王瑞軍，陳汶濱*

?

油田單井生產(chǎn)指標預警的研究與實現(xiàn)

王瑞軍，陳汶濱*

(西南石油大學計算機科學學院，四川成都610500）

目前油田開發(fā)生產(chǎn)管理及研究工作面臨諸多問題，如井數(shù)過多，工作量巨大和人手不足等。這些問題直接導致了油井生產(chǎn)在出現(xiàn)異常情況時，油田工作人員由于經(jīng)驗不足等原因，無法及時和準確的找到異常源，嚴重影響了油田的生產(chǎn)效益。本文從油田生產(chǎn)指標及其影響因素入手，通過對石油專業(yè)理論和國內外油田單井生產(chǎn)指標預測預警方法的調研和分析，首先構建一套油田單井生產(chǎn)指標的預警體系，之后設計一個單井波動的預警算法，對單井生產(chǎn)管理中的存在的問題和偏差進行提前預警。該預警算法可以縮短發(fā)現(xiàn)問題以及解決問題的時間，以確保油井平穩(wěn)高效的生產(chǎn)。

生產(chǎn)指標；預警；指標體系

引言

隨著傳感器技術、數(shù)據(jù)庫技術的高速發(fā)展，油田信息化技術也在不斷地提高。油田生產(chǎn)和運維產(chǎn)生的數(shù)據(jù)發(fā)生了爆炸式的增長[1-3]。在這龐大的油田數(shù)據(jù)中，蘊含著巨大的潛在價值。同時，油井在出現(xiàn)異常情況時，由于井個體存在差異性，業(yè)務經(jīng)驗不足的管理人員往往無法及時、準確的找出異常源，嚴重影響生產(chǎn)效益[4]。

生產(chǎn)指標預警是為了防止指標超預警范圍給出的警示，縮短發(fā)現(xiàn)問題的時滯性。但目前沒有相對成熟的預警軟件[5]。開展油田生產(chǎn)指標預警體系研究可以很好的將石油大數(shù)據(jù)與現(xiàn)代預警技術相結合，充分利用歷史數(shù)據(jù)的價值，建立一套合理的油田生產(chǎn)指標預警體系，構建一個系統(tǒng)化、綜合化的生產(chǎn)指標預警系統(tǒng)，對生產(chǎn)理中的存在的問題和偏差提前預警，超前或及時的做出各項應對措施，縮短發(fā)現(xiàn)問題、解決問題的時間，確保油井的平穩(wěn)高效的生產(chǎn)，對實現(xiàn)油田生產(chǎn)智能化和信息化具有重大意義[6-8]。同時，一套合理的油田生產(chǎn)指標預警體系能夠為油田開發(fā)及運維提供輔助決策，保障油田生產(chǎn)平穩(wěn)高效，提高生產(chǎn)效益。

1 預警理論

預警是指事物在發(fā)展或運行的過程中，如果預測到其發(fā)展趨勢有可能偏離正常的運行軌道或者發(fā)生異常時，及時發(fā)出警示信號，以便做出相對應的措施，減少經(jīng)濟、人力、物力等方面的損失。

預警依據(jù)不同的劃分標準，有著諸多的概念。按照預警的應用領域來劃分，有軍事預警、經(jīng)濟預警、氣象預警、能源預警、糧食預警、企業(yè)管理預警等等。按照預警的時間長短來劃分，有長期、中期、短期預警三種；但是預警時間的長短需要根據(jù)預警的研究對象來定義，是一種相對概念。按照預警對數(shù)據(jù)和主觀意識的依賴程度來劃分，有定量預警、定性預警等等。

預警方法作為預警系統(tǒng)核心組成部分，對預警系統(tǒng)的性能有著深遠影響。預警的方法依據(jù)其機制可以分為：黑色、黃色、紅色、綠色、白色預警方法[9-10]。常用的預警模型主要有以下幾種：景氣指數(shù)法；人工神經(jīng)網(wǎng)絡預警；基于模式識別的預警；支持向量機（SVM）預警。

一個完整的預警流程如圖1所示。從圖1我們可知，預警分析的步驟主要有幾個：首先需要從各種資料中（如生產(chǎn)動態(tài)資料、地質靜態(tài)資料和監(jiān)測資料）尋找預警源，然后分析預警數(shù)據(jù)，明確目標，從指標體系中選取指標，最后通過神經(jīng)網(wǎng)絡[11]、支持向量機[12]等模型進綜合評價并發(fā)出警報。

圖1 預警系統(tǒng)流程圖

2 單井生產(chǎn)指標體系的構建

在整個預警流程中，指標體系的建立是其中非常重要的一步。指標體系的質量，直接決定了預警系統(tǒng)的優(yōu)劣。在油田單井的日常分析中，我們首先就是要在眾多的井中找到產(chǎn)量等預警指標發(fā)生變化的井，通過進一步分析找出變化的原因，將監(jiān)測值與預設的平均值、合理界限對比，判斷是否超出預設的界限，若超出則提示報警，完成預警。由此可見，生產(chǎn)指標的選取是預警系統(tǒng)的基礎和前提條件。

指標預警體系的建立主要有以下幾個原則：預警指標應客觀的反映油田單井生產(chǎn)的各種影響因素，保證其科學性；預警指標應具有完整性和全面性，把單井生產(chǎn)作為一個整體考慮不遺漏任何環(huán)節(jié)，保證其系統(tǒng)性與全面性。預警指標體系構建的過程中，應以實際的油田數(shù)據(jù)資料為支撐。這些油田數(shù)據(jù)資料應該來源于于已有的開發(fā)數(shù)據(jù)庫，保證指標的可操作性。

通過對單井生產(chǎn)的分析可知，影響單井生產(chǎn)的因素主要有以下幾種：油井的日產(chǎn)液量、日產(chǎn)油量、含水率等，水井的日注水量、注入壓力等等這幾大方面。遵循預警指標體系構建的原則，最終確定油田單井生產(chǎn)指標預警的指標體系如圖2所示。

圖 2 單井生產(chǎn)預警指標體系

3 單井波動預警算法設計

構建了單井生產(chǎn)指標預警體系后，我們需要設計預警算法，對異常數(shù)據(jù)進行分析并給出預警警告。因此，預警算法在整個預警系統(tǒng)中，同樣也起著非常重要的作用。本文的單井波動預警算法如算法1所示。

如算法1所示，首先算法會從數(shù)據(jù)庫中提取最近一個月的日產(chǎn)液、日產(chǎn)油、含水率、汽油比、日注水量、注入壓力等相關參數(shù)數(shù)據(jù)作為輸入。這些輸入數(shù)據(jù)均是在已構建的預警指標體系中選取的。第二步，系統(tǒng)通過計算單井各個指標的最近月平均值、變化率、波動區(qū)間、期望、方差等。第三步，通過上述數(shù)據(jù)計算并確定各個指標預警閾值推薦值或預警區(qū)間。第四步，在結合最近一天的數(shù)據(jù)，根據(jù)預設的預警對比方式，對比上述的各個指標預警閾值推薦值和預警區(qū)間，判斷該數(shù)據(jù)是否符合預警條件。第五步，系統(tǒng)將給出單井推薦預警指標，即確定需要預警的單井生產(chǎn)指標。第六步，將需要預警的指標展示和通知給管理人員。展示方式可以是短信和郵件。

算法1: 單井波動預警算法 輸入: 單井生產(chǎn)動態(tài)數(shù)據(jù)。 輸出: 預警展示與通知。 (1) 從數(shù)據(jù)庫中提取最近一個月單井數(shù)據(jù); (2) 計算單井各個指標最近月平均值、變化率、波動區(qū)間、期望、方法等信息; (3) 計算各個指標的預警閥值或者預警區(qū)間; (4) 提取最近一天的數(shù)據(jù)，根據(jù)警報對比方式，查驗是否符合預警條件； (5) 給出單井推薦預警指標； (6) 預警展示和通知。

4 實驗結果

本文實現(xiàn)了4種預警方式：與前N天的平均值變化率對比；與前N天的平均值絕對值相比；與某一固定值相比；與前N天平均值相比波動區(qū)間相比。詳細的預警閥值設定如圖3、圖4和圖5所示。圖6顯示了預警分級的管理菜單。

圖 3 油井波動預警閥值設定

圖 4 水井波動預警閥值設定

圖 5 氣井波動預警閥值設定

圖 6 預警分級管理菜單

單井波動預警以表格形式的形式展示，如圖7所示。表格形式可以從全局的角度展示所有單井的波動情況，清晰、全面地展示了每一口單井在某一時間的波動情況。

圖 7 單井波動預警-表格形式

5 結語

本文首先分析油田生產(chǎn)的影響因素，然后以此構建一個油田單井生產(chǎn)指標預警體系，通過對石油專業(yè)理論以及油田單井生產(chǎn)指標預警方法的調研和分析，最后設計了一個單井波動預警算法，該算法可以對單井生產(chǎn)管理中的存在的問題和偏差進行提前預警，可縮短發(fā)現(xiàn)問題、解決問題的時間，最終確保油井的平穩(wěn)高效的生產(chǎn)。

[1] 范秋芳. 中國石油安全預警及對策研究對策[D]. 中國科學技術大學, 2007.

[2] 楊敏英. IEA各國的石油安全應急對策體系[J]. 中國能源, 2002, (3):15-17.

[3] 吳文盛. 我國石油資源安全評價與預警研究[J]. 當代經(jīng)濟管理, 2002, 24(5):13-18.

[4] 李凌釋, 張斌, 杜志教. 中國石油安全危機預警研究[J]. 石油天然氣學報(江漢石油學院學報), 2005, 27(1):308-310.

[5] 范秋芳, 顧光彩, 馬揚. 石油企業(yè)生產(chǎn)經(jīng)營系統(tǒng)監(jiān)測預警指標體系和預警方法研究[J]. 運籌與管理, 2006, 15(1):105-110.

[6] 李智超, 劉志斌, 趙正文. 油田產(chǎn)量監(jiān)控預測預警系統(tǒng)[J]. 中國科技成果, 2008, 10(4):18-18.

[7] 常彥榮, 李允, 彭炎, 等. 油田生產(chǎn)產(chǎn)量監(jiān)控體系及預警系統(tǒng)西南石油學院學報, 2006, 28(3):24-37.

[8] 牛琦彬, 陳大恩, 油氣企業(yè)經(jīng)濟預警系統(tǒng)研究天然氣工業(yè), 2007, 27(6):136-138.

[9] 潘潔珠. 基于數(shù)據(jù)挖掘的預警技術研究[D]. 合肥: 合肥工業(yè)大學, 2007.

[10] 張春曙. 大城市社會發(fā)展預警研究及應用初探[J]. 預測, 1995, (01): 47-50.

[11] Y. Bansal, T. Ertekin, Z. Karpyn. Forecasting Well Performance in a Discontinuous Tight Oil eservoir Using Artificial Neural Networks[C]. SPE 164542, 2013.

[12] 盧漢體, 李傅冬, 林君芬, 等. 基于支持向量機的浙江省流感樣病例預警模型研究[J]. 浙江大學學報醫(yī)學版, 2015, 44(6):653-658.

The Research and Implementation on Production Indicators Early Warning of Single Well

WANG Ruijun, CHEN Wenbin*

(School of Computer Science, Southwest Petroleum University, Chengdu 610500, China)

The development and production management of oilfield face some issues, such as a great number of oil wells, heavy workload, understaffed and simplified management. When some abnormal situations occur in oil well production, it is very hard to find the abnormal source timely and accurately. This situation influences the production efficiency seriously. This paper starts from the investigation and analysis for the methods of forecast and early warning of oil field’s development indicators from abroad and at home, and the research of relationship between oil field’s development indicators and their influencing factors. Base on this, the oil field’s development indicators is established, and a fluctuation early warning algorithm is designed. It can give the early warning to the problems and deviations of single well production management, and shorten the time to find and solve problems, finally ensure the smooth and efficient production of oil wells.

production indicators; early warning; indicator system

10.19551/j.cnki.issn1672-9129.2017.02.07

TP181

A

1672-9129(2017)02-0037-04

2016-11-25；

2017-01-06。

王瑞軍（1969-），男，碩士，研究方向為計算機技術；陳汶濱(1965-)，男，四川隆昌，教授，主要研究方向：油田信息化、數(shù)據(jù)庫技術與應用、計算機模擬與仿真。

E-mail:cwb650501@sina.com

引用：王瑞軍, 陳汶濱. 油田單井生產(chǎn)指標預警的研究與實現(xiàn)[J]. 數(shù)碼設計, 2017, 6(2): 37-40.

Cite：Wang Ruijun, Chen Wenbin.The Research and Implementation on Production Indicators Early Warning of Single Well [J]. Peak Data Science, 2017, 6(2): 37-40.