CN109829217A - 压裂性裂缝油藏产能模拟方法及装置 - Google Patents

Abstract

本发明提供一种压裂性裂缝油藏产能模拟方法及装置，该方法包括：根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。本发明可以模拟压裂性裂缝油藏产能，计算量小、精度高。

Description

压裂性裂缝油藏产能模拟方法及装置

技术领域

本发明涉及油气开采领域，尤其涉及一种压裂性裂缝油藏产能模拟方法及装置。

背景技术

目前应用于裂缝性油藏开发的主要物理模型包括单重孔隙介质模型、双重孔隙介质模型以及离散裂缝网络模型。单重孔隙介质模型以等效渗透率为基础，用连续介质方法描述渗流问题，该模型利用有效多孔介质近似代替基质和裂缝系统，通过一系列参数将流体在有效多孔介质中的流动计算简化为单孔介质中流体流动的计算过程，该模型可用于描述页岩气藏，模型简单，且计算速度快，适用于裂缝网络发育且裂缝均匀分布的多孔介质油藏，但是很难准确描述页岩气藏中复杂的裂缝系统中裂缝特征及其分布。

双重孔隙介质模型在裂缝性油藏数值模拟中的应用最为广泛，与单重孔隙介质模型相比，它将孔隙单独用一套网格系统进行刻画，模型具有裂缝和基质两套网格系统并且分别赋值。双重孔隙介质模型通过调整窜流函数和形状因子来准确的刻画页岩气藏特征。但是窜流系数和形状因子对网格尺寸比较敏感，模拟的准确性必须以计算量的增加为代价。而局部网格加密的双重孔隙介质模型，可以解决准确刻画油藏时计算量大的问题。虽然双重孔隙介质模型考虑了裂缝系统和基岩系统间的流体交换，比较符合实际，但是基质和裂缝网格的分布特点导致其仅适用于裂缝发育程度高的储层，当存在数条控制着流体方向和规模的大裂缝时，其计算结果往往误差较大。

离散裂缝网络模型通过一系列指定网格代表裂缝，裂缝离散分布在模型中，利用相邻网格间的传导率控制基质和裂缝系统之间的流体流动。离散裂缝网格模型能够保证模型中裂缝几何形状和性质与实际储层保持一致，进而准确预测流体在裂缝中的流动特征。现有的离散裂缝数值模型虽然能够准确刻画裂缝，但受目前计算机硬件和数值模拟技术的制约，无法应用于工业性的油藏。

为解决单重孔隙介质模型、双重孔隙介质模型以及离散裂缝网络模型存在的问题，目前还提出其他一些方法，如复杂裂缝性油藏流动模拟方法、基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法和储层裂缝预测方法等。复杂裂缝性油藏流动模拟方法，采用双重介质模型模拟微裂缝，采用嵌入式离散裂缝模型模拟大裂缝，并通过大裂缝与微裂缝间的窜流函数，实现嵌入式离散裂缝模型和双重介质模型之间的耦合，建立了嵌入式离散裂缝-双重介质耦合模型来模拟裂缝性油藏的流动，能精确描述裂缝内流体流动，采用多尺度模拟有限差分法对嵌入式离散裂缝-双重介质耦合模型进行求解，仅需进行宏观大尺度计算，通过多尺度基函数来刻画小尺度裂缝精细流通特征，在保证计算精度的同时大幅度减少了计算量，增加了计算速度，实现了模拟精度高计算量少的裂缝性油藏流动的模拟。该方法虽然能够准确模拟裂缝，但是油藏中裂缝数目众多，在精确描述裂缝的同时，增加前期拟合裂缝的难度，使用传统的人工拟合方法效率极其低下。

基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法，包括：步骤1：初始化油藏模型的集合，集合包括静态参数、动态参数以及油井生产数据；步骤2：将静态参数中的渗透率进行超球体变换，并构造新的状态向量集合；步骤3：将新的状态向量集合中的每个状态向量输入到油藏模拟器中进行预测获得状态预测值，每个状态向量及其状态预测值构成预测集合；步骤4：根据预测集合计算卡尔曼增益矩阵；步骤5：根据预测集合、卡尔曼增益矩阵以及测量的油井生产数据对预测集合进行更新，获得更新后的静态参数、动态参数以及油井生产数据。利用本发明能够提高油藏历历史拟合精度的准确性和减少人工历史拟合的盲目性。该方法虽然能提高常规油藏历史拟合精度和效率，但是针对压裂性油藏裂缝大量发育的特征，该方法无法直接应用于裂缝性油藏的数值模拟。

储层裂缝预测方法采用离散裂缝模型模拟裂缝，因为裂缝几何形态复杂，需采用非结构化网格技术，其剖分过程非常复杂和繁琐，尤其当裂缝间距离或夹角很小时，常常因网格划分质量差导致计算困难。因此，该方法能够准确刻画裂缝，但是操作复杂，技术难度大；并且受目前计算机硬件和数值模拟技术的制约，无法应用于工业性的油藏。

综上所述，复杂裂缝性油藏流动模拟方法虽然能够准确模拟裂缝，进而模拟油藏产能，但是油藏中裂缝数目众多，在精确描述裂缝的同时，增加前期拟合裂缝的难度，使用传统的人工拟合方法效率极其低下；基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法无法直接应用于裂缝性油藏的数值模拟；储层裂缝预测方法的计算量过于庞大。

发明内容

本发明实施例提供一种压裂性裂缝油藏产能模拟方法，用以模拟压裂性裂缝油藏产能，计算量小、精度高，该方法包括：

根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；

根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；

根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；

将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。

本发明实施例提供一种压裂性裂缝油藏产能模拟装置，用以模拟压裂性裂缝油藏产能，计算量小、精度高，该装置包括：

嵌入式离散裂缝数值模拟模型获得模块，用于根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；

产能参数模拟值获得模块，用于根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；

更新模块，用于根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；

迭代模块，用于将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。

本发明实施例还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述压裂性裂缝油藏产能模拟方法。

本发明实施例还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述压裂性裂缝油藏产能模拟方法的计算机程序。

在本发明实施例中，根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。本发明实施例通过建立多个嵌入式离散裂缝数值模拟模型，最后获得油藏的多组产能参数模拟值，而所述嵌入式离散裂缝数值模拟模型是将裂缝网格数值模型嵌入基岩网格系统数值模型后所形成的模型，不需要采用非结构化网格技术，因此大大降低了网格划分的复杂度，计算量小，效率高；通过在预设迭代次数下的多次历史拟合，不断更新裂缝参数的多组特征值，以提高产能预测计算精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。在附图中：

图1为本发明实施例中压裂性裂缝油藏产能模拟方法的流程图；

图2为本发明实施例中一个实际生产油藏；

图3和图4分别为采用本发明提出的方法之前和之后的基质渗透率；

图5和图6为采用本发明提出的方法之前和之后的主裂缝导流能力；

图7和图8为采用本发明提出的方法之前和之后的主裂缝半长；

图9和图10为采用本发明提出的方法之前和之后的主裂缝倾角；

图11和图12为采用本发明提出的方法之前和之后的次级裂缝半长；

图13和图14为采用本发明提出的方法之前和之后的次级裂缝条数；

图15和图16为采用本发明提出的方法之前和之后的次级裂缝倾角；

图17和图18为采用本发明提出的方法之前和之后的油藏的产能速度对比图；

图19和图20为采用本发明提出的方法之前和之后的油藏的累积产能量对比图；

图21为本发明实施例中压裂性裂缝油藏产能模拟装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

图1为本发明实施例中压裂性裂缝油藏产能模拟方法的流程图，如图1所示，该方法包括：

步骤101，根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；

步骤102，根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；

步骤103，根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；

步骤104，将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。

在本发明实施例中，通过建立多个嵌入式离散裂缝数值模拟模型，最后获得油藏的多组产能参数模拟值，而所述嵌入式离散裂缝数值模拟模型是将裂缝网格数值模型嵌入基岩系统数值模型后所形成的模型，不需要采用非结构化网格技术，因此大大降低了网格划分的复杂度，计算量小，效率高；通过在预设迭代次数下的多次历史拟合，不断更新裂缝参数的多组特征值，以提高计算精度，精确压裂性裂缝油藏产能。

在一实施例中，油藏储层构造特性参数包含储层边界与尺度描述、厚度与范围、含气层位、断层位置、水体描述等；油藏储层属性特征参数包含储层中孔隙度、渗透率、饱和度、温度、压力分布参数、储层有效厚度、断层传导率、岩石流体压缩系数、流体物性参数、裂缝相关属性参数等；数值离散求解格式参数则指数值模型求解过程中的各类控制参数，如收敛控制参数、迭代控制参数等。

在一实施例中，根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型，可以包括：

根据油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立基岩系统数值模型；

根据裂缝参数的多组初始特征值，建立多个裂缝网格数值模型；

根据基岩系统数值模型和多个裂缝网格数值模型，建立多个嵌入式离散裂缝数值模拟模型。

具体实施时，首先根据油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立基岩系统数值模型，其中，基岩系统数值模型中任一组分c的质量守恒公式为：

其中，为累积项；

m_c为单位体积中组分c的摩尔数；

x_c,P为组分c在P(P＝w,g)相中的摩尔分数组分c在气相中的摩尔分数；

为组分c的吸附量；

是P(P＝w,g)相流动速率。

遵循达西定理，可以采用如下公式获得：

其中，为压力梯；

ρ_P为摩尔密度；

k_rP为相对渗透率；

μ_P为相粘度；

为流度。

然后根据裂缝参数的多组初始特征值，建立多个裂缝网格数值模型，离散裂缝模拟模型中任一组分c的质量守恒公式为：

其中，为累积项；

m_c为单位体积中组分c的摩尔数；

x_c,P为组分c在P(P＝w,g,o)相中的摩尔分数；

为P(P＝w,g,o)相流动速率；

为采注井附近组分c在P(P＝w,g,o)相的流动速率；

为组分c在不相邻联通间窜流的流动速率，计算公式为:

其中，N_nnc为单个网格包含的不相邻联通个数；

N_p为流体相态个数；

为不相邻联通网格之间窜流的可能性；

k_rj为相对渗透率；

μ_j为相粘度、x_c,j为组分c在P相中的摩尔分数；

q_j为P相流体的流动速率；

A_nnc为窜流面积；

k_nnc为渗透率调和平均值；

d_nnc为特征距离。

根据窜流面积A_nnc、渗透率调和平均值k_nnc和特征距离d_nnc，采用如下公式定义不相邻联通(NNC)网格间的传导系数：

a＝(A^nnc×k^nnc)/d^nnc (5)

其中a为不相邻联通(NNC)网格间的传导系数。

最后，根据基岩系统数值模型和多个裂缝网格数值模型，建立多个嵌入式离散裂缝数值模拟模型。

在一实施例中，在建立多个嵌入式离散裂缝数值模拟模型之前，还可以包括：

根据储层的测井数据、试井数据和微地震数据，获得裂缝参数的范围；

根据裂缝参数的范围，获得裂缝参数的多组初始特征值；

对裂缝参数的多组初始特征值进行标准化处理，获得对应的标准格式文件；

根据裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型，可以包括：

根据裂缝参数的多组初始特征值的标准格式文件、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型。

在一实施例中，可以采用拉丁超立方抽样方法，根据裂缝参数的范围，获得裂缝参数的多组初始特征值。

在一实施例中，在根据裂缝的多组初始特征参数、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型之前，还可以包括：

获得裂缝的渗透率数据；

根据裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型，可以包括：

根据裂缝的渗透率数据、裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型。

裂缝的渗透率数据包括油藏渗流系统中的SRV区域、天然裂缝和人工压裂缝的渗透率，其中，可以分别采用等效渗透率方法获得油藏渗流系统中的SRV区域的渗透率，采用设置高渗区的方法获得天然裂缝的渗透率，采用嵌入式离散裂缝方法获得人工压裂缝的渗透率。

另外，在根据裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型之前，还可以包括：

对油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数进行标准化处理，获得对应的标准化文件；

根据裂缝的多组初始特征参数，油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数对应的标准化文件，获得多个嵌入式离散裂缝数值模拟模型。

具体实施时，根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值，可以包括：

将建立好的多个嵌入式离散裂缝数值模拟模型，在一定的井工作制度(井的生产工作状况)下，采用如下公式表达的信号与噪声的状态空间模型进行生产历史数据模拟：

y^p＝F[y]+v_w (6)

其中，y为状态向量；

y^p为生产历史数据模拟后的状态向量；

F为对状态向量进行计算的函数；

v_w为过程噪声。

状态向量y可以定义为如下公式：

y＝[m_s,m_p,d]^T (7)

其中：m_s为N_m维静态参数向量；m_p为N_p维动态参数向量；d为N_d维油藏的产能参数模拟值向量；状态向量y的维数为Ny＝N_m+N_p+N_d。静态参数是指在传统历史拟合油藏模拟过程中不随时间变化的参数。动态参数包括流动模拟的基本变量。例如，裂缝参数为静态参数，多组裂缝参数即形成了多维静态参数向量。

根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值，可以包括：

根据油藏的多组产能参数模拟值和裂缝参数的多组初始特征值，获得卡尔曼增益；

根据卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得裂缝参数的多组特征值。

在一实施例中，根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值，可以包括：

根据油藏的实际产能参数和油藏的多组产能参数模拟值，获得卡尔曼增益；

根据卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得更新后的裂缝参数的多组特征值。

在一实施例中，根据油藏的多组产能参数模拟值和裂缝参数的多组初始特征值，获得卡尔曼增益，可以包括：

将油藏的多组产能参数模拟值，和裂缝参数的多组初始特征值形成状态向量，获得所述状态向量的误差协方差矩阵；

获得油藏的多组产能参数模拟值的误差协方差矩阵；

根据所述状态向量的误差协方差矩阵，和油藏的多组产能参数模拟值的误差协方差矩阵，获得卡尔曼增益。

具体实施时，所述状态向量为前述的生产历史数据模拟后的状态向量y^p；

可以采用如下公式获得所述状态向量的误差协方差矩阵，和油藏的多组产能参数模拟值的误差协方差矩阵：

其中，为N_e个状态向量y^p的均值。

为所述状态向量的误差协方差矩阵；

C_D为油藏的多组产能参数模拟值的误差协方差矩阵。

根据所述状态向量的误差协方差矩阵，和油藏的多组产能参数模拟值的误差协方差矩阵，可以采用如下公式获得卡尔曼增益：

其中，K_e为卡尔曼增益矩阵。

在一实施例中，根据卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得更新后的裂缝参数的多组特征值，可以包括：

获得油藏的实际产能参数；

根据油藏的实际产能参数、卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得更新后的裂缝参数的多组特征值。

具体实施时，采用如下公式，根据油藏的实际产能参数、卡尔曼增益和裂缝参数的多组初始特征参数，采用如下算法获得更新后的裂缝参数的多组特征值：

Ψ^u＝Ψ^P+K_e(D-HΨ^P) (11)

D＝(d₁,d₂,…,d_N) (12)

其中：D为油藏的实际产能参数；

Ψ^P为裂缝参数的多组初始特征参数；

Ψ^u为更新后的裂缝参数的多组特征值。

由于集合卡尔曼滤波算法不需要最优化和敏感系数的计算，所以以上过程可以使用任何油藏模拟器，不必考虑模拟器内部流动方程的编码，且易于并行计算，因此速度快。

在一实施例中，所述裂缝参数包括如下至少之一：

裂缝导流系数、裂缝半长和裂缝倾角。

下面给出一具体实施例，说明本发明的压裂性裂缝油藏产能模拟方法的具体应用。

图2为本发明实施例中一个实际油藏模型，该油藏模型的渗透率为1x10e-4mD，主裂缝导流能力为200μm²·mD，主裂缝半长为175m，主裂缝倾角为90°，次级裂缝半长30m，次级裂缝共6条，次级裂缝倾角为90°。

下面进行压裂性裂缝油藏产能模拟，首先确定裂缝参数的范围，油藏的渗透率范围为(0.5x10e-4，5x10e-4)mD，主裂缝导流能力为(150，300)μm²·mD，主裂缝半长范围为(160，180)m，主裂缝倾角范围为(75°，100°)，次级裂缝半长范围为(20,50)m，次级裂缝倾角范围为(75°，100°)，根据以上裂缝参数的范围，采用拉丁超立方抽样方法，生成裂缝参数的100组初始特征值，对裂缝参数的100组初始特征值进行标准化处理，获得100个标准格式文件。

对油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数进行标准化处理，获得对应的标准化文件，根据以上标准化文件和根据裂缝参数的100组初始特征值对应的标准格式文件，以及渗透率数据，建立100个嵌入式离散裂缝数值模拟模型。

将建立好的100个嵌入式离散裂缝数值模拟模型，在一定的井工作制度(井的生产工作状况)下，采用公式(6)进行生产历史数据模拟，获得油藏的100组产能参数模拟值。

根据油藏的100组产能参数模拟值和裂缝参数的100组初始特征值，采用公式(10)获得卡尔曼增益，根据卡尔曼增益和裂缝参数的100组初始特征参数，采用公式(12)获得更新后的裂缝参数的100组特征值。

预设迭代次数为20次，将更新后的裂缝参数的100组特征值作为裂缝参数的100组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的100组产能参数模拟值，图3-图16为本发明实施例中输出的最新的裂缝参数的100组特征值，其中，图3和图4分别为采用本发明提出的方法之前和之后的基质渗透率，图5和图6为采用本发明提出的方法之前和之后的主裂缝导流能力，图7和图8为采用本发明提出的方法之前和之后的主裂缝半长，图9和图10为采用本发明提出的方法之前和之后的主裂缝倾角，图11和图12为采用本发明提出的方法之前和之后的次级裂缝半长，图13和图14为采用本发明提出的方法之前和之后的次级裂缝条数，图15和图16为采用本发明提出的方法之前和之后的次级裂缝倾角。

如图3-图16所示，裂缝参数的100组特征值的基质渗透率分布在(0.5x10e-4,1.5x10e-4)mD，主裂缝导流能力为(185，215)μm²·mD，主裂缝半长集中在175m附近，主裂缝倾角集中在90°附近，次级裂缝半长集中在30m附近，条数集中在6条附近，可以看到，最后输出的最新的裂缝参数的100组特征值与图2对应的实际生产油藏中的裂缝参数值(图3-图16中的黑色直线)相近，裂缝模拟效果好。

通过以上过程的模拟，最后输出油藏的多组产能参数模拟值，图17和图18为采用本发明提出的方法之前和之后的油藏的产能速度对比图，图19和图20为采用本发明提出的方法之前和之后的油藏的累积产能量对比图，可以看到，采用本发明提出的方法获得的100组产能模拟值更接近实际油藏产能速度和累计产能量(图17-图20中的白色虚线)，本发明提出的压裂性裂缝油藏产能模拟方法效果好，精度高，具有很强实用性。

在本发明实施例中，根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。本发明实施例通过建立多个嵌入式离散裂缝数值模拟模型，最后获得油藏的多组产能参数模拟值，而所述嵌入式离散裂缝数值模拟模型是将裂缝网格数值模型嵌入基岩网格系统数值模型后所形成的模型，不需要采用非结构化网格技术，因此大大降低了网格划分的复杂度，计算量小，效率高；通过在预设迭代次数下的多次历史拟合，不断更新裂缝参数的多组特征值，以提高产能预测计算精度。

另外，采用集合卡尔曼滤波算法进行自动历史拟合，更新裂缝参数的多组特征值，不需要最优化和敏感系数的计算，可使用任何油藏模拟器，而不必考虑模拟器内部流动方程的编码，且易于并行计算，效率高；且采用集合卡尔曼滤波算法进行自动历史拟合的精度更高。

基于同一发明构思，本发明实施例还提供了一种压裂性裂缝油藏产能模拟装置，如下面的实施所述。由于这些解决问题的原理与压裂性裂缝油藏产能模拟方法相似，因此装置的实施可以参见方法的实施，重复之处不在赘述。

图21为本发明实施例中压裂性裂缝油藏产能模拟装置的结构示意图，如图21所示，该装置包括：

嵌入式离散裂缝数值模拟模型获得模块2101，用于根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；

产能参数模拟值获得模块2102，用于根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；

更新模块2103，用于根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；

迭代模块2104，用于将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。

综上所述，在本发明实施例中，根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。本发明实施例通过建立多个嵌入式离散裂缝数值模拟模型，最后获得油藏的多组产能参数模拟值，而所述嵌入式离散裂缝数值模拟模型是将裂缝网格数值模型嵌入基岩网格系统数值模型后所形成的模型，不需要采用非结构化网格技术，因此大大降低了网格划分的复杂度，计算量小，效率高；通过在预设迭代次数下的多次历史拟合，不断更新裂缝参数的多组特征值，以提高产能预测计算精度。

另外，采用集合卡尔曼滤波算法进行自动历史拟合，更新裂缝参数的多组特征值，不需要最优化和敏感系数的计算，可使用任何油藏模拟器，而不必考虑模拟器内部流动方程的编码，且易于并行计算，效率高；且采用集合卡尔曼滤波算法进行自动历史拟合的精度更高。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种压裂性裂缝油藏产能模拟方法，其特征在于，包括：

根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；

根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；

根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；

将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。

2.如权利要求1所述的压裂性裂缝油藏产能模拟方法，其特征在于，根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型，包括：

根据油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立基岩系统数值模型；

根据裂缝参数的多组初始特征值，建立多个裂缝网格数值模型；

根据基岩系统数值模型和多个裂缝网格数值模型，建立多个嵌入式离散裂缝数值模拟模型。

3.如权利要求1所述的压裂性裂缝油藏产能模拟方法，其特征在于，在建立多个嵌入式离散裂缝数值模拟模型之前，还包括：

根据储层的测井数据、试井数据和微地震数据，获得裂缝参数的范围；

根据裂缝参数的范围，获得裂缝参数的多组初始特征值；

对裂缝参数的多组初始特征值进行标准化处理，获得对应的标准格式文件；

根据裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型，包括：

根据裂缝参数的多组初始特征值的标准格式文件、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型。

4.如权利要求1所述的压裂性裂缝油藏产能模拟方法，其特征在于，在根据裂缝的多组初始特征参数、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型之前，还包括：

获得裂缝的渗透率数据；

根据裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型，包括：

根据裂缝的渗透率数据、裂缝参数的多组初始特征值、油藏储层构造特性参数、油藏储层属性特征参数和数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型。

5.如权利要求1所述的压裂性裂缝油藏产能模拟方法，其特征在于，根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值，包括：

根据油藏的多组产能参数模拟值和裂缝参数的多组初始特征值，获得卡尔曼增益；

根据卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得更新后的裂缝参数的多组特征值。

6.如权利要求5所述的压裂性裂缝油藏产能模拟方法，其特征在于，根据油藏的多组产能参数模拟值和裂缝参数的多组初始特征值，获得卡尔曼增益，包括：

将油藏的多组产能参数模拟值，和裂缝参数的多组初始特征值形成状态向量，获得所述状态向量的误差协方差矩阵；

获得油藏的多组产能参数模拟值的误差协方差矩阵；

根据所述状态向量的误差协方差矩阵，和油藏的多组产能参数模拟值的误差协方差矩阵，获得卡尔曼增益。

7.如权利要求5所述的压裂性裂缝油藏产能模拟方法，其特征在于，根据卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得更新后的裂缝参数的多组特征值，包括：

获得油藏的实际产能参数；

根据油藏的实际产能参数、卡尔曼增益和裂缝参数的多组初始特征参数，采用集合卡尔曼滤波算法获得更新后的裂缝参数的多组特征值。

8.如权利要求1所述的压裂性裂缝油藏产能模拟方法，其特征在于，所述裂缝参数包括如下至少之一：

裂缝导流系数、裂缝半长和裂缝倾角。

9.一种压裂性裂缝油藏产能模拟装置，其特征在于，包括：

嵌入式离散裂缝数值模拟模型获得模块，用于根据裂缝参数的多组初始特征值，油藏储层构造特性参数，油藏储层属性特征参数，数值离散求解格式参数，建立多个嵌入式离散裂缝数值模拟模型；

产能参数模拟值获得模块，用于根据多个嵌入式离散裂缝数值模拟模型，获得油藏的多组产能参数模拟值；

更新模块，用于根据油藏的多组产能参数模拟值更新裂缝参数的多组初始特征值，获得更新后的裂缝参数的多组特征值；

迭代模块，用于将更新后的裂缝参数的多组特征值作为裂缝参数的多组初始特征值，重新执行以上步骤，直至重新执行的次数达到预设迭代次数，输出最新的油藏的多组产能参数模拟值。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至8任一所述方法的计算机程序。