基于大数据挖掘技术不停机间抽工作制度优化——以大庆油田为例

高翔; 王云峰; 刘海波

基于大数据挖掘技术不停机间抽工作制度优化——以大庆油田为例

1. 中国石油大庆油田有限责任公司采油工程研究院, 黑龙江大庆 163453;
2. 中国石油大庆油田有限责任公司第九采油厂工程技术大队, 黑龙江大庆 163511

基金项目:

中国石油天然气股份有限公司重大科技专项“油气开采降本增效技术研究与规模应用”（2016E0212）。

详细信息

作者简介:
高翔(1988-),男,工程师,现从事采油化学与采油工程系统理论研究工作。E-mail:cyygx@petrochina.com.cn。

中图分类号: TE355
计量
- 文章访问数: 343
- HTML全文浏览量: 41
- PDF下载量: 45
- 被引次数: 0
出版历程
- 收稿日期: 2020-03-24
- 修回日期: 2020-04-13
- 刊出日期: 2020-12-08

Optimization of non-stop intermittent pumping system based on big data mining technology——by taking Daqing oilfield as an example

1. Oil Production Engineering Research Institute of Daqing Oilfield Co., Ltd., PetroChina, Daqing, Heilongjiang 163453, China;
2. Engineering and Technology Team of NO.9 Oil Production Plant of Daqing Oilfield Co., Ltd., PetroChina, Daqing, Heilongjiang 163511, China

摘要

摘要: 针对不停机间抽技术提高抽油机井泵效和降低能耗等方面效果显著，但工作制度确定过程中易出现实际确定方法操作性不强，主观因素影响大，单井设计个性化弱等问题，通过分析不停机间抽工作制度的影响因素，在优选出9个相对独立因素的基础上，利用大数据挖掘技术，以不停机间抽正常运行时间和运行周期为分析挖掘对象，对比分析了常用数据挖掘算法的适应性，并优选出适应性最强的算法。结果表明，回归计算中，BPNN算法要优于R– SVM和MRA算法；分类算法中，C–SVM算法比BAYSD、NBAY等算法更优；使用C–SVM—BPNN算法对不停机间抽工作制度优化后系统效率和泵效明显提高。研究结果对于不停机间抽井确定最优工作制度具有较好的指导作用。
- 大数据 /
- 数据挖掘 /
- 不停机间抽 /
- 工作制度
Abstract: The non-stop intermittent pumping wells are good to improve the pumping efficiency and reduce the energy consumption, while in the process of determining the working system, there are many problems, such as the low operability of the actual determination method, the great influence of subjective factors, and the weak individualization of single well design. By analyzing the influencing factors of the working system, based on the optimization of 9 relatively independent factors, by using big data mining technology, taking the normal running time and running period as the analysis mining object, the adaptability of common data mining algorithms is compared and analyzed, and the algorithm with the strongest adaptability is selected. The results show that BPNN algorithm is better than R-SVM and MRA algorithm in regression calculation, C-SVM algorithm is better than BAYSD and NBAY algorithm in classification algorithm, and C-SVM-BPNN algorithm is better than BAYSD and NBAY algorithm in system efficiency and pump efficiency. The research results have a good guiding role in determining the optimal working system of non-stop intermittent pumping wells.
- big data /
- data mining /
- non-stop intermittent pumping /
- working system

HTML全文

参考文献(21)

关宁,欧阳华章,李华.抽油机低效间抽井产液变化规律[J].油气田地面工程,2006,25(2):17-18.

冯立,王群嶷,吴虞.降低采油工程投资的机采优化设计方法[J].大庆石油地质与开发,2011,30(3):113-117.

高翔,吴虞,王帅,等.抽油机井适应性与节能设备匹配优选研究[J].中外能源,2019,24(1):95-100.

李军亮,廖锐全,陈晓春.抽油井间抽周期的灰色预测[J].断块油气田,2012,19(5):634-637.

苗国晶,张传绪.大庆外围低渗透油田间歇采油制度优化方法研究[J].石油钻采工艺,2012,34(2):62-65.

于小明,何贯中,金英兰.抽油机井间抽制度合理性研究[J].大庆石油地质与开发,2006,25(4):78-79.

巩宏亮,戚兴,常瑞清,等.抽油机不停机间歇采油技术研究与应用[J].石油石化节能,2017,7(10):3-6.

于晶.抽油机不停机间歇采油技术分析[J].化学工程与装备,2019,14(2):53-54.

谭锋奇,李洪奇,孟照旭,等.数据挖掘方法在石油勘探开发中的应用研究[J].石油地球物理勘探,2010,45(1):85-91.

黄渊,廖明光,李斌,等.数据挖掘技术在碳酸盐岩储层评价中的应用[J].特种油气藏,2014,21(5):37-42.

吴树鹏,熊华平.油田开发数据挖掘技术的实现与应用[J].大庆石油地质与开发,2002,21(3):49-51.

李克文,周广悦,路慎强,等.一种基于机器学习的有利区评价新方法[J].特种油气藏,2019,26(3):7-11.

马文礼,李治平,孙玉平,等.基于机器学习的页岩气产能非确定性预测方法研究[J].特种油气藏,2019,26(2):101-105.

石广仁.地学数据挖掘与知识发现[M].北京:石油工业出版社,2012.

檀朝东,陈见成,刘志海,等.大数据挖掘技术在石油工程的应用前景展望[J]. 中国石油和化工, 2015, 3(1):49-51.

孙敬,刘德华,董春艳.大数据挖掘技术评价致密气藏水平井产能[J].特种油气藏,2016,23(5):74-77.

李大伟,石广仁.油气勘探开发常用数据挖掘算法优选[J].石油学报,2018,39(2):240-246.

喻思羽,李少华,何幼斌,等.基于样式降维聚类的多点地质统计建模算法[J]. 石油学报, 2016, 37(11):1403-1409.

娄治生,李长生.不停井间抽技术在葡萄花油田的应用与认识[J].石油石化节能,2018,8(3):12-15.

于海山,赵君峰.低渗透油田机采举升方式优化评价[J].石油石化节能,2018,8(4):7-10.

邓吉彬.抽油机井节能优化统一模型[J].石油钻采工艺, 2016,38(6):842-847.

[1]	PAN Yue, WANG Kai, LIU Chen, ZHOU Wensheng, GENG Yanhong, LI Ke2020: 基于矿场数据统计的调剖措施油藏适应性研究——以A油田为例, 石油地质与工程, 34, 120-123.
[2]	LIU ZiXiong, WANG Yanhong, GAO Jie, FENG Qing, FAN Aibin2019: 基于压裂返排数据的有效破裂体积计算方法, 石油地质与工程, 33, 112-115.
[3]	ZHAN Fenglin, LI Feng, ZENG Jingfeng2019: 数据规则化技术在焉耆盆地老资料处理中的应用, 石油地质与工程, 33, 39-42.
[4]	NIE Shuaishuai, TANG Shixing, LIU Ke, XU Kangtai, LI Jiangfei, WANG Shaozheng2019: 数据挖掘诊断X油田低渗透稠油油藏压裂效果的主控因素, 石油地质与工程, 33, 90-94.
[5]	DU Wei2018: K1地区地震数据目标处理技术及效果, 石油地质与工程, 32, 43-46+122.
[6]	王津, 李辉峰, 刘翰林, 丁相虎, 辛良琦2016: 二维地震数据的DMO方法研究, 石油地质与工程, 30, 32-35.
[7]	邹德江, 谢关宝2016: 大数据时代的现代测井解释技术探讨, 石油地质与工程, 30, 51-54+128.
[8]	孙红杰, 金宝强, 冉明伟, 周蓉2013: 现代生产数据分析方法在复杂油藏储层特性评价中的应用, 石油地质与工程, 27, 76-78.
[9]	马呈芳2011: 综合录井仪通用数据采集系统的研制及应用, 石油地质与工程, 25, 49-51.
[10]	胡斌, 白忠凯, 牛永斌, 刘顺喜2006: 地质绘图中CorelDraw、AutoCAD与MapGIS的数据转换, 石油地质与工程, 20, 15-17.
[11]	李中章2005: 石油科技期刊文摘数据库系统的设计与应用——以河南石油勘探开发研究院图书馆为例, 石油地质与工程, 19, 95-96.
[12]	常炳章, 田小敏, 陆光辉, 鲍强, 李霞, 王勇2003: 相干数据体和面块切片技术在焉耆盆地本布图地区地震资料解释中的应用, 石油地质与工程, 17, 14-16+3.
[13]	贾国奇, 武萍萍2003: 一种用生产数据拟合预测聚合物驱产量的方法, 石油地质与工程, 17, 27-28+8.
[14]	胡述龙2003: 应用JPEG对岩心图像数据进行压缩处理的方法, 石油地质与工程, 17, 13-15+75-76.
[15]	张丽珍, 樊红乔, 周平2003: 尼日尔三角洲油气测试技术探讨, 石油地质与工程, 17, 50-51.
[16]	周正东, 沈月芳2002: 利用可控震源开展地震勘探数据采集的新方法, 石油地质与工程, 16, 20-22+3.
[17]	王雨霞, 郭双亭, 陈磊, 王慎文, 周建文, 周辉2001: 地质化验分析数据处理系统及其应用, 石油地质与工程, 15, 34-36+62.
[18]	李丽贤2000: 海上3-D数据采集技术, 石油地质与工程, 14, 26-26.
[19]	Duan Hongyou1997: 三维高分辨地震数据处理方法, 石油地质与工程, 11, 9-11+22-59.
[20]	刘振宇, 刘洋, 翟云芳1996: 提高油田开发动态数据库的利用率, 石油地质与工程, 10, 18-21+5.