论文部分内容阅读
摘要：随着开采进入中、晚期，夺油上产、强化采油的措施越来越多的应用于生产中，虽然在一定程度上取得了经济效益，却使地层骨架经受了不可逆的破坏，多数油井出砂程度呈不断加剧的趋势。出砂油水井的大量存在，严重制约了油田的综合经济效益的提高与生产的发展。因此，从地质角度入手，结合工艺手段进行出砂机理的一体化研究是十分必要的。
关键词：出砂预测;分级防治;技术研究
鉴于XS油田开发时间长，多数出砂井同时存在套损套变、油层漏失、异常高压、井下落物等情况，且油田整体开发进入“双高”阶段，套管规格以Φ139.7mm为主，这种条件下油水井的治砂工作有必要从地质、工艺一体化的角度入手，从而建立XS油田分级治砂体系。
1、XS油田出砂预测技术
出砂速度是表征油水井出砂程度的一种有效计量手段，是建立分级治砂体系的有效保障。这里，我们定义了出砂速度这一概念，如下：
XS油田出砂临界压差模型借鉴了Mohr-Coulomb准则[1]，采用数据库智能修正技术，最大程度上提高了预测的准确性问题。
出砂预测技术的关键在于γ，它是预测准确性的保障。γ是一个一对多的数据集合，包括出砂速度、邻井同层对比数据等数据，通过三维模糊处理建立多对多数据节点，从根本上形成生产压差、修正值、出砂速度的对应关系，从而形成出砂预测技术。
在程序开发的过程中我们采用了Qulnlna提出的归纳学习算法[2]，它可以从一个训练例子集合中归纳出知识。抽取出的知识以决策树的形式表示。
这里，我们阐明一下算法所要解决的问题：
（1）一个目标类的集合。
（2）数据集S中，包含属于多个属性对象。
令T为某个属性的任意测试集，O1，O2，…，On。T将产生S的一个分割{ S1，S2，…，Sn }，其中，Si = {x|T（x）= Oi}。此分割如图1-1所示。
然后利用ID3算法进行再分析，将自定义数据与已有钻、测、录等抓取融合，最终得出修正值γ。同时，充分利用Linux、PHP、Apache、MySQL以及ThinkPHP等信息处理技术，搭建了“稳、固、排、防”修井数据采集系统，实现了修井数据的信息一体化[3]，为技术人员的分析决策提供了有效的支撑（如图1-2所示）。
2、XS油田分级治砂体系的构建
为了更有效的取得XS油田的出砂情况，我们对过去三年的数据进行了跟踪与分析。通过将室内试验数据与油水井作业历史数据的拟合，可以很明显的发现，出砂速度与检泵周期呈明显的正相关性，尤其是检泵周期<200天的井，平均出砂速度为0.8-1.0m/井筒·d（如图2-1所示）。
在对XS油田油井含水与出砂速度的分析上，未发现明显的相关性，这与油井高含水后提液存在有一定关系（如图2-2所示）。
在对出砂速度与油井产液量关系的统计中发现，产液量在10-20方时，油井的出砂最为严重，如图2-3所示。
通过对XS油田油井出砂情况及地层联通的统计对比发现，该区域油井出砂具有如下特征：
（1）、NmI油组：采液强度≥1.0m?/m·d，NmI开始出砂，且二者成线性关系;
（2）、NmII2-NmII6油组：采液强度≥1.4m?/m·d（NmII2出砂起始采液强度），能量补充充足油井，采液强度≤7m?/m·d，可以维持生产;
（3）、NmII7-NmII9油组：采液强度≥1.7m?/m·d（NmII2出砂起始采液强度），能量补充充足油井，采液强度≤8m?/m·d，可以维持生产;
（4）、NmIII油组：采液强度≥2.2m?/m·d，能量补充充足油井，采液强度≤10m?/m·d，可以维持生产;
（5）、Ng油组：采液強度≥2.5m?/m·d，能量补充充足油井，采液强度≤30m?/m·d（NgIINgIII），可以维持生产。
结合XS油田现场生产数据，将XS油田出砂程度划分为五级等级，分类如表2-1所示。
通过B-P神经网络模糊评判机制，将治砂手段分为4级（如表2-2所示），采用因素权重评价指标，最大程度地将专家经验、成功案例应用于治砂工艺的选择，从而不断优化治砂手段以适应不断变化的生产实际需要（如表2-3所示）。
利用评价指标M，构建XS油田出砂状态与XS油田治砂手段的对应关系，在实践中积累经验，让计算机产生自我学习的能力，为分级治砂提供理论支撑。
参考文献：
[1]Scott LA，Dubois ML，Filtering Media for Controlling the Flow of Sand During oil Well Operations[J].US 4821800.
[2]Silva DE，esus B，Ecopetrol uses Aluminum-Hydroxychloride to Stabilize Clays in a water flooding Project[J].SPE 21476，2011.
[3]Fader FD，New low-cost Resin System for Sand Water Control[J].SPE 24051，2005.
关键词：出砂预测;分级防治;技术研究
鉴于XS油田开发时间长，多数出砂井同时存在套损套变、油层漏失、异常高压、井下落物等情况，且油田整体开发进入“双高”阶段，套管规格以Φ139.7mm为主，这种条件下油水井的治砂工作有必要从地质、工艺一体化的角度入手，从而建立XS油田分级治砂体系。
1、XS油田出砂预测技术
出砂速度是表征油水井出砂程度的一种有效计量手段，是建立分级治砂体系的有效保障。这里，我们定义了出砂速度这一概念，如下：
XS油田出砂临界压差模型借鉴了Mohr-Coulomb准则[1]，采用数据库智能修正技术，最大程度上提高了预测的准确性问题。
出砂预测技术的关键在于γ，它是预测准确性的保障。γ是一个一对多的数据集合，包括出砂速度、邻井同层对比数据等数据，通过三维模糊处理建立多对多数据节点，从根本上形成生产压差、修正值、出砂速度的对应关系，从而形成出砂预测技术。
在程序开发的过程中我们采用了Qulnlna提出的归纳学习算法[2]，它可以从一个训练例子集合中归纳出知识。抽取出的知识以决策树的形式表示。
这里，我们阐明一下算法所要解决的问题：
（1）一个目标类的集合。
（2）数据集S中，包含属于多个属性对象。
令T为某个属性的任意测试集，O1，O2，…，On。T将产生S的一个分割{ S1，S2，…，Sn }，其中，Si = {x|T（x）= Oi}。此分割如图1-1所示。
然后利用ID3算法进行再分析，将自定义数据与已有钻、测、录等抓取融合，最终得出修正值γ。同时，充分利用Linux、PHP、Apache、MySQL以及ThinkPHP等信息处理技术，搭建了“稳、固、排、防”修井数据采集系统，实现了修井数据的信息一体化[3]，为技术人员的分析决策提供了有效的支撑（如图1-2所示）。
2、XS油田分级治砂体系的构建
为了更有效的取得XS油田的出砂情况，我们对过去三年的数据进行了跟踪与分析。通过将室内试验数据与油水井作业历史数据的拟合，可以很明显的发现，出砂速度与检泵周期呈明显的正相关性，尤其是检泵周期<200天的井，平均出砂速度为0.8-1.0m/井筒·d（如图2-1所示）。
在对XS油田油井含水与出砂速度的分析上，未发现明显的相关性，这与油井高含水后提液存在有一定关系（如图2-2所示）。
在对出砂速度与油井产液量关系的统计中发现，产液量在10-20方时，油井的出砂最为严重，如图2-3所示。
通过对XS油田油井出砂情况及地层联通的统计对比发现，该区域油井出砂具有如下特征：
（1）、NmI油组：采液强度≥1.0m?/m·d，NmI开始出砂，且二者成线性关系;
（2）、NmII2-NmII6油组：采液强度≥1.4m?/m·d（NmII2出砂起始采液强度），能量补充充足油井，采液强度≤7m?/m·d，可以维持生产;
（3）、NmII7-NmII9油组：采液强度≥1.7m?/m·d（NmII2出砂起始采液强度），能量补充充足油井，采液强度≤8m?/m·d，可以维持生产;
（4）、NmIII油组：采液强度≥2.2m?/m·d，能量补充充足油井，采液强度≤10m?/m·d，可以维持生产;
（5）、Ng油组：采液強度≥2.5m?/m·d，能量补充充足油井，采液强度≤30m?/m·d（NgIINgIII），可以维持生产。
结合XS油田现场生产数据，将XS油田出砂程度划分为五级等级，分类如表2-1所示。
通过B-P神经网络模糊评判机制，将治砂手段分为4级（如表2-2所示），采用因素权重评价指标，最大程度地将专家经验、成功案例应用于治砂工艺的选择，从而不断优化治砂手段以适应不断变化的生产实际需要（如表2-3所示）。
利用评价指标M，构建XS油田出砂状态与XS油田治砂手段的对应关系，在实践中积累经验，让计算机产生自我学习的能力，为分级治砂提供理论支撑。
参考文献：
[1]Scott LA，Dubois ML，Filtering Media for Controlling the Flow of Sand During oil Well Operations[J].US 4821800.
[2]Silva DE，esus B，Ecopetrol uses Aluminum-Hydroxychloride to Stabilize Clays in a water flooding Project[J].SPE 21476，2011.
[3]Fader FD，New low-cost Resin System for Sand Water Control[J].SPE 24051，2005.