葛 蘭，蒲謝洋

（中國石化重慶涪陵頁巖氣勘探開發(fā)有限公司，重慶408100）

2013年，中國頁巖氣正式進入商業(yè)化開發(fā)階段，近年來的高速發(fā)展，不僅推動了鉆井、壓裂工程工藝技術(shù)及配套裝備的加速進步[1-2]，而且在數(shù)據(jù)自動采集、視頻監(jiān)控系統(tǒng)、信息化建設(shè)應(yīng)用方面不斷升級[3-4]，隨著大數(shù)據(jù)、智能化的興起，油氣田智能化建設(shè)也進入公眾視野。國內(nèi)外學(xué)者在油氣田信息化智能化建設(shè)的基本框架、理論與技術(shù)、解決方案等方面開展了相關(guān)研究[5-9]。但頁巖氣田智能化建設(shè)國內(nèi)尚無先例，如何高效利用獲取的頁巖氣田大量數(shù)據(jù)資源，從中挖掘出數(shù)據(jù)價值，并實現(xiàn)快速判斷與響應(yīng)，打造“快速獲取、及時響應(yīng)、趨勢預(yù)測、智能決策”的智能化氣田，成為推動我國頁巖氣實現(xiàn)高效開發(fā)亟需解決的關(guān)鍵問題。

涪陵頁巖氣田作為我國首個大型頁巖氣田和國家級頁巖氣示范區(qū)，在氣田建設(shè)伊始，便致力于建設(shè)智能化氣田。采氣井場和集氣站均按照無人值守設(shè)計，逐步建成了數(shù)據(jù)采集、自動控制、光纖通信、安防系統(tǒng)，視頻監(jiān)控系統(tǒng)與其他安防、SCADA系統(tǒng)可進行聯(lián)動，實現(xiàn)了氣田的全井、全流程、全參數(shù)的監(jiān)控。在數(shù)據(jù)采集的基礎(chǔ)上，從頂層設(shè)計并建設(shè)了涪陵頁巖氣田勘探開發(fā)一體化數(shù)據(jù)庫。基于勘探開發(fā)一體化數(shù)據(jù)庫，采用大數(shù)據(jù)分析、機器學(xué)習(xí)等技術(shù)，建設(shè)了涪陵頁巖氣田智能化生產(chǎn)輔助決策系統(tǒng)，為氣田精細管理提供了強有力的技術(shù)支撐，保障了氣田持續(xù)穩(wěn)產(chǎn)。

1 建設(shè)背景及系統(tǒng)設(shè)計

1.1 建設(shè)背景

在頁巖氣田生產(chǎn)管理中，制約氣藏高效管理主要有3 個方面問題：①快速生產(chǎn)預(yù)測方法欠缺，影響因素識別困難。頁巖氣勘探開發(fā)難度大，基礎(chǔ)理論研究不足，生產(chǎn)規(guī)律認識不深[10]。如何選擇最優(yōu)的生產(chǎn)方式，制定合理工作制度，有效控制遞減并提高單井可采儲量等問題，需要持續(xù)優(yōu)化與提高。②異常識別與治理不及時、不準確。頁巖氣井遞減快、規(guī)律變化快[11]，現(xiàn)有軟件無法快速準確地進行生產(chǎn)分析與預(yù)測，且影響因素識別困難，制約著氣井最優(yōu)對策的制定，其控遞減措施也相對滯后。③安全參數(shù)設(shè)置仍處于人工干預(yù)階段。雖然氣田獲取了大量開發(fā)、生產(chǎn)數(shù)據(jù)，但未有效利用，安全風(fēng)險識別及參數(shù)設(shè)置仍處于人工限制階段，不能滿足各關(guān)鍵節(jié)點快速變化，聯(lián)動響應(yīng)的需要。

使頁巖氣開發(fā)數(shù)據(jù)快速信息化，實現(xiàn)有效增值，支撐氣田的高效開發(fā)及管理是建立該系統(tǒng)的初衷?；趯Ａ宽搸r氣數(shù)據(jù)的深度挖掘，開展頁巖氣田智能生產(chǎn)預(yù)測預(yù)警系統(tǒng)的設(shè)計與研發(fā)，幫助頁巖氣田開發(fā)及管理機構(gòu)，提升氣井生產(chǎn)效率及氣藏精細化管理能力，提高單井可采儲量及氣藏采收率是搭建該系統(tǒng)的目的。涪陵頁巖氣田智能化生產(chǎn)輔助決策系統(tǒng)是以頁巖氣一體化數(shù)據(jù)庫為基礎(chǔ)，可對頁巖氣田的地質(zhì)、測錄井、分析化驗、壓裂試氣、頁巖氣生產(chǎn)等多維、多源數(shù)據(jù)開展大數(shù)據(jù)分析。從數(shù)據(jù)粒度細化、多維分析、降維、數(shù)學(xué)建模、模型應(yīng)用等多個環(huán)節(jié)開展“數(shù)據(jù)變信息”研究及應(yīng)用開發(fā)，以滿足頁巖氣開發(fā)生產(chǎn)需求，實現(xiàn)輔助決策（圖1）。

圖1 “數(shù)據(jù)變信息”總體技術(shù)思路Fig.1 Overall technical idea frame of data to information

該系統(tǒng)采用前沿大數(shù)據(jù)分析技術(shù)，對頁巖氣田積累的多維、多源生產(chǎn)數(shù)據(jù)進行關(guān)聯(lián)分析、回歸分析、聚類與分類、預(yù)測、時間序列分析，開展機器學(xué)習(xí)，挖掘出主要生產(chǎn)指標(biāo)的變化規(guī)律，對氣井生產(chǎn)趨勢進行學(xué)習(xí)與預(yù)測，并對異常變化情況進行篩選，自動判斷異常原因，并制定調(diào)整對策，通過人機交互體系，在不斷學(xué)習(xí)與調(diào)整過程中，增加判斷經(jīng)驗，接近人工判斷并超越人工判斷，最終實現(xiàn)智能化決策與控制。

通過該系統(tǒng)，可實現(xiàn)人工盯防施策向自動預(yù)警決策的轉(zhuǎn)變，大幅降低人工誤差率，提升氣井產(chǎn)能及生產(chǎn)效率，實現(xiàn)創(chuàng)效，并將填補國內(nèi)頁巖氣開發(fā)管理大數(shù)據(jù)分析方面的技術(shù)空白，為油田企業(yè)高效經(jīng)濟頁巖氣開發(fā)，提供科學(xué)決策工具和平臺、技術(shù)支撐與經(jīng)驗借鑒。同時占領(lǐng)國內(nèi)市場，為國內(nèi)頁巖氣田提供技術(shù)服務(wù)、系統(tǒng)構(gòu)建或合作開發(fā)，預(yù)計單氣田的推廣效益超千萬元，具有良好的市場推廣前景。

1.2 系統(tǒng)設(shè)計

頁巖氣田智能化生產(chǎn)輔助決策系統(tǒng)重點在于異常情況的提前預(yù)知，實時問題的及時直觀反映和防控治理對策與聯(lián)動響應(yīng)。基于頁巖氣田勘探開發(fā)數(shù)據(jù)資源湖，從頂層設(shè)計，初步建成生產(chǎn)預(yù)測、智能預(yù)警、異常提示、輔助決策、聯(lián)動控制五大模塊（圖2）。

圖2 涪陵頁巖氣田智能化生產(chǎn)輔助決策系統(tǒng)整體架構(gòu)設(shè)計Fig.2 Overall architecture design of AI assistant decision-making system of Fuling Shale Gas Field

同時，為了滿足個性化分析研究工作的需要，利用實時數(shù)據(jù)庫內(nèi)置定制函數(shù)、多維數(shù)據(jù)聯(lián)動等技術(shù)建設(shè)數(shù)據(jù)定制查詢模塊，實現(xiàn)鉆井、壓裂、生產(chǎn)等多維數(shù)據(jù)聯(lián)動函數(shù)式查詢和輸出，以滿足科研技術(shù)人員個性化數(shù)據(jù)統(tǒng)計分析需求。

生產(chǎn)趨勢的預(yù)測，對了解氣井生產(chǎn)狀況，及時開展人工干預(yù)，提升氣井階段產(chǎn)量及保持穩(wěn)定生產(chǎn)均具有重要意義。頁巖氣井具有“一井一藏”特點，生產(chǎn)規(guī)律差異大[12-13]，因此，定制化分析與預(yù)測尤為重要。涪陵氣田頁巖氣井一般采用定產(chǎn)生產(chǎn)制度，經(jīng)歷穩(wěn)產(chǎn)降壓及定壓遞減兩個生產(chǎn)階段。其中定壓遞減階段又分為連續(xù)遞減、間歇生產(chǎn)、輔助排采及增壓開采3 個階段。定產(chǎn)降壓階段主要以氣井壓力下降規(guī)律為主，在該階段，氣井以分析判斷壓力變化規(guī)律和趨勢為主要目標(biāo)，連續(xù)遞減階段壓力相對固定產(chǎn)量連續(xù)遞減，但由于頁巖氣井的生產(chǎn)始終伴隨著壓裂液的返排，當(dāng)產(chǎn)量無法滿足氣井連續(xù)帶液需求的時候，氣井需要通過關(guān)井或者放大壓差排液的方式進行管理和生產(chǎn)，此階段氣井產(chǎn)量和壓力變化較大，但整體氣井仍具有一定的產(chǎn)量遞減規(guī)律，這也為趨勢預(yù)測帶來一定難度。系統(tǒng)通過油套壓力、產(chǎn)量、壓降、產(chǎn)液等情況，自動判斷氣井生產(chǎn)階段和主要變化參數(shù)，對氣井歷史規(guī)律進行分析，明確并制定多種遞減模型，形成短期、中期、長期預(yù)測。

智能預(yù)警與異常提示，頁巖氣田產(chǎn)建速度快，氣井?dāng)?shù)量增長速度快、數(shù)量大，人工查找生產(chǎn)井異常效率低，氣井管理工作任務(wù)繁重。通過開展智能預(yù)警與異常提示，自動推送氣井預(yù)警與異常信息，對提高氣藏管理效率具有重要意義。以產(chǎn)氣量、產(chǎn)水量、油壓、套壓4 個參數(shù)作為主要預(yù)警指標(biāo)，在生產(chǎn)趨勢預(yù)測的基礎(chǔ)上，采用分級分時段預(yù)警模式，匹配對比設(shè)定的預(yù)警與異常標(biāo)準，及時作出預(yù)警與提示，如低壓預(yù)警、積液預(yù)警、壓裂干擾等，并推送至系統(tǒng)桌面，方便技術(shù)人員分析和氣藏管理人員處理。

輔助決策，基于智能預(yù)警與異常提示，按照設(shè)計業(yè)務(wù)工作流（圖3），在異常預(yù)警提示后，推送給相關(guān)研究單位和部門，開展下一步的分析和安排。期間可協(xié)同啟動開關(guān)井模塊、專家知識庫、措施優(yōu)選模塊等輔助決策模塊，指導(dǎo)下步異常治理工作決策。

圖3 氣藏動態(tài)管理崗位業(yè)務(wù)流框架Fig.3 Framework of workflow of gas reservoir dynamic management

聯(lián)動控制系統(tǒng)，基于智能運算，實現(xiàn)快速連鎖反應(yīng)，保障氣田安全平穩(wěn)生產(chǎn)。在氣田管網(wǎng)運行條件與氣井生產(chǎn)規(guī)律準確認識的前提下，當(dāng)站內(nèi)或管網(wǎng)發(fā)生壓力較大變化，氣井出現(xiàn)明顯異常波動的情況下，可通過自動聯(lián)動控制，實現(xiàn)氣井自動緊急切斷，最大程度的保障生產(chǎn)安全。同時系統(tǒng)基于對管網(wǎng)運行壓力的全面模擬，自動分析各站點合理壓力范圍，聯(lián)動設(shè)置警切系統(tǒng)的上下限，實現(xiàn)安全聯(lián)動反應(yīng)。但異常的判斷，降低誤報的準確性是聯(lián)動控制系統(tǒng)的關(guān)鍵。

2 應(yīng)用情況

2.1 積液預(yù)警

隨著頁巖氣井生產(chǎn)進入中后期，地層能量降低，井筒積液現(xiàn)象愈發(fā)嚴重，影響氣井產(chǎn)能釋放，降低氣井生產(chǎn)時率。以往采用傳統(tǒng)的如李閩模型、Turner模型等數(shù)學(xué)計算方法判斷頁巖氣井積液情況特別是水平段積液準確度不高。采用K-mean 聚類算法和神經(jīng)網(wǎng)絡(luò)算法等[14-15]機器學(xué)習(xí)技術(shù)處理氣田幾百口氣井生產(chǎn)數(shù)據(jù)，訓(xùn)練機器學(xué)習(xí)模型，結(jié)合傳統(tǒng)井筒積液數(shù)學(xué)模型計算判別方法，輸出每口井的積液情況初步判斷結(jié)果（圖4）。調(diào)用涪陵頁巖氣田專家知識庫，匹配進一步確定井筒積液狀況的經(jīng)驗做法，最終輸出下一步解決井筒積液問題的措施建議。應(yīng)用井筒積液預(yù)警功能，實現(xiàn)了準確判斷200余口氣井井筒的積液情況（圖5），準確率達90%以上，指導(dǎo)優(yōu)化了涪陵頁巖氣田210 口井排采措施，措施有效率達80%以上，措施井平均生產(chǎn)時率提升25%。

圖4 積液判別算法邏輯框架Fig.4 Algorithm framework of shale gas well liquid loading

圖5 輔助決策系統(tǒng)預(yù)警井筒積液展示Fig.5 Predicting result of shale gas well liquid loading by AI assistant decision-making system

2.2 生產(chǎn)預(yù)測預(yù)警

通過采用頁巖氣井常見參數(shù)自動識別生產(chǎn)方式，對生產(chǎn)階段自動分段，實現(xiàn)計算機自動進行頁巖氣動態(tài)儲量信息預(yù)測，有效避免人為主觀因素對產(chǎn)量預(yù)測影響，并提高預(yù)測準確性和效率。

綜合多個預(yù)警指標(biāo)參數(shù)計算得出氣井生產(chǎn)異常指數(shù)，形成了短期、中期、長期預(yù)警序列（圖6），依據(jù)生產(chǎn)異常指數(shù)大小給出異常程度，輔助氣藏管理人員及技術(shù)人員發(fā)現(xiàn)異常，分析異常原因，及時給出下步調(diào)整及措施建議，保障氣井穩(wěn)定連續(xù)生產(chǎn)。該功能模塊上線運行后，共應(yīng)用井次200 余井次，準確率達85%以上。

圖6 生產(chǎn)預(yù)測預(yù)警模塊功能展示Fig.6 Predicting result of shale gas well performance

在生產(chǎn)壓力預(yù)測方面，采用基于加權(quán)聚類的時間序列多模型算法。首先利用基于加權(quán)策略的扭曲K均值算法（WWKM）[16]對生產(chǎn)壓力進行聚類，根據(jù)聚類結(jié)果建立貝葉斯判別器，利用Elman算法[17]對每一類樣本和未分類之前數(shù)據(jù)分別建立局部和整體模型。壓力預(yù)測時，通過貝葉斯判別檢索與預(yù)測時刻最近的樣本集和對應(yīng)局部模型，構(gòu)造時間序列加權(quán)預(yù)測模型（圖7）。預(yù)測模型的生產(chǎn)壓力預(yù)測結(jié)果如圖8所示。通過生產(chǎn)壓力預(yù)測，開展氣井低壓預(yù)警，協(xié)同啟動開關(guān)井模塊，輔助氣藏管理人員科學(xué)高效地管理氣井，共應(yīng)用80余井次，氣井生產(chǎn)時率平均提升25%。

圖7 壓力預(yù)測模型算法框架Fig.7 Algorithm framework of well pressure prediction

圖8 涪陵頁巖氣田典型氣井生產(chǎn)壓力預(yù)測結(jié)果Fig.8 Well pressure predicting result of a typical gas well in Fuling Shale Gas Field

頁巖氣井壓裂施工過程中會對周緣生產(chǎn)井造成影響，表現(xiàn)為生產(chǎn)井井口壓力波動，產(chǎn)水量和產(chǎn)氣量變化，嚴重時將導(dǎo)致生產(chǎn)井水淹停產(chǎn)，因此，需及時準確地開展壓裂影響預(yù)警，動態(tài)調(diào)整生產(chǎn)井生產(chǎn)制度，避免生產(chǎn)井水淹。壓裂干擾，井距是關(guān)鍵的影響因素，生產(chǎn)壓力波動值是壓裂干擾程度核心表征指標(biāo)。通過實時自動拾取壓裂井、生產(chǎn)井?dāng)?shù)據(jù)，采用最短路徑算法計算當(dāng)前壓裂段與生產(chǎn)井之間最短水平距離，比較計算值與不同級別設(shè)定值大小，結(jié)合生產(chǎn)壓力波動值判斷，最終輸出判定結(jié)果（圖9）。利用鄰井壓裂智能預(yù)警模塊（圖10），實現(xiàn)了氣藏管理人員實時在線掌握壓裂井影響情況，對生產(chǎn)井及時精準采取防御性關(guān)井措施，關(guān)井時機由人工跟蹤決策的壓裂前1～2 d下降至壓裂前2 h，平均單口生產(chǎn)井受壓裂影響時間下降20%，單口新井壓裂期間影響產(chǎn)量下降38%，合計影響氣產(chǎn)量減少約1.0×108m3。

圖9 壓裂干擾預(yù)警模塊算法框架Fig.9 Algorithm framework of frac hit warning

圖10 涪陵頁巖氣田壓裂智能預(yù)警模塊功能展示Fig.10 Result of frac hit warning

3 結(jié)論與建議

1）基于涪陵頁巖氣田勘探開發(fā)數(shù)據(jù)資源湖，從頂層設(shè)計建設(shè)了涪陵頁巖氣田勘探開發(fā)一體化數(shù)據(jù)庫。在此基礎(chǔ)上，采用大數(shù)據(jù)、機器學(xué)習(xí)技術(shù)建設(shè)了氣田智能化輔助決策系統(tǒng)。該系統(tǒng)初步實現(xiàn)了在線生產(chǎn)預(yù)測和異常智能預(yù)警，全面支撐了氣藏管理人員對異常的快速反應(yīng)和對氣藏的高效管理，系統(tǒng)上線后，氣井生產(chǎn)時率平均提高了20%以上。

2）針對油公司模式下的頁巖氣藏管理，利用智能化生產(chǎn)輔助決策系統(tǒng)實現(xiàn)了涪陵頁巖氣田高效精準的低壓、積液、鄰井壓裂干擾預(yù)警，有效優(yōu)化了氣井開關(guān)井，指導(dǎo)排水采氣措施優(yōu)選，提高了氣井生產(chǎn)時率，有力支撐了氣田穩(wěn)產(chǎn)上產(chǎn)，累計增產(chǎn)達1.5×108m3以上。

3）頁巖氣田產(chǎn)能建設(shè)速度快，勘探開發(fā)數(shù)據(jù)量快速增長，在前期數(shù)據(jù)庫建設(shè)中應(yīng)充分考慮數(shù)據(jù)加載和數(shù)據(jù)庫性能穩(wěn)定性問題，加強大數(shù)據(jù)特征工程研究，實現(xiàn)“數(shù)據(jù)大”到“大數(shù)據(jù)”的轉(zhuǎn)變，為智能化生產(chǎn)輔助決策奠定堅實數(shù)據(jù)基礎(chǔ)。同時，應(yīng)針對頁巖氣勘探開發(fā)特征，加強核心算法研究與應(yīng)用，進一步提升智能化生產(chǎn)輔助決策系統(tǒng)功能與性能，促進智能化生產(chǎn)輔助決策系統(tǒng)賦能頁巖氣藏管理。