CN110414048B - 井间连通性分析方法及装置 - Google Patents
井间连通性分析方法及装置 Download PDFInfo
- Publication number
- CN110414048B CN110414048B CN201910547309.5A CN201910547309A CN110414048B CN 110414048 B CN110414048 B CN 110414048B CN 201910547309 A CN201910547309 A CN 201910547309A CN 110414048 B CN110414048 B CN 110414048B
- Authority
- CN
- China
- Prior art keywords
- well
- production
- block
- inter
- production well
- 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 description 40
- 238000004519 manufacturing process Methods 0.000 claims abstract description 228
- 238000002347 injection Methods 0.000 claims abstract description 53
- 239000007924 injection Substances 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 41
- 239000007788 liquid Substances 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 239000000463 material Substances 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 239000000243 solution Substances 0.000 claims description 33
- 241000257303 Hymenoptera Species 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 17
- 235000012907 honey Nutrition 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 8
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 8
- 235000013305 food Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000019637 foraging behavior Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009024 positive feedback mechanism Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 235000020681 well water Nutrition 0.000 description 1
- 239000002349 well water Substances 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
- E21B47/00—Survey of boreholes or wells
-
- 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
- E21B47/06—Measuring temperature or pressure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- Business, Economics & Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种井间连通性分析方法,其包含:步骤一、基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型;步骤二、确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态;步骤三、依据区块内生产井的井底流压情况,结合构建的所述多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。本发明对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了多层井间动态连通性模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数。
Description
技术领域
本发明涉及油气田开发技术领域,具体地说,涉及一种井间连通性分析方法及装置。
背景技术
油田进入高含水期后,由于储层非均质性,注入水在储层中驱替不均衡,形成优势通道,优势通道的存在造成大量注入水低效无效循环,层内矛盾突出,严重影响了水驱开发效果。井间动态连通性可以较好地表征优势通道,目前常用的确定井间动态连通性的方法是基于详细地质数据和准确生产数据所建立的流线数值模拟,虽然结果较为准确,但是费时费力,过程复杂,实际应用较少,现有技术在求解模型过程中待求解参数过多导致计算结果精确度不够。
因此,本发明提供了一种井间连通性分析方法及装置。
发明内容
为解决上述问题,本发明提供了一种井间连通性分析方法,所述方法包含以下步骤:
步骤一、基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型;
步骤二、确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态;
步骤三、依据区块内生产井的井底流压情况,结合构建的所述多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。
根据本发明的一个实施例,所述多层井间动态连通性模型如下所示:
其中,qj表示第j口生产井的预测产液量,qoj表示注采不平衡系数,τj表示时间常数,NI表示区块内注水井的个数,λij表示第i口注水井与第j口生产井之间的井间动态连通系数,I′ij表示第i口注水井向第j口生产井方向的注水量,Np表示区块内生产井的个数,vlj表示第l口生产井对第j口生产井产液量的影响系数,表示第j口生产井的井底流压,Ii表示第i口生产井的注水量,n与m表示时刻,n0表示初始时刻,Δn表示时间间隔。
根据本发明的一个实施例,所述目标函数如下所示:
根据本发明的一个实施例,所述多层井间动态连通性模型的约束条件如下所示:
根据本发明的一个实施例,当区块内生产井处于定压生产状态时,所述多层井间动态连通性模型如下所示:
根据本发明的一个实施例,当区块内生产井不处于定压生产状态时,假定区块内生产井处于定压生产状态,求得井间动态连通系数初始值以及时间常数初始值。
根据本发明的一个实施例,当区块内生产井不处于定压生产状态时,依据所述井间动态连通系数初始值以及所述时间常数初始值,运用人工蜂群算法对所述多层井间动态连通性模型进行求解。
根据本发明的一个实施例,所述步骤二具体包含以下步骤:
确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;
确定区块内生产井的井底流压,当区块内生产井的井底流压变化量超出所述预设范围时,判断区块内生产井不处于定压生产状态。
根据本发明的另一个方面,还提供了一种井间连通性分析装置,所述装置包含:
第一模块,其用于基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型;
第二模块,其用于确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态;
第三模块,其用于依据区块内生产井的井底流压情况,结合构建的所述多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。
根据本发明的一个实施例,所述第二模块配置为:
确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;
确定区块内生产井的井底流压,当区块内生产井的井底流压变化量超出所述预设范围时,判断区块内生产井不处于定压生产状态。
本发明提供的井间连通性分析方法及装置,对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了多层井间动态连通性模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数,经验表明该系数合理表征了油藏井间动态连通程度,本发明建立多层井间动态连通性模型并针对生产井是否定压生产,采用了不同的求解方法,计算时间明显缩短,计算效率得到有效提升。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1显示了根据本发明的一个实施例的井间连通性分析方法流程图;
图2显示了根据本发明的一个实施例的井间连通性分析方法中模型求解流程图;
图3显示了一种人工蜂群算法求解流程图;以及
图4显示了根据本发明的一个实施例的井间连通性分析装置结构框图。
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,以下结合附图对本发明实施例作进一步地详细说明。
图1显示了根据本发明的一个实施例的井间连通性分析方法流程图。如图1所示,在步骤S101中,基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型。
具体来说,多层井间动态连通性模型如下所示:
其中,qj表示第j口生产井的预测产液量,qoj表示注采不平衡系数,τj表示时间常数,NI表示区块内注水井的个数,λij表示第i口注水井与第j口生产井之间的井间动态连通系数,I′ij表示第i口注水井向第j口生产井方向的注水量,Np表示区块内生产井的个数,vlj表示第l口生产井对第j口生产井产液量的影响系数,表示第j口生产井的井底流压,Ii表示第i口生产井的注水量,n与m表示时刻,n0表示初始时刻,Δn表示时间间隔。
多层井间动态连通性模型的目标函数如下所示:
多层井间动态连通性模型的约束条件如下所示:
然后,在步骤S102中,确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态。
具体来说,确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;当区块内生产井的井底流压变化量超出预设范围时,判断区块内生产井不处于定压生产状态。
最后,在步骤S103中,依据区块内生产井的井底流压情况,结合构建的多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。
具体来说,当区块内生产井处于定压生产状态时,多层井间动态连通性模型如下所示:
在一个实施例中,当区块内生产井不处于定压生产状态时,假定区块内生产井处于定压生产状态,求得井间动态连通系数初始值以及时间常数初始值。
在一个实施例中,当区块内生产井不处于定压生产状态时,依据井间动态连通系数初始值以及时间常数初始值,运用人工蜂群算法对多层井间动态连通性模型进行求解。
如图1所示的方法,将注水井、生产井及注采间储层看成一个完整的系统,注入水相当于系统的输入,产液量相当于输出,基于物质平衡与叠加理论,通过两个未知参数(井间动态连通系数和时间常数)将生产井产液量与注水井注水量联系起来,以实际产液量与预测产液量差的平方和最小为目标函数,通过优化算法的求解,最终得到注采井间的动态连通系数与时间常数。
注采井间的动态连通系数表征的是通过注水井的注水向周围相邻各生产井方向流动的比例。类似于电子电路的原理,时间常数相当于电路中的电容,与生产井的控制体积、产液系数及地层的综合弹性压缩系数有关,同时受地层流体粘度和储层地质状况的影响。
对多层井间动态连通性模型进行求解,是典型的非线性优化问题,并且模型中待求未知参数的个数与注采井数目呈线性关系,这给模型求解工作带来一些麻烦,当注采井数目过多时,用优化算法进行求解的过程中,模型很容易陷入最优解,需要运用新的求解方法对模型进行求解。
图2显示了根据本发明的一个实施例的井间连通性分析方法中模型求解流程图。
首先,在步骤S201中,判断是否处于定压生产状态。具体来说,在步骤S201中,判断区块内生产井是否处于定压生产状态。
优选地,判断的标准可以如下所示:
确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;
确定区块内生产井的井底流压,当区块内生产井的井底流压变化量超出所述预设范围时,判断区块内生产井不处于定压生产状态。
然后,当区块内生产井处于定压生产状态时,进入步骤S203,简化模型进行求解。
根据多层井间动态连通性模型公式(1)可知,在任意时刻任何生产井的产液量都有四部分组成:第1部分是注采不平衡系数,表征注采不平衡时对产液量的影响,当值为0时表示注采平衡;第2部分是生产井初始产液量对后续生产的影响;第3部分是与该生产井相连通注水井注水量的影响;第4部分是周围生产井井底流压变化对该生产井产液量的影响。
在求解模型的过程中,现有技术利用水驱特征曲线求解单井孔隙体积,再根据已知的采液指数与综合压缩系数,直接求解连通系数,思路清晰,方法简单,但是根据经验公式得到的单井孔隙体积误差很大,直接导致最终连通系数准确性较差。鉴于目前求解过程中待求参数较多并难以获取,容易陷入局部最优解等问题,根据生产井是否定压生产分别利用不同的求解方法对模型进行求解。
当生产井定压生产或者井底流压变化很小时,第4项接近于零,此时等式右侧只剩下三个部分并且只有井间动态连通系数与时间常数两种未知参数,经过分析发现,当时间常数已知时,产液量与初始产液量影响的差值与注采不平衡系数、周围注水井注水量的影响及连通系数构成线性关系,此时可将模型简化为以下公式:
记上式等号左边项为y(t)整理成矩阵形式为:
上式可写成Ax=b,模型中的未知参数有连通系数f与时间常数τ,连通系数f仅在x中,时间常数τ在A,b中,当时间常数已知时A,b为定值,此时最小二乘解x=(AHA)-1ATb即是井间连通系数。所以利用优化算法仅优化时间常数,在优化的过程中利用最小二乘法直接求解井间连通系数,当实际产液量与预测产液量差的平方和最小时,此时的得到的f就是井间的动态连通系数。极大的缩小了模型中未知参数的数目,提高了模型计算的速度与精度。
当区块内生产井不处于定压生产状态时,进入步骤S202,进行初始值求解。具体来说,当生产井井底流压变化时,多层井间动态连通性模型是非线性方程,此时不能直接利用步骤S203中的最小二乘法进行求解,需要将模型中所有的待求参数(井间动态连通系数,时间常数及井底流压互相影响系数)进行优化求解。为了降低模型求解难度同时提高求解精度与速度,给定恰当的初始值。先假定生产井井底流压不变,用步骤S203中的方法求解得到井间动态连通系数与时间常数,以此作为求解井底流压变化(生产井不处于定压生产状态)的多层井间动态连通性模型的初始值。
然后,在步骤S204中,运用人工蜂群算法求解。人工蜂群算法(ArtificalBeeColony)是一种元启发式智能算法,用来求解数值优化问题,相比其他优化算法,蜂群算法因其劳动分工与协作机制而具有强大的全局寻优能力,因蜜蜂之间的正反馈机制而加快了全局寻优的进程。该算法受蜜蜂觅食行为的启发,在求解多解性问题的过程中,引入三种蜜蜂:采蜜蜂、观察蜂、侦察蜂,并将空间内的各种可能解当作食物源,以适应度函数来衡量可能解质量的高低,采蜜蜂同特定的食物源相关联,能记住最佳食物源的位置,并且可以进行邻域搜索;观察蜂在蜂巢内通过与采蜜蜂的信息交流来选择某个食物源;侦察蜂的作用是在特定条件下随机搜索食物源,找到一个新的位置,其主要的求解步骤如图3所示。图3显示了一种人工蜂群算法求解流程图。
人工蜂群算法鲁棒性强,是针对于非线性目标函数的一种优化算法,其具体优化原理如下:在本发明中,假设多层井间动态连通性模型公式(1)中的解空间是D维的,标准的人工蜂群算法会将优化问题的求解过程看成是在D维空间中进行搜索。每个蜜源的位置代表问题的一个可能解,蜜源的花蜜量对应于相应解的适应度。一个采蜜蜂与一个蜜源是相对应的。将新生成的可能解Xi'={xi1',xi2',...,xiD'}与原来的解Xi={xi1,xi2,...,xiD}作比较,并采用贪婪算法选择策略保留较好的解,每一个观察蜂依据概率选择一个蜜源,概率公式为:
其中,fiti是可能解Xi的适应值。对于被选择的适应解,根据上述概率公式搜寻新的可能解,当所有的采蜜蜂和观察蜂都搜寻完整个搜索空间时,如果一个蜜源(解)的适应值在给定的步骤内没有被提高,则放弃该蜜源(解),而与该蜜源对应的采蜜蜂变成侦查蜂,侦查蜂通过以下公式搜索新的可能解:
对于井底流压变化(生产井不处于定压生产状态)条件下,多层井间动态连通性模型的求解属于多目标优化问题,当实际产液量与预测产液量差的平方和最小时,此时的井间动态连通系数与时间常数就是最优解下所求的参数值。因此,优化算法的优劣直接决定了所求参数的大小,而人工蜂群算法具备稳定性,精确性,以及鲁棒性强的特点。
最后,在步骤S205中,得到结果。具体来说得到需要求解的时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。
图4显示了根据本发明的一个实施例的井间连通性分析装置结构框图。如图4所示,井间连通性分析装置包含第一模块401、第二模块402以及第三模块403。
其中,第一模块401用于基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型。
第二模块402用于确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态。
第三模块403用于依据区块内生产井的井底流压情况,结合构建的多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。
其中,第二模块402配置为:
确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;
确定区块内生产井的井底流压,当区块内生产井的井底流压变化量超出所述预设范围时,判断区块内生产井不处于定压生产状态。
综上,本发明提供的井间连通性分析方法及装置,对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了多层井间动态连通性模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数,经验表明该系数合理表征了油藏井间动态连通程度,本发明建立多层井间动态连通性模型并针对生产井是否定压生产,采用了不同的求解方法,计算时间明显缩短,计算效率得到有效提升。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (7)
1.一种井间连通性分析方法,其特征在于,针对生产井是否定压生产,采用不同的求解方法,以缩短计算时间并提升计算效率,所述方法包含以下步骤:
步骤一、基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型;
步骤二、确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态;
步骤三、依据区块内生产井的井底流压情况,结合构建的所述多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数;
当区块内生产井处于定压生产状态时,所述多层井间动态连通性模型如下所示:
记上式等号左边项为y(t)整理成矩阵形式为:
上式写成Ax=b,模型中的未知参数有连通系数f与时间常数τ,连通系数f仅在x中,时间常数τ在A,b中,当时间常数已知时A,b为定值,此时最小二乘解x=(AHA)-1ATb即是井间连通系数,所以利用优化算法仅优化时间常数,在优化的过程中利用最小二乘法直接求解井间连通系数,当实际产液量与预测产液量差的平方和最小时,此时得到的f就是井间的动态连通系数;
其中,qj表示第j口生产井的预测产液量,qoj表示注采不平衡系数,τj表示时间常数,NI表示区块内注水井的个数,λij表示第i口注水井与第j口生产井之间的井间动态连通系数,Ii表示第i口注水井的注水量,n与m表示时刻,n0表示初始时刻,表示第NI口注水井在tn时刻的注水量,/>表示第NI口注水井与第j口生产井之间的连通系数,Δn表示时间间隔;
当区块内生产井不处于定压生产状态时,假定区块内生产井处于定压生产状态,求得井间动态连通系数初始值以及时间常数初始值,依据所述井间动态连通系数初始值以及所述时间常数初始值,运用人工蜂群算法对所述多层井间动态连通性模型进行求解,假设多层井间动态连通性模型中的解空间是D维的,人工蜂群算法会将非线性优化问题的求解过程看成是在D维空间中进行搜索,每个蜜源的位置代表问题的一个可能解,蜜源的花蜜量对应于相应解的适应度,一个采蜜蜂与一个蜜源是相对应的,将新生成的可能解与原来的解作比较,并采用贪婪算法选择策略保留较好的解,每一个观察蜂依据概率选择一个蜜源,概率公式为:
其中,fiti是可能解Xi的适应值,对于被选择的适应解,根据上述概率公式搜寻新的可能解,当所有的采蜜蜂和观察蜂都搜寻完整个搜索空间时,如果一个蜜源的适应值在给定的步骤内没有被提高,则放弃该蜜源,而与该蜜源对应的采蜜蜂变成侦查蜂,侦查蜂通过以下公式搜索新的可能解:
5.如权利要求1-4中任一项所述的方法,其特征在于,所述步骤二具体包含以下步骤:
确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;
确定区块内生产井的井底流压,当区块内生产井的井底流压变化量超出所述预设范围时,判断区块内生产井不处于定压生产状态。
6.一种井间连通性分析装置,其特征在于,执行如权利要求1-5中任一项所述的方法,所述装置包含:
第一模块,其用于基于物质平衡与叠加理论,构建以区块内生产井预测产液量与实际产液量之差的平方和最小为目标函数的多层井间动态连通性模型;
第二模块,其用于确定区块内生产井的井底流压,判断区块内生产井是否处于定压生产状态;
第三模块,其用于依据区块内生产井的井底流压情况,结合构建的所述多层井间动态连通性模型,计算得到时间常数以及区块内注水井与区块内生产井之间的井间动态连通系数。
7.如权利要求6所述的装置,其特征在于,所述第二模块配置为:
确定区块内生产井的井底流压,当区块内生产井的井底流压不变或变化量在预设范围内时,判断区块内生产井处于定压生产状态;
确定区块内生产井的井底流压,当区块内生产井的井底流压变化量超出所述预设范围时,判断区块内生产井不处于定压生产状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547309.5A CN110414048B (zh) | 2019-06-24 | 2019-06-24 | 井间连通性分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547309.5A CN110414048B (zh) | 2019-06-24 | 2019-06-24 | 井间连通性分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110414048A CN110414048A (zh) | 2019-11-05 |
CN110414048B true CN110414048B (zh) | 2023-06-20 |
Family
ID=68359522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910547309.5A Active CN110414048B (zh) | 2019-06-24 | 2019-06-24 | 井间连通性分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414048B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111753423B (zh) * | 2020-06-24 | 2022-07-12 | 厦门大学 | 一种基于XGBoost的井间动态连通性量化方法 |
CN112901145B (zh) * | 2021-03-19 | 2022-04-26 | 大庆油田有限责任公司 | 一种用于分析油水井间注采关系的体积能量方法 |
CN112800689B (zh) * | 2021-04-08 | 2021-06-18 | 中国石油大学(华东) | 一种基于人工蜂群算法的控压钻井井身结构设计方法 |
CN114991746B (zh) * | 2021-11-23 | 2024-01-19 | 中国石油天然气集团有限公司 | 一种钻井工况智能标定方法和系统 |
CN114233271A (zh) * | 2021-12-16 | 2022-03-25 | 中国石油天然气集团有限公司 | 预测压裂施工过程井间连通的方法以及防止压窜的方法 |
CN117684929A (zh) * | 2022-12-14 | 2024-03-12 | 中国科学院沈阳自动化研究所 | 一种基于井间连通性的油水井系统能耗全局优化控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101725346A (zh) * | 2009-12-15 | 2010-06-09 | 中国石油大学(华东) | 油藏井间动态连通性反演方法 |
EP2990595A3 (en) * | 2014-08-22 | 2016-06-15 | Chevron U.S.A. Inc. | Flooding analysis tool and method thereof |
CN108984886A (zh) * | 2018-07-06 | 2018-12-11 | 中国石油大学(华东) | 一种反演多层油藏井间动态连通性的方法 |
-
2019
- 2019-06-24 CN CN201910547309.5A patent/CN110414048B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101725346A (zh) * | 2009-12-15 | 2010-06-09 | 中国石油大学(华东) | 油藏井间动态连通性反演方法 |
EP2990595A3 (en) * | 2014-08-22 | 2016-06-15 | Chevron U.S.A. Inc. | Flooding analysis tool and method thereof |
CN108984886A (zh) * | 2018-07-06 | 2018-12-11 | 中国石油大学(华东) | 一种反演多层油藏井间动态连通性的方法 |
Non-Patent Citations (3)
Title |
---|
井间连通性分析模型及其应用研究;苏群英;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20150715;第VI、25-30页 * |
基于多种群遗传算法的"双高"水驱井间动态连通性评价;董立军等;《2018油气田勘探与开发国际会议(IFEDC 2018)论文集》;20180930;第4-6页 * |
苏群英.井间连通性分析模型及其应用研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》.2015,第VI、25-30页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110414048A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414048B (zh) | 井间连通性分析方法及装置 | |
CN107273490B (zh) | 一种基于知识图谱的组合错题推荐方法 | |
CN105626009B (zh) | 一种缝洞型碳酸盐岩油藏单井注水替油效果定量评价方法 | |
CN111625922B (zh) | 一种基于机器学习代理模型的大规模油藏注采优化方法 | |
Håkanson | Optimal size of predictive models | |
CN101533000B (zh) | 一种构建水体富营养化风险分析模型的方法 | |
CN104700153A (zh) | 基于模拟退火优化BP神经网络的pH值预测方法 | |
CN107480341A (zh) | 一种基于深度学习的大坝安全综合评判方法 | |
CN103606006B (zh) | 基于自组织t‑s模糊神经网络的污泥沉降指数软测量方法 | |
CN110442603A (zh) | 地址匹配方法、装置、计算机设备及存储介质 | |
CN108510187A (zh) | 一种基于大数据的差异化学习系统 | |
CN103577888A (zh) | 一种改进的熵权层次分析法及其应用 | |
CN109948272A (zh) | 基于井间连通性的调堵动态预测方法和系统 | |
CN103995859B (zh) | 一种应用于lbsn网络的基于地理标签的热点区域事件探测系统 | |
CN107590550A (zh) | 有关超低渗透储层油田产能评价及预测的方法 | |
CN104048997B (zh) | 基于多元相空间复杂网络的油水相含率测量及验证方法 | |
CN105869100A (zh) | 一种基于大数据思维的滑坡多场监测数据的融合及预测方法 | |
CN108984886A (zh) | 一种反演多层油藏井间动态连通性的方法 | |
CN108615360B (zh) | 基于神经网络的交通需求逐日演变预测方法 | |
CN104573000A (zh) | 基于排序学习的自动问答装置及方法 | |
CN115526108B (zh) | 一种基于多源监测数据的滑坡稳定性智能动态预测方法 | |
CN108843312A (zh) | 油田储层层内非均质性综合评价方法 | |
Vergara et al. | Ecological differences and limiting factors in different regional contexts: landscape genetics of the stone marten in the Iberian Peninsula | |
Konrad et al. | Quantitative critique of leaf‐based paleo‐CO2 proxies: Consequences for their reliability and applicability | |
Wang et al. | Artificial intelligent fault diagnosis system of complex electronic equipment |
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 |