CN112699110B - 一种基于大数据的油田生产动态分析方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据的油田生产动态分析方法及系统，包括分别获取目标井和目标井最近邻井的基础数据，所述基础数据包括静态数据、动态数据和关联数据，对获取的基础数据进行数据预处理，将预处理后的数据进行融合，得到指标数据；建立分布式存储的数据仓库，通过数据接口将指标数据送入数据仓库中进行存储；利用所述数据仓库中的指标数据作为建模参数构建油田生产诊断预警模型；利用数据可视化技术将所述油田生产诊断预警模型进行可视化展示，并根据所述油田生产诊断预警模型进行预警。

Description

一种基于大数据的油田生产动态分析方法及系统

技术领域

本发明涉及大数据挖掘技术，具体涉及一种基于大数据的油田生产动态分析方法及系统。

背景技术

随着石油勘探和开发工作的不断深入，近几年来数字油田与物联网的建设，将石油信息化带到了“大数据”时代。石油工业在生产中积累大量的数据，为大数据技术及数据挖掘技术的应用奠定了基础。在目前国际油价剧烈波动的背景下，石油行业上游勘探开发风险日益增大，石油行业存在数据量巨大、数据结构复杂、数据形式多样、数据种类繁多，面对着“数据爆炸、知识贫乏”带来的挑战。将大数据挖掘技术有机地应用于油田生产实践，挖掘出蕴含其中的不易发现的规律，大数据技术可以有效的降低油田开发、生产的成本，信息化的成熟度已经成为油田实现降本增效的主要因素。建立一套感知模型实现对油田生产的分析和预警，对提高油田生产决策的科学性有着重要的意义。与此同时，大数据时代的先进的可视化技术也是提高数字化感知能力的重要内容。

当前，大数据挖掘技术与石油工程领域还没有做到充分结合，应用也并不广泛。有部分学者将数据挖掘技术应用到石油工程领域，取得了一定的效果。在石油领域，国外数据挖掘的研究方向及趋势主要是对数据挖掘方法研究的进一步发展，如结合相关算法建立数据挖掘模型等。国内主要将大数据挖掘技术应用于储层评价、措施作业方式的优选、生产指标的预测以及故障诊断等方面，主要采用的挖掘算法有聚类分析、神经网络、灰色关联、决策树、粗糙集等。在储层研究方面，大多数学者选用聚类分析的方法进行数据挖掘。

中石油梦想云平台的发布标志着国内石油公司的数字油田建设进入一个新的阶段，梦想云平台实现了油田海量数据的集成和整合，统一了数据标准，构建了一个大数据分析的基础框架。在数据平台的基础上各大油田正在加大力度开展大数据分析的算法和应用。目前，国内石油公司针对油田生产的感知的研究主要针对某个业务环节的算法研究，缺乏一套从数据清洗到数据多维展示的一体化技术。

发明内容

本发明所要解决的技术问题是油田在生产过程中的复杂性、不确定性和难度，从大数据清洗和储存、动态智能模型的建立以及可视化分析几个方面开展，通过大数据对油田生产过程中海量的数据进行存储和分析，对油田生产过程中可能会出现的生产异常情况进行预警，及时发现可能会出现的情况，提高生产效率。

本发明通过下述技术方案实现：

一种基于大数据的油田生产动态分析方法，包括以下步骤：

步骤S1、分别获取目标井和目标井最近邻井的基础数据，所述基础数据包括静态数据、动态数据和关联数据，所述静态数据包括井位、孔隙度、油层厚度、油层顶深、原始含水饱和度，动态数据包括泄油面积、初始生产速度、目前生产速度；所述关联数据包括目标井和目标井最近邻井的生产天数、目标井和目标井最近邻井的距离；

步骤S2、对步骤S1获取的基础数据进行数据预处理，将预处理后的数据进行融合，得到指标数据；

步骤S4、建立分布式存储的数据仓库，通过数据接口将指标数据送入数据仓库中进行存储；

步骤S5、利用所述数据仓库中的指标数据作为建模参数构建油田生产诊断预警模型；

步骤S6、利用数据可视化技术将所述油田生产诊断预警模型进行可视化展示，并根据所述油田生产诊断预警模型进行预警。

进一步地，步骤S2的具体过程包括：

步骤S21、对基础数据进行清洗，剔除数据中不匹配的数据；

步骤S22、提取清洗后的基础数据的特征值，根据所述特征值对清洗后的基础数据进行分类；

步骤S23、将分类好的基础数据按照事先制定好的标准数据格式进行标准化处理,得到指标数据。

进一步地，所述油田生产诊断预警模型包括单井工况预警、井间连通性预警、单井生产状态预警。

进一步地，所述单井工况预警的过程包括：

步骤1、从数据仓库中提取目标井最近一个月的油藏指标数据，所述油藏指标数据包括油层厚度、油层顶深、原始含水饱和度、泄油面积，计算各油藏指标数据的月平均值、变化率、波动区间、期望、方差；

步骤2、根据步骤1中的各计算结果，综合计算出各油藏指标数据的预警阈值；

步骤3、从数据仓库中提取目标井最近一天的油藏指标数据，计算各油藏指标数据的日平均值，判断日平均值是否在预警阈值内：若所有油藏指标数据均在预警阈值内，则目标井工况正常；若至少一个油藏指标数据超过预警阈值，则对目标井工况进行预警

进一步地，井间连通性预警的步骤包括：

步骤A、从数据仓库中提取目标井和目标井最近邻井的指标数据组成井组指标数据，所述井组指标数据包括两井的井位、两井之间的距离、两井各自的生产天数；

步骤B、通过从步骤A中井组指标数据计算目标井和目标井最近邻井的影响距离和影响系数；

步骤C、根据所述影响距离和影响系数作为条件计算目标井和目标井最近邻井的连通系数；

步骤D、将计算得到的连通系数与预设的阈值进行比较，若连通系数低于预设的阈值，则调整目标井和目标井最近邻井的距离，增强连通性。

进一步地，所述单井生产状态预警具体包括：

步骤1、从数据仓库中提取目标井原始生产速度、近一个月每日的生产速度和生产天数，分别计算原始生产速度和每日的生产速度之间的差值；

步骤2、绘制以生产天数为横坐标、以原始生产速度和每日的生产速度之间的差值为纵坐标的坐标系，并利用现有的坐标系模拟生产天数与目标井生产速度差值之间的函数关系，得到生产速度差值的阈值区间；

步骤3、从数据仓库中提取目标井原始生产速度、目前生产速度，计算原始生产速度和目前生产速度之间的差值；

步骤4、比较原始生产速度和目前生产速度之间的差值是否超出生产速度差值的阈值区间，若超出阈值区间，则对目标井的生产状态进行预警。

本发明提供一种基于大数据的油田生产动态分析系统，包括数据存储模块、数据处理模块、分析控制模块、预警终端，所述数据存储模块用于存储油田生产过程中各井的动态数据、静态数据和各个井之间的关联数据；

数据处理模块用于对从数据存储模块中调取的数据进行处理，获得处理结果；

分析控制单元用于将数据处理模块的处理结果进行分析，当分析到处理结果超过预警条件时，向预警终端发出预警信息；

预警终端包括图像处理模块、显示模块，其中，图像处理模块用于将数据存储模块存储的数据进行处理叠加在系统预设的油田动态模型中，并将叠加效果通过显示模块进行显示，当预警终端接收到分析控制单元发送的预警信息时，图像处理模块将预警信息对应的异常数据进行处理，并通过显示模块显示预警信息。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明一种基于大数据的油田生产动态分析方法，本发明结合油田生产大数据的特点，利用数据整合方法，实现海量数据的清洗和标准化；结合先进的大数据储存和数据仓库技术建立适合油田生产的大数据储存构架，实现油田生产数据的集成和整合，利用数据挖掘技术，结合油田生产实际，建立油田生产诊断预警模型有效提高油田生产动态分析的智能化水平，实现油田单井工况预警、井间连通性预警、单井生产状态预警功能。利用多维可视化技术，实现油田生产状态可视化，生产预警可视化。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明主流程示意图；

图2为本发明系统结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

在以下描述中，为了提供对本发明的透彻理解阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的结构、电路、材料或方法。

在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。

在本发明的描述中，需要理解的是，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

实施例1

如图1所示，本发明提供了一种基于大数据的油田生产动态分析方法，包括以下步骤：

步骤S1、分别获取目标井和目标井最近邻井的基础数据，所述基础数据包括静态数据、动态数据和关联数据，所述静态数据包括井位、孔隙度、油层厚度、油层顶深、原始含水饱和度，动态数据包括泄油面积、初始生产速度、目前生产速度；所述关联数据包括目标井和目标井最近邻井的生产天数、目标井和目标井最近邻井的距离；

步骤S2、对步骤S1获取的基础数据进行数据预处理，将预处理后的数据进行融合，得到指标数据；

步骤S4、建立分布式存储的数据仓库，通过数据接口将指标数据送入数据仓库中进行存储；

步骤S5、利用所述数据仓库中的指标数据作为建模参数构建油田生产诊断预警模型；

步骤S6、利用数据可视化技术将所述油田生产诊断预警模型进行可视化展示，并根据所述油田生产诊断预警模型进行预警。

进一步地，步骤S2的具体过程包括：

步骤S21、对基础数据进行清洗，剔除数据中不匹配的数据；

步骤S22、提取清洗后的基础数据的特征值，根据所述特征值对清洗后的基础数据进行分类；

步骤S23、将分类好的基础数据按照事先制定好的标准数据格式进行标准化处理,得到指标数据。

进一步地，所述油田生产诊断预警模型包括单井工况预警、井间连通性预警、单井生产状态预警。

进一步地，所述单井工况预警的过程包括：

步骤1、从数据仓库中提取目标井最近一个月的油藏指标数据，所述油藏指标数据包括油层厚度、油层顶深、原始含水饱和度、泄油面积，计算各油藏指标数据的月平均值、变化率、波动区间、期望、方差；

步骤2、根据步骤1中的各计算结果，综合计算出各油藏指标数据的预警阈值；

步骤3、从数据仓库中提取目标井最近一天的油藏指标数据，计算各油藏指标数据的日平均值，判断日平均值是否在预警阈值内：若所有油藏指标数据均在预警阈值内，则目标井工况正常；若至少一个油藏指标数据超过预警阈值，则对目标井工况进行预警

进一步地，井间连通性预警的步骤包括：

步骤A、从数据仓库中提取目标井和目标井最近邻井的指标数据组成井组指标数据，所述井组指标数据包括两井的井位、两井之间的距离、两井各自的生产天数；

步骤B、通过从步骤A中井组指标数据计算目标井和目标井最近邻井的影响距离和影响系数；

步骤C、根据所述影响距离和影响系数作为条件计算目标井和目标井最近邻井的连通系数；

步骤D、将计算得到的连通系数与预设的阈值进行比较，若连通系数低于预设的阈值，则调整目标井和目标井最近邻井的距离，增强连通性。

进一步地，所述单井生产状态预警具体包括：

步骤1、从数据仓库中提取目标井原始生产速度、近一个月每日的生产速度和生产天数，分别计算原始生产速度和每日的生产速度之间的差值；

步骤2、绘制以生产天数为横坐标、以原始生产速度和每日的生产速度之间的差值为纵坐标的坐标系，并利用现有的坐标系模拟生产天数与目标井生产速度差值之间的函数关系，得到生产速度差值的阈值区间；

步骤3、从数据仓库中提取目标井原始生产速度、目前生产速度，计算原始生产速度和目前生产速度之间的差值；

步骤4、比较原始生产速度和目前生产速度之间的差值是否超出生产速度差值的阈值区间，若超出阈值区间，则对目标井的生产状态进行预警。

实施例2

本发明提供一种基于大数据的油田生产动态分析系统，支持实施例1中的方法，如图2所示，包括数据存储模块、数据处理模块、分析控制模块、预警终端，所述数据存储模块用于存储油田生产过程中各井的动态数据、静态数据和各个井之间的关联数据；

数据处理模块用于对从数据存储模块中调取的数据进行处理，获得处理结果；

分析控制单元用于将数据处理模块的处理结果进行分析，当分析到处理结果超过预警条件时，向预警终端发出预警信息；

预警终端包括图像处理模块、显示模块，其中，图像处理模块用于将数据存储模块存储的数据进行处理叠加在系统预设的油田动态模型中，并将叠加效果通过显示模块进行显示，当预警终端接收到分析控制单元发送的预警信息时，图像处理模块将预警信息对应的异常数据进行处理，并通过显示模块显示预警信息。

可以理解的是，本发明结合油田生产大数据的特点，利用数据整合方法，实现海量数据的清洗和标准化；结合先进的大数据储存和数据仓库技术建立适合油田生产的大数据储存构架，实现油田生产数据的集成和整合，利用数据挖掘技术，结合油田生产实际，建立油田生产诊断预警模型有效提高油田生产动态分析的智能化水平，实现油田单井工况预警、井间连通性预警、单井生产状态预警功能。利用多维可视化技术，实现油田生产状态可视化，生产预警可视化。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据的油田生产动态分析方法，其特征在于，包括以下步骤：

步骤S1、分别获取目标井和目标井最近邻井的基础数据，所述基础数据包括静态数据、动态数据和关联数据，所述静态数据包括井位、孔隙度、油层厚度、油层顶深、原始含水饱和度，动态数据包括泄油面积、初始生产速度、目前生产速度；所述关联数据包括目标井和目标井最近邻井的生产天数、目标井和目标井最近邻井的距离；

步骤S2、对步骤S1获取的基础数据进行数据预处理，将预处理后的数据进行融合，得到指标数据；

步骤S4、建立分布式存储的数据仓库，通过数据接口将指标数据送入数据仓库中进行存储；

步骤S5、利用所述数据仓库中的指标数据作为建模参数构建油田生产诊断预警模型；

步骤S6、利用数据可视化技术将所述油田生产诊断预警模型进行可视化展示，并根据所述油田生产诊断预警模型进行预警。

2.根据权利要求1所述的一种基于大数据的油田生产动态分析方法，其特征在于，步骤S2的具体过程包括：

步骤S21、对基础数据进行清洗，剔除数据中不匹配的数据；

步骤S22、提取清洗后的基础数据的特征值，根据所述特征值对清洗后的基础数据进行分类；

步骤S23、将分类好的基础数据按照事先制定好的标准数据格式进行标准化处理,得到指标数据。

3.根据权利要求1所述的一种基于大数据的油田生产动态分析方法，其特征在于，所述油田生产诊断预警模型包括目标井工况预警、井间连通性预警、目标井生产状态预警。

4.根据权利要求3所述的一种基于大数据的油田生产动态分析方法，其特征在于，所述目标井工况预警的过程包括：

步骤1、从数据仓库中提取目标井最近一个月的油藏指标数据，所述油藏指标数据包括油层厚度、油层顶深、原始含水饱和度、泄油面积，计算各油藏指标数据的月平均值、变化率、波动区间、期望、方差；

步骤2、根据步骤1中的各计算结果，综合计算出各油藏指标数据的预警阈值；

步骤3、从数据仓库中提取目标井最近一天的油藏指标数据，计算各油藏指标数据的日平均值，判断日平均值是否在预警阈值内：若所有油藏指标数据均在预警阈值内，则目标井工况正常；若至少一个油藏指标数据超过预警阈值，则对目标井工况进行预警。

5.根据权利要求3所述的一种基于大数据的油田生产动态分析方法，其特征在于，井间连通性预警的步骤包括：

步骤A、从数据仓库中提取目标井和目标井最近邻井的指标数据组成井组指标数据，所述井组指标数据包括两井的井位、两井之间的距离、两井各自的生产天数；

步骤B、通过从步骤A中井组指标数据计算目标井和目标井最近邻井的影响距离和影响系数；

步骤C、根据所述影响距离和影响系数作为条件计算目标井和目标井最近邻井的连通系数；

步骤D、将计算得到的连通系数与预设的阈值进行比较，若连通系数低于预设的阈值，则调整目标井和目标井最近邻井的距离，增强连通性。

6.根据权利要求3所述的一种基于大数据的油田生产动态分析方法，其特征在于，所述目标井生产状态预警具体包括：

步骤1、从数据仓库中提取目标井原始生产速度、近一个月每日的生产速度和生产天数，分别计算原始生产速度和每日的生产速度之间的差值；

步骤2、绘制以生产天数为横坐标、以原始生产速度和每日的生产速度之间的差值为纵坐标的坐标系，并利用所述坐标系模拟生产天数与目标井生产速度差值之间的函数关系，得到生产速度差值的阈值区间；

步骤3、从数据仓库中提取目标井原始生产速度、目前生产速度，计算原始生产速度和目前生产速度之间的差值；

步骤4、比较原始生产速度和目前生产速度之间的差值是否超出生产速度差值的阈值区间，若超出阈值区间，则对目标井的生产状态进行预警。

7.一种基于大数据的油田生产动态分析系统，其特征在于，包括数据存储模块、数据处理模块、分析控制模块、预警终端，所述数据存储模块用于存储油田生产过程中各井的动态数据、静态数据和各个井之间的关联数据；

数据处理模块用于对从数据存储模块中调取的数据进行处理，获得处理结果；

分析控制单元用于将数据处理模块的处理结果进行分析，当分析到处理结果超过预警条件时，向预警终端发出预警信息；

预警终端包括图像处理模块、显示模块，其中，图像处理模块用于将数据存储模块存储的数据进行处理叠加在系统预设的油田动态模型中，并将叠加效果通过显示模块进行显示，当预警终端接收到分析控制单元发送的预警信息时，图像处理模块将预警信息对应的异常数据进行处理，并通过显示模块显示预警信息。

Images