CN108843296B - 一种基于多因素影响下的单井重复压裂效果预测方法 - Google Patents
一种基于多因素影响下的单井重复压裂效果预测方法 Download PDFInfo
- Publication number
- CN108843296B CN108843296B CN201810658957.3A CN201810658957A CN108843296B CN 108843296 B CN108843296 B CN 108843296B CN 201810658957 A CN201810658957 A CN 201810658957A CN 108843296 B CN108843296 B CN 108843296B
- Authority
- CN
- China
- Prior art keywords
- data
- prediction
- prediction data
- influence factor
- accumulated
- 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 46
- 230000000694 effects Effects 0.000 title claims abstract description 41
- 238000013499 data model Methods 0.000 claims abstract description 21
- 230000000630 rising effect Effects 0.000 claims abstract description 5
- 230000004069 differentiation Effects 0.000 claims abstract description 3
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 239000012530 fluid Substances 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims description 2
- 239000011229 interlayer Substances 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 238000011161 development Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000035508 accumulation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012067 mathematical method Methods 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多因素影响下的单井重复压裂效果预测方法,包括:采集单井重复压裂效果的影响因素数据;基于Meyer软件模拟,采集单井重复压裂效果的预测数据;将若干所述影响因素数据序列和预测数据序列分别进行若干次累加,分别得到单调上升且具有指数特征的累加影响因素数据序列和累加预测数据序列;根据所述累加影响因素数据序列和累加预测数据序列,基于灰色理论、数值微分法和最小二乘法构建预测数据模型。
Description
技术领域
本发明属于单井压裂的技术领域,具体涉及一种基于多因素影响下的单井重复压裂效果预测方法。
背景技术
我国大部分低渗透油气田进入开发后期,随着开发进行,由于各种原因导致水力压裂改造效果降低甚至失效,影响油气田产量,在低渗透油气田开发后期,重复压裂成为稳产和增产挖潜的重要技术措施。
重复压裂增产措施的效果包括两个方面:压裂施工效果及增产效果。这些效果受多种因素影响,例如油气藏物性特征、油气藏储层特征、压裂增产工艺参数等。这些因素不仅影响压裂增产效果,也通过某些关系相互影响。导致预测单井重复压裂效果十分困难。
通过调研发现,目前预测单井重复压裂效果主要通过油藏数值计算模拟实现和数学统计方法来实现。Eclipse软件是一套广泛用于油气藏工程的商业数值模拟软件,涵盖地质建模,历史拟合、开发预测及生产优化的整个开发流程。其中Eclipse BlackOil黑油模拟器适用于大部分油气藏的数值模拟,其基于全隐式或半隐式的有限差分计算方法,可以模拟砂岩、裂缝性、低渗透等油气藏类型以及衰竭开采、注水开采、注气开采等开采方式。
但是Eclipse软件模拟基于油藏地质模型开展。由于数据有限,地质模型具有很大的不确定性,可能导致Eclipse软件模拟结果不准确。Eclipse油藏数值模拟原理是对油气藏开发过程中复杂的物理过程进行数学上的简化,利用简化的数学模型来拟合单井或油气藏的开发历史,进而对生产开发动态进行预测。在拟合过程中容易发生因为软件使用者主观差异导致模型模拟结果不同。Eclipse软件只能考虑油气藏特征影响下的单井重复压裂生产效果,不能考虑压裂地质特征及压裂施工参数对单井重复压裂的影响。另外Eclipse软件的建模过程繁琐,计算时间长,这些因素都为重复压裂井改造效果预测带来局限。
统计方法基于不同的数学方法,分析对预测目标造成影响的因素,为单井重复压裂改造效果做出预测,最终达到单井重复压裂选井的目的。常用的统计分析方法有:比较生产动态法、构成认定法及生产样板曲线拟合法。比较生产动态法将井的生产动态分为几个阶段,通过对生产数据进行分析识别出有利的重复压裂井。但是该方法不能识别某些在经济上最有利的重复压裂井。构成认定法运用人工神经网络与遗传算法等预测单井重复压裂效果,能够通过机器学习得到最佳的预测方法。但是该方法运用上需要基于大量的数据样本,且对数据类型及质量要求高,收集的数据难以满足实际运用要求。生产样板曲线拟合法基于特定油田数据得出生产样板曲线,对重复压裂井的生产曲线开展拟合进行预测,该方法由于生产数据的不稳定性及输出数据的相互依赖性而难以得到唯一解。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于多因素影响下的单井重复压裂效果预测方法,以解决现有重复压裂效果预测技术预测过程繁琐、预测效果不佳且局限的问题。
为达到上述目的,本发明采取的技术方案是:
提供一种基于多因素影响下的单井重复压裂效果预测方法,其包括:
采集单井重复压裂效果的影响因素数据;
基于Meyer软件模拟,采集单井重复压裂效果的预测数据;
将若干影响因素数据序列和预测数据序列分别进行若干次累加,分别得到单调上升且具有指数特征的累加影响因素数据序列和累加预测数据序列;
根据累加影响因素数据序列和累加预测数据序列,基于灰色理论、数值微分法和最小二乘法构建预测数据模型:
X(J)(nk+1)=A1X(J)(nk)+BU(J)(nk+1)
其中,X(J)(nk+1)和X(J)(n)为k+1及k时刻压裂效果输出值,A1为n乘n阶矩阵,B为m乘n阶矩阵,U(J)(nk+1)为k+1时刻压裂效果影响因素的输入值,nk+1表示第k+1个影响因素数据或者预测数据,nk表示第k个影响因素数据或者预测数据。
优选地,累加后的影响因素数据序列和预测数据序列为:
其中,xi (J)(nk)为累加J次后的预测数据序列,ul (J)(nk)为累加J次后的预测数据序列,nk为第k个影响因素数据或者预测数据,s为单位,i=1,2,…,I;k=1,2,…,K;l=1,2,…,L。
优选地,构建所述预测数据模型的方法为:
基于灰色理论,构建累加后的影响因素数据序列和预测数据序列的微分模拟模型:
X(J)(n1)=X(1)
的第i个方程(i=1,2,...,I),根据n=nk并基于最小二乘法进行参数aij(i=1,2,...,I;j=1,2,...,I)和bij(i=1,2,...,I;j=1,2,...,L)的估计,得到:
优选地,预测数据模型需满足如下条件:
当1-(预测数据的实际值与预测数据的差的绝对值)/预测数据的实际值≥95%时,则预测数据模型满足条件;否则,需要重新利用最小二乘法进行参数aij和bij的估算,直至构建的预测数据模型满足条件。
优选地,采集所述影响因素数据包括渗透率、孔隙度、地层压力、剩余油饱和度、单井重复压裂前三十天平均产液量、施工排量、前置液量、携砂液量、支撑剂量、无因次导流能力、储层厚度、储隔层地应力差、储层杨氏模量、隔层杨氏模量。
优选地,采集预测数据包括单井重复压裂后裂缝面积和单井三十天平均产液量。
优选地,影响因素数据和预测数据采集于至少五个完整单井重复压裂的数据,且预测数据个数为2-10个,影响因素数据个数为5-50个,影响因素数据个数大于预测数据个数。
本发明提供的基于多因素影响下的单井重复压裂效果预测方法,具有以下有益效果:
本发明影响因素数据和预测数据收集容易,且可以根据现场情况收集数据,当条件有限时,只需收集基本影响数据即可,利用数学方法建立预测数据模型,采用易收集的样本数据预测和评价单井重复压裂效果,开发成本低,应用前景广阔。且与现有技术相比,本发明计算方法简便,不需考虑油气藏地质和压裂工程属性之间复杂的相互作用及其对单井重复压裂效果的耦合影响。
附图说明
图1为基于多因素影响下的单井重复压裂效果预测方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例,如图1所示,本方案的基于多因素影响下的单井重复压裂效果预测方法,包括以下步骤:
采集单井重复压裂效果的影响因素数据;
影响因素数据包括渗透率、孔隙度、地层压力、剩余油饱和度、单井重复压裂前三十天平均产液量、施工排量、前置液量、携砂液量、支撑剂量、无因次导流能力、储层厚度、储隔层地应力差、储层杨氏模量、隔层杨氏模量。
基于Meyer软件模拟,采集单井重复压裂效果的预测数据;
采用Meyer软件模拟,计算单井重复压裂后裂缝面积和单井重复压裂后三十天平均产液量。
影响因素数据和预测数据采集于至少五个完整单井重复压裂的数据,且预测数据个数为2-10个,影响因素数据个数为5-50个,影响因素数据个数大于预测数据个数。
将若干影响因素数据序列和预测数据序列分别进行若干次累加,分别得到单调上升且具有指数特征的累加影响因素数据序列和累加预测数据序列;
历史数据表中的每个预测数据和影响因素数据的原始数据样本序列为:
构建预测数据模型;
X(J)(n1)=X(1)
的第i个方程(i=1,2,...,I),根据n=nk并基于最小二乘法进行参数aij(i=1,2,...,I;j=1,2,...,I)和bij(i=1,2,...,I;j=1,2,...,L)的估计,得到:
根据该预测数据模型,输入U(nk+1)的控制值就可预测X(nk+1)。
需要说明的是,预测数据模型需满足如下条件:
当1-(预测数据的实际值与预测数据的差的绝对值)/预测数据的实际值≥95%时,则预测数据模型满足条件;否则,需要重新利用最小二乘法进行参数aij和bij的估算,直至构建的预测数据模型满足上述条件。
根据本申请的一个实施例,收集油田六口井单井重复压裂所需影响因素数据指标及预测数据指标,如表1所示。
表1某油田单井重复压裂效果影响因素及预测指标
对表1中的原始数据进行预处理:
对表1中的原始数据进行预处理:
对原始数据序列按前述方法构造具有单调上升和指数曲线特征的累加数据序列,累加多次就得到符合条件的累加序列,累加后的新数据如表2所示。
表2处理后的累加n次数据
基于累加所得数据建立微分模拟模型为:
其中,
离散化微分方程
X(J)(nk+1)=A1X(J)(nk)+BU(J)(nk+1)
其中
输入其他井重复压裂影响因素的控制值,预测单井重复压裂效果。
表3所需预测的单井影响因素输入参数及预测结果
本发明影响因素数据和预测数据收集容易,且可以根据现场情况收集数据,当条件有限时,只需收集基本影响数据即可,利用数学方法建立预测数据模型,采用易收集的样本数据预测和评价单井重复压裂效果,开发成本低,应用前景广阔。且与现有技术相比,本发明计算方法简便,不需考虑油气藏地质和压裂工程属性之间复杂的相互作用及其对单井重复压裂效果的耦合影响。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (1)
1.一种基于多因素影响下的单井重复压裂效果预测方法,其特征在于,包括:
采集单井重复压裂效果的影响因素数据;
基于Meyer软件模拟,采集单井重复压裂效果的预测数据;
将若干所述影响因素数据序列和预测数据序列分别进行若干次累加,分别得到单调上升且具有指数特征的累加影响因素数据序列和累加预测数据序列;
根据所述累加影响因素数据序列和累加预测数据序列,基于灰色理论、数值微分法和最小二乘法构建预测数据模型:
X(J)(nk+1)=A1X(J)(nk)+BU(J)(nk+1)
其中,X(J)(nk+1)为k+1时刻压裂效果输出,X(J)(nk)为k时刻压裂效果输出值,A1为n乘n阶矩阵,B为m乘n阶矩阵,U(J)(nk+1)为k+1时刻压裂效果影响因素的输入值,nk+1表示第k+1个影响因素数据或者预测数据,nk表示第k个影响因素数据或者预测数据;
采集所述影响因素数据包括渗透率、孔隙度、地层压力、剩余油饱和度、单井重复压裂前三十天平均产液量、施工排量、前置液量、携砂液量、支撑剂量、无因次导流能力、储层厚度、储隔层地应力差、储层杨氏模量和隔层杨氏模量;
累加后的所述影响因素数据序列和预测数据序列为:
其中,xi (J)(nk)为累加J次后的预测数据序列,ul (J)(nk)为累加J次后的预测数据序列,nk为第k个影响因素数据或者预测数据,s为单位,i=1,2,…,I;k=1,2,…,K;l=1,2,…,L;
构建所述预测数据模型的方法为:
基于灰色理论,构建累加后的所述影响因素数据序列和预测数据序列的微分模拟模型:
X(J)(n1)=X(1)
的第i个方程(i=1,2,...,I),根据n=nk并基于最小二乘法进行参数aij(i=1,2,...,I;j=1,2,...,I)和bij(i=1,2,...,I;j=1,2,...,L)的估计,得到:
所述预测数据模型需满足如下条件:
当1-(预测数据的实际值与预测数据的差的绝对值)/预测数据的实际值≥95%时,则预测数据模型满足条件;否则,需要重新利用最小二乘法进行参数aij和bij的估算,直至构建的预测数据模型满足条件;
采集所述预测数据包括单井重复压裂后裂缝面积和单井三十天平均产液量;
所述影响因素数据和预测数据采集于至少五个完整单井重复压裂的数据,且预测数据个数为2-10个,影响因素数据个数为5-50个,影响因素数据个数大于预测数据个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810658957.3A CN108843296B (zh) | 2018-06-25 | 2018-06-25 | 一种基于多因素影响下的单井重复压裂效果预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810658957.3A CN108843296B (zh) | 2018-06-25 | 2018-06-25 | 一种基于多因素影响下的单井重复压裂效果预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108843296A CN108843296A (zh) | 2018-11-20 |
CN108843296B true CN108843296B (zh) | 2021-05-18 |
Family
ID=64203231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810658957.3A Active CN108843296B (zh) | 2018-06-25 | 2018-06-25 | 一种基于多因素影响下的单井重复压裂效果预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108843296B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011626B (zh) * | 2019-12-19 | 2024-08-02 | 北京国双科技有限公司 | 地层压力预测模型的构建方法、地层压力预测方法和装置 |
CN113833446B (zh) * | 2020-06-23 | 2023-08-22 | 中国石油天然气股份有限公司 | 一种压裂效果评价方法及装置 |
CN112112618A (zh) * | 2020-09-02 | 2020-12-22 | 重庆地质矿产研究院 | 一种基于流程化的压裂选井选层方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2644213C (en) * | 2003-03-18 | 2013-10-15 | Bj Services Company | Method of treating subterranean formations using mixed density proppants or sequential proppant stages |
CN101295374A (zh) * | 2007-04-28 | 2008-10-29 | 中国石油天然气股份有限公司 | 一种多因素影响下的油田开发动态定量方法 |
CN104018831B (zh) * | 2014-06-24 | 2016-04-20 | 西南石油大学 | 一种压裂井储层评价方法 |
CN106437662B (zh) * | 2016-10-26 | 2019-03-29 | 东方宝麟科技发展(北京)有限公司 | 一种适用于深层页岩气水平井的混合暂堵体积压裂方法 |
CN106703776B (zh) * | 2016-12-23 | 2020-04-21 | 西南石油大学 | 压裂参数优选方法 |
CN106845043A (zh) * | 2017-04-07 | 2017-06-13 | 东方宝麟科技发展(北京)有限公司 | 一种页岩气水平井重复压裂工艺流程及设计方法 |
CN106918841B (zh) * | 2017-05-05 | 2018-12-07 | 中国石油天然气集团有限公司 | 一种基于多因素综合的微地震压裂裂缝分析方法 |
-
2018
- 2018-06-25 CN CN201810658957.3A patent/CN108843296B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108843296A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400006B (zh) | 基于深度学习算法的油井产量预测方法 | |
CN109543828B (zh) | 一种基于小样本条件下的吸水剖面预测方法 | |
CN111062129B (zh) | 页岩油复杂缝网离散裂缝连续介质混合数值模拟方法 | |
CN108843296B (zh) | 一种基于多因素影响下的单井重复压裂效果预测方法 | |
US11308413B2 (en) | Intelligent optimization of flow control devices | |
CN104899411B (zh) | 一种储层产能预测模型建立方法和系统 | |
CN111062165B (zh) | 一种考虑非线性流的嵌入式离散裂缝模拟方法及系统 | |
CN106226813B (zh) | 基于微地震的压裂缝网重构方法及装置 | |
CN110952978A (zh) | 一种基于神经网络数据挖掘的钻井漏失裂缝宽度预测方法 | |
CN106897544B (zh) | 对来自压裂的非常规地层的油气生产进行建模的方法 | |
CN108573078A (zh) | 基于数据挖掘的压裂效果预测方法 | |
CN112016212B (zh) | 一种基于渗流控制方程的储层纵向非均质性评价方法 | |
CN113792479B (zh) | 一种基于物理约束的煤层气藏压裂效果评价方法 | |
CN113988479A (zh) | 基于动静态信息特征融合神经网络的抽油井多井动液面深度预测方法 | |
CN116362121A (zh) | 水平井压裂的裂缝参数确定方法及装置 | |
CN115526114B (zh) | 基于集合卡尔曼滤波法的水力裂缝形态反演方法及系统 | |
CN116976146B (zh) | 耦合物理驱动和数据驱动的压裂井产量预测方法与系统 | |
CN107704646B (zh) | 一种致密储层体积改造后的建模方法 | |
CN113503158A (zh) | 页岩气储层焖井时间与产量关系的预测分析方法 | |
CN108573076B (zh) | 一种页岩气压裂施工事故的预测方法 | |
CN110894788B (zh) | 基于油藏产量预测数据的油藏开发方式确定方法及装置 | |
CN110486008B (zh) | 一种径向复合油藏的参数解释方法及系统 | |
CN113723706B (zh) | 页岩气井重复压裂产能预测方法、装置、终端及存储介质 | |
CN115126459A (zh) | 水力裂缝高度的处理方法和装置 | |
CN113627069A (zh) | 针对缝洞型油藏油气井的试井动态产量评价方法及系统 |
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 |