劉馨

摘要：大數(shù)據(jù)分析技術應用已經(jīng)遍布商業(yè)、醫(yī)療、教育等各個行業(yè)，圍繞已經(jīng)進入雙特高開發(fā)階段的采油廠的信息化建設現(xiàn)狀與深化應用需求，通過對單井產(chǎn)量預測、套損影響因素分析、注水方案優(yōu)化調(diào)整等油藏研究與開發(fā)管理領域的大數(shù)據(jù)分析技術的實際應用，聚焦實際問題，淺析解決辦法和取得的階段效果，總結算法經(jīng)驗，并結合數(shù)智化采油廠建設，設想大數(shù)據(jù)分析技術在油田開發(fā)中的應用場景，為智能油藏的建設與實施提供解決方案設計參考，助力石油行業(yè)數(shù)字化轉型、智能化發(fā)展。

關鍵詞：大數(shù)據(jù)分析；數(shù)智油藏；測井解釋；注采優(yōu)化

一、前言

油田單位為國家創(chuàng)造巨大物質(zhì)財富的同時，積累了豐富的方法經(jīng)驗和海量的油田開發(fā)數(shù)據(jù)資源。開發(fā)至今已進入特高含水后期，面臨著剩余油高度分散、低效無效循環(huán)和套損影響加劇、開發(fā)調(diào)整難度加大、工作量急劇攀升、降本增效、安全環(huán)保責任和壓力大等諸多困難和挑戰(zhàn)，決策科學化、管理扁平化、業(yè)務綜合化、數(shù)據(jù)集中化是目前信息化建設的發(fā)展趨勢[1]，如何利用信息化技術和海量數(shù)據(jù)成果實現(xiàn)高效轉型和發(fā)展，為油氣領域的發(fā)展注入新的活力[2]，是當前亟須解決的重大議題。

油氣藏在勘探開發(fā)及其研究與決策過程中，形成巨量的成果及數(shù)據(jù)，在現(xiàn)有海量化、多樣化的油田開發(fā)數(shù)據(jù)資源基礎上，通過大數(shù)據(jù)技術，對油田企業(yè)生產(chǎn)過程中產(chǎn)生的多元異構數(shù)據(jù)進行高效、動態(tài)處理，及時掌握油田生產(chǎn)的實際情況，及時對油田生產(chǎn)計劃進行調(diào)整，賦予數(shù)據(jù)資產(chǎn)更強的洞察力、決策力和流程優(yōu)化能力，提高工作質(zhì)效，實現(xiàn)對數(shù)據(jù)資產(chǎn)價值的有效挖掘，進而輔助開發(fā)生產(chǎn)決策，最大限度滿足油田生產(chǎn)的實際需要，已成為“十四五”及后續(xù)的重點攻關方向。大數(shù)據(jù)分析具有數(shù)據(jù)量大、速度快、種類多、價值高、真實性強等特點[3]。近年來，大數(shù)據(jù)分析技術的應用給油田經(jīng)濟的發(fā)展帶來了機遇和挑戰(zhàn)，是目前油田生產(chǎn)中研究和分析的首要目標[4]?；诓捎蛷S應用需求，在單井產(chǎn)量預測、套損影響因素分析、注水方案優(yōu)化調(diào)整等方面開展了大數(shù)據(jù)分析技術的應用探索，取得了階段成果，為油氣藏研究與決策人員提供全方位的數(shù)據(jù)處理與可靠決策，極大地提升了油氣藏的研究效率和決策質(zhì)量[5]。

二、應用實例及效果淺析

（一）單井產(chǎn)量預測

采油單位分解年度產(chǎn)量任務計劃的工作稱之為配產(chǎn)，配產(chǎn)準確率是考量地質(zhì)開發(fā)管控水平的重要指標，需要綜合研判包括靜態(tài)、動態(tài)、措施、監(jiān)測等在內(nèi)的多種資料，而目前單井產(chǎn)量遞減和含水預測主要依靠人工分析和不同軟件實現(xiàn)，尚無統(tǒng)一應用平臺，缺乏專家經(jīng)驗的繼承性，工作效率較低，有必要運用大數(shù)據(jù)分析技術，提供精準數(shù)據(jù)，提升后期決策的精準性[6]，基于現(xiàn)有數(shù)據(jù)資源，建立不同含水階段、不同措施類型的單井產(chǎn)量遞減和含水預測模型，實現(xiàn)多維度的單井產(chǎn)量遞減和含水預測，支撐油井產(chǎn)量預測和配產(chǎn)工作的提質(zhì)提效。

借助認知計算平臺試點項目，以采油廠水驅A區(qū)塊為例，梳理區(qū)塊基礎數(shù)據(jù)、單井基本信息、油藏基礎數(shù)據(jù)、單井儲層數(shù)據(jù)、單井月度生產(chǎn)數(shù)據(jù)、監(jiān)測及井史數(shù)據(jù)作為業(yè)務數(shù)據(jù)，通過數(shù)據(jù)預處理，完成異常值和缺失值處理和數(shù)據(jù)歸一化轉換，并按照業(yè)務規(guī)則將各類業(yè)務數(shù)據(jù)進行清洗合并；通過人工打標簽的方式，完成特高含水后期不同措施類型單井樣本庫構建，形成能夠基本反映A區(qū)塊新、老井及措施井單井產(chǎn)量和含水變化規(guī)律的樣本知識庫；選取坐標、地層壓力、有效厚度、射開、產(chǎn)量、動液面等48項動靜態(tài)參數(shù)信息作為建模特征參數(shù)，通過相關性分析（見表1）和專家經(jīng)驗相結合的方式，為老井、新井和措施井三類模型推薦最優(yōu)特征參數(shù)組合進行建模；通過指標預測功能實現(xiàn)新井、老井和措施井產(chǎn)量快速預測。通過與實際產(chǎn)量對比，A區(qū)塊兩套層系平均月產(chǎn)偏差率在3.5%以下，效果較為理想。

（二）套損影響因素分析

套損井的出現(xiàn)不僅影響油田穩(wěn)產(chǎn)基礎，還造成注采井網(wǎng)的不完善，給油田區(qū)塊的整體開發(fā)帶來不利影響，作為套損形勢嚴峻的采油廠，對套損的防控一直高度重視。然而由于套損成因復雜，包括井身、地質(zhì)、生產(chǎn)開發(fā)及套管本身等幾大因素，而實際套損井中大多是以上多種因素共同作用的結果。業(yè)務人員無法通過某個因素判斷套管損壞與否，很多套損井都是滯后一段時間才發(fā)現(xiàn)的，更無法通過一個具體的函數(shù)表達式給出多個影響因素的關系，去預測預防套損的發(fā)生。為了有效預防套損發(fā)生，迫切需要運用大數(shù)據(jù)分析的手段設計實施套損影響因素分析流程（見圖1），有針對性地調(diào)整開發(fā)參數(shù)，達到降低套損發(fā)生概率的目的。

采用分類算法，基于井的動態(tài)、靜態(tài)及套損數(shù)據(jù)，構建套損分析預測模型，通過《油田開發(fā)數(shù)據(jù)分析共享平臺》提供的分類評估節(jié)點，來比較多種分類算法之間的分析性能，檢驗分類模型的準確性和可靠性，分類評估對分類器準確性能評估的指標非常多，概括起來有以下幾類：

（1）整體量化評價指標，包括：混淆矩陣、正確率、錯誤率等；

（2）每一類的評價指標，包括：精度（precision）、召回率（recall）、F1-Measure等；

（3）圖形化評價指標，包括：ROC曲線、PR曲線、lift曲線、Gains曲線、K-S圖，以及ROC面積、PR面積、基尼系數(shù)等。

通過對訓練集和召回集的評估，使用梯度提升決策樹算法對訓練集預測的平均準確率為86.37%，對1類型的平均準確率為96.36%，對0類型的平均準確率為86.13%。模型評估中測試集的平均準確率為86.19%，對1類型的平均準確率為92.56%，對0類型的平均準確率為86.02%，說明構建的模型已經(jīng)具有一定的預測能力，其模型的變量重要性具有參考價值，因此最終選擇梯度提升決策樹分類算法進行套損井成因分析，從中篩選出關鍵影響因素。分析表明井注水量對井的套損情況影響最大，同時影響較大的因素來自連通井的注入和產(chǎn)出狀況，符合油藏認知。

（三）注水方案優(yōu)化調(diào)整

受井網(wǎng)密度大、注采連通關系復雜以及人工分析工作量大、調(diào)整難度大等多種因素的影響，傳統(tǒng)的動態(tài)分析方法難以找準影響產(chǎn)量的關鍵注水井，也無法對調(diào)整結果進行提前預判分析。在當前“提質(zhì)增效”的新形勢下，需要基于現(xiàn)有數(shù)據(jù)資源，運用大數(shù)據(jù)技術，通過數(shù)據(jù)挖掘精準找尋井間關聯(lián)關系，完善注采兩端最優(yōu)化的配水決策方法，進一步發(fā)揮水驅對穩(wěn)產(chǎn)的支撐作用。

選取A區(qū)塊小井距區(qū)和B區(qū)塊常規(guī)井距區(qū)作為研究對象，建立產(chǎn)量預測深度學習模型，動態(tài)決策井組影響產(chǎn)量的敏感水井以及最優(yōu)注水量，形成以單井動態(tài)數(shù)據(jù)為基礎，以關聯(lián)注水井和敏感注水井精準判別為核心的大數(shù)據(jù)注水方案技術，并在此基礎上，持續(xù)創(chuàng)新發(fā)展大數(shù)據(jù)決策調(diào)整技術，形成了由單井到層段的可量化、可優(yōu)化的注水方案優(yōu)化設計方法，最終形成以產(chǎn)油最大化為目標的注水優(yōu)化調(diào)整大數(shù)據(jù)分析技術流程，實現(xiàn)注水井調(diào)整由人工經(jīng)驗分析向智能化分析轉變。

從應用效果看，2019年某區(qū)應用大數(shù)據(jù)決策結果實施調(diào)整，跟蹤調(diào)整18井次，增油降水效果明顯，2020年，在該區(qū)域擴大應用規(guī)模，實施調(diào)整120井次，增油降水效果顯著。2021年以來，通過不斷完善運用大數(shù)據(jù)優(yōu)化決策技術，不斷擴大試驗區(qū)域，已累計在以307口油井為中心的36個細化區(qū)域開展推廣應用，推廣范圍覆蓋GTZ油層不同井距的復雜注采關系井區(qū)，均取得了較好的應用效果，例如：在ZQXB_GTZ區(qū)域運用大數(shù)據(jù)調(diào)整方法，調(diào)整注水井120井次，日增注水量156方，且連通的93口未措施采油井增油降水效果明顯，日增油約在15t，含水下降0.27個百分點；在B1QDD_GTZ區(qū)域運用大數(shù)據(jù)調(diào)整方法，調(diào)整注水井132井次，日增注水量可達529方，從吸水剖面資料上看，吸水厚度比例上升5.0個百分點，改善幅度較大，且連通的134口未措施采油井增油降水效果顯著，日增油可達26t，含水下降0.2個百分點。

基于大數(shù)據(jù)人工智能技術形成的注水層段優(yōu)化調(diào)整技術，分析全過程智能化，快速決策出由井到層段的增油降水方案，效率提高10倍以上，社會效益更加顯著可作為油田開發(fā)決策非常有力的拓展和補充，有效應用于油田的生產(chǎn)優(yōu)化工作，為油田帶來顯著的經(jīng)濟效益。

（四）測試剖面預測

對注入水驅替方向、剩余油分布層位判別的主要動態(tài)監(jiān)測資料是吸水剖面和產(chǎn)液剖面，通過兩大剖面解釋成果可以了解地下不同油層的吸水、產(chǎn)油及含水狀況，分析儲層動用現(xiàn)狀，識別油層低效無效循環(huán)、高含水部位、剩余油層位、層間竄流等問題。然而隨著井數(shù)不斷增加，受測試條件和成本限制，無法做到“井井測、時時測”，大數(shù)據(jù)智能吸水剖面預測勢在必行。

選取實測資料相對豐富、注采關系比較完善、且近10年未有大型注采系統(tǒng)調(diào)整的非套損區(qū)A作為研究區(qū)域，通過對地質(zhì)、動靜態(tài)及監(jiān)測數(shù)據(jù)的有效利用，結合數(shù)據(jù)驅動求解滲流方程和物質(zhì)平衡方程技術，構建預測模型，找出封堵、措施、井間連通關系、層間壓力干擾等吸水量主控因素，實現(xiàn)吸水剖面的預測。就目前預測結果看，符合率仍然偏低，模型構建和訓練方面仍需優(yōu)化。

三、應用場景設想

在能源互聯(lián)網(wǎng)中，數(shù)據(jù)的分布尤為廣泛，涉及的領域眾多[7]，采油廠基于油藏業(yè)務領域已經(jīng)開展了多項大數(shù)據(jù)分析技術的探索應用，對海量數(shù)據(jù)進行有效處理、分析以及整合，最大程度挖掘數(shù)據(jù)信息的價值，提高數(shù)據(jù)處理的工作效率，節(jié)省時間，保證數(shù)據(jù)處理的及時性，分析結果的新鮮度[8]，取得了階段成果。面向“數(shù)字化轉型、智能化發(fā)展”需求，以數(shù)據(jù)指導油田生產(chǎn)的智能化發(fā)展目標，是當前油田企業(yè)降本增效的重要途徑[9]。加強信息化建設是時代發(fā)展的必然要求，以大數(shù)據(jù)分析技術為代表的新興信息化技術在油田開發(fā)中的應用空間仍然非常廣闊，能夠促進企業(yè)信息化建設能力得到大幅度提升，為企業(yè)帶來新的發(fā)展契機[10]。

（一）智能測井解釋

基于測井、巖心、地質(zhì)、動態(tài)等信息的多維數(shù)據(jù)分析和認知計算技術研究，開展大工區(qū)、協(xié)同化、多資料輔助測井曲線解釋，在現(xiàn)有厚度解釋標準的基礎上，實現(xiàn)厚度劃分、水淹層識別、孔滲飽物性參數(shù)及界限、斷點、沉積相信息的智能識別，提高軟件一次識別精度。

（二）智能儲層預測

基于沉積單元級構造圖對微幅度構造自動識別，通過大數(shù)據(jù)+人工智能深度學習技術，探索井震結合河道砂體精準識別與刻畫方法，實現(xiàn)滲透率、巖石力學特征、剩余油飽和度等儲層參數(shù)的精準、快速預測及沉積微相自動預測，解決沒有井點區(qū)域或井間河道砂體的精準預測精度不高、技術適應性弱、效率低的問題；通過業(yè)務所需數(shù)據(jù)自動準備、研究任務按工作流聯(lián)動、模型智能動態(tài)更新，解決目前精描工作崗位劃分細、技術人員業(yè)務單一、工作量不均衡、操作周期長等問題。

（三）智能數(shù)值模擬

攻關基于機器學習的智能數(shù)據(jù)分析方法、智能化不確定參數(shù)分析與擬合技術，形成智能數(shù)據(jù)推送及成果自動維護更新、多軟件成果規(guī)范化、歸一化、動態(tài)化管理方法，形成智能數(shù)模成果管控與應用技術，實現(xiàn)智能輔助歷史擬合，提高歷史擬合效率、單井歷史擬合符合率。

（四）優(yōu)化鉆關運行

依托動態(tài)、靜態(tài)、監(jiān)測等資料，利用大數(shù)據(jù)分析模型、深度學習等人工智能技術，攻關鉆井過程中對鉆關區(qū)的自動分析研判，實現(xiàn)關井井位智能優(yōu)選、關井時間自動優(yōu)化、鉆關影響及鉆關恢復情況智能預測，輔助分析產(chǎn)量波動變化原因、總結規(guī)律認識，有效降低鉆關對產(chǎn)量的影響，提高油田管理水平，確保油田開發(fā)生產(chǎn)的平穩(wěn)運行。

（五）智能開發(fā)管理

將生產(chǎn)數(shù)據(jù)、油藏工程方法、大數(shù)據(jù)技術有機結合，構建油藏開發(fā)調(diào)整過程中的智能管理閉環(huán)：問題預警——診斷分析——方案優(yōu)化——派單實施——跟蹤評價，依托統(tǒng)一的數(shù)據(jù)資源和應用服務資源，構建業(yè)務協(xié)同工作環(huán)境，打通業(yè)務和應用壁壘，實現(xiàn)油藏工程一體化方案聯(lián)合審查、自動分析預警、智能診斷研判、及時動態(tài)調(diào)整、精準跟蹤評價，通過智能化手段來實現(xiàn)精準挖潛及降本增效，以智能化驅動油田高質(zhì)量可持續(xù)發(fā)展。

四、結語

面臨著提質(zhì)增效、剩余油高度分散、無效循環(huán)和套損影響加劇、開發(fā)調(diào)整難度加大等諸多挑戰(zhàn)，通過大數(shù)據(jù)技術，挖掘數(shù)據(jù)資產(chǎn)潛在價值，借智引力，推進數(shù)字化轉型、智能化發(fā)展是助力采油廠高質(zhì)量發(fā)展的重要引擎和關鍵舉措，油田開發(fā)數(shù)據(jù)資源具有海量、高增長率和多樣化的特點，應用大數(shù)據(jù)分析技術挖掘這些復雜信息的有用價值，研究前景十分廣闊

大數(shù)據(jù)分析技術在采油廠油藏開發(fā)中的應用實例表明，運用大數(shù)據(jù)分析技術，具有傳統(tǒng)手段不可比擬的先進性、科學性和合理性，能夠輔助油田開發(fā)調(diào)整工作的有序推進，但在技術應用中需要注意以下兩點：一是要持續(xù)提升數(shù)據(jù)資產(chǎn)質(zhì)量。數(shù)據(jù)質(zhì)量是大數(shù)據(jù)決策分析的基礎，前期的數(shù)據(jù)融合治理、決策參數(shù)的選擇、決策方向的制定決定了決策結果的精準度；二是要結合區(qū)塊特征構建模型。深度學習方法建立后，并不是通用于整個油田每一個區(qū)塊的，要根據(jù)區(qū)塊的實際特點、發(fā)育特征，增減限制參數(shù)，優(yōu)化計算方法，不斷完善優(yōu)化建模技術。

參考文獻

[1]薛茹.數(shù)據(jù)挖掘技術在油田中的應用[J].微型電腦應用，2018，34（05）：26-28.

[2]郭華，范月娟.數(shù)據(jù)挖掘及其發(fā)展探析[J].中國新通信，2018，20（09）：79-80.

[3]劉慈.大數(shù)據(jù)分析技術在油田生產(chǎn)中的應用研究[J].信息系統(tǒng)工程，2023，No.351（03）：91-93.

[4]張乃文.油田生產(chǎn)中大數(shù)據(jù)分析技術的研究[J].化學工程與裝備，2019（01）：27+41.

[5]王娟，梁立星，武璠，等.數(shù)據(jù)挖掘技術在數(shù)字化油氣藏研究與決策中的應用[J].鉆采工藝，2018，41（03）：107-109.

[6]李英杰.基于大數(shù)據(jù)分析技術及其運用的研究[J].北京印刷學院學報，2021，29（08）：149-151.

[7]李士琦.能源互聯(lián)網(wǎng)大數(shù)據(jù)分析技術的研究[J].數(shù)碼世界，2017（06）：100.

[8]張娜，武瑛，章玲，等.試析大數(shù)據(jù)在油田信息化建設中的應用[J].信息系統(tǒng)工程，2021（09）：124-126.

[9]孫曉萍.大數(shù)據(jù)分析技術在油田生產(chǎn)中的應用研究[J].中國管理信息化，2019，22（09）：171-172.

[10]趙文紅.淺談大數(shù)據(jù)技術在油田信息化建設中的應用[J].中國管理信息化，2020，23（18）：82-83.