CN107944599B - 油气水平井产量的预测方法 - Google Patents
油气水平井产量的预测方法 Download PDFInfo
- Publication number
- CN107944599B CN107944599B CN201711054309.9A CN201711054309A CN107944599B CN 107944599 B CN107944599 B CN 107944599B CN 201711054309 A CN201711054309 A CN 201711054309A CN 107944599 B CN107944599 B CN 107944599B
- Authority
- CN
- China
- Prior art keywords
- yield
- prediction model
- horizontal well
- decreasing
- oil
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003247 decreasing effect Effects 0.000 claims abstract description 129
- 239000003921 oil Substances 0.000 claims abstract description 92
- 239000010779 crude oil Substances 0.000 claims abstract description 50
- 238000004519 manufacturing process Methods 0.000 claims description 121
- 230000001419 dependent effect Effects 0.000 claims description 21
- 238000012417 linear regression Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003467 diminishing effect Effects 0.000 claims description 12
- 230000007423 decrease Effects 0.000 claims description 10
- 239000007789 gas Substances 0.000 abstract description 108
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 4
- 239000003345 natural gas Substances 0.000 abstract description 2
- 239000003209 petroleum derivative Substances 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 5
- 230000035699 permeability Effects 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 2
- 239000003129 oil well Substances 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种油气水平井产量的预测方法，属于石油天然气开采领域。所述预测方法包括：获取目标油气水平井的原油粘度以及初始递减产量；根据所述原油粘度，获取所述目标油气水平井的幂律指数；根据所述幂律指数、所述初始递减产量，并利用产量递减预测模型，预测所述目标油气水平井的未来递减产量。本发明通过获取目标油气水平井的原油粘度以及初始递减产量，进而获取该目标油气水平井的幂律指数；之后再通过该幂律指数以及初始递减产量，并利用本发明实施例提供的产量递减预测模型，可准确预测该目标油气水平井的未来递减产量，与现有技术提供的Arps产量递减预测模型相比，本发明实施例提供的预测方法对未来递减产量的预测精度可提高10％。
Description
技术领域
本发明涉及石油天然气开采领域，特别涉及一种油气水平井产量的预测方法。
背景技术
油气田的开发阶段包括产量上升、产量稳定以及产量递减三个阶段。其中，产量递减阶段的递减规律影响油气井产量和最终采收率，因此，目前通常先获取油气井的产量递减阶段的递减规律，来预测油气井的未来产量，进而制定油气井的开发指标或调整油气井的开发方案。
现有技术提供了一种Arps产量递减预测模型，该类模型是由J·J·Arps于1945年提出的，包括指数递减、调和递减以及双曲递减三种类型。在预测油气井的未来产量时，先选取与该油气井的产量递减规律最相似的模型类型，之后根据该模型类型，预测该油气井的未来产量和最大开采储量。
发明人发现现有技术至少存在以下问题：
Arps产量递减预测模型虽然可准确预测油气直井的未来产量，并不能准确预测油气水平井的未来产量。
发明内容
本发明实施例提供了一种油气水平井产量的预测方法，可解决现有技术能准确预测油气水平井的未来产量的问题。所述技术方案如下：
第一方面，提供了一种油气水平井产量的预测方法，所述预测方法包括：
获取目标油气水平井的原油粘度以及初始递减产量；
根据所述原油粘度，获取所述目标油气水平井的幂律指数；
根据所述幂律指数、所述初始递减产量，并利用产量递减预测模型，预测所述目标油气水平井的未来递减产量；
所述产量递减预测模型的计算公式为：
Qt＝Q0t-N
式中：
Qt——未来递减产量，吨；
Q0——初始递减产量，吨；
t——递减生产时间；
N——幂律指数。
在一种可能设计的设计中，所述初始递减产量为：所述目标油气水平井在产量递减阶段第一个月的平均日产量；
所述未来递减产量为：所述目标油气水平井在产量递减阶段第t个月的平均日产量，t为大于1的整数。
在一种可能设计的设计中，当所述原油粘度大于120mPa·s时，所述幂律指数为0.2；
当所述原油粘度小于或等于120mPa·s时，所述幂律指数的计算公式为：
式中：
μ0——原油粘度，mPa·s。
另一方面，提供了一种油气水平井产量的预测方法，所述方法包括：确定目标油田的目标油气水平井所适用的产量递减预测模型；
利用所述产量递减预测模型，预测所述目标油气水平井的未来递减产量；
所述模型包括Arps产量递减预测模型以及第一方面所述的产量递减预测模型；
所述Arps产量递减预测模型包括指数递减预测模型、调和递减预测模型以及双曲递减预测模型。
在一种可能设计的设计中，所述确定目标油田的目标油气水平井所适用的产量递减预测模型，包括：
获取所述目标油气田的其他油气水平井的多组不同生产时间的生产信息，每组所述生产信息包括：递减生产月份t，以及所述递减生产月份对应的平均日产量Qt；
将所述生产信息中的所述平均日产量除以所述其他油气水平井在产量递减阶段第一个月的所述平均日产量，得到无因次平均日产量Qrt；
当确定所述目标油气水平井的产量递减预测模型是否为所述指数递减预测模型时，对因变量Ln(Qrt)以及自变量t进行线性回归，并求出对应的第一相关系数；
当确定所述目标油气水平井的产量递减预测模型是否为所述调和递减预测模型时，对因变量
以及自变量t进行线性回归，并求出对应的第二相关系数；
当确定所述目标油气水平井的产量递减预测模型是否为所述双曲递减预测模型时，对因变量
以及自变量t进行线性回归，并求出对应的第三相关系数；
当确定所述目标油气水平井的产量递减预测模型是否为权利要求1-3任一项所述的产量递减预测模型时，对因变量Log(Qrt)以及自变量Log(t)进行线性回归，并求出对应的第四相关系数；
比较所述第一相关系数、所述第二相关系数、所述第三相关系数与所述第四相关系数的大小，选取最大相关系数所对应的产量递减预测模型作为所述目标油气水平井的产量递减预测模型。
本发明实施例提供的技术方案带来的有益效果是：
本发明实施例提供的油气水平井产量的预测方法，通过获取目标油气水平井的原油粘度以及初始递减产量，进而获取该目标油气水平井的幂律指数；之后再通过该幂律指数以及初始递减产量，并利用本发明实施例提供的产量递减预测模型，可准确预测该目标油气水平井的未来递减产量，与现有技术提供的Arps产量递减预测模型相比，本发明实施例提供的预测方法对未来递减产量的预测精度可提高10％。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是W1原油水平井按照本发明实施例提供的预测模型对递减产量进行预测的数据与实际数据的对比图；
图2是W1原油水平井按照Arps产量递减预测模型对递减产量进行预测的数据与实际数据的对比图；
图3是W2原油水平井递减产量按照指数递减预测模型进行回归的曲线图；
图4是W2原油水平井递减产量按照调和递减预测模型进行回归的曲线图；
图5是W2原油水平井递减产量按照双曲递减预测模型进行回归的曲线图；
图6是W2原油水平井递减产量按照本发明实施例提供的产量递减预测模型进行回归的曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
需要说明的是，本发明实施例中的产量，指的是油气水平井在某一生产时间段的平均产量，例如，每天生产的质量，并非累积产量；初始递减产量，指的是油气水平井在产量递减阶段的初始产量；未来递减产量，指的是油气水平井在产量递减阶段的未来产量；递减生产时间，指的是油气水平井在产量递减阶段的生产时间，例如产量递减阶段的第1个月、第2个月、第3个月等。
一方面，本发明实施例提供了一种油气水平井产量的预测方法，该预测方法包括：
步骤101、获取目标油气水平井的原油粘度以及初始递减产量。
步骤102、根据原油粘度，获取目标油气水平井的幂律指数。
步骤103、根据幂律指数、初始递减产量，并利用产量递减预测模型，预测目标油气水平井的未来递减产量。
其中，该产量递减预测模型的计算公式为：
Qt＝Q0t-N
式中：
Qt——未来递减产量，t；
Q0——初始递减产量，t；
t——递减生产时间；
N——幂律指数。
本发明实施例提供的油气水平井产量的预测方法，通过获取目标油气水平井的原油粘度以及初始递减产量，进而获取该目标油气水平井的幂律指数；之后再通过该幂律指数以及初始递减产量，并利用本发明实施例提供的产量递减预测模型，可准确预测该目标油气水平井的未来递减产量，与现有技术提供的Arps产量递减预测模型相比，本发明实施例提供的预测方法对未来递减产量的预测精度可提高10％。
下面就本发明实施例提供的预测方法中的各个步骤进行说明：
在步骤101中，获取目标油气水平井的原油粘度以及初始递减产量。
具体地，可通过查询油藏资料来获取油气水平井的原油粘度，以及通过油气水平井产能计算方法或通过相邻油气水平井的生产数据来获取目标油气水平井的初始递减产量。
本领域人员通常利用油气水平井产能计算方法来获取目标油气水平井在的初始递减产量。用于预测水平井产能的计算公式有多种，举例来说，可采用Joshi水平井产能计算公式来计算油气水平井初期产量。该Joshi水平井产能计算公式为本领域所熟知的，例如，陈元千于2012年10月在新疆石油地质期刊发表的《水平井产量公式的对比研究》文献中详细介绍了Joshi水平井产量公式计算方法。
其中，Joshi水平井产能计算公式为：
式中：
Q0——水平井初期产量，t；
Kh——油层水平渗透率，10-3um2；
Kv——油层垂直渗透率，10-3um2；
h——油层厚度，m；
ΔP——生产压差，Mpa；
μ0——原油粘度，mPa·s；
L——水平井的水平段长度，m；
re——水平井的泄油半径，m；
rw——井筒半径，m；
Bo——原油体积系数；
β——渗透率非均质系数。
进一步地，如上述所述，该目标油气水平井的未来递减产量与初始递减产量以及递减生产时间有关，即初始递减产量与递减生产时间影响未来递减产量的预测精度，若初始递减产量与递减生产时间选取不合理的话，不仅会影响预测精度，而且也会加大预测难度。
因此，为了提高预测精度以及减少预测难度，该步骤101中的初始递减产量为目标油气水平井在产量递减阶段第一个月的平均日产量；未来递减产量为目标油气水平井在产量递减阶段第t个月的平均日产量，t为大于1的整数。
需要说明的是，目标油气水平井的初始递减产量等于其在产量递减阶段第一个月的生产总量除以生产天数。举例来说，某一原油水平井在产量递减阶段的第二个月生产20天，共生产164吨原油，则该水平井在产量递减阶段第二个月的平均日产量为164/20＝8.2吨/天。也就是说，通过上述产量递减预测模型，可得出目标油气水平井在产量递减阶段的每个月的平均日产量，即未来递减产量。
在步骤102中，根据目标油气水平井的原油粘度，来获取目标油气水平井的幂律指数。
具体地，当原油粘度大于120mPa·s时，幂律指数为0.2；当原油粘度小于或等于120mPa·s时，幂律指数的计算公式为：
式中：μ0——原油粘度，mPa·s。
在步骤103中，根据幂律指数、初始递减产量，并利用产量递减预测模型，预测目标油气水平井的未来递减产量。
其中，该步骤中的产量递减预测模型的计算公式为：
Qt＝Q0t-N
式中：
Qt——未来递减产量，t；
Q0——初始递减产量，t；
t——递减生产时间；
N——幂律指数。
从上述产量递减预测模型可看出，本发明实施例提供的预测模型与Arps产量递减预测模型不同，该预测模型服从幂律分布，可对油气水平井的未来递减产量进行准确预测。
基于上述对预测方法的说明，可知本发明实施例提供的预测方法，先通过获取目标油气水平井的原油粘度，并利用上述计算幂律指数的公式，可获取目标水平油气井的幂律指数；之后再将计算得出的幂律指数代入到上述产量递减预测模型中，便可获取目标油气水平井在产量递减阶段不同时间的产量。
下面以W1原油井为例，对如何预测W1原油井的递减产量以及预测精度进行说明。
当采用本发明实施例提供的预测方法对新投产的W1原油水平井的未来递减产量进行预测时，先通过查询油藏资料，得出该水平井的原油粘度为25mPa·s；之后并通过上述计算幂律指数的公式，得出该水平井的幂律指数为0.56。
另外，根据上述Joshi水平井产能计算公式获取水平井的初始递减产量，已知该水平井的油层水平渗透率为556×10-3um2，油层垂直渗透率为55×10-3um2，油层厚度为11.5m，生产压差为1Mpa，原油体积系数为1.0888，水平井的泄油半径为246m，水平井的水平段长度为800m，井筒半径为0.07854m，原油粘度为25mPa·s，则可确定该水平井的初始递减产量为210t/d。
之后，再将该水平井的初始递减产量及幂律指数带入上述产量递减预测模型中，便可预测该水平井的未来递减产量。其中，图1为W1原油水平井采用幂率指数对未来递减产量的预测数据与实际数据的对比图。其中，图1中的“生产数据”为W1原油水平井的实际递减产量，“幂律指数预测数据”为利用本发明实施例提供的方法对W1原油水平井的递减产量的预测结果。
为了说明本发明实施例提供的预测模型较Arps产量递减预测模型具有更高的预测精度，本实施例分别利用Arps产量递减预测模型的三种类型，来预测W1原油水平井的递减规律。其预测结果参见图2。
需要说明的是，Arps产量递减预测模型为本领域所常见的，例如，《油藏工程原理与方法》教科书在产量递减分析的油气产量递减分类中详细描述了Arps产量递减模型。
其中，Arps产量递减预测模型包括指数递减预测模型、调和递减预测模型以及双曲递减预测模型。具体地，指数递减类型的预测模型为:
调和递减的预测模型为：Qt＝Q0(1+D0t)-1；双曲递减的预测模型为：
n取0.5。其中，上述三个公式中的D0为初始递减率，该值的获取方法为本领域人员所熟知的，在此便不进行说明。在本实施例中，W1原油水平井的初始递减率为0.17。
需要说明的是，图2中的“调和递减”、“指数递减”以及“双曲递减”分别指的是Arps产量递减预测模型中的调和递减预测模型、指数递减预测模型以及双曲递减预测模型；而图2中的“生产数据”指的是W1原油水平井的实际生产数据。
从图1与图2的对比中可看出，本发明实施例提供的预测方法具有较高的预测精度。需要说明的是，递减产量指的是油气水平井在产量递减阶段不同生产时间下的产量。
故本发明实施例提供的预测方法不仅能准确预测目标油气水平井在产量递减阶段的未来产量，而且也能快速地进行预测，减少了预测时间，可及时地制定开发指标以及调整开发方案。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
第二方面，本发明实施例还提供了一种油气水平井产量的预测方法，该预测方法包括：确定目标油田的目标油气水平井所适用的产量递减预测模型；利用产量递减预测模型，预测目标油气水平井的未来递减产量；所述模型包括Arps产量递减预测模型以及上述第一方面所述的产量递减预测模型；Arps产量递减预测模型包括指数递减预测模型、调和递减预测模型以及双曲递减预测模型。
本发明实施例提供的该预测方法，通过先确定目标油气水平井所适用的产量递减预测模型，进而对该目标油气水平井的未来递减产量进行预测，可见，上述技术方案可提高对油气水平井的未来递减产量的预测精度。
作为一种实施方式，上述确定目标油田的目标油气水平井所适用的产量递减预测模型，包括：
步骤a、获取目标油气田的其他油气水平井的多组不同生产时间的生产信息，每组生产信息包括：在产量递减阶段的生产月份t，以及该生产月份对应的平均日产量Qt。
具体地，连续获取其他油气水平井在产量递减阶段多个不同生产月份的平均日产量，并把每个月份的平均日产量以及所对应月份数作为一组第一生产信息。
其中，在该步骤a中，该生产月份对应的平均日产量Qt指的是，该生产月份总的生产质量除以该生产月份的总的生产天数。举例来说，某一石油水平井在产量递减阶段的第二个月生产20天，共生产164吨原油，则该水平井在产量递减阶段第二个月的平均日产量为164/20＝8.2吨/天。
需要说明的是，为了便于与目标油气水平井进行区别，本发明实施例将与目标油气水平井不同的水平井称为其他油气水平井，其他油气水平井为已经进入产量递减生产阶段的油气水平井。
由于其他油气水平井可能由于工作制度等因素的改变，该水平井在产量递减阶段某一生产月份的平均日产量会出现异常，本发明实施例为了对该水平井的生产数据进行有效分析，若该水平井在产量递减阶段某一生产月份的平均日产量小于下个月份的平均日产量的80％或者大于上个月份的平均日产量的120％，则判断该月份的生产数据异常，除去该月份所对应的生产信息。
步骤b、将生产信息中的平均日产量除以其他油气水平井在产量递减阶段第一个月的平均日产量，得到无因次平均日产量Qrt。
具体地，分别将上述步骤a中的每组生产信息中的平均日产量均除以其他油气水平井在产量递减阶段第一个月的平均日产量，得到无因次平均日产量Qrt，且每一个无因次平均日产量Qrt对应一个生产月份。
步骤c、当确定目标油气水平井的产量递减预测模型是否为指数递减预测模型时，对因变量Ln(Qrt)以及自变量t进行线性回归，并求出对应的第一相关系数。
具体地，由于指数递减预测模型为
即Ln(Qrt)＝-D0t，故当判断目标油气水平井的产量递减预测模型是否为指数递减预测模型时，可对因变量Ln(Qrt)以及自变量t进行线性回归，并求出对应的第一相关系数。其中，第一相关系数越接近1，则表示目标油气水平井的产量递减预测模型为指数递减预测模型的可能性越大。
步骤d、当判断目标油气水平井的产量递减预测模型是否为调和递减预测模型时，对因变量
以及自变量t进行线性回归，并求出对应的第二相关系数。
具体地，由于调和递减预测模型为Qt＝Q0(1+D0t)-1，即
故当确定目标油气水平井的产量递减预测模型是否为调和递减预测模型时，可对因变量
以及自变量t进行线性回归，并求出对应的第二相关系数。其中，第二相关系数越接近1，则表示目标油气水平井的产量递减预测模型为调和递减预测模型的可能性越大。
步骤e、判断目标油气水平井的产量递减预测模型是否为双曲递减预测模型时，对因变量
以及自变量t进行线性回归，并求出对应的第三相关系数。
具体地，由于双曲递减类型的预测模型为
n取0.5，即
故当判断目标油气水平井的产量递减预测模型是否为双曲递减预测模型时，可对因变量
以及自变量t进行线性回归，并求出对应的第三相关系数。其中，第三相关系数越接近1，则表示目标油气水平井的产量递减预测模型为双曲递减预测模型的可能性越大。
步骤f、当判断目标油气水平井的产量递减预测模型是否为第一方面所述的产量递减预测模型时，对因变量Log(Qrt)以及自变量Log(t)进行线性回归，并求出对应的第四相关系数。
具体地，由于第一方面所述的产量递减预测模型为Qt＝Q0t-N，即Log(Qrt)＝-NLog(t)，故当判断目标油气水平井的产量递减预测模型是否为第一方面所述的产量递减预测模型时，可对因变量Qrt以及自变量Log(t)进行线性回归，并求出对应的第四相关系数。其中，第四相关系数越接近1，则表示目标油气水平井的产量递减预测模型为第一方面所述的产量递减预测模型的可能性越大。
需要说明的是，本发明实施例不对步骤c至步骤f的执行顺序进行限制，例如，可依次执行步骤c、步骤d、步骤e与步骤f。
步骤g、比较第一相关系数、第二相关系数、第三相关系数与第四相关系数的大小，选取最大相关系数所对应的产量递减预测模型作为该目标油气水平井的产量递减预测模型。
具体地，由于相关系数的大小表示因变量与自变量的相关性，故该步骤g比较第一相关系数、第二相关系数、第三相关系数与第四相关系数的大小，选取相关系数最大的产量递减预测模型作为该目标油气水平井的产量递减预测模型。
下面以W2原油水平井为例，对如何确定W2水平井的产量递减预测模型的类型进行说明：
(1)先连续获取W3原油水平井的55组第一生产信息，且每组第一生产信息包括在产量递减阶段的生产月份以及该生产月份对应的平均日产量Qt。其中，该55组第一生产信息的平均日产量未有异常，不需要剔除。
(2)将上述55组第一生产信息中的平均日产量均除以W3原油水平井在产量递减阶段第一个月的平均日产量，得到无因次平均日产量Qrt。
(3)利用Excel软件对因变量Ln(Qrt)以及自变量t进行线性回归，并求出第一相关系数，进而判断W2原油水平井的产量递减预测模型是否为指数递减预测模型。如图3所示，该第一相关系数为0.755。
(4)利用Excel软件对因变量
以及自变量t进行线性回归，并求出第二相关系数，进而判断W2原油水平井的产量递减预测模型是否为调和递减预测模型。如图4所示，该第二相关系数为0.8054。
(5)利用Excel软件对因变量
以及自变量t进行线性回归，并求出第三相关系数，进而判断W2原油水平井的产量递减预测模型是否为双曲递减预测模型。如图5所示，该第三相关系数为0.7878。
(6)利用Excel软件对因变量Log(Qrt)以及自变量Log(t)进行线性回归，并求出第四相关系数，进而判断W2原油水平井的产量递减预测模型是否为第一方面所述的产量递减模型。如图6所示，该第四相关系数为0.9241。
(7)对上述四个相关系数进行比较。经比较，第四相关系数的值最大，即上述第一方面提供的产量递减预测模型可作为该W2原油水平井的产量递减预测模型，这也说明了本发明实施例提供的产量递减预测模型相比于Arps产量递减预测模型而言，更适用于对油气水平井在产量递减阶段的产量的预测。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明的保护范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种油气水平井产量的预测方法，其特征在于，所述预测方法包括：
获取目标油气水平井的原油粘度以及初始递减产量；
根据所述原油粘度，获取所述目标油气水平井的幂律指数；
根据所述幂律指数、所述初始递减产量，并利用产量递减预测模型，预测所述目标油气水平井的未来递减产量；
所述产量递减预测模型的计算公式为：
Qt＝Q0t-N
式中：
Qt——未来递减产量，吨；
Q0——初始递减产量，吨；
t——递减生产时间；
N——幂律指数。
2.根据权利要求1所述的预测方法，其特征在于，所述初始递减产量为：所述目标油气水平井在产量递减阶段第一个月的平均日产量；
所述未来递减产量为：所述目标油气水平井在产量递减阶段第t个月的平均日产量，t为大于1的整数。
3.根据权利要求1所述的预测方法，其特征在于，当所述原油粘度大于120mPa·s时，所述幂律指数为0.2；
当所述原油粘度小于或等于120mPa·s时，所述幂律指数的计算公式为：
式中：
μ0——原油粘度，mPa·s。
4.一种油气水平井产量的预测方法，其特征在于，所述方法包括：确定目标油田的目标油气水平井所适用的产量递减预测模型；
利用所述产量递减预测模型，预测所述目标油气水平井的未来递减产量；
所述模型包括Arps产量递减预测模型以及权利要求1-3任一项所述的产量递减预测模型；
所述Arps产量递减预测模型包括指数递减预测模型、调和递减预测模型以及双曲递减预测模型。
5.根据权利要求4所述的预测方法，其特征在于，所述确定目标油田的目标油气水平井所适用的产量递减预测模型，包括：
获取所述目标油气田的其他油气水平井的多组不同生产时间的生产信息，每组所述生产信息包括：递减生产月份t，以及所述递减生产月份对应的平均日产量Qt；
将所述生产信息中的所述平均日产量除以所述其他油气水平井在产量递减阶段第一个月的所述平均日产量，得到无因次平均日产量Qrt；
当确定所述目标油气水平井的产量递减预测模型是否为所述指数递减预测模型时，对因变量Ln(Qrt)以及自变量t进行线性回归，并求出对应的第一相关系数；
当确定所述目标油气水平井的产量递减预测模型是否为所述调和递减预测模型时，对因变量
以及自变量t进行线性回归，并求出对应的第二相关系数；
当确定所述目标油气水平井的产量递减预测模型是否为所述双曲递减预测模型时，对因变量
以及自变量t进行线性回归，并求出对应的第三相关系数；
当确定所述目标油气水平井的产量递减预测模型是否为权利要求1-3任一项所述的产量递减预测模型时，对因变量Log(Qrt)以及自变量Log(t)进行线性回归，并求出对应的第四相关系数；
比较所述第一相关系数、所述第二相关系数、所述第三相关系数与所述第四相关系数的大小，选取最大相关系数所对应的产量递减预测模型作为所述目标油气水平井的产量递减预测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711054309.9A CN107944599B (zh) | 2017-10-31 | 2017-10-31 | 油气水平井产量的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711054309.9A CN107944599B (zh) | 2017-10-31 | 2017-10-31 | 油气水平井产量的预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107944599A CN107944599A (zh) | 2018-04-20 |
| CN107944599B true CN107944599B (zh) | 2020-10-09 |
Family
ID=61933057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711054309.9A Active CN107944599B (zh) | 2017-10-31 | 2017-10-31 | 油气水平井产量的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107944599B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784705B (zh) * | 2019-01-02 | 2021-07-02 | 中国石油天然气股份有限公司 | 预测产油量的方法、装置及存储介质 |
| CN109882163A (zh) * | 2019-03-27 | 2019-06-14 | 中国石油大学(华东) | 一种用于致密油藏压裂水平井的产能预测方法 |
| CN111861072B (zh) * | 2019-04-30 | 2024-03-05 | 中国石油天然气股份有限公司 | 采用稳定日产量确定油井原油累积产量的方法及系统 |
| CN111861068B (zh) * | 2019-04-30 | 2024-03-05 | 中国石油天然气股份有限公司 | 动态法确定油井原油技术可采储量的方法及系统 |
| CN111861071B (zh) * | 2019-04-30 | 2024-03-05 | 中国石油天然气股份有限公司 | 采用初始月产量确定油井原油累积产量的方法及系统 |
| CN111985747B (zh) * | 2019-05-22 | 2024-04-30 | 中国石油天然气股份有限公司 | 油藏开发方法及装置 |
| CN113033857B (zh) * | 2019-12-24 | 2022-11-04 | 中国石油天然气股份有限公司 | 预测直线递减生产井初始年产量的方法和装置 |
| CN112131704A (zh) * | 2020-08-17 | 2020-12-25 | 长江大学 | 一种估算油层储量及预测剩余油饱和度的方法 |
| CN113236207B (zh) * | 2021-07-13 | 2021-09-10 | 西南石油大学 | 一种强非均质性储层中产水气井的定产量递减预测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007076044A2 (en) * | 2005-12-22 | 2007-07-05 | Chevron U.S.A. Inc. | Method, system and program storage device for reservoir simulation utilizing heavy oil solution gas drive |
| CN105512758A (zh) * | 2015-12-01 | 2016-04-20 | 中国石油天然气股份有限公司 | 油气井产量预测方法及其装置 |
| CN105631184A (zh) * | 2014-11-05 | 2016-06-01 | 中国石油化工股份有限公司 | 一种油气井产量递减分析方法和系统 |
-
2017
- 2017-10-31 CN CN201711054309.9A patent/CN107944599B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007076044A2 (en) * | 2005-12-22 | 2007-07-05 | Chevron U.S.A. Inc. | Method, system and program storage device for reservoir simulation utilizing heavy oil solution gas drive |
| CN105631184A (zh) * | 2014-11-05 | 2016-06-01 | 中国石油化工股份有限公司 | 一种油气井产量递减分析方法和系统 |
| CN105512758A (zh) * | 2015-12-01 | 2016-04-20 | 中国石油天然气股份有限公司 | 油气井产量预测方法及其装置 |
Non-Patent Citations (2)
| Title |
|---|
| 非常规油气井产量递减规律分析新模型;齐亚东 等;《中国矿业大学学报》;20160731;第45卷(第4期);全文 * |
| 页岩气产量幂律指数递减分析;段永刚 等;《西南石油大学学报（自然科学版）》;20131031;第35卷(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107944599A (zh) | 2018-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107944599B (zh) | 油气水平井产量的预测方法 | |
| CN112561356B (zh) | 一种页岩油压裂水平井生产动态模式与产能综合评价方法 | |
| CN115345378B (zh) | 一种基于机器学习的页岩气井产量评价方法 | |
| CN110685651B (zh) | 一种多层合采气井产量劈分方法及系统 | |
| CN109882163A (zh) | 一种用于致密油藏压裂水平井的产能预测方法 | |
| CN104346511A (zh) | 一种全新的油藏动态监测方法及装置 | |
| CN113445988B (zh) | 一种低渗碳酸盐岩气藏气井产能评价方法 | |
| Tao et al. | A new productivity prediction hybrid model for multi-fractured horizontal wells in tight oil reservoirs | |
| Dulkarnaev et al. | Geological and field feasibility study of field development management using marker-based production profiling surveillance in horizontal wells: the case study of the Yuzhno-vyintoiskoye field | |
| CN116976519A (zh) | 一种页岩油藏单井可采储量预测方法及系统 | |
| CN110924935A (zh) | 致密油藏井底流压调控方案确定方法、装置和设备 | |
| CN110610288A (zh) | 一种油气井生产数据智能系统分析方法 | |
| CN113486538B (zh) | 一种非常规油气井产量预测及压裂效果评价方法 | |
| CN111461458B (zh) | 一种sagd在产井对中后期产量剖面的预测方法 | |
| CN110851982B (zh) | 一种中低渗油藏减氧空气驱可行性分析方法 | |
| CN110410044B (zh) | 气驱co2、n2开发方式下区块产油量计算方法 | |
| CN112709547A (zh) | 一种产水气井堵水时机的判别方法 | |
| Cotrim et al. | Production optimization considering interaction between reservoirs and constrained surface facilities | |
| CN115169760B (zh) | 煤层气与煤炭协调开发方式优化方法、装置及电子设备 | |
| CN111985146A (zh) | 一种措施潜力井的确定方法和确定装置 | |
| CN112360449B (zh) | 一种应用于低渗透气藏和气井的可采气量预测方法 | |
| CN111188613A (zh) | 一种致密气藏气井井控半径确定方法及系统 | |
| CN113496301B (zh) | 油气田资产评价方法及装置 | |
| CN110469318B (zh) | 超深水油田在勘探期经济开发最小可采储量规模的确定方法 | |
| CN110751405B (zh) | 一种水驱特征曲线快速拟合方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |