含蜡原油井筒结蜡剖面的预测模型

油井结蜡是含蜡原油开采中的不利因素。对含蜡原油在井筒流动过程中蜡沉积影响因素进行了分析，研究了石蜡的沉积机理。利用Ｆｉｃｋ扩散定律和剪切扩散理论，推导并建立了蜡分子扩散和蜡晶径向迁移过程中油井结蜡剖面的预测模型，该模型可用于计算油井井筒中各点的石蜡沉积速度以及沉积厚度的增长速度。对影响油井结蜡剖面的各因素进行了敏感性分析。研究结果表明，油井沿井筒的蜡沉积厚度分布随原油的性质、含水量、原油在井筒中的温度和压力条件、油井的产量以及生产时间的变化而变化。在实际生产中，对上述影响因素进行控制和调节，可以改善油井的结蜡状况。

时序示功图驱动的抽油机井结蜡预测及清蜡效果评价

抽油机井结蜡是一个渐变的过程,序列示功图变化可以反映油井结蜡的程度。现场根据经验来预测结蜡程度和确定结蜡井热洗清蜡制度,决策能力低、效果差。应用人工智能技术认识结蜡程度与抽油机井示功图、电机运行参数、井口生产参数的关联关系,开展数据驱动的抽油机井结蜡预测预警方法和热洗效果评价的研究。应用残差卷积神经网络(ResNet)提取结蜡井示功图特征,使用聚类算法确定其结蜡等级,融合提取的示功图图形特征和12项生产参数建立样本集,利用长短时记忆神经网络(LSTM)构建序列到序列网络结构模型对样本集进行训练,建立结蜡等级预测模型,定量预测抽油机井的结蜡等级,并构建了油井清蜡效果评价指数Q。研究结果表明,建立的抽油机井结蜡预测模型和清蜡效果评价指数实现了油井结蜡等级的定量化预测、洗井周期的决策、清蜡效果的有效评价,对精准确定清蜡时机、评价清蜡效果具有较好的指导作用,有效避免了蜡卡躺井,同时延长了油井免洗周期。

大数据技术在抽油井结蜡预测中的应用研究

随着数字新疆油田深化应用及智能油田建设的不断推进,特别是在国际油价和国内市场需求不断波动的形势下,新疆油田越来越关注利用具有分析预测能力的大数据技术挖掘油田数据价值、提高数据利用率,从而指导油田生产、实现降本增效。围绕智能新疆油田建设中提前预测抽油井结蜡状态这一业务需求,本文介绍了大数据在抽油井结蜡预测中的研究成果及应用,为实现油田各项业务数据化提供了技术手段和有力支撑。

海上高含蜡油田井筒清蜡周期预测图版建立及应用

渤海部分高含蜡油井投产后面临比较严重的井筒结蜡问题,现场作业人员一般根据生产经验确定清蜡周期,导致准确度低、清蜡作业成功率有限。根据海上油井生产管柱特征,以Ramey温度场计算数学模型为基础,结合井筒结蜡速率模型计算得到了井筒结蜡剖面,推导建立了电潜泵井清蜡周期预测方法,并进一步绘制了某油田A区块清蜡周期和清蜡深度预测图版。结果表明,清蜡周期随产液量的下降呈幂函数形式变短,随含水率增加呈指数函数形式增加。根据清蜡周期预测图版,预测3口井的清蜡周期分别为11 d、15 d、46 d,实际清蜡周期分别为8 d、12 d、39 d,预测结果与实际基本吻合。该方法同样适用于陆地油田自喷井确定清蜡周期和清蜡深度,对高含蜡电潜泵井、自喷井及时制定清防蜡措施具有借鉴意义。

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。