基于數(shù)據(jù)挖掘算法低滲透油田水淹井治理效果建模

袁凱濤，焦衛(wèi)華，周亞茹，張瑞，張仙偉

摘 要：由于已有方法在低滲透油田水淹井治理效果建模過程中，未挖掘水淹井的地質(zhì)參數(shù)以及開發(fā)時間數(shù)據(jù)，導(dǎo)致水質(zhì)達(dá)標(biāo)率、水驅(qū)動用程度以及水淹井綜合利用率大幅度下降，提出了一種基于數(shù)據(jù)挖掘算法低滲透油田水淹井治理效果建模方法。定量分析低滲透水油田水淹井的適應(yīng)性以及儲層的非均勻質(zhì)性等相關(guān)因素，研究不同因素對水淹井的影響范圍程度，結(jié)合分析結(jié)果組建低滲透油田水淹井治理模型。通過數(shù)據(jù)挖掘算法挖掘低滲透油田水淹井的地質(zhì)參數(shù)和開發(fā)時間數(shù)據(jù)，利用遺傳算法優(yōu)化模型參數(shù)。結(jié)合油田實際情況，選取能夠反映低滲透油田水淹井治理效果的主要指標(biāo)，并制定各個指標(biāo)的評價標(biāo)準(zhǔn)和獲取指標(biāo)權(quán)重，進(jìn)而構(gòu)建一套完成的治理效果評價體系，通過評價體系完成治理效果評價和分析。結(jié)果表明，所提方法能夠全面提升水質(zhì)達(dá)標(biāo)率、水驅(qū)動用程度以及水淹井綜合利用率，獲取滿意的治理效果。

關(guān)鍵詞：數(shù)據(jù)挖掘算法;低滲透;油田;水淹井;治理效果建模

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A ? ? 文章編號：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

石油開采過程中的一次采油主要是通過天然能量開采機(jī)理實現(xiàn)的。初次開采后，注水成為提高采收率的重要手段。注水開發(fā)既是補(bǔ)充石油儲量的重要措施，也是提高油田產(chǎn)能的有效措施[1-2]。但是注水開發(fā)也存在一定的弊端，一旦出現(xiàn)水淹井采井網(wǎng)和裂縫配置不合理或者配注量不恰當(dāng)?shù)葐栴}，會導(dǎo)致水淹井爆發(fā)性水淹等。因此，注水和制水需要同時進(jìn)行。為了更好解決上述問題，相關(guān)專家重點針對低滲透油田水淹井治理效果進(jìn)行建模分析，例如毛偉等對開發(fā)層系以及注水方式等進(jìn)行優(yōu)化，明確具體需要開發(fā)的層系。同時從經(jīng)濟(jì)角度出發(fā)，設(shè)定最佳井距，確定最終的注水方式，并對實施效果進(jìn)行分析[3]。龔寧等分析了渤海油田水平井出水規(guī)律和特征，并設(shè)計了相應(yīng)的開發(fā)方案，同時建立控水效果量化評價方法，為治理效果建模分析[4]。在上述兩種方法的基礎(chǔ)上，結(jié)合數(shù)據(jù)挖掘算法，提出了一種基于數(shù)據(jù)挖掘算法低滲透油田水淹井治理效果建模方法。實例分析結(jié)果表明，所提方法有效提高了水質(zhì)達(dá)標(biāo)率、水驅(qū)動用程度以及水淹井綜合利用率。

1 試驗方法

1.1 建立低滲透油田水淹井治理模型

為了更好實現(xiàn)低滲透油田水淹井治理[5-6]，針對水淹井的適應(yīng)性和儲層的非均質(zhì)性進(jìn)行定量分析，研究不同影響因素對水淹井產(chǎn)生的影響，進(jìn)而給出對應(yīng)的優(yōu)化措施和治理方案。

由于水淹井的平均孔隙度要明顯低于非水淹井的平均孔隙度，其中水淹井的束縛水飽和度明顯大于非水淹井的束縛水飽和度。總體而言，非水淹井的儲物層明顯優(yōu)于水淹井。

通過經(jīng)濟(jì)上的可行原則，分析三種油層的層系組合方法，具體如下所示：

（1）油層組組合;

（2）厚度組合;

（3）油層性質(zhì)組合。

隨著水淹井累積注采倍數(shù)的持續(xù)增加，低效水循環(huán)嚴(yán)重惡化，油田水耗和能耗將繼續(xù)增加，油氣生產(chǎn)成本也會大幅度增加。由于大部分油田所在的區(qū)域地質(zhì)環(huán)境都十分復(fù)雜，因此注采系統(tǒng)需要滿足以下的條件：

（1）水淹井的數(shù)量比較合理，同時注水能力和采液能力兩者之間能夠相互協(xié)調(diào)，確保注采保持基本平衡。

（2）水淹井具有良好的對應(yīng)關(guān)系，同時要求其具有較好的適應(yīng)性，全面增加水驅(qū)控制程度。

（3）確保壓力系統(tǒng)合理，即系統(tǒng)內(nèi)的各項指標(biāo)在設(shè)定的范圍內(nèi)，同時要求油層壓力和原始壓力保持一致。

當(dāng)總井?dāng)?shù)和注采壓差兩者的取值為固定值時，其中最大采液量的注采井?dāng)?shù)比即采液指數(shù)和吸水指數(shù)比值兩者之間的平方根，如公式（1）所示：

式（1）中，R代表最大采液量的注采井?dāng)?shù)比;m代表采液以及吸水指數(shù)的比值;JVL代表采液指數(shù);IW代表吸水指數(shù)。

當(dāng)油田實際注采井?dāng)?shù)低于合理注采井?dāng)?shù)比時，表明注采系統(tǒng)不適用，整體地層壓力呈下降趨勢，采液量不隨含水量增加而增加，需及時調(diào)整。當(dāng)油田實際注采井?dāng)?shù)等于或接近合理注采井?dāng)?shù)比時，表明注采系統(tǒng)適用，不需要進(jìn)行任何調(diào)整。

隨著油田含水量的持續(xù)增加，不斷完善注采關(guān)系是有效改善油田水淹井治理效果的主要做法。

水淹井的適應(yīng)性主要體現(xiàn)在水驅(qū)控制儲量大小。其中水驅(qū)控制程度主要通過水淹井連通程度占總厚度百分比的統(tǒng)計方法獲取。

在低井網(wǎng)密度條件下，由于油層在平面和垂向上具有高度非均質(zhì)性，水驅(qū)控制程度降低，最終會導(dǎo)致水驅(qū)采收率也隨之下降。

分析數(shù)值模擬結(jié)果，在注水條件一定的情況下，采收率和井網(wǎng)密度的關(guān)系式：

式（2）中，RS代表水驅(qū)最終采收率和井網(wǎng)密度 S 的關(guān)系;R0代表驅(qū)油效率;a代表研究區(qū)域內(nèi)的任意常數(shù); S 代表水淹井的井網(wǎng)密度;e為自然常數(shù)。

通過推導(dǎo)能夠獲取單個砂體的水驅(qū)控制程度，如式（3）所示：

式（3）中，λ代表單一個體的水驅(qū)控制程度; ε 和ψ分別代表注水方式產(chǎn)生的影響;C0代表和砂體存在關(guān)聯(lián)的常數(shù);t 代表含砂體面積。

當(dāng)?shù)蜐B透油田水淹井進(jìn)行注水開發(fā)調(diào)整之后，為了精準(zhǔn)掌握和調(diào)整，同時給出改進(jìn)調(diào)整意見，確保油田開發(fā)的科學(xué)性。

在上述分析的基礎(chǔ)上，結(jié)合不同影響因素對水淹井產(chǎn)生的影響，通過分析結(jié)果給出對應(yīng)的治理措施，進(jìn)而構(gòu)建低滲透油田水淹井治理模型，如公式所示：

式（4）中，Wi 代表油田的總投資額;Wp 代表平均每口水淹井的投資額。

1.2 基于數(shù)據(jù)挖掘算法低滲透油田水淹井?dāng)?shù)據(jù)挖掘

低滲透油田水淹井?dāng)?shù)據(jù)是對治理效果評價的一項重要指標(biāo)。

數(shù)據(jù)挖掘?qū)嶋H就是對事物進(jìn)行分類的過程[7-8]。如果研究系統(tǒng)為線性，則直接通過訓(xùn)練樣本獲取線性超平面即可。反之，則需要加入SVM方法，將非線性的輸入函數(shù)變量全部映射到不同維度的空間內(nèi)，進(jìn)行平面搜索。

其中，非線性映射公式X （t） 能夠表示為

式（5）中，Φ代表時變函數(shù);t 代表時變因子。

由于樣本具有異質(zhì)性和持久性，使得樣本在高維空間中無法均勻映射，同時獲取的映射結(jié)果較差，需要對其進(jìn)行進(jìn)一步優(yōu)化和改進(jìn)。通過多尺度核方法能夠有效解決上述問題，將尺度空間引入到算法中，建立增廣特征空間，最終提取決策函數(shù)的多分辨能力。以下主要采用多尺度核方法進(jìn)行訓(xùn)練，結(jié)合不同維度，同時選擇靈活性和完整性更強(qiáng)的樣本。其中，高斯徑向基函數(shù)k （x，z）：

式（6）中，σ 代表徑向基核的寬度;x 代表參數(shù)的總數(shù)量;z 代表權(quán)重參數(shù)的總數(shù)量。

為了更好完成數(shù)據(jù)挖掘，選取多尺度高斯函數(shù)作為模型的核函數(shù)，通過遺傳算法優(yōu)化全部的參數(shù)[9-10]。其中，遺傳算法的實現(xiàn)主要包含3個階段：

（1）選擇;

（2）交叉;

（3）變異。

利用圖1給出遺傳算法詳細(xì)的操作流程圖：

利用遺傳算法優(yōu)化改進(jìn)后的PSVM模型參數(shù)，具體的操作步驟為：

（1）將時變因子 t 的取值設(shè)定為0，同時形成種群P（t）。

（2）分別計算不同個體的適應(yīng)度，假設(shè)滿足算法中的約束條件，直接跳轉(zhuǎn)至步驟（5）。

（3）通過適應(yīng)度完成父代個體的選擇。

（4）將種群P（t）中含有的個體進(jìn)行交叉以及變異等相關(guān)操作，構(gòu)建全新的個體，同時跳轉(zhuǎn)至步驟（2）。

（5）輸出最優(yōu)個體的最優(yōu)解，同時將核函數(shù)以及懲罰因子應(yīng)用到模型訓(xùn)練中，得到最優(yōu)分類面，完成低滲透油田水淹井?dāng)?shù)據(jù)挖掘[11-12]。

1.3 低滲透油田水淹井治理效果建模

針對一體化治理原則，將系統(tǒng)的評價思路和多目標(biāo)規(guī)劃理念兩者進(jìn)行有效結(jié)合，同時對挖掘到能夠反映治理效果的評價指標(biāo)進(jìn)行統(tǒng)計和分類，確保基本評價指標(biāo)得到有效改善和修正[13-14]。

通過上述分析，對5個常用評價指標(biāo)進(jìn)行整理和分析，確定評價指標(biāo)。

第1層次包含4個評價指標(biāo)：

（1）采收率增幅;

（2）自然遞減率減幅;

（3）產(chǎn)量增長情況;

（4）噸油操作成本減幅。

第2層次包含5個評價指標(biāo)：

（1）水質(zhì)狀況;

（2）地面系統(tǒng)狀況;

（3）水淹井井況狀況;

（4）注水狀況;

（5）儲量動用狀況。

進(jìn)行低滲透油田水淹井治理效果評價的詳細(xì)操作步驟：

步驟1：優(yōu)先通過單項評分指標(biāo)的絕對值和對應(yīng)的取值范圍，獲取不同單項評價指標(biāo)的總分?jǐn)?shù);

步驟2：計算各個單項評價指標(biāo)的權(quán)重系數(shù);

步驟3：利用加權(quán)平均獲取治理效果的綜合評價結(jié)果。

其中，單項指標(biāo)評價方法主要有兩個比較關(guān)鍵的點[15]：

（1）明確評價所處的水平評價標(biāo)準(zhǔn)，即基礎(chǔ)分;

（2）明確改善幅度的檔次評價標(biāo)準(zhǔn)，即調(diào)整系數(shù)。

對于各個單項評價指標(biāo)而言，分別從統(tǒng)計整理以及斷塊等角度出發(fā)，獲取實際數(shù)據(jù)。通過行業(yè)設(shè)定的標(biāo)準(zhǔn)，分別從經(jīng)濟(jì)等角度出發(fā)，確定綜合評價標(biāo)準(zhǔn)。

得到單項評價指標(biāo)得分后，確定權(quán)重系數(shù)。由于評價指標(biāo)分別兩個層次5個方面，為了充分體現(xiàn)不同方面的工作，按照5大類指標(biāo)分別賦予權(quán)重分配比例，將其設(shè)定為確定權(quán)重系數(shù)的指導(dǎo)范圍。以此為依據(jù)，構(gòu)建低滲透油田水淹井治理效果評價體系。通過組建的評價指標(biāo)體系對低滲透油田水淹井治理效果進(jìn)行評價和分析。

2 實例分析

為了驗證所提基于數(shù)據(jù)挖掘算法低滲透油田水淹井治理效果建模方法的有效性，選取K城市中的滲透油田水淹井作為測試對象，分析不同方法對滲透油田水淹井的治理效果，分別從以下幾方面展開研究：

（1）水驅(qū)動用程度實例選取K城市中12個不同的治理區(qū)域進(jìn)行分析研究，分別選取3種不同的方法進(jìn)行治理，將水驅(qū)動用程度設(shè)定為評價治理效果的一項重要指標(biāo)，以公式（1）計算得到的最大采液量的注采井?dāng)?shù)比數(shù)據(jù)為測量指標(biāo)，最大采液量的注采井?dāng)?shù)比越高，表明得到水驅(qū)動用程度越高。具體結(jié)果如表1所示。

由表1中的數(shù)據(jù)可知，經(jīng)過各個方法進(jìn)行治理后，水淹井的水驅(qū)動用程度得到明顯改善，但是相比另外兩種方法，所提方法的治理效果更加顯著，水驅(qū)動用程度上升趨勢更明顯，其主要原因是所提方法在治理效果建模過程中考慮了大部分油田所在的區(qū)域地質(zhì)環(huán)境的復(fù)雜性，采用不同的層系組合，制定相應(yīng)的開采方案。

（2）水質(zhì)達(dá)標(biāo)率以下實例測試分析治理前后各個水淹井的水質(zhì)達(dá)標(biāo)率，水質(zhì)達(dá)標(biāo)率分析通過不同區(qū)域內(nèi)的R0驅(qū)油效率反映，R0越高，水質(zhì)達(dá)標(biāo)率越高。具體結(jié)果如圖2所示：

分析圖2中的數(shù)據(jù)可知，采用不同的治理方式對低滲透油田水淹井進(jìn)行治理后，整體的驅(qū)油效率均得到有效提升，水質(zhì)達(dá)標(biāo)率均較高。但是所提方法的水質(zhì)達(dá)標(biāo)率明顯更高一些，充分證明了所提方法能夠獲取比較理想的治理效果。

（3）水淹井綜合利用率為了更進(jìn)一步驗證治理效果的有效性，以非線性映射值 X （t） 為數(shù)據(jù)指標(biāo)，分析治理后水淹井綜合利用率，結(jié)果如圖3所示。

分析圖3中的數(shù)據(jù)可知，由于所提方法通過數(shù)據(jù)挖掘算法挖掘低滲透油田水淹井的地質(zhì)參數(shù)和開發(fā)時間數(shù)據(jù)，獲取影響治理效果的主要影響因素，明確治理方案，為后續(xù)治理效果建模分析奠定基礎(chǔ)，提高了非線性映射值，即全面提升水淹井綜合利用率，確保所提方法的治理效果達(dá)到最佳。

（4）油田采收率和自然遞減率油田采收率和自然遞減率分別利用水驅(qū)最終采收率RS和水驅(qū)控制程度λ表示，由此得到治理前后的油田采收率和自然遞減率變化情況如圖4和圖5所示。

分析圖4和圖5中的數(shù)據(jù)可知，經(jīng)過治理后，油田采收率和自然遞減率均得到十分明顯的改善。其中，所提方法的自然遞減率下降趨勢和油田采收率上升趨勢更加顯著。

3 結(jié)語

針對傳統(tǒng)方法存在的一系列問題，提出了一種基于數(shù)據(jù)挖掘算法低滲透油田水淹井治理效果建模方法，并經(jīng)測試驗證了其有效性。經(jīng)過所提方法進(jìn)行治理后，水驅(qū)動用程度、水質(zhì)達(dá)標(biāo)率以及水淹井綜合利用率均得到較大程度提升，獲取比較滿意的治理效果。由于受到時間以及環(huán)境等相關(guān)因素的限制，致使所提方法仍然存在不足，后續(xù)將對其展開更深層次的研究。

參考文獻(xiàn)

[1]聶法健，毛洪超，王 慶，等. 中原油田CO2驅(qū)提高采收率技術(shù)及現(xiàn)場實踐[J]. 油氣地質(zhì)與采收率，2020，27（1）：146-151.

[2]賈 林，楊二龍，董 馳，等. 改進(jìn)童氏圖版在葡北三區(qū)采收率預(yù)測中的應(yīng)用[J]. 斷塊油氣田，2019，26（6）：734-737.

[3]毛 偉，霍立鋒，張 君. Toson油田井網(wǎng)部署及實施效果評價[J]. 大慶石油地質(zhì)與開發(fā)，2020，39（2）：42-47.

[4]龔 寧，李 進(jìn)，陳 娜，等. 渤海油田水平井出水特征及控水效果評價方法[J]. 特種油氣藏，2019，26（5）：147-152.

[5]何弦桀，黃崇君，鄧 虎. 井口隱患治理關(guān)鍵技術(shù)研究與應(yīng)用[J]. 石油鉆采工藝，2019，41（6）：811-816.

[6]韓光明，李巖芳，謝 滔，等. 微膨脹封堵技術(shù)在套損井治理中的研究與應(yīng)用[J]. 鉆采工藝，2019，42（2）：112-114.

[7]張 磐，丁泠允，姜 寧，等. 基于支持度-置信度-提升度的配網(wǎng)自動化系統(tǒng)數(shù)據(jù)挖掘算法及應(yīng)用[J]. 電測與儀表，2019，56（10）：62-68.

[8]田 華，何 翼. 基于繞質(zhì)心聚類算法的大數(shù)據(jù)挖掘[J]. 計算機(jī)應(yīng)用研究，2020，37（12）：3 586-3 589.

[9]劉振鵬，王雪峰，薛 雷，等. 實數(shù)編碼遺傳算法的改進(jìn)及并行化實現(xiàn)[J]. 河北大學(xué)學(xué)報（自然科學(xué)版），2019，39（1）：86-92.

[10]榮德生，段志田，胡舉爽，等. 基于二階錐規(guī)劃與改進(jìn)遺傳算法的配網(wǎng)重構(gòu)[J]. 控制工程，2019，26（2）：223-228.

[11]胥 佳，李韶武，王桂松，等. 基于Change-Point的風(fēng)電數(shù)據(jù)挖掘算法研究[J]. 太陽能學(xué)報，2020，41（5）：136-141.

[12]吳東林，張玉華. 收割機(jī)遠(yuǎn)程監(jiān)測系統(tǒng)的設(shè)計——基于云平臺數(shù)據(jù)挖掘并行算法[J]. 農(nóng)機(jī)化研究，2020，42（6）：235-239.

[13]張 華，陳 蕾. 基于線性光譜混合模型（LSMM）的民勤綠洲荒漠化治理效果評價[J]. 中國沙漠，2019，39（3）：145-154.

[14]余和廣，張俊德. 基于FLAC3D錯落體穩(wěn)定性分析及治理效果評價[J]. 中外公路，2019，39（3）：9-13.

[15]鄧璠灝，陳曉玲，張 珊，等. 防風(fēng)林對露天料場抑塵效果的數(shù)值仿真[J].計算機(jī)仿真，2019，36（6）：459-464.