CN107957981A - 一种三元复合驱油体系见效点确定方法及装置 - Google Patents
一种三元复合驱油体系见效点确定方法及装置 Download PDFInfo
- Publication number
- CN107957981A CN107957981A CN201711260941.9A CN201711260941A CN107957981A CN 107957981 A CN107957981 A CN 107957981A CN 201711260941 A CN201711260941 A CN 201711260941A CN 107957981 A CN107957981 A CN 107957981A
- Authority
- CN
- China
- Prior art keywords
- moisture content
- actual
- mrow
- difference
- fitting
- 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.)
- Pending
Links
- 239000011206 ternary composite Substances 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000694 effects Effects 0.000 title claims abstract description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 83
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 239000003129 oil well Substances 0.000 claims abstract description 10
- 229920000642 polymer Polymers 0.000 claims description 27
- 238000011161 development Methods 0.000 claims description 8
- 210000003127 knee Anatomy 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001965 increasing effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims 1
- 238000000205 computational method Methods 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 18
- 238000004088 simulation Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 239000004094 surface-active agent Substances 0.000 description 4
- 239000003513 alkali Substances 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009227 behaviour therapy Methods 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
Abstract
本发明公开了一种三元复合驱油体系见效点确定方法及装置，该方法包括：接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；将计算的差值数据在同一张图中依次绘制曲线，确定见效点。在水驱曲线法、水驱导数曲线法无法找到拐点或拐点不明显时，可以利用该方法进行见效时间判断，也可与直接观察法结合对比判断，更为客观、准确。该计算方法方便、实用，便于矿场应用和推广。
Description
技术领域
本发明属于三次采油的技术领域，尤其是涉及一种三元复合驱油体系见效点确定方法及装置。
背景技术
目前世界上进行三次采油主要有四种方法，即化学驱、气驱、热力驱和微生物采油。三次采油的四大技术系列相比，化学驱采油是一种既经济又有效率的强化采油技术，而三元复合驱是从化学驱脱颖而出的一种新的三次采油技术，是我国三次采油提高采收率研究的主攻方向。三元复合驱技术产生于20世纪80年代初，是在二元复合驱的基础上发展起来的，指在注入水中加入碱(A)、表面活性剂(S)和聚合物(P)的复合体系驱油的一种提高采收率的方法。三元复合驱采油技术的应用，极大地延缓了各大油田产量递减的速度，已成为油田产量接替的主要措施。
及时准确地进行化学驱开发效果评价是三元复合驱油田开发决策的基础。三元复合驱效果评价的首要任务即是定性分析三元复合驱是否见效(即见效时间点的判断)，继而定量给出三元复合驱改善开发效果的程度，指导下一步动态调整措施。
针对三元复合驱开发特征，见效时间可以定义为注入的聚合物、表面活性剂及碱发挥协同作用时间点。目前在判断三元复合驱油体系见效点时，有以下判断方法：
(1)直接观察法
聚合物驱后转为三元复合驱，在复合驱阶段含水率仍保持较低水平或有所下降，无明显回升，则可定性认为三元复合驱协同见效。但是，这种判断方法存在一定的主观性，且不够准确。
(2)水驱曲线法
在三元复合驱阶段，若水驱曲线有拐点出现，则可认为该点为见效点。但是，由于特征函数(累计产水量)对自变量(累计产油量)不敏感，从而掩盖了中后期开发措施对曲线形态的影响，造成结果偏差较大，难以及时准确评价开发动态。
(3)水驱导数曲线法
基于导数敏感性特性，对水驱曲线进行推导，得到水驱导数曲线。在三元复合驱阶段，若水驱导数曲线有拐点出现，则可认为该点为见效点。但是，此方法并不是一直适用，油田从聚驱转为三元复合驱时，可能并无明显拐点出现。
(4)数值模拟法
目前主流数值模拟器中，聚合区、表面活性剂及碱的物化机理及协同作用均未考虑周全，数值模拟结果仅可以作为参考。但是，在化学剂物化参数描述未有突破性进展的情况下，应多重视其他油藏工程方法。
综上所述，现有技术中如何在无法确定拐点、或拐点不明显时客观、准确的判断三元复合驱油体系见效点问题，尚缺乏行之有效的解决方案。
发明内容
针对现有技术中存在的不足，解决现有技术中如何在无法确定拐点、或拐点不明显时客观、准确的判断三元复合驱油体系见效点问题，本发明提供了一种三元复合驱油体系见效点确定方法及装置，有效实现客观、准确、快速的判断三元复合驱油体系见效点。
本发明的第一目的是提供一种三元复合驱油体系见效点确定方法。
为了实现上述目的，本发明采用如下一种技术方案：
一种三元复合驱油体系见效点确定方法，该方法包括：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据拟合得到水驱含水率预测模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
作为进一步的优选方案，所述水驱含水率预测模型为：
其中，fw为模拟水驱的含水率，A、B、C、D为通过实际生产数据拟合得出水驱含水率预测模型参数。
作为进一步的优选方案，在该方法中，将实际生产数据拟合得到水驱含水率预测模型参数，根据所述述水驱含水率预测模型计算水驱拟合含水率。
作为进一步的优选方案，根据聚合物驱增油曲线定量表征模型计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
所述聚合物驱增油曲线定量表征模型根据聚合物驱生产动态曲线定量表征模型的建立原则，在含水率下降漏斗模型中引入漏斗宽度偏度构建得到；
所述含水率下降漏斗为实际含水率与模拟水驱含水率的差值，
所述漏斗宽度偏度用于描述聚合物驱含水下降漏斗呈现出的不对称性。
作为进一步的优选方案，所述聚合物驱增油曲线定量表征模型为：
Δfw＝Δfwmax[B]bexp[b(1-B)]
其中，Δfw为每月含水下降漏斗，Δfwmax为最大含水下降漏斗，B为漏斗宽度偏度，b为偏度系数。
作为进一步的优选方案，所述漏斗宽度偏度B为：
其中，tw为含水漏斗作用结束时刻，twmax为对应最大含水下降漏斗时刻，tw0为初始含水下降时刻。
作为进一步的优选方案，所述偏度系数与所述漏斗宽度偏度具有相关关系，
所述偏度系数与所述漏斗宽度偏度的回归关系为：
logb＝0.1896(logB)2-1.5706logB+1.2232。
作为进一步的优选方案，计算聚驱阶段的实际含水率与水驱拟合含水率的差值绘制第一曲线，计算三元复合驱阶段的实际含水率与水驱拟合含水率的差值绘制第二曲线和计算整个阶段的实际含水率与拟合持续聚驱含水率的差值绘制第三曲线；
所述确定见效点的具体步骤包括：
与第三曲线相交的第二曲线拐点为三元复合驱油体系见效点。
本发明的第二目的是提供一种计算机可读存储介质。
为了实现上述目的，本发明采用如下一种技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备设备的处理器加载并执行以下处理：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
本发明的第三目的是提供一种三元复合驱油体系见效点确定装置。
为了实现上述目的，本发明采用如下一种技术方案：
一种三元复合驱油体系见效点确定装置，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行以下处理：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
本发明的有益效果：
(1)本发明所述的一种三元复合驱油体系见效点确定方法及装置，在水驱曲线法、水驱导数曲线法无法找到拐点或拐点不明显时，可以利用该方法进行见效时间判断，有效实现客观、准确、快速的判断三元复合驱油体系见效点。
(2)本发明所述的一种三元复合驱油体系见效点确定方法及装置也可与直接观察法结合对比判断，更为客观、准确。该计算方法方便、实用，便于矿场应用和推广。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明中的方法流程图；
图2是典型含水率下降漏斗曲线示意图；
图3是利用数值模拟方法，选取A油田实际数据验证聚驱含水率下降漏斗曲线示意图；
图4是利用数值模拟方法，选取B油田实际数据验证聚驱含水率下降漏斗曲线示意图；
图5是常规聚驱后三元驱含水率下降漏斗变化示意图。
图6是某区块A井组各井含水率下降漏斗示意图。
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
针对现有技术中存在的不足，解决现有技术针对搜索引擎结果页内如何科学、准确地测评用户行为模式，优化页面布局以提高用户体验的问题，本发明提供了一种三元复合驱油体系见效点确定方法及装置，通过多种类型的测试行为数据，分析搜索引擎结果页内在不同类型布局和不同类型用户下常见的用户行为模式，为优化页面布局，改善链接投放效果具有重要贡献。
在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面结合附图与实施例对本发明作进一步说明。
实施例1：
本实施例1的目的是提供一种三元复合驱油体系见效点确定方法。
为了实现上述目的，本发明采用如下一种技术方案：
如图1所示，
一种三元复合驱油体系见效点确定方法，该方法包括：
步骤(1)：接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
步骤(2)：将实际生产数据拟合得到水驱含水率预测模型参数，并计算水驱拟合含水率；
步骤(3)：分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
步骤(4)：将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
在本实施例中，步骤(2)中，所述水驱含水率预测模型为：
其中，fw为模拟水驱的含水率，A、B、C、D为通过实际生产数据拟合得出水驱含水率预测模型参数。
在本实施例中，步骤(2)中，将实际生产数据拟合得到水驱含水率预测模型参数，根据所述述水驱含水率预测模型计算水驱拟合含水率。
在本实施例中，步骤(3)中，根据聚合物驱增油曲线定量表征模型计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
所述聚合物驱增油曲线定量表征模型根据聚合物驱生产动态曲线定量表征模型的建立原则，在含水率下降漏斗模型中引入漏斗宽度偏度构建得到；
所述含水率下降漏斗为实际含水率与模拟水驱含水率的差值，
所述漏斗宽度偏度用于描述聚合物驱含水下降漏斗呈现出的不对称性。
在本实施例中，所述聚合物驱增油曲线定量表征模型为：
Δfw＝Δfwmax[B]bexp[b(1-B)]
其中，Δfw为每月含水下降漏斗，Δfwmax为最大含水下降漏斗，B为漏斗宽度偏度，b为偏度系数。
在本实施例中，所述漏斗宽度偏度B为：
其中，tw为含水漏斗作用结束时刻，twmax为对应最大含水下降漏斗时刻，tw0为初始含水下降时刻。
在本实施例中，所述偏度系数与所述漏斗宽度偏度具有相关关系，
所述偏度系数与所述漏斗宽度偏度的回归关系为：
logb＝0.1896(logB)2-1.5706logB+1.2232。
在本实施例中，步骤(4)中，计算聚驱阶段的实际含水率与水驱拟合含水率的差值绘制第一曲线，计算三元复合驱阶段的实际含水率与水驱拟合含水率的差值绘制第二曲线和计算整个阶段的实际含水率与拟合持续聚驱含水率的差值绘制第三曲线；
所述确定见效点的具体步骤包括：
与第三曲线相交的第二曲线拐点为三元复合驱油体系见效点。
在本实施例中，详细介绍所述聚合物驱增油曲线定量表征模型的构建过程：
首先，定义含水率下降漏斗：
Δfw＝fw,fit-fw,real (1)
式中，fw,real为聚驱(或聚驱后再水驱)生产过程中含水率，fw,fit为模拟水驱的含水率。
在本实施例中，含水率下降漏斗中模拟水驱含水率的预测方法，可以采用新型水驱含水率预测方法进行预测：
式中，t代表生产时间，A、B、C、D可通过实际动态生产数据拟合得出。
如图2所示，聚合物驱含水率下降漏斗曲线属于增长型曲线，曲线从零开始上升，到达最大值后逐渐下降，最终趋于零，形成类似于倒扣漏斗的形状。
由图2可以看出，确定聚合物驱含水下降漏斗曲线变化趋势须确定4个特征参数：①初始含水下降时刻tw0；②对应最大含水下降漏斗时刻twmax；③含水漏斗作用结束时刻tw；④最大含水下降漏斗Δfwmax。
为了描述聚合物驱含水下降漏斗呈现出的不对称性，引入漏斗宽度偏度B，定义为当B趋于1时，聚合物驱增油曲线对称性较好；否则，曲线的非对称性增强。
根据聚合物驱生产动态曲线定量表征模型的建立原则，提出了聚合物驱增油曲线定量表征模型，其表达式为
式中：Δfw为每月含水下降漏斗；t为生产时间；Δfwmax、tw0、twmax为待定参数；b定义为增油曲线偏度系数，与结束时刻tw有关。
模型具有明显特征：
①当t＝tw0时，Δfw＝0；
②当t＝twmax时，漏斗曲线取得极值，即Δfw＝Δfwmax；
③偏度系数b与漏斗宽度偏度B有较好的相关关系。通过对含水率下降漏斗取不同的四参数进行数值模拟计算结果表明，B仅与b有关，且具有很好的相关关系。其回归关系为：
logb＝0.1896(logB)2-1.5706logB+1.2232(4)
对该模型进行验证：A油田在2009年10月开展聚驱，2012年10月开展十三元驱。利用数值模拟方法验证漏斗，如图3所示。通过文献调研，一并给出B油田聚驱含水率下降漏斗拟合情况，如图4所示。
以上两图拟合情况均较好，说明聚合物驱增油曲线定量表征模型具有一定适用性，可以应用到化学驱效果评价、预测及三元复合驱油体系见效时间判别中。
如图5所示，前期离散点为聚驱含水率下降漏斗(月数据)，后期离散点为后续三元驱含水下降漏斗。判断后续三元驱见效问题，即找曲线拐点问题。根据前期聚驱及三元驱前期阶段漏斗曲线形态，做出理论聚驱含水率下降漏斗。参考理论漏斗曲线及三元驱阶段实际漏斗曲线，找到实际漏斗曲线拐点即作为三元驱见效时间。
下面通过结合某具体区块进一步描述本实施例。
①整理该区块A井组各井实际生产数据，运用origin对实际生产数据进行拟合，得到新型含水率模型中的A、B、C、D参数值(A＝0.00953、B＝185.683、C＝-0.13633、D＝7.27233)，进一步整理得到水驱拟合含水数据；
②整理该区块A井组2014年10月～2016年1月聚驱及2016年2月～2017年2月三元驱阶段的实际含水率，分别计算得出实际含水率与水驱拟合含水率的差值(即聚驱含水下降漏斗、三元驱含水下降漏斗)；
③通过聚合物驱增油曲线定量表征模型的表达式计算得出2014年10月～2017年2月的拟合持续聚驱含水下降漏斗，整理数据，以上数据如表1所示；
表1
| 时间 | 实际含水率 | 水驱拟合含水率 | 含水差值 | 持续聚驱拟合含水率 |
| 2014年10月 | 0.9077 | 0.894593885 | 0.013106115 | 2.01446E-05 |
| 2014年11月 | 0.8252 | 0.896953502 | 0.071753502 | 0.001250491 |
| 2014年12月 | 0.8597 | 0.899087414 | 0.039387414 | 0.00873927 |
| 2015年1月 | 0.8089 | 0.901030361 | 0.092130361 | 0.027762243 |
| 2015年2月 | 0.7709 | 0.902809971 | 0.131909971 | 0.058470713 |
| 2015年3月 | 0.7589 | 0.90444853 | 0.14554853 | 0.095629542 |
| 2015年4月 | 0.7391 | 0.905964251 | 0.166864251 | 0.131759029 |
| 2015年5月 | 0.7614 | 0.907372184 | 0.145972184 | 0.160373525 |
| 2015年6月 | 0.7614 | 0.908684896 | 0.147284896 | 0.17772134 |
| 2015年7月 | 0.7265 | 0.909912972 | 0.183412972 | 0.182991342 |
| 2015年8月 | 0.7366 | 0.911065404 | 0.174465404 | 0.177600238 |
| 2015年9月 | 0.7734 | 0.912149889 | 0.138749889 | 0.164191039 |
| 2015年10月 | 0.7774 | 0.913173057 | 0.135773057 | 0.145746384 |
| 2015年11月 | 0.7572 | 0.914140658 | 0.156940658 | 0.124984445 |
| 2015年12月 | 0.7863 | 0.915057706 | 0.128757706 | 0.104046908 |
| 2016年1月 | 0.8338 | 0.915928597 | 0.082128597 | 0.08441276 |
| 2016年2月 | 0.7913 | 0.916757204 | 0.125457204 | 0.066953154 |
| 2016年3月 | 0.8422 | 0.917546954 | 0.075346954 | 0.052054279 |
| 2016年4月 | 0.8988 | 0.918300894 | 0.019500894 | 0.039757172 |
| 2016年5月 | 0.8926 | 0.919021743 | 0.026421743 | 0.02988485 |
| 2016年6月 | 0.9083 | 0.919711934 | 0.011411934 | 0.022143544 |
| 2016年7月 | 0.8389 | 0.920373655 | 0.081473655 | 0.016195372 |
| 2016年8月 | 0.8514 | 0.921008881 | 0.069608881 | 0.011705517 |
| 2016年9月 | 0.9203 | 0.921619395 | 0.001319395 | 0.008369292 |
| 2016年10月 | 0.9065 | 0.922206815 | 0.015706815 | 0.00592479 |
| 2016年11月 | 0.8831 | 0.922772614 | 0.039672614 | 0.004156091 |
| 2016年12月 | 0.8658 | 0.923318135 | 0.057518135 | 0.002890864 |
| 2017年1月 | 0.7952 | 0.923844603 | 0.128644603 | 0.001995125 |
| 2017年2月 | 0.8806 | 0.924353144 | 0.043753144 | 0.001366952 |
④将聚驱含水下降漏斗、三元驱含水下降漏斗、拟合聚驱含水下降漏斗绘制在同一张图中，如图6所示。参照拟合聚驱含水下降漏斗及三元驱实际下降漏斗曲线，找到实际漏斗曲线拐点即为三元驱见效点。
实施例2：
本实施例2的目的是提供一种计算机可读存储介质。
为了实现上述目的，本发明采用如下一种技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备设备的处理器加载并执行以下处理：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
在本实施例中，计算机可读记录介质的例子包括磁存储介质(例如，ROM，RAM，USB，软盘，硬盘等)、光学记录介质(例如，CD-ROM或DVD)、PC接口(例如，PCI、PCI-Expres、WiFi等)等。然而，本公开的各个方面不限于此。
实施例3：
本实施例3的目的是提供一种三元复合驱油体系见效点确定装置。
为了实现上述目的，本发明采用如下一种技术方案：
一种三元复合驱油体系见效点确定装置，采用一种互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行以下处理：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
本发明的有益效果：
(1)本发明所述的一种三元复合驱油体系见效点确定方法及装置，在水驱曲线法、水驱导数曲线法无法找到拐点或拐点不明显时，可以利用该方法进行见效时间判断，有效实现客观、准确、快速的判断三元复合驱油体系见效点。
(2)本发明所述的一种三元复合驱油体系见效点确定方法及装置也可与直接观察法结合对比判断，更为客观、准确。该计算方法方便、实用，便于矿场应用和推广。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种三元复合驱油体系见效点确定方法，其特征在于，该方法包括：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据拟合得到水驱含水率预测模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
2.如权利要求1所述的方法，其特征在于，所述水驱含水率预测模型为：
<mrow>
<msub>
<mi>f</mi>
<mi>w</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>Ae</mi>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>B</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>C</mi>
</mrow>
</msup>
</mrow>
</mfrac>
</mrow>
其中，fw为模拟水驱的含水率，A、B、C、D为通过实际生产数据拟合得出水驱含水率预测模型参数。
3.如权利要求2所述的方法，其特征在于，在该方法中，将实际生产数据拟合得到水驱含水率预测模型参数，根据所述述水驱含水率预测模型计算水驱拟合含水率。
4.如权利要求3所述的方法，其特征在于，根据聚合物驱增油曲线定量表征模型计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
所述聚合物驱增油曲线定量表征模型根据聚合物驱生产动态曲线定量表征模型的建立原则，在含水率下降漏斗模型中引入漏斗宽度偏度构建得到；
所述含水率下降漏斗为实际含水率与模拟水驱含水率的差值，
所述漏斗宽度偏度用于描述聚合物驱含水下降漏斗呈现出的不对称性。
5.如权利要求4所述的方法，其特征在于，所述聚合物驱增油曲线定量表征模型为：
Δfw＝Δfwmax[B]bexp[b(1-B)]
其中，Δfw为每月含水下降漏斗，Δfwmax为最大含水下降漏斗，B为漏斗宽度偏度，b为偏度系数。
6.如权利要求5所述的方法，其特征在于，所述漏斗宽度偏度B为：
<mrow>
<mi>B</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>t</mi>
<mi>w</mi>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>w</mi>
<mi>max</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>w</mi>
<mi>max</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>w</mi>
<mn>0</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中，tw为含水漏斗作用结束时刻，twmax为对应最大含水下降漏斗时刻，tw0为初始含水下降时刻。
7.如权利要求6所述的方法，其特征在于，所述偏度系数与所述漏斗宽度偏度具有相关关系，
所述偏度系数与所述漏斗宽度偏度的回归关系为：
log b＝0.1896(log B)2-1.5706log B+1.2232。
8.如权利要求1所述的方法，其特征在于，计算聚驱阶段的实际含水率与水驱拟合含水率的差值绘制第一曲线，计算三元复合驱阶段的实际含水率与水驱拟合含水率的差值绘制第二曲线和计算整个阶段的实际含水率与拟合持续聚驱含水率的差值绘制第三曲线；
所述确定见效点的具体步骤包括：
与第三曲线相交的第二曲线拐点为三元复合驱油体系见效点。
9.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备设备的处理器加载并执行以下处理：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
10.一种三元复合驱油体系见效点确定装置，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行以下处理：
接收油井实际生产数据及聚驱和三元复合驱先后两个阶段的实际含水率；
将实际生产数据进行拟合得到含水率模型参数，并计算水驱拟合含水率；
分别计算聚驱和三元复合驱阶段的实际含水率与水驱拟合含水率的差值；以及计算整个阶段的实际含水率与拟合持续聚驱含水率的差值；
将计算的差值数据在同一张图中依次绘制曲线，确定见效点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711260941.9A CN107957981A (zh) | 2017-12-04 | 2017-12-04 | 一种三元复合驱油体系见效点确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711260941.9A CN107957981A (zh) | 2017-12-04 | 2017-12-04 | 一种三元复合驱油体系见效点确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107957981A true CN107957981A (zh) | 2018-04-24 |
Family
ID=61962894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711260941.9A Pending CN107957981A (zh) | 2017-12-04 | 2017-12-04 | 一种三元复合驱油体系见效点确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107957981A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108915652A (zh) * | 2018-07-18 | 2018-11-30 | 西南石油大学 | 一种有效判断聚合物驱流度控制时间范围的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056460A (zh) * | 2016-06-01 | 2016-10-26 | 中国海洋石油总公司 | 一种确定化学驱提高采收率贡献的计算方法 |
| CN106875286A (zh) * | 2017-03-06 | 2017-06-20 | 中国海洋石油总公司 | 一种聚合物驱油田全过程注聚参数分阶段优化决策方法 |
-
2017
- 2017-12-04 CN CN201711260941.9A patent/CN107957981A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056460A (zh) * | 2016-06-01 | 2016-10-26 | 中国海洋石油总公司 | 一种确定化学驱提高采收率贡献的计算方法 |
| CN106875286A (zh) * | 2017-03-06 | 2017-06-20 | 中国海洋石油总公司 | 一种聚合物驱油田全过程注聚参数分阶段优化决策方法 |
Non-Patent Citations (7)
| Title |
|---|
| DENNIS: "Progress and Effects of ASP Flooding", 《JPT》 * |
| 侯健 等: "胜利油田不同类型油藏聚合物驱生产动态的定量表征", 《石油学报》 * |
| 吕建荣 等: "克拉玛依砾岩油藏二元复合驱物理解堵实验研究与应用", 《新疆石油地质》 * |
| 杨仁锋 等: "水驱油田新型含水率预测模型研究", 《水动力学研究与进展》 * |
| 赵辉 等: "聚合物驱含水率变化定量表征模型", 《石油勘探与开发》 * |
| 邓景夫 等: "海上稠油油田早期聚合物驱见效规律", 《特种油气藏》 * |
| 邓景夫 等: "绥中油田各项措施增油效果劈分方法", 《油气地质与采收率》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108915652A (zh) * | 2018-07-18 | 2018-11-30 | 西南石油大学 | 一种有效判断聚合物驱流度控制时间范围的方法 |
| CN108915652B (zh) * | 2018-07-18 | 2020-06-09 | 西南石油大学 | 一种有效判断聚合物驱流度控制时间范围的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | Learning and teaching engineering design through modeling and simulation on a CAD platform | |
| CN105260390B (zh) | 一种面向群组的基于联合概率矩阵分解的项目推荐方法 | |
| CN103399858B (zh) | 基于信任的社会化协同过滤推荐方法 | |
| CN109255160A (zh) | 基于神经网络的单元延时预测方法和单元延时灵敏度计算方法 | |
| CN110008710A (zh) | 基于深度强化学习和程序路径插桩的漏洞检测方法 | |
| CN104504292A (zh) | 基于bp神经网络预测循环流化床锅炉最佳工作温度的方法 | |
| CN106355540A (zh) | 一种基于gra‑bp神经网络的中小型水库大坝安全评价方法 | |
| CN107391659A (zh) | 一种基于信誉度的引文网络学术影响力评价排序方法 | |
| CN107705556A (zh) | 一种基于支持向量机和bp神经网络结合的交通流预测方法 | |
| CN103455612B (zh) | 基于两阶段策略的非重叠与重叠网络社区检测方法 | |
| CN107957981A (zh) | 一种三元复合驱油体系见效点确定方法及装置 | |
| CN109358185A (zh) | 基于极限学习机的橡胶配方性能预测模型及预测方法 | |
| CN111914488B (zh) | 一种基于对抗神经网络的有资料地区水文参数率定方法 | |
| CN103279549B (zh) | 一种目标对象的目标数据的获取方法及装置 | |
| CN108765127A (zh) | 一种基于蒙特卡罗搜索的信用评分卡特征选择方法 | |
| Liu et al. | Construction quality risk management of projects on the basis of rough set and neural network | |
| CN107783943A (zh) | 一种端到端自动驾驶系统的纵向控制模型的评估方法及装置 | |
| CN109581194B (zh) | 一种电子系统故障测试策略动态生成方法 | |
| CN107103071A (zh) | 一种基于直接优化pauc算法的新闻信息分类方法 | |
| CN113723871B (zh) | 一种基于多源信息的现状洪水一致性处理方法及系统 | |
| CN105336235A (zh) | 一种用于智能学习系统的分值设定方法 | |
| CN108876210A (zh) | 一种土地系统变化因果结构的识别方法、系统和装置 | |
| Lokhande et al. | Crop Recommendation System Using Machine Learning | |
| CN112419113A (zh) | 一种打地基学习效果分析方法 | |
| CN103092994B (zh) | 基于信息概念格矫正的svm文本自动分类方法及其系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201030 Address after: Intercontinental building, 16 ande Road, Dongcheng District, Beijing, 100007 Applicant after: PetroChina Co.,Ltd. Address before: 266580 Qingdao economic and Technological Development Zone, Changjiang Road, No. 66, Shandong Applicant before: China University of Petroleum (East China) |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180424 |