CN111507537B - 一种水驱气藏的储量和水侵量的预测方法及装置 - Google Patents
一种水驱气藏的储量和水侵量的预测方法及装置 Download PDFInfo
- Publication number
- CN111507537B CN111507537B CN202010337384.1A CN202010337384A CN111507537B CN 111507537 B CN111507537 B CN 111507537B CN 202010337384 A CN202010337384 A CN 202010337384A CN 111507537 B CN111507537 B CN 111507537B
- Authority
- CN
- China
- Prior art keywords
- linear regression
- water
- reservoir
- gas
- coefficient
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 199
- 230000009545 invasion Effects 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000012417 linear regression Methods 0.000 claims abstract description 129
- 238000004519 manufacturing process Methods 0.000 claims abstract description 82
- 239000011435 rock Substances 0.000 claims abstract description 24
- 239000000463 material Substances 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 8
- 230000001186 cumulative effect Effects 0.000 claims description 21
- 230000000704 physical effect Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 17
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 239000011148 porous material Substances 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 169
- 230000008569 process Effects 0.000 description 14
- 230000018109 developmental process Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 239000002349 well water Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000008398 formation water Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 238000004457 water analysis Methods 0.000 description 1
- 235000020681 well water Nutrition 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种水驱气藏的储量和水侵量的预测方法及装置。所述方法包括：获取气藏的储层物性参数和气藏的生产动态数据；基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量，从而提高储量和水侵量的预测的效率和准确性。
Description
技术领域
本说明书实施例涉及气藏开发领域，特别涉及一种水驱气藏的储量和水侵量的预测方法及装置。
背景技术
随着勘探技术的提高，越来越多的异常高压气藏被发现。准确的估算异常高压气藏的储量与水侵量对分析和预测气藏动态及气藏开发规划具有极其重要的作用。估算气藏储量的常用方法主要包括：物质平衡方法、试井法、容积法和经验算法。容积法的准确性与地质资料的准确性息息相关，随着地质资料的丰富，容积法精确度越来越高，但是地质资料的获取一般较复杂。试井法一般需要关井试井，操作复杂，影响生产，受到多种因素影响，可靠性不高。经验算法，一般是经过气藏经过长期的开发，总结出的经验公式，准确性不敢保证。物质平衡法由于涉及的储层及流体物性参数少，采用了易获得且较可靠的生产动态数据，而被广泛使用于估算气藏储量。
计算气藏水侵量的常用方法主要包括：物质平衡方法、稳态模型、非稳态模型、拟稳态模型。后三种方法需要对水体的几何形态与大小进行一定的估计，计算过程复杂繁琐且可靠性不高。因而物质平衡方法是估算气藏储量与水侵量的较简单、可靠的方法。但是，现有的计算气藏储量与水侵量的物质平衡方法中，大都未考虑束缚水膨胀与岩石孔隙的压缩影响，而在对于异常高压气藏，如果忽略束缚水与岩石颗粒弹性膨胀作用，计算出的水侵量误差可达10.469％。而且现有的大多数水侵量计算的物质平衡方法，大都需要储量已知，而实际上该参数的获取也是困难的。
计算气藏储量的模型或方法，主要包括：物质平衡方法、试井法、容积法。能够同时计算水驱气藏水侵量与储量的方法大多是在水驱气藏物质平衡方程中加入了常规水侵量计算方法，然后先假设水体，进行试算，可能通过多次尝试，都试不出最优解，或者可能存在多个水体倍数情况下，拟合精度相差不大的情况，并且此类方法中运用的常规水侵量计算方法针对某个实际气藏并不一定是合适的。
发明内容
本说明书实施例的目的是提供一种水驱气藏的储量和水侵量的预测方法及装置，以提高储量和水侵量的预测的效率和准确性。
为解决上述问题，本说明书实施例提供一种水驱气藏的储量和水侵量的预测方法及装置是这样实现的。
一种水驱气藏的储量和水侵量的预测方法，所述方法包括：获取气藏的储层物性参数和气藏的生产动态数据；基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量。
一种水驱气藏的储量和水侵量的预测装置，所述装置包括：获取模块，用于获取气藏的储层物性参数和气藏的生产动态数据；确定模块，用于基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；建立模块，用于根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；预测模块，用于根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量。
由以上本说明书实施例提供的技术方案可见，本说明书实施例中，可以获取气藏的储层物性参数和气藏的生产动态数据；基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量。本说明书实施例提供的水驱气藏的储量和水侵量的预测方法，基于物质平衡原理，利用的生产动态数据及储层物性参数能够较简单的获取，且可靠性高，能够同时预测出水驱气藏的储量与水侵量或者定容封闭异常高压产水气藏的储量，且考虑了束缚水与岩石颗粒的弹性膨胀作用，使得预测结果更精确，能够适用于一般物质平衡方法所不能适用的异常高压水驱气藏。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例，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。
图1为本说明书实施例一种水驱气藏的储量和水侵量的预测方法的流程图；
图2为本说明书实施例不含储层平均压力的A井水驱气藏的生产动态数据图；
图3为本说明书实施例第一次迭代的-WpBw与Gp的关系示意图；
图4为本说明书实施例Y与X的关系示意图；
图5为本说明书实施例λ值变化图；
图6为本说明书实施例(pi-p)关于Gp的关系示意图；
图7为本说明书实施例(We-WpBw)关于Gp的关系示意图；
图8本说明书实施例迭代过程中a值的变化图；
图9本说明书实施例不同时刻水侵量We变化图；
图10本说明书实施例一种水驱气藏的储量和水侵量的预测装置的功能模块示意图。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
对于水驱气藏，特别是比较活跃的水驱气藏，水侵可以给气藏补充能量，延缓地层压力的降低和气井产量降低，直到水锥突破，生产见水，其结果直接影响到气藏的采收率。在天然水驱气藏的开采过程中，随着累计产气量的增加，气层地层压力逐渐下降，边底水在压差的作用下不断进入气层，降低了气相的饱和度，从而降低气相渗透率，影响了气井的正常生产。因此，如何准确计算出储量和水侵量对于气藏的生产预测尤为重要。
预测水驱气藏储量的模型或方法主要包括：物质平衡方法、试井法、容积法；预测水侵水驱气藏水侵量的模型或者方法，主要包括：物质平衡法、稳态模型、非稳态模型、拟稳态模型。上述水驱气藏的储量和水侵量的预测方法或模型，通常要用到难于获取的水体的相关参数，并未充分利用生产动态数据。其中，水侵量的预测方法或模型中，需要储量已知，且未考虑束缚水与岩石颗粒的弹性膨胀作用，从而使得水驱气藏的储量和水侵量的预测过程复杂，预测结果不够精确。考虑到如果使用气藏的储层物性参数和气藏的生产动态数据等能够较简单的获取的数据，并考虑束缚水与岩石颗粒的弹性膨胀作用，基于物质平衡原理，采用正向计算的方法，通过直线拟合关系，根据直线斜率和截距，多次迭代直接求出储量的值和每天的水侵量，进而预测水驱气藏的储量和水侵量，提高储量和水侵量的预测的效率和准确性。基于此，本说明书实施例提供了一种水驱气藏的储量和水侵量的预测方法。
在本说明书实施例中，执行所述水驱气藏的储量和水侵量的预测方法的主体可以是具有逻辑运算功能的电子设备，所述电子设备可以是服务器或客户端，所述客户端可以为台式电脑、平板电脑、笔记本电脑、工作站等。当然，客户端并不限于上述具有一定实体的电子设备，其还可以为运行于上述电子设备中的软体。还可以是一种通过程序开发形成的程序软件，该程序软件可以运行于上述电子设备中。
图1为本说明书实施例一种水驱气藏的储量和水侵量的预测方法的流程图。如图1所示，所述水驱气藏的储量和水侵量的预测方法可以包括以下步骤。
S110：获取气藏的储层物性参数和气藏的生产动态数据。
在一些实施例中，所述储层物性参数可以包括原始地层压力、储层温度、原始地层条件下的体积系数等表明储层物理性质的参数。具体的，可以获取如表1所示的储层物性参数。
表1
| 物性参数 |
| 原始地层压力pi，MPa |
| 原始地层条件下气体偏差系数Zi，无因次 |
| 标准温度Tsc，K |
| 标准压力psc，MPa |
| 原始地层条件下的气体体积系数Bgi，rm3/m3 |
| 储层温度T，K |
| 储层原始含水饱和度Swi，无因次 |
| 水的体积系数Bw，rm3/m3 |
| 水的等温压缩系数Cw，MPa-1 |
| 平均孔隙压缩系数Cp，MPa-1 |
在一些实施例中，所述生产动态数据可以包括储层平均压力、累积产水量、累积产气量、储层压力条件下的气体偏差系数等气藏生产过程中发生变化的数据。
在一些实施例中，服务器可以采用任何方式获取气藏的储层物性参数和气藏的生产动态数据。例如，用户可以直接向服务器发送气藏的储层物性参数和气藏的生产动态数据，服务器可以进行接收；又如除去所述服务器以外的其它电子设备可以向服务器发送气藏的储层物性参数和气藏的生产动态数据，服务器可以进行接收，在本说明书实施例中，对服务器采用何种方式获取气藏的储层物性参数和气藏的生产动态数据不作限定。
S120：基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型。
从油气运移角度考虑，当油气从生油层运移到砂岩储层时，由于油、水、气对岩石的润湿性差异和毛细管力的作用，运移的油气不可能把岩石孔隙中的水完全驱替出去，会有一定量的水残存在岩石孔隙中。这些水多数分布和残存在岩石颗粒接触处角隅和微细孔隙中或吸附在岩石骨架颗粒表面。由于特殊的分布和存在状态，这一部分水几乎是不流动的，因而被称为不可动水，又由于这部分水的存在与分布明显受固体性质影响，所以也称为束缚水。水驱气藏中包括多种类型的地层水，除了束缚水之外，还可以包括凝析水、可动水、夹层水和边、底水等。
在一些实施例中，所述岩石颗粒的弹性膨胀作用是指随着天然气的产出和地层压力下降，岩石内空隙体积也会发生变化。
在一些实施例中，常规物质平衡方程是把藏看成时体积不变的容器，这种体积不变的假设从根基上存在缺陷，实际水驱气藏特别是异常高压水驱气藏，随着天热气的采出和地层压力下降，将引起天然气、岩石骨架、束缚水的弹性膨胀以及边、底水的侵入，从而引起气藏储层体积的变化。因此，基于束缚水与岩石颗粒的弹性膨胀作用，将束缚水与岩石颗粒的弹性的膨胀量占据的气藏有效孔隙体积折算到地下的累计产气量与产水量，可以得到气藏的物质平衡方程如下：
其中，p为储层平均压力，MPa；Z为储层平均压力条件下的气体偏差系数，无因次；Cw为水的等温压缩系数，MPa-1；Swi为储层原始含水饱和度，无因次；Cp为平均孔隙压缩系数；pi为原始地层压力，MPa；Zi为原始地层压力条件下的气体偏差系数，无因次；We为水侵量，rm3；Wp为累积产水量，m3；Bw为对应储层压力p时水的体积系数，rm3/m3；Bgi为原始地层条件下的气体体积系数，rm3/m3；G为气藏的储量，m3；Gp为累积产气量，m3。
在一些实施例中，可以根据生产动态数据建立有关水侵量、累积产气量和累积产水量的第一线性回归模型：
We-WpBw＝a·Gp (2)
其中，a为第一线性回归系数。
S130：根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型。
在一些实施例中，可以将所述第一线性回归模型(2)代入所述物质平衡方程(1)中，得到：
将公式(3)转换形式，可以得到：
将公式(4)两边同时除以(pi-p)得到：
其中，公式(5)中的Bgi可以表示为：
在一些实施例中，可以定义以下两项：
根据公式(5)-(8)，可以得到第二线性回归模型：
Y＝mX-b (9)
其中：
其中，m为第二线性回归系数，b为截距；X为自变量；Y为因变量；p为储层平均压力；Z为储层平均压力下的气体偏差系数；pi为原始地层压力；Zi为原始地层压力条件下的气体偏差系数；T为储层温度；Tsc为标准温度，psc为标准压力；Zsc为标准地层压力条件下的气体偏差系数；Gp为累积产气量；a为第一线性回归系数；Cw为水的等温压缩系数；Swi为储层原始含水饱和度；Cp为平均孔隙压缩系数；G为气藏的储量。
S140：根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量。
在水驱气藏的开发过程中，由于边底水的侵入会造成气井出水，不仅会增加气藏的开发开采难度，而且会造成气井产能的损失，降低气藏采收率。因此，水侵动态的准确判断，特别是早期水侵识别，是主动有效开发气藏的基础。在水驱气藏的储量和水侵量的预测中，可以先判断水驱气藏是否有水侵，再进行储量和水侵量的预测。
在一些实施例中，可以通过气井产出水分析水驱气藏是否有水侵。具体的，在水驱气藏的开发中，气井在产气的同时，也有水的产出，因而可以通过产出水矿化度与水气比的变化分析判断水的来源，进而分析是否有水侵发生。也可以通过压降曲线分析水驱气藏是否有水侵。具体的，由于边底水的不断侵入，气藏压力下降速度会逐渐减缓，水侵气藏的视地层压力与累计产气量成非线性关系，通过这一特征，可以分析水侵的发生。还可以通过物质平衡法、不稳定试井等方法或者其他方法判断水驱气藏是否有水侵，本说明书对此不作限定。
在一些实施例中，在所述水驱气藏无水侵的情况下，水侵量为零，即水侵量We＝0。根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量，具体可以包括以下步骤。
步骤1：根据所述生产动态数据对所述第一线性回归模型进行拟合，确定所述第一线性回归模型对应的第一线性回归系数。
在一些实施例中，对于第一线性回归模型，可以使用气藏的生产动态数据，包括：累计产气量Gp与累计产水量Wp，在直角坐标系中，作出以Gp为x轴，-WpBw为y轴的图像，根据直线拟合出公式(2)的斜率a，所述斜率a为第一线性回归模型对应的第一线性回归系数。
步骤2：根据所述第一线性回归系数和所述储层物性参数和对所述第二线性回归模型进行拟合，确定所述第二线性回归模型对应的第二线性回归系数。
在一些实施例中，可以基于所述储层物性参数，例如：Tsc、psc、Zsc、T、Swi、Zi和pi，以及气藏的生产动态数据，包括累计产气量Gp、累计产水量Wp、储层平均压力p和对应的气体偏差系数Z，和所述第一线性回归系数a，根据式(7)与式(8)计算出一系列对应的X，Y值，然后在直角坐标系中，画出以X为x轴，Y为y轴的图像，根据直线拟合出公式(9)的斜率m与截距b，所述斜率m为所述第二线性回归模型对应的第二线性回归系数。
步骤3：根据所述第二线性回归系数预测气藏的储量。
在一些实施例中，在确定所述第二线性回归系数后，可以根据公式(10)预测气藏的储量。
在一些实施例中，在所述水驱气藏有水侵的情况下，即水侵量We≠0。根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量，具体可以包括以下步骤。
步骤110：基于水驱气藏的水侵规律，根据所述储层物性参数和生产动态数据确定水侵量中间计算模型。
在一些实施例中，对于有水侵的气藏，意味着累计水侵量We为一个变量，可以根据所述储层物性参数和生产动态数据确定以下水侵量中间计算模型：
其中，λ为中间变量，单位为累计产气量的单位的倒数。
步骤120：根据所述水侵量中间计算模型、所述储层物性参数和所述生产动态数据确定所述第一线性回归模型对应的第一线性回归系数和所述第二线性回归模型对应的第二线性回归系数。
在一些实施例中，将公式(12)代入公式(1)可以得到：
将公式(13)转换形式为：
另外，将公式(2)代入公式(12)中，可以得到：
因而，所述第一线性回归系数a可以被表示为：
式中的(pi-p)/Gp可以被(pi-p)～Gp关系图中直线拟合出的斜率所近似代替。具体的，随着累计产气量的增加，压力降也会增加，所以(pi-p)～Gp关系图可以为一条斜率为m2的直线。
因而，公式式(16)能够被表示成简单的下式：
在一些实施例中，可以根据所述水侵量中间计算模型、所述储层物性参数和所述生产动态数据，确定所述第一线性回归模型对应的第一线性回归系数和所述第二线性回归模型对应的第二线性回归系数。具体可以包括以下步骤。
步骤121：对于公式(2)，可以在直角坐标系中，作出以Gp为x轴，-WpBw为y轴的图像，根据直线拟合出公式(2)的斜率a0，由于在所述水驱气藏有水侵的情况下，即水侵量We≠0，因此斜率a0不等于a。可以假设
并基于所述储层物性参数，例如：Tsc、psc、Zsc、T、Swi、Zi和pi，以及气藏的生产动态数据，包括累计产气量Gp，累计产水量Wp，储层平均压力p和对应的气体偏差系数Z，根据式(7)与式(8)计算出一系列对应的X，Y值。
步骤122：在直角坐标系中，画出以X为x轴，Y为y轴的图像，根据直线拟合出斜率m与截距b0。其中，原始地质储量的初值可以根据公式(10)计算得到。
步骤123：使用步骤22计算出的原始地质储量的初值和原始地层压力pi、原始地层条件下的气体偏差系数Zi和生产动态数据，包括累计产气量Gp、累计产水量Wp、储层平均压力p和对应的气体偏差系数Z，再根据公式(14)可以计算出一系列的λ值。
步骤124：在直角坐标系中，作出以(pi-p)为y轴，Gp为x轴的图像，根据直线拟合出斜率m2。使用步骤22计算出的原始地质储量的初值，已知量Cw、Swi、Bgi、储层平均压力p和步骤23计算出的一系列λ值，根据公式(17)计算出一系列的a值。
步骤125：使用步骤24获得的一系列a值以及累计产气量Gp和累计产水量Wp，可以根据公式(2)计算出一系列的We值。
步骤126：在直角坐标系中，作出以Gp为x轴，(We-WpBw)为y轴的图像，固定截距0，根据直线拟合出斜率a。
步骤127：将步骤26中拟合出斜率a作为步骤21中的a值，重复步骤21-步骤26，但是后面迭代过程中的步骤22中的直线拟合时固定截距为第一次迭代过程的步骤22中的截距b0。迭代直至步骤26拟合出斜率a值与上一次迭代过程中的步骤26拟合出斜率a值的误差满足一定的精度。
步骤130：根据所述第一线性回归系数预测气藏的水侵量；根据所述第二线性回归系数预测气藏的储量。
在一些实施例中，可以将最后一次迭代拟合出的a值作为第一线性回归系数，最后一次迭代拟合出的m值作为第二线性回归系数。根据公式(2)预测气藏的水侵量，以及根据公式(10)预测气藏的储量。
本说明书实施例提供的水驱气藏的储量和水侵量的预测方法，基于物质平衡原理，利用的生产动态数据及储层物性参数能够较简单的获取，且可靠性高，能够同时预测出水驱气藏的储量与水侵量或者定容封闭异常高压产水气藏的储量，且考虑了束缚水与岩石颗粒的弹性膨胀作用，使得预测结果更精确，能够适用于一般物质平衡方法所不能适用的异常高压水驱气藏。
为清楚地说明本说明书实施例提供的水驱气藏的储量和水侵量的预测方法的实施过程，下面结合图2-图9进行说明。
在本说明书实施例中，选用A井作实例进行水驱气藏储量与水侵量的预测。首先可以获取A井水驱气藏的储层物性参数，如表2所示。
表2
| 参数 | 取值 |
| 原始地层压力pi，MPa | 26.5 |
| 原始地层条件下气体偏差系数Zi，无因次 | 0.9757 |
| 标准温度Tsc，K | 273.15 |
| 标准压力psc，MPa | 0.1 |
| 原始地层条件下的气体体积系数Bgi，rm3/m3 | 0.002717781 |
| 储层温度T，K | 410.65 |
| 储层原始含水饱和度Swi，无因次 | 0.26 |
| 水的体积系数Bw，rm3/m3 | 1 |
| 水的等温压缩系数Cw，MPa-1 | 4.35×10-4 |
| 平均孔隙压缩系数Cp，MPa-1 | 14.372×10-4 |
其次，获取A井水驱气藏的生产动态数据，如表3和图2所示。其中，表3为含有储层平均压力的水驱气藏生产动态数据表，图2为不含储层平均压力的水驱气藏生产动态数据图。
表3
| 时间 | p(MPa) | Z(无因次) | Gp(m3) | Wp(m3) |
| 2011/6/17 | 25.1533 | 0.9637315 | 2.39×108 | 4029.19 |
| 2012/1/11 | 24.71856 | 0.9612916 | 3.07×108 | 4824.65 |
| 2013/6/16 | 23.70 | 0.9545 | 4.83×108 | 6926.26 |
| 2014/6/10 | 22.98 | 0.95018 | 5.94×108 | 8269.75 |
在本说明书实施例中，根据气井产出水分析以及压降曲线分析确定A井水驱气藏存在水侵。因此，可以根据有水侵的情况预测A井水驱气藏的储量和水侵量。具体的，可以包括以下步骤。
步骤1：在直角坐标系中，画出以Gp为x轴，-WpBw为y轴的图像，如图3所示，根据直线拟合出斜率a0。
在本说明书实施例中，拟合出斜率的a0＝-1.193343×10-5。假设
根据式(7)与式(8)计算出一系列对应的X，Y值。
步骤2：在直角坐标系中，画出以X为x轴，Y为y轴的图像，如图4所示，根据直线拟合出斜率m与截距b0。
在本说明书实施例中，根据直线拟合出的斜率m＝9.4476662×10-10与截距b0＝-0.144681，原始地质储量G的初值可以根据公式(10)计算得到，即
步骤3：使用步骤2计算出的原始地质储量的初值G和原始地层压力pi、原始地层条件下的气体偏差系数Zi和生产动态数据，包括累计产气量Gp、累计产水量Wp、储层平均压力p和对应的气体偏差系数Z，再根据公式(14)计算出一系列的λ值。
在本说明书实施例中，λ值的变化如图5所示。
步骤4：在直角坐标系中，作出以(pi-p)为y轴，Gp为x轴的图像，如图6所示，固定截距为0，根据直线拟合出斜率m2。
在本说明书实施例中，直线拟合出的斜率m2＝5.85334584×10-9。再使用步骤2计算出的原始地质储量的初值，已知量Cw、Swi、Bgi、储层平均压力p和步骤3计算出的一系列λ值，根据公式(17)计算出一系列的a值。
步骤5：使用步骤4获得的一系列a值，以及累计产气量Gp和累计产水量Wp，可以根据公式(2)计算出一系列的We值。
步骤6：在直角坐标系中，作出以Gp为x轴，(We-WpBw)为y轴的图像，如图7所示，固定截距0，根据直线拟合出斜率a。
在本说明书实施例中，直线拟合出的斜率a＝0.00180861。
步骤7：将步骤6中拟合出斜率a作为步骤1中的a值，重复步骤1-步骤6，但是后面迭代过程中的步骤2中的直线拟合时固定截距为第一次迭代过程的步骤2中的截距b0＝-0.144681。迭代直至步骤6拟合出斜率a值与上一次迭代过程中的步骤6拟合出斜率a值的相对误差≤0.001。
在本说明书实施例中，每一次迭代中步骤6拟合出斜率a值的变化如图8所示。最后一次迭代出的a＝0.00179478，最后一次迭代拟合出的直线斜率拟合出斜率m＝5.84687812×10-9，因此计算得到G＝21.035732×108m3，即该气井的单井控制储量为21.035732×108m3。
步骤8：各个时刻的水侵量We，可用最后一次迭代出的a＝0.00179478，根据公式(2)计算得到。
在本说明书实施例中，各个时刻的水侵量We变化如图9所示。
参阅图10，本说明书实施例还提供了一种水驱气藏的储量和水侵量的预测装置，该装置具体可以包括以下的结构模块。
获取模块1010，用于获取气藏的储层物性参数和气藏的生产动态数据；
确定模块1020，用于基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；
建立模块1030，用于根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；
预测模块1040，用于根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量。
在一些实施例中，所述预测模块1040可以包括：第一确定子模块，用于在所述气藏无水侵的情况下，根据所述生产动态数据对所述第一线性回归方程进行拟合，确定所述第一线性回归模型对应的第一线性回归系数；第二确定子模块，用于根据所述第一线性回归系数和所述储层物性参数和对所述第二线性回归模型进行拟合，确定所述第二线性回归模型对应的第二线性回归系数；第一预测子模块，用于根据所述第二线性回归系数预测气藏的储量。
在一些实施例中，所述预测模块1040可以包括：建立子模块，用于在所述气藏有水侵的情况下，基于水驱气藏的水侵规律，根据所述储层物性参数和生产动态数据建立水侵量中间计算模型；第三确定子模块，用于根据所述水侵量中间计算模型、所述储层物性参数和所述生产动态数据确定所述第一线性回归模型对应的第一线性回归系数和所述第二线性回归模型对应的第二线性回归系数；第二预测子模块，用于根据所述第一线性回归系数预测气藏的水侵量；根据所述第二线性回归系数预测气藏的储量。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于装置实施例和设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员在阅读本说明书文件之后，可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合，这些组合也在本说明书公开和保护的范围内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (8)
1.一种水驱气藏的储量和水侵量的预测方法，其特征在于，所述方法包括：
获取气藏的储层物性参数和气藏的生产动态数据；
基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；
根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；
根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量；
其中，所述根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量包括：在所述气藏无水侵的情况下，根据所述生产动态数据对所述第一线性回归模型进行拟合，确定所述第一线性回归模型对应的第一线性回归系数；根据所述第一线性回归系数和所述储层物性参数和对所述第二线性回归模型进行拟合，确定所述第二线性回归模型对应的第二线性回归系数；根据所述第二线性回归系数预测气藏的储量。
2.根据权利要求1所述的方法，其特征在于，所述气藏的物质平衡方程为：
其中，p为储层平均压力；Z为储层平均压力条件下的气体偏差系数；Cw为水的等温压缩系数；Swi为储层原始含水饱和度；Cp为平均孔隙压缩系数；pi为原始地层压力；Zi为原始地层压力条件下的气体偏差系数；We为水侵量；Wp为累积产水量；Bw为对应储层压力p时水的体积系数；Bgi为原始地层条件下的气体体积系数；G为气藏的储量；Gp为累积产气量。
3.根据权利要求1所述的方法，其特征在于，所述第一线性回归模型为：
We-WpBw＝a·Gp
其中，We为水侵量；Wp为累积产水量；Bw为对应储层压力p时水的体积系数；Gp为累积产气量；a为第一线性回归系数。
4.根据权利要求1所述的方法，其特征在于，所述第二线性回归模型为：
Y＝mX-b
其中：
其中，m为第二线性回归系数；b为截距；X为自变量；Y为因变量；p为储层平均压力；Z为储层平均压力下的气体偏差系数；pi为原始地层压力；Zi为原始地层压力条件下的气体偏差系数；T为储层温度；Tsc为标准温度，psc为标准压力；Zsc为标准地层压力条件下的气体偏差系数；Gp为累积产气量；a为第一线性回归系数；Cw为水的等温压缩系数；Swi为储层原始含水饱和度；Cp为平均孔隙压缩系数；G为气藏的储量。
5.根据权利要求1所述的方法，其特征在于，所述根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量包括：
在所述气藏有水侵的情况下，基于水驱气藏的水侵规律，根据所述储层物性参数和生产动态数据确定水侵量中间计算模型；
根据所述水侵量中间计算模型、所述储层物性参数和所述生产动态数据，确定所述第一线性回归模型对应的第一线性回归系数和所述第二线性回归模型对应的第二线性回归系数；
根据所述第一线性回归系数预测气藏的水侵量；根据所述第二线性回归系数预测气藏的储量。
6.根据权利要求5所述的方法，其特征在于，所述水侵量中间计算模型为：
其中，p为储层平均压力；Cw为水的等温压缩系数；Swi为储层原始含水饱和度；Cp为平均孔隙压缩系数；pi为原始地层压力；We为水侵量；Wp为累积产水量；Bw为对应储层压力p时水的体积系数；Bgi为原始地层条件下的气体体积系数；G为气藏的储量；Gp为累积产气量；λ为中间变量。
7.一种水驱气藏的储量和水侵量的预测装置，其特征在于，所述装置包括：
获取模块，用于获取气藏的储层物性参数和气藏的生产动态数据；
确定模块，用于基于束缚水与岩石颗粒的弹性膨胀作用，确定气藏的物质平衡方程，以及建立第一线性回归模型；
建立模块，用于根据所述物质平衡方程和所述第一线性回归模型建立第二线性回归模型；
预测模块，用于根据所述储层物性参数、所述生产动态数据、所述第一线性回归模型和所述第二线性回归模型预测气藏的储量和水侵量；
其中，所述预测模块包括：第一确定子模块，用于在所述气藏无水侵的情况下，根据所述生产动态数据对所述第一线性回归模型进行拟合，确定所述第一线性回归模型对应的第一线性回归系数；第二确定子模块，用于根据所述第一线性回归系数和所述储层物性参数和对所述第二线性回归模型进行拟合，确定所述第二线性回归模型对应的第二线性回归系数；第一预测子模块，用于根据所述第二线性回归系数预测气藏的储量。
8.根据权利要求7所述的装置，其特征在于，所述预测模块包括：
建立子模块，用于在所述气藏有水侵的情况下，基于水驱气藏的水侵规律，根据所述储层物性参数和生产动态数据建立水侵量中间计算模型；
第三确定子模块，用于根据所述水侵量中间计算模型、所述储层物性参数和所述生产动态数据确定所述第一线性回归模型对应的第一线性回归系数和所述第二线性回归模型对应的第二线性回归系数；
第二预测子模块，用于根据所述第一线性回归系数预测气藏的水侵量；根据所述第二线性回归系数预测气藏的储量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010337384.1A CN111507537B (zh) | 2020-04-26 | 2020-04-26 | 一种水驱气藏的储量和水侵量的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010337384.1A CN111507537B (zh) | 2020-04-26 | 2020-04-26 | 一种水驱气藏的储量和水侵量的预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111507537A CN111507537A (zh) | 2020-08-07 |
| CN111507537B true CN111507537B (zh) | 2023-06-20 |
Family
ID=71876433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010337384.1A Active CN111507537B (zh) | 2020-04-26 | 2020-04-26 | 一种水驱气藏的储量和水侵量的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111507537B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113882850B (zh) * | 2021-10-18 | 2023-05-09 | 中国石油大学(北京) | 气藏动态储量预测方法 |
| CN113818873B (zh) * | 2021-10-20 | 2023-06-06 | 中国石油大学(北京) | 隐蔽含气区作用下的气藏动态储量计算方法及装置 |
| CN113958316B (zh) * | 2021-11-16 | 2023-05-09 | 中国石油大学(北京) | 具有水封气藏的气藏动态储量计算方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110219624A (zh) * | 2019-04-19 | 2019-09-10 | 西南石油大学 | 岩石孔隙收缩和束缚水膨胀条件下确定水驱气藏参数方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11126762B2 (en) * | 2018-02-28 | 2021-09-21 | Saudi Arabian Oil Company | Locating new hydrocarbon fields and predicting reservoir performance from hydrocarbon migration |
-
2020
- 2020-04-26 CN CN202010337384.1A patent/CN111507537B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110219624A (zh) * | 2019-04-19 | 2019-09-10 | 西南石油大学 | 岩石孔隙收缩和束缚水膨胀条件下确定水驱气藏参数方法 |
Non-Patent Citations (1)
| Title |
|---|
| 于清艳 等.含边底水气藏的水侵量计算方法.《新疆石油地质》.2017,第38卷(第05期),第586-591页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111507537A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111507537B (zh) | 一种水驱气藏的储量和水侵量的预测方法及装置 | |
| CN107339087B (zh) | 一种注水量劈分方法及装置 | |
| CN107451311B (zh) | 一种油水相对渗透率曲线计算方法及装置 | |
| CN111101929B (zh) | 一种计算油气藏平均地层压力的方法、装置及系统 | |
| US20140046636A1 (en) | Hybrid local nonmatching method for multiphase flow simulations in heterogeneous fractured media | |
| CN111852463B (zh) | 气井产能评价方法及设备 | |
| CN106703796B (zh) | 一种获取油藏的动态储量及水体大小的方法及装置 | |
| CN106761602B (zh) | 确定油井生产工况的方法和装置 | |
| CN106703797B (zh) | 一种获取气藏的动态储量及水体大小的方法及装置 | |
| CN111025409B (zh) | 一种水淹层评价方法、装置及存储介质 | |
| CN108090656B (zh) | 一种确定砂体连通性的方法及装置 | |
| CN111999227A (zh) | 一种应力敏感性测试方法和装置 | |
| CN107806916B (zh) | 储层改造体积的确定方法和装置 | |
| CN109681184B (zh) | 页岩气井生产动态预测方法及设备 | |
| EP3973286A1 (en) | Determination of scanning loops of capillary pressure and relative permeability curves and wettability distribution of rock samples | |
| Jung et al. | Characterization of various channel fields using an initial ensemble selection scheme and covariance localization | |
| CN112613171B (zh) | 一种煤储层渗透率确定方法及装置 | |
| Nakashima et al. | Near-well upscaling for three-phase flows | |
| Liao et al. | Data assimilation for strongly nonlinear problems by transformed ensemble Kalman filter | |
| CN106529147B (zh) | 一种确定油气储量和水体规模方法及装置 | |
| CN108505991B (zh) | 一种确定岩心中油的采出程度的方法及装置 | |
| US11988794B2 (en) | Accommodating non-Darcian effects of slip flow and Knudsen diffusion on gas flow for use in reservoir simulations | |
| CN113610292A (zh) | 一种致密气藏压裂水平井动态储量的确定方法和装置 | |
| CN107844637B (zh) | 一种油藏数值确定方法及装置 | |
| CN107605472B (zh) | 一种确定油藏采收率的方法及装置 |
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 |