术标准规范、管理标准规范、工作标准规范等。

2.3.1 技术标准规范

主要包括数据库设计规范、数据库逻辑结构、主数据建设规范、一体化平台应用程序开发规范、组件及服务开发规范、移动应用开发规范、三维仿真模型建模规范、信息安全建设规范。

2.3.2 管理标准规范

主要是针对智能气田建设建立的管理制度与规范文件, 包括智能气田组织机构成立文件、云计算资源管理规定、应用系统管理规定、数据资源管理规定、信息安全管理规定、信息系统应急预案等。

2.3.3 工作标准规范

对智能气田建设中关键的基础工作, 明确工作的责任、权利、范围、质量要求、程序、检查方法、考核办法等, 主要包括数据采集与考核标准、智能气田工作考核办法等。

2.4 信息安全体系

普光智能气田信息安全建设借鉴国内外信息安全建设的标准规范, 包括TCSEC标准、BS7799标准、国际标准化组织发布的信息技术安全标准(ISO/IEC)以及我国的信息安全标准(GB/T15843.x-y、GB 15851— 1995、GB 15852— 1995), 结合普光整体架构和建设原则, 重点规划设计网络安全建设、数据库安全建设、应用系统安全建设、工控网与办公网边界防护建设、用户桌面终端安全防护建设等, 并建立态势感知系统, 以安全大数据为基础[11, 12, 13], 从全局视角提升对信息安全威胁的发现识别、理解分析、应急处置、防范决策能力。

2.5 智能辅助决策指挥中心

智能辅助决策指挥中心是智能气田建设的终极目标, 通过建立气田勘探、开发、生产运行、安全与应急指挥、经营管理等各专业知识库, 实现知识管理, 利用大数据分析技术, 进行机器学习、深度学习, 建立业务智能分析模型, 形成虚拟专家智能辅助决策分析系统, 并通过自我深度学习不断优化完善, 实现自动处理、预测预警、辅助决策、分析优化, 然后通过用户桌面计算机终端、移动设备、调度大屏随时推送信息和辅助方案, 实现气田开发生产各个环节的预测、预警、优化和智能决策。

智能气田总体架构又分为技术架构设计和业务架构设计(也称应用架构设计)。其中技术架构设计指信息基础设施、应用平台、应用之间的关系, 是纵向之间的依存关系; 业务架构设计是指气田各业务之间的关系, 是横向之间的协同协作关系。

3 技术架构设计

普光智能气田技术架构采用云计算技术架构。自下而上包括工业物联网+设备感知接入层、基础设施云服务层(IaaS)、平台云服务层(PaaS)、软件云服务层(SaaS)等4个层次(图2)。

图2 普光智能气田技术架构图
注:nginx表示高性能的HTTP和反向代理服务; tomcat表示轻量级应用服务器; redis表示基于内存可持久化的数据库; memcached表示高性能的分布式内存对象缓存; zookeeper表示分布式应用程序协调服务; storm表示分布式实时大数据处理框架; spark表示大规模数据处理的计算引擎; hadoop表示大数据的分布式存储和计算平台

工业物联网+设备感知接入层以气田站场光缆网络、采气集输SCADA系统、天然气净化处理DCS系统为基础, 利用信息传感设备, 实时采集状态、运行、监控、控制、生产等各种信息, 实现气田生产的全面感知。

基础设施云服务层IaaS(基础设施即服务)由计算资源、存储资源、网络资源共享服务组成。平台云服务层PaaS(平台即服务)提供基础技术服务、公共服务、业务服务, 基础技术服务借助于DCOS技术实现线性动态扩展、异地资源调度等方面的优异性能, 提供物联网、大数据分析、资源调度、通用技术等服务, 统一交付服务基于SCRUM流程和DEVOPS理念, 实现自动化的应用程序构建、部署和交付流程, 统一运营服务采用自动化运维、资源管理等技术实现统一的资源调度、应用管理、组件控制等; 公共服务基于微服务架构提供用户服务、日志服务、权限服务等; 业务服务通过面向微服务的组件编排技术, 快速定制提供如勘探、开发等专业业务服务功能。软件云服务层SaaS(软件即服务)通过PaaS层的平台服务, 灵活构建面向气田勘探、开发、天然气生产、天然气净化、安全环保、经营管理、生产保障的业务应用软件, 简化应用系统的部署、运维和管理。

4 业务架构设计

普光智能气田业务架构围绕“ 四个支撑单元” 进行设计, 即气田勘探开发管理、气田生产运行与应急指挥管理、气田QHSE管理、气田经营管理。

4.1 气田勘探开发管理

通过建立智能勘探开发管理系统, 结合一体化协同研究成果, 建立勘探开发知识库和辅助分析预测预警模型, 运用大数据分析技术, 实现勘探目标优选、探井优选辅助设计, 实现气井、气藏开发自动问题诊断、实时预测预警, 实现勘探开发业务智能决策, 辅助气田开发技术政策制定。架构设计如图3所示。

图3 普光智能气田勘探开发管理业务架构图

天然气勘探智能辅助决策方面, 建立勘探专家知识库, 利用大数据设计出解决问题的最优方案方法, 形成相应的智能分析和预测模型; 实现勘探目标智能优选; 综合地面地下进行探井井位优化设计; 探井现场实时模拟钻头轨迹并提出动态调整建议, 及时修正地质认识。

气藏智能管理方面, 建立气田开发方案专家知识库, 实现开发方案过程跟踪与智能辅助优化调整; 多井智能对比分析辅助气藏动态分析; 通过气藏监测与实时模拟, 实现开发趋势预测, 优化生产和作业计划; 通过气藏分析和预测, 实现气藏模型逐步校准; 通过措施智能分析, 实现措施方案评估和效果评价等。

气井智能管理方面, 建立单井动态模拟和智能诊断、自动报警模型; 实现气井智能分析预测和优化; 自动生成单井诊断报告和措施建议等。

4.2 气田生产运行与应急指挥管理

气田生产运行方面, 实现气田采气、地面集输、净化处理、污水处理、作业、设备管理等业务信息协同流程化, 结合三维地理信息, 实现从基层操作到生产指挥、生产管理、应急管理和公司决策层的生产调度、运行分析、腐蚀预警、设备检维修预测、寿命预测和工作流程协同, 基于地下地上一体化流程模拟的系统分析和优化, 包括生产运行报警信息自动诊断、利用专家知识库辅助快速决策并给出处理方案、自动执行生产指令; 集输管网和设备的实时监测、预警、报警、快速诊断; 管网的智能平衡和自动调节; 全网的实时模拟分析、预测、处理措施建议、现场指令反馈等。

气田应急指挥方面, 运用三维地理信息与站场集输管网三维仿真模型, 实现气田三维可视化管理, 并集成道路、水源、应急抢险物资、医院、消防、居民分布等基础地理信息, 结合H2S泄漏监测报警、火气报警、地灾监测报警、环境监测报警等信息, 实现应急报警实时接入、应急视频监控自动定位追踪、应急预案快速启动、应急资源快速定位、应急指挥与抢险人员融合通信调度、利用应急专家知识库辅助快速决策并给出处理步骤、抢险处置实时联动、处置过程全程数字化记录、事件经验的总结和自我学习等。实现生产运行与应急抢险指挥的一体化管理。架构设计如图4所示。

图4 普光智能气田生产运行与应急指挥管理业务架构图

4.3 气田QHSE管理

根据普光气田高含硫化氢、超深、高压、复杂山地、多雨潮湿的特点, 以风险管理为核心, 以气田自动化和智能化设备、三维地理信息、站场与集输管网三维仿真模型为基础, 综合利用气体泄漏在线监测、火气在线监测、环境在线监测、地质灾害在线监测、腐蚀在线监测、视频实时监控、周界防范、紧急疏散广播等安全环保信息, 对气田安全生产中的危险识别、风险评估、消减和措施的制订、运行、控制、监测、监督、经验提升等进行全面过程控制和高效动态管理。利用大数据和评价模型(如H2S泄漏扩散模型), 提高风险识别和预警预测的科学性和实用性; 利用FRID和PAD物联网技术, 实现直接作业环节全过程管控, 并实现气田特种设备、空气呼吸器等物联网设备智能化管理和高效调度; 通过大数据技术进行风险和事故原因分析, 及时、准确、定量地发现气田安全生产中人、机、料、法、环的薄弱环节, 更准确地预测未来安全风险趋势, 提高QHSE决策能力, 优化质量和能源管理。架构设计如图5所示。

图5 普光智能气田QHSE管理业务架构图

4.4 气田经营管理

围绕ERP系统进行计划、财务、销售、投资、物资、人力资源的协同管理; 建立物资管理实现物资的计划、采购、质量、出入库、库存的管理; 基于决策树模型进行生产经营综合分析, 实现生产经营辅助管理(图6)。

图6 普光智能气田经营管理业务架构图

5 实施与效果

普光智能气田建设实施按照“ 一个平台、两个中心、两个体系” 的总体架构设计, 结合气田关键业务目标和“ 分步实施、步步见效” 实施原则, 重点围绕智能气田资源共享中心、一体化协同应用平台、智能辅助决策指挥中心开展了实施与应用。

5.1 建立了智能气田资源共享中心, 实现气田全面感知

首先针对普光气田采气集输SCADA系统、净化厂处理DCS系统、电力调度SCADA系统等相对独立的自控系统, 在数据资源共享中心建立了统一的实时数据库, 对SCADA、DCS等自控数据进行集中集成, 通过OPC协议对外提供实时数据。

其次建立了以“ 岗位” 为采集单位的数据采集系统, 覆盖全气田200多个基层生产岗位, 实现了岗位资料标准化、资料采集数字化、数据处理自动化、数据审核流程化、报表生成自动化、异常提醒智能化。完成了除实时数据以外其他动、静态资料的数字化采集。

最后基于主数据管理, 实现了不同类型数据在资源共享中心的集中管控, 包括实时数据、视频监控数据、GIS数据、三维仿真模型数据、文档类数据、地质综合研究成果数据、勘探开发生产数据等, 并建立统一的数据访问服务, 为应用系统提供数据资源共享。

5.2 建立了智能气田一体化应用平台, 实现业务集中与协同

一体化应用平台通过建立各种共享服务, 如账户管理、权限管理、日志管理、GIS服务、流程服务、功能组件服务、数据服务、接口管理等, 将不同应用系统集成到一体化应用平台, 实现了系统间信息共享、功能共享, 实现了业务的横向协同, 避免了烟囱式开发造成的信息孤岛(图7)。

图7 普光智能气田一体化应用平台效果图

在一体化应用平台上开发的基于三维地理信息的站场三维仿真系统, 实现了从井筒、站场、管线、阀室、穿跨域、隧道、总站等全过程1:1三维模型可视化管理(图8); 开发的勘探开发管理系统, 实现了气田开发(调整)方案辅助决策、开发规划与部署辅助设计、勘探目标及探井辅助设计、气藏开发预测及预警、单井预警与诊断管理; 开发的生产运行指挥系统, 实现了生产监控、生产预警、生产动态、调度协调、生产考核“ 五位一体” 的调度管理; 开发的QHSE及直接作业环节管控系统, 实现了高效风险分析与现场施工安全管控。

图8 普光智能气田三维仿真系统效果图

5.3 推进辅助决策指挥中心建设, 智能化应用初见成效

首先根据普光气田高含硫特点, 研究总结气藏、气井、设备腐蚀等方面的理论公式、经验公式、案例库及有关模型, 建立了相应知识库, 初步实现了气井智能预警诊断、设备健康诊断及措施建议优选。其次建立了跨平台的移动应用[11], 实现了气田生产信息实时感知、生产现场视频移动监控、生产异常及时推送、公文与事务审批移动办理, 使办公效率与生产管理水平大幅度提高。

通过持续推进普光智能气田建设, 着重打造了勘探开发辅助决策能力、生产优化与协同能力、安全管控与处置能力、经营管理精细化能力等4项能力, 支撑了普光气田平稳运行、高效管理、安全生产。

6 结论

1)普光智能气田建设借鉴国内外智能油气田试验建设经验和理念, 结合高含硫气田生产特点开展整体规划部署和实施, 建设思路与实施方法行之有效, 整体架构设计符合信息技术发展方向, 取得较好效果, 建设过程中形成了相关规范标准, 具有一定借鉴意义。

2)智能油气田建设服务于油气田开发生产, 油气田管理水平和效益的提升是评价智能油气田建设效果的唯一标准, 因此, 智能油气田规划设计的关键就是寻找油气田核心业务需求与先进信息技术的交集。

3)智能油气田涉及的业务面广, 应用的信息化技术多, 为了实现油气田的整体智能化水平, 要建立业务、数据及信息技术的规范标准, 在智能系统建设过程中注重业务的横向贯通, 组建核心开发团队, 综合利用内外技术力量进行建设。

The authors have declared that no competing interests exist.

参考文献
[1] 孔凡群, 王寿平, 曾大乾. 普光高含硫气田开发关键技术[J]. 天然气工业, 2011, 31(3): 1-4.
Kong Fanqun, Wang Shouping & Zeng Daqian. Key techniques for the development of the Puguang Gas Field with a high content of H2S content[J]. Natural Gas Industry, 2011, 31(3): 1-4. [本文引用:2]
[2] 彭鑫岭, 张世民, 张雪松, 李继强. 普光气田气井投产层段优化方法与效果[J]. 天然气工业, 2011, 31(5): 61-63.
Peng Xinling, Zhang Shimin, Zhang Xuesong & Li Jiqiang. An optimization method for the production pay zone of a gas well and its performance in the Puguang Gas Field[J]. Natural Gas Industry, 2011, 31(5): 61-63. [本文引用:1]
[3] 赵程程, 杨萌. 国际智能制造演化路径及热点领域研究[J]. 现代情报, 2015, 35(11): 101-113.
Zhao Chengcheng & Yang Meng. Research on the evolution path and hot research topics of intelligent manufacturing[J]. Journal of Modern Information, 2015, 35(11): 101-113. [本文引用:1]
[4] 李凌霞, 李冰冰, 王建. 物联网环境下智能应用的信息支持和决策技术研究[J]. 物联网技术, 2017, 7(10): 70-73.
Li Lingxia, Li Bingbing & Wang Jian. Research on information support and decision-making technology of intelligent application in the internet of things environment[J]. Internet of Things Technologies, 2017, 7(10): 70-73. [本文引用:1]
[5] 钟斐艳, 胡德芬, 任玉清, 徐建新, 胡璐瑶. 生产信息化在油气田中的应用及效果评价[J]. 天然气工业, 2017, 37(11): 131-139.
Zhong Feiyan, Hu Defen, Ren Yuqing, Xu Jianxin & Hu Luyao. Application and effect evaluation of production informatization in oil and gas fields[J]. Natural Gas Industry, 2017, 37(11): 131-139. [本文引用:1]
[6] 于振山, 孙茜, 张跃. 大数据、物联网技术在智慧油田建设中的应用[J]. 中国管理信息化, 2016, 19(18): 54-55.
Yu Zhenshan, Sun Qian & Zhang Yue. Application of big data and Internet of Things technology in construction of smart oil field[J]. China Management Informationization, 2016, 19(18): 54-55. [本文引用:1]
[7] 郑树泉, 覃海焕, 王倩. 工业大数据技术与架构[J]. 大数据, 2017, 3(4): 67-80.
Zheng Shuquan, Qin Haihuan & Wang Qian. Industrial big data technologies and architecture[J]. Big Data Research, 2017, 3(4): 67-80. [本文引用:2]
[8] 王宏起, 程淑娥, 李玥. 大数据环境下区域科技资源共享平台云服务模式研究[J]. 情报理论与实践, 2017, 40(3): 42-47.
Wang Hongqi, Cheng Shu'e & Li Yue. Research on the cloud service model of regional science and technology resources sharing platform in the environment of big data[J]. Information Studies: Theory & Application, 2017, 40(3): 42-47. [本文引用:1]
[9] 丁岩, 杨庆平, 钱煜明. 基于云计算的数据挖掘平台架构及其关键技术研究[J]. 中兴通讯技术, 2013, 19(1): 53-60.
Ding Yan, Yang Qingping & Qian Yuming. Architecture and key technology of a data mining platform based on cloud computing[J]. ZTE Communications, 2013, 19(1): 53-60. [本文引用:1]
[10] 程淑玉. 基于大数据的云计算网络协同创新平台的研究[J]. 安徽理工大学学报(自然科学版), 2017, 37(3): 72-78.
Cheng Shuyu. Study on network information collaborative innovation platform based on cloud computing and big data[J]. Journal of Anhui University of Science and Technology (Natural Science), 2017, 37(3): 72-78. [本文引用:1]
[11] 叶卫. 大数据环境下的网络信息安全[J]. 电子技术与软件工程, 2017(20): 212.
Ye Wei. Network informationsecurity in big data environment[J]. Electronic Technology & Software Engineering, 2017(20): 212. [本文引用:2]
[12] 刘建伟, 邱修峰, 刘建华. 移动互联网环境下的云计算安全技术体系架构[J]. 中兴通讯技术, 2012, 18(3): 46-48.
Liu Jianwei, Qiu Xiufeng & Liu Jianhua. Secure cloud computing architecture for mobile internet[J]. ZTE Communications, 2012, 18(3): 46-48. [本文引用:1]
[13] 钟迅科. 基于HTML5的跨平台移动Web应用与混合型应用研究[J]. 现代计算机, 2014(7): 31-35.
Zhong Xunke. Research on cross-platform mobile web app and hybrid app based on HTML5[J]. Modern Computer, 2014(7): 31-35. [本文引用:1]