CN112115573B - 井筒堵塞程度评价方法及设备 - Google Patents
井筒堵塞程度评价方法及设备 Download PDFInfo
- Publication number
- CN112115573B CN112115573B CN201910541357.3A CN201910541357A CN112115573B CN 112115573 B CN112115573 B CN 112115573B CN 201910541357 A CN201910541357 A CN 201910541357A CN 112115573 B CN112115573 B CN 112115573B
- Authority
- CN
- China
- Prior art keywords
- well
- oil pressure
- evaluated
- production
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 claims abstract description 103
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000003860 storage Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 2
- 238000012261 overproduction Methods 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 12
- 230000000903 blocking effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract description 3
- 230000009897 systematic effect Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 241001649081 Dina Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明实施例提供一种井筒堵塞程度评价方法及设备，包括：选择基准井，并获取所述基准井的生产统计数据；基于所述基准井的生产统计数据，训练得到基准井特征模型；基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压；计算待评价井的油压差值，根据所述油压差值评价所述待评价井的堵塞程度；所述油压差值为待评价井的实际油压和模型油压的差值。本发明实施例能够显示出油气井本身的绝对堵塞情况，可以排除地层特性变动对堵塞度评价的影响，以及发现油气井自身建造过程中可能引入的***性问题，为确定是否对井筒进行疏通提供客观依据。
Description
技术领域
本发明实施例涉及油气田开发技术领域，尤其涉及一种井筒堵塞程度评价方法及设备。
背景技术
在油气井开发的过程中，经常会遇到出砂、出水和结蜡等问题，当出砂、出水和结蜡问题严重时，油气井会发生井筒堵塞。井筒堵塞会直接影响油气井的油气产量，为有效地利用油气井产能，需要对井筒的堵塞的程度进行评价，以判断井筒的堵塞程度，继而确定是否对井筒进行修复。
目前，传统的对井筒堵塞程度进行评价主要通过分析单井的井口油压、油气日产量等生产参数的变化来判断井筒的堵塞程度的。例如，如果目标井的井口油压和油气日产量保持平稳，则判断此井井筒相对畅通；而如果目标井的井口油压和油气日产量出现快速下降或异常幅度的波动，则判断此井堵塞相对严重。
但是，传统的评价方法仅能显示随时间变化而出现的堵塞堵塞度变化情况，并不能显示出油气井本身的绝对堵塞情况；另外，因为井口油压和油气日产量和地层变动有直接关系，传统方法直接引入地层变动的影响，使得评价结果引入了***误差。
发明内容
本发明实施例提供一种井筒堵塞程度评价方法及设备，以克服现有技术仅能显示随时间变化而出现的堵塞堵塞度变化情况，并不能显示出油气井本身的绝对堵塞情况；另外，因为井口油压和油气日产量和地层变动有直接关系，传统方法直接引入地层变动的影响，使得评价结果引入了***误差的问题。
第一方面，本发明实施例提供一种井筒堵塞程度评价方法，包括：
选择基准井，并获取所述基准井的生产统计数据；
基于所述基准井的生产统计数据，训练得到基准井特征模型；
基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压；
计算待评价井的油压差值，根据所述油压差值评价所述待评价井的堵塞程度；所述油压差值为待评价井的实际油压和模型油压的差值。
在一种可能的设计中，所述生产统计数据包括生产时间、井口油压、单位周期产气量、单位周期产液量、井口温度的对应关系。
在一种可能的设计中，所述基准井为油气产量平稳、井口油压平稳、投产后连续生产的油气井。
在一种可能的设计中，所述基准井为未出现过生产故障的油气井。
在一种可能的设计中，所述基于所述基准井的生产统计数据，训练得到基准井特征模型，包括：
采用神经网络算法，基于所述基准井的生产统计数据，训练得到所述基准井特征模型。
在一种可能的设计中，所述基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压，包括：
基于所述基准井特征模型，采用待评价井的多组生产统计数据，获取分别对应待评价井的各组生产统计数据的模型油压；
相应地，所述计算待评价井的油压差值，包括：
计算待评价井的多组生产统计数据中的实际油压和对应模型油压的油压差值。
在一种可能的设计中，根据所述油压差值评价所述待评价井的堵塞程度，包括：
计算各个所述油压差值的平均值；
根据所述平均值评价所述待评价井的堵塞程度。
在一种可能的设计中，所述根据所述油压差值评价所述待评价井的堵塞程度，包括：
根据所述油压差值计算得到所述待评价井的差值比率，其中所述差值比率为油压差值和所述模型油压的比值；
根据所述差值比率评价所述待评价井的堵塞程度。
第二方面，本发明实施例提供一种井筒堵塞程度评价设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的井筒堵塞程度评价方法。
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的井筒堵塞程度评价方法。
本发明实施例提供的井筒堵塞程度评价方法及设备，该方法通过选择基准井，并获取所述基准井的生产统计数据；基于所述基准井的生产统计数据，训练得到基准井特征模型；基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压；计算待评价井的油压差值，根据所述油压差值评价所述待评价井的堵塞程度；所述油压差值为待评价井的实际油压和模型油压的差值。本发明实施例能够显示出油气井本身的绝对堵塞情况，可以排除地层特性变动对堵塞度评价的影响，以及发现油气井自身建造过程中可能引入的***性问题，为确定是否对井筒进行疏通提供客观依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的井筒堵塞程度评价方法的流程示意图；
图2为本发明另一实施例提供的井筒堵塞程度评价方法的流程示意图；
图3为本发明实施例提供的基准井的井口油压和计算油压的示意图；
图4为本发明实施例提供的#4井的井口油压和计算油压的示意图；
图5为本发明实施例提供的#10井的井口油压和计算油压的示意图；
图6为本发明实施例提供的#21井的井口油压和计算油压的示意图；
图7为本发明实施例提供的井筒堵塞程度评价装置的结构示意图；
图8为本发明实施例提供的井筒堵塞程度评价设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考图1，图1为本发明一实施例提供的井筒堵塞程度评价方法的流程示意图。本实施例中的执行主体可以是服务器，也可以是终端，对此本实施例不作任何限制。如图1所示，该方法包括：
S101：选择基准井，并获取所述基准井的生产统计数据。
S102：基于所述基准井的生产统计数据，训练得到基准井特征模型。
本发明实施例提供的方法能够应用的前提是：在某一区块内，储层特性均衡。在油气井本身并没有出现较大堵塞的情况下，区块内的各个油气井的生产统计数据应该具有相同或者类似的特征；即采用每个油气井中生产统计数据确定的模型具有类似性。
因为油气井本身出现堵塞，所以利用每个油气井中生产数据统计确定的模型差别较大；反之，在两个油气井模型并不类似的情况下，将第一油气井的部分生产统计数据输入到第二油气井生产统计数据确定的模型后得出的计算数据，与前述的第一油气井的生产统计数据会出现较大的偏差。
本发明实施例基于前述前提，利用基准井的生产统计数据确定基准井特征模型，再利用基准特征模型作为评价其他油气井堵塞度的基础。
根据实际目标可知，对油气井进行措施的目标是提高油气井的产出效率；因此，前述基准井应当为区块内产出水平较好的井。
具体应用中，可以通过数据评价区块内的各口油气井，确定其中产出效果较好的井作为基准井。
例如，在某些具体应用中，可以采用区块内产出水平最好的油气井作为基准井，也可以采用区块内油气产量、井口油压平稳的油气井作为基准井；具体的，如果产量平稳代表地层中的地压充足，没有出现剧烈波动则表明井筒出砂、结蜡和出水等异常状况较小。另外，基准井还可以是没有出现过关井操作的井，也就是没有出现过生产故障的井。
在某些应用中，还可以对区块内的储层地形图做分析，结合前述的油气产量、井口油压等确定基准井。具体应用中，也可以由经验丰富人员综合前述数据，根据自身经验选定基准井。
本发明实施例中，基准井的生产统计数据包括基准井的生产时间T、井口油压P、单位周期产气量G、单位周期产液量L、井口温度C和前述参数的对应关系。本发明实施例中，以天为单位确定前述的生产统计数据，即生产时间为第N天(N＝1,2……)；相应的，井口油压P、单位周期产气量G、单位周期产液量L和井口温度C也分别对应生产时间当天的统计信息。
具体的，井口油压可以是每天多次测量数据的平均值，井口温度也是在测量井口油压时刻温度的平均值。在其他实施例中，也可以采用其他时间量级确定相应的生产统计数据，例如以小时或周为单位；但是，应当确定的是，生产统计数据的数量应当达到足够的数量，以保证模型训练的需求。
本发明实施例中，采用神经网络算法对基准井的生产统计数据进行训练，得到基准井特征模型。实际应用中，可以采用目前已经得到商业化应用的神经网络训练模型，例如可以采用Matlab软件中的神经网络模型等。
实际应用中，可以利用基准井的部分生产统计数据作为训练样本对神经网络模型进行计算，确定模型中的各个参数；而利用部分生产统计数据作为验证样本，对训练得到的模型进行测试，判断模型是否达到相应的要求。
本发明实施例采用Matlab中的神经网络模型，经过训练后验证拟合度R达到0.92034；根据前期预测，经过训练后拟合度超过0.7时，基准井特征模型即可以应用。
在采用前述方法对神经网络模型进行训练后，即可以得到基准井特征模型P＝f(T，G，L，C)。
S103：基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压。
在步骤S103中，将生产统计数据中的生产时间T、单位周期产气量G、单位周期产液量L和井口温度C带入到基准井特征模型P＝(T，G，L，C)中，得到对应的模型油压；
考虑到实际生产中生产统计数据会有随机误差，本发明实施例中，采用待评价井的多组生产统计数据带入到基准井特征模型中，得到对应的模型油压。
当然，在一些实施例中，也可以采用待评价井的最新的生产统计数据，获取计算油压直接作为待评价井的模型油压。
S104：计算待评价井的油压差值，根据所述油压差值评价所述待评价井的堵塞程度；所述油压差值为待评价井的实际油压和模型油压的差值。
在确定了前述的模型油压后，利用实际油压和模型油压计算油压差值，即可以利用油压差值确定待评价井的特性和基准井特性的差别状况。如果油压差值较大，则证明待评价井与基准井的特性差别较大；如果油压差值较小，则证明待评价井与基准井的特性差别较小。
本发明实施例中，根据S103中获得的多组生产数据得到的模型油压，分别求算对应的实际油压和模型油压的油压差值。
考虑到采用多个油压差值做评价数据量较多，并且数据之间可能冲突；因此本发明实施例利用多个油压差值数据求算平均值，根据油压差值的平均值评估待评价井的堵塞程度。
具体的，如果油压差值为负值，则证明实际油压小于模型油压；油压差值越小(平均值越小)，则待评价井的生产状态相对于标注井的生产状态越差，则其堵塞程度越大；也就是如果油压差值越小，则证明待评价井的堵塞程度越大。
在实际应用中，如果各个油压差值均为正值，并且油压差值较大，则可能证明选择的基准井具有较大的问题，需要重新考虑选择基准井，或者判定基准井的堵塞程度较大。
本实施例中，利用多个油压差值计算前述的平均值；在其他实施例中，如果采用待评价井的最新的生产统计数据计算模型油压，也可以直接利用最先生产统计数据中实际油压和模型油压的差值评估待评价井的堵塞程度。
从上述描述可知，采用本发明实施例提供的井筒堵塞度评估方法，利用基准井的生产统计数据制定基准井特性模型，再利用基准井特征模型和待评价油井的生产统计数据确定待评价井的模型油压，利用模型油压和井口油压的比较确定待评价井的堵塞度。这样的评价方法本发明实施例能够显示出油气井本身的绝对堵塞情况，可以排除地层特性变动对堵塞度评价的影响，以及发现油气井自身建造过程中可能引入的***性问题，为确定是否对井筒进行疏通提供客观依据。
参考图2，图2为本发明另一实施例提供的井筒堵塞程度评价方法的流程示意图。在上述实施例的基础上本实施例还描述了根据差值比率评价所述待评价井的堵塞程度的过程，详述如下：
S201：选择基准井，并获取所述基准井的生产统计数据。
S202：基于所述基准井的生产统计数据，训练得到基准井特征模型。
S203：基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压。
S204：计算待评价井的油压差值，根据所述油压差值计算得到所述待评价井的差值比率，其中所述差值比率为油压差值和所述模型油压的比值。
S205：根据所述差值比率评价所述待评价井的堵塞程度。
从上述描述可知，通过油压差值和所述模型油压的比值(差值比率)，可以更直观确定待评价井的堵塞程度。
下面通过一个具体应用实施，对本发明提供的井筒堵塞程度评价方法进行说明，如下：
首先分析迪那2气田中所有油气井的生产动态，根据各个气井的生产状态，选择迪那2气田生产状态最好的#2井作为基准井。
其次利用#2井的生产时间T、井口油压P、单位周期产气量G、单位周期产液量L和井口温度C训练得到基准井特征模型；利用基准井特征模型确定的模型油压和基准井井口油压的拟合曲线如图3(其中深色点为井口油压，浅色点为计算油压)；可以看出，训练得到的基准井特征模型的准确性已经较高。
随后，使用基准井特征模型，计算除标准井之外的待评价井的计算油压。得到各个待评价井的井口油压和计算油压的曲线如附图4-附图6(其中深色点为井口油压，浅色点为计算油压)。其中，附图4代表#4井，附图5代表#10井，附图6代表#21井结合附图可知，其中#4井实际油压与模型油压的油压差值约为-20Mpa，#10井的实际油压与模型油压的油压差值约为-50Mpa，大体可以判定这两口井的堵塞较为严重，其中#10井比#4井的堵塞度更为严重。而#21井的实际油压和模型油压的油压差值不大，二者的数据分布基本吻合，则判定#21井与基准井的状况相当，其井筒畅通。
参考图7，图7为本发明实施例提供的井筒堵塞程度评价装置的结构示意图。如图7所示，该装置包括：基准井选择模块701、模型训练模块702、模型油压获取模块703和堵塞程度评价模块704。
其中，基准井选择模块701，用于选择基准井，并获取所述基准井的生产统计数据；
模型训练模块702，用于基于所述基准井的生产统计数据，训练得到基准井特征模型；
模型油压获取模块703，用于基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压；
堵塞程度评价模块704，用于计算待评价井的油压差值，根据所述油压差值评价所述待评价井的堵塞程度；所述油压差值为待评价井的实际油压和模型油压的差值。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
在本发明的一个实施例中，所述模型训练模块702，具体用于采用神经网络算法，基于所述基准井的生产统计数据，训练得到所述基准井特征模型。
在本发明的一个实施例中，所述模型油压获取模块703，具体用于基于所述基准井特征模型，采用待评价井的多组生产统计数据，获取分别对应待评价井的各组生产统计数据的模型油压；
相应地，所述堵塞程度评价模块704，用于计算待评价井的多组生产统计数据中的实际油压和对应模型油压的油压差值。
在本发明的一个实施例中，所述堵塞程度评价模块704，用于计算各个所述油压差值的平均值；
根据所述平均值评价所述待评价井的堵塞程度。
在本发明的一个实施例中，所述堵塞程度评价模块704，用于根据所述油压差值计算得到所述待评价井的差值比率，其中所述差值比率为油压差值和所述模型油压的比值；
根据所述差值比率评价所述待评价井的堵塞程度。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
参考图8，图8为本发明实施例提供的井筒堵塞程度评价设备的硬件结构示意图。如图8所示，本实施例的井筒堵塞程度评价设备80包括：处理器801以及存储器802；其中
存储器802，用于存储计算机执行指令；
处理器801，用于执行存储器存储的计算机执行指令，以实现上述实施例中服务器或终端所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器802既可以是独立的，也可以跟处理器801集成在一起。
当存储器802独立设置时，该井筒堵塞程度评价设备还包括总线803，用于连接所述存储器802和处理器801。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的井筒堵塞程度评价方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种井筒堵塞程度评价方法，其特征在于，包括：
选择基准井，并获取所述基准井的生产统计数据；
基于所述基准井的生产统计数据，训练得到基准井特征模型；
基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压；
计算待评价井的油压差值，根据所述油压差值评价所述待评价井的堵塞程度；所述油压差值为待评价井的实际油压和模型油压的差值；
所述基于所述基准井特征模型，采用待评价井的生产统计数据，获取所述待评价井的模型油压，包括：
基于所述基准井特征模型，采用待评价井的多组生产统计数据，获取分别对应待评价井的各组生产统计数据的模型油压；
相应地，所述计算待评价井的油压差值，包括：
计算待评价井的多组生产统计数据中的实际油压和对应模型油压的油压差值；
所述根据所述油压差值评价所述待评价井的堵塞程度，包括：
计算各个所述油压差值的平均值；
根据所述平均值评价所述待评价井的堵塞程度；
所述根据所述油压差值评价所述待评价井的堵塞程度，包括：
根据所述油压差值计算得到所述待评价井的差值比率，其中所述差值比率为油压差值和所述模型油压的比值；
根据所述差值比率评价所述待评价井的堵塞程度。
2.根据权利要求1所述的井筒堵塞程度评价方法，其特征在于，所述生产统计数据包括生产时间、井口油压、单位周期产气量、单位周期产液量、井口温度的对应关系。
3.根据权利要求1所述的井筒堵塞程度评价方法，其特征在于，所述基准井为油气产量平稳、井口油压平稳、投产后连续生产的油气井。
4.根据权利要求1所述的井筒堵塞程度评价方法，其特征在于，所述基准井为未出现过生产故障的油气井。
5.根据权利要求1所述的井筒堵塞程度评价方法，其特征在于，所述基于所述基准井的生产统计数据，训练得到基准井特征模型，包括：
采用神经网络算法，基于所述基准井的生产统计数据，训练得到所述基准井特征模型。
6.一种井筒堵塞程度评价设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至5任一项所述的井筒堵塞程度评价方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至5任一项所述的井筒堵塞程度评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910541357.3A CN112115573B (zh) | 2019-06-21 | 2019-06-21 | 井筒堵塞程度评价方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910541357.3A CN112115573B (zh) | 2019-06-21 | 2019-06-21 | 井筒堵塞程度评价方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112115573A CN112115573A (zh) | 2020-12-22 |
| CN112115573B true CN112115573B (zh) | 2022-11-04 |
Family
ID=73796242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910541357.3A Active CN112115573B (zh) | 2019-06-21 | 2019-06-21 | 井筒堵塞程度评价方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115573B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118223828B (zh) * | 2024-05-27 | 2024-07-23 | 陕西靖瑞能源科技股份有限公司 | 用于油气井作业的中性解堵剂使用控制方法及*** |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108952676A (zh) * | 2018-07-10 | 2018-12-07 | 中国石油天然气股份有限公司 | 一种页岩气藏非均质性评价方法及其装置 |
| CN108959679A (zh) * | 2018-03-19 | 2018-12-07 | 中国石油天然气股份有限公司 | 一种页岩气井压裂效果的评价方法和评价装置 |
-
2019
- 2019-06-21 CN CN201910541357.3A patent/CN112115573B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108959679A (zh) * | 2018-03-19 | 2018-12-07 | 中国石油天然气股份有限公司 | 一种页岩气井压裂效果的评价方法和评价装置 |
| CN108952676A (zh) * | 2018-07-10 | 2018-12-07 | 中国石油天然气股份有限公司 | 一种页岩气藏非均质性评价方法及其装置 |
Non-Patent Citations (3)
| Title |
|---|
| 基于灰色关联分析的低渗气藏产水气井分类评价;周俊杰等;《石油天然气学报》;20111115(第11期);全文 * |
| 川东北地区河坝异常高压气藏产能评价探讨;张旭等;《石油地质与工程》;20100925(第05期);全文 * |
| 试井资料与生产数据结合进行措施井效果评价的新方法;周鹏遥等;《油气井测试》;20161025(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112115573A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9429678B2 (en) | Apparatus, computer readable media, and computer programs for estimating missing real-time data for intelligent fields | |
| CN111852463B (zh) | 气井产能评价方法及设备 | |
| US20130173168A1 (en) | Real-Time Dynamic Data Validation Apparatus and Computer Readable Media For Intelligent Fields | |
| US9423526B2 (en) | Methods for estimating missing real-time data for intelligent fields | |
| CN115345378B (zh) | 一种基于机器学习的页岩气井产量评价方法 | |
| CN111080009B (zh) | 基于时间序列的数据预测及补全方法、装置、介质和设备 | |
| CN110288003B (zh) | 数据变化识别方法及设备 | |
| CN112115573B (zh) | 井筒堵塞程度评价方法及设备 | |
| US20190277686A1 (en) | Method for determining a maximum allowable volume of water that can be removed over time from an underground water source | |
| CN111369056B (zh) | 地质灾害预测方法及电子设备 | |
| Ursini et al. | The benefits of virtual meter applications on production monitoring and reservoir management | |
| CN113685162B (zh) | 压裂参数的确定方法、装置、设备及存储介质 | |
| Bimani et al. | Case study toward digital oil field: how the ESP operation is changing by using automatic well models in PDO's ESP fields | |
| EP2893406B1 (en) | Methods, apparatus, computer readable media, and computer programs for estimating missing real-time data for intelligent fields | |
| CN108331575B (zh) | 一种利用试井曲线评价报废井报废质量方法和*** | |
| CN111985146B (zh) | 一种措施潜力井的确定方法和确定装置 | |
| WO2018058511A1 (en) | Sensor drift handling in virtual flow metering | |
| CN112127877B (zh) | 油井动态储量的预测方法、装置、设备及存储介质 | |
| CN113723706A (zh) | 页岩气井重复压裂产能预测方法、装置、终端及存储介质 | |
| CN111324938B (zh) | 基质供气能力的计算方法及*** | |
| JP6874847B2 (ja) | 状態分析装置、状態分析方法及びプログラム | |
| Monteiro et al. | Model Adjusting and Parameters Estimation under Uncertainties for Multiphase Flow | |
| Xiao et al. | A Robust Surveillance and Optimization Workflow for Offshore Gas Lifted Wells | |
| CN112116182B (zh) | 异常井修井作业效果评价方法及设备 | |
| CN111852441B (zh) | 油井垮塌判断方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |