CN106353809A

CN106353809A - 一种压裂裂缝网络的反演表征方法

Info

Publication number: CN106353809A
Application number: CN201610656902.XA
Authority: CN
Inventors: 苏玉亮; 周志为; 王文东; 姜妙伦
Original assignee: China University of Petroleum East China
Current assignee: China University of Petroleum East China
Priority date: 2016-08-11
Filing date: 2016-08-11
Publication date: 2017-01-25
Anticipated expiration: 2036-08-11
Also published as: CN106353809B

Abstract

本发明涉及一种裂缝网络反演技术，尤指一种分段压裂或体积压裂后的裂缝网络标定和属性反演方法。步骤为：1)主要数据与辅助数据的读取与录入：(1)压裂监测微地震信号的读取；(2)油气井产量数据、压裂施工参数、油藏储层信息的读取；2)基于分形几何系统，结合整数规划方法，生成能够在几何形态上满足与微地震信号匹配的分形裂缝网络；3)基于工程参数及施工参数或常规分析方法对生成的分形裂缝网络进行质量检查，调整控制裂缝几何形态的分形参数；4)基于产量数据，结合修正后的遗传算法进行历史拟合，逐级标定裂缝网络的属性。本发明能广泛应用于油气井水力压裂后的裂缝网络表征。

Description

一种压裂裂缝网络的反演表征方法

技术领域

本发明涉及一种裂缝网络反演技术，尤指一种分段压裂或体积压裂后的裂缝网络标定和属性反演方法。

背景技术

水力压裂技术是目前应用最广泛的非常规油气资源开发技术。水力压裂后会在油气井的周围产生复杂的裂缝网络，辅助地层内的油气流入井筒从而提高油气井产量。评价压裂后的裂缝网络，有利于对当前施工效果进行判定，为后续措施提供参考。而当前，用于监测水力压裂的微地震技术，仅可以监测压裂过程裂缝的闭合情况，并不能具体反映裂缝网络的分布情况，连通情况和生产状况。

因此，深入探究水力压裂后裂缝网络的几何分布情况及裂缝属性，同时充分利用压裂施工参数，微地震信号，油气井产量数据等有限资源，需要一种简单同时实用的压裂裂缝网络反演方法。而当前技术并不能同时兼备简便性和准确性。

发明内容

针对上述问题，本发明提出了一种水力压裂裂缝网络反演方法，兼备简便性，易操作性和准确性，具体包括：

1)主要数据与辅助数据的读取与录入：(1)压裂监测微地震信号的读取，并将这些信号转化为可以识别的三维空间坐标信息，用以初步标定裂缝的分布情况；(2)油气井产量数据、压裂施工参数、油藏储层信息的读取，用以辅助标定裂缝网络属性，提高网络反演的准确性；

2)基于分形几何系统，结合优化后的整数规划方法，生成能够在几何形态上满足与微地震信号最小二乘匹配的分形裂缝网络；

3)基于常规工程参数及施工参数：如监测裂缝导流能力，或常规分析方法：如不稳定产能分析方法，对第一次生成的分形裂缝网络进行质量检查，调整控制裂缝几何形态的分形参数；

4)基于产量数据，结合修正后的遗传算法进行历史拟合，逐级标定裂缝网络的属性，最终得到能够标定裂缝网络集合形态与具体属性的分形裂缝网络模型。

步骤1)中，用于标定和反演裂缝网络属性的必要参数为：压裂微地震监测信号及油气井单井产量数据，用于修正和精确最终结果的辅助参数为：压裂施工参数：排砂量、砂比、压裂液注入量和排量；测井参数包括：地层有效渗透率、压裂裂缝有效孔隙度、裂缝导流能力。

步骤1)中，除必要参数以外，其他辅助参数可部分或完全缺失，为进行质量检查，可以通过常规不稳定产能分析方法进行相关参数的测算，包括：裂缝总半长、裂缝导流能力、基质有效渗透率。

步骤2)中的分形几何系统，采用随机相似分形系统(L-system)，其主要控制参数为：(1)几何长度；(2)偏转角度；(3)迭代次数；(4)生成规则。

其中，分型系统的几何长度控制裂缝主干和次生裂缝的长度，与裂缝网络的总半长密切相关，具体影响情况可见附图2。

其中，分形系统的偏转角度控制裂缝偏转或产生次生裂缝时的偏移量，与裂缝网络的覆盖面积密切相关，具体影响情况可见附图3.

其中，迭代次数控制分形系统的复杂程度和节点个数，该参数与微地震信号的疏密程度，以及裂缝网络的复杂程度、连通程度密切相关。

其中，生成规则控制分形裂缝与原始微地震信号的匹配程度，预置高精度、大量的生成规则用以挑选匹配能够获得更加准确，匹配程度更高的分形裂缝网络；而通过降低预置的生成规则个数，能够提高匹配效率，节约工作时间，规则说明见附图4。

步骤2)中，分形裂缝的几何匹配方法可以通过修正整数规划的方法实现。同时，针对某一区块的多样本进行大量的形态匹配，可以生成相应的数据库，并基于数据库，应用人工神经网络方法完成后续的裂缝网络形态匹配。

其中，基于整数规划的匹配方法为：(1)提取微地震型号空间坐标信息；(2)提取分形网络的节点信息并转化为空间坐标信息应用如下方式进行匹配；(3)通过分支定界法，求解该整数规划问题的最优解，得到满足最小二乘解条件下的，能够匹配微地震监测信号的分形裂缝网络。

目标函数:

m i n = Σ_{i = 1}^{m} Σ_{j = 1}^{n} p_{i j} l_{i j} - - - (1)

限定条件：

\{\begin{matrix} Σ_{j = 1}^{n} p_{i j} = 1 \\ l_{i j} \leq e \\ Σ_{i = 1}^{m} Σ_{j = 1}^{n} p_{i j} = n \end{matrix} - - - (2)

其中：

其中，e表示微地震监测信号所具有的系统误差；l_ij表示第i个微地震信号与第j个分形系统节点之间的距离；p_ij为0-1规划变量，具体数值符合公式(3)中的说明；n为微地震监测信号的总数。

其中，若只针对单一油气井进行裂缝网络的匹配和还原，采用以上基于整数规划的匹配方法。

若需要针对整个区块进行压裂的评价与优化，可以经过大量微地震信号匹配训练后，建立分形裂缝网络与微地震信号的匹配数据库，建立匹配微地震信号与分形裂缝网络的人工神经网络算法。后续的微地震信号点位匹配可以直接通过人工神经网络算法进行实现和修正。

步骤3)中，对分形裂缝的网络具体指通过已有监测参数对分形形态的修正，具体指：(1)比较分形网络主裂缝长度与实际监测裂缝网络的主要贡献区域长度是否有偏差；(2)比较监测得到的裂缝导流能力下，分形裂缝网络模型能否实现初步的产量历史拟合；

其中，若无法通过排量、压裂液量等施工参数确定主要贡献区域长度，也并未对该井进行生产测井获得裂缝网络相关属性，可选择应用常规不稳定产能分析方法，估算主要储层参数和裂缝参数。

其中，不稳定产能分析方法通常采用以下分析方法：

(1)根据产量数据及压力数据在双对数坐标图下进行流态划分；

(2)根据各流态对应计算方法估算对应参数

步骤3)中，获得实际裂缝网络属性后，可以通过限定分形主裂缝长度，分形网络覆盖面积两个参数，修正获得的匹配分形网络，或重新求取满足限定条件的分形裂缝网络，同时达到过滤部分无效微地震信号的作用。

步骤4)中，通过启发式算法快速求取能够实现产量历史拟合的裂缝参数，其主要采用的方法为：遗传算法、粒子群算法或模拟退火算法。求取步骤为：(1)通过分形迭代次数及监测主裂缝长度对分形裂缝网络进行分级，可以选择的分级为：2级(主裂缝、次生裂缝)和3级(主裂缝、较高导流能力次生裂缝、较低导流能力次生裂缝)。根据分级情况，选定2到3个未知数，即各级裂缝导流能力作为求取参数，以产量数据作为目标函数，进行优化检索，当拟合程度满足设定误差，获取各级裂缝导流能力，实现裂缝属性反演。

步骤4)中，求取参数可以通过需要进行增加或减少，设定方法与上述方式一致，通过增加或减少启发式算法的未知数数量实现。

通过以上步骤，可以实现基于分形系统的裂缝网络反演。本发明由于采取以上技术方法，与目前主流的反演方法相比，具有以下优点：1、本发明充分利用了分形系统的多级特性和独立特性，在几何形态和属性分布上对监测裂缝网络进行分级划分，这是当前主流模拟方法不能实现的；2、基于分形系统的几何标定，可以将压裂施工参数等工程参数与分形控制参数进行关联，实现实际参数与理论参数的相互关联，能够以此建立有效的分析数据库，并以此强化人工神经网络计算方法的准确性；3、采用分形系统与启发式算法的结合，能够通过分级标定，提高参数标定的准确性。本发明可以广泛应用于油气井水力压裂后的裂缝监测及反演。

附图说明

图1是本发明的整体流程示意图；

图2是发明内容中提出的关于几何长度对分形系统形态影响的示意图；

图3是发明内容中提出的关于偏转角度对分形系统形态影响的示意图；

图4是发明内容中提出的关于迭代次数对分形系统形态影响的示意图；

图5为基本的生成规则示意图；

图6为3次迭代后各级裂缝分布的示意图；

图7为应用估算参数局部修正裂缝网络的示意图；

图8为修正前后历史拟合效果对比示意图；

具体实施方式

结合附图及实施案例对本发明进行详细描述。

本发明提供一种基于分形系统的压裂裂缝网络标定及属性反演方法，具体步骤如下：

1)主要数据与辅助数据的读取与录入：(1)压裂监测微地震信号的读取，通常的微地震信号数据为大地坐标系，需要将坐标转化进入以射孔点为坐标原点的新坐标系中，以便于后期计算。(2)油气井产量数据、压裂施工参数、油藏储层信息的读取，油气井产量数据为日产量数据，生产单位为Mscf/天，其他信息如基质渗透率k，单位为达西(D)，裂缝导流能力，单位为D·cm。孔隙度小数。其他单位根据油气井监测的实际情况读取，非必须。

若单井监测数据不足，可通过产量数据进行不稳定产能分析获取相关参数辅助后期参数修正，常规不稳定产能分析计算方法如下：

(2)根据各流态对应计算方法估算对应参数，计算公式如下：

表1不稳定产能分析公式

其中，m(p_i)为拟压力，单位为psi²/cp；q_g为气井日产量，单位为Mscf/天；t为时间，单位为天；k及k_f为渗透率，单位为达西；T为温度，单位为K；w_f为裂缝开度，单位为m；h为地层厚度，单位为m；μ为流体粘度，单位为cp；c为综合压缩系数，单位为psi^-1。

经过不稳定产能分析计算后，可以得到三个主要参数为：主裂缝总半长，次生裂缝平均导流能力以及基质渗透率。

步骤2)，基于分形几何系统，结合优化后的整数规划方法，生成能够在几何形态上满足与微地震信号最小二乘匹配的分形裂缝网络；

若不存在分形裂缝数据库或多次训练后的人工神经网络匹配算法，则需要根据改进整数规划方法进行匹配，得到满足最小二乘解条件下的，能够匹配微地震监测信号的分形裂缝网络。

目标函数:

m i n = Σ_{i = 1}^{m} Σ_{j = 1}^{n} p_{i j} l_{i j} - - - (1)

限定条件：

\{\begin{matrix} Σ_{j = 1}^{n} p_{i j} = 1 \\ l_{i j} \leq e \\ Σ_{i = 1}^{m} Σ_{j = 1}^{n} p_{i j} = n \end{matrix} - - - (2)

其中：

步骤2)中的分形几何系统，采用随机相似分形系统(L-system)，其主要控制参数为：(1)几何长度；(2)偏转角度；(3)迭代次数；(4)生成规则。这四个参数也是需要以上整数规划进行匹配获得的参数。

步骤2)中，若该区块已经进行或需要进行人工神经网络算法的训练，可采取多个微地震信号样本进行整数规划匹配获得所需的分形控制参数，并将以上分形控制参数与对应微地震信号分布作为训练项录入人工神经网络算法中，经过大量样本训练后，可以通过人工神经网络算法针对不同微地震信号分布，直接获得最佳匹配的分形控制参数(几何长度、偏转角度、迭代次数、生成规则)，以及对应的分形裂缝网络几何形态。

步骤3)，若未建立施工参数与分形裂缝网络相对应的修正数据库，可以采用不稳定产能分析方法获得的参数对得到的分形裂缝网络进行修正，修正裂缝网络的主裂缝长度以及覆盖面积，修正示意图见附图7。

若需要建立施工参数分形裂缝网络的修正数据库，可以将施工参数如：压裂液注入量、排量、砂比等参数与分形裂缝控制参数(几何长度、偏转角度、迭代次数、生成规则)进行关联，建立对应数据库，关联方法为：多元非线性回归方法，人工神经网络算法。

若采用多元非线性回归方法，需要较少量样本，将所需参数与分形控制参数进行回归分析，得到最佳匹配经验公式，直接应用于该井或该区块；若样本较多，对准确性及运算时间要求较高，可采用人工神经网络算法，将施工参数作为训练项，分形控制参数作为输出项，构建基本人工神经网络，应用于后期的分形裂缝网络修正。

步骤4)中，若需要增加测算参数，可以提高遗传算法或其他算法的求取未知数数量，同样以日产量与历史产量的误差最低为目标函数，进行求解运算，得到所需参数。

Claims

1.本发明提出了一种水力压裂裂缝网络反演方法，其特征在于，该方法步骤如下：

2.如权利要求1所述，必要参数的读取，其特征在于，用于标定和反演裂缝网络属性的必要参数为：压裂微地震监测信号及油气井单井产量数据，用于修正和精确最终结果的辅助参数为：压裂施工参数：排砂量、砂比、压裂液注入量和排量；测井参数包括：地层有效渗透率、压裂裂缝有效孔隙度、裂缝导流能力。

3.如权利要求1所述，辅助数据的读取，其特征在于，除必要参数以外，其他辅助参数可部分或完全缺失，为进行质量检查，可以通过常规不稳定产能分析方法进行相关参数的测算，包括：裂缝总半长、裂缝导流能力、基质有效渗透率。

4.如权利要求2所述，分形几何系统，采用随机相似分形系统(L-system)，其特征在于，主要控制参数为：(1)几何长度；(2)偏转角度；(3)迭代次数；(4)生成规则。

其中，分型系统的几何长度控制裂缝主干和次生裂缝的长度；

其中，分形系统的偏转角度控制裂缝偏转或产生次生裂缝时的偏移量；

5.如权利要求2所述，分形裂缝的几何匹配方法可以通过修正整数规划的方法实现。其特征在于：基于整数规划的匹配方法为：(1)提取微地震型号空间坐标信息；(2)提取分形网络的节点信息并转化为空间坐标信息应用如下方式进行匹配；(3)通过分支定界法，求解该整数规划问题的最优解，得到满足最小二乘解条件下的，能够匹配微地震监测信号的分形裂缝网络。

目标函数:

限定条件：

其中：

6.如权利要求2所述，其特征在于，若针对某一区块的多样本进行大量的形态匹配，可以生成相应的数据库，并基于数据库，应用人工神经网络方法完成后续的裂缝网络形态匹配。需要针对整个区块进行压裂的评价与优化，可以经过大量微地震信号匹配训练后，建立分形裂缝网络与微地震信号的匹配数据库，建立匹配微地震信号与分形裂缝网络的人工神经网络算法。后续的微地震信号点位匹配可以直接通过人工神经网络算法进行实现和修正。

7.如权利要求3所述，对分形裂缝的网络具体指通过已有监测参数对分形形态的修正，其特征为：(1)对比比较分形网络主裂缝长度与实际监测裂缝网络的主要贡献区域长度是否有偏差；(2)比较监测得到的裂缝导流能力下，分形裂缝网络模型能否实现初步的产量历史拟合；

8.如权利要求3所述，其特征为：获得实际裂缝网络属性后，可以通过限定分形主裂缝长度，分形网络覆盖面积两个参数，修正获得的匹配分形网络，或重新求取满足限定条件的分形裂缝网络，同时达到过滤部分无效微地震信号的作用。

9.如权利要求4所述中，其特征为：通过启发式算法快速求取能够实现产量历史拟合的裂缝参数。

10.如权利要求4所述，其特征为，主要采用的方法为：遗传算法、粒子群算法或模拟退火算法。求取步骤为：(1)通过分形迭代次数及监测主裂缝长度对分形裂缝网络进行分级，可以选择的分级为：2级(主裂缝、次生裂缝)和3级(主裂缝、较高导流能力次生裂缝、较低导流能力次生裂缝)。根据分级情况，选定2到3个未知数，即各级裂缝导流能力作为求取参数，以产量数据作为目标函数，进行优化检索，当拟合程度满足设定误差，获取各级裂缝导流能力，实现裂缝属性反演。

11.如权利要求4所述，其特征为，求取参数可以通过需要进行增加或减少，设定方法与上述方式一致，通过增加或减少启发式算法的未知数数量实现。