智能井筒诊断与优化技术

井筒建设工程是连接油藏与地面的重要中间工程，为确保井筒工况诊断、举升设计、注采优化的分析效果及计算效率，需要综合采用生产动态数据分析、采油工程理论及力学理论等。井筒举升及注采分析的传统方法包括管流方程计算、材料力学理论及经验公式、图版等方法，这些方法比较依赖技术人员经验并且在面对复杂问题时，其扩展性有一定限制。将业务知识与机器学习理论进行结合，是突破现有理论方法上限的重要手段。相比传统方法，机器学习具有更强的适应性和复杂规律的挖掘能力。课题组提出将机器学习和深度学习与传统的采油工程结合，并通过连通性分析将注采系统进行结合，着重解决诊断优化过程中的一体化、复杂数据综合利用、小样本及方法扩展性等关键问题，形成一套具有高理论水平及实用价值的方法，并建设了基于微服务的智能井筒诊断与注采优化分析平台。