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

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

一种基于多因素影响下的单井重复压裂效果预测方法

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)(n_k+1)＝A₁X^(J)(n_k)+BU^(J)(n_k+1)

其中，X^(J)(n_k+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)(n_k+1)为k+1时刻压裂效果影响因素的输入值，n_k+1表示第k+1个影响因素数据或者预测数据，n_k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，x_i ^(J)(n_k)为累加J次后的预测数据序列，u_l ^(J)(n_k)为累加J次后的预测数据序列，n_k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)

其中，

的第i个方程(i＝1,2,...,I)，根据n＝n_k并基于最小二乘法进行参数a_ij(i＝1,2,...,I；j＝1,2,...,I)和b_ij(i＝1,2,...,I；j＝1,2,...,L)的估计，得到：

将

离散得到预测数据模型X^(J)(n_k+1)＝A₁X^(J)(n_k)+BU^(J)(n_k+1)，

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a_ij和b_ij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：

其中，

为预测数据序列，上标0代表原始数据，i为第i项预测指标，本实施例中预测数据为单井重复压裂后三十天产液量和裂缝面积，分别对应x1、x2；nk表示第k个样本。

为影响因素数据序列，上标0代表原始数据，l为第l项影响因素指标。

对

和

分别进行多次的累加，

J为累加次数，直到累加的样本序列

和

具有指数特征。

构建预测数据模型；

基于灰色理论，根据

和

构建微分模拟模型：

X^(J)(n₁)＝X(1)

其中，

的第i个方程(i＝1,2,...,I)，根据n＝n_k并基于最小二乘法进行参数a_ij(i＝1,2,...,I；j＝1,2,...,I)和b_ij(i＝1,2,...,I；j＝1,2,...,L)的估计，得到：

将

离散得到预测数据模型X^(J)(n_k+1)＝A₁X^(J)(n_k)+BU^(J)(n_k+1)，其中

根据该预测数据模型，输入U(n_k+1)的控制值就可预测X(n_k+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a_ij和b_ij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)(n_k+1)＝A₁X^(J)(n_k)+BU^(J)(n_k+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)(n_k+1)＝A₁X^(J)(n_k)+BU^(J)(n_k+1)

其中，X^(J)(n_k+1)为k+1时刻压裂效果输出，X^(J)(n_k)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)(n_k+1)为k+1时刻压裂效果影响因素的输入值，n_k+1表示第k+1个影响因素数据或者预测数据，n_k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，x_i ^(J)(n_k)为累加J次后的预测数据序列，u_l ^(J)(n_k)为累加J次后的预测数据序列，n_k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)

其中，

的第i个方程(i＝1,2,...,I)，根据n＝n_k并基于最小二乘法进行参数a_ij(i＝1,2,...,I；j＝1,2,...,I)和b_ij(i＝1,2,...,I；j＝1,2,...,L)的估计，得到：

将

离散得到预测数据模型X^(J)(n_k+1)＝A₁X^(J)(n_k)+BU^(J)(n_k+1)，

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a_ij和b_ij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。

Images