大数据技术在油田套损井防治中的应用研究

大数据技术在油田套损井防治中的应用研究

[摘要]随着信息化技术的进步，各行业愈发重视数据开发利用，大数据技术作为数据价值发现的重要方法已经在社会各方面得到了广泛的认识和应用。当前低油价环境下，通过信息技术的应用实现石油企业提质增效已成为石油行业的一致共识。本文将利用大数据技术针对油田套损井的防治开展相关的研究工作，以明确套损井主控因素，提升套损井防治的针对性和有效性，以更好地保证油田生产的平稳开展。
[关键词]大数据；套损井；防治
doi：10.3969/j.issn.1673-0194.2018.13.033
[中图分类号]F273；TP393[文献标识码]A[文章编号]1673-0194（2018）13-0069-03＼
0引言
大港油田作为复杂断块的老油田，随着二次开发的不断深入，套损井问题日益严重，极大的影响了油田的正常高效生产，不仅影响油田的稳产基础，还造成注采井网的不完善，给油田区块的整体开发带造成了不利影响。大港油田一直致力于该项工作的研究，并取得了较好的成绩，随着精细化管理及研究技术的发展，如何更加深入对套损井进行研究，挖掘套损井发生的规律和知识，有针对性地去预防和解决此类问题对油田区块的稳定开发意义重大。
本文基于大港油田公司积累的大量井筒专业数据及生产数据，在正常和套损井构成的大量数据样本中，利用大数据技术从数据角度寻找大港油田套损井分布、套损井发生规律、套损井主控因素，进而预测套损井发生概率，为油田公司套损井的防治工作提供建议和指导，以更好地实现对套损井的防治。
1大数据技术基本概述
数据挖掘是大数据技术数据分析、处理的核心，是规律发现及预测的主要技术，随着科技的发展，数据挖掘不再仅仅依赖在线分析等传统的分析方法。它结合了多种学科知识，并把这些复杂的技术封装起来，使人们不用自己掌握这些技术也能完成同样的功能，从而更专注于自己所要解决的问题。通过数据挖掘分析软件，可以高度自动化地分析数据，做出归纳性的推理，从海量数据中挖掘出潜在的、有价值的知识、模型或规则，并对未来情况进行预测，以辅助决策者评估风险、做出正确的决策。
大数据挖掘技术相比于传统的数据挖掘分析，具有数据量大、查询分析复杂等特点，大数据与云计算密不可分。大数据需要结合新的处理模式才能产生具有更强的决策力、流程优化能力等多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息，而在于掌握对这些含有意义的数据进行专业化处理的技术。
大数据的特色在于对海量数据进行分布式数据挖掘，它必须依托互联网的云服务进行分布式处理、分布式数据库和云存储等。如果把大数据比作一种产业，那么这种产业实现盈利的关键是提高对海量数据的“加工能力”。简单地说，大数据技术就是从各种各样类型的数据海洋中，快速获得有价值信息的能力。
2常规套损井研究过程
当前大港油田套损井的常规研究主要以套损形态研究为基础，开展套损名义寿命、套损程度、套损在空间的分布等统计研究，确定套损分布规律；以套损综合图为技术手段，开展地质因素对套损的控制研究，分析断层、地质层位、岩性等控制套损的地质因素，建立套损地质模型，确定影响套管损坏的内因；以开发动态资料为基础，分析注水压力、含水、开发方式等开发因素对套损的影响，筛选影响套损的开发因素，确定套管损坏的外因；以地应力测量为基础，建立了三维地应力分布模型，分析了套损与地应力分布的关系；分析“钻井狗腿”、套管钢级和壁厚、固井质量等影响套损的工程因素，确定影响套损的工程缺陷。
在以上地质、开发、工程等因素的基础上，建立套管损坏力学模型，分析套损发生的定量条件，提出套损预防措施及修复技术。
常规套损井的分析提升了套损井防治工作的针对性和有效性，但常规分析主要依靠数据的常规统计、分析来发现规律，常规的统计分析无法有效应对大量数据的处理，研究人员无法有效获得对套损井的全面认识和成因的全面了解，因此有待进一步提升和完善。
3大数据技术实现套损井防治研究
针对大港油田套损井的整体分布情况，由于不同区块间存在较大差异，根据当前套损发生最集中的情况，我们重点对大港油田港西油田套损井开展了相关研究，主要思路和过程如下：
通过各个环节的递进，明确多因素情况下，港西油田套损井发生的主要因素，实现对套损井发生情况的预测，明确主控，有针对地开展相关防护工作，实现对套损井的防治。
根据分析的主题，我们对港西油田各类单井的砂岩段小层数据、射孔数据、套管数据进行了整理，实现了近千口井、五千余条数据的整理。
3.1港西油田套损井规律发现
利用机器学习方法，对港西油田明化镇组的生产井和套损井进行套损原因分析和预测。对相同地质条件和工程条件下开发因素对套损套变的影响进行特征分析，结合港西油田的相关地质、生产数据，我们开展了基于岩性、井筒名义寿命、钢级、套损位置深度等单因素的关联分析，以明确港西油田套损井发生的规律
根据相关数据，发现了无论在泥岩、砂岩等岩性情况下，名义寿命的峰值都在2500天左右，在沙泥界面情况下，套损位置深度明显集中在2000米左右等，?⑺?有因素进行整体关联分析，可以发现套损位置岩性为砂岩和其他类型的情况，样本的套损发生位置深度随名义寿命的增加而递减；对于套损位置岩性为泥岩和泥沙界面的情况，在名义寿命随深度增加过程中总体递减，但在递减过程中，均出现先增后减的情况，根据发现的规律，基于机器学习的相关算法，开展了套损井预测模型的构建。
3.2港西油田套损井预测模型构建及应用
在规律分析的基础上，我们对各类相关数据进行了全面的归一化处理，其主要目的是去除缺失的观测（没有进行插补，因为数据量够用），把因变量进行因子化，在清理完成之后，通过分层随机抽样对样本进行了分类和分组。通过反复比较数据的抽样及分类特征，采用“随机森林”的方法进行模型的构建和特征提取，同时为增强?Y果的可靠性，在基于随机森林算法进行特征提取的过程中，引入十折交叉验证方式算法进一步确保模型的准确性。
通过模型的构建，利用分层随机抽样的方式，分别随机选取25%的样本构成测试集，75%的样本构成训练集。通过10次十折交叉验证，其精度都在98%以上，说明模型的预测精度较高。
模型针对之前输入的各种特征变量给出了影响港西油田套损井发生的4个重要特征，即为钢级、砂层厚度、水泥返深、渗透率。
基于该算法构建的模型，我们随机抽取了大港油田港西油田21组数据进行了相关的验证，通过模型的运算得到结果与实际情况基本吻合，进而验证了模型的基本可用性，也为该模型的正式应用奠定了基础。
通过该模型的研究，可以快速地发现特定区块套损井的主控因素，为专业研究人员提供了基础的套损井发生因素的说明，针对相应的主控因素可以快速地开展有针对性的措施应对，以防止或延缓套损井情况的发生，确保生产的平稳、有序开展。
4结语
本文基于油田生产过程中套损井防治的场景，利用大数据技术进行相关机理的研究，对大数据技术的具体应用进行相关的探索，实现了大数据技术在油田套损井防治中的应用，为后续的深入应用奠定了坚实的基础。
石油行业具有数据积累量大、数据价值还有待进一步发展和挖掘，借大数据的东风，利用大数据思想实现数据的价值的深度挖掘，进一步指导实际的生产。当前低油价环境下，我们相信大数据技术将发挥更大的作用，助推企业提质增效、节本降耗，实现企业的高效、可持续发展。
主要参考文献
[1]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[2]李洪奇，李雄炎，谭锋奇，等.基于数据挖掘技术的测井评价方法[J].测井技术，2009，33（1）：16-21.
[3]李洪奇，郭海峰，郭海敏，等.复杂储层测井评价数据挖掘方法研究[J].石油学报，2009，30（4）：542-549.
[4]李?S.套损井损坏机理研究[J].中国石油和化工标准与质量，2014（6）：118.