CN108764760A - 一种基于数据挖掘的井间连通性分析与预警方法 - Google Patents

Abstract

本发明公开了一种基于数据挖掘的井间连通性分析与预警方法，构建基于单井产量和含水率的多维数据体系和指标分析体系；根据多维数据体系和指标分析体系，提取单井参数，计算单井的预警指数：根据单井预警指数，确定异常井；基于CRM模型，根据采集的异常井及其相邻井的参数信息进行井间连通性建模：将目标函数进行多元非线性回归分析，判断连通性系数当0＜f＜1时，目标函数是否能取到最小值并返回τ_j和f_ij的值；基于CRM模型，采用克里金插值算法将所述连通性系数f投射在地质平面图上，根据其可视化动静态数据的展示，进行井间连通性的综合诊断。

Description

一种基于数据挖掘的井间连通性分析与预警方法

技术领域

本发明属于单井压裂的技术领域，具体涉及一种基于数据挖掘的井间连通性分析与预警方法。

背景技术

目前常用的井间连通性分析方法大致分为两类，一类是基于动态监测及示踪剂测试数据，结合地质油藏资料等静态资料进行井间连通性分析，该方法准确性高，但是实施比较复杂，研究周期较长不适合大规模应用。另一类是基于生产动态数据，采用信号处理或回归分析方法进行分析，该方法分析成本低，分析时效性高，但是分析干扰条件多，不同油藏类型、地质条件分析思路差别较大，分析结论准确性更取决于建模分析工程师的认知水平。目前许多研究论文都是基于该点出发，针对特定应用条件下进行模型改进及优化，以提高准确性。

大数据是近几年比较火热的概念，大数据是信息化时代，数据量及数据内容呈几何倍数增长，无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理，首先在互联网行业基于行业特性，提出的对于数据的存储、管理、价值提取、展示应用等一系列工具和分析理念的集合。大数据概念提出来以后，在不同的行业、机构都有不同程度的发展和延伸。

目前油气开发领域许多大数据解决方案更关注IT能力的提升，即数据采集、存储、获取速度及便利性的提升，而在利用大数据理念直接提高油气开发业务能力较少。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于数据挖掘的井间连通性分析与预警方法，以解决现有缺少利用大数据理念直接提高油气开发业务能力较少的问题。

为达到上述目的，本发明采取的技术方案是：

提供一种基于数据挖掘的井间连通性分析与预警方法，其包括：

构建基于单井产量和含水率的多维数据体系和指标分析体系；

根据多维数据体系和指标分析体系，提取单井参数，计算单井的预警指数：

其中，WC_well为为单井含水率，WC_Ave为区块平均含水率，q_vwell为目标井产油量，q_{o ave}为区块平均单井产油量，GOR_well为目标井气油比，GOR_ave为区块平均气油比；

根据单井预警指数，确定异常井；

基于CRM模型，根据采集的异常井及其相邻井的参数信息进行井间连通性建模：

其中，q_jk为时间k时油井j的产量，q_j(k-1)为时间k-1时油井j的产量，Δt为两取值点之间时间步长，τ_j为油井j的时滞常数，反应的是注水见效时间，体现了油藏地层的物性，f_ij为油井j和水井i的井间分配系数，反应的是注入水对产量的影响，体现了井间连通性，i_ik为时间k时水井i的注入量，minz为目标函数的最小值z，为第j口生产井在k时的实际产量；

将目标函数进行多元非线性回归分析，判断连通性系数当0＜f＜1时，目标函数是否能取到最小值并返回τ_j和f_ij的值；

基于CRM模型，采用克里金插值算法将连通性系数f投射在地质平面图上，根据其可视化动静态数据的展示，进行井间连通性的综合诊断。

优选地，在多维数据体系和指标分析体系中单井产量和含水率分别投射于时间维度和空间维度上。

优选地，构建空间维度模型的方法为：

计算单井占区块总产量的比值，得到单井贡献率：

其中，q_{o well}为目标井产油量，q_{o All}为目标井所在区块总产量；并将采油量、含水率、气油比与区块对应平均值做对比并进行加权平均，得到预警指数，并绘制预警指数与单井贡献率的交绘图，基于单井贡献率对需要注意的单井进行排序。

本发明提供的基于数据挖掘的井间连通性分析与预警方法，具有以下有益效果：

本发明基于大数据分析思想，利用目前成熟的CRM模型，构建单井的多维数据体系和指标分析体系，进而计算得到预警指数，确定异常井；并对井间连通性进行建模，实现对井间连通性的综合诊断。本发明可对井间生产管理中存在的问题和偏差进行提前预警，并超前或及时的做出各项应对措施，以便缩短发现问题、解决问题的时间，最终确保油井的平稳高效的生产。

附图说明

图1为基于数据挖掘的井间连通性分析与预警方法波动预警体系空间坐标图。

图2为基于数据挖掘的井间连通性分析与预警方法ALWAHA累计投产时间散点图。

图3为基于数据挖掘的井间连通性分析与预警方法ALWAHA最大产值与累产散点分布图。

图4为基于数据挖掘的井间连通性分析与预警方法AD2-HK2最高日产量与累计产量散点图。

图5为基于数据挖掘的井间连通性分析与预警方法一采一注模型图。

图6为基于数据挖掘的井间连通性分析与预警方法一采多注模型图。

图7为基于数据挖掘的井间连通性分析与预警方法地质平面图。

图8为基于数据挖掘的井间连通性分析与预警方法数据流动及业务分析闭环。

图9为基于数据挖掘的井间连通性分析与预警方法时间纬度及空间维度分析的追踪图。

图10、11、12、13、14为基于数据挖掘的井间连通性分析与预警方法多维数据跟踪图。

图15为基于数据挖掘的井间连通性分析与预警方法的流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

根据本申请的一个实施例，如图1所示，本方案的基于数据挖掘的井间连通性分析与预警方法，包括以下步骤：

参考图1，构建基于单井产量和含水率的多维数据体系和指标分析体系，该体系包括产量及含水被划分成两大纬度即时间纬度和空间纬度。

参考图2和图3，时间维度模型分析。

通过绘制最高产量、累计产量与首次投产时间DOFP(Date of First Production)的关系图，以投产时间为参考标准，从宏观上判断各井的生产情况，并将评价结果投射到井位图上，便于直观的判断各个单井的生产情况。

取单井对应数据(日最高产量，累计产量，首次投产时间)绘制对应交绘图，并将最终分类评价结果投射到井位坐标图上。

取单井日最高产量图与其首次投产时间，绘制交绘图。取单井累计产量与其首次投产时间，绘制交绘图。取单井日最高产量与其累计产量，绘制交绘图。将分类结果对应到相关井的井位上。

空间维度模型分析

计算单井占区块总产量的比值，得到单井贡献率，

其中，q_{o well}为目标井产油量，q_{o All}为目标井所在区块总产量，单井贡献率的数值反应单井产量占区块的比重。

同时将采集的单井采油量、含水率、气油数据比与区块对应平均值做对比并进行加权平均，得到预警指数：

其中，WC_wall为为单井含水率，WC_AVe为区块平均含水率，q_owell为目标井产油量，q_{o ave}为区块平均单井产油量，GOR_well为目标井气油比，GOR_ave为区块平均气油比。

参考图4，绘制预警指数与单井贡献率的交绘图，便于相关人员快速定位异常井，并基于单井贡献率对需要注意的单井进行排序。

基于上述模型计算得到预警指数，并确定异常井。

井间连通性建模：

参考图5，将整个研究对象(油田、区块、井组)简化成一口注水井和一口采油井建立模型。通过累加全部注水井的注入量和全部采油井的采油量得到总注水量和总采油量，为模型提供基础数据。

其计算公式为：

其中，q_k为时间k时的产量，q_(k-1)为时间k-1时的产量，Δt为两取值点之间时间步长，τ为时滞常数，反应的是注水见效时间，体现了油藏地层的物性，f为井间分配系数，反应注入水对产量的影响，体现了井间连通性，I_k为时间k时的注入量，J为采油指数，为时间k时的井底流压，为时间k-1时的井底流压，minz为目标函数的最小值z，为第j口生产井在k时的实际产量。

以一口注水井和一口采油井为例，取月度注水量与采油量带入公式中，则Δt为当月天数，得到一个关于q_k的带有τ和f的关系式，随后将q_k带入目标函数中，与实际数值做对比，随后对目标函数做多元非线性回归分析，判断当0＜f＜1时目标函数是否能取到最小值并返回τ和f的值。

参考图6，将整个研究对象(油田、区块、井组)中的所有油井化为一口采油井建立模型。通过累加全部采油井的采油量得到总采油量，为模型提供基础数据。

其计算公式为：

基于CRM模型，根据采集的异常井及其相邻井的参数信息进行井间连通性建模：

边界条件

其中，q_jk为时间k时油井j的产量，q_j(c-1)为时间k-1时油井j的产量，Δt为两取值点之间时间步长，τ_j为油井j的时滞常数，反应的是注水见效时间，体现了油藏地层的物性，f_ij为油井j和水井i的井间分配系数(一口注水井注入水，流到某一口生产井的比例,注水井总系数为1)，反应的是注入水对产量的影响，体现了井间连通性，I_ik为时间k时水井i的注入量，minz为目标函数的最小值z，为第j口生产井在k时的实际产量。

将目标函数进行多元非线性回归分析，判断连通性系数当0＜f＜1时，目标函数是否能取到最小值并返回τ_j和f_ij的值。

即以多口注水井和多口采油井为例，将研究目标(油田、区块、井组)中的所有采油井的产量进行累加，得到单一采油井的总产量。取月度注水量与采油量带入公式中，则Δt为当月天数，得到一个关于q_jk的带有τ_j和f_ij的关系式，随后将q_jk带入目标函数中，与实际数值做对比，随后对目标函数做多元非线性回归分析，判断当0＜f＜1时目标函数是否能取到最小值并返回τ_j和f_ij的值。

参考图7和图8基于CRM模型，采用克里金插值算法将所述连通性系数f(即目标函数取最小值时的那个连通系数，反应的是两井之间的连通性)投射在地质平面图上，根据其可视化动静态数据的展示，进行井间连通性的综合诊断。

根据本申请的一个实施例，参考图9-图14，以本发明方法进行实例分析。

参考图9-图12可知，AD2-13-2H井存在产量偏低且含水率偏高的现象，对该井在时间纬度及空间维度分析进行追踪，发现该井及周围井在2016年10月以后预警指数一直偏高。

参考图13和图14可知，发现异常井后，将该井及临井的生产数据利用CRM分析模型和本发明方法进行分析，发现该井与临井注水井AD2-13-2H方向有连通性偏高现象，后根据此结论对该井组进行调剖堵水措施，根据多维数据跟踪监测结论，并采取相关措施，该井含水上升及产量趋势得到及时遏制。

本发明在油气价格低迷的条件下，油藏动态监测的高成本与措施作业的准确高效对井间连通性分析提出了更高的要求，大数据分析为油藏工程师在面对监测数据稀缺或地质数据精度不足时提供了另外一种思路。本发明按照井间连通性分析的数据现状及分析流程，利用大数据理念搭建数据流转场景，将数据分析模型与传统的物理分析模型结论互相印证，提高分析结论的准确性。随着油田信息化水平的不断提升，各类实时数据采集频率越来越高，采样类别越来越丰富，利用大数据理念将这些数据进行处理和挖掘，融入到目前的数分析闭环中，这将是油藏动态监测今后进一步研究的方向。

虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (3)

1.一种基于数据挖掘的井间连通性分析与预警方法，其特征在于，包括：

构建基于单井产量和含水率的多维数据体系和指标分析体系；

根据多维数据体系和指标分析体系，提取单井参数，计算单井的预警指数：

其中，WC_well为为单井含水率，WC_Ave为区块平均含水率，q_owell为目标井产油量，q_oave为区块平均单井产油量，GOR_well为目标井气油比，GOR_ave为区块平均气油比；

根据单井预警指数，确定异常井；

基于CRM模型，根据采集的异常井及其相邻井的参数信息进行井间连通性建模：

其中，q_ik为时间k时油井j的产量，q_j(k-1)为时间k-1时油井j的产量，Δt为两取值点之间时间步长，τ_j为油井j的时滞常数，反应的是注水见效时间，体现了油藏地层的物性，f_ij为油井j和水井i的井间分配系数，反应的是注入水对产量的影响，体现了井间连通性，I_ik为时间k时水井i的注入量，min z为目标函数的最小值z，为第j口生产井在k时的实际产量；

将所述目标函数进行多元非线性回归分析，判断连通性系数当0＜f＜1时，目标函数是否能取到最小值并返回τ_j和f_ij的值；

基于CRM模型，采用克里金插值算法将所述连通性系数f投射在地质平面图上，根据其可视化动静态数据的展示，进行井间连通性的综合诊断。

2.根据权利要求1所述的基于数据挖掘的井间连通性分析与预警方法，其特征在于：在所述多维数据体系和指标分析体系中单井产量和含水率分别投射于时间维度和空间维度上。

3.根据权利要求2所述的基于数据挖掘的井间连通性分析与预警方法，其特征在于，构建空间维度模型的方法为：

计算单井占区块总产量的比值，得到单井贡献率：

其中，q_{o well}为目标井产油量，q_{o All}为目标井所在区块总产量；并将采油量、含水率、气油比与区块对应平均值做对比并进行加权平均，得到预警指数，并绘制预警指数与单井贡献率的交绘图，基于单井贡献率对需要注意的单井进行排序。