基于人工智能的抽油机井结蜡预警方法

针对依靠现场经验确定的清蜡周期不准确而导致蜡卡躺井的问题,开展了基于人工智能的抽油机井结蜡预警方法研究。利用皮尔逊相关系数分析方法,分析了17项油井自动采集参数与结蜡程度的关联性,确定了7项主控参数,创建了结蜡预警规则模型;将7项主控参数的合并指标进行归一化处理得到结蜡综合特征指标（WPSC）,并利用结蜡预警规则模型产生的样本数据建立了结蜡井WPSC样本集,选用长短时记忆神经网络（LSTM）对样本集进行训练,得到了WPSC机器学习模型,用其可以定量预测抽油机井的结蜡程度。该方法在胜利油田桩23区块的现场应用结果表明,油井清蜡周期得到延长,且有效避免了蜡卡躺井。研究结果表明,基于人工智能的抽油机井结蜡预警方法实现了油井结蜡程度的定量化预测与预警,对精准确定清蜡时机具有较好的指导作用。      

复杂断块油藏开采中后期剩余油分布规律研究

复杂断块油藏是现河与东辛油田的主要油藏类型,经过长期高速开发和多次调整,剩余油分布较为复杂。应用动静态综合分析法、沉积微相法和油藏数值模拟技术定性定量描述油藏剩余油分布,并分析了地质,油藏水驱油机理和开发等因素对剩余油分布的影响。研究成果应用于主力断块油藏综合调整挖潜,产量上升,综合含水下降,采收率提高4.2%。     

复杂断块油藏开采中后期剩余油分布规律研究

复杂断块油藏是现河与东辛油田的主要油藏类型，经过长期高速开发和多次调整，剩余油分布较为复杂。应用动静态综合分析法、沉积微相法和油藏数值模拟技术定性定量描述油藏剩余油分布，并分析了地质，油藏水驱油机理和开发等因素对剩余油分布的影响。研究成果应用于主力断块油藏综合调整挖潜，产量上升，综合含水下降，采收率提高4．2％。     

技术可采储量经济转化率影响因素研究

研究了经济可采储量的计算方法，给出了技术可采储量经济转化率的定义和计算公式，分析了地质条件，开采方式，原油价格，操作费，开发指标等对经济可采储量和技术可采储量经济转化率的影响。     

基于集成学习的油藏井筒一体化智能诊断模型

目前油藏、采油依托各自专业数据和信息系统进行异常问题的分析，对于两个系统间的复杂关联关系考虑不够，导致生产异常的诊断仍较局限，治理措施针对性不强。基于随机森林算法和卷积神经网络算法集成学习构造了油藏井筒一体化智能诊断模型，根据注水失效、泵漏失等不同油藏、井筒问题，以基于随机森林的决策树分析油藏异常工况，卷积神经网络诊断井筒异常故障，通过集成学习方法将两类分类器结合起来，形成一体化诊断。现场验证结果表明，所建立的方法通过集成学习提升了单分类器性能与范化能力，应用准确率达到90%以上，实现了油藏和井筒问题的一体化诊断，为油田智能化管控提供了有力支撑。     

不同供液状况的有杆抽油泵举升过程参数模拟计算方法

有杆抽油泵举升过程中,根据供液能力的差别,分别确定了泵吸入口压力和活塞受力的计算方法;在静态模型建立的基础上,以抽油杆受力波动方程为指导,对井筒举升过程抽油杆运动阻尼系数计算方法进行了修正,建立了有杆抽油泵举升动态模型.以地面实测示功图为约束,计算不同供液工况下井筒纵向空间的压力、抽油杆柱受力等数值分布,对泵吸入口压力...