CN106407503B - 储层裂缝预测方法及装置 - Google Patents

储层裂缝预测方法及装置 Download PDF

Info

Publication number
CN106407503B
CN106407503B CN201610706005.5A CN201610706005A CN106407503B CN 106407503 B CN106407503 B CN 106407503B CN 201610706005 A CN201610706005 A CN 201610706005A CN 106407503 B CN106407503 B CN 106407503B
Authority
CN
China
Prior art keywords
parameter
crack
fractures
reservoir
characteristic parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610706005.5A
Other languages
English (en)
Other versions
CN106407503A (zh
Inventor
龚斌
兰正凯
石欣
李俊超
张忠国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tracy Energy Technology Co ltd
Original Assignee
Nanjing Tracey Energy Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Tracey Energy Technology Co Ltd filed Critical Nanjing Tracey Energy Technology Co Ltd
Priority to CN201610706005.5A priority Critical patent/CN106407503B/zh
Publication of CN106407503A publication Critical patent/CN106407503A/zh
Application granted granted Critical
Publication of CN106407503B publication Critical patent/CN106407503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种储层裂缝预测方法及装置，属于油气开采领域。所述储层裂缝预测方法包括：步骤1：在工区范围内，随机生成多个裂缝，获得所述多个裂缝的初始特征参数；步骤2：建立离散裂缝网格模型；步骤3：进行生产历史数值模拟，获得生产动态参数模拟值；步骤4：获取生产动态参数模拟值和实际生产动态参数之间的误差的协方差矩阵，进而获得卡尔曼增益；步骤5：对初始特征参数进行调整获得新的特征参数，计算新的特征参数的方差；步骤6：判断新的特征参数的收敛性，若不收敛，则重复步骤2～5；若收敛，则将新的特征参数作为储层裂缝的最终特征参数。本发明基于离散裂缝网格模型及卡尔曼增益进行储层裂缝预测，能够更精确的预测储层裂缝信息。

Description

储层裂缝预测方法及装置
技术领域
本发明涉及油气开采技术领域，特别是指一种储层裂缝预测方法及装置。
背景技术
在石油开采技术领域中，储层注水、气、聚合物开发等提高采收率过程中，储层裂缝对流体流动影响巨大，并直接影响开发效果：储层天然主裂缝往往成为水窜、气窜的重要通道，储层天然裂缝预测位置不准确会导致注水、气效果下降，甚至使生产井被迫关井。
同时，对页岩油气等非常规油气资源的开发而言，裂缝位置和导流能力的准确预测更为必要。因为页岩储层具有低孔低渗的特点，需要大规模水力压裂产生高渗通道，才能有效动用其中的油气资源。因此，对页岩油气开发而言，除需准确预测储层天然裂缝的信息外还必须准确预测水力压裂形成的人工裂缝的相关信息。
目前对储层裂缝位置、走向、导流能力等的识别方法主要有三种：首先是根据成像测井的结果进行判断，该方法识别裂缝准确，但仅能发现与井筒相交的裂缝面，无法获得未穿过井筒的裂缝信息；其次是通过地震数据或微地震数据进行判断，但由于大部分储层裂缝的长度均较小，因此无法通过地震做到准确识别；第三种方法是根据注采井的生产动态数据进行反推，从而获得天然主裂缝的信息，该方法在数学上是一个典型的反问题求解过程，难以实现。另外，集合卡尔曼滤波方法(EnKF)是处理反问题的方法之一，目前已在储层物性反演、储层裂缝预测方面取得了一些应用。
但是，发明人在研究时发现，现有的基于集合卡尔曼滤波方法的裂缝预测技术均建立在常规的结构化网格(正交网格或角点网格等)基础之上，此类网格在处理裂缝型储层时都只能做简化处理，必须将裂缝的导流能力等效进基质网格中，因此无法精确且简便的模拟裂缝型储层，相应的裂缝反演结果也就不够准确。
发明内容
本发明要解决的技术问题是提供一种基于离散裂缝网格模型及卡尔曼增益进行储层裂缝预测，能够更精确的预测储层裂缝信息的储层裂缝预测方法及装置。
为解决上述技术问题，本发明提供技术方案如下：
一方面，本发明提供一种储层裂缝预测方法，包括：
步骤1：在工区范围内，随机生成多个裂缝，获得所述多个裂缝的初始特征参数；
步骤2：基于所述多个裂缝的初始特征参数，建立离散裂缝网格模型；
步骤3：基于所述离散裂缝网格模型以及注采井的控制条件，进行生产历史数值模拟，获得生产动态参数模拟值；
步骤4：基于所述生产动态参数模拟值，获取所述生产动态参数模拟值和实际的生产动态参数之间的误差的协方差矩阵，进而获得卡尔曼增益；
步骤5：基于所述卡尔曼增益，使用集合卡尔曼滤波方法对所述初始特征参数进行调整获得新的特征参数，并计算所述新的特征参数的方差；
步骤6：根据所述方差判断所述新的特征参数的收敛性，若不收敛，则重复所述步骤2～5；若收敛，则进行步骤7；
步骤7：将所述新的特征参数作为储层裂缝的最终特征参数。
进一步的，所述步骤2包括：
步骤21：基于所述多个裂缝的初始特征参数，计算所述多个裂缝的顶点坐标；
步骤22：基于所述多个裂缝的顶点坐标、工区范围和断层位置，对所述多个裂缝进行Delaunay三角网格剖分或四面体网格剖分，建立离散裂缝网格模型。
进一步的，所述步骤6中，所述方差大于1％时，则判定所述新的特征参数不收敛；
所述方差小于或等于1％时，则判定所述新的特征参数收敛。
进一步的，所述多个裂缝为二维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、长度、倾角和导流能力。
进一步的，所述多个裂缝为三维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、两边长度、倾角、方位角和导流能力。
另一方面，本发明提供一种储层裂缝预测装置，包括：
第一获取模块：用于在工区范围内，随机生成多个裂缝，获得多个裂缝的初始特征参数；
网格建立模块：用于基于所述多个裂缝的初始特征参数，建立离散裂缝网格模型；
模拟模块：用于基于所述离散裂缝网格模型以及注采井的控制条件，进行生产历史数值模拟，获得生产动态参数模拟值；
第二获取模块：用于基于所述生产动态参数模拟值，获取所述生产动态参数模拟值和实际的生产动态参数之间的误差的协方差矩阵，进而获得卡尔曼增益；
调整模块：用于基于所述卡尔曼增益，使用集合卡尔曼滤波方法对所述初始特征参数进行调整获得新的特征参数，并计算所述新的特征参数的方差；
判断模块：用于根据所述方差判断所述新的特征参数的收敛性，若不收敛，则重复所述网格建立模块至调整模块；若收敛，则进入第三获取模块；
第三获取模块：用于获取所述新的特征参数作为储层裂缝的最终特征参数。
进一步的，所述网格建立模块包括：
计算模块：用于基于所述多个裂缝的初始特征参数，计算所述多个裂缝的顶点坐标；
网格建立子模块：用于基于所述多个裂缝的顶点坐标、工区范围和断层位置，对所述多个裂缝进行Delaunay三角网格剖分或四面体网格剖分，建立离散裂缝网格模型。
进一步的，所述判断模块中，所述方差大于1％时，则判定所述新的特征参数不收敛；
所述方差小于或等于1％时，则判定所述新的特征参数收敛。
进一步的，所述多个裂缝为二维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、长度、倾角和导流能力。
进一步的，所述多个裂缝为三维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、两边长度、倾角、方位角和导流能力。
本发明具有以下有益效果：
与现有技术相比，本发明的储层裂缝预测方法及装置首先建立了离散裂缝网格模型，避免了将裂缝渗流效果等效进裂缝网格的情况，更能反映储层渗流的真实情况，准确性、可靠性更高；然后根据建立的离散裂缝网格模型以及注采井的控制条件集合卡尔曼滤波方法，使得本发明对裂缝特征参数的反演速度较快，并且计算结果准确。本发明中建立的离散裂缝网格模型作为非结构化网格，可以自由灵活地根据裂缝走向剖分网格，因此在裂缝型储层的数值模拟上具有巨大优势，可以替代常规的油藏数值模拟技术用于储层裂缝预测。在本发明的离散裂缝网格模型建模及模拟过程中，仍使用裂缝的顶点坐标来描述裂缝，但在几何卡尔曼滤波方法中使用裂缝的顶点坐标、边长、倾角、方位角和导流能力来描述裂缝，使得多个裂缝的特征参数在较短的时间内能够收敛，并且计算结果准确。
附图说明
图1为本发明的储层裂缝预测方法的流程示意图；
图2为采用图1所示方法的工区范围及注采井的位置示意图；
图3为图2所示的各个注采井的实际生产数据的示意图；
图4为图2所示的工区范围及注采井中所有初始实现中的天然裂缝的示意图；
图5为采用图1所示方法的卡尔曼增益调整后的裂缝的特征参数收敛情况的示意图，其中(a)为裂缝顶点坐标x0的收敛情况的示意图，(b)为裂缝顶点坐标y0的收敛情况的示意图，(c)为裂缝倾角的收敛情况的示意图，(d)为裂缝长度的收敛情况的示意图；
图6为采用图1所示方法的卡尔曼增益调整后的裂缝的位置收敛情况的示意图；
图7为采用图1所示方法预测的生产数据的示意图；
图8为本发明的储层裂缝预测装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
一方面，本发明提供一种储层裂缝预测方法，如图1至图7所示，包括：
步骤S1：在工区范围内，随机生成多个裂缝，获得该多个裂缝的初始特征参数；
本步骤中，可以采用生成随机数的方法，生成N个天然裂缝的初始位置实现，每个实现中的裂缝均使用特征参数表示；当裂缝为二维裂缝时，该裂缝的初始特征参数优选包括：顶点坐标(x0，y0)、长度、倾角和导流能力；当裂缝为三维裂缝时，该裂缝的初始特征参数优选包括：顶点坐标(x2，y2，z2)、两边长度、倾角、方位角和导流能力。另外，N个裂缝可以成高斯分布。
步骤S2：基于多个裂缝的初始特征参数，建立离散裂缝网格模型；
本步骤中，可以建立多个算例，每个算例对应一个裂缝，然后基于各个算例中裂缝的特征参数，利用立体几何方法计算出裂缝另外的顶点坐标(即当裂缝为二维裂缝时，计算其另一顶点坐标x1、y1；当裂缝为三维裂缝时，计算其另外三个顶点坐标xi、yi、zi，i＝3，4，5)，然后基于裂缝的顶点坐标，并结合工业区范围和断层位置，优选采用Delaunay三角网格剖分(当裂缝为二维裂缝时)或四面体网格剖分(当裂缝为三维裂缝时)，并根据剖分结果建立离散裂缝网格模型，之后再给各网格赋予孔渗等其他参数。
在根据本发明的储层裂缝预测方法中，离散裂缝网格模型作为非结构化网格，可以自由灵活地根据裂缝走向剖分网格，因此在裂缝型储层的数值模拟上具有巨大优势，可以替代常规的油藏数值模拟技术用于储层裂缝预测。
步骤S3：基于离散裂缝网格模型以及注采井的控制条件，进行生产历史数值模拟，获得生产动态参数模拟值；
本步骤中，可以基于油藏数据建立离散裂缝网格模型的油藏数值模拟算例；其中，油藏数据可以包括一切在油藏数值模拟中需要使用到的参数。本领域技术人员应当理解，获得根据本发明的储层裂缝预测方法所需要的油藏数据的过程可以与常规油藏数值模拟所需进行的数据准备与处理工作相同。然后，可以使用离散裂缝模型，进行生产历史数值模拟。该过程可以与常规的离散裂缝模型数值模拟工作相同，即在地质模型(油藏数据)的基础上，结合注采井的某项控制条件(例如，井底流压变化情况、日产油变化情况、日产液变化情况等)，进行全油藏的数值模拟，模拟结果将获得注采井的含水率变化、气油比变化等其他生产动态情况，也即，获得了生产动态参数模拟值。
步骤S4：基于生产动态参数模拟值，获取生产动态参数模拟值和实际的生产动态参数之间的误差的协方差矩阵，进而获得卡尔曼增益；
步骤S5：基于卡尔曼增益，使用集合卡尔曼滤波方法对初始特征参数进行调整获得新的特征参数，并计算新的特征参数的方差；
本步骤中，通过计算生产动态参数模拟值和实际的生产动态参数之间的误差的协方差矩阵，使用集合卡尔曼滤波方法逐步更新裂缝特征参数的估计值，使得裂缝特征参数估计值的分布越来越向真实值靠近，从而得到裂缝信息的最优估计。
本领域技术人员应理解，本发明中的卡尔曼增益计算方法以及集合卡曼滤波方法与常规油气藏自动化历史拟合中的集合卡曼滤波方法相同，可参考随机信号处理方面的教材资料，例如Brown R G.Introduction to random signal analysis and Kalmanfiltering[M].New York:Wiley,1983。
步骤S6：根据上述得到的方差判断新的特征参数的收敛性，若不收敛，则重复所述步骤2～5；若收敛，则进行步骤7；
本实施例中，当方差大于1％时，则判定新的特征参数不收敛；
当方差小于或等于1％时，则判定新的特征参数收敛。从而，经过多次同时调整多个裂缝的特征参数，可以完成在工区范围内的储层裂缝预测。
步骤S7：将新的特征参数作为储层裂缝的最终特征参数。
本发明的储层裂缝预测方法首先建立了离散裂缝网格模型，避免了将裂缝渗流效果等效进裂缝网格的情况，更能反映储层渗流的真实情况，准确性、可靠性更高；然后根据建立的离散裂缝网格模型以及注采井的控制条件集合卡尔曼滤波方法，使得本发明对裂缝特征参数的反演速度较快，并且计算结果准确。本发明中建立的离散裂缝网格模型作为非结构化网格，可以自由灵活地根据裂缝走向剖分网格，因此在裂缝型储层的数值模拟上具有巨大优势，可以替代常规的油藏数值模拟技术用于储层裂缝预测。在本发明的离散裂缝网格模型建模及模拟过程中，仍使用裂缝的顶点坐标来描述裂缝，但在几何卡尔曼滤波方法中使用裂缝的顶点坐标、边长、倾角、方位角和导流能力来描述裂缝，使得多个裂缝的特征参数在较短的时间内能够收敛，并且计算结果准确。
为便于理解本发明实施方式的方案及其效果，以下给出一个具体应用示例。
首先应用本发明的储层裂缝预测方法预测生产数据，再通过理论预测和实际生产数据比较证实本发明的储层裂缝预测方法的可靠性。
为了系统地研究本发明的储层裂缝预测方法，以F油田B区块为例，该区块采用五点井网生产，如图2所示出，其中W01–W04为生产井，定井底流压开采，W05为注水井，定压注水。图3(a)至图3(i)为各井的生产数据的示意图，其中，图3(a)至图3(d)以及图3(f)至图3(i)分别对应于W01–W04生产井的日产液和含水率，图3(e)对应于注水井W05的日注水量(也即，日产液量为负)，在图3(a)至图3(e)中，横轴表示生产时间(单位：年)，纵轴表示日产液量(单位：m3)；在图3f-3i中横轴表示生产时间(单位：年)，纵轴表示含水率的百分比(％)。
从图3所示的生产数据中可以推测知道，该油藏在注入井W05和生产井W01之间存在一定高渗的裂缝，该裂缝的位置及导流系数等参数可依本发明的储层裂缝预测方法反演获得。具体过程如下：
根据推断知本油藏存在一条天然主裂缝，故生成30个裂缝的初始位置实现，其中每个裂缝的初始位置实现包含一条裂缝，每个实现中的裂缝均使用特征参数表示，由于是二维问题，故每条裂缝由起点坐标(x0、y0)、长度、倾角、导流能力5个参数确定；
从图4中可以看出初始裂缝位置是随机的，其中，每个参数在所有实现中服从高斯分布，30个裂缝的初始位置实现可以用特征参数表示。
以生产数据为基础，利用本发明中的步骤，基于30个裂缝的特征参数，分别获取30个裂缝的另一顶点坐标(x1、y1)；基于30个裂缝的顶点坐标(x0、y0)和(x1、y1)，以及工区范围和断层位置，进行Delaunay三角网格剖分，建立离散裂缝网格模型；基于离散裂缝网格模型，进行生产历史数值模拟，获得生产动态参数模拟值；基于生产动态参数模拟值，获取生产动态参数模拟值和实际的生产动态参数的协方差矩阵，进而获得卡尔曼增益；基于卡尔曼增益，逐步对多个裂缝的特征参数进行调整。
图5(a)至图5(d)为卡尔曼增益调整后裂缝特征参数的收敛情况的示意图，图6(a)至图6(g)为卡尔曼增益调整后裂缝位置的收敛情况的示意图，其中，图5(a)至图5(d)中横坐标为迭代次数，每次迭代均有30个点，对应在30个裂缝实现中该参数的取值；通过图6(a)至图6(g)可以看出，迭代到第6步的时候，各参数值均已收敛，这表明该裂缝的位置在所有实现中均已到相近位置。最终的收敛结果即为反演出的裂缝位置。
图7(a)至图7(j)为通过本发明的储层裂缝预测方法预测的生产动态的示意图，其中，图7(a)至图7(c)、图7(g)以及图7(d)至图7(f)、图7(i)分别对应于W01–W04生产井的预测的日产液和含水率，图7(h)和图7(j)分别对应于W05注水井的预测注水量(也即，日产液量为负)和含水率，在图7(a)至图7(c)以及图7(g)至图7(h)中，横轴表示生产时间(单位：年)，纵轴表示日产液量(单位：m3)；在图7(d)至图7(f)以及图7(i)至图7(j)中横轴表示生产时间(单位：年)，纵轴表示含水率的百分比(％)。从图7中可以看出，对所有井而言，每个实现的生产数据均相近，且与图3(a)至图3(i)各井的生产数据图非常接近。这也从一个侧面证明了该数据同化方法的合理性和正确性。
另一方面，本发明提供一种储层裂缝预测装置，如图8所示，包括：
第一获取模块11：用于在工区范围内，随机生成多个裂缝，获得多个裂缝的初始特征参数；
网格建立模块12：用于基于多个裂缝的初始特征参数，建立离散裂缝网格模型；
模拟模块13：用于基于离散裂缝网格模型以及注采井的控制条件，进行生产历史数值模拟，获得生产动态参数模拟值；
第二获取模块14：用于基于生产动态参数模拟值，获取生产动态参数模拟值和实际的生产动态参数的协方差矩阵，进而获得卡尔曼增益；
调整模块15：用于基于卡尔曼增益，对初始特征参数进行调整获得新的特征参数，并计算新的特征参数的方差；
判断模块16：用于根据所述方差判断所述新的特征参数的收敛性，若不收敛，则重复网格建立模块12至调整模块15；若收敛，则进入第三获取模块；
第三获取模块17：新的特征参数收敛性时，用于获取新的特征参数作为储层裂缝的最终特征参数。
本发明的储层裂缝预测系统中的网格建立模块通过建立离散裂缝网格模型，避免了将裂缝渗流效果等效进裂缝网格的情况，更能反映储层渗流的真实情况，准确性、可靠性更高；第二获取模块根据建立的离散裂缝网格模型以及注采井的控制条件采用卡尔曼滤波方法，使得本发明对裂缝特征参数的反演速度较快，并且计算结果准确。
进一步的，网格建立模块12优选包括：
计算模块：用于基于多个裂缝的初始特征参数，计算多个裂缝的顶点坐标；
网格建立子模块：用于基于多个裂缝的顶点坐标、工区范围和断层位置，对多个裂缝进行Delaunay三角网格剖分，建立离散裂缝网格模型。
优选的，判断模块16中，当方差大于1％时，则判定新的特征参数不收敛；
当方差小于或等于1％时，则判定新的特征参数收敛。
进一步的，多个裂缝为二维裂缝时，多个裂缝的初始特征参数优选包括：顶点坐标、长度、倾角和导流能力。
进一步的，多个裂缝为三维裂缝时，多个裂缝的初始特征参数优选包括：顶点坐标、两边长度、倾角、方位角和导流能力。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种储层裂缝预测方法，其特征在于，包括：
步骤1：在工区范围内，随机生成多个裂缝，获得所述多个裂缝的初始特征参数，所述多个裂缝成高斯分布；
步骤2：基于所述多个裂缝的初始特征参数，建立离散裂缝网格模型；
步骤3：基于所述离散裂缝网格模型以及注采井的控制条件，进行生产历史数值模拟，获得生产动态参数模拟值；
步骤4：基于所述生产动态参数模拟值，获取所述生产动态参数模拟值和实际的生产动态参数之间的误差的协方差矩阵，进而获得卡尔曼增益；
步骤5：基于所述卡尔曼增益，使用集合卡尔曼滤波方法对所述初始特征参数进行调整获得新的特征参数，并计算所述新的特征参数的方差；
步骤6：根据所述方差判断所述新的特征参数的收敛性，若不收敛，则重复所述步骤2～5，若收敛，则进行步骤7；
步骤7：将所述新的特征参数作为储层裂缝的最终特征参数。
2.根据权利要求1所述的储层裂缝预测方法，其特征在于，所述步骤2包括：
步骤21：基于所述多个裂缝的初始特征参数，计算所述多个裂缝的顶点坐标；
步骤22：基于所述多个裂缝的顶点坐标、工区范围和断层位置，对所述多个裂缝进行Delaunay三角网格剖分或四面体网格剖分，建立离散裂缝网格模型。
3.根据权利要求2所述的储层裂缝预测方法，其特征在于，所述步骤6中，所述方差大于1％时，则判定所述新的特征参数不收敛；
所述方差小于或等于1％时，则判定所述新的特征参数收敛。
4.根据权利要求1至3中任一所述的储层裂缝预测方法，其特征在于，所述多个裂缝为二维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、长度、倾角和导流能力。
5.根据权利要求1至3中任一所述的储层裂缝预测方法，其特征在于，所述多个裂缝为三维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、两边长度、倾角、方位角和导流能力。
6.一种储层裂缝预测装置，其特征在于，包括：
第一获取模块：用于在工区范围内，随机生成多个裂缝，获得多个裂缝的初始特征参数，所述多个裂缝成高斯分布；
网格建立模块：用于基于所述多个裂缝的初始特征参数，建立离散裂缝网格模型；
模拟模块：用于基于所述离散裂缝网格模型以及注采井的控制条件，进行生产历史数值模拟，获得生产动态参数模拟值；
第二获取模块：用于基于所述生产动态参数模拟值，获取所述生产动态参数模拟值和实际的生产动态参数之间的误差的协方差矩阵，进而获得卡尔曼增益；
调整模块：用于基于所述卡尔曼增益，使用集合卡尔曼滤波方法对所述初始特征参数进行调整获得新的特征参数，并计算所述新的特征参数的方差；
判断模块：用于根据所述方差判断所述新的特征参数的收敛性，若不收敛，则重复所述网格建立模块至调整模块，若收敛，则进入第三获取模块；
第三获取模块：用于获取所述新的特征参数作为储层裂缝的最终特征参数。
7.根据权利要求6所述的储层裂缝预测装置，其特征在于，所述网格建立模块包括：
计算模块：用于基于所述多个裂缝的初始特征参数，计算所述多个裂缝的顶点坐标；
网格建立子模块：用于基于所述多个裂缝的顶点坐标、工区范围和断层位置，对所述多个裂缝进行Delaunay三角网格剖分或四面体网格剖分，建立离散裂缝网格模型。
8.根据权利要求7所述的储层裂缝预测装置，其特征在于，所述判断模块中，所述方差大于1％时，则判定所述新的特征参数不收敛；
所述方差小于或等于1％时，则判定所述新的特征参数收敛。
9.根据权利要求6至8中任一所述的储层裂缝预测装置，其特征在于，所述多个裂缝为二维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、长度、倾角和导流能力。
10.根据权利要求6至8中任一所述的储层裂缝预测装置，其特征在于，所述多个裂缝为三维裂缝时，所述多个裂缝的初始特征参数包括：顶点坐标、两边长度、倾角、方位角和导流能力。
CN201610706005.5A 2016-08-22 2016-08-22 储层裂缝预测方法及装置 Active CN106407503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610706005.5A CN106407503B (zh) 2016-08-22 2016-08-22 储层裂缝预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610706005.5A CN106407503B (zh) 2016-08-22 2016-08-22 储层裂缝预测方法及装置

Publications (2)

Publication Number Publication Date
CN106407503A CN106407503A (zh) 2017-02-15
CN106407503B true CN106407503B (zh) 2019-10-29

Family

ID=58004226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610706005.5A Active CN106407503B (zh) 2016-08-22 2016-08-22 储层裂缝预测方法及装置

Country Status (1)

Country Link
CN (1) CN106407503B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107783204A (zh) * 2016-08-29 2018-03-09 中国石油化工股份有限公司 储层裂缝预测方法及系统
CN109508475A (zh) * 2018-10-17 2019-03-22 北京航空航天大学 一种基于多维卡尔曼滤波修正的故障主动预测方法
CN109829217B (zh) * 2019-01-21 2021-03-12 中国石油大学(北京) 压裂性裂缝油藏产能模拟方法及装置
CN110414723B (zh) * 2019-07-09 2022-05-17 中国石油大学(北京) 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统
CN110779795B (zh) * 2019-11-04 2022-05-10 中国地质大学（武汉） 裂缝性储层地质力学建模网格单元大小确定方法
CN111425192A (zh) * 2020-04-02 2020-07-17 大庆油田有限责任公司 一种薄层低渗透油田难压储层识别方法
CN115526114B (zh) * 2022-10-20 2023-07-14 中国地质大学（北京） 基于集合卡尔曼滤波法的水力裂缝形态反演方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7840394B2 (en) * 2004-06-03 2010-11-23 Schlumberger Technology Corporation Method for generating a 3D earth model
CN102110183A (zh) * 2010-12-30 2011-06-29 中国石油化工股份有限公司胜利油田分公司地质科学研究院 一种反映流体沿储层大裂缝窜流的数值模拟方法
CN102239507A (zh) * 2008-12-03 2011-11-09 雪佛龙美国公司 用于离散裂隙建模的网格生成系统和方法
CN103324770A (zh) * 2012-03-21 2013-09-25 中国石油天然气股份有限公司 油藏的有效天然裂缝平面分布规律的预测方法
CN103913774A (zh) * 2014-04-02 2014-07-09 西南石油大学 基于微地震事件的储层地质力学参数反演方法
CN104392109A (zh) * 2014-11-04 2015-03-04 中国石油天然气股份有限公司 一种油藏的动态离散裂缝模拟方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7840394B2 (en) * 2004-06-03 2010-11-23 Schlumberger Technology Corporation Method for generating a 3D earth model
CN102239507A (zh) * 2008-12-03 2011-11-09 雪佛龙美国公司 用于离散裂隙建模的网格生成系统和方法
CN102110183A (zh) * 2010-12-30 2011-06-29 中国石油化工股份有限公司胜利油田分公司地质科学研究院 一种反映流体沿储层大裂缝窜流的数值模拟方法
CN103324770A (zh) * 2012-03-21 2013-09-25 中国石油天然气股份有限公司 油藏的有效天然裂缝平面分布规律的预测方法
CN103913774A (zh) * 2014-04-02 2014-07-09 西南石油大学 基于微地震事件的储层地质力学参数反演方法
CN104392109A (zh) * 2014-11-04 2015-03-04 中国石油天然气股份有限公司 一种油藏的动态离散裂缝模拟方法和装置

Also Published As

Publication number Publication date
CN106407503A (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
CN106407503B (zh) 储层裂缝预测方法及装置
Lie et al. Successful application of multiscale methods in a real reservoir simulator environment
RU2592751C1 (ru) Геометрическое представление плоскостей развития трещин
CN113821953B (zh) 基于动态地应力和剩余油特征的暂堵重复压裂设计方法
EP3018502A2 (en) Modeling fluid-conducting fractures in reservoir simulation grids
EP2831804B1 (en) System and method for automatic local grid refinement in reservoir simulation systems
Wen et al. Upscaling of channel systems in two dimensions using flow-based grids
Nandlal et al. Drained rock volume around hydraulic fractures in porous media: planar fractures versus fractal networks
US10620339B2 (en) Static earth model calibration methods and systems using tortuosity evaluations
CN105701319B (zh) 一种水平井规则开发井网下的沉积微相建模方法
CN110056346B (zh) 一种基于趋势变化函数的油藏三维原始含水饱和度模拟方法
CN103838936A (zh) 一种适用于浊积砂低渗透储层的高精度构造应力场模拟方法
NO20180871A1 (en) Hybrid 3d geocellular representation of selected natural fracture network subsets
EP3455459A2 (en) Three-dimensional fracture abundance evaluation of subsurface formations
Du et al. Generalization of dual-porosity-system representation and reservoir simulation of hydraulic fracturing-stimulated shale gas reservoirs
CN107169227B (zh) 一种分段压裂水平井的粗网格模拟方法及系统
WO2012114146A2 (en) Computerized method for the estimation of a value for at least a parameter of a hydrocarbon-producing region, for planning the operation and operating the region
CN116167302B (zh) 一种天然气水合物增产模拟中人工复杂裂缝的描述方法
CN107783204A (zh) 储层裂缝预测方法及系统
CN111094694B (zh) 井裂缝建模
CN105649610A (zh) 一种获取油藏压力的方法及装置
Wei et al. Study on Geological Modeling of Heidimiao and Fuyang Oil Layer in Da’an North Area
CN114662287A (zh) 一种基于地质时间域坐标的油藏建模方法
Farah et al. Discrete fracture model based on multiple interacting continua proximity function for unconventional reservoirs
CN116629023A (zh) 一种融合地层正演模拟和地质统计学的三维油藏表征新方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Gong Bin

Inventor after: LAN Zheng Kai

Inventor after: Shi Xin

Inventor after: Li Junchao

Inventor after: Zhang Zhongguo

Inventor before: Gong Bin

Inventor before: Liu Xuan

Inventor before: LAN Zheng Kai

Inventor before: Shi Xin

Inventor before: Li Junchao

Inventor before: Zhang Zhongguo

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 310000 room 125, building 6, Chuangzhi Green Valley Development Center, 788 HONGPU Road, Shangcheng District, Hangzhou City, Zhejiang Province

Patentee after: Tracy energy technology (Hangzhou) Co.,Ltd.

Address before: 310000 room 125, building 6, Chuangzhi Green Valley Development Center, 788 HONGPU Road, Shangcheng District, Hangzhou City, Zhejiang Province

Patentee before: Tracy energy technology (Zhejiang) Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 310000 room 125, building 6, Chuangzhi Green Valley Development Center, 788 HONGPU Road, Shangcheng District, Hangzhou City, Zhejiang Province

Patentee after: Tracy energy technology (Zhejiang) Co.,Ltd.

Address before: Room 806, floor 8, building 04, No. 18, Jialing Jiangdong Street, Jianye District, Nanjing, Jiangsu 210019

Patentee before: NANJING TRACY ENERGY TECHNOLOGIES Co.,Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 310000 room 125, building 6, Chuangzhi Green Valley Development Center, 788 HONGPU Road, Shangcheng District, Hangzhou City, Zhejiang Province

Patentee after: Tracy Energy Technology Co.,Ltd.

Address before: 310000 room 125, building 6, Chuangzhi Green Valley Development Center, 788 HONGPU Road, Shangcheng District, Hangzhou City, Zhejiang Province

Patentee before: Tracy energy technology (Hangzhou) Co.,Ltd.