一种基于递减约束与趋势特征融合的高含水油藏生产曲线阶段诊断方法

本发明属于油气田开发动态分析、生产曲线识别、措施响应诊断和智能数据处理，具体涉及一种基于递减约束与趋势特征融合的高含水油藏生产曲线阶段诊断方法。

背景技术：

1、在油气田开发过程中，单井产量曲线是评价储层供液能力、生产制度合理性和开发措施效果的重要数据来源。生产井在实际生产中往往经历自然递减、稳产调整、措施增产、异常波动以及后续再递减等多种动态阶段。传统生产动态分析通常依赖人工经验或单一递减拟合方法。人工解释虽然能够结合工程背景进行判断，但在多井、长周期、批量化数据场景下效率较低，并且不同人员对异常点、措施响应段和递减段边界的判断可能存在较大差异。单纯采用指数递减、双曲递减或相邻点差分等方法时，又容易受到短期波动、产量突升、停井复产、作业措施和数据缺失的影响，导致递减率计算失真。

2、现有趋势识别方法多从曲线形态出发，将曲线划分为递减、递增、平稳或波动等类别，但该类方法缺少油藏开发递减规律约束，容易将措施后的恢复段、短期异常点或远距离断裂点误判为连续递减段。相反，单纯依赖递减率约束的方法虽然具有一定物理含义，但难以表达稳产平台、异常波动和措施响应等工程诊断含义，也难以输出可直接用于生产管理的诊断标签。

3、此外，现有的动态分析技术在经过异常点剔除或递减点筛选后，往往将不连续的远距离点强行连接成一条递减骨架，造成曲线解释不合理。尤其是存在措施作业、关井复产、产量突升或长时间数据间断时，若不对递减骨架进行分块处理，最终结果会出现跨措施段硬连接的问题。

4、因此，亟须一种同时具备趋势特征识别能力、递减物理约束能力、措施候选段识别能力和递减骨架分块能力的生产曲线智能诊断方法。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供了一种基于递减约束与趋势特征融合的高含水油藏生产曲线阶段诊断方法。

2、为实现上述目的，本发明提供如下技术方案：

3、本技术提供了一种基于递减约束与趋势特征融合的高含水油藏生产曲线阶段诊断方法，包括：

4、获取高含水油藏生产井的生产动态时序数据，并对所述数据进行清洗与缺失值处理，重构为标准化生产曲线序列；

5、构建趋势语义识别通道：基于滑动窗口对所述标准化生产曲线序列进行局部形态特征提取，根据提取的形态特征赋予窗口级趋势语义标签，并将所述窗口级趋势语义标签映射为数据点级的趋势语义标签；

6、构建递减物理约束通道：计算所述标准化生产曲线序列中相邻数据点间的局部递减率，基于所述局部递减率构建包含近端长程约束和远端长程约束的多级递减约束，通过迭代筛选保留满足递减关系的数据点，合并形成候选递减骨架；

7、识别工程响应段及构建递减违背评分：将所述候选递减骨架之外的连续非骨架数据段识别为疑似工程响应候选段，并基于各数据点在局部递减率、各级长程递减约束及所述候选递减骨架中的隶属状态，计算每个数据点的递减违背评分；

8、融合诊断判别：基于所述数据点级的趋势语义标签、所述递减违背评分以及所述疑似工程响应候选段的识别结果进行综合判别，生成表征所述生产井动态阶段特征的工程诊断标签；

9、递减骨架动态分块：基于数据点索引间隔、时间间隔、归一化欧氏距离以及是否跨越所述疑似工程响应候选段中的至少一种分块判据，对所述候选递减骨架执行断开分块处理，输出分块后的有效递减骨架及分块断开原因。

10、进一步地，所述基于滑动窗口对所述标准化生产曲线序列进行局部形态特征提取，包括：

11、对所述标准化生产曲线序列进行归一化处理，得到归一化产量序列，具体如公式(1)所示；

12、根据预设窗口长度或由数据点数量自适应确定的窗口长度，在所述归一化产量序列上以固定步长生成多个滑动窗口；

13、提取各滑动窗口的形态特征，所述形态特征包括窗口斜率、首尾变化量、极差、标准差、最大单步上升量、最大单步下降量及峰谷数量；

14、其中，所述窗口斜率通过最小二乘法线性拟合获得，所述首尾变化量为窗口内终点与起点的归一化产量差值，具体如公式(2)所示；

15、(1)

16、(2)

17、其中，公式(1)中，表示第个数据点归一化后的产量值；表示第个数据点的原始产量值；表示当前数据段的最小产量值；表示当前数据段的最大产量值；

18、公式(2)中，表示滑动窗口编号；表示该滑动窗口内包含的数据点总数；表示窗口内数据点的序号；表示窗口内第个数据点对应的归一化产量；和分别表示线性拟合模型的斜率参数和截距参数；表示第个滑动窗口内生产曲线的拟合斜率；表示对应的截距参数；表示第个滑动窗口内归一化产量的首尾变化量；和分别表示该滑动窗口的终点和起点的归一化产量值。

19、进一步地，所述将所述窗口级趋势语义标签映射为数据点级的趋势语义标签，包括：

20、对于被多个滑动窗口共同覆盖的同一生产数据点，统计各窗口赋予的窗口级趋势语义标签的类别及票数，按照预设的优先级规则进行投票映射，生成点级初始趋势标签；

21、对所述点级初始趋势标签执行短区间过滤，将长度小于预设最小段长的连续区间标记为过渡标签；

22、对由所述过渡标签隔开的同类趋势标签进行合并，形成最终的数据点级趋势语义标签序列。

23、进一步地，所述计算所述标准化生产曲线序列中相邻数据点间的局部递减率，包括：

24、在所述标准化生产曲线序列中，针对相邻数据点计算局部递减率，具体如公式(3)所示；

25、

26、其中，表示第个数据点对应的局部递减率；表示第个数据点的产量值；表示第个数据点的产量值；表示第个数据点对应的时间；表示第个数据点对应的时间；

27、当所述时间间隔为零、所述产量值不大于零或者计算得到的局部递减率不大于零时，该数据点被标记为局部递减率无效点，否则被标记为局部递减率有效点。

28、进一步地，所述多级递减约束包括近端长程递减约束和远端长程递减约束；

29、所述近端长程递减约束，包括：按照时间顺序维护一个保留点栈，当新的数据点加入时，计算栈中最后两个保留点之间的连线斜率，若所述连线斜率不小于零，则删除栈中倒数第二个保留点，并继续向前迭代检查，直至最近的两个保留点满足递减关系；

30、所述远端长程递减约束，包括：按照时间顺序维护一个当前保留点，将当前数据点与最新保留点之间的连线斜率进行比较，若所述连线斜率小于零，则保留当前数据点，若所述连线斜率不小于零，则丢弃当前数据点且不回溯修改历史保留点；

31、其中，两数据点之间连线斜率的计算方式如公式(4)所示：

32、(4)

33、其中，表示第个数据点与第个数据点之间的连线斜率；和分别表示第个和第个数据点的产量值；和分别表示第个和第个数据点对应的时间；当时，表明第个点至第个点之间满足递减趋势；当时，判定两点之间为长程递减约束违背。

34、进一步地，所述合并形成候选递减骨架，包括：

35、将所述近端长程递减约束保留的骨架点和所述远端长程递减约束保留的骨架点取并集，得到候选递减骨架；

36、对所述候选递减骨架中出现的大幅递增间隔进行分割，排除非递减的连续中断段，仅保留满足最小簇长度要求的骨架簇，形成最终递减骨架。

37、进一步地，还包括谷值恢复机制：

38、在执行所述近端长程递减约束的过程中，将连续被删除的数据点块提取为近端连续删除块；

39、针对所述近端连续删除块，重新运行所述远端长程递减约束，若删除块中的波谷数据点仍符合远端长程递减约束关系，则将该波谷数据点恢复至所述最终递减骨架中。

40、进一步地，所述识别工程响应段及构建递减违背评分，包括：

41、将所述最终递减骨架之外的连续非骨架数据点，当其连续长度达到预设阈值时，识别为疑似工程响应候选段；

42、对于每一个生产数据点，构建包含局部递减率有效标志、近端长程递减约束有效标志、远端长程递减约束有效标志、最终骨架隶属标志、疑似工程响应候选段隶属标志在内的多个二值指示项；

43、基于所述多个二值指示项，计算该数据点的递减违背评分vivi，具体如公式(5)所示：

44、(5)

45、其中，为第个数据点的递减违背评分；表示局部递减率无效指示项；表示局部递减率有效但未通过近端长程递减约束的指示项；表示局部递减率有效但未通过远端长程递减约束的指示项；表示未进入最终递减骨架的指示项；表示属于疑似工程响应候选段的指示项；上述指示项均为二值变量，当第个数据点满足相应条件时取1，否则取0。

46、进一步地，所述基于数据点索引间隔、时间间隔、归一化欧氏距离的至少一种分块判据对所述候选递减骨架执行断开分块处理，包括：

47、在所述候选递减骨架中，对于相邻骨架点和，判断其索引间隔是否超过最大索引间隔阈值、时间间隔是否超过时间间隔阈值、或者归一化欧氏距离是否超过距离阈值；

48、若相邻骨架点之间跨越所述疑似工程响应候选段，则直接在该处断开骨架连接；

49、所述归一化欧氏距离da,bda,b的计算方式如公式(6)所示：

50、(6)

51、其中，表示第个骨架点与第个骨架点之间的归一化欧氏距离；和分别表示第个骨架点和第个骨架点对应的时间；和分别表示第个骨架点与第个骨架点对应的产量值；表示生产曲线数据序列的时间总跨度；表示生产曲线数据序列的产量总范围。

52、进一步地，所述方法还包括多维度批量输出诊断结果：

53、输出包含点级趋势语义标签、点级工程诊断标签及递减约束特征的点级结果表；

54、输出包含趋势区间和融合诊断区间的区间级结果表；

55、输出包含所述疑似工程响应候选段的措施候选列表；

56、输出包含所述有效递减骨架分块及断开原因的骨架块数据；

57、以及输出包含趋势识别图、递减约束分块图、融合诊断图和简洁诊断图的可视化结果，实现高含水油藏单井及多井生产动态数据的自动化批量诊断。

58、与现有技术相比，本技术具有以下有益效果：

59、本发明提出一种基于递减约束与趋势特征融合的高含水油藏生产曲线阶段诊断方法，将趋势特征识别与递减物理约束有机结合，通过局部d、近端长程递减和远端长程递减三类递减约束并行分析，既能够识别递减、稳产、递增和波动等曲线形态，又能够有效降低单一递减率方法对噪声或短期波动的敏感性，解决现有趋势识别方法缺少物理约束的问题；同时，通过连续非骨架点识别疑似措施响应段，并结合递减违背评分和融合诊断规则，将数值特征量化为自然递减、稳产平台、高置信措施响应、异常波动等工程语义标签，弥补了单一递减率分析缺少工程语义的缺陷；此外，通过引入基于索引间隔、时间间隔、归一化距离以及跨措施候选段的骨架分块机制，有效避免了远距离点或跨措施段点被强行连成单一递减曲线，解决了现有技术中递减骨架硬连接导致曲线解释不合理的问题；最终，通过多井批量处理与结构化多层级诊断结果输出，显著降低了人工逐井判读的工作量，提高了高含水油藏生产动态分析的自动化程度、一致性和工程可解释性。