缝洞型油藏单井结构型剩余油识别与挖潜方式阶段探索

塔河缝洞型油藏开发已基本进入全面水驱、气驱阶段。缝洞型油藏储集体以缝洞集合体为主,缝洞组合形式以及结构,在近井或优势缝洞体附近随着长期的注水、注气以及提液(提高单井日产液能力,扩大动用范围)等手段导致剩余油减少,开发效果急剧转差。为了扭转这一开发形势,针对缝洞型油藏的特殊性,总结出“四步四定”法对注水失效、注气失效、底水抬升等多种类型油井进行剩余油分析,在明确结构型剩余油分布状况的前提下,制定差异化挖潜对策,改善油井生产状况,使得剩余储量实现二次动用。

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。