油井生產狀態智能識別及輔助決策系統的研究

焦春晶

（中石油吉林油田分公司油氣合作開發公司 吉林松原 138000）

前言

近年來人工智能技術迅速發展，主要研究領域包括機器人應用、語言識別、圖像識別、自然語言處理和專家系統等。在油田開發領域，油田標準數據庫建設和物聯網技術快速推進。油田標準數據庫建設為油田建立了穩定的數據系統，如XX油田普遍使用的A2系統，具有規范性、廣泛性和接入良好的特點。物聯網技術在油井狀態自動傳感、自動開關井、自動錄取參數方面取得了長足的進步。立足于數據系統提高物聯網智能化應用的專家程序開發潛力空間巨大，本文立足于應用油田標準數據庫，研究油井生產狀態智能識別及輔助決策方法，并編制專家系統進行程序化應用，提高油田智能開發水平。

1 油井狀態識別關鍵指標的確定

1.1 能量盈余判斷指標的確定

選取沉沒度作為油井能量盈余的判斷指標，沉沒度反映的是油層產出能力與深井泵的抽吸能力的差值。如果油層產出能力大于深井泵的抽吸能力，沉沒度逐漸上升，原則上需要調大油井的生產參數；如果油層產出能力小于深井泵的抽吸能力，沉沒度逐漸下降，原則上需要調小油井的生產參數。選取沉沒度作為能量盈余的指標弱化了產量對判斷的影響，更注重判斷能量供應與產量輸出之間的潛力。在實際應用中，需要綜合考慮能力發揮指標，并根據動態指標變化進行參數調整，同時調大參數井要考慮水淹風險，需要進行綜合分析及動態跟蹤調整。在確定沉沒度級別時要根據油田內油井的沉沒度分布狀況和分析需求進行確定。

沉沒度=泵掛深度—動液面深度

1.2 能力發揮判斷指標的確定

選取泵效作為油井能力發揮的判斷指標，泵效是油井的實際產量與理論排量的比值，反映了深井泵的工作狀態。泵效高的油井深井泵工作狀態較好，泵效低的油井深井泵工作狀態較差。選取泵效作為油井能力發揮的判斷指標，弱化了泵徑和產量對判斷的影響，更注重深井泵能力的發揮程度。實際泵效受氣影響、彈性變形影響和漏失影響，但是不影響選取泵效作為油井能力發揮判斷指標。在一個油田內，平均泵效相對固定，各類影響是系統值，不影響級別的確定。在確定泵效級別時可根據油井泵效分布狀況進行確定。

泵效=實際產量/理論排量×氣影響系數×彈性變形影響系數×漏失影響系數

1.3 分級指標的確定

能量盈余指標及能力發揮指標的確定可以采取統計的方法，通過對井的統計，找到可以分級的界限點。例如，XX采油廠統計675口井結果見表1。

表1 XX采油廠沉沒度及泵效情況統計表

圖1 XX采油廠沉沒度與泵效對比圖

根據統計結果，將XX采油廠沉沒度分級確定為0～100m、100～200m、＞200m；將泵效分級確定為0～30%、30%～60%、60%～100%（見圖1）。

1.4 輔助判斷指標的確定

示功圖和產量影響作為油井狀態識別的輔助判斷指標，示功圖反映的同樣是深井泵的工作狀態，并不能正確地反映油井的生產狀態。例如示功圖正常，泵效較高，但沉沒度持續上升，深井泵工作正常，但是油井的生產潛力沒有發揮出來，這種狀態需要換大泵或者調大生產參數以發揮油井的生產潛力。產量影響指目前產量與前三個月產量比下降的產量，可以選絕對產量也可以選下降百分數，可以通過產量變化判斷油井生產狀態變化趨勢。因此，選取示功圖解釋作為結合沉沒度和泵效綜合判斷油井的生產狀態。

2 油井狀態智能識別及輔助決策系統

2.1 油井狀態智能識別及輔助決策系統流程圖

讀取油井生產數據，從標準數據庫中讀取油井相關數據，包括沖程、沖數、泵徑、泵掛、液面、生產時間、日產液、日產油、功圖解釋結果，以及前三個月的月數據（生產天數、平均日產液能力、平均日產油能力、動液面）。

根據分級情況進行生產狀態識別，并提出輔助決策建議。

根據識別流程編制油井生產狀態智能識別及輔助決策系統流程圖，并進行程序設計，投入現場使用（圖2）。

2.2 油井狀態智能識別及輔助決策系統程序設計

系統架構采用C/S架構；編程語言采用C#和SQL SERVER2008；客戶端生成查詢結果界面、查詢結果輸出EXCEL表格 ；服務端定義鏈接服務器，從數據接口返回需求數據保存至本地數據庫，根據已定義的油井狀態識別分類更新數據至輸出表。

2.3 現場應用效果

在XX采油廠識別出不正常井101井次，驗證符合86口，符合率85.1%。輔助決策建議調大深井泵工作參數53口，調小深井泵工作參數及措施潛力井33口，實施后取得了較好的效果。

3 結論

通過油井生產狀態智能識別及輔助決策系統的研究，我們取得以下幾方面的認識：

（1）在以人工智能為代表的二次工業革命中，能源企業的人工智能發展是勢在必行的，通過智能開發可以降本增效，提高油田開發效益；

（2）油田智能化開發的三個環節是設備自動化、信息自動化和控制自動化，三個環節相互結合實現油田開發智能化；

（3）油田智能化開發需要地質研究、程序設計、工程技術、方案落實相互印證、相互結合、共同改進，最終實現油田高效開發；

（4）將沉沒度和泵效作為識別油井生產狀態的關鍵指標科學合理，實用性強；

（5）標準數據庫為智能識別系統提供了數據支持，智能識別系統為物聯網提供決策支持，物聯網應用智能識別結果對油井智能參數進行調整，從而實現真正意義上的油井智能開采。

圖2 油井生產狀態智能識別及輔助決策系統流程圖