方案描述
隨著數字油田的逐步發展，以數字化為背景、以信息技術為手段逐步實現油田智能化是目前需要著重解決的問題。油田開發動態管理是采油廠完成油田各項開發指標的核心工作。隨著油水井數的增長，動態管理要求越發精細、精準，由于管理人員的數量、年齡、經驗、精力等原因，越來越難以滿足動態管理精細、精準的要求。
系統方案
為適應油田數字化、智能化的發展趨勢，切實減輕動態管理人員的工作強度，形成統一的分析應用標準及管理模式，依托精細地質研究成果、生產動、靜態數據、監測等資料，利用大數據分析模型、深度學習等人工智能技術，開發基于生產形勢及開發指標預測的智能分析系統，提高油田管理水平、確保油田開發生產的平穩運行。
系統主要功能
- 基于開發指標預測的生產動態預警與分析
- 開發生產影響因素的智能分類與分析
- 異常井產量核實管理提升
- 基于大數據分析水驅動態分析
- 基于開發指標評價的分析診斷模型
主要利用綜合開采曲線展示各個行政單元、地質單元的各項關鍵指標運行狀況。
將影響生產的問題井、長關井、高產井、鉆關井、低效井進行智能分析與分類。
異常井核實工作快速審批，高效流轉；統計分析核實結果，總結生產規律。
針對異常井進行動態分析，按照自身原因、連通井原因進行有效判斷，再由注入端到采出端進行綜合分析，判斷異常原因，并給出下步工作建議。
對全年生產狀況，依據產量、含水等指標對生產策略及執行的措施、方案等實施效果回溯分析和重點標記，建立專家知識庫，為智能分析診斷模型的深度學習、經驗總結做好儲備。
系統優勢
- 基于大數據分析的主動分析技術
- 基于專家知識庫的單井異常分析技術
- 基于深度學習的分析診斷模型技術
-
技術指標
異常井預警符合率達95%以上；
開發指標異常預警符合率達90%以上；
提高分析效率50倍以上。
針對未完成計劃的開發指標進行主動分析，利用大數據關聯與分析技術，預測生產趨勢，分析未完成計劃原因。由常規經驗分析、預測，事后被動分析的工作模式，轉變為主動分析、超前控制。
利用專家知識庫，對單井異常分析進行判斷，分為地質因素、地面及采油工程因素，并依據其不同的因素，自主提供并智能優化解決問題的措施、方案、作業施工的建議。
分析診斷模型是智能分析系統的核心功能，模型的完善與更新是本系統生命周期長短的關鍵因素，利用深度學習技術，通過開發指標評價結果，進行自主完善，達到分析模型越用越準確的目的。
