复杂断块油藏开采中后期剩余油分布规律研究

复杂断块油藏是现河与东辛油田的主要油藏类型,经过长期高速开发和多次调整,剩余油分布较为复杂。应用动静态综合分析法、沉积微相法和油藏数值模拟技术定性定量描述油藏剩余油分布,并分析了地质,油藏水驱油机理和开发等因素对剩余油分布的影响。研究成果应用于主力断块油藏综合调整挖潜,产量上升,综合含水下降,采收率提高4.2%。

利用信息技术提升油田作业施工管理水平

一、现状 2004年胜利油田整合成为了4只井下作业专业化技术队伍,共同为胜利油田提供优质井下作业服务,并进一步开拓外部油田市场。作业公司成立以前,各作业大队、准备大队、特车大队依托原采油厂,建立了网络连接体系,开发了部分应用系统。但由于组织机构及管理模式的变化,原有应用系统已经不能满足目前作业公司业务的需要，同时新的管理模式，给作业公司信息化建设提出了新的更高的要求。

技术可采储量经济转化率影响因素研究

研究了经济可采储量的计算方法 ,给出了技术可采储量经济转化率的定义和计算公式 ,分析了地质条件、开采方式、原油价格、操作费、开发指标等对经济可采储量和技术可采储量经济转化率的影响。

基于集成学习的油藏井筒一体化智能诊断模型

目前油藏、采油依托各自专业数据和信息系统进行异常问题的分析,对于两个系统间的复杂关联关系考虑不够,导致生产异常的诊断仍较局限,治理措施针对性不强。基于随机森林算法和卷积神经网络算法集成学习构造了油藏井筒一体化智能诊断模型,根据注水失效、泵漏失等不同油藏、井筒问题,以基于随机森林的决策树分析油藏异常工况,卷积神经网络诊断井筒异常故障,通过集成学习方法将两类分类器结合起来,形成一体化诊断。现场验证结果表明,所建立的方法通过集成学习提升了单分类器性能与范化能力,应用准确率达到90%以上,实现了油藏和井筒问题的一体化诊断,为油田智能化管控提供了有力支撑。

不同供液状况的有杆抽油泵举升过程参数模拟计算方法

有杆抽油泵举升过程中,根据供液能力的差别,分别确定了泵吸入口压力和活塞受力的计算方法;在静态模型建立的基础上,以抽油杆受力波动方程为指导,对井筒举升过程抽油杆运动阻尼系数计算方法进行了修正,建立了有杆抽油泵举升动态模型。以地面实测示功图为约束,计算不同供液工况下井筒纵向空间的压力、抽油杆柱受力等数值分布,对泵吸入口压力、动液面、地层流压等参数进行模拟计算,建立了不同供液状况下有杆抽油泵举升过程参数连续模拟计算方法。研究结果表明,该方法能够满足供液不足工况下油井动液面计算的精度要求,为井筒举升分析、工作制度优化调整提供了理论依据。

基于人工智能的抽油机井结蜡预警方法

针对依靠现场经验确定的清蜡周期不准确而导致蜡卡躺井的问题,开展了基于人工智能的抽油机井结蜡预警方法研究。利用皮尔逊相关系数分析方法,分析了17项油井自动采集参数与结蜡程度的关联性,确定了7项主控参数,创建了结蜡预警规则模型;将7项主控参数的合并指标进行归一化处理得到结蜡综合特征指标(WPSC),并利用结蜡预警规则模型产生的样本数据建立了结蜡井WPSC样本集,选用长短时记忆神经网络(LSTM)对样本集进行训练,得到了WPSC机器学习模型,用其可以定量预测抽油机井的结蜡程度。该方法在胜利油田桩23区块的现场应用结果表明,油井清蜡周期得到延长,且有效避免了蜡卡躺井。研究结果表明,基于人工智能的抽油机井结蜡预警方法实现了油井结蜡程度的定量化预测与预警,对精准确定清蜡时机具有较好的指导作用。

采油管理区数字化生产运营技术研究与应用

针对油气生产生产、开发和油公司经营等关键业务流,利用先进信息化技术手段进行大数据+、智能化+的全方位升级改造,逐步建立数字化运营体系,是提升油公司效益、效率、效能的关键,本文系统阐述了采油管理区数字化生产运营体系建设背景和内容,对提升国内采油基层单位信息化、现代化管理水平具有较强参考意义。

基于知识图谱的采油生产智能预警系统研究与应用

针对采油生产实时数据挖掘利用的需要,本研究将知识图谱技术应用到采油生产业务领域,构建了采油生产知识图谱,建立了采油生产预警推理规则定义方法和预警推理规则计算机解析方法,研制了一套采油生产智能预警系统。实际工程应用表明,利用该系统实现了56类采油生产异常问题的超前预警,促进了生产管控方式的变革,节约了生产成本,具有较好的应用前景。

基于Redis的油气大数据智能预警软件研发与应用

近年来,油田企业大力推进油气生产信息化建设,采油(气)、注水、集输等实时生产数据为提高油气生产管控能力提供了有效支撑。目前,地面油气生产过程异常分析主要以单参数、单点的报警为主,报警量大、问题不具体,海量实数据没有得到很好挖掘利用,油井异常问题的实时分析、事前预警相对较弱。依托油气生产信息化采集的实时数据,结合现有生产业务模型,对采集数据进一步挖掘分析,搭建生产智能预警大数据分析系统,形成完整的生产预警体系,为推动油田精细化管理、降本增效提供辅助支撑。

关于人工智能技术在油田生产管理中应用的实践与思考

挖掘利用海量的生产数据资源,将人工智能技术应用于油气生产异常问题超前预警、趋势及指标预测,将给企业带来极大的价值。在实践的基础上,对知识工程技术、机器学习技术以及知识工程与机器学习相结合的技术等3条技术路线进行了对比分析,结果表明规则模型与机器学习结合的技术路线,符合新一代人工智能发展趋势和油气生产人工智能应用方向,并对未来应用前景进行了展望。