文献类型：期刊文章

作　　者：艾信[1,2] 刘天宇[1,2] 张浩伟[1,2] 曹伟[3] 周娟[4] 辛宏[1,2]

AI Xin;LIU Tianyu;ZHANG Haowei;CAO Wei;ZHOU Juan;XIN Hong(Oil&Gas Technology Research Institute of PetroChina Changqing Oilfield Branch,Xi’an,Shaanxi,710018,China;National Engineering Laboratory for Exploration and Development of Low-Permeability Oil&Gas Fields,Xi’an,Shaanxi,710018,China;No.7 Oil Production Plant of PetroChina Changqing Oilfield Branch,Xi’an,Shaanxi,710200,China;No.5 Oil Production Plant of PetroChina Changqing Oilfield Branch,Xi’an,Shaanxi,710021,China)

机构地区：[1]中国石油天然气股份有限公司长庆油田分公司油气工艺研究院,陕西西安 [2]低渗透油气田勘探开发国家工程实验室,陕西西安 [3]中国石油天然气股份有限公司长庆油田分公司第七采油厂,陕西西安 [4]中国石油天然气股份有限公司长庆油田分公司第五采油厂,陕西西安

出　　处：《石油钻采工艺》

基　　金：国家科技重大专项“鄂尔多斯盆地大型低渗透岩性地层油气藏开发示范工程”(编号:2016ZX05050)。

年　　份：2024

卷　　号：46

期　　号：5

起止页码：586-599

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：(目的意义)为解决抽油机井动液面传统人工测试方法劳动强度大、测试频次低、测试成本高等问题,(方法过程)文章利用皮尔逊相关系数分析方法,分析了29项抽油机井自动采集特征参量与实测动液面的相关性,确定了13项主控特征参量;应用XGBoost、LightGBM及BP神经网络等机器学习方法,分别创建了抽油机井动液面预测模型,通过对三种模型输入13项主控特征参量,评价了三种模型的动液面预测结果,发现单一预测模型无法适应全部抽油机井,因此建立了基于上述三种预测模型的变权重组合模型。(结果现象)长庆油田现场多轮次应用显示:与传统人工测试方法对比,平均相对误差在5%以内,测试效率提升15万倍以上,劳动强度降低90%以上,测试频次高出2000多倍,测试成本降低96%。(结论建议)变权重组合动液面预测模型切实解决了传统人工测试方法劳动强度大、测试频次低、测试成本高等问题,为国内油田动液面测试提供了新思路。

关 键 词：油井 采油 抽油机井 动液面 预测模型  机器学习  皮尔逊相关系数  神经网络

分 类 号：TE355]