李鑫;耿玉广;杨小平;黄少伟;张文静;周正奇
【摘 要】The use of big data mining technology can transform the mass data of oil production engineering into ideas of guiding oilifeld production. There are numerous factors which affect the power consumption indicators for lifting one ton of liquid to 100 m, so it is not quite clear which is the main factor that affect the power consumption indicators for lifting. This will need the big data mining technology to analyze the effect of various factors on power consumption indicators for lifting. With the goal of power consumption for lifting, a relevant mathematic analytic model was built, and data mining software was developed based on the mass data of oilifeld production database, and tens of related factors were mined which affected the power consumption for lifting in artiifcially lifted wells of Al Oilifeld. The target scope of pump efifciency and submergence was quantiifed. The future trend of power consumption indicators for lifting was predicted, and suggestions for related measures and adjustment were come up with. The developed big data software of oil produ
ction engineering was a carrier which realized big data management, data mining and result presentation, including functions like system management, data preprocessing, functional modules, function application, display of graphic report, analytic model, and progress visualization, providing a practical data mining tool platform for our customers.%应用大数据挖掘技术可实现将采油工程海量数据转化为可用于指导油田生产的意见。由于影响吨液百米举升耗电量指标的因素众多，对于何种因素是影响区块或单井吨液百米举升耗电量指标的主要因素并不十分明确，这就需要利用大数据挖掘技术来剖析各种因素对吨液百米举升耗电量的影响。以吨液百米举升耗电量为目标，建立了相应的数学分析模型，基于油田生产数据库的海量数据，开发了数据挖掘软件，挖掘出影响阿尔油田机采井吨液百米举升耗电量的数十个关联因素，定量化泵效、沉没度等指标范围，并预测了吨液百米举升耗电量指标的未来的变化趋势，提出了措施调整建议。编制的采油工程大数据软件是实现大数据管理、数据挖掘、结果呈现的载体，包括系统管理、数据预处理、功能模块、功能应用、图形报表展示、分析模型、进程可视等功能，为用户提供了实用的数据挖掘工具平台。 【期刊名称】《石油钻采工艺》
【年(卷),期】2015(000)004
【总页数】4页(P76-79)
【关键词】智慧油田;大数据;耗电量;数据挖掘;算法模型
【作 者】李鑫;耿玉广;杨小平;黄少伟;张文静;周正奇
【作者单位】华北油田公司采油工程研究院，河北任丘 062552;华北油田公司采油工程研究院，河北任丘 062552;华北油田公司采油工程研究院，河北任丘 062552;华北油田公司采油工程研究院，河北任丘 062552;华北油田公司采油工程研究院，河北任丘 062552;华北油田公司第一采油厂，河北任丘 062552
【正文语种】中 文
【中图分类】TE355.5;TE19
当前，大数据挖掘技术与石油工程领域还没有做到充分结合，应用也并不广泛。有部分学者将数据挖掘技术应用到石油工程领域，如G. Zangl［1］通过建立数据挖掘模型，进一步
保证了油田各项数据的质量，实现了对油井或整个生产系统的监视，对提高油气田产量具有重要意义。随着华北油田勘探开发工作的不断深入和数字油田建设的快速发展，在油气生产过程中积累了海量数据，为应用大数据挖掘技术提供了坚实的基础。采用数据挖掘算法和技术能够充分利用多专业的大数据，挖掘出蕴含在海量数据中不易发现的规律，在此基础上综合考虑多种因素变化，预测这些因素对未来生产动态的影响。以吨液百米举升耗电量为挖掘目标，进行大数据分析研究，挖掘各种影响因素与吨液百米举升耗电量之间的内在隐蔽规律，综合考虑多种因素对未来抽油机井系统效率、吨液百米举升耗电量的影响，准确采取降低吨液百米举升耗电量的措施手段。
油气田领域的应用数据库独立而分散，结构化数据和非结构化数据并存，为了使这些数据产生效益，将大量的实际数据作为样本点，通过相应的数学分析方法对这些样本点进行分析，得到其中的变化规律和各个样本参数间的关联性［2］。
数据挖掘又称为数据库中的知识发现，是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含其中的、不为人们所知的、但又有潜在应用价值的信息和知识的过程［3］。
1.1 总体设计
通过建立主题数据库，从相关数据库中获取所需数据，并配置包括灰关联、因素分析、聚类分析等多种数据挖掘算法，形成数据挖掘平台，对大量多维、多源数据进行关联分析与预测工作，并以图表、报表等形式进行成果展现，形成基于吨液百米举升耗电量指标的大数据挖掘系统应用。如图1所示。
1.2 数据准备
吨液百米举升耗电量指原油在开采过程中把1 t液体从地下提升100 m所消耗的电能。
单井吨液百米举升耗电量计算公式［4］
式中，X为单井吨液百米举升耗电量，kW·h/（100 m·t）；W为单井日耗电量，kW·h；Q为单井日产液量，t；H为有效扬程，m。
在油田生产中涉及吨液百米举升耗电量指标的因素很多，已知的有：产液量、含水率、井液黏度、井口回压、套压、沉没度、冲程、冲次，泵径、油管直径、泵挂深度、杆柱组合，
抽油机井系统效率（井下效率、地面效率）、泵效，电机输入功率、电机功率、电机负载率、抽油机平衡率等。未知的有：环境温度、调参时机、洗井次数、清蜡周期、增注量等。而产液量、电机功率其数值与吨液百米举升耗电量没有直接的线性关系［5］,所以需要通过统计、分析出其相关性。
1.3 挖掘算法
在数据仓库的基础上，采用了灰关联方法、因素分析法和聚类分析法等多种数据挖掘算法建立挖掘模型，对大量多维、多源数据进行关联分析与预测工作［6］。
1.3.1 灰关联方法 任何随机过程都是一定范围、一定时区变化的灰量，其随机过程为灰过程。对于抽油机井吨液百米举升耗电量，各影响因素不是确定值，而是一个变化范围。灰理论分析方法是一种动态发展态势的量化描述和比较方法［7］。亦即“灰关联度”，作为衡量因素间关联程度的一种方法。
设母序列为{X0，（k）}，子序列为{Xi，（k）}，其中k=1，2，…，N；i =1，2，…，m。N为时间序列长度，m为影响因素个数。
由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，因此在进行灰关联度分析时，一般都要进行无量纲化的数据处理。
极大值法——无量纲化数据处理
则关联系数，当t = k时
其中
式中，∆ymin、∆ymax为各个时刻绝对值差的最小值与最大值；ρ为分辨系数［0～1］，通常取0.5。
关联度
通过对吨液百米举升耗电量的影响因素进行灰关联分析，生产决策者可掌握影响吨液百米举升耗电量指标的最重要的影响因素排名，并根据影响程度排名有的放矢地采取相应措施，降低吨油百米举升耗电量，提高抽油机井生产管理水平。
1.3.2 因素分析法 因素分析法又称连锁置换法或连锁替代法，是通过逐个替换因素，确
定相互联系的因素对分析指标变动影响程度的一种方法［8］。实时分析机采井各部分工作状态的参数大小，建立指标评价标准，应用模糊隶属函数标准化方法把指标进行归一化，对各个指标进行评价。
越大越优型
越小越优型
适中型
式中， OFMij为第i个因素的第j个客观指标的隶属度，亦为标准化计量值；OFij为第i个因素的第j个客观指标的计量值；OFijmax为第i个因素的第j个客观指标的最大可能值；OFijmin为第i个因素的第j个客观指标的最小可能值； OFbe为第i个因素的第j个客观指标的最优值。
单因素分析指标级别分为好（0.75～1.0）、较好（0.5～0.75）、一般（0.25～0.5）和差（0～0.25）。通过影响因素分析法可对影响吨液百米举升耗电量指标的几个因素进行评价，并与其评价标准进行比对，就可得到各影响因素的评价级别，进而分析得到导致吨液
百米举升耗电量指标低的具体原因，对抽油机井工作参数进行调整，进一步提高抽油机的系统效率，降低吨液百米举升耗电量指标。
1.3.3 聚类分析法 根据事物的特征对其进行聚类或分类，以期发现规律和典型模式。这类技术是数据挖掘技术的最重要技术之一［9］。聚类分析是归纳的，不需要事先确定分类的准则来分析数据对象，不考虑已知的类标记，聚类目标就是通过聚类算法产生这种标记。
通过研究吨液百米举升耗电量所在区块的分布，能够很好地根据吨液百米举升耗电量指标对多口抽油机井进行分类，发现高耗能井的规律，从而研究各类吨液百米举升耗电量指标特征，并根据现场实际情况做出客观评价。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议