1. 压窜诊断的数据准备与曲线对齐

为什么“对齐”是压窜诊断的第一道门槛

邻井压裂干扰诊断的本质，是在同一时间轴上比较两口井的压力响应。现场拿到的数据往往来自不同采集系统：生产井压力来自SCADA/RTU，采样间隔可能是1 min或5 min；邻井压裂施工数据来自压裂车组记录仪，采样间隔常为1 s，且时间戳可能是本地时间、UTC或设备内部时钟。若直接叠加，压窜起跳点会被人为错位几分钟到几十分钟，导致“谁先响应、响应滞后多久”这类关键判据完全失真。

本案例针对一口受邻井压裂干扰的生产井（记为A井），完成三件事：压力数据清洗（剔除异常点、统一单位与量纲）、时间戳统一（全部换算到同一时区与同一时间基准）、多井曲线对齐（重采样到统一时间栅格并做时钟偏差校正），最终输出可直接用于压窜识别的标准化压力序列。

数据对象与字段约定

假设手上有三份原始数据（示例数据，非实测）：

• A井井口压力：字段 ts_local（本地时间，格式 YYYY-MM-DD HH:MM:SS）、p_MPa（单位MPa），采样间隔5 min，存在少量重复时间戳与跳变毛刺。
• B井压裂施工压力/排量：字段 ts_utc（UTC时间）、p_frac_MPa、rate_m3min，采样间隔1 s。
• 井时钟偏差记录：现场校时记录显示A井RTU时钟比标准时间慢 92 s（示例值），需在统一时间基准时补偿。

约定：所有时间最终统一为UTC，所有压力统一为MPa（表压），统一时间栅格为1 min。参照约定一旦确定，后续正文、代码与图中保持一致。

处理链路与对齐逻辑

下图给出从原始数据到标准化序列的完整处理链，重点标出时钟偏差补偿与重采样两个容易出错的环节：

关键实现：清洗、时间统一与重采样

下面给出可直接运行的 Python 实现（依赖 pandas、numpy）。示例数据在代码内构造，便于独立验证；实际使用时替换为读取 CSV 即可。

import pandas as pd
import numpy as np

# ---------- 1. 构造示例原始数据（非实测） ----------
# A井：本地时间，5 min 间隔，含重复戳与毛刺
tA = pd.date_range("2024-05-01 08:00:00", periods=60, freq="5min")
pA = 28.0 + np.linspace(0, -1.2, 60)          # 正常递减趋势
pA[20] = 45.0                                  # 人为毛刺
dfA = pd.DataFrame({"ts_local": tA, "p_MPa": pA})
dfA = pd.concat([dfA, dfA.iloc[[10]]], ignore_index=True)  # 重复时间戳

# B井：UTC时间，1 s 间隔，施工段
tB = pd.date_range("2024-05-01 00:00:00", periods=3600, freq="1s")
pB = np.where((tB >= "2024-05-01 00:20:00") & (tB < "2024-05-01 00:40:00"),
              60 + 8*np.sin(np.linspace(0, 6.28, 3600)), np.nan)
rB = np.where(~np.isnan(pB), 12.0, 0.0)
dfB = pd.DataFrame({"ts_utc": tB, "p_frac_MPa": pB, "rate_m3min": rB})

# ---------- 2. 清洗 ----------
# A井：去重（保留最后一条）、去毛刺（3σ 或绝对阈值）
dfA = dfA.drop_duplicates(subset="ts_local", keep="last").sort_values("ts_local")
med = dfA["p_MPa"].rolling(5, center=True, min_periods=1).median()
dfA["p_MPa"] = np.where((dfA["p_MPa"] - med).abs() > 5.0, med, dfA["p_MPa"])

# B井：仅保留有效施工段（排量>0 且压力非空）
dfB = dfB[(dfB["rate_m3min"] > 0) & dfB["p_frac_MPa"].notna()].copy()

# ---------- 3. 时间戳统一到 UTC ----------
# 假设本地时区为 UTC+8，A井RTU慢92s → 真实UTC = 本地 - 8h + 92s
TZ_OFFSET = pd.Timedelta(hours=8)
CLOCK_SKEW = pd.Timedelta(seconds=92)
dfA["ts_utc"] = dfA["ts_local"] - TZ_OFFSET + CLOCK_SKEW
dfA = dfA[["ts_utc", "p_MPa"]].set_index("ts_utc").sort_index()
dfB = dfB.set_index("ts_utc").sort_index()

# ---------- 4. 重采样到 1 min 统一栅格 ----------
start = min(dfA.index.min(), dfB.index.min()).floor("min")
end   = max(dfA.index.max(), dfB.index.max()).ceil("min")
grid  = pd.date_range(start, end, freq="1min")

A_1min = dfA["p_MPa"].reindex(dfA.index.union(grid)).interpolate("time").reindex(grid)
B_1min = dfB["p_frac_MPa"].resample("1min").mean().reindex(grid)
R_1min = dfB["rate_m3min"].resample("1min").mean().reindex(grid)

aligned = pd.DataFrame({"p_A_MPa": A_1min, "p_frac_MPa": B_1min, "rate_m3min": R_1min})
print(aligned.head())
print("对齐后长度:", len(aligned), "时间范围:", aligned.index.min(), "→", aligned.index.max())

结果判读与对齐校验

运行后应检查三点，任何一点不满足都说明对齐环节有问题：

• 时间范围一致：aligned 的索引从两井最早时刻到最晚时刻，步长严格1 min，无缺口。
• 补偿量可验证：把 CLOCK_SKEW 改为0再跑一次，A井压力序列整体应平移92 s；若平移方向相反，说明补偿符号写反了。
• 起跳点对齐：在B井排量开始大于0的时刻附近，A井压力若出现同步抬升，则两井起跳时刻差应≤1 min；若差出数分钟，优先怀疑时区偏移或时钟偏差未补偿。