[发明专利]一种油井产能主控因素分析方法、系统、设备和存储介质

说明书

本发明涉及一种油井产能主控因素分析方法、系统、设备和存储介质，方法包括以下步骤：分别对获取的油井数据中的生产动态因素和静态地质因素进行数据清洗；采用控制变量的方法，对已清洗的生产动态与静态地质数据做独立分析，分别设计其应用方式，并使用机器学习算法开展油井产能主控因素的排序，得到各生产动态因素和静态地质因素的重要性排序。本发明通过对生产动态与静态地质数据的高效数据清洗，并采用适宜于生产动态与静态地质数据特点的数据使用方式，可提升机器学习算法在油井产能主控因素研究领域的适用性与准确性。因此，本发明可以广泛应用于油气田开发领域。

技术领域

本发明涉及油气田开发领域，特别涉及一种数据驱动的油井产能主控因素分析方法、系统、设备和存储介质。

背景技术

油井产能的主控因素是开展油井产能评价的基础研究内容，现有的油井产能主控因素分析方法包括：理论公式、物理实验、数值模拟和数据分析方法。但因油井产能的影响因素众多，且油井产能与各影响因素间呈较强的非线性关系，故以上方法在复杂现实情况下的适用性有限。

为更准确地分析油井产能与各影响因素间的非线性关系，采用机器学习方法，并运用实际数据进行油井产能主控因素分析的研究方式得到应用。目前，在该类工作中，多直接采用机器学习算法对已收集数据进行分析，较少关注实际数据的高效数据清洗方法、合理的数据使用方式以及机器学习算法在油井产能研究领域的适用性。致使大量不准确的数据被使用，并导致机器学习算法的分析结果与已有的油田开发理论存在较大偏差。

发明内容

针对上述问题，本发明的目的是提供一种数据驱动的油井产能主控因素分析方法、系统、设备和存储介质，能够对实际数据进行高效数据清洗，提高油井产能主控因素分析的准确性。

为实现上述目的，本发明采取以下技术方案：

第一方面，是提供一种油井产能主控因素分析方法，其包括以下步骤：

分别对获取的油井数据中的生产动态因素和静态地质因素进行数据清洗；

分别对经过数据清洗的生产动态因素与静态地质因素做独立分析，并使用机器学习算法开展油井产能主控因素的排序，得到各生产动态因素和静态地质因素的重要性排序。

优选地，对于生产动态因素，其数据清洗的步骤为：

依据第一预设判别标准筛选已投产的油井；

缺失数据处理；

依据第二预设判别标准确定油井的正式投产日期；

依据第三预设判别标准去除受作业影响的数据。

优选地，对静态地质因素，其数据清洗的步骤为：

筛选射孔层位的地质因素数据；

单井整体地质数据的计算；

缺失数据处理。

优选地，所述单井整体地质数据的计算方法为：对单井的储层厚度与射开厚度，采用各小层数据的累加，其余各项静态地质因素，则按各层的射开厚度对其进行加权平均，计算得到单井整体的地质数据。

优选地，所述单井整体地质数据的计算公式为：

式中，X为单井整体的地质数据；x_i为第i层的地质数据；H_i为第i层的射开厚度；i为单井的小层编号。

优选地，所述对生产动态因素进行分析的方法，包括：

①从生产动态数据集中选取一口井，以日产油量为机器学习算法的标签，以其余各项生产动态因素为输入的特征，采用机器学习算法作为基模型，以该井数据训练基模型并得到各特征的重要性权重；