CN111985146B - 一种措施潜力井的确定方法和确定装置 - Google Patents
一种措施潜力井的确定方法和确定装置 Download PDFInfo
- Publication number
- CN111985146B CN111985146B CN201910427804.2A CN201910427804A CN111985146B CN 111985146 B CN111985146 B CN 111985146B CN 201910427804 A CN201910427804 A CN 201910427804A CN 111985146 B CN111985146 B CN 111985146B
- Authority
- CN
- China
- Prior art keywords
- well
- oil pressure
- production
- evaluated
- parameters
- 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 abstract description 47
- 238000004519 manufacturing process Methods 0.000 claims abstract description 214
- 239000007788 liquid Substances 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 6
- 241001649081 Dina Species 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003129 oil well Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Measuring Fluid Pressure (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种措施潜力井的确定方法和确定装置,确定方法包括:根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型;根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值;若所述井口油压差值小于预设值,则所述待评价井为措施潜力井;其中,所述第一生产参数包括生产时间参数、单位周期产气量参数、单位周期产液量参数、井口温度参数,所述第二生产参数包括井口油压参数。本发明能够快速从大量待评价井中客观筛选并确定潜力井以进行措施。
Description
技术领域
本发明涉及一种措施潜力井的确定方法和确定装置,属于自喷井改造技术领域。
背景技术
为考虑措施成本,保证采取措施后能够有效提升产能,油气井进行措施挖潜前需要进行潜力评估筛选,再根据潜力评估结果对有提升潜力的油气井进行挖潜措施。
现有技术中,对油气井的措施潜力评估方法如下:如果某口井生产状况长期较好,则认定该井不具备措施潜力;而如果某口井生产状况长期较差,则认定该井具备措施潜力。即,根据油气井的生产状况对其进行措施潜力评估。
目前的技术水平仅仅是根据一部分油气井的生产数据来进行对比分析,缺乏系统全面、准确度高的评估方法。虽然数值模拟的方法也已经应用于油气井生产状况评估,但该方法存在“参数不确定性大”和“多相流误差大”的缺陷,导致模型的拟合度通常较低,从而影响评估结果的客观性。因此,如何快速从大量待评价井中客观筛选并确定潜力井进行措施,是本领域亟待解决的技术问题。
发明内容
本发明提供一种措施潜力井的确定方法和确定装置,用于快速从大量待评价井中客观筛选并确定潜力井以进行措施。
本发明提供一种措施潜力井的确定方法,包括:
根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型;
根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值;
若所述井口油压差值小于预设值,则所述待评价井为措施潜力井;
其中,所述第一生产参数包括生产时间参数、单位周期产气量参数、单位周期产液量参数、井口温度参数,所述第二生产参数包括井口油压参数。
如上所述的措施潜力井的确定方法,其中,所述根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型之前,还包括:
选择所述基准井。
如上所述的措施潜力井的确定方法,其中,所述根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型,包括:
利用神经网络算法对所述基准井的生产参数进行训练,获取所述基准井的特征模型。
如上所述的措施潜力井的确定方法,其中,所述根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值,包括:
根据所述特征模型和待评价井的第一生产参数,获取所述待评价井的模型井口油压;
根据所述待评价井的第二生产参数和所述模型井口油压,获取所述井口油压差值。
如上所述的措施潜力井的确定方法,其中,所述根据所述特征模型和待评价井的第一生产参数,获取所述待评价井的模型井口油压,包括:
根据所述特征模型和N组第一生产参数,得到N组计算井口油压;
对所述N组计算井口油压进行平均处理,得到所述模型井口油压;
N≥2。
如上所述的措施潜力井的确定方法,其中,所述根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值,包括:
获取所述待评价井的即时第一生产参数和即时第二生产参数;
根据所述特征模型和所述即时第一生产参数,得到所述模型井口油压;
根据所述模型井口油压和所述即时第二生产参数,得到所述井口油压差值。
如上所述的措施潜力井的确定方法,其中,所述根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值,包括:
获取所述待评价井的N组第一生产参数和N组第二生产参数;
根据所述特征模型和所述N组第一生产参数,得到N组计算井口油压;
根据所述N组计算井口油压和N组第二生产参数,得到N组中间井口油压差值;
对所述N组中间井口油压差值进行平均处理,得到所述井口油压差值;
N≥2。
本发明还提供一种措施潜力井的确定装置,包括:
第一获取模块,用于根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型;
第二获取模块,用于根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值;
解析模块,用于判断所述井口油压差值是否小于预设值,若所述井口油压差值小于预设值,则所述待评价井为措施潜力井;
其中,所述第一生产参数包括生产时间参数、单位周期产气量参数、单位周期产液量参数、井口温度参数,所述第二生产参数包括井口油压参数。
如上所述的措施潜力井的确定装置,其中,包括:
选择模块,用于在所述第一获取模块获取所述基准井的特征模型之前选择所述基准井。
如上所述的措施潜力井的确定装置,其中,所述第一获取模块还包括训练单元,所述训练单元用于利用神经网络算法对所述基准井的生产参数进行训练。
本发明的措施潜力井的确定方法,利用基准井的生产参数制定基准井的生产特征模型,再利用基准井的特征模型和各个待评价井的生产参数确定待评价井的井口油压差值,利用井口油压差值确定待评价井是否具有措施潜力,由于本发明的确定方法以基准井模型为基础对待评价井进行筛选,因此能够有效提升筛选的客观性。
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使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的措施潜力井的确定方法实施例一的流程图;
图2为本发明的措施潜力井的确定方法实施例二的流程图;
图3为本发明的措施潜力井的确定方法实施例三的流程图;
图4为本发明实施例迪那2气田中基准井特征模型确定的模型油压曲线和基准井实际井口油压曲线的比较图;
图5为本发明实施例迪那2气田中#21井的模型油压曲线和实际井口油压曲线的比较图;
图6为本发明实施例迪那2气田中#24井的模型油压曲线和实际井口油压曲线的比较图;
图7为本发明实施例迪那2气田中#26井的模型油压曲线和实际井口油压曲线的比较图;
图8为本发明实施例迪那2气田中#4井的模型油压曲线和实际井口油压曲线的比较图;
图9为本发明实施例迪那2气田中#6井的模型油压曲线和实际井口油压曲线的比较图;
图10为本发明实施例迪那2气田中#10井的模型油压曲线和实际井口油压曲线的比较图;
图11为本发明的措施潜力井的确定装置实施例一的结构示意图。
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,下面将结合本发明的实施例,对本发明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。
图1为本发明的措施潜力井的确定方法实施例一的流程图,如图1所示,本实施例的措施潜力井的确定方法,包括:
S101:根据基准井的第一生产参数和第二生产参数,获取基准井的特征模型;
上述基准井是指油气产量平稳、井口油压平稳的油气井。
能够理解的是,在S101之前,需要先进行基准井的选择。
在选择基准井时,需要在待评价井所在区块进行基准井的选择。由于同一区块的储层特性相同或相似,并且区块内的各个油气井的生产参数应该具有相同或类似的对应关系规律,从而保证了基准井作为待评价井的基准的客观性,为客观筛选确定措施潜力井奠定了良好的基础。
此外,由于对油气井进行措施的目标是提高油气井的产出效率,因此基准井应当为区块内产出水平较好的井。
具体应用中,可以通过数据评价区块内的各口油气井,确定其中产出效果较好的井作为基准井。
例如,在某些具体应用中,可以采用区块内产出水平最好的油气井作为基准井,也可以采用区块内单位周期油气产量、井口油压平稳的油气井作为基准井。具体的,如果油气井的产量平稳且没有出现剧烈波动,代表地层中的地压充足,井筒出砂、结蜡和出水等异常状况较小。
另外,基准井还可以是没有出现过关井操作的井,也就是没有出现过问题的井。
在某些应用中,还可以对区块内的储层地形图做分析,结合前述的单位周期产气量、井口油压等确定基准井。具体选择过程中,也可以由经验丰富人员综合前述数据,根据自身经验选定基准井。
当确定基准井后,可以根据基准井的第一生产参数和第二生产参数建立基准井的特征模型。
基准井的第一生产参数为生产时间参数T、单位周期产气量参数G、单位周期产液量参数L、井口温度参数C,基准井的第二生产参数为井口油压参数P。本实施例中,以天为单位确定前述的第一生产参数和第二生产参数,即生产时间为第N天(N=1,2……)的井口油压P、单位周期产气量G、单位周期产液量L和井口温度C。
具体的,井口油压可以是每天多次测量数据的平均值,井口温度也是在每天多次测量井口油压时刻温度的平均值。在其他实施例中,也可以采用其他时间量级确定相应的第一生产参数和第二生产参数,例如以小时或周为单位。但是,应当确定的是,第一生产参数和第二生产参数的数量应当达到足够的数量,以保证建立模型的需求。
在一种实施方式中,可以采用神经网络算法对基准井的第一生产参数和第二生产参数进行训练,得到基准井特征模型。实际应用中,可以采用目前已经得到商业化应用的神经网络训练模型,例如可以采用Matlab软件中的神经网络模型等。
在具体训练过程中,可以利用基准井的部分第一生产参数和第二生产参数作为训练样本对神经网络模型进行计算,确定模型中的各个参数的系数,并而利用部分第一生产参数和第二生产参数作为验证样本,对训练得到的模型进行测试,判断模型是否达到相应的要求。当采用Matlab中的神经网络模型进行训练时,训练后拟合度R超过0.7时,基准井特征模型即可以应用。
值得注意的是,本实施例的基准井特征模型是第一生产参数为自变量,第二生产参数为因变量的模型,即基准井特征模型P=f(T,G,L,C)。
S102:根据特征模型、待评价井的第一生产参数和第二生产参数,获取待评价井的井口油压差值;
待评价井的第一生产参数为生产时间参数T、单位周期产气量参数G、单位周期产液量参数L、井口温度参数C,待评价井的第二生产参数为井口油压参数P。具体的,井口油压可以是每天多次测量数据的平均值,井口温度也是在每天多次测量井口油压时刻温度的平均值。在其他实施例中,也可以采用其他时间量级确定相应的第一生产参数和第二生产参数,例如以小时或周为单位。
井口油压差值为待评价井的第二生产参数(实际井口油压)与根据特征模型和待评价井的第一生产参数得到的井口油压的差值。
需要注意的是,本实施例的井口油压差值是第二生产参数减去根据特征模型和第一生产参数得到的井口油压而得的差值,即第二生产参数是被减数,根据特征模型和第一生产参数得到的井口油压为减数。
利用上述井口油压差值能够确定待评价井的特性和基准井的差别状况。如果油压差值较大,则证明待评价井与基准井的特性差别较大;如果油压差值较小,则证明待评价井与基准井的特性差别较小。
S103:若井口油压差值小于预设值,则待评价井为措施潜力井;
应当注意,前述井口油压差值有正负之分,如果差值为正值,则证明待评价井的状态可能好于基准井,对于这样的井无需进行措施改造;如果差值为负值,则证明待评价井的状态可能差于基准井,对于这样的井可能需要进行措施改造。
本实施例利用预设值与井口油压差值的关系最终确定需要进行措施的潜力井。
具体地,如果油压差值的为负值且绝对值很大,并且油压差值小于预设值(预设值为负数),则大体可以判定待评价井本身的井筒特性或者井壁特性可能有故障,所以如果对待评价井进行改造则提升油气产量的概率较大,则可以将其待评价井作为措施潜力井。
实际应用中,对于同一区块的各个待评价井分别采用基准井特性模型进行计算,可能得到多口措施潜力井;而在措施潜力井的数量大于预计可以改造油气井的数量的情况下,则可以调整预设值而减小措施潜力井的数量;也可以对各个措施潜力井的油压差值进行比较,选择油压差值绝对值更大的油气井作为措施潜力井。
采用本实施例提供的措施潜力井确认方法,利用基准井的第一生产参数和第二生产参数制定基准井特性模型,再利用基准井特征模型和各个待评价油井的第一生产参数和第二生产参数确定井口油压差值,利用井口油压差值和预设值的比较确定待评价井是否具有措施潜力。
采用本实施例的确定方法,以基准井为参照为待评价油井是否需要措施提供比对依据,进而更具有客观性。
图2为本发明的措施潜力井的确定方法实施例二的流程图。如图2所示,本实施例提供的确定方法在上述实施例一的基础上,对上述实施例一进行了进一步的解释,S102具体包括:
S201:根据特征模型和待评价井的第一生产参数,获取待评价井的模型井口油压。
具体地,将待评价井的第一生产参数代入基准井的特征模型中,能够得到特征模型的下的井口油压,即为模型井口油压。
在具体获取模型井口油压时,可以通过以下两种方式执行。
在第一种实施方式中:
根据所述特征模型和N组第一生产参数,得到N组计算井口油压;
对所述N组计算井口油压进行平均处理,得到所述模型井口油压;
N≥2。
也就是说,记录待评价井的N组第一生产参数,然后将N组第一生产参数代入特征模型中进行计算,从而得到N组计算井口油压;然后将N组计算井口油压进行平均处理,得到模型井口油压。
此处的平均处理,可以是N组计算井口油压之和与N的比值,也可以是除去最大值和最小值后,剩余的(N-2)组计算井口油压之和与(N-2)的比值,本实施例不限定平均处理的具体实施方式。
在第二种实施方式中:
获取所述待评价井的即时第一生产参数;
根据所述特征模型和所述即时第一生产参数,得到模型井口油压。
其中,即时第一生产参数是待评价井的最新的第一生产参数。
也就是说,记录待评价井的即时第一生产参数,然后即时第一生产参数代入特征模型中进行计算,从而得到模型井口油压。
S202:根据待评价井的第二生产参数和模型井口油压,获取井口油压差值。
第二生产参数为实际的井口油压,利用第二生产参数减去模型井口油压,得到的差值即为井口油压差值。
S202也具有两种实施方式分别对应于上述S201的两种实施方式。
在第一种实施方式中:
对N组第二生产参数进行平均处理,得到实际井口油压;
根据所述实际井口油压和所述模型井口油压,得到所述井口油压差值;
其中,所述N组第二生产参数与所述N组第一生产参数相互对应。
第二生产参数与第一生产参数相互对应是指在同一时刻得到的第一生产参数和第二生产参数。
在第二种实施方式中:
获取所述待评价井的即时第二生产参数;
根据所述即时第二生产参数和所述模型井口油压,得到所述井口油压差值;
其中,所述即时二生产参数与所述即时第一生产参数相互对应。
图3为本发明的措施潜力井的确定方法实施例三的流程图。如图3所示,本实施例提供的确定方法在上述实施例一的基础上,对上述实施例一进行了进一步的解释,S102具体包括:
S301:根据特征模型和待评价井的N组第一生产参数,得到N组计算井口油压;
也就是说,记录待评价井的N组第一生产参数,然后将N组第一生产参数代入特征模型中进行计算,从而得到N组计算井口油压;
S302:根据N组计算井口油压和待评价井的N组第二生产参数,得到N组中间井口油压差值;
分别对每组的第二生产参数和计算井口油压求差,得到N组中间井口油压差值,其中,第二生产参数与获得该组计算井口油压的第一生产参数对应。
S303:对N组中间井口油压差值进行平均处理,得到井口油压差值。
此处的平均处理,可以是N组中间井口油压差值之和与N的比值,也可以是除去最大值和最小值后,剩余的(N-2)组中间井口油压差值之和与(N-2)的比值,本实施例不限定平均处理的具体实施方式。
以下,通过利用本发明的方法对迪那2气田的措施潜力井进行筛选确定,详细介绍本发明的措施潜力井确定方法。
具体步骤为:
首先分析迪那2气田中所有油气井的生产动态,根据各个气井的生产状态,选择迪那2气田生产状态最好的#2井作为基准井。
其次利用#2井的生产时间T、井口油压P、单位周期产气量G、单位周期产液量L和井口温度C经Matlab中的神经网络模型进行训练,得到拟合度R为0.92034的拟合曲线(基准井特征模型)。图4为本发明实施例迪那2气田中基准井特征模型确定的模型油压曲线和基准井实际井口油压曲线的比较图,其中,深色点(圆圈)及其组成的曲线代表实际井口油压,浅色点(星号)及其组成的曲线为模型油压。由图4可以看出,训练得到的基准井特征模型的准确性已经较高,能够作为确定措施潜力井的基础。
随后,使用基准井特征模型,计算待评价井的模型油压。图5为本发明实施例迪那2气田中#21井的模型油压曲线和实际井口油压曲线的比较图,图6为本发明实施例迪那2气田中#24井的模型油压曲线和实际井口油压曲线的比较图,图7为本发明实施例迪那2气田中#26井的模型油压曲线和实际井口油压曲线的比较图,图8为本发明实施例迪那2气田中#4井的模型油压曲线和实际井口油压曲线的比较图,图9为本发明实施例迪那2气田中#6井的模型油压曲线和实际井口油压曲线的比较图,图10为本发明实施例迪那2气田中#10井的模型油压曲线和实际井口油压曲线的比较图。图4-图10中,深色点及其组成的曲线代表实际井口油压,浅色点及其组成的曲线为模型油压。
根据图4-图10中实际井口油压和计算油压的点值分布即可以大体确定井口油压差值。结合图4-图10可知,#21井、#24井和#26井的生产状况与基准井类似,并不具有措施潜力,而#4井、#6井和#10号井井口油压小于模型油压,所以判定这三个井生产状况较差,可以作为措施潜力井。
此外,#10井的生产状况可能最差,结合其油气产量较低,可以将其作为最优的措施潜力井。
图11为本发明的措施潜力井的确定装置实施例一的结构示意图。如图11所示,本实施例提供的确定包括:
第一获取模块1,用于根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型;
第二获取模块2,用于根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值;
解析模块3,用于判断所述井口油压差值是否小于预设值,若所述井口油压差值小于预设值,则所述待评价井为措施潜力井;
其中,所述第一生产参数包括生产时间参数、单位周期产气量参数、单位周期产液量参数、井口温度参数,所述第二生产参数包括井口油压参数。
本实施例的确定装置可以对应执行图1所示方法实施例,其实现原理和技术效果相同,此处不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种措施潜力井的确定方法,其特征在于,包括:
根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型;
根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值;
若所述井口油压差值小于预设值,则所述待评价井为措施潜力井;
其中,所述第一生产参数包括生产时间参数、单位周期产气量参数、单位周期产液量参数、井口温度参数,所述第二生产参数包括井口油压参数;
所述根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型,包括:
利用神经网络算法对所述基准井的生产参数进行训练,获取所述基准井的特征模型;
所述根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值,包括:
根据所述特征模型和待评价井的第一生产参数,获取所述待评价井的模型井口油压;根据所述待评价井的第二生产参数和所述模型井口油压,获取所述井口油压差值;
或者,
根据所述特征模型和待评价井的N组第一生产参数,得到N组计算井口油压;根据所述N组计算井口油压和待评价井的N组第二生产参数,得到N组中间井口油压差值;对所述N组中间井口油压差值进行平均处理,得到所述井口油压差值;N≥2且所述N组第二生产参数与所述N组第一生产参数相互对应。
2.根据权利要求1所述的措施潜力井的确定方法,其特征在于,所述根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型之前,还包括:
选择所述基准井。
3.根据权利要求1所述的措施潜力井的确定方法,其特征在于,所述根据所述特征模型和待评价井的第一生产参数,获取所述待评价井的模型井口油压,包括:
根据所述特征模型和N组第一生产参数,得到N组计算井口油压;
对所述N组计算井口油压进行平均处理,得到所述模型井口油压;
N≥2。
4.根据权利要求3所述的措施潜力井的确定方法,其特征在于,所述根据所述待评价井的第二生产参数和所述模型井口油压,获取所述井口油压差值,包括:
对N组第二生产参数进行平均处理,得到实际井口油压;
根据所述实际井口油压和所述模型井口油压,得到所述井口油压差值;
其中,所述N组第二生产参数与所述N组第一生产参数相互对应。
5.根据权利要求1所述的措施潜力井的确定方法,其特征在于,所述根据所述特征模型和待评价井的第一生产参数,获取所述待评价井的模型井口油压,包括:
获取所述待评价井的即时第一生产参数;
根据所述特征模型和所述即时第一生产参数,得到所述模型井口油压。
6.根据权利要求5所述的措施潜力井的确定方法,其特征在于,所述根据所述待评价井的第二生产参数和所述模型井口油压,获取所述井口油压差值,包括:
获取所述待评价井的即时第二生产参数;
根据所述即时第二生产参数和所述模型井口油压,得到所述井口油压差值;
其中,所述即时二生产参数与所述即时第一生产参数相互对应。
7.一种措施潜力井的确定装置,其特征在于,包括:
第一获取模块,用于根据基准井的第一生产参数和第二生产参数,获取所述基准井的特征模型;
第二获取模块,用于根据所述特征模型、待评价井的第一生产参数和第二生产参数,获取所述待评价井的井口油压差值;
解析模块,用于判断所述井口油压差值是否小于预设值,若所述井口油压差值小于预设值,则所述待评价井为措施潜力井;
其中,所述第一生产参数包括生产时间参数、单位周期产气量参数、单位周期产液量参数、井口温度参数,所述第二生产参数包括井口油压参数;
所述第一获取模块,具体用于利用神经网络算法对所述基准井的生产参数进行训练,获取所述基准井的特征模型;
所述第二获取模块,具体用于根据所述特征模型和待评价井的第一生产参数,获取所述待评价井的模型井口油压;根据所述待评价井的第二生产参数和所述模型井口油压,获取所述井口油压差值;
或者,
根据所述特征模型和待评价井的N组第一生产参数,得到N组计算井口油压;根据所述N组计算井口油压和待评价井的N组第二生产参数,得到N组中间井口油压差值;对所述N组中间井口油压差值进行平均处理,得到所述井口油压差值;N≥2且所述N组第二生产参数与所述N组第一生产参数相互对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910427804.2A CN111985146B (zh) | 2019-05-22 | 2019-05-22 | 一种措施潜力井的确定方法和确定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910427804.2A CN111985146B (zh) | 2019-05-22 | 2019-05-22 | 一种措施潜力井的确定方法和确定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985146A CN111985146A (zh) | 2020-11-24 |
CN111985146B true CN111985146B (zh) | 2022-11-04 |
Family
ID=73436287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910427804.2A Active CN111985146B (zh) | 2019-05-22 | 2019-05-22 | 一种措施潜力井的确定方法和确定装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985146B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115637959A (zh) * | 2021-07-20 | 2023-01-24 | 中国石油天然气股份有限公司 | 一种油气井自喷潜力分析方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622521A (zh) * | 2012-03-15 | 2012-08-01 | 胜利油田胜利软件有限责任公司 | 一种基于降耗率的油井能耗潜力评价图版绘制的方法 |
CN106761681A (zh) * | 2017-02-16 | 2017-05-31 | 中国石油化工股份有限公司 | 基于时序数据分析的电泵井故障实时诊断系统及方法 |
CN108166963A (zh) * | 2017-12-13 | 2018-06-15 | 中国海洋石油集团有限公司 | 一种海上油气井压裂效果评价方法 |
CN108733632A (zh) * | 2018-05-17 | 2018-11-02 | 成都北方石油勘探开发技术有限公司 | 一种中低渗高含水油藏重复压裂选井评价方法 |
-
2019
- 2019-05-22 CN CN201910427804.2A patent/CN111985146B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622521A (zh) * | 2012-03-15 | 2012-08-01 | 胜利油田胜利软件有限责任公司 | 一种基于降耗率的油井能耗潜力评价图版绘制的方法 |
CN106761681A (zh) * | 2017-02-16 | 2017-05-31 | 中国石油化工股份有限公司 | 基于时序数据分析的电泵井故障实时诊断系统及方法 |
CN108166963A (zh) * | 2017-12-13 | 2018-06-15 | 中国海洋石油集团有限公司 | 一种海上油气井压裂效果评价方法 |
CN108733632A (zh) * | 2018-05-17 | 2018-11-02 | 成都北方石油勘探开发技术有限公司 | 一种中低渗高含水油藏重复压裂选井评价方法 |
Non-Patent Citations (2)
Title |
---|
关停水平井复产潜力评价技术研究与应用;张家伟;《新疆石油天然气》;20170615(第02期);全文 * |
试井资料与生产数据结合进行措施井效果评价的新方法;周鹏遥等;《油气井测试》;20161025(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111985146A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400006B (zh) | 基于深度学习算法的油井产量预测方法 | |
CN107563027B (zh) | 用于分析多缝洞单元串联结构的试井解释模型与方法 | |
CA2640727C (en) | Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator | |
CN115293667B (zh) | 一种工程进度及造价管理系统的管理方法 | |
CN108166963B (zh) | 一种海上油气井压裂效果评价方法 | |
KR101904278B1 (ko) | 비전통가스전에서 누적생산량증가율 지표에 따른 감퇴곡선법 선정 방법 | |
EP2038809A2 (en) | Method for comparing and back allocating production | |
CN108304685A (zh) | 一种非线性退化设备剩余寿命预测方法及系统 | |
CN110442979B (zh) | 基于bp神经网络的盾构施工隧道的全变形预测方法及系统 | |
CN110309608B (zh) | 一种针对时滞不确定信息的高炉铁水硅含量预报方法 | |
CN108470095B (zh) | 基于数据驱动径向基函数模型的tbm推进力预测方法 | |
CN109426672B (zh) | 基于不确定地质模型的油藏注采参数优化方法 | |
JP2015011027A (ja) | 時系列データにおける異常を検出する方法 | |
CN105874466A (zh) | 历史拟合的多孔隙度解 | |
WO2016034945A2 (en) | Stuck pipe prediction | |
CN111985146B (zh) | 一种措施潜力井的确定方法和确定装置 | |
CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
CN115126478A (zh) | 一种溢流识别处理方法及装置 | |
CN113283182A (zh) | 地层压力预测分析方法、装置、介质及设备 | |
JP5582487B2 (ja) | プロセスの状態予測方法 | |
CN112132324A (zh) | 一种基于深度学习模型的超声波水表数据修复方法 | |
Wu et al. | Comparing Deep Learning with Statistical Control Methods for Anomaly Detection:(072) | |
JP2020176883A (ja) | 保守管理システムおよび保守管理方法 | |
CN113153220B (zh) | 一种气井井筒疏通效果评价方法 | |
CN113515840B (zh) | 一种岩体开挖扰动区的预测方法以及相关设备 |
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 |