CN111625757A - 一种数字化油田预测单井产量的算法 - Google Patents

一种数字化油田预测单井产量的算法 Download PDF

Info

Publication number
CN111625757A
CN111625757A CN202010526450.XA CN202010526450A CN111625757A CN 111625757 A CN111625757 A CN 111625757A CN 202010526450 A CN202010526450 A CN 202010526450A CN 111625757 A CN111625757 A CN 111625757A
Authority
CN
China
Prior art keywords
algorithm
data
pump
oil
yield
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.)
Granted
Application number
CN202010526450.XA
Other languages
English (en)
Other versions
CN111625757B (zh
Inventor
郭永伟
张笑洋
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.)
Dongying Dixin Intelligent Technology Co.,Ltd.
Original Assignee
Chengde Petroleum College
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 Chengde Petroleum College filed Critical Chengde Petroleum College
Priority to CN202010526450.XA priority Critical patent/CN111625757B/zh
Publication of CN111625757A publication Critical patent/CN111625757A/zh
Application granted granted Critical
Publication of CN111625757B publication Critical patent/CN111625757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Geophysics (AREA)
  • Databases & Information Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种数字化油田预测单井产量的算法，包括如下步骤：S1：确定油井下泵深度和抽汲参数；S2：迭代计算，得出预测结果。本算法执行过程中，首先从数据库读取基本信息、基础数据、物性参数、井斜数据、油管套管数据、功图数据、抽油机数据、杆柱数据、泵数据、产能数据、多相管流数据、黑油模型数据、传热系数数据等，在界面编辑后，调用智能优化函数执行计算，计算完成后输出优化后的单井产量预测结果等信息，实现了科学预测油井产量的有益效果。

Description

一种数字化油田预测单井产量的算法
技术领域
本发明涉及数字化油田领域，尤其涉及一种利用迭代算法计算油井的产量。
背景技术
目前国内油田采用的参数计算方法，基本依据传统的手工计算方法，并且采取简单的人工录制数据和管理，并没有考虑现代化和信息化的管理方法，而现代信息技术发展突飞猛进，
在现有技术中，缺少针对数字化油田预测单井产量的科学预测方法，这往往导致在油井投入运行后，实际产能与预测产能相差较远，严重影响到整个油田行业的健康发展。
所以，如何利用现代信息技术对油水井进行有效和高效的管理，是本领域技术人员需要认真思考的问题。
发明内容
有鉴于此，本发明提供了一种数字化油田预测单井产量的算法，解决现有技术中存在的问题，具体方案如下：
一种数字化油田预测单井产量的算法，包括以下步骤：
S1：确定油井下泵深度和抽汲参数
S1-1确定油井的泵径范围；
S1-2指定油井的冲程、冲饮；
S1-3确定抽汲参数组合；
S2：迭代计算
S2-1:输入下泵深度、抽汲参数、漏失系数和冲程损失系数；
S2-2：假设初始迭代产量为Qpl1；
S2-3：由Qpl1根据IPR曲线求井底流压Pf；
S2-4：根据Pf自下向上迭代，得到泵入口压力Pin；
S2-5：判定步骤S2-4中得到的泵入口压力Pin是否<0，如果判定结果为Y，则降低初始迭代产量Qpl1的值，转入S2-3步骤；如果判定结果为N,则转入下述步骤；
S2-6：计算泵的充满系数和体积系数；
S2-7：计算泵效并根据理论排量计算得出模拟迭代产量Qpl2；
S2-8：对比初始迭代产量为Qpl1与模拟迭代产量为Qpl2；
S2-9：得出预测结果
具体的，所述步骤S1-3中确定抽汲参数组合中油层的流入动态IPR曲线采用以下计算公式：
Figure BDA0002531575000000021
式中Q—实际排量，m3/d；
Qmax—流压为零时的最大产量；
Ps—平均地层压力；
Pf—井底流压，MPa；
具体的，所述S2-8中的对比标准为：判定|Qpl1-Qpl2|是否存在设定的步长以内，如果在所述设定的步长内，则说明产量预测准确，否则则说明预测不准确，需要重新设定所述迭代产量Qpl1继续下一次预测。
具体的，所述设定的步长为5。
具体的，所述步骤S1-1中所述泵径为32mm或38mm或44mm或56mm或57mm或83mm或95mm。
具体的，所述步骤S1-2中的所述冲程设定为3个，分别为3、4、5或4、5、6，所述冲次为3次/min或4次/min或5次/min。
具体的，所述步骤S2-2中泵的充满系数计算式为k＝Qpl1/Q额定。
具体的，本算法依托的软件为：采油采气工程优化与决策系统。
本发明提供的数字化油田预测单井产量的算法，算法执行过程中，首先从数据库读取基本信息、基础数据、物性参数、井斜数据、油管套管数据、功图数据、抽油机数据、杆柱数据、泵数据、产能数据、多相管流数据、黑油模型数据、传热系数数据等，在界面编辑后，调用智能优化函数执行计算，计算完成后输出优化后的单井产量预测结果等信息，实现了科学预测油井产量的有益效果。
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。
图1为本发明涉及算法的流程图。
具体实施方式
下面将结合本发明中的流程图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明请求保护一种数字化油田预测单井产量的算法，图1为本发明涉及算法的流程图，参照图1所示，本发明包括以下步骤：
S1：确定油井下泵深度和抽汲参数
S1-1确定油井的泵径范围；
S1-2指定油井的冲程、冲饮；
S1-3确定抽汲参数组合；
S2：迭代计算
S2-1:输入下泵深度、抽汲参数、漏失系数和冲程损失系数；
S2-2：假设初始迭代产量为Qpl1；
S2-3：由Qpl1根据IPR曲线求井底流压Pf；
S2-4：根据Pf自下向上迭代，得到泵入口压力Pin；
S2-5：判定步骤S2-4中得到的泵入口压力Pin是否<0，如果判定结果为Y，则降低初始迭代产量Qpl1的值，转入S2-3步骤；如果判定结果为N,则转入下述步骤；
S2-6：计算泵的充满系数和体积系数；
S2-7：计算泵效并根据理论排量计算得出模拟迭代产量Qpl2；
S2-8：对比初始迭代产量为Qpl1与模拟迭代产量为Qpl2；
S2-9：得出预测结果
具体的，所述步骤S1-3中确定抽汲参数组合中油层的流入动态IPR曲线采用以下计算公式：
Figure BDA0002531575000000041
式中Q—实际排量，m3/d；
假设的产量此时Q＝QPL1
Qmax—流压为零时的最大产量；m3/d
Ps—平均地层压力；MPa
Pf—井底流压，MPa；
具体的，所述S2-8中的对比标准为：判定|Qpl1-Qpl2|是否存在设定的步长以内，如果在所述设定的步长内，则说明产量预测准确，否则则说明预测不准确，需要重新设定所述迭代产量Qpl1继续下一次预测。
具体的，所述设定的步长为5。
具体的，所述步骤S1-1中所述泵径为32mm或38mm或44mm或56mm或57mm或83mm或95mm。
具体的，所述步骤S1-2中的所述冲程设定为3个，分别为3、4、5或4、5、6，所述冲次为3次/min或4次/min或5次/min。
具体的，所述步骤S2-2中泵的充满系数计算式为k＝Qpl1/Q额定。
具体的，本算法依托的软件为：采油采气工程优化与决策系统。
上面结合流程图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种数字化油田预测单井产量的算法，其特征在于，包括以下步骤：
S1：确定油井下泵深度和抽汲参数
S1-1确定油井的泵径范围；
S1-2指定油井的冲程、冲饮；
S1-3确定抽汲参数组合；
S2：迭代计算
S2-1:输入下泵深度、抽汲参数、漏失系数和冲程损失系数；
S2-2：假设初始迭代产量为Qpl1；
S2-3：由Qpl1根据IPR曲线求井底流压Pf；
S2-4：根据Pf自下向上迭代，得到泵入口压力Pin；
S2-5：判定步骤S2-4中得到的泵入口压力Pin是否<0，如果判定结果为Y，则降低初始迭代产量Qpl1的值，转入S2-3步骤；如果判定结果为N,则转入下述步骤；
S2-6：计算泵的充满系数和体积系数；
S2-7：计算泵效并根据理论排量计算得出模拟迭代产量Qpl2；
S2-8：对比初始迭代产量为Qpl1与模拟迭代产量为Qpl2；
S2-9：得出预测结果。
2.根据权利要求1所述的一种数字化油田预测单井产量的算法，其特征在于，所述步骤S1-3中确定抽汲参数组合中油层的流入动态IPR曲线采用以下计算公式：
Figure FDA0002531574990000011
式中Q—实际排量，m3/d；
Qmax—流压为零时的最大产量；
Ps—平均地层压力；
Pf—井底流压，MPa。
3.根据权利要求2所述的一种数字化油田预测单井产量的算法，其特征在于，所述S2-8中的对比标准为：判定|Qpl1-Qpl2|是否存在设定的步长以内，如果在所述设定的步长内，则说明产量预测准确，否则则说明预测不准确，需要重新设定所述迭代产量Qpl1继续下一次预测。
4.根据权利要求3所述的一种数字化油田预测单井产量的算法，其特征在于，所述设定的步长为5。
5.根据权利要求1-4任一项所述的一种数字化油田预测单井产量的算法，其特征在于，所述步骤S1-1中所述泵径为32mm或38mm或44mm或56mm或57mm或83mm或95mm。
6.根据权利要求5所述的种数字化油田预测单井产量的算法，其特征在于：所述步骤S1-2中的所述冲程设定为3个，分别为3、4、5或4、5、6，所述冲次为3次/min或4次/min或5次/min。
7.根据权利要求6所述的种数字化油田预测单井产量的算法，其特征在于：所述步骤S2-2中泵的充满系数计算式为k＝Qpl1/Q额定。
8.根据权利要求7所述的种数字化油田预测单井产量的算法，其特征在于，本算法依托的软件为：采油采气工程优化与决策系统。
CN202010526450.XA 2020-06-09 2020-06-09 一种数字化油田预测单井产量的算法 Active CN111625757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010526450.XA CN111625757B (zh) 2020-06-09 2020-06-09 一种数字化油田预测单井产量的算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010526450.XA CN111625757B (zh) 2020-06-09 2020-06-09 一种数字化油田预测单井产量的算法

Publications (2)

Publication Number Publication Date
CN111625757A true CN111625757A (zh) 2020-09-04
CN111625757B CN111625757B (zh) 2024-03-01

Family

ID=72259421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010526450.XA Active CN111625757B (zh) 2020-06-09 2020-06-09 一种数字化油田预测单井产量的算法

Country Status (1)

Country Link
CN (1) CN111625757B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145235A (zh) * 2007-06-29 2008-03-19 中国石化集团胜利石油管理局 一种油田开发决策系统
CN101906966A (zh) * 2010-07-16 2010-12-08 中国石油天然气股份有限公司 储层产能的预测方法及装置
WO2015143626A1 (zh) * 2014-03-25 2015-10-01 中国石油天然气股份有限公司 一种基于示功图的二流量试井分析的方法及系统
CN105868508A (zh) * 2016-04-28 2016-08-17 西南石油大学 一种基于气测录井信息的产能定量预测方法
CN206377019U (zh) * 2016-12-20 2017-08-04 中国石油天然气股份有限公司 一种无游动阀低漏失、防垢、砂卡抽油泵柱塞
US20180148999A1 (en) * 2016-11-29 2018-05-31 Conocophillips Company Methods for shut-in pressure escalation analysis
CN110008494A (zh) * 2018-12-13 2019-07-12 胜利油田森诺胜利工程有限公司 一种油田机械采油系统能耗在线优化方法
CN111222261A (zh) * 2020-04-22 2020-06-02 西南石油大学 动静参数结合的产量劈分方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145235A (zh) * 2007-06-29 2008-03-19 中国石化集团胜利石油管理局 一种油田开发决策系统
CN101906966A (zh) * 2010-07-16 2010-12-08 中国石油天然气股份有限公司 储层产能的预测方法及装置
WO2015143626A1 (zh) * 2014-03-25 2015-10-01 中国石油天然气股份有限公司 一种基于示功图的二流量试井分析的方法及系统
CN105868508A (zh) * 2016-04-28 2016-08-17 西南石油大学 一种基于气测录井信息的产能定量预测方法
US20180148999A1 (en) * 2016-11-29 2018-05-31 Conocophillips Company Methods for shut-in pressure escalation analysis
CN206377019U (zh) * 2016-12-20 2017-08-04 中国石油天然气股份有限公司 一种无游动阀低漏失、防垢、砂卡抽油泵柱塞
CN110008494A (zh) * 2018-12-13 2019-07-12 胜利油田森诺胜利工程有限公司 一种油田机械采油系统能耗在线优化方法
CN111222261A (zh) * 2020-04-22 2020-06-02 西南石油大学 动静参数结合的产量劈分方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MAHNAZ.等: "A new fast approach for well producting prediction in gascondensate reservoirs", 《ELSEVIER》, pages 47 - 59 *
贺清松: "抽油机井调参措施优化方法探讨", 《内蒙古石油化工》, no. 6, pages 72 - 73 *
邓睿: "基于机器学习的SD气田储量和产量预测算法研究", 《中国优秀硕士学位论文全文数据库 工程科技辑》, pages 019 - 76 *
韩光明等: "聚合物驱油井产能规律研究", 《石油钻采工艺》, vol. 37, no. 3, pages 93 - 97 *

Also Published As

Publication number Publication date
CN111625757B (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
Narasingam et al. Temporal clustering for order reduction of nonlinear parabolic PDE systems with time‐dependent spatial domains: Application to a hydraulic fracturing process
Fang et al. A generalized well-management scheme for reservoir simulation
Karakas et al. Semianalytical productivity models for perforated completions
CA2814370C (en) Lift-gas optimization with choke control
CA2825189C (en) System and method for using an artificial neural network to simulate pipe hydraulics in a reservoir simulator
Roustaei et al. Non-Darcy effects in fracture flows of a yield stress fluid
CN111219175B (zh) 考虑应力敏感的裂缝性碳酸盐岩酸压裂缝匹配性优化方法
CN104346511B (zh) 一种油藏动态监测方法及装置
CN113836695A (zh) 一种基于无网格连接元的油藏数值模拟方法
CN113486538A (zh) 一种非常规油气井产量预测及压裂效果评价方法
CN107545102B (zh) 一种预测新开发区蒸汽辅助重力泄油开发指标的方法
CN111625757A (zh) 一种数字化油田预测单井产量的算法
CN106929615A (zh) 一种高炉炉缸数值模拟与解析系统及其控制方法
Nakashima et al. Near-well upscaling for three-phase flows
CN114239419A (zh) 一种基于深度学习的井筒积液预测方法
CN110486008B (zh) 一种径向复合油藏的参数解释方法及系统
Sagen et al. A coupled dynamic reservoir and pipeline model–development and initial experience
Gao et al. A novel optimization approach for oil and gas production process considering model parameters uncertainties
Liu et al. Study on a gas plunger lift model for shale gas wells and its effective application
Clemens Sucker rod pumping system optimisation based on a novel finite elements analysis
WO2009084973A1 (en) Methods of forecasting and analysing gas-condensate flows into a well
Zhou et al. Nodal Analysis for a Transient Production System—Principles and Application
CN111210522A (zh) 利用fem在三维非结构网格流场内追踪流线分布的方法
CN106780105A (zh) 一种确定举升方式的方法及装置
Chandra et al. Integrated Production Optimization of Mature Field Y Under Network Constraints

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
TR01 Transfer of patent right

Effective date of registration: 20240716

Address after: Room 219, Building D, High tech Zone Energy Information Port, No. 233 Nan'er Road, Dongying District, Dongying City, Shandong Province, China 257000

Patentee after: Dongying Dixin Intelligent Technology Co.,Ltd.

Country or region after: China

Address before: 067000 No. 2 College Road, Chengde High-tech Industrial Development Zone, Hebei Province

Patentee before: Hebei Petroleum University of Technology

Country or region before: China

TR01 Transfer of patent right