一種多參數組合預警系統在油田生產中的應用

徐瑞萍

(中國石化勝利油田分公司 河口采油廠，山東 東營 257200)

1 多參數組合預警應用的意義

在信息化生產管理模式下，油田生產現場數據實現了自動采集、集中存儲、集中管理、實時共享。對于海量的實時數據只采集不分析挖掘是不夠的，無法發揮大數據的價值。通過多參數組合預警系統的應用，我們可以創建相應的模型，對復雜的油井工況、管網及開發生產運行過程中出現的問題等進行預警，真正做到用信息化手段創新創效。

2 多參數組合預警的功能原理

油藏、井筒、地面生產節點之間是相互關聯和協調運行的。開發生產一體化運行過程中，Q(產量、注水量)、P(地層壓力、井底流壓、地面沿程壓力、注入壓力)、T(沿程溫度)等主要參數的沿程變化，將各系統之間有機關聯起來。某一個節點出問題，都將會在上下游相關節點上有相應變化趨勢和規律的體現。

單井的異常問題往往與參數的某種變化規律相對應。具體到一口油井，懸點最大載荷、最小載荷、井口回壓、電流、電量、有功功率等參數的變化是密切關聯的，但不同的異常問題表現的參數變化趨勢不同。按照“一井一策、一設備一指標、一油藏一特征”的要求，要能夠滿足每一口井、每一個設備異常預警管理的要求，只能提供一個預警模型設置的工具軟件，具體的管理方法、管理模型需要使用人員根據井、站的具體情況進行創建。模型創建的水平，就體現出我們油井管理的水平。

針對應用需求，借鑒大數據分析方法，我們確定了關聯預警的技術方法和技術路線，創新性地提出了多參數組合預警計算引擎的技術實現方法。統計油井歷史生產情況，結合技術人員的專業知識、管理經驗，對油井歷次出現異常問題前所有生產參數的變化情況、參數變化趨勢規律及生產環境進行統計分析，總結出某類異常問題所關聯的參數類型及變化規律，作為該井該問題的預警分析模型，在油水井工作制度不變的情況下，利用該模型，對該井未來同類問題進行預測、預警。

在預警模型建立的人機交互過程中，技術人員利用研究確定的規律，創建預警分析模型，計算機接收到模型后實時計算處理，對于符合模型條件的給技術人員推送預警信息，技術人員可對預警信息進行分析，確定油井異常問題。若推出的預警問題與實際不符合，可進一步研究、完善預警關聯參數及變化規律，優化完善模型，計算機按照新模型進行預測分析。模型優化的人機交互過程，固化了技術人員的經驗和方法，同一區塊的不同的技術人員、不同時期的技術人員可對模型進行滾動完善，實現了技術的傳承和不斷提升。

3 多參數組合預警應用情況

依托多參數組合預警系統我們針對不同油藏特點、油井工況，創建了不同的預警模型，并成功預警了多項油井生產中的問題，避免了躺井、油井減產等問題，真正做到了利用大數據分析為生產提質增效。下面以稀油區塊抽油井工況預警模型為例來說明大數據分析預警的應用情況及效果。

3.1 模型建立背景

某管理區2018年全年計劃躺井數36口，上半年預計檢泵18口，實際發生16口，其中漏失井作業占比73%，所以泵漏和管漏工況亟需治理。在此基礎上依托大數據分析預警，建立油井漏失工況預警模型。

3.2 模型建立過程

3.2.1 泵漏預警模型

泵漏包括吸入部分漏失、排出部分漏失，功圖形狀上表現明顯，所以可以通過確定功圖形狀實現對泵漏的預警。主要指標可定為增載線或卸載線與水平線的夾角，以及增載線、卸載線的斜率，再加上其他參數的約束，對油井泵漏基本能夠較準確的預警。

吸入閥漏失如圖1所示，理論情況下，吸入部分漏失時，上行有效沖程(B′C)長度將增加，而下行有效沖程(D′A′)長度將減小；漏失越嚴重，上行有效沖程長度的增加和下行有效沖程長度的減少越厲害。卸載線的傾角(∠CD′A)比泵工作正常時大，且增載線(A′B′)比卸載線(CD′)陡[1]。

同時，通過統計分析該管理區8口泵漏油井情況，發現下行有效沖程不一定滿足下降趨勢，而最大載荷和載荷差值均呈下降趨勢，但變化閾值差異性較大，將其添加進模型。其中時間區間為統計分析得來，在該管理區具有普遍規律，可直接復制推廣，傾角和斜率差的閾值需要“一井一策”計算得出，泵漏預警模型所包含的各項參數設置如表1所示。

表1 泵漏預警多參數組合情況

3.2.2 管漏預警模型

油管漏失不是泵本身的問題，所以示功圖形狀與理論示功圖形狀相近，只是由于進入油管的液體會從漏失處漏入油管、套管的環形空間，使作用于懸點上的液柱載荷減小，不能達到最大理論載荷值。結合管理區出現的11口油井管漏的規律，建立管漏示功圖參數變化趨勢。其中，時間區間15 d是根據管理區管漏特點，在發生管漏時，各項參數為逐漸下降趨勢，約15 d可在生產參數上明顯反映出；最大載荷差值上限是判斷的關鍵指標，通過對管漏油井的數據統計，發現當最大載荷平均差值上限為3 kN時，可鎖定為管漏問題，因此定為3 kN，也可根據單井進行一井一策設置。

由于油井熱洗過程及排水期與油管漏失的參數變化規律極為相近，且油井熱洗為管理區常規工作，每月約14井次，熱洗后返液即井口溫度必須達到55 ℃，相較于油井日常平均井口溫度高至少15 ℃，所以增加一條判定指標為“井口溫度”，3 d內溫度變化范圍在15 ℃以內，將油井熱洗后情況篩選掉，提高準確率。最終油井管漏預警模型所包含的多參數組合情況如表2所示。

表2 管漏預警多參數組合情況

3.3 模型應用產生的效益

對該管理區漏失井，技術人員結合預警信息及現場數據落實為漏失后，可直接安排碰泵、熱洗或及時上作業。2019年上半年，累計報出4井次的泵漏、管漏預警，其中2井次通過熱洗及碰泵成功自扶、2口井及時協調作業檢泵，至少挽回了20 t的液量損失并避免了2口井的潛在躺井可能，累計節省了30萬元的費用。

4 結論

4.1 精準分析，科學預判， 轉變管理模式

通過自動化、智能化的預警模型對海量數據進行統計分析，加大了分析頻率，改變了傳統的人工分析方式，將人從繁瑣的資料中解脫出來實現智能預警，為油田智能化管理和用工總量的減少創造了有利條件。

4.2 適時監管、及時處置，提高運行效率

預警系統24小時不間斷監控，超前的預警信息徹底改變了傳統的救火式的管理模式，將傳統事后管理、人工檢查的管理模式，轉變為事前預警、自動報送的精細管理模式，有效預警油水井潛在的生產隱患，讓管理工作更有針對性開展。

4.3 未雨綢繆、智能優化，提高開發水平

多參數組合預警模型的建立，可應用于多個油藏生產監控方向，通過提前預警，超前治理，可實現有效提高開井時率、機采效率，控制自然遞減率等開發指標，切實提升油藏開發管理水平。