CN114439473A - 油田开发阶段的划分处理方法及装置 - Google Patents
油田开发阶段的划分处理方法及装置 Download PDFInfo
- Publication number
- CN114439473A CN114439473A CN202011209061.0A CN202011209061A CN114439473A CN 114439473 A CN114439473 A CN 114439473A CN 202011209061 A CN202011209061 A CN 202011209061A CN 114439473 A CN114439473 A CN 114439473A
- Authority
- CN
- China
- Prior art keywords
- data
- curves
- oil field
- point
- curve
- 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.)
- Pending
Links
- 238000011161 development Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 title claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 78
- 238000007621 cluster analysis Methods 0.000 claims abstract description 21
- 238000009499 grossing Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 6
- 230000018109 developmental process Effects 0.000 claims 22
- 230000011218 segmentation Effects 0.000 claims 6
- 238000011160 research Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 238000002347 injection Methods 0.000 description 11
- 239000007924 injection Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 239000000243 solution Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000031877 prophase Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- 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
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种油田开发阶段的划分处理方法及装置,其中该方法包括:从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;搜寻每条曲线,确定每条曲线的转折点;对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;根据多个界定点,对油田开发阶段进行划分处理。本发明可以提高油田开发阶段划分的效率和合理性,对油气开发阶段研究起到了科学的指导意义。
Description
技术领域
本发明涉及油田开发技术领域,尤其涉及油田开发阶段的划分处理方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
油田开发是一个长期的过程,在整个开发过程中,其产量,含水,压力,气油比,采油速度等指标都将发生变化。而这种变化往往具有阶段性特点,显示出油田开发由初期到中期再到后期的自然发展过程。显然,对油田整个开发过程按其自身特点划分为恰当合理的若干开发阶段进行研究,是一项重要的工作。
油田开发阶段的划分方法较多,迄今尚无统一标准。但常见的划分方法主要有两种:一种是主要依据产量变化情况进行划分;另一种是主要依据含水变化情况进行划分。无论哪种方法,考虑的因素均比较单一,而且需要有经验的油藏工程师根据指标进行划分,合理性和效率都低。
发明内容
本发明实施例提供一种油田开发阶段的划分处理方法,用以提高油田开发阶段划分的效率和合理性,该方法包括:
从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;
根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;
搜寻每条曲线,确定每条曲线的转折点;
对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;
根据多个界定点,对油田开发阶段进行划分处理。
本发明实施例还提供一种油田开发阶段的划分处理装置,用以提高油田开发阶段划分的效率和合理性,该装置包括:
获取单元,用于从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;
绘制单元,用于根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;
转折点确定单元,用于搜寻每条曲线,确定每条曲线的转折点;
界定点确定单元,用于对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;
处理单元,用于根据多个界定点,对油田开发阶段进行划分处理。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述油田开发阶段的划分处理方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述油田开发阶段的划分处理方法的计算机程序。
本发明实施例中,油田开发阶段的划分处理方案,与现有技术中考虑的因素均比较单一,而且需要有经验的油藏工程师根据指标进行划分的技术方案相比,通过:从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;搜寻每条曲线,确定每条曲线的转折点;对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;根据多个界定点,对油田开发阶段进行划分处理,提高了油田开发阶段划分的效率和合理性,对油气开发阶段研究起到了科学的指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中油田开发阶段的划分处理方法的流程示意图;
图2-1为本发明实施例中月注水量变化曲线示意图;
图2-2为本发明实施例中总井数变化曲线示意图;
图2-3为本发明实施例中月产油量变化曲线示意图;
图2-4为本发明实施例中层系变化曲线示意图;
图3-1为本发明实施例中月注水量变化曲线(两次平滑后)示意图;
图3-2为本发明实施例中总井数变化曲线(平滑后)示意图;
图3-3为本发明实施例中月产油量变化曲线(两次平滑后)示意图;
图3-4为本发明实施例中层系变化曲线(平滑后)示意图;
图4-1至图4-6为本发明实施例中道格拉斯-普克算法的说明图;
图5-1为本发明实施例中对转折点的聚类分析图(分析前);
图5-2为本发明实施例中对转折点的聚类分析图(分析结果);
图6-1至图6-4为本发明实施例中月注水、总井数、月产油量、层系变化曲线和最终的阶段划分示意图;
图7为本发明实施例中油田开发阶段的划分处理装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
考虑到现有技术中存在的技术问题,发明人提出了一种油田开发阶段的划分处理方案,该方案为一种自动划分油田开发阶段的方案,包括:根据油田开发历史数据,区分为开发方式、井网变化、层系以及产量变化,绘制相应曲线;针对每条曲线,进行必要的平滑处理,再搜寻曲线上的转折点;综合所有曲线上的转折点,在时间轴上将这些点进行聚类分析;每个聚类的中心点即为开发阶段的界定点;根据界定点划分开发阶段。本发明综合考虑人工划分油田开发阶段的多种因素,自动计算开发阶段的界定点,能够极大地提高划分油田开发阶段的效率。下面对该油田开发阶段的划分处理方案进行详细介绍。
图1为本发明实施例中油田开发阶段的划分处理方法的流程示意图,如图1所示,该方法包括如下步骤:
步骤101:从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;
步骤102:根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;
步骤103:搜寻每条曲线,确定每条曲线的转折点;
步骤104:对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;
步骤105:根据多个界定点,对油田开发阶段进行划分处理。
在一个实施例中,上述油田开发阶段的划分处理方法还可以包括:根据对油田开发阶段进行划分处理的结果,对油田开发阶段进行研究,根据研究结果,进行油田开发。
在一个实施例中,上述油田开发阶段的划分处理方法还可以包括:对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线;
搜寻每条曲线,确定每条曲线的转折点,可以包括:搜寻平滑处理后的多条曲线,确定每条曲线的转折点。
具体实施时,对绘制的多条预设类型的曲线进行平滑处理后,再确定每条曲线的转折点,可以得到准确的转折点,为后续油田开发阶段的精确划分奠定基础。
在一个实施例中,对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线,可以包括:
采用移动平均法MA对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线。
具体实施时,采用移动平均法MA对绘制的多条预设类型的曲线进行平滑处理,可以得到更好的平衡处理结果,进而为后续油田开发阶段的精确划分奠定基础。
在一个实施例中,上述油田开发阶段的划分处理方法还可以包括:按照如下方法获得层系变化数据:
根据预设时刻每一小层的生产情况,得到二进制编码数据;
将二进制编码数据转换为十进制数据,得到关于层系变化的时间序列数据作为层系变化数据。
具体实施时,通过上述获得层系变化数据的实施方式可以进一步提高油田开发阶段的划分处理的效率和合理性。具体实施方式详见下面实施例的介绍。
在一个实施例中,搜寻每条曲线,确定每条曲线的转折点,可以包括:采用道格拉斯-普克算法,确定每条曲线的转折点。
具体实施时,采用道格拉斯-普克算法,确定每条曲线的转折点,可以得到准确的转折点,为后续油田开发阶段的精确划分奠定基础。
在一个实施例中,对所有曲线的转折点进行聚类分析,得到每一类转折点的中心点作为油田开发阶段的界定点,可以包括:采用K均值聚类算法,对所有曲线的转折点进行聚类分析,得到每一类转折点的中心点作为油田开发阶段的界定点。
具体实施时,采用K均值聚类算法对所有曲线的转折点进行聚类分析,可以得到准确的中心点,即到准确的油田开发阶段的界定点,进而实现对油田开发阶段的精确划分。
为了便于理解本发明如何实施,下面结合附图2-1至图6-4,举一例子进行说明。
由图1可知,油田开发阶段的划分处理方法包括:
步骤101:在油田开发历史数据中,选取与开发方式,井网变化,层系变化以及产量变化密切相关的数据。
油田开发历史数据包括:产油量,产液量,含水率,注水量,油水井开井数,层系变化等。其中,开发方式相关的数据包括注水量,注气量、注聚量等;井网变化相关的数据包括油井数,水井数,油水井数比等;与产量变化相关的数据包括产油量,产液量,含水率等指标。
在本发明实施例中,由于油田采用注水开发,因此开发方式对应的数据为月注水量;井网变化用总井数表示;产量变化用月产油量表示。
层系的变化与其他几种数据不一样,不能直接用来绘制曲线,需要进行处理,需要通过编码获取,本发明采用二进制编码方式对层系变化进行处理。编码方法如下:假设有n个小层,在时间t时刻,正在生产的小层标识为1,没有生产的小层标识为0,这样,在每个时刻t就获得一串有n个bit的二进制编码数据,将二进制数据转换为十进制数据,就获取了关于层系变化的时间序列数据。对于有10个小层的层系变化,可以参考表1所示。
表1
步骤102:根据各类数据绘制曲线,并对曲线进行平滑处理。
在步骤101中获取到的四类数据(月注水量,总井数,月产油量,编码后的层系数据)后,就可以将这些数据绘制曲线。这些曲线的横坐标都是时间。
观察每条曲线是否光滑,对有“毛刺”的曲线进行平滑处理,其中,曲线的“毛刺”指的是曲线数据因为波动产生锯齿状,从图2-1至图2-4中看出,由于数据的波动,有的曲线呈现锯齿状。因此,在使用它们之前,对于这类曲线,需要进行平滑处理,本发明采用简单移动平均法(Moving average,MA)进行处理。简单移动平均的各元素的权重都相等。简单的移动平均的计算公式如下:
Ft=(At-1+At-2+At-3+…+At-n)/n
式中:Ft表示下一期的预测值,n表示移动平均的时期个数,At-1表示前期实际值,At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。
如果进行平滑处理后,曲线还是有“毛刺”现象,则可以在前次平滑结果上继续采用移动平均法进行处理,直至达到满意的效果。
本发明实施例中使用的移动平均法采用的期数为5,其中对月注水和月产油量曲线使用两次移动平均法。最终平滑后的曲线如图3-1至图3-4所示。
步骤103:搜寻每条曲线的转折点,并记录。
搜寻曲线的转折点实际是对曲线进行数据抽稀。曲线的转折点依次连成的折线能很好的代替原来的曲线。本发明实施例采用道格拉斯-普克(Douglas-Peuker)算法获取曲线的转折点。
道格拉斯-普克算法步骤如下:
将待处理曲线的首末点虚连一条直线,求所有中间点与直线的距离,并找出最大距离值dmax,用dmax与抽稀阈值threshold相比较:
若dmax<threshold,这条曲线上的中间点全部舍去;
若dmax≥threshold,则以该点为界,把曲线分为两部分,对这两部分曲线重复上述过程,直至所有的点都被处理完成。
图4-1~图4-6是道格拉斯-普克算法的示意图。有10个点,首先如图4-1所示,连接首末两点,做一条直线。分别求其他点与这条直线的距离,找到距离最大的点。图中最大的点为第9个点。然后,再连接第1个点和第9个点。如图4-2所示。再次,在点2-点8中寻找与这条直线距离最大的点。结果是点7与这条直线距离最大。如图4-3所示,依次连接点1和点7以及点7和点9,形成两条直线。分别寻找和这两条直线距离最大的点。由于点8与直线的距离小于threshold,因此点8被抽稀掉,直接用点7和点9的直线代替。如图4-4所示。继续上述步骤,如图4-5所示。最终如图4-6所示,点2,4,6,8被舍弃,得到的转折点为点1,3,5,7,9,10。
分别用道格拉斯-普克算法对本实施例中的四条平滑后的曲线进行转折点的寻找,并记录转折点对应的日期。
步骤104:对所有曲线的转折点进行聚类分析。
由于记录的转折点为日期,为了方便进行聚类分析,把日期转换为数字。取第一个日期为0,其他日期转换为离第一个日期的月数。这样就得到一个整数数列,将这个数列从小到大排序后,用于聚类分析。聚类分析采用K均值(K-means)聚类算法。
K均值聚类算法步骤是随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一次样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到聚类中心不再发生变化,这时误差平方和局部最小。
为了显示方便,复制数列本身到Y轴,这样在XY二维图上就是一条45°的直线。本实施例中,取3个聚类,聚类分析结果如图5-1和图5-2所示。其中图5-1是聚类分析前的转折点二维图。图5-2是聚类分析后的转折点二维图。
步骤105:获得油田开发阶段的界定点。
通过步骤104聚类分析就可以把所有曲线的转折点对应的时间分成K类,取每个聚类的中心点。这些中心点(时间点)就可以作为油田开发阶段的界定点。
例如,取三个聚类的中心,计算均值分别为26.4,178.5,321.625。因为要转换为日期,取整为26,179,322,分别对应日期(年月)为1987年5月,2000年2月,2012年1月。这就是本实施例中油田开发阶段的界定点。
将最终的开发阶段加到曲线变化图上,参见图6-1至图6-4。可以看出,这种自动划分开发阶段的方法基本准确。即使人工检查后觉得不合理,也只需要做局部微调。
综上所述,本发明的有益成果是:通过综合考虑人工划分油田开发阶段的多种因素,通过对层系变化进行编码,采用道格拉斯-普克算法寻找曲线转折点,并通过聚类分析对转折点进行分类,通过聚类中心得到油田开发阶段的界定点。此方法能够极大提高划分油田开发阶段的效率。
本发明实施例中还提供了一种油田开发阶段的划分处理装置,如下面的实施例所述。由于该装置解决问题的原理与油田开发阶段的划分处理方法相似,因此该装置的实施可以参见油田开发阶段的划分处理方法的实施,重复之处不再赘述。
图7为本发明实施例中油田开发阶段的划分处理装置的结构示意图,如图7所示,该装置包括:
获取单元01,用于从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;
绘制单元02,用于根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;
转折点确定单元03,用于搜寻每条曲线,确定每条曲线的转折点;
界定点确定单元04,用于对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;
处理单元05,用于根据多个界定点,对油田开发阶段进行划分处理。
在一个实施例中,上述油田开发阶段的划分处理装置还可以包括:平滑处理单元,用于对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线;
转折点确定单元具体用于:搜寻平滑处理后的多条曲线,确定每条曲线的转折点。
在一个实施例中,所述平滑处理单元具体用于:
采用移动平均法MA对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线。
在一个实施例中,所述获取单元具体用于按照如下方法获得层系变化数据:
根据预设时刻每一小层的生产情况,得到二进制编码数据;
将二进制编码数据转换为十进制数据,得到关于层系变化的时间序列数据作为层系变化数据。
在一个实施例中,所述转折点确定单元具体用于:采用道格拉斯-普克算法,确定每条曲线的转折点。
在一个实施例中,所述界定点确定单元具体用于:采用K均值聚类算法,对所有曲线的转折点进行聚类分析,得到每一类转折点的中心点作为油田开发阶段的界定点。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述油田开发阶段的划分处理方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述油田开发阶段的划分处理方法的计算机程序。
本发明实施例中,油田开发阶段的划分处理方案,与现有技术中考虑的因素均比较单一,而且需要有经验的油藏工程师根据指标进行划分的技术方案相比,通过:从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;搜寻每条曲线,确定每条曲线的转折点;对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;根据多个界定点,对油田开发阶段进行划分处理,提高了油田开发阶段划分的效率和合理性,对油气开发阶段研究起到了科学的指导意义。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
以上所述的具体实施例,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例而已,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 (14)
1.一种油田开发阶段的划分处理方法,其特征在于,包括:
从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;
根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;
搜寻每条曲线,确定每条曲线的转折点;
对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;
根据多个界定点,对油田开发阶段进行划分处理。
2.如权利要求1所述的油田开发阶段的划分处理方法,其特征在于,还包括:对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线;
搜寻每条曲线,确定每条曲线的转折点,包括:搜寻平滑处理后的多条曲线,确定每条曲线的转折点。
3.如权利要求2所述的油田开发阶段的划分处理方法,其特征在于,对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线,包括:
采用移动平均法MA对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线。
4.如权利要求1所述的油田开发阶段的划分处理方法,其特征在于,还包括:按照如下方法获得层系变化数据:
根据预设时刻每一小层的生产情况,得到二进制编码数据;
将二进制编码数据转换为十进制数据,得到关于层系变化的时间序列数据作为层系变化数据。
5.如权利要求1所述的油田开发阶段的划分处理方法,其特征在于,搜寻每条曲线,确定每条曲线的转折点,包括:采用道格拉斯-普克算法,确定每条曲线的转折点。
6.如权利要求1所述的油田开发阶段的划分处理方法,其特征在于,对所有曲线的转折点进行聚类分析,得到每一类转折点的中心点作为油田开发阶段的界定点,包括:采用K均值聚类算法,对所有曲线的转折点进行聚类分析,得到每一类转折点的中心点作为油田开发阶段的界定点。
7.一种油田开发阶段的划分处理装置,其特征在于,包括:
获取单元,用于从油田开发历史数据中,获得开发方式数据、井网变化数据、层系变化数据及产量变化数据;
绘制单元,用于根据开发方式数据、井网变化数据、层系变化数据及产量变化数据,绘制多条预设类型的曲线;
转折点确定单元,用于搜寻每条曲线,确定每条曲线的转折点;
界定点确定单元,用于对所有曲线的转折点进行聚类分析,得到每一聚类转折点的中心点作为油田开发阶段的界定点;
处理单元,用于根据多个界定点,对油田开发阶段进行划分处理。
8.如权利要求7所述的油田开发阶段的划分处理装置,其特征在于,还包括:平滑处理单元,用于对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线;
转折点确定单元具体用于:搜寻平滑处理后的多条曲线,确定每条曲线的转折点。
9.如权利要求8所述的油田开发阶段的划分处理装置,其特征在于,所述平滑处理单元具体用于:
采用移动平均法MA对绘制的多条预设类型的曲线进行平滑处理,得到平滑处理后的多条曲线。
10.如权利要求7所述的油田开发阶段的划分处理装置,其特征在于,所述获取单元具体用于按照如下方法获得层系变化数据:
根据预设时刻每一小层的生产情况,得到二进制编码数据;
将二进制编码数据转换为十进制数据,得到关于层系变化的时间序列数据作为层系变化数据。
11.如权利要求7所述的油田开发阶段的划分处理装置,其特征在于,所述转折点确定单元具体用于:采用道格拉斯-普克算法,确定每条曲线的转折点。
12.如权利要求7所述的油田开发阶段的划分处理装置,其特征在于,所述界定点确定单元具体用于:采用K均值聚类算法,对所有曲线的转折点进行聚类分析,得到每一类转折点的中心点作为油田开发阶段的界定点。
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至6任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209061.0A CN114439473A (zh) | 2020-11-03 | 2020-11-03 | 油田开发阶段的划分处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209061.0A CN114439473A (zh) | 2020-11-03 | 2020-11-03 | 油田开发阶段的划分处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114439473A true CN114439473A (zh) | 2022-05-06 |
Family
ID=81361291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011209061.0A Pending CN114439473A (zh) | 2020-11-03 | 2020-11-03 | 油田开发阶段的划分处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114439473A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118014312A (zh) * | 2024-04-08 | 2024-05-10 | 西安思坦仪器股份有限公司 | 一种波码智能分注井井下分层流量的有效调配方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060269144A1 (en) * | 2005-05-25 | 2006-11-30 | Kabushiki Kaisha Toshiba | Data division apparatus, data division method and program |
US20170083990A1 (en) * | 2014-05-16 | 2017-03-23 | Accenture Global Services Limited | System, method and apparatuses for identifying load volatility of a power customer and a tangible computer readable medium |
CN107274011A (zh) * | 2017-06-05 | 2017-10-20 | 上海电力学院 | 综合马尔科夫模型和概率网络的设备状态识别方法 |
CN108131128A (zh) * | 2017-12-19 | 2018-06-08 | 中国地质大学(武汉) | 一种确定自喷生产油井产状的方法 |
CN108229811A (zh) * | 2017-12-29 | 2018-06-29 | 中国石油化工股份有限公司 | 一种评价碳酸盐岩缝洞型油藏注水效果的方法 |
CN108615361A (zh) * | 2018-05-10 | 2018-10-02 | 江苏智通交通科技有限公司 | 基于多维时间序列分段的路口控制时段划分方法及系统 |
CN111476449A (zh) * | 2019-10-09 | 2020-07-31 | 北京交通大学 | 一种基于改进k均值聚类算法的地铁车站运营时段划分方法 |
-
2020
- 2020-11-03 CN CN202011209061.0A patent/CN114439473A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060269144A1 (en) * | 2005-05-25 | 2006-11-30 | Kabushiki Kaisha Toshiba | Data division apparatus, data division method and program |
US20170083990A1 (en) * | 2014-05-16 | 2017-03-23 | Accenture Global Services Limited | System, method and apparatuses for identifying load volatility of a power customer and a tangible computer readable medium |
CN107274011A (zh) * | 2017-06-05 | 2017-10-20 | 上海电力学院 | 综合马尔科夫模型和概率网络的设备状态识别方法 |
CN108131128A (zh) * | 2017-12-19 | 2018-06-08 | 中国地质大学(武汉) | 一种确定自喷生产油井产状的方法 |
CN108229811A (zh) * | 2017-12-29 | 2018-06-29 | 中国石油化工股份有限公司 | 一种评价碳酸盐岩缝洞型油藏注水效果的方法 |
CN108615361A (zh) * | 2018-05-10 | 2018-10-02 | 江苏智通交通科技有限公司 | 基于多维时间序列分段的路口控制时段划分方法及系统 |
CN111476449A (zh) * | 2019-10-09 | 2020-07-31 | 北京交通大学 | 一种基于改进k均值聚类算法的地铁车站运营时段划分方法 |
Non-Patent Citations (3)
Title |
---|
孙梦茹: "河流相储层精细描述技术", vol. 1, 31 July 2005, 石油大学出版社, pages: 71 - 75 * |
李英冰: "测绘程序设计试题集", vol. 1, 31 December 2017, 武汉大学出版社, pages: 20 - 22 * |
赵明元;: "砂岩油田开发阶段划分问题的探讨", 石油勘探与开发, no. 02, 1 May 1986 (1986-05-01), pages 51 - 57 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118014312A (zh) * | 2024-04-08 | 2024-05-10 | 西安思坦仪器股份有限公司 | 一种波码智能分注井井下分层流量的有效调配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11748644B2 (en) | System and method for oil and gas predictive analytics | |
CN107944599B (zh) | 油气水平井产量的预测方法 | |
WO2020088389A1 (zh) | 油气储层钻井轨道计算机自主规划方法、装置及存储介质 | |
CN114439473A (zh) | 油田开发阶段的划分处理方法及装置 | |
CN115358285A (zh) | 待勘测区块关键地质参数的选取方法、装置、及设备 | |
CN111967616B (zh) | 自动时间序列回归方法和装置 | |
Garcia-Diaz et al. | A new methodology for minimizing investment in the development of offshore fields | |
CN109403959B (zh) | 基于工程录井参数的储层智能解释方法 | |
CN110894788B (zh) | 基于油藏产量预测数据的油藏开发方式确定方法及装置 | |
CN108492014B (zh) | 一种确定地质资源量的数据处理方法及装置 | |
CN116721227A (zh) | 一种复杂地质体三维地质模型自动化建模方法 | |
CN113756795B (zh) | 油气甜点识别方法、装置、设备及存储介质 | |
CN111155986B (zh) | 一种多层合采气井井距的确定方法、装置、设备及系统 | |
Jha et al. | Statistical and machine learning methods help us identify analogous wells for enhanced type well construction | |
CN113010501A (zh) | 采收率预测模型获取方法、采收率预测方法和产品 | |
CN116127691B (zh) | 页岩油藏压裂水平井的产能评估方法及系统 | |
CN114439472A (zh) | 油田新项目评价方案优化方法及装置 | |
CN113740930B (zh) | 单井演化史剖面信息自动提取方法及装置 | |
US11808148B2 (en) | Systems and methods for back-allocation of oil produced by waterflooding | |
CN116595396B (zh) | 一种基于多窗口锚点的测井曲线标准化方法及装置 | |
CN110059400B (zh) | 不整合油藏油水界面的预测方法及装置 | |
CN115839227A (zh) | 基于机械比能的水平井压裂分段分簇方法及装置 | |
Jha et al. | SPE-208884-MS | |
CN115759363A (zh) | 模型训练方法、装置、采收率的确定方法、装置及设备 | |
CN115408438A (zh) | 异构测井数据处理方法及装置 |
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 |