CN106251075B - 一种油田区块套损风险预警分析方法 - Google Patents

一种油田区块套损风险预警分析方法 Download PDF

Info

Publication number
CN106251075B
CN106251075B CN201610630480.9A CN201610630480A CN106251075B CN 106251075 B CN106251075 B CN 106251075B CN 201610630480 A CN201610630480 A CN 201610630480A CN 106251075 B CN106251075 B CN 106251075B
Authority
CN
China
Prior art keywords
early warning
casing
casing damage
block
risk
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.)
Active
Application number
CN201610630480.9A
Other languages
English (en)
Other versions
CN106251075A (zh
Inventor
张淑娟
姜雪岩
赵春宇
王治国
刘海龙
王贺军
刘庆红
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.)
Petrochina Co Ltd
Original Assignee
Petrochina 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 Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN201610630480.9A priority Critical patent/CN106251075B/zh
Publication of CN106251075A publication Critical patent/CN106251075A/zh
Application granted granted Critical
Publication of CN106251075B publication Critical patent/CN106251075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种油田区块套损风险预警分析方法。解决了现有套损预报方法无法做到大面积及时预警、不能给出套损主要影响因素和治理对策的问题。包括以下步骤:1)建立地质因素的套损预警指标体系;2)划分区块的地质因素套损风险等级;3)建立开发因素的套损预警指标体系;4)建立套损预警模型;5)套损风险预警。该油田区块套损风险预警分析方法,能够快速实现提前发现套损风险区块,提前警示套损风险指标,从而能够做到提前调控,降低套损发生几率,模型计算高套损风险符合率高达79%。

Description

一种油田区块套损风险预警分析方法
技术领域:
本发明涉及油气田套损防治技术领域一种预警分析方法,尤其是一种油田区块套损风险预警分析方法。
背景技术:
套损问题一直是困扰老油田开发的难题,由于套损导致大量的生产井废弃,严重影响油田产量,同时生产成本、维修费用、补钻更新井、监测、普查费用的大幅度增加,造成严重的经济损失。比如目前大庆长垣油田累积套损率已达到25%以上,特别是2008年之后,局部地区出现集中套损,导致集中套损区的开井率低于70%,影响区块产量20%左右。
套管损坏与地质、开发因素息息相关,是多种因素长期、共同作用的结果。在套损防护方面,现有套损预报方法和软件多从地质力学角度出发,进行流固耦合计算应力场,将开发因素转换为应力变化,分析区域地应力场分布和各井点套管载荷变化,从而实现套损风险预测。这类方法对操作人员专业技术水平要求高,工作量大、时间长,计算过程复杂,由于工区规模和模型节点的限制,研究区域较小,虽然能实现单井套损风险预测,但压力场拟合符合率低,不能给出套损主要影响因素和治理对策,无法做到大面积及时预警,因此该方法没有普及应用,目前油田套损防控手段主要依靠专业技术人员的工作经验和监测手段,没有方便、快速、超前预测的实用套损预警技术。
发明内容:
本发明在于克服背景技术中存在的现有套损预报方法无法做到大面积及时预警、不能给出套损主要影响因素和治理对策的问题,而提供一种油田区块套损风险预警分析方法。该油田区块套损风险预警分析方法,提供一种油田开发区块套损风险预警分析技术,能够快速实现提前发现套损风险区块,提前警示套损风险指标,从而能够做到提前调控,降低套损发生几率,模型计算高套损风险符合率高达79%。
本发明解决其问题可通过如下技术方案来达到:该油田区块套损风险预警分析方法,包括以下步骤:
1)建立地质因素的套损预警指标体系:
确定地质因素预警指标,并建立地质因素预警指标与区块累积套损率的定量关系;
2)划分区块的地质因素套损风险等级:采用确定性系数模型进行地质因素单指标量化,利用单指标量化值求得每个区块的地质因素套损风险度;确定地质因素套损风险等级。
3)建立开发因素的套损预警指标体系:从导致套损的主要开发因素(包括地层压力、注入压力、注水量、产液量、注采比)出发,设计各影响因素的平均值、均方差、年度差、区块间差等反映各种变化的套损预警单指标,采用相关系数分析方法,优选相关性强的开发指标,作为套损预警指标;
4)建立套损预警模型:以区块开发预警指标的历年生产数据为基础,采用支持向量机方法建立不同地质因素套损风险等级的套损预警模型;
5)套损风险预警:采用区块最新的年度开发数据,计算套损预警指标,通过模型计算,给出区块的套损风险等级。
本发明与上述背景技术相比较可具有如下有益效果:该油田区块套损风险预警分析方法,能够优选导致套损的地质、开发预警指标,构建套损预警指标体系,建立预警指标与区块套损率的关系模型,实现区块套损风险等级预警。能够提前发现高套损风险区块,高风险指标能够提前调控,降低套损发生几率。本发明在大庆长垣油田98个开发区块应用,将区块分为5个地质因素套损风险等级,优选了10项开发预警指标,分别建立了5个地质套损风险等级的套损预警模型,模型计算高套损风险符合率达到79%,为区块套损防护提供了治理依据。本发明实现了区块套损风险级别和风险指标双重预警,为高套损风险区块提前发现、超前防治提供了新的技术手段,为保证油田正常生产、减少大量修井成本提供了一种新的解决途径。
具体实施方式:
下面结合实施例对本发明作进一步说明:
实施例1、
以下以大庆长垣油田98个区块套损风险预警为例说明本发明方法的实施过程。
目前大庆长垣油田累积套损率已达到25%以上,年度新增套损井1200口左右,套损井呈现逐年增多的趋势。特别是2008年之后,局部地区出现集中套损,导致集中套损区的开井率低于70%,影响区块年产油量20%左右。基于流固耦合的套损预警方法,由于工区规模和模型节点的限制,无法实现宏观多区块的套损实时预警。
为此应用本发明油田区块套损风险预警分析方法,以大庆长垣油田98个开发区块的地质数据、开发数据、测试数据为基础,采用大数据挖掘手段,优选套损预警指标体系,研究预警方法,建立预警模型,做到风险区块提前发现,风险指标提前调控。包括以下步骤:
(1)构建地质因素的套损预警指标体系
通过岩心观察、岩石物理实验、套损区块解剖等手段,按照指标易得、区块可比原则,优选地层倾角、断层长度、砂泥界面、化石层指标等4项地质因素预警指标,并建立了地质因素预警指标与累积套损率的定量关系。这4项指标与开发区块累积套损率相关关系较好,随着指标增大,累积套损率增加(见表1)。
表1 地质因素预警指标表
Figure BDA0001069181270000031
(2)划分区块的地质因素套损风险等级
采用确定性系数模型方法,将地质因素预警单指标进行了同区间[-1,1]的定量化。采用下式计算。
Figure BDA0001069181270000041
式中:CF为确定性系数模型,CF值直接代表各个套损影响因素对套损的贡献值;PPa为区块累积套损率;PPs为油田累积套损率。
通过各单指标叠加后对结果影响分布的数学计算,确定单指标权重(见表2为地质预警指标权重计算结果)。
表2 地质预警指标权重计算结果
Figure BDA0001069181270000042
将单指标量化值与单指标权重相乘后求和,得到每个区块的地质因素套损风险度,用G表示,是评价区块套损风险的地质因素的量化指标。采用聚类分析方法,将地质因素套损风险等级划分为高、较高、中、较低、低等五级。
Figure BDA0001069181270000043
式中:G为地质因素套损风险度;aj为单指标的权重;CFj为单指标的定量化取值;i为单指标个数,i=1,2,…,4。
(3)建立开发因素的套损预警指标体系
从导致套损的主要开发因素(包括地层压力、注入压力、注水量、产液量、注采比等方面)出发,考虑各影响因素的平均值、均方差、年度差、区块间差等反映各种变化的套损预警单指标,共设计了39项开发单指标。为了从众多单指标中优选最具代表性、和套损相关最强的指标,来组成套损预警指标体系,我们采用相关系数算法来确定单指标与年度套损率的相关关系。相关系数是用以反映两组数据之间相关关系密切程度的统计指标,对于每一个单指标X和区块年度套损率Y,这两列时序数据的相关系数计算公式为:
Figure BDA0001069181270000044
式中:
ρx,y为相关系数
cov(X,Y)为协方差:cov(X,Y)=E{[X-E(X)][Y-E(Y)]}
D(X),D(Y)为方差:D(X)=E{[X-E(X)]2}
Figure BDA0001069181270000051
为标准差,E(X)、E(Y)为两列数据的数学期望,反映数据平均取值的大小
相关系数的意义:
0≤ρx,y<0.4,X与Y弱相关
0.4≤ρx,y<0.7,X与Y中等相关
0.7≤ρx,y≤1,X与Y强相关
采用相关系数分析方法,从39项单指标中优选出10项相关性强的开发指标,作为开发因素套损预警指标。
(4)建立套损预警模型:
在优选了开发预警指标基础上,计算得到大庆长垣98个区块的历年生产实际指标数据,在优选建立预警模型的方法上,考虑到导致套损的原因众多且复杂,影响因素和套损的发生在时间上存在滞后效应,影响因素之间也存在着复杂的内部联系,在已有的数学算法中,根据套损数据的分布特点和现有数据流特点,优选了支持向量机SVM方法建立预警模型。支持向量机SVM方法基于结构风险最小化,可实现对小样本数据的准确预测,对线性问题通过支持向量达到最优解,对非线性问题通过核函数转换为线性问题求取最优解。
根据大庆长垣油田实际套损情况及套损防护管理规定,将区块年套损率0-1%定义为低套损风险、1-3%为中套损风险、>3%为高套损风险。应用各区块历年的开发数据,将不同地质分级的区块数据进行分类整理,采用支持向量机方法,分别建立了五类地质套损风险分级的套损风险预警模型。
(5)进行套损风险预警
采用区块最新的开发数据,计算开发因素套损预警指标,选取区块所在的地质因素套损风险等级的预警模型,进行计算,给出区块未来可能的套损风险等级。
本发明实施例套损预警模型符合率的验证:
采用长垣油田98个区块1990年之后的开发数据与实际年套损率数据进行验证,5个地质分级的支持向量机套损预警模型,整体预测符合率达到71.3%(见表3支持向量机套损预警模型计算结果),其中重点预测目标为年套损率>3%的高风险,其计算符合率达到79.7%,符合率较高。
表3 支持向量机套损预警模型计算结果
Figure BDA0001069181270000061
上述实例具体说明了本发明油田开发区块套损风险预警分析技术的全过程,其分析结果可用于提前治理高套损风险区块、减少套损井的发生。该油田开发区块套损风险预警分析方法,提出并建立了油田开发区块套损风险预警的大数据挖掘技术,能够利用油田大量的动态、静态、监测资料,优选合适的数学方法,探索预警指标与套损率的数据规律,建立预警模型,达到提前发现高套损风险区块的目的。方法快捷、实用,可操作性强,解决了套损防控难题。将该技术应用于大庆长垣油田98个开发区块,模型计算高套损风险符合率达到79.7%。

Claims (6)

1.一种油田区块套损风险预警分析方法,包括以下步骤:
1)建立地质因素的套损预警指标体系:
确定地质因素预警指标,并建立地质因素预警指标与区块累积套损率的定量关系;
所述地质因素预警指标为地层倾角、断层长度、砂泥界面、化石层指标4项;
2)划分区块的地质因素套损风险等级:采用确定性系数模型进行地质因素单指标量化,利用单指标量化值求得每个区块的地质因素套损风险度;确定地质因素套损风险等级;
3)建立开发因素的套损预警指标体系:设计套损预警单指标,选择相关性强的开发指标,作为套损预警指标;
4)建立套损预警模型:以区块开发预警指标的历年生产数据为基础,采用支持向量机方法建立不同地质因素套损风险等级的套损预警模型;
5)套损风险预警:采用区块最新的年度开发数据,计算套损预警指标,通过模型计算,给出区块的套损风险等级;
所述区块的套损风险等级,低、中、高风险对应区块年套损率0~1%、1%~3%、>3%三个等级,治理重点为高套损风险区块,及时对其主控开发指标进行调整,降低套损风险。
2.根据权利要求1所述的油田区块套损风险预警分析方法,其特征在于:所述步骤2)中地质因素套损风险等级划分为高、较高、中、较低、低等五级。
3.根据权利要求1所述的油田区块套损风险预警分析方法,其特征在于:所述步骤2)中采用确定性系数模型进行地质因素单指标量化,采用下式计算:
Figure FDA0002224965730000011
式中:CF为确定性系数模型,CF值直接代表各个套损影响因素对套损的贡献值;PPa为区块累积套损率;PPs为油田累积套损率。
4.根据权利要求1或3所述的油田区块套损风险预警分析方法,其特征在于:所述步骤2)中每个区块的地质因素套损风险度是将单指标量化值与单指标权重相乘后求和得到的值。
5.根据权利要求1所述的油田区块套损风险预警分析方法,其特征在于:所述步骤3)中采用相关系数分析方法选择相关性强的开发指标,对于每一个单指标X和区块年度套损率Y,这两列时序数据的相关系数计算公式为:
Figure FDA0002224965730000021
式中:
ρx,y为相关系数
cov(X,Y)为协方差:cov(X,Y)=E{[X-E(X)][Y-E(Y)]}
D(X),D(Y)为方差:D(X)=E{[X-E(X)]2}
Figure FDA0002224965730000022
为标准差,E(X)、E(Y)为两列数据的数学期望,反映数据平均取值的大小。
6.根据权利要求1所述的油田区块套损风险预警分析方法,其特征在于:所述步骤4)建立套损预警模型,在建模前将区块年套损率进行风险等级分类,按照不同地质因素套损风险级别,分类建立预警模型。
CN201610630480.9A 2016-08-04 2016-08-04 一种油田区块套损风险预警分析方法 Active CN106251075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610630480.9A CN106251075B (zh) 2016-08-04 2016-08-04 一种油田区块套损风险预警分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610630480.9A CN106251075B (zh) 2016-08-04 2016-08-04 一种油田区块套损风险预警分析方法

Publications (2)

Publication Number Publication Date
CN106251075A CN106251075A (zh) 2016-12-21
CN106251075B true CN106251075B (zh) 2020-05-19

Family

ID=57606431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610630480.9A Active CN106251075B (zh) 2016-08-04 2016-08-04 一种油田区块套损风险预警分析方法

Country Status (1)

Country Link
CN (1) CN106251075B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629436B (zh) * 2017-03-15 2022-04-12 阿里巴巴集团控股有限公司 一种估算仓库拣货能力的方法和电子设备
CN109944581B (zh) * 2017-12-19 2022-03-29 中国石油天然气股份有限公司 油井套损的获取方法及装置
CN108416686B (zh) * 2018-01-30 2021-10-19 中国矿业大学 一种基于煤炭资源开发的生态地质环境类型划分方法
CN109033504B (zh) * 2018-06-12 2023-06-09 东北石油大学 一种油水井套管损坏预测方法
CN111476406B (zh) * 2020-03-25 2023-04-07 大庆油田有限责任公司 一种油水井套损预警方法、装置及存储介质
CN113052374B (zh) * 2021-03-18 2022-06-21 中国石油大学(华东) 一种数据驱动的油井套损深度智能预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101012746A (zh) * 2006-12-26 2007-08-08 大庆油田有限责任公司 预测油井套管损伤的方法以及用于实施该方法的检测仪
CN102562052A (zh) * 2012-02-26 2012-07-11 中国石油天然气集团公司 密井网浅层套损危害体识别方法
CN104318032A (zh) * 2014-11-01 2015-01-28 西南石油大学 流固耦合作用下的油田套损计算方法
CN105760564A (zh) * 2014-12-19 2016-07-13 中国石油天然气股份有限公司 分析油层套管失效的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101012746A (zh) * 2006-12-26 2007-08-08 大庆油田有限责任公司 预测油井套管损伤的方法以及用于实施该方法的检测仪
CN102562052A (zh) * 2012-02-26 2012-07-11 中国石油天然气集团公司 密井网浅层套损危害体识别方法
CN104318032A (zh) * 2014-11-01 2015-01-28 西南石油大学 流固耦合作用下的油田套损计算方法
CN105760564A (zh) * 2014-12-19 2016-07-13 中国石油天然气股份有限公司 分析油层套管失效的方法和装置

Also Published As

Publication number Publication date
CN106251075A (zh) 2016-12-21

Similar Documents

Publication Publication Date Title
CN106251075B (zh) 一种油田区块套损风险预警分析方法
US10997518B2 (en) Method for predicting oil and gas reservoir production
US11074522B2 (en) Electric grid analytics learning machine
US20210398002A1 (en) Parallel proxy model based machine learning method for oil reservoir production
CN104747185A (zh) 非均质油藏储层综合分类评价方法
CN104376420A (zh) 有水气藏气井见水风险评价方法及评价装置
CN104732303A (zh) 一种基于动态径向基函数神经网络的油田产量预测方法
CN109426672B (zh) 基于不确定地质模型的油藏注采参数优化方法
US20230358123A1 (en) Reinforcement learning-based decision optimization method of oilfield production system
US9708899B2 (en) Optimization of a multi-period model for valuation applied to flow control valves
CN105808311A (zh) 一种基于降维策略的油藏模拟快速拟合方法
CA2914450A1 (en) Method for assesing production strategy plans
CN110489844B (zh) 一种适用于软岩隧道不均匀大变形等级预测方法
CN110956388B (zh) 一种海上油气藏增产方案生成方法
Yi et al. Spatial correlation-based machine learning framework for evaluating shale gas production potential: A case study in southern Sichuan Basin, China
Lushpeev et al. Optimization of oil field development process based on existing forecast model
CN111476406A (zh) 一种油水井套损预警方法、装置及存储介质
CN111582634A (zh) 一种地下大空间施工多因素安全分级方法及系统
US11501043B2 (en) Graph network fluid flow modeling
Ariadji et al. Optimization of vertical well placement for oil field development based on basic reservoir rock properties using a genetic algorithm
Li Application of Fuzzy Mathematics Evaluation Method in Prediction of Comprehensive Efficiency of Low Efficiency Oil Wells
CN113627069A (zh) 针对缝洞型油藏油气井的试井动态产量评价方法及系统
CN110428095A (zh) 一种海上油田中长期电力负荷预测方法
Qinglong et al. Early warning system of casing damage for blocks in sandstone oilfield
He et al. Research on prediction algorithm of shale gas reservoir production

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant