基于K均值聚類(lèi)方法的抽油機(jī)井系統(tǒng)能耗分析

王輝萍，檀朝東*，任桂山，劉萍，楊若谷

?

基于K均值聚類(lèi)方法的抽油機(jī)井系統(tǒng)能耗分析

王輝萍1，檀朝東1*，任桂山2，劉萍3，楊若谷3

(1.中國(guó)石油大學(xué)（北京）石油工程學(xué)院，北京昌平102249；2.中石油大港油田采油工藝研究院，天津?yàn)I海新區(qū)，300280；3 北京雅丹石油技術(shù)開(kāi)發(fā)有限公司北京昌平102200）

在智慧油田的助力下，大多數(shù)油田已基本實(shí)現(xiàn)了油田生產(chǎn)數(shù)據(jù)的自動(dòng)化采集，然而這些數(shù)量巨大、維度高的數(shù)據(jù)信息并未得到有效利用。本文將K均值聚類(lèi)分析方法應(yīng)用到抽油機(jī)井能耗數(shù)據(jù)分析中，進(jìn)行了能耗數(shù)據(jù)異常識(shí)別和油井能耗分類(lèi)的工作。在分析過(guò)程中，分別選取單項(xiàng)、多項(xiàng)能耗指標(biāo)對(duì)抽油機(jī)井進(jìn)行自動(dòng)分類(lèi)，以高效地尋找高能耗油井，進(jìn)而有針對(duì)性地對(duì)這些油井進(jìn)行措施調(diào)整。

K均值聚類(lèi)；抽油機(jī)井；能耗指標(biāo)；數(shù)據(jù)預(yù)處理

引言

在油田開(kāi)發(fā)中，抽油機(jī)井因其結(jié)構(gòu)簡(jiǎn)單、適應(yīng)性強(qiáng)、技術(shù)成熟等優(yōu)勢(shì)，在各大油田得到了廣泛應(yīng)用。然而其在采油過(guò)程中系統(tǒng)效率低下，能量損失嚴(yán)重，如今已超越注水系統(tǒng)成為油田最大的耗能用戶。如何提高抽油機(jī)井系統(tǒng)效率、降低開(kāi)采能耗，是降低油田生產(chǎn)成本、提高經(jīng)濟(jì)效益的關(guān)鍵。

在油井能耗分析方面，傳統(tǒng)方法主要是從理論分析和經(jīng)驗(yàn)分析兩方面展開(kāi)研究的，理論分析方法是基于石油工程的業(yè)務(wù)模型[1]，對(duì)抽油機(jī)井能耗的影響因素進(jìn)行研究，經(jīng)驗(yàn)分析則是根據(jù)現(xiàn)場(chǎng)人員在油井日常管理中的經(jīng)驗(yàn)對(duì)油井進(jìn)行調(diào)參、檢泵、洗井等措施來(lái)降低生產(chǎn)能耗。但兩者都存在著一定的局限性。前者模型求解復(fù)雜困難，在實(shí)際現(xiàn)場(chǎng)生產(chǎn)中應(yīng)用較少，后者主觀性強(qiáng)、可靠性低。

面對(duì)傳統(tǒng)分析方法的不足，智慧油田的建設(shè)為解決抽油機(jī)井能耗問(wèn)題提供了新思路。當(dāng)前，各大油田基本實(shí)現(xiàn)了抽油機(jī)井系統(tǒng)數(shù)據(jù)的自動(dòng)化采集，這些數(shù)據(jù)涵蓋了自地層、設(shè)備運(yùn)行到原油生產(chǎn)等各個(gè)方面，記錄了油井生產(chǎn)的全過(guò)程[2]。在處理分析這些數(shù)據(jù)時(shí)，數(shù)據(jù)挖掘技術(shù)展現(xiàn)出了其獨(dú)特的優(yōu)勢(shì)，該技術(shù)能夠?qū)τ吞锷a(chǎn)的海量數(shù)據(jù)進(jìn)行分析，挖掘出數(shù)據(jù)中隱藏的有價(jià)值信息[3]，揭示出抽油井系統(tǒng)中眾多參數(shù)之間的相互關(guān)系。

要降低抽油機(jī)井的能耗，首先要找到能耗高的油井，目前大多油田將噸液百米耗電量作為能耗指標(biāo)，根據(jù)現(xiàn)場(chǎng)經(jīng)驗(yàn)對(duì)油井能耗進(jìn)行高、中、低的劃分。實(shí)際上，由于油田各個(gè)區(qū)塊的地層條件、流體特性不盡相同，各區(qū)塊的油井能耗特點(diǎn)也會(huì)有差異，很難制定統(tǒng)一的能耗標(biāo)準(zhǔn)對(duì)油井能耗分類(lèi)。因此，采用噸液百米耗電量這一指標(biāo)人為地對(duì)油井耗能劃分范圍，未必能找出真正耗能高的井組，有的油井在采取措施后甚至還會(huì)出現(xiàn)能耗升高的情況。

作為經(jīng)典的數(shù)據(jù)挖掘方法，K均值聚類(lèi)方法是一種無(wú)監(jiān)督的學(xué)習(xí)方法，已經(jīng)在客戶細(xì)分、圖像分割等領(lǐng)域得到了廣泛應(yīng)用[4]。其從數(shù)據(jù)自身特性出發(fā)，根據(jù)數(shù)據(jù)樣本之間的相近相似關(guān)系對(duì)數(shù)據(jù)樣本進(jìn)行分類(lèi)，體現(xiàn)的是樣本數(shù)據(jù)本身的特性。因此，本文基于抽油機(jī)井能耗數(shù)據(jù)，運(yùn)用K均值聚類(lèi)分析方法對(duì)油井進(jìn)行自動(dòng)分類(lèi)，并分析了各類(lèi)油井產(chǎn)液量與能耗之間的關(guān)系。此外，在對(duì)數(shù)據(jù)進(jìn)行預(yù)處理時(shí)，利用該方法對(duì)離散點(diǎn)敏感的特性進(jìn)行了異常值識(shí)別和剔除，以保證分析數(shù)據(jù)的質(zhì)量。

1 抽油機(jī)井能耗模型

抽油機(jī)井的整體能耗情況主要用噸液百米耗電量這一指標(biāo)表示，而整個(gè)抽油機(jī)井系統(tǒng)的能量一部分用于舉升井下液體之外，剩下的主要是抽油機(jī)井系統(tǒng)各個(gè)部分的能量損耗。這些能量損耗主要包括電機(jī)功率損耗、傳動(dòng)系統(tǒng)功率損耗、抽油桿功率損耗、抽油管摩阻損耗、抽油泵功率損耗等五大部分。由抽油機(jī)井的采集數(shù)據(jù)可以計(jì)算得各個(gè)能耗指標(biāo)值，進(jìn)而建立基于K均值聚類(lèi)分析的油井能耗模型，是進(jìn)行油井能耗數(shù)據(jù)特征分析的關(guān)鍵。

1.1 抽油機(jī)井系統(tǒng)的能耗指標(biāo)

抽油機(jī)井的工作過(guò)程，就是一個(gè)能量不斷傳遞和轉(zhuǎn)化的過(guò)程[5]。地面電機(jī)通過(guò)皮帶、減速箱傳到曲柄，帶動(dòng)曲柄做低速旋轉(zhuǎn)，將電能轉(zhuǎn)化為機(jī)械能，接著通過(guò)四連桿機(jī)構(gòu)實(shí)現(xiàn)驢頭的上下往復(fù)運(yùn)動(dòng)，驢頭連接光桿、抽油桿柱直達(dá)井下，帶動(dòng)抽油泵柱塞排出吸入液體。這其中每個(gè)環(huán)節(jié)都不可避免地存在著能量損耗，主要包括：電機(jī)功率損耗、傳動(dòng)系統(tǒng)功率損耗、抽油桿功率損耗、抽油管摩阻損耗、抽油泵功率損耗[6]等。抽油機(jī)井整體的能耗用噸液百米耗電量這一參數(shù)表征。

（1）電機(jī)功率損耗

(2)

(3)

式中：P輸入—電機(jī)輸入功率，kW；P軸—電機(jī)軸功率，kW；Pn—電機(jī)額定功率，kW；In—電機(jī)額定電流，kW；U—電機(jī)實(shí)際運(yùn)行電壓，V；I—電機(jī)實(shí)際運(yùn)行電流，A；I0—電機(jī)在額定電壓時(shí)的空載電流，A；cosφ—功率因數(shù)。

（2）傳動(dòng)系統(tǒng)功率損耗（皮帶、減速箱、連桿損耗的總和）

(6)

式中：P光桿—光桿功率，kW；A—示功圖載荷線包圍的面積，cm2；n—沖次,min-1；s—光桿沖程，m；l—示長(zhǎng)度，mm；C—?jiǎng)恿x力比，N/mm。

（3）抽油桿功率損耗

(8)

(9)

式中：P泵—泵功率，由井下功圖計(jì)算得出；P有效—有效功率；H動(dòng)—?jiǎng)右好嫔疃龋琺；P油，P套—油壓，套壓，MPa。

（4）油管摩阻損耗

(11)

（5）抽油泵功率損耗

（6）噸液百米耗電量

(13)

抽油機(jī)井的采集數(shù)據(jù)主要包括基礎(chǔ)數(shù)據(jù)和生產(chǎn)數(shù)據(jù)，基礎(chǔ)數(shù)據(jù)主要有油管直徑、泵徑、含水率、原油粘度、原油飽和度等，生產(chǎn)數(shù)據(jù)包括泵深、動(dòng)液面深度、油壓、套壓、電機(jī)運(yùn)行參數(shù)、日產(chǎn)液量、井下功圖數(shù)據(jù)、沖程、沖次等數(shù)據(jù)，由已知的油井的采集數(shù)據(jù)和公式(1-13)，能夠計(jì)算出抽油機(jī)井的各個(gè)能耗指標(biāo)值，以便進(jìn)一步對(duì)油井?dāng)?shù)據(jù)做分析。

1.2 基于K均值聚類(lèi)分析的能耗模型

K均值聚類(lèi)是著名的劃分聚類(lèi)分割方法。該方法將各個(gè)聚類(lèi)子集的所有樣本數(shù)據(jù)的平均值作為每個(gè)類(lèi)（聚類(lèi)子集）的中心點(diǎn)，通過(guò)計(jì)算各個(gè)樣本與聚類(lèi)中心之間的距離，將樣本點(diǎn)歸入到最近的類(lèi)中，并不斷迭代至收斂，從而實(shí)現(xiàn)樣本分類(lèi)。運(yùn)用K均值聚類(lèi)方法對(duì)抽油機(jī)井進(jìn)行能耗分析，主要包含以下幾個(gè)步驟：特征參數(shù)選取、數(shù)據(jù)預(yù)處理、K均值聚類(lèi)、分析結(jié)果優(yōu)選、數(shù)據(jù)特征分析。

（1）特征參數(shù)選取

為了考察在選用單個(gè)能耗指標(biāo)與多個(gè)能耗指標(biāo)作為特征參數(shù)對(duì)油井聚類(lèi)的影響，分別選取了噸液百米耗電量和上述六項(xiàng)油井綜合能耗指標(biāo)進(jìn)行分析。

（2）數(shù)據(jù)預(yù)處理

首先根據(jù)抽油機(jī)井的采集數(shù)據(jù)，結(jié)合公式計(jì)算六個(gè)能耗指標(biāo)值，接著對(duì)這些能耗指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，以減小聚類(lèi)過(guò)程中各參數(shù)的取值范圍對(duì)結(jié)果的影響。標(biāo)準(zhǔn)化處理的表達(dá)式見(jiàn)公式（14）：

其中，a為樣本的某一屬性值，a’為標(biāo)準(zhǔn)化后的值，min(a)為所有樣本中這一屬性的最小值，max(a)為所有樣本中這一屬性的最大值。這里的樣本就是參與分析的所有抽油機(jī)井。

由于在采集油井?dāng)?shù)據(jù)時(shí)，可能會(huì)因?yàn)榄h(huán)境干擾、測(cè)量?jī)x器故障導(dǎo)致數(shù)據(jù)偏離正常值范圍，出現(xiàn)數(shù)據(jù)異常，因此在分析前要對(duì)數(shù)據(jù)中的異常值進(jìn)行剔除。利用K均值算法對(duì)離散點(diǎn)敏感的特點(diǎn)來(lái)識(shí)別異常值。具體做法是僅選擇一個(gè)參數(shù)進(jìn)行聚類(lèi)，若聚出的某一類(lèi)中僅有個(gè)別油井，則很有可能就是異常數(shù)據(jù)導(dǎo)致。

（3）K均值聚類(lèi)

對(duì)數(shù)據(jù)預(yù)處理過(guò)后就可以對(duì)油井能耗數(shù)據(jù)進(jìn)行聚類(lèi)，其基本步驟[7]如下：

1) 設(shè)定油井?dāng)?shù)據(jù)的聚類(lèi)數(shù)量，即K值；

2) 在油井中隨機(jī)選擇K個(gè)油井?dāng)?shù)據(jù)作為初始聚類(lèi)中心，分別計(jì)算各個(gè)其他油井樣本到這K個(gè)聚類(lèi)中心的距離，并根據(jù)最小距離將這些油井歸入相應(yīng)的類(lèi)中；

3) 對(duì)得到的各聚類(lèi)子集中的所有油井?dāng)?shù)據(jù)求平均，即為新的聚類(lèi)中心；

4) 重復(fù)2、3步驟，直至聚類(lèi)中心不再變化。

（4）分析結(jié)果優(yōu)選

由于在K均值聚類(lèi)分析中，初始聚類(lèi)中心是在所有樣本井中的隨機(jī)選取的，不同的初始中心有可能會(huì)導(dǎo)致不同的收斂結(jié)果，聚類(lèi)結(jié)果會(huì)陷入局部最優(yōu)[8]，因而選用誤差平方和準(zhǔn)則函數(shù)E作為聚類(lèi)性能的評(píng)價(jià)指標(biāo)[9]。該函數(shù)可用來(lái)衡量聚類(lèi)收斂后各樣本與其對(duì)應(yīng)的聚類(lèi)中心的總距離，E值越小，說(shuō)明樣本點(diǎn)集合與中心的距離越近，聚類(lèi)效果越好。

假設(shè)通過(guò)K均值聚類(lèi)分析，已經(jīng)將N口油井?dāng)?shù)據(jù)樣本點(diǎn)xi（i=1,2,…,n）聚成K類(lèi)，每類(lèi)都是油井?dāng)?shù)據(jù)的集合，分別用表示，j=1,2,…,k，每類(lèi)油井的聚類(lèi)中心用表示，j=1,2,…,k，則誤差平方和準(zhǔn)則函數(shù)為：

（5）油井能耗特征分析

在兩次聚類(lèi)結(jié)果的基礎(chǔ)上，分別對(duì)三類(lèi)油井的能耗指標(biāo)取平均值，將抽油機(jī)井分為高能耗井、中等能耗井和低能耗井，并比較單指標(biāo)與多指標(biāo)油井能耗聚類(lèi)的特征。

2 應(yīng)用

本文運(yùn)用K均值聚類(lèi)對(duì)華北油田某采油廠186口抽油機(jī)井能耗數(shù)據(jù)進(jìn)行了特征分析。首先對(duì)數(shù)據(jù)進(jìn)行了指標(biāo)計(jì)算、標(biāo)準(zhǔn)化處理、異常值剔除等預(yù)處理工作，然后分別選取噸液百米耗電量單個(gè)指標(biāo)和電機(jī)功率損耗、傳動(dòng)系統(tǒng)功率損耗、抽油桿功率損耗、抽油管摩阻損耗、抽油泵功率損耗、噸液百米耗電量這六項(xiàng)綜合能耗指標(biāo)作為特征參數(shù)，根據(jù)數(shù)據(jù)自身的特性對(duì)油井分類(lèi)，以比較特征參數(shù)不同時(shí)聚類(lèi)的結(jié)果差異。最后選取噸液百米耗電量、系統(tǒng)效率及日產(chǎn)液量三個(gè)參數(shù)進(jìn)行聚類(lèi)，以分析三者之間的相互關(guān)系。

2.1 異常值識(shí)別

在對(duì)油井分類(lèi)之前，首先對(duì)各個(gè)能耗指標(biāo)進(jìn)行了單個(gè)參數(shù)聚類(lèi)以剔除異常值。下面僅以傳動(dòng)功系統(tǒng)率損耗異常值識(shí)別為例來(lái)說(shuō)明具體的分析過(guò)程。

選取所有抽油機(jī)井2015年1月1日的傳動(dòng)系統(tǒng)功率損耗數(shù)據(jù)，其中部分油井?dāng)?shù)據(jù)見(jiàn)表1，將油井分為3類(lèi)。

表1 抽油機(jī)井傳動(dòng)系統(tǒng)功率損耗部分?jǐn)?shù)據(jù)

經(jīng)過(guò)數(shù)次K均值聚類(lèi)分析后，分析結(jié)果基本一致，聚成的三類(lèi)中所含油井?dāng)?shù)量分別為2，10，174，各類(lèi)的傳動(dòng)系統(tǒng)功率損耗平均值分別為1904.36，17.92和1.80，見(jiàn)表2。其中第一類(lèi)的傳動(dòng)功率損耗值已大大超過(guò)了正常范圍，因此需將這兩口井的數(shù)據(jù)刪除，同時(shí)應(yīng)及時(shí)查明數(shù)據(jù)異常原因，保證采集數(shù)據(jù)的質(zhì)量。

表2 傳動(dòng)系統(tǒng)功率損耗聚類(lèi)分析結(jié)果

2.2 油井能耗特征分析

經(jīng)過(guò)數(shù)據(jù)預(yù)處理，篩選出171條合理的抽油機(jī)井生產(chǎn)數(shù)據(jù)，選取上述六項(xiàng)綜合能耗指標(biāo)將油井聚為3類(lèi)，數(shù)次聚類(lèi)分析的結(jié)果見(jiàn)表3。

表3 六項(xiàng)綜合能耗指標(biāo)聚類(lèi)結(jié)果優(yōu)選

結(jié)合誤差平方和準(zhǔn)則函數(shù)，選擇E值最小的油井分類(lèi)結(jié)果即第6次聚類(lèi)結(jié)果，三類(lèi)油井?dāng)?shù)量分別為82，39，50，其各類(lèi)能耗指標(biāo)的平均值見(jiàn)表4。

表4 六項(xiàng)綜合能耗指標(biāo)聚類(lèi)分析結(jié)果

對(duì)六項(xiàng)綜合能耗指標(biāo)進(jìn)行聚類(lèi)后發(fā)現(xiàn)，大部分的油井能耗中等水平，第2類(lèi)油井的總體能耗較高與其他兩類(lèi)，可劃分為高能耗井，并且在這類(lèi)井中，傳動(dòng)功率功率損耗值較其他損耗比重大。

當(dāng)僅選擇噸液百米耗電量進(jìn)行K均值聚類(lèi)分析時(shí)，分成的三類(lèi)油井的結(jié)果見(jiàn)表5。

表5 單項(xiàng)能耗指標(biāo)聚類(lèi)分析結(jié)果

由表5可知，3類(lèi)油井的噸液百米耗電量差異較大，第3類(lèi)油井的能耗值遠(yuǎn)高于其他兩類(lèi)油井，屬于高能耗井。

比較兩次聚類(lèi)的結(jié)果可以發(fā)現(xiàn)，在對(duì)油井按能耗數(shù)據(jù)進(jìn)行分類(lèi)時(shí)，選取單個(gè)指標(biāo)和能耗綜合指標(biāo)進(jìn)行聚類(lèi)，分成的三類(lèi)中每類(lèi)包含的油井?dāng)?shù)量、平均能耗大小都有很大差異，因此，在尋找能耗高的油井時(shí)，僅從單個(gè)指標(biāo)進(jìn)行分類(lèi)是不全面的。

為了探究油井噸液百米耗電量、系統(tǒng)效率、日產(chǎn)液量三者之間的關(guān)系，將這三個(gè)量作為特征參數(shù)，將油井分為三類(lèi)，經(jīng)過(guò)結(jié)果優(yōu)選，三類(lèi)所含油井?dāng)?shù)分別為9，58和104。各類(lèi)參數(shù)平均值見(jiàn)表6。

表6 油井能耗主要因素聚類(lèi)分析

可見(jiàn)，油井的系統(tǒng)效率主要分布在15%-55%之間，噸液百米耗電量在2-13kw·h/(t·100m)之間。其中，第3類(lèi)油井能耗、系統(tǒng)效率正常，占所有油井的60%，第一類(lèi)井屬于高能耗井。從總體上看，噸液百米耗電量高的油井系統(tǒng)效率較低，這也與油田的實(shí)際情況相符合，而在這些系統(tǒng)效率低的油井中，油井的產(chǎn)液量也很低。因此，可考慮適當(dāng)提高第1類(lèi)油井的產(chǎn)液量以降低油井能耗情況，并通過(guò)后續(xù)油井能耗變化來(lái)驗(yàn)證結(jié)果的準(zhǔn)確性。

3 結(jié)論

本文結(jié)合大量的抽油機(jī)井的能耗數(shù)據(jù)，運(yùn)用K均值聚類(lèi)分析方法對(duì)抽油機(jī)井能耗數(shù)據(jù)進(jìn)行分析，主要得到以下結(jié)論。

（1）K均值聚類(lèi)可以有效地識(shí)別油井能耗中的異常值，從而提高分析數(shù)據(jù)的質(zhì)量；

（2）在對(duì)油井能耗進(jìn)行聚類(lèi)時(shí)，選取單項(xiàng)能耗指標(biāo)與多項(xiàng)能耗指標(biāo)進(jìn)行分析的結(jié)果差異很大，僅近選擇單項(xiàng)能耗指標(biāo)不能全面地分析油井的整體能耗特征；

（3）K均值聚類(lèi)適用于對(duì)油井的能耗進(jìn)行定性的分析，若要進(jìn)一步分析影響能耗的主要因素，還需在此基礎(chǔ)上運(yùn)用其他方法進(jìn)行分析。

[1] Ming Ming Xing,Shimin Dong.A New Simulation Model for a Beam-Pumping System Applied in Energy Saving and Resource Consumption Reduction[J].SPE173190,2015.

[2] 檀朝東,張恒汝,馬永忠,等. 油氣生產(chǎn)大數(shù)據(jù)挖掘系統(tǒng)的研究及應(yīng)用[J]. 數(shù)碼設(shè)計(jì),2016,5（1）:49-52.

[3] 檀朝東,陳見(jiàn)成,劉志海,等. 大數(shù)據(jù)挖掘技術(shù)在石油工程的應(yīng)用前景展望[J]. 中國(guó)石油和化工,2015,01:49-51.

[4] R J Kuo,L M Ho,C M Hu.Cluster Analysis in Industrial Market Segementation Through Artificial Neural Network[J].Computers and Industrial Engineering,2002,42(2):391-399.

[5] 樊文杰. 抽油機(jī)井能耗公式的建立與測(cè)試[J]. 油氣田地面工程,2001,06:8-10.

[6] 郭小哲,劉躍忠,孫寶龍,等. 抽油機(jī)井系統(tǒng)效率方案優(yōu)選及因素分析[J]. 鉆采工藝,2008,03:92-96.

[7] 樊寧. K均值聚類(lèi)算法在銀行客戶細(xì)分中的研究[J]. 計(jì)算機(jī)仿真,2011,03:369-372.

[8] 劉長(zhǎng)騫. K均值算法改進(jìn)及在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用[J]. 計(jì)算機(jī)仿真,2011,03:190-193.

[9] 卓金武.Matlab在數(shù)學(xué)建模中的應(yīng)用（第二版）[M].北京: 北京航空航天大學(xué)出版社,2014.9.

Energy Consumption Analysis of Rod Pumping Well System Based on K-Means Clustering

WANG Huiping1, TAN Chaodong1*,REN Guishan2, LIU Ping3, YANG Ruogu3

(1.College of Petroleum Engineering, China University of Petroleum, Beijing 102249, China 2. Beijing Yadan Petroleum Technology Development Co., Ltd, Beijing 102200, China)

With the help of intellectual oil field infrastructure, production data are now collected automatically in the majority of oil fields. However, the data with large volume and high dimension have not been effectively utilized. In this paper, K-means clustering is applied to analyze energy consumption data for the rod pumping system. The tasks include abnormal data identification and well clustering. During the analyzing process, both single and multiple energy consumption indicators are selected for clustering. In this way, wells with huge energy consumption are found efficiently. This study builds the foundation for well energy consumption saving .

K-means clustering; rod pumping wells; energy consumption indicators; data preprocessing

1672-9129(2016)02-0064-05

TP 3

A

2016-09-15；

2016-09-28。

王輝萍(1991-)，女，江蘇東臺(tái)，碩士研究生，主要研究方向：采油工程、數(shù)據(jù)挖掘；檀朝東（1968-），男，安徽望江，副研究員，博士，主要研究方向：石油工程、物聯(lián)網(wǎng)教學(xué)及科研；任桂山（1972-），男，高級(jí)工程師，主要研究方向：油田自動(dòng)化；劉萍（1991-），女，湖北鐘祥，高級(jí)工程師，主要研究方向：石油工程大數(shù)據(jù)挖掘；楊若谷（1980-），男，北京，高級(jí)工程師，主要研究方向：油氣生產(chǎn)物聯(lián)網(wǎng)、油氣生產(chǎn)大數(shù)據(jù)挖掘及采油技術(shù)。

(*通信作者電子郵箱：tantcd@126.com)