多指标排序优选抽油井工作参数软件研发

针对原有抽油机井工作参数软件与采油生产实际结合不够紧密、使用不方便的问题,经过技术攻关研发出多指标排序优选抽油井工作参数软件。首先确立以产液量指标为主、井下效率指标为辅、安全指标可靠的优选抽油井工作参数的设计思路,其次是建立以产液量计算为核心的系统算法。应用工程计算和经验公式相结合的方法,通过抽油泵沉没压力使供液量与排液量建立联系,将与供液量接近的排液量作为产液量,进而计算出井下效率、悬点载荷和抽油杆负载率。对所有“泵径、冲程、冲次”组合的优势产液量和优势井下效率及其对应的指标和下泵深度以列表方式输出,对所有指标与井下效率的关系以曲线方式输出,经过排序对比即可挑选出各项指标均占优势且稳定可靠的抽油井工作参数组合,实现抽油井工作参数优化设计的目标。该软件自2017年应用以来年均指导调参130井次,平均单井增产原油63.54 t,提高井下效率3.2%,取得了显著的应用效果。

新型云定位TDLAS技术激光甲烷测量平台

目的石油与天然气在生产、存储、运输等过程中进行甲烷的动态监测与预警十分关键,现有的激光甲烷测量装置在测量甲烷体积分数时无法同时对其进行定位,研究设计了一种新型云定位激光甲烷测量平台以解决此问题。方法首先分析了激光甲烷检测及其定位原理,然后利用调谐半导体激光吸收光谱(TDLAS)技术完成新型云定位激光甲烷测量平台的软硬件设计,最后对测量平台进行了甲烷标气测试和定位现场测试。结果测量平台对不同柱密度值的甲烷标准气体测量的最大相对误差为3.6%,重复性相对标准偏差小于1.88%,经度和纬度最大误差分别为1″和2″,有效监测距离为150 m。结论新型云定位激光甲烷测量平台具有较好的准确性和稳定性,可以应用于燃气安全现场巡检。

注采连通关系计算方法的改进及在配注中的应用

针对注水开发油田油水井注采连通关系和见效比例等关键信息难以量化分析的问题,通过对现有注采连通关系计算方法的融合与改进,提出了一种考虑井底流压变化的多元线性回归注采连通关系分析模型,能更准确地反映油井产量变化规律,从而得到更符合生产实际的注采连通关系量化分析结果。在此基础上,将其与井组配注模型相结合,有效解决了油田配注工作中注采见效关系与见效比例确定难、人工分析工作量大等问题,实现了井组配注量的快速、准确计算。通过在新疆油田的实际应用,该模型得到了很好地验证,分析结果准确性显著提升。该研究可有效提高油田注采调配方案设计的效率与科学性,对于实现油田智能调配具有较好的促进作用,可为同类油藏的开发提供借鉴。

油气上游领域智能化发展方向探析

对人工智能本质的认识及其在行业应用的方向性探析非常重要,它可以让我们少走弯路,避免满目性地开展人工智能应用,减少不必要的资源投入和浪费。文章从业务、专业、数据类型3个不同角度分析了油气大数据的构成,从物探、测井、钻录井、油气生产、油藏模拟等专业领域分别探讨了智能化的发展方向。针对油气综合研究领域,探索并创建了基于大数据分析平台的“勘探有利目标区优选智能分析系统”,应用多专业、多学科的综合业务智能化分析方法,独创勘探有利目标区标注规则和自动标注方法,实现了有利目标区的自动分级、可视化展示、查询等功能,可大幅提高用户工作效率。

基于SCRF的抽油井结蜡预测方法优化研究

在油田生产过程中,油井受各种因素的影响容易发生结蜡。油井结蜡通常会降低油井产生,造成油井阻塞,甚至会造成停井及烧电机等现象,大大增加采油成本。对抽油井结蜡状态进行提前预测,实现抽油井设备预见性维护对油田降本增效及智能化管理具有重要意义。针对基于不平衡数据集构建结蜡预测模型预测效果不理想的问题,文中提出了一种面向非平衡数据的集成学习方法SCRF(SMOTE CLUSTER RANDOM FOREST)。该方法首先使用SMOTE方法对原数据集中的少数类进行过采样以增加少数类的数量,缩小不平衡比例;然后对新的数据集采用CLUSTER聚类方法分层欠采样,生成训练数据集;最后采用基于bagging技术的随机森林算法对训练数据集进行集成学习,从而生成预测模型。实验结果表明,样本均衡后模型预测效果更佳,预测精度和效率都有一定程度的提高。

浅析产量变动分析与预测系统建设及应用

长期以来,油田开发对产量的管理多为粗放型的,以人工处理为主,无法及时获知或提前预测生产过程中的产量变动情况,导致分析和措施治理工作滞后。另外,由于数据处理工作量大,导致各级生产管理人员的产量跟踪分析与预测、措施分析和配产配注等工作耗时较长,严重影响生产管理水平和效率。产量变动分析与预测系统以智能油田建设为依托,通过开展产量变动分析和预测系统建设,建立了适用于新疆油田的产变分析与预测算法模型库和专家知识库,并形成一套从产量运行情况跟踪与预测、产量变化智能分析,到措施决策与效果跟踪分析,再到产量变化趋势预测,最终辅助配产配注的全流程应用系统,从而规范产量变动分析和预测相关业务的管理流程,提升生产管理部门对油田生产运行的掌控能力和决策能力。

基于新疆油田生产大数据分析平台建立优选分析系统的探究

随着石油资源的日益紧张,地质勘探开发条件也愈发复杂,为辅助油田业务生产,提高勘探选区效果,论文通过研究,设计了基于新疆油田生产大数据分析平台,建立了勘探有利目标区优选分析系统。该系统以新疆油田井筒数据为分析样本,玛湖油田西斜坡(玛湖1示范区)成功案例指标为重点参考指标建立预测模型,找出勘探有利成藏条件的规律,辅助优选勘探有利区域及层系,预测东斜坡(达11目标区)及其他油田区块的有利勘探目标,实现新的油气增产。

基于归一化RBFNN的油井动液面测量数据异常辨识

为解决油井动液面测量数据中存在的缺失值、非线性和非平稳特性导致的数据特征提取准确性不足,以及无法实现油井动液面位置精准测量的问题,提出基于归一化RBF神经网络的油井动液面测量数据异常辨识方法。通过安装在油井上的传感器实时采集数据,利用基于专家库的多源油归一化处理技术完成数据的校验与整合。采用经验模态分解(EMD)技术将数据分解为趋势项与波动项,去除波动项后,将趋势项数据作为归一化RBF神经网络的输入。实验结果表明,该方法可有效补全不完整数据,并通过趋势项准确辨识异常数据并提供合理替代值,获得的动液面位置曲线与实际动液面位置曲线基本吻合,误差最高不超过2 m,可实现油井动液面位置的精准估计。基于归一化RBF神经网络的油井动液面测量数据异常辨识方法解决了数据缺失、非线性和非平稳性带来的挑战,实现了油井动液面位置的精准估计,为油井动液面的实时监测和数据分析提供了技术支撑。

基于因子分析的企业竞合关系评价体系研究

在经济全球化的大背景下,企业能否正确合理地利用和处理企业间的竞争合作关系,是企业健康快速发展的决定性因素。本文运用因子分析的方法,建立企业竞合关系评价体系,构建企业竞合关系评价模型,将企业竞合关系量化,使企业能相对准确地选择最佳合作者,并在合作关系中及时调整战略,达到合作企业双方共赢的战略目标。

新疆油田生产大数据分析平台建设及应用研究

本研究针对智能新疆油田建设中对海量数据深入挖掘的需求,提出了以Hadoop、Spark集群为基础服务环境的生产大数据分析平台,该平台集数据抽取、数据存储、数据分析建模和数据展示为一体,为油田大数据研究及应用提供了支撑环境.并基于该平台针对抽油井清防蜡周期无法精准控制的问题,通过对示功图和清防蜡等近百万条数据的抽取、预处理及相关性分析,建立了抽油井结蜡模型,实现了"一井一模型"的精细预测.