[发明专利]一种数据驱动的油井套损深度智能预测方法

说明书

一种数据驱动的油井套损深度智能预测方法，包括步骤如下：步骤1、建立油井套损智能预测模型；步骤2、建立套损深度智能预测模型，当步骤1的模型预测结果非0时，预测发生套损的深度；步骤3、运用上述模型对油田实际套损状况进行预测。本发明可基于套损大数据建立油井套损深度预测模型，无需进行实际条件的简化、假设等，形成一种新的油田套损预测方法，能够实现全方位的油田套损状况预测。

技术领域

本发明属于智能油田技术领域，具体来说是一种数据驱动的油井套损深度智能预测方法。

背景技术

目前，套损问题是我国老油田面临的棘手问题之一，大庆油田在2018年后油田年新增套损井数均在1000口井以上；大港油田的套损井数正以年均80口左右的速度逐年递增等等，多个老油田套损井数逐年增加，严重影响油田正常生产。因此，套损治理是保证油田正常生产的关键。

套管损坏本质是力的变化和时间共同作用于套管的结果。影响力的变化因素主要包括地质、工程等因素，如流体性质、生产参数、地层性质、增产措施等等多种因素的影响。目前对套损防治主要采用检测技术和物理模型计算分析。一方面传统的测井技术与成像技术结合等检测技术只能进行停产检测或者事后分析，无法进行套损趋势以及状态实时在线预测、分析。另一方面基于物理模型的套损预测采用了简化、假设等条件，模型建立过程复杂，准确率不高，也未考虑时间变量累计对套损产生的影响，无法满足智能油田实时优化的要求。国内油田经过几十年的数字化建设，每个油田都积累了大量套损井数据，这些数据里包含了各种套损规律。采用数据驱动为主的智能化套损预测方法，可以根据生产参数的变化实时分析套损趋势，根据分析结果实时采取调整措施预防套损，提高油井生产时率和油井寿命。对于智能油田建设、降低油田开采成本，提高油气田开发效益具有重要意义。

综上所述，目前对套损的研究主要是在套损发生后进行分析，不能实现对套损发展过程的提前预测，结合机器学习方法对油田套损智能预测方面的研究还处于空白阶段。

发明内容

有鉴于此，为了实现对套损发展过程的实时预测，增强油田的套损治理能力，提高油气田开发的经济效益，本发明公开一种数据驱动的油井套损深度智能预测方法。

本发明的具体技术方案如下：

一种数据驱动的油井套损深度智能预测方法，其特征在于，包括步骤如下：

步骤1、建立油井套损智能预测模型，预测在给定的参数条件如下：

油井套管不发生套损，表示为0；发生套管变形，表示为1；套管错断，表示为2；套管破裂，表示为3；

步骤2、建立套损深度智能预测模型，当步骤1的模型预测结果非0时，预测发生套损的深度；

步骤3、运用上述模型对油田实际套损状况进行预测。

以下对上述步骤进行详细说明：

步骤1所述的建立油田套损智能预测模型包括：

S1.1、获取套损预测的特征参数，包括：从油田数据库中直接获取与套损发生相关的原始参数数据，但不限于，固井质量、套管壁厚、套管外径、防砂次数、压裂次数、酸化次数、孔径、沉没度、井斜角、渗透率、钻遇断层数、泥质含量、开发时间、含水率、矿化度、对应水井的月注入量、月产液量；

用开发时间、含水率、矿化度、对应水井的月注入量、月产液量构建采出离子总数和注采差异量；

其中，采出离子总数的计算方法表示为：