[發明專利]一種數據驅動的油井套損深度智能預測方法

有效

• 申請號: 202110292547.3
• 申請日: 2021-03-18
• 公開（公告）號: CN113052374B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 隋義勇;吳亞洲;廖正毅;孫輝;王維強
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06F30/20
• 代理公司: 濟南竹森知識產權代理事務所(普通合伙) 37270
• 代理人: 呂利敏

一種數據驅動的油井套損深度智能預測方法，包括步驟如下：步驟1、建立油井套損智能預測模型；步驟2、建立套損深度智能預測模型，當步驟1的模型預測結果非0時，預測發生套損的深度；步驟3、運用上述模型對油田實際套損狀況進行預測。本發明可基于套損大數據建立油井套損深度預測模型，無需進行實際條件的簡化、假設等，形成一種新的油田套損預測方法，能夠實現全方位的油田套損狀況預測。

技術領域

本發明屬于智能油田技術領域，具體來說是一種數據驅動的油井套損深度智能預測方法。

背景技術

目前，套損問題是我國老油田面臨的棘手問題之一，大慶油田在2018年后油田年新增套損井數均在1000口井以上；大港油田的套損井數正以年均80口左右的速度逐年遞增等等，多個老油田套損井數逐年增加，嚴重影響油田正常生產。因此，套損治理是保證油田正常生產的關鍵。

套管損壞本質是力的變化和時間共同作用于套管的結果。影響力的變化因素主要包括地質、工程等因素，如流體性質、生產參數、地層性質、增產措施等等多種因素的影響。目前對套損防治主要采用檢測技術和物理模型計算分析。一方面傳統的測井技術與成像技術結合等檢測技術只能進行停產檢測或者事后分析，無法進行套損趨勢以及狀態實時在線預測、分析。另一方面基于物理模型的套損預測采用了簡化、假設等條件，模型建立過程復雜，準確率不高，也未考慮時間變量累計對套損產生的影響，無法滿足智能油田實時優化的要求。國內油田經過幾十年的數字化建設，每個油田都積累了大量套損井數據，這些數據里包含了各種套損規律。采用數據驅動為主的智能化套損預測方法，可以根據生產參數的變化實時分析套損趨勢，根據分析結果實時采取調整措施預防套損，提高油井生產時率和油井壽命。對于智能油田建設、降低油田開采成本，提高油氣田開發效益具有重要意義。

綜上所述，目前對套損的研究主要是在套損發生后進行分析，不能實現對套損發展過程的提前預測，結合機器學習方法對油田套損智能預測方面的研究還處于空白階段。

發明內容

有鑒于此，為了實現對套損發展過程的實時預測，增強油田的套損治理能力，提高油氣田開發的經濟效益，本發明公開一種數據驅動的油井套損深度智能預測方法。

本發明的具體技術方案如下：

一種數據驅動的油井套損深度智能預測方法，其特征在于，包括步驟如下：

步驟1、建立油井套損智能預測模型，預測在給定的參數條件如下：

油井套管不發生套損，表示為0；發生套管變形，表示為1；套管錯斷，表示為2；套管破裂，表示為3；

步驟2、建立套損深度智能預測模型，當步驟1的模型預測結果非0時，預測發生套損的深度；

步驟3、運用上述模型對油田實際套損狀況進行預測。

以下對上述步驟進行詳細說明：

步驟1所述的建立油田套損智能預測模型包括：

S1.1、獲取套損預測的特征參數，包括：從油田數據庫中直接獲取與套損發生相關的原始參數數據，但不限于，固井質量、套管壁厚、套管外徑、防砂次數、壓裂次數、酸化次數、孔徑、沉沒度、井斜角、滲透率、鉆遇斷層數、泥質含量、開發時間、含水率、礦化度、對應水井的月注入量、月產液量；

用開發時間、含水率、礦化度、對應水井的月注入量、月產液量構建采出離子總數和注采差異量；

其中，采出離子總數的計算方法表示為：