典型聚类算法在区块抽油机井系统效率分析中的应用
因采油中—后期抽油机系统效率的影响因素多且数据庞杂无特征,造成系统效率调控效果差.基于大数据挖掘技术,以大庆油田中区的采油区块为研究对象,将地面数据和井下数据相结合,采用典型聚类算法揭示了系统效率的变化规律,针对区块数据,采用了 k-means和DBSCAN聚类算法应用于油田数据分析,首先利用组间误差平方和、组内误差平方和与总误差平方和之比确定了最佳k值,用k-means算法对数据集进行聚类.然后通过设定不同M和ε值用DBSCAN算法对数据集进行聚类,通过将聚类结果可视化并对比两种聚类方法的不同之处发现,k-means算法更符合大庆油田中区数据的聚类分析结果,并以k= 4时k-means聚类结果给出了区块低效率井的表现特征,为区块井系统效率调控提供方向指导.
抽油机、系统效率、大数据、聚类分析、影响因素特征
41
TE355(油气田开发与开采)
科技部创新方法工作专项2018IM040100
2021-03-04（万方平台首次上网日期，不代表论文的发表时间）
共8页
1657-1664
