大数据分析技术在采油厂油藏开发中的应用浅析

刘馨

摘要：大数据分析技术应用已经遍布商业、医疗、教育等各个行业，围绕已经进入双特高开发阶段的采油厂的信息化建设现状与深化应用需求，通过对单井产量预测、套损影响因素分析、注水方案优化调整等油藏研究与开发管理领域的大数据分析技术的实际应用，聚焦实际问题，浅析解决办法和取得的阶段效果，总结算法经验，并结合数智化采油厂建设，设想大数据分析技术在油田开发中的应用场景，为智能油藏的建设与实施提供解决方案设计参考，助力石油行业数字化转型、智能化发展。

关键词：大数据分析；数智油藏；测井解释；注采优化

一、前言

油田单位为国家创造巨大物质财富的同时，积累了丰富的方法经验和海量的油田开发数据资源。开发至今已进入特高含水后期，面临着剩余油高度分散、低效无效循环和套损影响加剧、开发调整难度加大、工作量急剧攀升、降本增效、安全环保责任和压力大等诸多困难和挑战，决策科学化、管理扁平化、业务综合化、数据集中化是目前信息化建设的发展趋势[1]，如何利用信息化技术和海量数据成果实现高效转型和发展，为油气领域的发展注入新的活力[2]，是当前亟须解决的重大议题。

油气藏在勘探开发及其研究与决策过程中，形成巨量的成果及数据，在现有海量化、多样化的油田开发数据资源基础上，通过大数据技术，对油田企业生产过程中产生的多元异构数据进行高效、动态处理，及时掌握油田生产的实际情况，及时对油田生产计划进行调整，赋予数据资产更强的洞察力、决策力和流程优化能力，提高工作质效，实现对数据资产价值的有效挖掘，进而辅助开发生产决策，最大限度满足油田生产的实际需要，已成为“十四五”及后续的重点攻关方向。大数据分析具有数据量大、速度快、种类多、价值高、真实性强等特点[3]。近年来，大数据分析技术的应用给油田经济的发展带来了机遇和挑战，是目前油田生产中研究和分析的首要目标[4]。基于采油厂应用需求，在单井产量预测、套损影响因素分析、注水方案优化调整等方面开展了大数据分析技术的应用探索，取得了阶段成果，为油气藏研究与决策人员提供全方位的数据处理与可靠决策，极大地提升了油气藏的研究效率和决策质量[5]。

二、应用实例及效果浅析

（一）单井产量预测

采油单位分解年度产量任务计划的工作称之为配产，配产准确率是考量地质开发管控水平的重要指标，需要综合研判包括静态、动态、措施、监测等在内的多种资料，而目前单井产量递减和含水预测主要依靠人工分析和不同软件实现，尚无统一应用平台，缺乏专家经验的继承性，工作效率较低，有必要运用大数据分析技术，提供精准数据，提升后期决策的精准性[6]，基于现有数据资源，建立不同含水阶段、不同措施类型的单井产量递减和含水预测模型，实现多维度的单井产量递减和含水预测，支撑油井产量预测和配产工作的提质提效。

借助认知计算平台试点项目，以采油厂水驱A区块为例，梳理区块基础数据、单井基本信息、油藏基础数据、单井储层数据、单井月度生产数据、监测及井史数据作为业务数据，通过数据预处理，完成异常值和缺失值处理和数据归一化转换，并按照业务规则将各类业务数据进行清洗合并；通过人工打标签的方式，完成特高含水后期不同措施类型单井样本库构建，形成能够基本反映A区块新、老井及措施井单井产量和含水变化规律的样本知识库；选取坐标、地层压力、有效厚度、射开、产量、动液面等48项动静态参数信息作为建模特征参数，通过相关性分析（见表1）和专家经验相结合的方式，为老井、新井和措施井三类模型推荐最优特征参数组合进行建模；通过指标预测功能实现新井、老井和措施井产量快速预测。通过与实际产量对比，A区块两套层系平均月产偏差率在3.5%以下，效果较为理想。

（二）套损影响因素分析

套损井的出现不仅影响油田稳产基础，还造成注采井网的不完善，给油田区块的整体开发带来不利影响，作为套损形势严峻的采油厂，对套损的防控一直高度重视。然而由于套损成因复杂，包括井身、地质、生产开发及套管本身等几大因素，而实际套损井中大多是以上多种因素共同作用的结果。业务人员无法通过某个因素判断套管损坏与否，很多套损井都是滞后一段时间才发现的，更无法通过一个具体的函数表达式给出多个影响因素的关系，去预测预防套损的发生。为了有效预防套损发生，迫切需要运用大数据分析的手段设计实施套损影响因素分析流程（见图1），有针对性地调整开发参数，达到降低套损发生概率的目的。

采用分类算法，基于井的动态、静态及套损数据，构建套损分析预测模型，通过《油田开发数据分析共享平台》提供的分类评估节点，来比较多种分类算法之间的分析性能，检验分类模型的准确性和可靠性，分类评估对分类器准确性能评估的指标非常多，概括起来有以下几类：

（1）整体量化评价指标，包括：混淆矩阵、正确率、错误率等；

（2）每一类的评价指标，包括：精度（precision）、召回率（recall）、F1-Measure等；

（3）图形化评价指标，包括：ROC曲线、PR曲线、lift曲线、Gains曲线、K-S图，以及ROC面积、PR面积、基尼系数等。

通过对训练集和召回集的评估，使用梯度提升决策树算法对训练集预测的平均准确率为86.37%，对1类型的平均准确率为96.36%，对0类型的平均准确率为86.13%。模型评估中测试集的平均准确率为86.19%，对1类型的平均准确率为92.56%，对0类型的平均准确率为86.02%，说明构建的模型已经具有一定的预测能力，其模型的变量重要性具有参考价值，因此最终选择梯度提升决策树分类算法进行套损井成因分析，从中筛选出关键影响因素。分析表明井注水量对井的套损情况影响最大，同时影响较大的因素来自连通井的注入和产出状况，符合油藏认知。

（三）注水方案优化调整

受井网密度大、注采连通关系复杂以及人工分析工作量大、调整难度大等多种因素的影响，传统的动态分析方法难以找准影响产量的关键注水井，也无法对调整结果进行提前预判分析。在当前“提质增效”的新形势下，需要基于现有数据资源，运用大数据技术，通过数据挖掘精准找寻井间关联关系，完善注采两端最优化的配水决策方法，进一步发挥水驱对稳产的支撑作用。

选取A区块小井距区和B区块常规井距区作为研究对象，建立产量预测深度学习模型，动态决策井组影响产量的敏感水井以及最优注水量，形成以单井动态数据为基础，以关联注水井和敏感注水井精准判别为核心的大数据注水方案技术，并在此基础上，持续创新发展大数据决策调整技术，形成了由单井到层段的可量化、可优化的注水方案优化设计方法，最终形成以产油最大化为目标的注水优化调整大数据分析技术流程，实现注水井调整由人工经验分析向智能化分析转变。

从应用效果看，2019年某区应用大数据决策结果实施调整，跟踪调整18井次，增油降水效果明显，2020年，在该区域扩大应用规模，实施调整120井次，增油降水效果显著。2021年以来，通过不断完善运用大数据优化决策技术，不断扩大试验区域，已累计在以307口油井为中心的36个细化区域开展推广应用，推广范围覆盖GTZ油层不同井距的复杂注采关系井区，均取得了较好的应用效果，例如：在ZQXB_GTZ区域运用大数据调整方法，调整注水井120井次，日增注水量156方，且连通的93口未措施采油井增油降水效果明显，日增油约在15t，含水下降0.27个百分点；在B1QDD_GTZ区域运用大数据调整方法，调整注水井132井次，日增注水量可达529方，从吸水剖面资料上看，吸水厚度比例上升5.0个百分点，改善幅度较大，且连通的134口未措施采油井增油降水效果显著，日增油可达26t，含水下降0.2个百分点。

基于大数据人工智能技术形成的注水层段优化调整技术，分析全过程智能化，快速决策出由井到层段的增油降水方案，效率提高10倍以上，社会效益更加显著可作为油田开发决策非常有力的拓展和补充，有效应用于油田的生产优化工作，为油田带来显著的经济效益。

（四）测试剖面预测

对注入水驱替方向、剩余油分布层位判别的主要动态监测资料是吸水剖面和产液剖面，通过两大剖面解释成果可以了解地下不同油层的吸水、产油及含水状况，分析储层动用现状，识别油层低效无效循环、高含水部位、剩余油层位、层间窜流等问题。然而随着井数不断增加，受测试条件和成本限制，无法做到“井井测、时时测”，大数据智能吸水剖面预测势在必行。

选取实测资料相对丰富、注采关系比较完善、且近10年未有大型注采系统调整的非套损区A作为研究区域，通过对地质、动静态及监测数据的有效利用，结合数据驱动求解渗流方程和物质平衡方程技术，构建预测模型，找出封堵、措施、井间连通关系、层间压力干扰等吸水量主控因素，实现吸水剖面的预测。就目前预测结果看，符合率仍然偏低，模型构建和训练方面仍需优化。

三、应用场景设想

在能源互联网中，数据的分布尤为广泛，涉及的领域众多[7]，采油厂基于油藏业务领域已经开展了多项大数据分析技术的探索应用，对海量数据进行有效处理、分析以及整合，最大程度挖掘数据信息的价值，提高数据处理的工作效率，节省时间，保证数据处理的及时性，分析结果的新鲜度[8]，取得了阶段成果。面向“数字化转型、智能化发展”需求，以数据指导油田生产的智能化发展目标，是当前油田企业降本增效的重要途径[9]。加强信息化建设是时代发展的必然要求，以大数据分析技术为代表的新兴信息化技术在油田开发中的应用空间仍然非常广阔，能够促进企业信息化建设能力得到大幅度提升，为企业带来新的发展契机[10]。

（一）智能测井解释

基于测井、岩心、地质、动态等信息的多维数据分析和认知计算技术研究，开展大工区、协同化、多资料辅助测井曲线解释，在现有厚度解释标准的基础上，实现厚度划分、水淹层识别、孔渗饱物性参数及界限、断点、沉积相信息的智能识别，提高软件一次识别精度。

（二）智能储层预测

基于沉积单元级构造图对微幅度构造自动识别，通过大数据+人工智能深度学习技术，探索井震结合河道砂体精准识别与刻画方法，实现渗透率、岩石力学特征、剩余油饱和度等储层参数的精准、快速预测及沉积微相自动预测，解决没有井点区域或井间河道砂体的精准预测精度不高、技术适应性弱、效率低的问题；通过业务所需数据自动准备、研究任务按工作流联动、模型智能动态更新，解决目前精描工作岗位划分细、技术人员业务单一、工作量不均衡、操作周期长等问题。

（三）智能数值模拟

攻关基于机器学习的智能数据分析方法、智能化不确定参数分析与拟合技术，形成智能数据推送及成果自动维护更新、多软件成果规范化、归一化、动态化管理方法，形成智能数模成果管控与应用技术，实现智能辅助历史拟合，提高历史拟合效率、单井历史拟合符合率。

（四）优化钻关运行

依托动态、静态、监测等资料，利用大数据分析模型、深度学习等人工智能技术，攻关钻井过程中对钻关区的自动分析研判，实现关井井位智能优选、关井时间自动优化、钻关影响及钻关恢复情况智能预测，辅助分析产量波动变化原因、总结规律认识，有效降低钻关对产量的影响，提高油田管理水平，确保油田开发生产的平稳运行。

（五）智能开发管理

将生产数据、油藏工程方法、大数据技术有机结合，构建油藏开发调整过程中的智能管理闭环：问题预警——诊断分析——方案优化——派单实施——跟踪评价，依托统一的数据资源和应用服务资源，构建业务协同工作环境，打通业务和应用壁垒，实现油藏工程一体化方案联合审查、自动分析预警、智能诊断研判、及时动态调整、精准跟踪评价，通过智能化手段来实现精准挖潜及降本增效，以智能化驱动油田高质量可持续发展。

四、结语

面临着提质增效、剩余油高度分散、无效循环和套损影响加剧、开发调整难度加大等诸多挑战，通过大数据技术，挖掘数据资产潜在价值，借智引力，推进数字化转型、智能化发展是助力采油厂高质量发展的重要引擎和关键举措，油田开发数据资源具有海量、高增长率和多样化的特点，应用大数据分析技术挖掘这些复杂信息的有用价值，研究前景十分广阔

大数据分析技术在采油厂油藏开发中的应用实例表明，运用大数据分析技术，具有传统手段不可比拟的先进性、科学性和合理性，能够辅助油田开发调整工作的有序推进，但在技术应用中需要注意以下两点：一是要持续提升数据资产质量。数据质量是大数据决策分析的基础，前期的数据融合治理、决策参数的选择、决策方向的制定决定了决策结果的精准度；二是要结合区块特征构建模型。深度学习方法建立后，并不是通用于整个油田每一个区块的，要根据区块的实际特点、发育特征，增减限制参数，优化计算方法，不断完善优化建模技术。

参考文献

[1]薛茹.数据挖掘技术在油田中的应用[J].微型电脑应用，2018，34（05）：26-28.

[2]郭华，范月娟.数据挖掘及其发展探析[J].中国新通信，2018，20（09）：79-80.

[3]刘慈.大数据分析技术在油田生产中的应用研究[J].信息系统工程，2023，No.351（03）：91-93.

[4]张乃文.油田生产中大数据分析技术的研究[J].化学工程与装备，2019（01）：27+41.

[5]王娟，梁立星，武璠，等.数据挖掘技术在数字化油气藏研究与决策中的应用[J].钻采工艺，2018，41（03）：107-109.

[6]李英杰.基于大数据分析技术及其运用的研究[J].北京印刷学院学报，2021，29（08）：149-151.

[7]李士琦.能源互联网大数据分析技术的研究[J].数码世界，2017（06）：100.

[8]张娜，武瑛，章玲，等.试析大数据在油田信息化建设中的应用[J].信息系统工程，2021（09）：124-126.

[9]孙晓萍.大数据分析技术在油田生产中的应用研究[J].中国管理信息化，2019，22（09）：171-172.

[10]赵文红.浅谈大数据技术在油田信息化建设中的应用[J].中国管理信息化，2020，23（18）：82-83.