基于数据挖掘算法低渗透油田水淹井治理效果建模
袁凯涛，焦卫华，周亚茹，张瑞，张仙伟
摘 要：由于已有方法在低滲透油田水淹井治理效果建模过程中，未挖掘水淹井的地质参数以及开发时间数据，导致水质达标率、水驱动用程度以及水淹井综合利用率大幅度下降，提出了一种基于数据挖掘算法低渗透油田水淹井治理效果建模方法。定量分析低渗透水油田水淹井的适应性以及储层的非均匀质性等相关因素，研究不同因素对水淹井的影响范围程度，结合分析结果组建低渗透油田水淹井治理模型。通过数据挖掘算法挖掘低渗透油田水淹井的地质参数和开发时间数据，利用遗传算法优化模型参数。结合油田实际情况，选取能够反映低渗透油田水淹井治理效果的主要指标，并制定各个指标的评价标准和获取指标权重，进而构建一套完成的治理效果评价体系，通过评价体系完成治理效果评价和分析。结果表明，所提方法能够全面提升水质达标率、水驱动用程度以及水淹井综合利用率，获取满意的治理效果。
关键词：数据挖掘算法;低渗透;油田;水淹井;治理效果建模
中图分类号：TP391 文献标识码：A 文章编号：1001-5922（2021）12-0083-05
Modeling of Treatment Effect of Water-immerse Well in Low Permeability Oilfield Based on Data Mining
Yuan Kaitao1， Jiao Weihua1， ZhouYaru1， Zhang Rui1， Zhang Xianwei2
（1.Dingbian oil production plant of Yanchang Oil field Co.， Ltd.， Dingbian 718699， China;
2.Schoolof Computer， Xi an ShiyouUniversity， Xi an 710065， China）
Abstract：In the process of modeling of treatment effect of water-immerse well in low permeability oilfield， the geological parameters and development time data are not mined， which leads to the significant decline of water quality standard rate， water drive production degree and comprehensive utilization rate of water-immerse wells. Therefore， a modeling method based on data mining algorithm is proposed. Quantitative analysis of the adaptability of water-immerse wells in low permeability oilfield and the heterogeneity of reservoir and other related factors is carried out to study the influence range of different factors on water-immerse wells. Combined with the analysis results， the water-immerse well governance model in low permeability oilfield is established. The data mining algorithm is adopted to mine geological parameters and development time data， and the genetic algorithm is used to model optimize parameters. Combined with the actual situation of the oilfield， this paper selects the main indicators that can reflect the treatment effect of water flooded wells in low permeability oilfield， formulates the evaluation standard of each indicator and obtains the index weight， so as to construct a set of completed treatment effect evaluation system. Thus the treatment effect evaluation and analysis are completed. The results show that the proposed method can comprehensively improve the water quality standard rate， water drive production degree and comprehensive utilization rate of water-immerse wells to obtain satisfactory treatment effect.
Key words：Data mining algorithm; Low permeability; Oi field; Water-immerse well; Treatment effect modeling
0 引言
石油开采过程中的一次采油主要是通过天然能量开采机理实现的。初次开采后，注水成为提高采收率的重要手段。注水开发既是补充石油储量的重要措施，也是提高油田产能的有效措施[1-2]。但是注水开发也存在一定的弊端，一旦出现水淹井采井网和裂缝配置不合理或者配注量不恰当等问题，会导致水淹井爆发性水淹等。因此，注水和制水需要同时进行。为了更好解决上述问题，相关专家重点针对低渗透油田水淹井治理效果进行建模分析，例如毛伟等对开发层系以及注水方式等进行优化，明确具体需要开发的层系。同时从经济角度出发，设定最佳井距，确定最终的注水方式，并对实施效果進行分析[3]。龚宁等分析了渤海油田水平井出水规律和特征，并设计了相应的开发方案，同时建立控水效果量化评价方法，为治理效果建模分析[4]。在上述两种方法的基础上，结合数据挖掘算法，提出了一种基于数据挖掘算法低渗透油田水淹井治理效果建模方法。实例分析结果表明，所提方法有效提高了水质达标率、水驱动用程度以及水淹井综合利用率。
1 试验方法
1.1 建立低渗透油田水淹井治理模型
为了更好实现低渗透油田水淹井治理[5-6]，针对水淹井的适应性和储层的非均质性进行定量分析，研究不同影响因素对水淹井产生的影响，进而给出对应的优化措施和治理方案。
由于水淹井的平均孔隙度要明显低于非水淹井的平均孔隙度，其中水淹井的束缚水饱和度明显大于非水淹井的束缚水饱和度。总体而言，非水淹井的储物层明显优于水淹井。
通过经济上的可行原则，分析三种油层的层系组合方法，具体如下所示：
（1）油层组组合;
（2）厚度组合;
（3）油层性质组合。
随着水淹井累积注采倍数的持续增加，低效水循环严重恶化，油田水耗和能耗将继续增加，油气生产成本也会大幅度增加。由于大部分油田所在的区域地质环境都十分复杂，因此注采系统需要满足以下的条件：
（1）水淹井的数量比较合理，同时注水能力和采液能力两者之间能够相互协调，确保注采保持基本平衡。
（2）水淹井具有良好的对应关系，同时要求其具有较好的适应性，全面增加水驱控制程度。
（3）确保压力系统合理，即系统内的各项指标在设定的范围内，同时要求油层压力和原始压力保持一致。
当总井数和注采压差两者的取值为固定值时，其中最大采液量的注采井数比即采液指数和吸水指数比值两者之间的平方根，如公式（1）所示：
式（1）中，R代表最大采液量的注采井数比;m代表采液以及吸水指数的比值;JVL代表采液指数;IW代表吸水指数。
当油田实际注采井数低于合理注采井数比时，表明注采系统不适用，整体地层压力呈下降趋势，采液量不随含水量增加而增加，需及时调整。当油田实际注采井数等于或接近合理注采井数比时，表明注采系统适用，不需要进行任何调整。
随着油田含水量的持续增加，不断完善注采关系是有效改善油田水淹井治理效果的主要做法。
水淹井的适应性主要体现在水驱控制储量大小。其中水驱控制程度主要通过水淹井连通程度占总厚度百分比的统计方法获取。
在低井网密度条件下，由于油层在平面和垂向上具有高度非均质性，水驱控制程度降低，最终会导致水驱采收率也随之下降。
分析数值模拟结果，在注水条件一定的情况下，采收率和井网密度的关系式：
式（2）中，RS代表水驱最终采收率和井网密度 S 的关系;R0代表驱油效率;a代表研究区域内的任意常数; S 代表水淹井的井网密度;e为自然常数。
通过推导能够获取单个砂体的水驱控制程度，如式（3）所示：
式（3）中，λ代表单一个体的水驱控制程度; ε 和ψ分别代表注水方式产生的影响;C0代表和砂体存在关联的常数;t 代表含砂体面积。
当低渗透油田水淹井进行注水开发调整之后，为了精准掌握和调整，同时给出改进调整意见，确保油田开发的科学性。
在上述分析的基础上，结合不同影响因素对水淹井产生的影响，通过分析结果给出对应的治理措施，进而构建低渗透油田水淹井治理模型，如公式所示：
式（4）中，Wi 代表油田的总投资额;Wp 代表平均每口水淹井的投资额。
1.2 基于数据挖掘算法低渗透油田水淹井数据挖掘
低渗透油田水淹井数据是对治理效果评价的一项重要指标。
数据挖掘实际就是对事物进行分类的过程[7-8]。如果研究系统为线性，则直接通过训练样本获取线性超平面即可。反之，则需要加入SVM方法，将非线性的输入函数变量全部映射到不同维度的空间内，进行平面搜索。
其中，非线性映射公式X （t） 能够表示为
式（5）中，Φ代表时变函数;t 代表时变因子。
由于样本具有异质性和持久性，使得样本在高维空间中无法均匀映射，同时获取的映射结果较差，需要对其进行进一步优化和改进。通过多尺度核方法能够有效解决上述问题，将尺度空间引入到算法中，建立增广特征空间，最终提取决策函数的多分辨能力。以下主要采用多尺度核方法进行训练，结合不同维度，同时选择灵活性和完整性更强的样本。其中，高斯径向基函数k （x，z）：
式（6）中，σ 代表径向基核的宽度;x 代表参数的总数量;z 代表权重参数的总数量。
为了更好完成数据挖掘，选取多尺度高斯函数作为模型的核函数，通过遗传算法优化全部的参数[9-10]。其中，遗传算法的实现主要包含3个阶段：
（1）选择;
（2）交叉;
（3）变异。
利用图1给出遗传算法详细的操作流程图：
利用遗传算法优化改进后的PSVM模型参数，具体的操作步骤为：
（1）将时变因子 t 的取值设定为0，同时形成种群P（t）。
（2）分别计算不同个体的适应度，假设满足算法中的约束条件，直接跳转至步骤（5）。
（3）通过适应度完成父代个体的选择。
（4）将种群P（t）中含有的个体进行交叉以及变异等相关操作，构建全新的个体，同时跳转至步骤（2）。
（5）输出最优个体的最优解，同时将核函数以及惩罚因子應用到模型训练中，得到最优分类面，完成低渗透油田水淹井数据挖掘[11-12]。
1.3 低渗透油田水淹井治理效果建模
针对一体化治理原则，将系统的评价思路和多目标规划理念两者进行有效结合，同时对挖掘到能够反映治理效果的评价指标进行统计和分类，确保基本评价指标得到有效改善和修正[13-14]。
通过上述分析，对5个常用评价指标进行整理和分析，确定评价指标。
第1层次包含4个评价指标：
（1）采收率增幅;
（2）自然递减率减幅;
（3）产量增长情况;
（4）吨油操作成本减幅。
第2层次包含5个评价指标：
（1）水质状况;
（2）地面系统状况;
（3）水淹井井况状况;
（4）注水状况;
（5）储量动用状况。
进行低渗透油田水淹井治理效果评价的详细操作步骤：
步骤1：优先通过单项评分指标的绝对值和对应的取值范围，获取不同单项评价指标的总分数;
步骤2：计算各个单项评价指标的权重系数;
步骤3：利用加权平均获取治理效果的综合评价结果。
其中，单项指标评价方法主要有两个比较关键的点[15]：
（1）明确评价所处的水平评价标准，即基础分;
（2）明确改善幅度的档次评价标准，即调整系数。
对于各个单项评价指标而言，分别从统计整理以及断块等角度出发，获取实际数据。通过行业设定的标准，分别从经济等角度出发，确定综合评价标准。
得到单项评价指标得分后，确定权重系数。由于评价指标分别两个层次5个方面，为了充分体现不同方面的工作，按照5大类指标分别赋予权重分配比例，将其设定为确定权重系数的指导范围。以此为依据，构建低渗透油田水淹井治理效果评价体系。通过组建的评价指标体系对低渗透油田水淹井治理效果进行评价和分析。
2 实例分析
为了验证所提基于数据挖掘算法低渗透油田水淹井治理效果建模方法的有效性，选取K城市中的渗透油田水淹井作为测试对象，分析不同方法对渗透油田水淹井的治理效果，分别从以下几方面展开研究：
（1）水驱动用程度实例选取K城市中12个不同的治理区域进行分析研究，分别选取3种不同的方法进行治理，将水驱动用程度设定为评价治理效果的一项重要指标，以公式（1）计算得到的最大采液量的注采井数比数据为测量指标，最大采液量的注采井数比越高，表明得到水驱动用程度越高。具体结果如表1所示。
由表1中的数据可知，经过各个方法进行治理后，水淹井的水驱动用程度得到明显改善，但是相比另外两种方法，所提方法的治理效果更加显著，水驱动用程度上升趋势更明显，其主要原因是所提方法在治理效果建模过程中考虑了大部分油田所在的区域地质环境的复杂性，采用不同的层系组合，制定相应的开采方案。
（2）水质达标率以下实例测试分析治理前后各个水淹井的水质达标率，水质达标率分析通过不同区域内的R0驱油效率反映，R0越高，水质达标率越高。具体结果如图2所示：
分析图2中的数据可知，采用不同的治理方式对低渗透油田水淹井进行治理后，整体的驱油效率均得到有效提升，水质达标率均较高。但是所提方法的水质达标率明显更高一些，充分证明了所提方法能够获取比较理想的治理效果。
（3）水淹井综合利用率为了更进一步验证治理效果的有效性，以非线性映射值 X （t） 为数据指标，分析治理后水淹井综合利用率，结果如图3所示。
分析图3中的数据可知，由于所提方法通过数据挖掘算法挖掘低渗透油田水淹井的地质参数和开发时间数据，获取影响治理效果的主要影响因素，明确治理方案，为后续治理效果建模分析奠定基础，提高了非线性映射值，即全面提升水淹井综合利用率，确保所提方法的治理效果达到最佳。
（4）油田采收率和自然递减率油田采收率和自然递减率分别利用水驱最终采收率RS和水驱控制程度λ表示，由此得到治理前后的油田采收率和自然递减率变化情况如图4和图5所示。
分析图4和图5中的数据可知，经过治理后，油田采收率和自然递减率均得到十分明显的改善。其中，所提方法的自然递减率下降趋势和油田采收率上升趋势更加显著。
3 结语
针对传统方法存在的一系列问题，提出了一种基于数据挖掘算法低渗透油田水淹井治理效果建模方法，并经测试验证了其有效性。经过所提方法进行治理后，水驱动用程度、水质达标率以及水淹井综合利用率均得到较大程度提升，获取比较满意的治理效果。由于受到时间以及环境等相关因素的限制，致使所提方法仍然存在不足，后续将对其展开更深层次的研究。
参考文献
[1]聂法健，毛洪超，王 庆，等. 中原油田CO2驱提高采收率技术及现场实践[J]. 油气地质与采收率，2020，27（1）：146-151.
[2]贾 林，杨二龙，董 驰，等. 改进童氏图版在葡北三区采收率预测中的应用[J]. 断块油气田，2019，26（6）：734-737.
[3]毛 伟，霍立锋，张 君. Toson油田井网部署及实施效果评价[J]. 大庆石油地质与开发，2020，39（2）：42-47.
[4]龚 宁，李 进，陈 娜，等. 渤海油田水平井出水特征及控水效果评价方法[J]. 特种油气藏，2019，26（5）：147-152.
[5]何弦桀，黄崇君，邓 虎. 井口隐患治理关键技术研究与应用[J]. 石油钻采工艺，2019，41（6）：811-816.
[6]韩光明，李岩芳，谢 滔，等. 微膨胀封堵技术在套损井治理中的研究与应用[J]. 钻采工艺，2019，42（2）：112-114.
[7]張 磐，丁泠允，姜 宁，等. 基于支持度-置信度-提升度的配网自动化系统数据挖掘算法及应用[J]. 电测与仪表，2019，56（10）：62-68.
[8]田 华，何 翼. 基于绕质心聚类算法的大数据挖掘[J]. 计算机应用研究，2020，37（12）：3 586-3 589.
[9]刘振鹏，王雪峰，薛 雷，等. 实数编码遗传算法的改进及并行化实现[J]. 河北大学学报（自然科学版），2019，39（1）：86-92.
[10]荣德生，段志田，胡举爽，等. 基于二阶锥规划与改进遗传算法的配网重构[J]. 控制工程，2019，26（2）：223-228.
[11]胥 佳，李韶武，王桂松，等. 基于Change-Point的风电数据挖掘算法研究[J]. 太阳能学报，2020，41（5）：136-141.
[12]吴东林，张玉华. 收割机远程监测系统的设计——基于云平台数据挖掘并行算法[J]. 农机化研究，2020，42（6）：235-239.
[13]张 华，陈 蕾. 基于线性光谱混合模型（LSMM）的民勤绿洲荒漠化治理效果评价[J]. 中国沙漠，2019，39（3）：145-154.
[14]余和广，张俊德. 基于FLAC3D错落体稳定性分析及治理效果评价[J]. 中外公路，2019，39（3）：9-13.
[15]邓璠灏，陈晓玲，张 珊，等. 防风林对露天料场抑尘效果的数值仿真[J].计算机仿真，2019，36（6）：459-464.
猜你喜欢油田油田掠影当代工人(2021年6期)2021-10-08论地质特征对油田开发的影响石油研究(2020年5期)2020-07-23油田工人当代工人(2020年2期)2020-05-11塔里木盆地新发现石油资源逾2亿吨文萃报·周五版(2020年15期)2020-04-22一滴油的后面岁月(2018年11期)2018-11-14低渗透油田开发中的问题分析及对策探讨中国化工贸易·中旬刊(2018年10期)2018-10-21美国阿拉斯加州发现储量12亿桶大油田中国证券期货(2017年4期)2017-05-05美国阿拉斯加州发现储量12亿桶大油田中国证券期货(2017年4期)2017-05-05光泽or油光？向夏日“大油田”saynoCoco薇(2016年5期)2016-06-03油田档案与油田文化建设档案管理(2014年2期)2014-03-10