基于数据驱动的水驱老油藏流场调控主控因素判断方法

摘要

本发明提供一种基于数据驱动的水驱老油藏流场调控主控因素判断方法，该基于数据驱动的水驱老油藏流场调控主控因素判断方法包括：步骤1，获取数据并进行质量检查；步骤2，将油水井数据关联融合；步骤3，建立流场描述特征参数；步骤4，建立流场调整致效标签；步骤5，建立主控因素分析样本数据；步骤6，确定基于关联规则分析的主控因素。该基于数据驱动的水驱老油藏流场调控主控因素判断方法确定了特高含水期水驱油藏流场调控的主要影响因素并给出致效调控方向，为特高含水期水驱油藏进一步提高采收率提供技术支持。

说明书

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种基于数据驱动的水 驱老油藏流场调控主控因素判断方法。

背景技术

流场调控是进一步提高老油田采收率的主要手段，但是由于流场控制 因素复杂，驱动机制复杂，不同油藏调控效果差异明显，如何找到主控要 素，明确流场调控方向，实现精准有效的流场调控是亟需解决的问题。但 由于老油田地下渗流规律复杂，流场控制因素既有静态因素也有动态因 素，具有类型多、关系复杂、数据量大等特征，人工分析难度异常大，导 致常规分析方法难以找到主控因素。大数据智能化分析技术具有“隐性” 关系和主控因素挖掘能力，为油藏流场调控主要影响因素研究提供了新途 径。

在申请号：CN201910431091.7的中国专利申请中，涉及到一种油藏流 场调控方法，所述油藏流场调控方法包括：获取目标油藏内每一口注水井 与相邻的采油井之间的采油比例，所述采油比例为：在单位时间内，注水 井对采油井的采油贡献量与采油井的采油量的质量比；获取所述目标油藏 内每一口注水井与相邻的采油井之间的注水比例，所述注水比例为：在单 位时间内，注水井对采油井的输水量与注水井的注水总量的质量比；基于所述每一口注水井与相邻的采油井之间的采油比例，以及所述每一口注水 井与相邻的采油井之间的注水比例，计算所述每一口注水井对相邻的采油 井的贡献率；基于所述每一口注水井对相邻的采油井的贡献率，对所述目 标油藏的流场进行调控。

在申请号：CN201710803024.4的中国专利申请中，涉及到一种水驱油 藏平面流场调控设计方法，包括:步骤1，进行油水边界流场分析，计算井 网固定、注采量稳定条件下单相流动的压力场和速度场分布；步骤2，将 油水边界及生产井近井流动边界离散化，计算获得离散位置的理想速度矢 量和实际速度矢量；步骤3，求取评价系数，分别计算边界流场和单井流 理想速度和真实速度的差别；步骤4，判断调整后的评价系数是否满足期 望值，在评价系数满足期望值时，流程进入到步骤5；步骤5，根据评价系 数的结果获得最优的井网及注采调控设计方案。

在申请号：CN202010262704.1的中国专利申请中，涉及到一种高含水 油藏流场适配性评价方法，该高含水油藏流场适配性评价方法包括：步骤 1、建立油藏数值模拟模型，并进行评价参数获取；步骤2、进行数据预处 理；步骤3、计算高含水油藏流场适配性评价指标；步骤4、寻找油藏的最 优调控方案。

以上现有技术均与本发明有较大区别，未能解决我们想要解决的技术 问题，为此我们发明了一种新的基于数据驱动的水驱老油藏流场调控主控 因素判断方法。

发明内容

本发明的目的是提供一种为特高含水期水驱油藏进一步提高采收率 提供技术支持的基于数据驱动的水驱老油藏流场调控主控因素判断方法。

本发明的目的可通过如下技术措施来实现：基于数据驱动的水驱老油 藏流场调控主控因素判断方法，该基于数据驱动的水驱老油藏流场调控主 控因素判断方法包括：步骤1，获取数据并进行质量检查；步骤2，将油水 井数据关联融合；步骤3，建立流场描述特征参数；步骤4，建立流场调整 致效标签；步骤5，建立主控因素分析样本数据；步骤6，确定基于关联规 则分析的主控因素。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，针对目标研究区，从数据库获取以下原始数据：井位参 数、地质小层对比数据、层位物性参数、油水井射孔井史数据、月度生产 动态数据、月度注水动态数据。

在步骤1中，数据获取后采用直方图和箱型图对原始数据进行异常值 分析，根据分析结果剔除异常值。

在步骤2中，首先根据射孔数据和小层对比数据确定油井生产时间周 期内与油井共层的水井，并劈分水井的注水量，然后通过油水井的相关性 分析确定油井的关联水井，油水井数据融合。

在步骤2中，油水井数据融合是将确定的关联水井的注水量数据按时 间轴加和后，作为一项属性放到油井的样本数据中。

在步骤2中，油水井的相关性分析方法指选用多元线性回归模型(1)， 权重β

第j口生产井的产液量q

其中，

在步骤4中，多元线性回归模型的权重因子β

其中T是计算时间域内的数据个数；SSE取得极小值的最小二乘估计应 满足以下方程：

该方程也可用下式表达：

式中，Cov

则式(4)用以下线性方程组表示：

方程(5)中，第一部分矩阵为注入数据向量的协方差矩阵，通过注 入动态数据求得；第二部分的列向量为注采系统多元线性回归模型权重的 最小二乘估计值；方程右边为注入井注入量与生产井产液量间协方差列向 量，通过注采动态数据求得；

回归后的产液量估计值与观测值间相关程度用确定系数R

式中，SSE为残差平方和，SSY为总平方和。

在步骤3中，在收集油水井矿场数据基础上结合油藏工程分析方法和 流场描述需求建立流场描述特征参数集，包括：油井的井号、生产时间、 井底流压、日产液量、日产油量、日产水量、采油指数、采液指数、比采 油指数、比采液指数、含水上升速度、月产液变化、月产油变化、有效厚 度变化、生产层位变化、月度生产天数变化、累积生产时间，水井的日注 水量、吸水指数、比吸水指数、吸水指数变化、月注水变化、有效厚度变 化、注水层位变化、注水天数变化、累积注水时间。

在步骤4中，以控水稳油或降水增油为流场调整致效的目标，确定流 场调整致效的评价参数为单井月度含水上升速度和单井日油水变化两个 指标参数；统计分析目标油藏的评价指标参数数据分布特征，确定评价标 准，根据标准对样本打标签。

在步骤5中，流场描述的特征参数具有多维多值特点，数据复杂多样， 结合数据的物理意义将不同属性的连续数据进行相应的归一化或离散化 后，形成样本数据。

在步骤6中，利用基于Apriori算法的关联分析方法挖掘流场调控致效 的关联规则，根据规则的支持度和置信度确定主控参数。

本发明中的基于数据驱动的水驱老油藏流场调控主控因素判断方法， 包括基于多元线性回归的油水井多维数据关联融合方法、流场调控致效描 述特征参数建立、致效标签的建立方法和基于关联分析的主控因素判断。 本方法应用基于多元线性回归的油水井多维数据关联融合方法实现油水 井数据的关联融合，在此基础上通过流场调控致效描述特征参数建立、致 效标签的建立形成融合了水井数据的主控因素判断的基础学习样本，最后 应用本发明的基于关联分析的主控因素判断方法确定特高含水期水驱油 藏流场调控的主要影响因素并给出致效调控方向，为特高含水期水驱油藏 进一步提高采收率提供技术支持。

附图说明

图1为本发明的基于数据驱动的水驱老油藏流场调控主控因素判断方 法的一具体实施例的流程图；

图2为本发明的一具体实施例中某油井W-PRO生产周期内共层水井示 意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的 说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属 技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非 意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文 另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的 是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特 征、步骤、操作和/或它们的组合。

如图1所示，图1为本发明的基于数据驱动的水驱老油藏流场调控主控 因素判断方法的流程图。该于多维数据驱动的特高含水期水驱油藏流场调 控主控因素判断方法包括了以下步骤：

步骤1，获取数据并进行质量检查；

针对目标研究区，从数据库获取以下原始数据，井位参数、地质小层 对比数据、层位物性参数、油水井射孔井史数据、月度生产动态数据、月 度注水动态数据。数据获取后采用直方图和箱型图对原始数据进行异常值 分析，根据分析结果剔除异常值。

步骤2，油水井数据关联融合；

首先根据射孔数据和小层对比数据确定油井生产时间周期内与油井 共层的水井，并劈分水井的注水量，然后通过油水井的相关性分析确定油 井的关联水井，油水井数据融合。

油水井的相关性分析方法指选用多元线性回归模型(1)，权重β

第j口生产井的产液量q

其中，

多元线性回归模型的权重因子β

其中T是计算时间域内的数据个数。SSE取得极小值的最小二乘估计应 满足以下方程：

该方程也可用下式表达：

式中，Cov

则式(4)可以用以下线性方程组表示：

方程(5)中，第一部分矩阵为注入数据向量的协方差矩阵，可以通 过注入动态数据求得；第二部分的列向量为注采系统多元线性回归模型权 重的最小二乘估计值；方程右边为注入井注入量与生产井产液量间协方差 列向量，可通过注采动态数据求得。

回归后的产液量估计值与观测值间相关程度我们用确定系数R

式中，SSE为残差平方和，SSY为总平方和。

油水井数据融合是将确定的关联水井的注水量数据按时间轴加和后， 作为一项属性放到油井的样本数据中。

步骤3，流场描述特征参数建立；

在收集油水井矿场数据基础上结合油藏工程分析方法和流场描述需 求建立流场描述特征参数集，包括：油井的井号、生产时间、井底流压、 日产液量、日产油量、日产水量、采油指数、采液指数、比采油指数、比 采液指数、含水上升速度、月产液变化、月产油变化、有效厚度变化、生 产层位变化、月度生产天数变化、累积生产时间，水井的日注水量、吸水指数、比吸水指数、吸水指数变化、月注水变化、有效厚度变化、注水层 位变化、注水天数变化、累积注水时间。

步骤4，流场调整致效标签建立；

以“控水稳油或降水增油”为流场调整致效的目标，确定流场调整致 效的评价参数为单井月度含水上升速度和单井日油水变化两个指标参数。 统计分析目标油藏的评价指标参数数据分布特征，确定评价标准，根据标 准对样本打标签。

步骤5，建立主控因素分析样本数据；

流场描述的特征参数具有多维多值特点，数据复杂多样，需要结合数 据的物理意义和机器学习算法的数据格式要求将不同属性的连续数据进 行相应的归一化或离散化。本专利中需要将连续变量离散化。离散化时， 应根据数据的物理意义选用合适的分箱法。最后，整合所有整理好的特征 数据和标签数据形成样本数据。

步骤6，确定基于关联规则分析的主控因素。

利用基于Apriori算法的关联分析方法挖掘流场调控致效的关联规 则，根据规则的支持度和置信度确定主控参数。

在应用本发明的具体实施例1中，针对胜利油田某注水开发油藏开展 应用研究，开发经历了35年，历史上采油井20口，水井15口，投入生产的 小层数5个，通过本发明方法开展流场调整致效的主控因素研究：流程如 图1表示：

步骤1，数据获取及质量检查，研究区原始月度生产数据4483条，经 过异常值、缺失值监测，去除异常值和缺失值记录904条，剩余完整记录 数据3579条。

步骤2，油水井数据融合，根据射孔数据和小层对比数据确定油井生 产时间周期内与油井共层的水井(见图2)，并劈分水井的注水量，然后通 过油水井的相关性分析确定油井的关联水井，例如根据相关性分析结果表 1，油井W-PRO的关联水井为W-INJ10、W-INJ1、W-INJ3和W-INJ6四口井， 然后将四口关联水井的数据加权求和后与油井特征参数融合。

表1油水井间相关性分析结果示意表

步骤3，建立流场描述特征参数集，包括：油井的井号、生产时间、 井底流压、日产液量、日产油量、日产水量、采油指数、采液指数、比采 油指数、比采液指数、含水上升速度、月产液变化、月产油变化、有效厚 度变化、生产层位变化、月度生产天数变化、累积生产时间，水井的日注 水量、吸水指数、比吸水指数、吸水指数变化、月注水变化、有效厚度变 化、注水层位变化、注水天数变化、累积注水时间。

步骤4，统计分析目标油藏的单井月度含水上升速度和单井日油水变 化两个指标参数数据分布特征，确定评价标准(见表2)，建立标签数据。

表2某油藏流场调控致效评判参数及标准表

步骤5，对连续属性数据进行相应的归一化或离散化后(连续属性离 散化示例见表3)，整合整理后的数据形成样本数据。

表3连续属性离散化示例表

步骤6，利用基于Apriori算法的关联分析方法挖掘出油井降水増油的 主要关联规则是，根据规则的支持度和置信度确定出油井降水増油的主要 影响参数关联水井的累积注水量、提液措施、月度注水量变化、有效厚度 变化、累计生产时间、比采液指数。

在应用本发明的具体实施例2中，针对胜利油田某注水开发油藏开展 应用研究，该块1973年2月投产，1973年2月-1976年2月天然能量开发， 1976年3月-1997年2月注水开发，1997年3月-2002年4月注聚开发，2002 年4月全区转入后续水驱。选取注聚开发前的这段时间进行分析。开发经 历了24年，综合含水95％，油井60口，水井42口，投入生产的小层数9个， 通过本发明方法开展水驱流场的不同含水阶段的调整致效的主控因素研 究，流程如图1表示：

步骤1，注水开发阶段数据获取及质量检查，研究区原始月度生产数 据18463条，去除数据缺失或无效数据较多的特征参数4项，经过异常值、 缺失值监测，剩余数据异常值和缺失值记录3372条，剩余完整记录数据 15091条。

步骤2，油水井数据融合，根据射孔数据和小层对比数据确定油井生 产时间周期内与油井共层的水井，并劈分水井的注水量，然后通过油水井 的相关性分析确定油井的关联水井，例如根据相关性分析结果表4-表5， 油井GDX-POR1的关联水井为GDX-W1、GDX-W2、GDX-W5，油井GDX-POR3的关 联水井为GDX-W1、GDX-W2、GDX-W3、GDX-W5，然后将每口油井关联水井的 数据加权求和后与对应油井特征参数融合。

表4油水井GDX-POR1间相关性分析结果表

表5油水井GDX-POR2间相关性分析结果表

步骤3，根据有效数据，建立流场描述特征参数集，包括：油井的井 号、生产时间、日产液量、日产油量、日产水量、含水上升速度、月产液 变化、月产油变化、月度生产天数变化、累积生产时间，水井的日注水量、 吸水指数、月注水变化、有效厚度变化、注水层位变化、注水天数变化、 累积注水时间。

步骤4，统计分析目标油藏的单井月度含水上升速度和单井日油水变 化两个指标参数数据分布特征，确定评价标准(见表6)，建立标签数据。

表6某油藏流场调控致效评判参数及标准表

步骤5，对连续属性数据进行相应的归一化或离散化后(连续属性离 散化示例见表3)，由于本例想分析不同含水阶段的主控因素是否有区别， 所以增加了一个含水阶段的属性参数(定义见表7)，整合整理后的数据形 成样本数据。

表7连续属性离散化示例表

步骤6，利用基于Apriori算法的关联分析方法发现，低含水期区块的 调控效果主要体现在降水增油和控水稳油方面，而油井降水増油的主要影 响参数是层位变化、有效厚底变化、生产时间变化、油水井数及采液指数 参数。特高含水阶段调控效果主要体现在降水增油和控水增油方面，根据 关联规则的支持度和置信度推断其主要影响因素是液量变化(提液措施)、 月度注水量变化、有效厚度变化、累计生产时间、比采液指数。表明低含 水期调控有效的参数代表了油水井的卡封补空措施和新井投入措施，特高 含水期调控有效的参数代表了提液、卡封补孔、注水调配等调控方式，这 与油藏认识一致。

在应用本发明的具体实施例3中，针对胜利油田某注水开发油藏聚驱 后的后续水驱这段时间开展应用研究。开发经历了16年，综合含水由91.3％ 上升到98.2％，目前处在特高含水后期，油井59口，水井42口，分上下两 套层系开采，通过本发明方法开展水驱流场的不同含水阶段的调整致效的 主控因素研究，流程如图1表示：

步骤1，数据获取及质量检查，研究区原始月度生产数据16346条，去 除数据缺失或无效数据较多的特征参数4项，经过异常值、缺失值监测， 剩余数据异常值和缺失值记录4830条，剩余完整记录数据11516条。

步骤2，油水井数据融合，根据射孔数据和小层对比数据确定油井生 产时间周期内与油井共层的水井，并劈分水井的注水量，然后通过油水井 的相关性分析确定油井的关联水井，最后将关联水井的数据加权求和后与 油井特征参数融合。

步骤3，根据有效数据，建立流场描述特征参数集，包括：油井的井 号、生产时间、日产液量、日产油量、日产水量、含水上升速度、月产液 变化、月产油变化、月度生产天数变化、累积生产时间，水井的日注水量、 吸水指数、月注水变化、有效厚度变化、注水层位变化、注水天数变化、 累积注水时间。

步骤4，统计分析目标油藏的单井月度含水上升速度和单井日油水变 化两个指标参数数据分布特征，确定评价标准(见表8)，建立标签数据。

表8某油藏流场调控致效评判参数及标准表

步骤5，对连续属性数据进行相应的归一化或离散化后，整合整理后 的数据形成样本数据。

步骤6，特高含水后期油藏的单井含水上升速度和増油幅度都比较小， 将“増油”和“控水”的样本都作为调控有效的样本。利用关联分析方法 挖掘出主要关联规则，根据规则的支持度和置信度确定出主要影响参数是 关联水井的累积注水量、关联水井变化、注水量变化、提液措施、有效厚 度变化、累计生产时间。

本发明中的基于数据驱动的水驱老油藏流场调控主控因素判断方法， 充分发挥老油田多维度、多尺度数据优势，开展基于机器学习的流场主控 因素判别研究，助力老油田持续高效开发。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于 限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领 域技术人员来说，其依然可以对前述实施例记载的技术方案进行修改，或 者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所 作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

除说明书所述的技术特征外，均为本专业技术人员的已知技术。