CN110610288A - 一种油气井生产数据智能系统分析方法 - Google Patents

一种油气井生产数据智能系统分析方法 Download PDF

Info

Publication number
CN110610288A
CN110610288A CN201910704943.5A CN201910704943A CN110610288A CN 110610288 A CN110610288 A CN 110610288A CN 201910704943 A CN201910704943 A CN 201910704943A CN 110610288 A CN110610288 A CN 110610288A
Authority
CN
China
Prior art keywords
data
water
oil
yield
production
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
Application number
CN201910704943.5A
Other languages
English (en)
Inventor
裴雪皓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910704943.5A priority Critical patent/CN110610288A/zh
Publication of CN110610288A publication Critical patent/CN110610288A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

本发明涉及一种油气井生产数据智能系统分析方法，所述数据分析方法包括变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法，油气井生产的产量数据首先经过数据预处理后，得到较可靠的生产数据，由于单井的日产数据通常具有很大的波动性，对产量数据进行一次样条降噪插值，以降低产量数据的波动，使其整体趋势更加明显，并依据降噪插值后的数据进行分段。本发明克服现有技术缺点，在现有油气井生产数据分析方法的基础上，建立了产量随时间分段线性变化情况下的压力数据解释模型，结合压力数据解释、递减分析、水驱曲线分析三种生产数据分析方法之间的潜在关联机制，最终解释储层参数并预测未来产量。

Description

一种油气井生产数据智能系统分析方法
技术领域
本发明涉及油气井生产技术领域，具体是指一种油气井生产数据智能系统分析方法。
背景技术
在油气田开发过程中，生产数据时刻在更新，数据量巨大，然而目前市面上的生产数据分析软件在数据段的选择上都是依赖人工完成，这大大降低了工作效率，影响分析结果的可靠性，因此开发一款可以实现生产数据自动化分析的软件具有重要的现实意义。
传统上用试井的方法来估算储层孔隙度、渗透率、压力和其他参数，这需要关井一段时间以进行压力恢复试井。这些测试所需要的时间会对石油生产造成重大损失，并且在许多情况下，由于测试持续时间不够长，在低渗透油气藏中通过试井的方法并不能获取足够的信息。试井的替代方案是通过特殊软件来处理生产数据进而估算油气井和油气藏的参数。与压力恢复试井相比，生产数据分析解释可以大大减少关井期间的产量损失。
油气藏投入生产后，其地下流体(油，气，水)的分布和状态将发生剧烈变化。这些变化是根据某些规则进行的，并受到某些因素的控制。油气井生产数据分析的主要任务就是：研究投入生产以后各种参数的变化规律，找出这些变化的影响因素，并运用这些规律来调整开发方案，以达到最佳的开发效果。
油气田开发动态分析的结果直接影响到油气田开发方案的编制和调整，其精准的分析结果对油气田开发决策起重要的指导作用。然而，生产数据最大的特点就是数据量大，时刻都在产生新的数据，这使得生产数据分析人员的工作量十分巨大。这种情况下，人工分析容易导致准确度不高，并且由于人工处理速度有限使得工作效率受到极大限制。因此，迫切需要编写一套生产数据分析软件，以提高油藏工程师分析生产数据的准确性和工作效率，降低劳动强度，及时发现油气藏性质变化，及时调整方案，以达到最佳开发效果。
油气井生产数据分析过程就是以油气田各种生产数据为基础，运用压力数据解释方法、产量递减规律以及含水率上升规律等，求取可采储量、地层和井的相关参数，找到切合实际的预测模型并预测未来产量，现有技术中生产数据分析软件递减分析数据段都是人工选择，工作效率低，软件各种分析方法之间没有联系，数据不互通，都没有生产过程中压力数据的解释功能，且不能实现全自动化分析，亟待改进。
发明内容
本发明要解决的技术问题是，克服现有技术缺点，提供一种油气井生产数据智能系统分析方法，在现有油气井生产数据分析方法的基础上，建立了产量随时间分段线性变化情况下的压力数据解释模型，并设计了相应的自动分段线性拟合算法，针对数据段自动挑选问题，设计了前进拟合式自动分段方法，利用量纲分析原理推导改进了Arps递减分析方法，结合压力数据解释、递减分析、水驱曲线分析三种生产数据分析方法之间的潜在关联机制，最终解释储层参数并预测未来产量。
为解决上述技术问题，本发明提供的技术方案为：一种油气井生产数据智能系统分析方法，所述数据分析方法包括变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法，油气井生产的产量数据首先经过数据预处理后，得到较可靠的生产数据，由于单井的日产数据通常具有很大的波动性，对产量数据进行一次样条降噪插值，以降低产量数据的波动，使其整体趋势更加明显，并依据降噪插值后的数据进行分段，然后通过变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法的有机结合，建立有效的相互关联机制，利用递减分析的最后一段数据或者全体数据的分析结果向后进行产量预测，利用这一结果就可以求得未来任一时间的累积产油量，以及未来任一时刻的累积产水量，然后逐个相减求得当天产水量。
进一步的，所述数据分段过程中，对于中间有较长时间的关井阶段情况下数据，关井期的前后数据都独立进行分段；对于中间有个别异常高值或低值情况下数据，由于本方法是采用线性拟合的方法识别数据趋势，个别的异常值对于拟合直线的影响基本可以忽略；对于数据波动过大情况下数据，在识别递减趋势上使用的是直线拟合的方法，对直线拟合的精度也放得较粗，对于波动严重的数据基本准确判断出其合理趋势。
进一步的，所述变产量压力数据解释方法用于对生产数据中的压力计监测压力转换为井底压力后进行解释，将产量变化视为分段线性变化，建立产量连续变化情况下的解释模型，然后通过产量自动分段线性拟合方法，产量分段线性拟合最多使用三段直线拟合，从一条直线拟合开始判断，如果满足精度要求，就采用一条直线拟合，否则进行两条直线拟合，如果精度仍然不够，再用三条直线拟合，本设计默认精度要求为相关系数>0.9。
进一步的，所述产量递减分析方法为借助Olalekan Keshinro改进Arps递减分析方法的思路，利用π定理重新进行推导，建立了建立了与之不同的新模型，应用条件为流动期类型为产量递减；井型为直井或斜井；流体类型为油、水、气、油水、油气水，改进曲线递减率表达式为其中D—递减率，d-1；A—泄流面积，m2；CA—形状因子。
进一步的，所述单井水驱曲线分析方法单井水驱曲线是水驱开发油/气田单井采出液中产油量/产气量和产水量的关系曲线，单井水驱曲线方法用于注水开发油田了解剩余油分布、确定单井控制储量和采收率，采用下列四种水驱曲线的计算方法：甲型水驱曲线、丙型水驱曲线、丁型水驱曲线和张金庆水驱曲线，各种水驱曲线有不同的适用条件。
本发明具有如下优点：本发明中方法包括设计前进拟合式自动分段方法，实现了数据段自动挑选；推导了产量随时间分段线性变化情况下的压力数据解释模型，并设计了相应的自动分段线性拟合算法；利用量纲分析原理，推导改进了Arps递减分析方法；设计了压力数据解释、递减分析、水驱曲线分析三种分析方法间的关联机制，最终实现储层参数的解释和未来产量的预测，为油气井生产数据分析系统的设计与实现工作奠定基础。
附图说明
图1是本发明中数据分段方法流程图。
图2是本发明中产量变化曲线用两段直线表示的示意图。
图3是本发明中一条直线拟合的示意图。
图4是本发明中两条直线分段线性拟合示意图。
图5是本发明中三条直线分段线性拟合示意图。
图6是本发明中例1产量递减曲线示意图。
图7是本发明中例2产量递减曲线示意图。
图8是本发明中递减分析流程示意图。
图9是本发明中未来产量预测流程示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明。
1、一种油气井生产数据智能系统分析方法，所述数据分析方法包括变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法，油气井生产的产量数据首先经过数据预处理后，得到较可靠的生产数据，由于单井的日产数据通常具有很大的波动性，对产量数据进行一次样条降噪插值，以降低产量数据的波动，使其整体趋势更加明显，并依据降噪插值后的数据进行分段，然后通过变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法的有机结合，建立有效的相互关联机制，利用递减分析的最后一段数据或者全体数据的分析结果向后进行产量预测，利用这一结果就可以求得未来任一时间的累积产油量，以及未来任一时刻的累积产水量，然后逐个相减求得当天产水量。
2.1、前进拟合式自动分段法：
产量数据首先经过数据预处理后，得到较可靠的生产数据。但是单井的日产数据通常具有很大的波动性，因此对产量数据进行一次样条降噪插值，以降低产量数据的波动，使其整体趋势更加明显(此处的降噪处理仅用于数据段的选择，后续计算仍然采用预处理后的数据)，依据降噪插值后的数据进行分段。图1即为本文设计的自动分段方法，即前进拟合式自动分段法。算法如下：
(1)从第一天起(i＝1)。
(2)j＝i+2，直线拟合i天到j天的产量，判断拟合直线相关系数是否小于<0.7(允许用户自定义)，如果是，进入第3步；否则，j＝j+1，重复进行直线拟合判断相关系数。(此处相关系数使用0.7，而不使用较高的相关系数，主要是为了降低数据波动的影响，如果此值较高会造成选出来的数据段多而短)。
(3)判断拟合直线斜率是否<0.1(允许自定义)，如果是，i天就是一个流动段的起点，保存数据，进入第4步；否则，i＝j，返回第2步。
(4)k＝j+2直线拟合i天到j天的产量，判断拟合直线相关系数是否小于<0.7(允许用户自定义)，如果是，进入第5步；否则，k＝k+1，重复进行直线拟合判断相关系数。
(5)判断拟合直线斜率是否<0.1(允许自定义)，如果是，j＝k，返回第4步；否则，j天就是一个流动段的终点，保存数据。
(6)判断k是否到达最后一天，如果是则结束；否则，i＝k跳回第2步，寻找下一个数据段。
得到流动段起止时间后，为了防止数据段内数据过少，需要再次筛选在该时间段内的原始生产数据，删除数据量过少的数据段，然后就可以进行下一步分析了。
2.2、数据异常情况下的分段：
(1)中间有较长时间的关井阶段：这种情况下的数据在经过处理后，会在时间数据中产生断点，通过筛选相邻两个时间数据的差值，如果两个时间数据不连续则检查产量、压力数据是否出现较大变动。如果产量压力有较大幅度变化，这种情况下关井期间不能纳入流动期，因此每个关井期的前后数据都独立进行分段。
(2)中间有个别异常高值或低值：这种情况该异常值没有被识别为异常值，说明该异常值不属于超出正常范围的异常，由于本方法是采用线性拟合的方法识别数据趋势，个别这种程度的异常值对于拟合直线的影响基本可以忽略，本方法仍然可以正常识别流动段。
(3)数据波动过大：对于波动严重的数据，由于本方法首先使用了一次降噪插值，能在一定程度上降低波动。在识别递减趋势上使用的是直线拟合的方法，对直线拟合的精度也放得比较粗，对于波动严重的数据也能基本准确判断出其合理趋势，但是在数据段的起始和末尾部分可能出现一些误差。
2.3、变产量压力数据解释方法：
生产数据中的压力计监测压力转换为井底压力后可对其进行解释，目前对于此类数据的解释基本都是视为多级变流量压降试井(将流量史视为阶梯状)，但事实上井的实际产量数据很难以阶梯状表示，这样做的解释精度难以保证。本文将产量变化视为分段线性变化，建立产量连续变化情况下的解释模型。
假设：考虑无限大均质等厚、各向同性的地层中有一口生产井。
应用条件：流动期类型为压力降落；井型为直井或斜井；流体类型为油、水、气、油水、油气水。
应用范围：达西流，高速非达西流，均质储层，顶底边界类型为上下封闭，其它模型条件都不限制。
分析技术：直线分析。
分析数据类型：未校正。
下面详细推导产量随时间分段线性变化情况下的压力数据解释模型。
2.3.1、产量随时间线性变化解释模型：
根据扩散方程的基本解，若产量q随时间t如果呈线性变化，即q(t)＝qo-bt，其中qo是初始流量，则有：
其中：
pi—原始地层压力，Pa；
pw—井底压力，Pa；
q—产量，m3/s；
K—渗透率，m2；
h—油层有效厚度，m；
μ—粘度，Pa·s；
rw—井径，m；
c—压缩系数，Pa-1；
φ—孔隙度，小数；
t—时间，s。
为方便公式推导，本文式(2.2～2.9)、式(2.16～2.21)使用此单位制。
令则式(2.2)的积分项可化简为：
经过积分运算可得：
其中Ei为指数积分函数。
对式(2.4)进行适当变换得：
当时，注意到bt＝q0-q(t)，且考虑体积系数，式(2.5)可简化为：
其中2.245是与欧拉常数γ＝0.5772有关的常数。我们将式(2.6)改写成：
其中0.826是由于将式(2.6)中的“-1”归并入指数函数所致。
考虑到由表皮效应引起的附加压降：
得：
式2.9用矿场单位表示，得：
其中：
pi—原始地层压力，MPa；
pw—井底压力，MPa；
q—产量，m3/d；
K—渗透率，10-3μm2；
h—油层有效厚度，m；
μ—粘度，mPa·s；
B—体积系数；
rw—井径，m；
c—压缩系数，MPa-1；
φ—孔隙度；
t—时间，d。
式(2.11)中的X与无因次时间的概念不同，其具有时间量纲，但是经过了产量变化的校正。
特别地，对于定产量情形，q(t)＝qo＝常数，有：
X＝et (2.12)
显然(pi-pw)/q(t)与lgX成线性关系，因而根据tj时刻的实测数据pw(tj)和q(tj)，绘成的图线，其直线段的斜率m应为：
由这个m值很容易求得地层渗透率，然后根据渗透率求表皮因子。选用直线段上的任意一点的值，设这点为点C，其对应值为pwc、qc和Xc，则由式(2.8)可得下列公式：
由此给出计算S的公式：
2.3.2、产量任意变化情形解释模型：
当产量q随时间任意变化时，可用若干个直线段近似代替产量变化曲线。对于生产中通常遇到的产量随时间连续变化的情形，一般用两段(或三段)直线表示就足够精确了[3]。为此分别讨论产量变化曲线用两段直线和三段直线表示的情形。
首先讨论产量变化曲线用两段直线表示(如图2)。第一段满足q(t)＝qo-b1τ，第二段满足q(t)＝q1-b2(τ-t1)。
在t≤t1的情况下与2.2.1一致。
在t＞t1的情况下可认为是式(2.2)中的pi变为pw(t1)，由式(2.2)可得：
对式(2.17)进行积分运算，当时，可得式(2.17)中第一个积分项I1为：
式(2.17)中第二个积分项I2为：
将积分结果代入式(2.17)，经整理可得：
或写成：
将式(2.21)与(2.9)相比可知，式(2.10)的形式仍然成立，只是现在的X为：
接下来分析产量变化曲线用三段直线表示的情况。与两条直线表示类似，设Q～t曲线上两个转折点分别为(q1,t1)和(q2,t2)。将基本解对时间从t0＝t到t＞t2积分，不难得出式(2.10)中的X为：
而当t≤t1和t1＜t≤t2时，式(2.11)和式(2.22)分别成立。
2.3.3、产量自动分段线性拟合方法：
分段线性拟合不同于曲线拟合，目前没有一种合适的算法用于实现自动的分段线性拟合，在需要分段线性拟合的地方基本都是由人工首先选择分段点，然后计算机实现自动拟合。
本文根据需要设计了适用于本文生产数据分析的一种自动分段线性拟合方法。
由本文2.3.2可知，本文产量分段线性拟合最多使用三段直线拟合就可以满足需要，因此，从一条直线拟合开始判断，如果满足精度要求，就采用一条直线拟合，否则进行两条直线拟合，如果精度仍然不够，再用三条直线拟合。本设计默认精度要求为相关系数>0.9。
2.2.3.1、一条直线段拟合
如图3所示，先对全部数据进行直线拟合，相关系数若符合要求，则无需进行下一步，可直接用式(2.11)计算X进行拟合。
2.2.3.2、两条直线拟合
如果一条直线拟合的精度不够，则试用两条直线拟合，如图4所示。一系列数据如果可以拟合为两条直线，那么拟合成的两条直线和数据首尾相连形成的直线就会构成一个三角形，三角形的顶点a点就是两条直线的分界点，该点有一个性质：距离数据首尾相连形成的直线最远。根据该性质，首先寻找到数据系列中距离首尾相连直线最远的点，以该点作为分界点，对该点前后数据分别进行直线拟合即可。
2.2.3.3、三条直线拟合
如果拟合为两条直线不满足精度要求，那么分别求取两条直线各自的相关系数，对于相关系数较低的那一段，再利用2.2.3.2中所述的方法将其分为两段，实现三段直线的分段线性拟合。
如图5所示，先按2.2.3.2中所述的方法找到点③，拟合得到直线①和直线②，比较直线①和直线②的相关系数，图中的例子为直线①的相关系数大于直线②的相关系数，然后在点③与终点之间寻找距离点③与终点连线最远的点，找到点⑥，然后以点⑥为分界点拟合得到直线④和直线⑤，最终得到的分段线性拟合为①+④+⑤。
为防止上述方法找到的分段点为局部异常高/低值，在使用上述方法找到分段点后使用分段点前后4个数据的均值和标准差对分段点进行评估，判断分段点是否属于异常值。如果判断为异常，则排除该点再次进行分段点寻找。
2.4、产量递减分析方法：
本设计借助Olalekan Keshinro改进Arps递减分析方法的思路利用π定理重新进行推导，建立了与之不同的新模型。
应用条件：流动期类型为产量递减；井型为直井或斜井；流体类型为油、水、气、油水、油气水。
应用范围：达西流，高速非达西流，均质储层，单井或区块分析，其它模型条件都不限制。
分析数据类型：未校正。
2.4.1、Arps递减分析改进：
根据经验，Arps递减的递减率D与地层渗透率K、生产压差ΔP、流体粘度μ、泄油面积A、油层厚度h有关。因此存在函数：
记作更一般的形式：
f(D,K,ΔP,μ,A,h)＝0 (2.25)
取3个基本量纲：长度L，质量M和时间T，式(2.25)中各个物理量的量纲分别是：[D]＝T-1，[K]＝L2，[ΔP]＝L-1MT-2，[μ]＝L-1MT-1，[A]＝L2，[h]＝L。
由此得到量纲矩阵为：
矩阵A的秩为3，因此齐次方程Ay＝0的基本解有3个，分别为：
y1＝(1 0 -1 1 0 0)T
y2＝(0 -1 0 0 1 0)T
根据量纲分析的Bucking-hamπ定理[19]，由这3个基本解可以得到3个无量纲量：
且存在某个函数F使得：
F(π1,π2,π3)＝0 (2.31)
式(2.31)与式(2.25)等价。
取式(2.31)的特殊形式π1＝φ(π2,π3)，则由(2.28)可得：
即：
a为一个无量纲系数。
又因为：
式中：γ＝1.781
将式(2.34)径向流渗流规律带入式(2.33)得：
其中：D—递减率，d-1；A—泄流面积，m2；CA—形状因子。
式(2.35)就是本设计推导得的改进的递减率表达式。
表2.1、Arps递减与改进模型对比
2.4.2、Arps改进新模型验证
使用附录A中两口气井的数据，利用olalekan改进递减曲线(式1.1)和本文推导的改进曲线(表2.1)进行拟合，效果如图5和图6。
从图6和图7可以看出，本设计推导的方法较Olalekan Keshinro改进的方法拟合的更好。
2.5单井水驱曲线分析
单井水驱曲线是水驱开发油(气)田单井采出液中产油量(产气量)和产水量的关系曲线。单井水驱曲线方法，理论基础可靠，方法简便，是注水开发油田了解剩余油分布、确定单井控制储量和采收率，评价开发效果，指导油气田开发调正的有效方法之一。
通常有6种水驱曲线的计算方法：
累积产水量－累积产油(气)量法(甲型水驱曲线)
累积产液量－累积产油量法(沙卓诺夫曲线)
累积液油比－累积产液量法(西帕切夫曲线)
累积水油比－累积产液量法
累积液油比－累积产水量法(纳扎洛夫曲线)
累积产水量－累积水油比法
各种水驱曲线有不同的适用条件：西帕切夫水驱曲线适用于整个水驱油过程；沙卓诺夫水驱曲线不适用于含水高的情况；纳扎洛夫曲线不适用于含水低的情况，中、高含水时使用效果好；甲型水驱曲线含水较高和含水较低时不适用，含水中期使用效果好。对于水驱气藏，其产气量与产水量的关系主要符合甲型水驱曲线和丙型水驱曲线。
综合考虑适应性，本设计采用以下4种水驱曲线(气井使用甲型水驱曲线和丙型水驱曲线)。
2.5.1、甲型水驱曲线
1959年，前苏联科学家马克西莫夫根据前苏联格罗兹内油区的实际数据，经过统计分析，将累计产油量和累计产水量之间的统计关系表示为：
对式(2.36)两边取常用对数，可改写为：
lgWp＝A1+B1NP (2.37)
1978年中国已故中国科学院院士童宪章将式(2.37)命名为甲型水驱特征曲线，在中国水驱油田得到了广泛应用。由式(2.37)可得到累计产油量与含水率之间的关系式：
其中：
Wp—累计产水量，m3；
NP—累计产油量，m3；
LP—累计产液量，m3；
fw—含水率，小数。
由式(2.37)变形可得：
由式(2.39)可计算产水量。
2.5.2丙型水驱曲线
1981年前苏联学者谢巴切夫提出了丙型水驱特征曲线，其关系式为：
由式(2.40)可得到累计产油量与含水率之间的关系式：
由式(2.40)变形可得：
由式(2.42)可计算产水量。
2.5.3丁型水驱曲线
1972年前苏联学者纳扎洛夫提出了丁型水驱特征曲线，其表达式为：
由式(2.43)可得到累计产油量与含水率之间的关系式：
由式(2.43)变形可得：
由式(2.45)可计算产水量。
2.5.4张金庆水驱曲线
1998年张金庆综合了各种类型含水率与采出程度的关系，提出了一种简单的新型水驱特征曲线。
由(2.46)式可得到累计产油量与含水率之间的关系式：
由式(2.46)变形可得：
由式(2.48)可计算产水量。
2.6、综合解释方法：
本章第3节到第5节分别介绍了生产数据的压力数据解释方法、递减分析方法、水驱曲线分析方法，本设计要实现全自动分析，需要实现三种分析方法有机结合，建立有效的相互关联机制。
2.6.1、递减分析利用压力数据解释结果
通过压力数据解释可以得到地层渗透率和表皮因子等参数，利用此参数刚好可以进行本章第4节中推导的改进Arps递减方法，但是由于本设计的改进Arps递减方法的无量纲参数a较小，直接进行广泛搜索拟合的话拟合耗时较长，同时可能出现系统拟合运算次数超出上限但仍未找到最优解的情况。
为了提高拟合精度，本设计递减分析采用两次拟合的方法如图8：先用原始的Arps方法拟合求取三种递减类型下的递减率、初始产量等参数，然后使用本章第4节中推导的Arps递减改进方法进行二次拟合，其拟合的初值根据原始Arps方法拟合结果来确定，这样大大减小了系统拟合运算超出上限仍未找到最优解的可能性。
2.6.2、未来产量预测
进行生产数据分析的主要目的之一就是进行未来产量的预测。本设计利用递减分析与水驱曲线分析结合实现产量的预测。
利用递减分析的最后一段数据或者全体数据的分析结果向后进行产量预测，利用这一结果就可以求得未来任一时间的累积产油量，再结合本章第5节中的式(2.39)、式(2.42)、式(2.45)式(2.48)就可以得到未来任一时刻的累积产水量，然后逐个相减求得当天产水量。
2.7、基于机器学习的智能回归方法
回归分析是基于一组现有数据点来构建出曲线或者函数的过程。该工程是根据大量已知数据，得到一条可以大概表述出离散点关系的一个函数，通过拟合出的函数，可以将没有出现的点代入函数中获得该点对应的值，也可以反映出该数据集数据的走势或者数据和数据之间的关系。回归分析可以用于预测模型或分类模型。本设计中的预测模型使用了大量非线性回归算法。
本文涉及的回归都属于有监督的回归学习算法，在监督学习中，用于训练的训练集包含明确的相关关系(存在确定的公式)，这种情况下最常用的方法是最小二乘法。最小二乘法是数学上常用的一种优化技术，通过寻找最小的平方误差和来发现一个函数，使之求得的数值与原始值的误差平方和RSS最小。给定一组测量数据{(xi,yi),i＝0,1,2...m}，在这些数据的基础上，通过最小二乘原理，求得变量x和y之间的关系f(x,A)，使这个函数关系f最贴切的符合数据集合的特性。其中f(x,A)是拟合函数，A＝(a0,a1,....an)是拟合函数的最终参数。最小二乘法的原理是，在无限多组A＝(a0,a1,....an)参数组中，利用误差平方和RSS来衡量原始真实值与使用拟合函数求出的值之间的差距，该差距反映出了该拟合函数和理想函数的差距。找出一组参数组A使拟合函数根据原始x值求出的y值与原始数据中的真实y值的误差平方和最小。具体公式如下：
本文通过Scipy库实现了采用负梯度下降算法的RSS最小值快速寻找，在递减曲线拟合、产量分段线性拟合、半对数曲线直线部分拟合、水驱曲线拟合等地方都进行了应用。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (5)

1.一种油气井生产数据智能系统分析方法，其特征在于：所述数据分析方法包括变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法，油气井生产的产量数据首先经过数据预处理后，得到较可靠的生产数据，由于单井的日产数据通常具有很大的波动性，对产量数据进行一次样条降噪插值，以降低产量数据的波动，使其整体趋势更加明显，并依据降噪插值后的数据进行分段，然后通过变产量压力数据解释方法、产量递减分析方法和单井水驱曲线分析方法的有机结合，建立有效的相互关联机制，利用递减分析的最后一段数据或者全体数据的分析结果向后进行产量预测，利用这一结果就可以求得未来任一时间的累积产油量，以及未来任一时刻的累积产水量，然后逐个相减求得当天产水量。
2.根据权利要求1所述的一种油气井生产数据智能系统分析方法，其特征在于：所述数据分段过程中，对于中间有较长时间的关井阶段情况下数据，关井期的前后数据都独立进行分段；对于中间有个别异常高值或低值情况下数据，由于本方法是采用线性拟合的方法识别数据趋势，个别的异常值对于拟合直线的影响基本可以忽略；对于数据波动过大情况下数据，在识别递减趋势上使用的是直线拟合的方法，对直线拟合的精度也放得较粗，对于波动严重的数据基本准确判断出其合理趋势。
3.根据权利要求1所述的一种油气井生产数据智能系统分析方法，其特征在于：所述变产量压力数据解释方法用于对生产数据中的压力计监测压力转换为井底压力后进行解释，将产量变化视为分段线性变化，建立产量连续变化情况下的解释模型，然后通过产量自动分段线性拟合方法，产量分段线性拟合最多使用三段直线拟合，从一条直线拟合开始判断，如果满足精度要求，就采用一条直线拟合，否则进行两条直线拟合，如果精度仍然不够，再用三条直线拟合，本设计默认精度要求为相关系数>0.9。
4.根据权利要求1所述的一种油气井生产数据智能系统分析方法，其特征在于：所述产量递减分析方法为借助Olalekan Keshinro改进Arps递减分析方法的思路，利用π定理重新进行推导，建立了建立了与之不同的新模型，应用条件为流动期类型为产量递减；井型为直井或斜井；流体类型为油、水、气、油水、油气水，改进曲线递减率表达式为其中D—递减率，d-1；A—泄流面积，m2；CA—形状因子。
5.根据权利要求1所述的一种油气井生产数据智能系统分析方法，其特征在于：所述单井水驱曲线分析方法单井水驱曲线是水驱开发油/气田单井采出液中产油量/产气量和产水量的关系曲线，单井水驱曲线方法用于注水开发油田了解剩余油分布、确定单井控制储量和采收率，采用下列四种水驱曲线的计算方法：甲型水驱曲线、丙型水驱曲线、丁型水驱曲线和张金庆水驱曲线，各种水驱曲线有不同的适用条件。
CN201910704943.5A 2019-08-01 2019-08-01 一种油气井生产数据智能系统分析方法 Pending CN110610288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910704943.5A CN110610288A (zh) 2019-08-01 2019-08-01 一种油气井生产数据智能系统分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910704943.5A CN110610288A (zh) 2019-08-01 2019-08-01 一种油气井生产数据智能系统分析方法

Publications (1)

Publication Number Publication Date
CN110610288A true CN110610288A (zh) 2019-12-24

Family

ID=68890992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910704943.5A Pending CN110610288A (zh) 2019-08-01 2019-08-01 一种油气井生产数据智能系统分析方法

Country Status (1)

Country Link
CN (1) CN110610288A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461537A (zh) * 2020-03-31 2020-07-28 山东胜软科技股份有限公司 一种基于油气生产数据的分类的量数方法及控制系统
CN113468476A (zh) * 2020-03-31 2021-10-01 中国石油天然气股份有限公司 一种聚合物驱增油量预测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413030A (zh) * 2013-07-24 2013-11-27 中国石油天然气股份有限公司 一种缝洞型碳酸盐岩气藏动态分析方法及系统
CN105512758A (zh) * 2015-12-01 2016-04-20 中国石油天然气股份有限公司 油气井产量预测方法及其装置
CN105631184A (zh) * 2014-11-05 2016-06-01 中国石油化工股份有限公司 一种油气井产量递减分析方法和系统
CN106194154A (zh) * 2016-07-11 2016-12-07 西南石油大学 一种非常规油气藏中长期产能预测方法
CN107563557A (zh) * 2017-09-05 2018-01-09 中国石油天然气股份有限公司 确定油井产量递减率的方法及装置
CN108664677A (zh) * 2017-04-01 2018-10-16 中国石油化工股份有限公司 一种油气井生产数据分析方法
CN108661631A (zh) * 2017-04-01 2018-10-16 中国石油化工股份有限公司 一种页岩气井产量预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413030A (zh) * 2013-07-24 2013-11-27 中国石油天然气股份有限公司 一种缝洞型碳酸盐岩气藏动态分析方法及系统
CN105631184A (zh) * 2014-11-05 2016-06-01 中国石油化工股份有限公司 一种油气井产量递减分析方法和系统
CN105512758A (zh) * 2015-12-01 2016-04-20 中国石油天然气股份有限公司 油气井产量预测方法及其装置
CN106194154A (zh) * 2016-07-11 2016-12-07 西南石油大学 一种非常规油气藏中长期产能预测方法
CN108664677A (zh) * 2017-04-01 2018-10-16 中国石油化工股份有限公司 一种油气井生产数据分析方法
CN108661631A (zh) * 2017-04-01 2018-10-16 中国石油化工股份有限公司 一种页岩气井产量预测方法
CN107563557A (zh) * 2017-09-05 2018-01-09 中国石油天然气股份有限公司 确定油井产量递减率的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李清宇: ""瞬变流量—压力的页岩气产能评价方法"", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *
王静: ""考虑注水井影响的多井系统生产数据分析方法研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461537A (zh) * 2020-03-31 2020-07-28 山东胜软科技股份有限公司 一种基于油气生产数据的分类的量数方法及控制系统
CN113468476A (zh) * 2020-03-31 2021-10-01 中国石油天然气股份有限公司 一种聚合物驱增油量预测方法及装置
CN113468476B (zh) * 2020-03-31 2023-07-28 中国石油天然气股份有限公司 一种聚合物驱增油量预测方法及装置

Similar Documents

Publication Publication Date Title
CN109002574A (zh) 一种多层油藏脉冲周期注水开发指标预测方法
CN107563899B (zh) 油气井产能预测方法及装置
WO2020192675A1 (zh) 一种用于致密油藏压裂水平井的产能预测方法
US20070192072A1 (en) Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator
CN107944599B (zh) 油气水平井产量的预测方法
CN115345378B (zh) 一种基于机器学习的页岩气井产量评价方法
CN107423844B (zh) 一种预测页岩气/致密气井可采储量的新方法
CN110878690B (zh) 基于碳同位素演化确定页岩气井生产递减曲线的方法
CN111287740B (zh) 基于真实应变下的异常高压气藏动态储量计算方法
US11972183B2 (en) Reduced physics well production monitoring
CN105631184A (zh) 一种油气井产量递减分析方法和系统
CN110610288A (zh) 一种油气井生产数据智能系统分析方法
Molinari et al. A Reduced Physics Modeling Approach to Understand Multiphase Well Production Performance for Unconventional Reservoirs
CN114723138A (zh) 一种基于epdm数据模型的油气藏动态分析系统和方法
Gaskari et al. An integrated technique for production data analysis (PDA) with application to mature fields
CN114638401A (zh) 一种基于历史及预测油藏知识的剩余油分布预测方法及装置
CN107355200B (zh) 一种纳微米颗粒分散体系改善水驱选井方法
US11767750B1 (en) Gas-oil ratio forecasting in unconventional reservoirs
Khanamiri A non-iterative method of decline curve analysis
Rafiei Improved oil production and waterflood performance by water allocation management
CN110851982B (zh) 一种中低渗油藏减氧空气驱可行性分析方法
CN113326465B (zh) 油藏开发动态分析方法及装置
Zhang et al. New methods of coalbed methane production analysis based on the generalized gamma distribution and field applications
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
CN112709547A (zh) 一种产水气井堵水时机的判别方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191224