CN111827967B - 一种油气藏分析方法 - Google Patents
一种油气藏分析方法 Download PDFInfo
- Publication number
- CN111827967B CN111827967B CN202010516824.XA CN202010516824A CN111827967B CN 111827967 B CN111827967 B CN 111827967B CN 202010516824 A CN202010516824 A CN 202010516824A CN 111827967 B CN111827967 B CN 111827967B
- Authority
- CN
- China
- Prior art keywords
- oil
- reservoir
- production
- parameters
- analysis method
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000005553 drilling Methods 0.000 claims abstract description 9
- 239000004215 Carbon black (E152) Substances 0.000 claims description 28
- 229930195733 hydrocarbon Natural products 0.000 claims description 28
- 150000002430 hydrocarbons Chemical class 0.000 claims description 28
- 239000000700 radioactive tracer Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000035699 permeability Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 230000000155 isotopic effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 235000013619 trace mineral Nutrition 0.000 claims description 3
- 239000011573 trace mineral Substances 0.000 claims description 3
- 238000007380 fibre production Methods 0.000 claims description 2
- 239000013307 optical fiber Substances 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 10
- 238000010219 correlation analysis Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 4
- 230000001939 inductive effect Effects 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 48
- 238000011161 development Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
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
-
- 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)
- Business, Economics & Management (AREA)
- Geology (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Agronomy & Crop Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明公开了一种油气藏分析方法,基于油气藏参数及产量数据,基于相关分析及归纳逻辑理论,解析生产井产量与油气藏原始参数的相关性。采用本分析方法能够定量评价各油气藏参数对于不同产量段的权重,从根本上确立了在特定油气藏参数组合的前提下,各油气藏参数对于不同产出物的不同产量段的权重。采用本发明的油气藏分析方法,规避了传统渗流力学的复杂数学模型的真实性及求解的困难,也根除了传统油气藏模型的诸多不确定参数及因素导致的模糊及偏离。本发明应用于样品测试深度解析油气藏参数与产量的相关性,大大减少了油气藏认识的摸索时间,可以帮助加深构造认识,由此对于油气田选井、油气田钻井钻进原则以及工程参数的设计具有指导意义。
Description
技术领域
本发明属于石油勘探开发技术领域,具体为一种油气藏分析方法。
背景技术
油气藏认识是石油天然气勘探、开发过程的核心技术。 对油气藏及产层的宏观及微观认识越趋于客观事实,对勘探开发的指导价值越大。现有的油气藏认识手段主要基于地球物理勘探数据的深度解析、渗流力学建模、测井数据解释、示踪测试技术及动态监测技术 ,在开发阶段的油气藏认识大多依赖于测井测试技术的数据解析。
这些解析可以预测储层产量与油气藏参数的关联,但是对于动态生产过程中的诸多因素变化,这些预测需要实际数据的不断优化。因此,当代业内的各种技术只能对产量与油气藏参数间的关联给出一个定性的估计。比如说,假定一个特定储层的产量与油气藏原始孔隙度和渗透率可能有关。再假定这个认识得到大多数技术人员及业内专家的认可。这个认识基于长期的油田开发经验和多井次,多区块开采的实际数据验证,可以认定是准确的认识。但是,现有技术无法明确油气藏参数与产量之间的定量关系,例如针对包括对于储层中的各个小层中孔隙度及渗透率对产量的权重有何不同以及其他油气藏参数如泥质含量、破裂压力、普阿松比等对产量的权重有何影响等问题,现有技术基本上无法回答。
发明内容
本发明的目的在于,针对上述存在的问题,提供一种油气藏分析方法,基于油气藏参数及产量数据,解析产量与油气藏原始参数的相关性。定量评价各油气藏参数对于不同产量段及不同产出物的影响权重,从而从根本上确立了在特定油气藏参数组合的前提下,各油气藏参数对产量的权重,进一步指导油气藏的开发。
本发明的技术内容如下:本发明的技术内容如下:
一种油气藏分析方法,包括以下步骤:
(1)测量生产井各段或其中若干段在一段时间t内的产量,获取某段与整个生产层总产量的产出占比,其中i=(1,2,⋯m),m为所选生产井段数;
(2)获取所选生产井各段的原始油气藏参数,根据油气藏参数获得品质因子,建立品质因子模型矩阵:
=;
是生产井的m段中n个油气藏参数中第i段第j个油气藏参数的品质因子,其中品质因子的获得是由一段时间t内第i段第j个油气藏参数的值与所选段的该油气藏参数的值之和的比值,无量纲;
(3)求解相关因子,采用以下公式:
;
其中:为油气藏系统的相关因子矩阵,是n个油气藏参数中第i个油气藏参数对产出贡献的相关因子,无量纲;
=,为)的广义逆;
==;
(4)相关因子解析,确定在特定油气藏体系下各个油气藏参数对产量贡献的权重。
在本发明的油气藏分析方法的一个具体实施例中,步骤(3)求解过程中,进行假设:认定采样期间的油气藏系统代表了油气藏系统在今后一段时间的状态,由此取消时变对计算方程的影响,公式如下:
。
在本发明的油气藏分析方法的一个具体实施例中,采用最小二乘估值针对步骤(3)的相关因子求解公式进行优化计算,克服产出占比和/或品质因子的误差或者噪声的影响。
在本发明的油气藏分析方法的一个具体实施例中,步骤(1)中,生产井包括采油井或采气井;生产井若干段可针对产油、产气或产水量中具有优势或劣势产量的段数进行集中选取。
在本发明的油气藏分析方法的一个具体实施例中,步骤(1)中,各段产量占比获取方式包括但不限于光纤生产测井、仪器生产测井、封隔器测井及示踪剂测井中的一种或多种组合。
进一步地,示踪剂测井中,示踪剂包括但不限于放射性示踪剂、同位素示踪剂、荧光示踪剂、化学示踪剂、微量元素示踪剂、量子示踪剂及陶粒示踪剂的一种或多种组合。
在本发明的油气藏分析方法的一个具体实施例中,步骤(2)中,原始油气藏参数包括但不限于孔隙度、渗透率、含油饱和度、含水饱和度、泥质含量、泊松比及应力等。
在本发明的油气藏分析方法的一个具体实施例中,所述油气藏分析方法可应用于油气田选井。
在本发明的油气藏分析方法的一个具体实施例中,所述油气藏分析方法可应用于油气田钻井钻进原则的确定。
在本发明的油气藏分析方法的一个具体实施例中,所述油气藏分析方法可应用于工程参数,如射孔方式、压裂设计的确定。
由于采取了以上技术方案,本发明的优点在于:
1)与现有技术相比,本发明第一次定量确定特定油气藏体系下,原始油气藏参数对产量的相关因子,从而确定在特定油气藏体系下,各个油气藏参数对产量贡献的权重。通过权重分析,在诸多油气藏参数及彼此非线性耦合的状态下第一次明确了在特定油气藏体系下哪些油气藏参数对产量贡献起决定性作用,同时定量确定它们的排序;
2)采用优化的方程计算方法,能够方便的求得优化解,减少了产出占比测量以及品质因子计算过程中的误差及噪声;
3)本发明应用于样品测试深度解析油气藏参数与产量的相关性,大大减少了油气藏认识的摸索时间,可以帮助加深构造认识,由此对于油气田选井、油气田钻井钻进原则以及压裂参数的设计具有指导意义;
4)本发明的适用类型广泛,可以获得包括产油、产气及产水的不同产出物与油气藏参数的相关因子,同时对于同一产出物中可确定对主产、中产或低产起决定作用的油气藏参数;
5)采用本发明的油气藏分析方法还可以验证不同测试方法获得的产量监测数据的准确性。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
实施例
本实施例公开了一种油气藏分析方法,包括以下步骤:
(1)测量生产井各段或其中若干段在一段时间t内的产量,获取某段与整个生产层总产量的产出占比,其中i=(1,2,⋯m),m为所选生产井段数;本实施例中,所有的产出贡献均指一段时间内,该段产出占所测量段产出之和的比例,简称为产量占比。因此,产量占比∈[0,1]。
(2)获取所选生产井各段的原始油气藏参数,根据油气藏参数获得品质因子,建立品质因子模型矩阵:
=;
是生产井的m段中n个油气藏参数中第i段第j个油气藏参数的品质因子,其中品质因子的获得是由一段时间t内第i段第j个油气藏参数的值与所选段的该油气藏参数的值之和的比值,无量纲;
(3)求解相关因子,采用以下公式:
;
其中:为油气藏系统的相关因子矩阵,是n个油气藏参数中第i个油气藏参数对产出贡献的相关因子,无量纲;
=,为)的广义逆;
==;
(4)相关因子解析,确定在特定油气藏体系下各个油气藏参数对产量贡献的权重。
可看出,本实施例是以油气藏原始参数品质因子作为输入,各段产量占比作为输出,输入输出的相关因子作为状态矩阵,建立的输入输出定常线性数学模型称为IRA模型,其分析方法称为IRA相关分析。品质因子指的是油气藏参数对产出贡献优劣的一个评估值,根据系统要求可以限定在某一实数范围内。相关因子指的不同油气藏参数与生产井产量之间的关系,根据计算结果,相关因子为正值表明对油气藏产量作用大,负值代表阻碍作用。另外,正值条件下,数值越大,表明该油气藏参数对增产影响越大;在负值条件下,数值越小,负相关性越强。相关因子基于线性化假定提出,本方法的相关因子的求解是基于线性空间分析及矩阵理论,建立各段产量占比与品质因子及相关因子的数学模型。该模型是建立在实数域上线性空间模型。相关因子视为该参数集合的一组基,映射将集合内的元素映射至产量占比的集合内。显然,该集合及实数域在加法及数乘运算下封闭并满足线性空间8条件。根据假定,该映射为线性变换,在相关因子域上的集合映射为线性空间。由于该模型为线性矩阵方程,变换矩阵为mxn,采用广义逆理论可以求解方程。
进一步地,在方程求解计算时,进行如下假设:认定采样期间的油气藏系统代表了油气藏系统在今后一段时间的状态。换言之,假定油气藏系统在我们观测的期间内,其油气藏参数是定常的。因此不再考虑时变对于IRA相关方程的影响,简化后的方程如下:
。
该方程为定常IRA相关方程,定常IRA相关方程大大简化了油气藏参数与产出贡献之间的内在关系。虽然我们损失了一定的时变因素及油气藏参数与产出的非线性关系,但是,当我们的各段产出数据已知后,我们可以在工程上简便求出油气藏参数对产量的相关因子,从而评价各个油气藏参数的品质对产出的贡献程度。
在本实施例中,多段的产量示踪可能导致多个矩阵方程,因而所求解的相关因子可能彼此矛盾。由于示踪测试的产量占比,油气藏原始参数,品质因子的确定都存在一定的误差及不确定性,这种矛盾符合油气藏本质。事实上,求解的相关因子可以看成某些观测值的推演,与真实的油气藏参数、品质因子及相关因子可能会存在些许误差。作为本实施例的优选方案,在本实施例的上述定常方程求解过程中,由于各参数本质上都是存在随机误差的。对于不同的误差机制,我们需要求解出最优解,使得求出的相关因子更接近油气藏特有属性。考虑到定常IRA相关方程可能是欠定的,或者超定的,其输出矩阵、输出向量可以部分或者全部存在噪声,我们需要对方程求解最优解或者次优解。以产出占比存在测量误差或者噪声为例:
具体的,当产出占比存在随机误差,且随机误差满足
;
;
;
依据Gauss-Markov定理,有最优无偏解:
;
当选择为满列秩时,其广义逆解就是最优无偏解。
在工程应用中,为避免繁杂的计算(矩阵计算、矩阵求逆、矩阵共轭转置的计算都是较为繁杂的计算)并保证最优无偏解,选择阵为满列秩,可以大大降低计算量,并保证工程精度。这个方法在工程应用中基本可以得到满足。因此,最优无偏解可以认定为定常IRA相关方程的主要解。
同理,对于品质因子存在计算误差或者噪声,或者品质因子及产出占比都存在误差或噪声时,可以同样采用数据最小二乘法求解最小二乘值或者总体最小二乘法求解,最终可采用TLS数值求解。
需要知晓的是,上述计算方法并不对IRA相关的方程求解进行限定,还可采用现有技术中的其它数学方法进行求解。
在本实施例中,步骤(1)中,生产井包括采油井或采气井;生产井若干段可针对产油、产气或产水量中具有优势或劣势产量的段数进行集中选取。根据具体产出情况进行划分和调整,例如可集中选取大于10%的高产段或者小于5%的低产段,根据选择的段数的类型不同,以确定在特定油气藏体系下,对主产或者低产起决定作用的油气藏参数。对应的,根据油气藏分析方法确定后,可以得到不同油气藏参数对于产油量的权重、产气量的权重或者产水量的权重的关系,根据开发者所关注的不同产量物质对象来确定。
在本实施例中,步骤(1)中,各段产量占比获取方式包括但不限于光纤生产测井、仪器生产测井、封隔器测井及示踪剂测井中的一种或多种组合。现有技术的通过测井获得产量的方法较为成熟,本实施例优选为示踪剂测井。进一步地,示踪剂测井中,示踪剂包括但不限于放射性示踪剂、同位素示踪剂、荧光示踪剂、化学示踪剂、微量元素示踪剂、量子示踪剂及陶粒示踪剂的一种或多种组合。
在本实施例中,步骤(2)中,原始油气藏参数包括但不限于孔隙度、渗透率、含油饱和度、含水饱和度、泥质含量、泊松比及应力。油气藏参数的类型选择可以针对油田产量常规的影响参数确定,或者根据不同的生产井特点、参数获取的难易程度以及生产井开发者所关注的对象重点不同所确定。
采用本实施例的油气藏分析方法在具体施例中可应用于油气田选井。采用本发明的方法明确了在特定油气藏体系下,哪些油气藏参数对产量贡献起决定性作用,同时定量确定它们的排序。因此对于同类型的生产井进行选井时具有参考意义。
采用本实施例的油气藏分析方法在具体施例中可应用于油气田钻井钻进原则的确定。例如,针对某一特定油气藏区块,经过IRA分析确定孔隙度对产量影响权重较大,在钻井选层时优先考虑孔隙度较大层位进行开发。
采用本实施例的油气藏分析方法在具体施例中可应用于工程参数的确定,通过对油气藏参数与产量关系进行解析后,可以明确对于如射孔方式,加液量、加砂量等压裂参数的优化设计方向,有针对性的进行控制。例如,针对某一特定油气藏区块,经过IRA分析确定加液量、加砂量对产量影响权重较小时,可以考虑降低加液量、加砂量,降低生产开发成本。
采用本实施例的油气藏分析方法还可以验证不同测试方法获得的产量监测数据的准确性。例如,针对某一特定油气藏区块,经过IRA分析确定孔隙度对产量影响权重较大时,通过某种测试手段得到的产量,如果高产段集中在孔隙度较小的段,则证明该测试结果有问题。
采用本实施例的油气藏分析方法,规避了传统渗流力学的复杂数学模型的真实性及求解的困难,也根除了传统油气藏模型的诸多不确定参数及因素导致的模糊及偏离,从根本上提供了一种基于归纳及相关分析的油气藏认识新方法。
采用上述方法进行以下具体实施,对甘肃华池的H6-X井进行产油产水示踪测试,共使用10种水剂和10种油剂的化学示踪剂进行产水与产油分析,经过三个月的测试,选取其中五个较高产段进行IRA相关性分析,结果如下:
表1某生产井的高产段数的产油占比及油气藏参数
经过前述的计算方法,求得r1泥质含量=-0.5,r2孔隙度=3.2,r3渗透率=2.1,r4含油饱和度=-1.5。
由此可以看出,本井中高产段的泥质含量相关因子约-0.5(无量纲),对产量贡献小于孔隙度和渗透率,本井中高产段的含油饱和度相关因子约-1.5(无量纲),对产量贡献小于孔隙度和渗透率,本井中高产段孔隙度和渗透率相关因子分别为3.2/2.1(无量纲),对产量表现为主要贡献;高品质孔隙度和渗透率主导产量,泥质含量及含油饱和度避免品质过低,由此为后续该井所在区块的选井开发和施工指明了方向。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种油气藏分析方法,其特征在于,包括以下步骤:
(1)测量生产井各段或其中若干段在一段时间t内的产量,获取某段与整个生产层总产量的产出占比Ci(t),其中i=(1,2,…m),m为所选生产井段数;
(2)获取所选生产井各段的原始油气藏参数,根据油气藏参数获得品质因子qij,建立品质因子模型矩阵:
Q(t)=(qij(t))m×n;
qij(t)是生产井的m段中n个油气藏参数中第i段第j个油气藏参数的品质因子,其中品质因子的获得是由一段时间t内第i段第j个油气藏参数的值与所选段的该油气藏参数的值之和的比值,无量纲;
(3)求解相关因子R(t),采用以下公式:
R(t)=Q+(t)×C(t);
其中:R(t)=(r1(t)r2(t)…rn(t))T∈Rn×1为油气藏系统的相关因子矩阵,ri(t)是n个油气藏参数中第i个油气藏参数对产出贡献的相关因子,无量纲;
C(t)=Cm×1(t)=(C1(t) C2(t) … Cm(t))T;
(4)相关因子解析,确定在特定油气藏体系下各个油气藏参数对产量贡献的权重。
2.根据权利要求1所述的油气藏分析方法,其特征在于,步骤(3)求解过程中,进行假设:认定采样期间的油气藏系统代表了油气藏系统在今后一段时间的状态,由此取消时变对计算方程的影响,公式如下:
R=Q+×C。
3.根据权利要求2所述的油气藏分析方法,其特征在于,采用最小二乘估值针对步骤(3)的相关因子求解公式进行优化计算,克服产出占比和/或品质因子的误差或者噪声的影响。
4.根据权利要求1所述的油气藏分析方法,其特征在于,步骤(1)中,生产井包括采油井或采气井,生产井若干段针对产油、产气或产水量中具有优势或劣势产量的段数进行集中选取。
5.根据权利要求1所述的油气藏分析方法,其特征在于,步骤(1)中,各段产出占比获取方式包括光纤生产测井、仪器生产测井、封隔器测井及示踪剂测井中的一种或多种组合。
6.根据权利要求5所述的油气藏分析方法,其特征在于,示踪剂测井方法中,示踪剂包括放射性示踪剂、同位素示踪剂、荧光示踪剂、化学示踪剂、微量元素示踪剂、量子示踪剂及陶粒示踪剂的一种或多种组合。
7.根据权利要求1所述的油气藏分析方法,其特征在于,步骤(2)中,原始油气藏参数包括孔隙度、渗透率、含油饱和度、含水饱和度、泥质含量、泊松比及应力。
8.根据权利要求1~7任一项所述的油气藏分析方法,其特征在于,所述油气藏分析方法应用于油气田选井。
9.根据权利要求1~7任一项所述的油气藏分析方法,其特征在于,所述油气藏分析方法应用于油气田钻井钻进原则的确定。
10.根据权利要求1~7任一项所述的油气藏分析方法,其特征在于,所述油气藏分析方法应用于工程参数的确定,所述工程参数包括射孔方式及压裂参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010516824.XA CN111827967B (zh) | 2020-06-09 | 2020-06-09 | 一种油气藏分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010516824.XA CN111827967B (zh) | 2020-06-09 | 2020-06-09 | 一种油气藏分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111827967A CN111827967A (zh) | 2020-10-27 |
CN111827967B true CN111827967B (zh) | 2023-04-18 |
Family
ID=72899266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010516824.XA Active CN111827967B (zh) | 2020-06-09 | 2020-06-09 | 一种油气藏分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111827967B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2317073B1 (en) * | 2009-10-29 | 2014-01-22 | Services Pétroliers Schlumberger | An instrumented tubing and method for determining a contribution to fluid production |
US10577894B1 (en) * | 2015-06-08 | 2020-03-03 | DataInfoCom USA, Inc. | Systems and methods for analyzing resource production |
CN106779275B (zh) * | 2016-09-19 | 2021-03-09 | 中国石油大学(华东) | 油田产量主控因素权重分析方法 |
CN109403962A (zh) * | 2018-10-15 | 2019-03-01 | 西南石油大学 | 油藏区块动态监测指标关联分析方法 |
CN110374572B (zh) * | 2019-08-12 | 2021-01-05 | 西南石油大学 | 非常规油气藏多段压裂水平井各改造段特性参数确定方法 |
-
2020
- 2020-06-09 CN CN202010516824.XA patent/CN111827967B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111827967A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447532B (zh) | 一种基于数据驱动的油藏井间连通性确定方法 | |
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
CN104533400B (zh) | 一种重构测井曲线的方法 | |
CN104899411B (zh) | 一种储层产能预测模型建立方法和系统 | |
SA04250006B1 (ar) | اختيار بيانات توجيه شبكة خطوط عصبية باستخدام التحليل التجميعي المختزل للذاكرة لتطوير نموذج حقلي | |
CN109214026A (zh) | 一种页岩气水平井初期产能预测方法 | |
EP2343576A1 (fr) | Méthode d'exploitation d'un gisement pétrolier à partir d'une construction d'une carte de faciès représentative du gisement | |
Ponomareva et al. | A new approach to predict the formation pressure using multiple regression analysis: Case study from Sukharev oil field reservoir–Russia | |
Kamal et al. | Determination of in-situ reservoir absolute permeability under multiphase-flow conditions using transient well testing | |
CN114066084B (zh) | 一种基于机器学习的相渗曲线预测方法及系统 | |
Michael Shook et al. | Early-time analysis of tracers for use in enhanced-oil-recovery flood optimization | |
CN115758514A (zh) | 一种基于时间序列的压力恢复试井设计全局敏感性分析方法 | |
Taipova et al. | Verifying reserves opportunities with multi-well pressure pulse-code testing | |
CN111827967B (zh) | 一种油气藏分析方法 | |
CN109655394B (zh) | 一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法 | |
CN116306118A (zh) | 一种裂缝建模方法 | |
Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
CN111441766B (zh) | 一种分层试气无阻流量预测方法 | |
CN108647417B (zh) | 一种确定页岩气储层含气饱和度的简易方法 | |
CN111706323A (zh) | 一种综合gwo-lssvm算法的水淹层精细解释评价方法 | |
Liu et al. | Application of Water Injection Profile Recognition Based on Machine Learning Method in F Oilfield | |
Amanipoor | Providing a subsurface reservoir quality maps in oil fields by geostatistical methods | |
Ashayeri et al. | Using the Adaptive Variable Structure Regression Approach in Data Selection and Data Preparation for Improving Machine Learning-Based Performance Prediction in Unconventional Plays | |
CN114492235B (zh) | 一种适用于碳酸盐岩地层的地层孔隙流体压力预测方法 | |
CN113051518B (zh) | 一种气油比定量计算方法、装置、计算机设备及存储介质 |
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 |