油藏生产形势及开发指标预测的智能分析解决方案

方案描述

随着数字油田的逐步发展,以数字化为背景、以信息技术为手段逐步实现油田智能化是目前需要着重解决的问题。油田开发动态管理是采油厂完成油田各项开发指标的核心工作。随着油水井数的增长,动态管理要求越发精细、精准,由于管理人员的数量、年龄、经验、精力等原因,越来越难以满足动态管理精细、精准的要求。

系统方案

为适应油田数字化、智能化的发展趋势,切实减轻动态管理人员的工作强度,形成统一的分析应用标准及管理模式,依托精细地质研究成果、生产动、静态数据、监测等资料,利用大数据分析模型、深度学习等人工智能技术,开发基于生产形势及开发指标预测的智能分析系统,提高油田管理水平、确保油田开发生产的平稳运行。

系统主要功能

  • 基于开发指标预测的生产动态预警与分析
  • 主要利用综合开采曲线展示各个行政单元、地质单元的各项关键指标运行状况。

  • 开发生产影响因素的智能分类与分析
  • 将影响生产的问题井、长关井、高产井、钻关井、低效井进行智能分析与分类。

  • 异常井产量核实管理提升
  • 异常井核实工作快速审批,高效流转;统计分析核实结果,总结生产规律。

  • 基于大数据分析水驱动态分析
  • 针对异常井进行动态分析,按照自身原因、连通井原因进行有效判断,再由注入端到采出端进行综合分析,判断异常原因,并给出下步工作建议。

  • 基于开发指标评价的分析诊断模型
  • 对全年生产状况,依据产量、含水等指标对生产策略及执行的措施、方案等实施效果回溯分析和重点标记,建立专家知识库,为智能分析诊断模型的深度学习、经验总结做好储备。

系统优势

  • 基于大数据分析的主动分析技术
  • 针对未完成计划的开发指标进行主动分析,利用大数据关联与分析技术,预测生产趋势,分析未完成计划原因。由常规经验分析、预测,事后被动分析的工作模式,转变为主动分析、超前控制。

  • 基于专家知识库的单井异常分析技术
  • 利用专家知识库,对单井异常分析进行判断,分为地质因素、地面及采油工程因素,并依据其不同的因素,自主提供并智能优化解决问题的措施、方案、作业施工的建议。

  • 基于深度学习的分析诊断模型技术
  • 分析诊断模型是智能分析系统的核心功能,模型的完善与更新是本系统生命周期长短的关键因素,利用深度学习技术,通过开发指标评价结果,进行自主完善,达到分析模型越用越准确的目的。

  • 技术指标

    异常井预警符合率达95%以上;
    开发指标异常预警符合率达90%以上;
    提高分析效率50倍以上。