大数据分析方法在机采井评价中的应用

刘洋 宋彦生

摘要：由于影响机采井系统效率的因素很多，主要因素并不十分明确，在评价油井的生产和工作过程中，大部分石油公司没有一个系统、全面的评价体系。论文基于塔河油田机采井生产数据库的海量数据，开发了大数据分析软件，通过灰色关联分析理论，确定了影响塔河油田机采井系统效率的关联指标，并给出了沉没度、泵效、回压等指标的控制范围，在指标控制范围内可提高机采井的系统效率，对机采井的生产控制有着重要意义，也可为石油其它领域数据分析提供借鉴。

Abstract： Because there are many factors that affect the efficiency of a mechanical recovery well system， the main factors are not very clear. In the process of evaluating the production and work of oil wells， most oil companies do not have a systematic and comprehensive evaluation system. Based on the massive data of the mechanical recovery well production database in Tahe Oilfield， this paper develops big data analysis software. Through the grey correlation analysis theory， the relevant indicators affecting the efficiency of the mechanical recovery well system in Tahe Oilfield are determined， and gives the control range of the index of submergence depth， pump efficiency， back pressure， etc. Within the control range of this index， the system efficiency of the mechanical recovery well can be improved， which is of great significance to the production control of the mechanical recovery well， and can also provide reference for data analysis in other fields of petroleum.

关键词：机采井;效率;评价指标;大数据

Key words： mechanical recovery well;efficiency;evaluation index;big data

中图分类号：TE355                                      文献标识码：A                                  文章编号：1006-4311（2020）23-0246-03

0  引言

石油工程行业技术复杂、数据量呈指数增长，随着信息和网络技术的不断进步，对采集到的大量结构化和非结构化数据进行存储、分析和研究十分必要。

崔海福等[1]分析了大数据在地质研究、地震勘测、油气运输等领域的应用。李金诺[2]分析了石油行业大数据的发展趋势，大数据分析可用于油气生产的勘探、开发，钻探和生产作业、维护等方面。袁泽波等[3]分析了试油工程对大数据的需求，介绍了大数据在试油设计一体化平台中的应用，优化并完善了试油工程，使设计质量和效率有了很大的提升。李鑫等[4]在介绍大数据挖掘分析系统的基础上，将吨液百米举升耗电量作为分析目标，根据油田数据库的大量数据，分析影响吨液百米举升耗电量的主要因素。曲宝龙等[5]分析了沉没度对杆柱寿命、产液量和井下效率的影响，采用加权平均法建立目标函数，实现对机采性能的评价，优化了沉沒度。施婧[6]确定了影响机采井泵效的主要因素，并给出了适合萨北地区的下泵深度和沉没度的范围。付聪[7]分析了影响机采系统效率的因素，并从加强采油管理和更新节能设备等方面探讨了提高机采系统效率的方法。周子利[8]现场展开油井回压测试试验，定量的分析了交变载荷、扭矩、油井产液和能耗对回压的影响，并总结了降低回压的方法。曲宝龙等[9]把抽油泵泵径、冲程、冲次、沉没度作为影响因子，以抽油杆应力幅、产液量和井下效率为目标函数，设计了水平正交试验，综合分析了这些影响因子对目标函数的影响规律。

目前大数据分析在机采井评价方面涉及较少，只有科学地选择抽油机的工作参数，调整生产系统的工作状况，才能有效提升抽油井的系统效率，实现油井供采的最佳匹配，并降低能耗。本文通过对塔河油田机采井大数据的分析，对生产指标作出评价优化。

1  大数据分析系统简介

大数据分析系统主要包含获取数据、数据组织、应用层和展现层四部分。其实现过程为：①在数据库中获取数据;②对获取的数据进行抽样和清洗加工，处理异常的数据、剔除重复的数据和无关紧要的数据;③运用灰色关联分析算法形成数据处理平台，对大量数据进行关联分析，并以图表、曲线等方式展现结果。

本文在获取塔河油田机采井数据后，分析了影响塔河油田健康生产的主要因素，预测了塔河油田机采井的生产状况，针对性的开展优化工作，实现机采井的高效生产。

灰色关分析方法的原理[10-11]是在系统中的各因素中寻找影响目标值的主要因素，从而了解事物发展的特征。

灰色关联分析步骤如下：

②对数据做初始值处理，使其无量纲化。

在系统中各因素的物理意义各不相同，从而导致其单位不相同，为了便于比较，一般在关联分析时将其进行无量纲化处理。

关联系数ri（k）表示了在同一点上比较序列和参考序列间的相关程度。？籽∈（0，1）为分辨系数，通常取0.5。

⑥求得关联度R（i）。

⑦排出关联序。

为了准确评估每个子序列和母序列之间的关联程度，需要根据关联度大小进行顺序排列，即为关联序。

2  机采井大数据分析

2.1 塔河油田机采井基本概况

对塔河油田目前机采井生产参数及各种工艺情况进行摸底排查，共排查机采井1363口，其中采油一厂484口，采油二厂558口，采油三厂321口，总计开井734口，总体日产液19594m3/d，总体日产油9043m3/d。生产井平均泵径66.3mm，平均泵挂2345m，平均产液量26.7m3/d，平均产油量12.3m3/d，平均含水44%，平均动液面656m，平均沉没度1811m，平均连续生产天数610d，平均交变载荷30.4kN。

为进一步确定塔河油田机采井生产的具体情况，利用大数据分析了塔河油田近十年的机采井生产情况，如表1所示。

塔河油田近十年泵效保持较高水平，但检泵周期持续延长，沉没度高，所以其优化空间大，系统效率有待提高。

2.2 机采井评价指标

抽油井系统效率是把液体举升到地面的有效作功能量与系统输入能量之比，即抽油机的有效功率与输入功率的比值。

在油田生产中涉及抽油机井系统效率指标的因素很多，以石油行业标准《抽油机和电潜泵井生产指标统计方法》为基础，结合塔河油田相关标准、规范，梳理了抽油机井主要指标，如泵径、冲程、冲次、泵深、沉没度、泵效、采油时率、平衡率、回压、额定载荷、交变载荷、最大载荷、最小载荷、载荷利用率等，利用灰色关联分析方法，分别对有关数据进行处理，计算各数列之间的关联系数，以确定关键的评价指标。

2.3 机采井指标灰色关联分析

下面以塔河油田机采井相关数据为例进行灰色关联分析：

2.3.1 抽油泵参数和载荷参数的选取

根据灰色关联理论，以泵径为参考序列，冲程、冲次、泵深、沉没度作为比较序列，计算其关联度，如表2所示。以载荷利用率为参考序列，额定载荷、交变载荷、最大载荷、最小载荷作为比较序列，如表3所示。

由表2可知，泵径与冲程、冲次、泵深、沉没度的关联序为：沉没度>泵深>冲次>冲程。

由表3结果可知，载荷利用率与额定载荷、交变载荷、最大載荷、最小载荷的关联序为：交变载荷>额定载荷>最大载荷>最小载荷。

在灰色关联分析中，分辨系数？籽应该在实际应用中确定其大小，本文分辨系数取0.5，即：计算出的关联度大于0.5时，认为其相关程度较大。

泵径与冲次、泵深、沉没度的关联度均大于0.5，其中泵径与沉没度有很大的相关性，优选沉没度作为关联指标。

载荷利用率与额定载荷、交变载荷、最大载荷、最小载荷的关联度均大于0.5，其中载荷利用率与交变载荷的关联度最大，交变载荷更能反映出机采井的实际载荷变化，因此，选择交变载荷作为评价指标。

2.3.2 总体指标的确定

在完成泵参数和载荷参数的选取后，进一步结合泵效、生产成本和连续生产时间对泵效、交变载荷、采油时率、平衡率、回压等进行关联分析。

上述结果表明，泵效、交变载荷、采油时率、平衡率、回压等参数之间的关联度均小于0.5，表明这些指标是相互独立的，因此可用于指标评价，具有较好的代表性。通过运用灰色关联法筛选并综合考虑机采井现实生产情况，可确定机采井主要生产影响因素为以上五个具体指标。

结合集团公司相关标准、规范，将百米吨液耗电量和连续安全生产天数也作为机采井评价指标。

2.4 主要生产指标的确定

在利用灰色关联分析出影响机采井系统效率关键指标的基础上，将百米吨液耗电量、沉没度、泵效、回压为研究对象，数据分析处理后得到关系曲线如图1-图4。

从图1和图2可知，百米吨液耗电量随着沉没度的增加，在一定范围内先逐渐减少然后增加，随着沉没度的增加，系统效率则先增大后减少，从而可以确定塔河油田合理沉没度区间应控制在400-900m;图3可得随着回压的增大系统效率逐渐的减小，可确定回压取值范围≤1.5MPa;图4可得随着泵效的增加，系统效率先增大先增大后减少，可确定泵效的取值范围为45-82%。

3  结论

①通过对塔河油田机采井生产情况的数据分析，结合大数据统计方法与灰色关联分析确定了机采井关键评价指标：即沉没度、泵效、回压、交变载荷、平衡率、百米吨液耗电量、采油时率、连续安全生产天数。

②利用大数据分析系统对机采井关键评价指标进行了分析，确定了塔河油田关键生产指标的合理控制范围，从而提高机采井的系统效率，实现降本增效，提高经济效益的目标。

③塔河油田机采井大数据的分析应用可为其它工程提供借鉴。

参考文献：

[1]崔海福，何贞铭，王宁.大数据在石油行业中的应用[J].石油化工自动化，2016，52（2）：43-45.

[2]李金诺.浅谈石油行业大数据的发展趋势[J].价值工程， 2013，32（29）：172-174.

[3]袁泽波，钱浩东，刘举，等.“大数据”在塔里木试油一体化设计平台的应用与实践[J].钻采工艺，2017，40（6）：108-110.

[4]李鑫耿，玉广，杨小平，等.以吨液百米举升耗电量为目标的大数据分析应用[J].石油钻采工艺，2015，37（4）：76-79.

[5]曲宝龙，徐华静，马卫国，等.沉没度对有杆泵抽油系统综合性能的影响[J].石油机械，2015，43（4）：89-93.

[6]施婧.影响机采井泵效的原因分析[J].化学工程与装备，2019（6）：115-116，27.

[7]付聪.影响机采井系统效率的因素及对策分析[J].化学工程与装备，2017（4）：46-47.

[8]周子利.油田回压对油井生产影响综合分析[J].化学工程与装备，2015（7）：75-78.

[9]曲宝龙，马卫国.有杆泵抽油系统综合性能影响因素及评价[J].石油机械，2019，47（11）：81-86.

[10]易德生，郭萍.灰色理论与方法[M].北京：石油工业出版社，1992：25-30.

[11]邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002：158-161.