大數據技術在油田套損井防治中的應用研究

阮杰 徐甜

[摘 要] 隨著信息化技術的進步，各行業愈發重視數據開發利用，大數據技術作為數據價值發現的重要方法已經在社會各方面得到了廣泛的認識和應用。當前低油價環境下，通過信息技術的應用實現石油企業提質增效已成為石油行業的一致共識。本文將利用大數據技術針對油田套損井的防治開展相關的研究工作，以明確套損井主控因素，提升套損井防治的針對性和有效性，以更好地保證油田生產的平穩開展。

[關鍵詞] 大數據；套損井；防治

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 13. 033

[中圖分類號] F273；TP393 [文獻標識碼] A [文章編號] 1673 - 0194（2018）13- 0069- 03＼

0 引 言

大港油田作為復雜斷塊的老油田，隨著二次開發的不斷深入，套損井問題日益嚴重，極大的影響了油田的正常高效生產，不僅影響油田的穩產基礎，還造成注采井網的不完善，給油田區塊的整體開發帶造成了不利影響。大港油田一直致力于該項工作的研究，并取得了較好的成績，隨著精細化管理及研究技術的發展，如何更加深入對套損井進行研究，挖掘套損井發生的規律和知識，有針對性地去預防和解決此類問題對油田區塊的穩定開發意義重大。

本文基于大港油田公司積累的大量井筒專業數據及生產數據，在正常和套損井構成的大量數據樣本中，利用大數據技術從數據角度尋找大港油田套損井分布、套損井發生規律、套損井主控因素，進而預測套損井發生概率，為油田公司套損井的防治工作提供建議和指導，以更好地實現對套損井的防治。

1 大數據技術基本概述

數據挖掘是大數據技術數據分析、處理的核心，是規律發現及預測的主要技術，隨著科技的發展，數據挖掘不再僅僅依賴在線分析等傳統的分析方法。它結合了多種學科知識，并把這些復雜的技術封裝起來，使人們不用自己掌握這些技術也能完成同樣的功能，從而更專注于自己所要解決的問題。通過數據挖掘分析軟件，可以高度自動化地分析數據，做出歸納性的推理，從海量數據中挖掘出潛在的、有價值的知識、模型或規則，并對未來情況進行預測，以輔助決策者評估風險、做出正確的決策。

大數據挖掘技術相比于傳統的數據挖掘分析，具有數據量大、查詢分析復雜等特點，大數據與云計算密不可分。大數據需要結合新的處理模式才能產生具有更強的決策力、流程優化能力等多樣化的信息資產。大數據技術的戰略意義不在于掌握龐大的數據信息，而在于掌握對這些含有意義的數據進行專業化處理的技術。

大數據的特色在于對海量數據進行分布式數據挖掘，它必須依托互聯網的云服務進行分布式處理、分布式數據庫和云存儲等。如果把大數據比作一種產業，那么這種產業實現盈利的關鍵是提高對海量數據的“加工能力”。簡單地說，大數據技術就是從各種各樣類型的數據海洋中，快速獲得有價值信息的能力。

2 常規套損井研究過程

當前大港油田套損井的常規研究主要以套損形態研究為基礎，開展套損名義壽命、套損程度、套損在空間的分布等統計研究，確定套損分布規律；以套損綜合圖為技術手段，開展地質因素對套損的控制研究，分析斷層、地質層位、巖性等控制套損的地質因素，建立套損地質模型，確定影響套管損壞的內因；以開發動態資料為基礎，分析注水壓力、含水、開發方式等開發因素對套損的影響，篩選影響套損的開發因素，確定套管損壞的外因；以地應力測量為基礎，建立了三維地應力分布模型，分析了套損與地應力分布的關系；分析“鉆井狗腿”、套管鋼級和壁厚、固井質量等影響套損的工程因素，確定影響套損的工程缺陷。

在以上地質、開發、工程等因素的基礎上，建立套管損壞力學模型，分析套損發生的定量條件，提出套損預防措施及修復技術。

常規套損井的分析提升了套損井防治工作的針對性和有效性，但常規分析主要依靠數據的常規統計、分析來發現規律，常規的統計分析無法有效應對大量數據的處理，研究人員無法有效獲得對套損井的全面認識和成因的全面了解，因此有待進一步提升和完善。

3 大數據技術實現套損井防治研究

針對大港油田套損井的整體分布情況，由于不同區塊間存在較大差異，根據當前套損發生最集中的情況，我們重點對大港油田港西油田套損井開展了相關研究，主要思路和過程如下：

通過各個環節的遞進，明確多因素情況下，港西油田套損井發生的主要因素，實現對套損井發生情況的預測，明確主控，有針對地開展相關防護工作，實現對套損井的防治。

根據分析的主題，我們對港西油田各類單井的砂巖段小層數據、射孔數據、套管數據進行了整理，實現了近千口井、五千余條數據的整理。

3.1 港西油田套損井規律發現

利用機器學習方法，對港西油田明化鎮組的生產井和套損井進行套損原因分析和預測。對相同地質條件和工程條件下開發因素對套損套變的影響進行特征分析，結合港西油田的相關地質、生產數據，我們開展了基于巖性、井筒名義壽命、鋼級、套損位置深度等單因素的關聯分析，以明確港西油田套損井發生的規律

根據相關數據，發現了無論在泥巖、砂巖等巖性情況下，名義壽命的峰值都在2 500天左右，在沙泥界面情況下，套損位置深度明顯集中在2 000米左右等，將所有因素進行整體關聯分析，可以發現套損位置巖性為砂巖和其他類型的情況，樣本的套損發生位置深度隨名義壽命的增加而遞減；對于套損位置巖性為泥巖和泥沙界面的情況，在名義壽命隨深度增加過程中總體遞減，但在遞減過程中，均出現先增后減的情況，根據發現的規律，基于機器學習的相關算法，開展了套損井預測模型的構建。

3.2 港西油田套損井預測模型構建及應用

在規律分析的基礎上，我們對各類相關數據進行了全面的歸一化處理，其主要目的是去除缺失的觀測（沒有進行插補，因為數據量夠用），把因變量進行因子化，在清理完成之后，通過分層隨機抽樣對樣本進行了分類和分組。

通過反復比較數據的抽樣及分類特征，采用“隨機森林”的方法進行模型的構建和特征提取，同時為增強結果的可靠性，在基于隨機森林算法進行特征提取的過程中，引入十折交叉驗證方式算法進一步確保模型的準確性。

通過模型的構建，利用分層隨機抽樣的方式，分別隨機選取25%的樣本構成測試集，75%的樣本構成訓練集。通過10次十折交叉驗證，其精度都在98%以上，說明模型的預測精度較高。

模型針對之前輸入的各種特征變量給出了影響港西油田套損井發生的4個重要特征，即為鋼級、砂層厚度、水泥返深、滲透率。

基于該算法構建的模型，我們隨機抽取了大港油田港西油田21組數據進行了相關的驗證，通過模型的運算得到結果與實際情況基本吻合，進而驗證了模型的基本可用性，也為該模型的正式應用奠定了基礎。

通過該模型的研究，可以快速地發現特定區塊套損井的主控因素，為專業研究人員提供了基礎的套損井發生因素的說明，針對相應的主控因素可以快速地開展有針對性的措施應對，以防止或延緩套損井情況的發生，確保生產的平穩、有序開展。

4 結 語

本文基于油田生產過程中套損井防治的場景，利用大數據技術進行相關機理的研究，對大數據技術的具體應用進行相關的探索，實現了大數據技術在油田套損井防治中的應用，為后續的深入應用奠定了堅實的基礎。

石油行業具有數據積累量大、數據價值還有待進一步發展和挖掘，借大數據的東風，利用大數據思想實現數據的價值的深度挖掘，進一步指導實際的生產。當前低油價環境下，我們相信大數據技術將發揮更大的作用，助推企業提質增效、節本降耗，實現企業的高效、可持續發展。

主要參考文獻

[1]孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013，50（1）：146-169.

[2]李洪奇，李雄炎，譚鋒奇，等.基于數據挖掘技術的測井評價方法[J].測井技術，2009，33（1）：16-21.

[3]李洪奇，郭海峰，郭海敏，等.復雜儲層測井評價數據挖掘方法研究[J].石油學報，2009，30（4）：542-549.

[4]李赟.套損井損壞機理研究[J].中國石油和化工標準與質量，2014（6）：118.