CN112049624B - 油井动态储量的预测方法、装置、设备及存储介质 - Google Patents
油井动态储量的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112049624B CN112049624B CN201910490127.9A CN201910490127A CN112049624B CN 112049624 B CN112049624 B CN 112049624B CN 201910490127 A CN201910490127 A CN 201910490127A CN 112049624 B CN112049624 B CN 112049624B
- Authority
- CN
- China
- Prior art keywords
- oil well
- time period
- accumulated
- water injection
- oil
- 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
- 239000003129 oil well Substances 0.000 title claims abstract description 467
- 238000000034 method Methods 0.000 title claims abstract description 84
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 487
- 238000002347 injection Methods 0.000 claims abstract description 300
- 239000007924 injection Substances 0.000 claims abstract description 300
- 238000004519 manufacturing process Methods 0.000 claims abstract description 85
- 238000006467 substitution reaction Methods 0.000 claims abstract description 65
- 238000009795 derivation Methods 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 24
- 230000001186 cumulative effect Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 13
- 238000006073 displacement reaction Methods 0.000 description 12
- 238000011161 development Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 241000301267 Xerus Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- JYYOBHFYCIDXHH-UHFFFAOYSA-N carbonic acid;hydrate Chemical compound O.OC(O)=O JYYOBHFYCIDXHH-UHFFFAOYSA-N 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling 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
- 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
- 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
本申请实施例提供一种油井动态储量的预测方法、装置、设备及存储介质,该方法包括:根据历史油井数据,确定预测时间段内油井数据对应的水替率;基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量;根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量。本申请实施例提供的方法能够解决现有技术中无法准确、有效地实时进行油井动态储量的预测分析,同时浪费时间和资源的问题。
Description
技术领域
本申请实施例涉及油田采油工程技术领域,尤其涉及一种油井动态储量的预测方法、装置、设备及存储介质。
背景技术
随着碳酸盐岩油井开发进程逐渐加快,大量剩余油由于底水快速推进而埋没在井底,我们必须找到有效技术手段挖掘这些剩余油,提高采收率。在油藏动态分析和剩余油挖潜工作中,油井动态储量的估算是研究重点,是油田开发中后期至关重要的问题,是油田开发方案制定及调整的重要前提,直接关系到油田的经济效益。
目前油井动态储量的预测或确定主要用静态容积法,试井资料分析法或数值模拟分析法获得,其中,静态容积法是根据含油面积、平均孔隙度、平均有效厚度、平均含油饱和度等地质静态资料直接计算得到,但这些地层属性参数在空间上变化是比较大的,甚至有些地方存在不流动区域,难以准确求得,且计算量较大;而对于试井资料分析法而言,可利用的试井资料一般比较少,不是每口井都有试井资料的,尤其油田开发中后期,试井资料往往受邻井的干扰,难以准确判断该油井控制储量;数值模拟分析法,输入数据量大,需要对整个油藏进行精细描述,工作量大,工作周期长,难以随时进行油井动态储量分析。
因此,目前的油井动态储量的预测方法均存在局限性,无法准确、有效地实时进行油井动态储量的预测分析,同时浪费时间和资源。
发明内容
本申请实施例提供一种油井动态储量的预测方法、装置、设备及存储介质,以克服现有的油井动态储量的预测方法无法准确、有效地实时进行油井动态储量的预测分析,同时浪费时间和资源的问题。
第一方面,本申请实施例提供一种油井动态储量的预测方法,包括:
根据历史油井数据,确定预测时间段内油井数据对应的水替率,所述历史油井数据包括历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,所述水替率用于评价注水替油效率;
基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,所述第一函数关系是根据所述多个第一累积注水量和所述多个第一累积混合产油量确定的;
根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量。
在一种可能的设计中,在所述根据历史油井数据,确定预测时间段内油井数据对应的水替率之前,所述方法还包括:
采集历史油井数据;
将历史油井数据进行数据拟合,确定累积注水量和累积混合产油量之间的第一函数关系。
在一种可能的设计中,所述根据历史油井数据,确定所述预测时间段内油井数据对应的水替率,包括:
根据所述多个第一累积注水量中最大的第一累积注水量,确定所述历史预设时间内注入油井的平均注水量;
根据所述多个第一累积混合产油量中最大的第一累积混合产油量,确定所述历史预设时间段内注水后所述油井产出的平均混合产油量;
根据所述平均混合产油量和所述平均注水量,确定所述预测时间段内油井数据对应的水替率,所述预测时间段内油井数据对应的水替率是所述平均混合产油量和所述平均注水量的比值。
在一种可能的设计中,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,包括:
对所述第一函数关系进行时间上的求导,得到第一公式,所述第一公式为:
将所述第一公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
将所述第一公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式,所述预测时间段内油井数据对应的水替率为:所述第二公式为:
根据所述第二公式以及所述第一函数关系,得到所述累积混合产油量的公式,所述累积混合产油量的公式为:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注水后所述油井产出的第二累积混合产油量,所述第二累积混合产油量为:
在一种可能的设计中,在所述确定预测时间段内油井数据对应的水替率之后,所述方法还包括:
基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量。
在一种可能的设计中,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量,包括:
对所述第一函数关系进行时间上的求导,得到第三公式,所述第三公式为:
将所述第三公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
将所述第三公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式,所述预测时间段内油井数据对应的水替率为:所述第四公式为:
根据所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注入油井的第二累积注水量,所述第二累积注水量为:
在一种可能的设计中,所述根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,包括:
获取所述预测时间段内注水前所述油井产出的累积产油量;
根据所述预测时间段内注水前所述油井产出的累积产油量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及预设采收率,确定所述预测时间段内油井动态储量。
在一种可能的设计中,在所述确定所述预测时间段内油井动态储量之后,还包括:
根据所述预测时间段内注入油井的第二累积注水量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及所述第一函数关系,通过迭代计算,确定所述预测时间段内油井数据对应的水替率极限值;
根据所述水替率极限值以及所述第一函数关系,确定油井极限动态储量,所述油井极限动态储量用于表示所述油井动态蕴藏或产出油量的最大有效值。
第二方面,本申请实施例提供一种油井动态储量的预测装置,包括:
水替率确定模块,用于根据历史油井数据,确定预测时间段内油井数据对应的水替率,所述历史油井数据包括历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,所述水替率用于评价注水替油效率;
产油量确定模块,用于基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,所述第一函数关系是根据所述多个第一累积注水量和所述多个第一累积混合产油量确定的;
油井动态储量确定模块,用于根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量。
在一种可能的设计中,所述装置还包括:历史数据采集模块和第一函数关系确定模块;
所述历史数据采集模块,用于在所述根据历史油井数据,确定预测时间段内油井数据对应的水替率之前,采集历史油井数据;
第一函数关系确定模块,用于将历史油井数据进行数据拟合,确定累积注水量和累积混合产油量之间的第一函数关系。
在一种可能的设计中,所述水替率确定模块,具体用于:
根据所述多个第一累积注水量中最大的第一累积注水量,确定所述历史预设时间内注入油井的平均注水量;
根据所述多个第一累积混合产油量中最大的第一累积混合产油量,确定所述历史预设时间段内注水后所述油井产出的平均混合产油量;
根据所述平均混合产油量和所述平均注水量,确定所述预测时间段内油井数据对应的水替率,所述预测时间段内油井数据对应的水替率是所述平均混合产油量和所述平均注水量的比值。
在一种可能的设计中,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述产油量确定模块,具体用于:
对所述第一函数关系进行时间上的求导,得到第一公式,所述第一公式为:
将所述第一公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
将所述第一公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式,所述水替率为:所述第二公式为:/>
根据所述第二公式以及所述第一函数关系,得到所述累积混合产油量的公式,所述累积混合产油量的公式为:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注水后所述油井产出的第二累积混合产油量,所述第二累积混合产油量为:
在一种可能的设计中,所述装置还包括:注水量确定模块;
所述注水量确定模块,用于在所述确定预测时间段内油井数据对应的水替率之后,基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量。
在一种可能的设计中,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述注水量确定模块,具体用于:
对所述第一函数关系进行时间上的求导,得到第三公式,所述第三公式为:
将所述第三公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
将所述第三公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式,所述预测时间段内油井数据对应的水替率为:所述第四公式为:
根据所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注入油井的第二累积注水量,所述第二累积注水量为:
在一种可能的设计中,所述油井动态储量确定模块,具体用于:
获取所述预测时间段内注水前所述油井产出的累积产油量;
根据所述预测时间段内注水前所述油井产出的累积产油量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及预设采收率,确定所述预测时间段内油井动态储量。
在一种可能的设计中,所述装置还包括:所述水替率极限值确定模块和油井极限动态储量确定模块;
所述水替率极限值确定模块,用于在所述确定所述预测时间段内油井动态储量之后,根据所述预测时间段内注入油井的第二累积注水量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及所述第一函数关系,通过迭代计算,确定所述预测时间段内油井数据对应的水替率极限值;
所述油井极限动态储量确定模块,用于根据所述水替率极限值以及所述第一函数关系,确定油井极限动态储量,所述油井极限动态储量用于表示所述油井动态蕴藏或产出油量的最大有效值。
第三方面,本申请实施例提供一种油井动态储量的预测设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的油井动态储量的预测方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的油井动态储量的预测方法。
本实施例提供的油井动态储量的预测方法、装置、设备及存储介质,先根据历史油井数据,确定预测时间段内油井数据对应的水替率,通过水替率来评价注水替油效率,判断在预测时间段需要注入多少水进行采油是合理有效的,然后基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,再根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,完成预测时间段内对油井动态储量的预测。本方案在油井动态储量的预测方法中通过历史油井数据来确定预测时间段内需要注入油井的注水量对应的水替率,用以评价注水替油效率,且注水替油操作简单,安全可靠,再基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,进而确定采油的合理有效性,该方法能够准确、有效地实时进行油井动态储量的预测分析,同时节约时间和资源的问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本申请实施例提供的油井动态储量的预测方法的流程示意图;
图2为本申请另一实施例提供的油井动态储量的预测方法的流程示意图;
图3为本申请又一实施例提供的油井动态储量的预测方法的流程示意图;
图4为本申请再一实施例提供的油井动态储量的预测方法的流程示意图;
图5为本申请又一实施例提供的油井动态储量的预测方法的流程示意图;
图6为本申请再一实施例提供的油井动态储量的预测方法的流程示意图;
图7为本申请另一实施例提供的油井动态储量的预测方法的流程示意图;
图8为本申请实施例提供的油井动态储量的预测装置的结构示意图;
图9为本申请实施例提供的油井动态储量的预测设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有技术中,随着碳酸盐岩油井开发进程逐渐加快,大量剩余油由于底水快速推进而埋没在井底,我们必须找到有效技术手段挖掘这些剩余油,提高采收率。但是现有技术的开采方式过于复杂,导致工作量大,且难以准确判断或分析该油井动态储量,浪费时间和资源。本申请实施例提供一种油井动态储量的预测方法以解决上述问题。
图1为本申请实施例提供的油井动态储量的预测方法的流程示意图,本实施例的执行主体可以为终端,也可以为服务器,本实施例此处对执行主体不做限定。
参见图1,所述油井动态储量的预测方法,包括:
S101、根据历史油井数据,确定预测时间段内油井数据对应的水替率,所述历史油井数据包括历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,所述水替率用于评价注水替油效率。
本实施例中,预测时间段可以为当前时间至未来时间段内的任意时间段。通过多组历史数据确定预测时间段内注水替油的水替率即通过历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,可以得到预测时间段内油井数据对应的水替率。比如,通过多个第一累积混合产油量之和的平均值和多个第一累积注水量之和的平均值作比,得到水替率;或者,通过多个第一累积混合产油量中最大值对应的平均混合产油量和所述多个第一累积注水量中最大值对应的平均注水量作比,得到水替率。通过水替率的预测,可以有效地确定预测时间段内油井对应的有效开采量。比如,工作人员往油井注入10吨水,可以开采出1吨混合油,则水替率为0.1,结合开采地的综合指标,确定水替率对应的开采价值,如果水替率小于预设值,则说明不适合继续开采该油井,水替率(即为预测时间段内油井数据对应的水替率)的范围为0~1,预设值可以为0.1,该预设值的设定需要根据开采地的综合指标来确定。
实际应用中,通过研究碳酸盐岩注水替油工艺原理,对比砂岩油藏与碳酸盐岩储层流体渗流机理,研究发现溶洞裂缝型储层流体流动接近管流,高密度的注入水可以很快弥补地层亏空,补充地层能量,说明缝洞型碳酸盐岩油藏油井适合注水替油工艺。通过往油井内注水使油井内压强增大,进而将油井底部的藏油开采出来。
本实施例的执行主体可以为油井动态储量的预测系统,用于实际开采石油过程中预测在未来时间段内油井动态储量,通过油井动态储量的预测系统中的数据采集装置,采集历史油井数据,预测未来时间段内油井开采的注水替油的效率,处理速度快。也可以是服务器通过采集装置获取历史油井数据,进而通过数据处理,得到预测时间段内油井数据对应的水替率,处理精度高。通过上述的油井动态储量的预测方法可以克服现有的油井动态储量的预测方法无法准确、有效地实时进行油井动态储量的预测分析,同时浪费时间和资源的问题。
S102、基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,所述第一函数关系是根据所述多个第一累积注水量和所述多个第一累积混合产油量确定的。
本实施例中,提出了第一函数关系,用于表示累积注水量和累积混合产油量之间的函数关系,其中,所述累积注水量和所述累积混合产油量均为未知量。具体地,第一函数关系可以根据历史数据进行数据处理得到,比如,第一函数关系可以是线性关系或双对数线性关系,即NP=A1+B1WP或lg NP=lg A+B lg WP,其中,A1和lgA均为截距,B1和B为均斜率。
由于所述预测时间段内油井数据对应的水替率是通过历史油井数据确定的,则对上述的第一函数关系进行等价变换,得到含有水替率的公式,并将所述预测时间段内油井数据对应的水替率带入到含有水替率的公式,得到第二函数关系,再通过第一函数关系和第二函数关系得到未知量即为所述预测时间段内注水后所述油井产出的第二累积混合产油量,因此,通过注水替油确定预测时间段内注水后所述油井产出的第二累积混合产油量,方法简单且可以实时地预测未来时间段内任意时间段或未来时间段内多个时间段中的任一时间段内注水后所述油井产出的累积混合产油量。
其中,该混合产油量为含有水的油量,在实际应用中,工作人员对产出的混合产油量进行开采以后,还需要将水和油进行分离,得到实际的产油量。
步骤S103、根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量。
本实施例中,为了确定所述预测时间段内油井动态储量,还需要结合注水之前油井中的实际储量或实际开采量以及得到的预测时间段内油井产出的第二累积混合产油量。所述预测时间段内油井动态储量可以为注水之前油井中的实际储量或实际开采量以及得到的预测时间段内油井产出的第二累积混合产油量之和的倍数关系,也可以为预测时间段内油井产出的第二累积混合产油量对应的实际产油量和注水之前油井中的实际储量或实际开采量之和的倍数关系,这个倍数关系可以为实际的采收率。该方法在计算预测时间段内油井动态储量时,简单快捷、节约时间和资源,由于结合了实际的开采情况即采收率来确定油井动态储量,因此准确率高。
本实施例中,先根据历史油井数据,确定预测时间段内油井数据对应的水替率,通过水替率来评价注水替油效率,判断在预测时间段需要注入多少水进行采油是合理有效的,然后基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,再根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,完成预测时间段内对油井动态储量的预测。本方案在油井动态储量的预测方法中通过历史油井数据来确定预测时间段内需要注入油井的注水量对应的水替率,用以评价注水替油效率,且注水替油操作简单,安全可靠,再基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,进而确定采油的合理有效性,该方法能够准确、有效地实时进行油井动态储量的预测分析,同时节约时间和资源的问题。
在所述根据历史油井数据,确定预测时间段内油井数据对应的水替率之前,需要确定第一函数关系,进而快速、准确地对预测时间内油井动态储量的预测或确定。因此,为了确定第一函数关系,参见图2所示。
图2为本申请另一实施例提供的油井动态储量的预测方法的流程示意图,本实施例在图1所述实施例的基础上,本实施例对如何确定第一函数关系进行了详细说明。即在步骤S101之前,所述方法还包括:
S201、采集历史油井数据。
在实际应用中,工作人员是分阶段对油井注水的,比如,在2017年1月至2018年1月的一年时间内,分三轮注水,第一轮注水时间为2017年1月,第二轮注水时间为2017年5月,第三轮注水时间为2017年9月,因此,历史油井数据可以是多组历史数据,即历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,第一累积注水量为每轮往油井注水的累积注水量,每个第一累积混合产油量为每轮往油井注水后油井累积产生的混合产油量。
具体地,历史油井数据的获取或采集方式可以是用户端将历史油井数据上传至预设日志文件中,进而从预设日志文件中获取该历史油井数据;也可以是数据采集装置实时采集的。其中,历史油井数据的采集是便于确定累积注水量和累积混合产油量之间的函数关系。
S202、将历史油井数据进行数据拟合,确定累积注水量和累积混合产油量之间的第一函数关系。
本实施例中,通过拟合工具,比如MATLAB,将历史油井数据上传至MATLAB的拟合工具箱中,对历史油井数据进行数据拟合,得到累积注水量和累积混合产油量之间的函数曲线和第一函数关系。
实际应用中,通过对碳酸盐岩油井大量数据(历史油井数据)拟合,发现注水替油中后期,累积产油量和累积注水量之间呈现双对数线性关系:
lg NP=lg A+B lg WP,基于累积产油量和累积注水量之间的双对数线性关系能够方便快捷地,得到预设时间段内油井动态储量,以便于顺利有效地完成油井的开采任务。
为了评价注水替油效率,图3示出了如何确定所述预测时间段内油井数据对应的水替率的具体过程。即图3为本申请又一实施例提供的油井动态储量的预测方法的流程示意图,本实施例在上述实施例的基础上,例如,在图2所述实施例的基础上,本实施例对步骤S101进行了详细说明。所述根据历史油井数据,确定所述预测时间段内油井数据对应的水替率,包括:
S301、根据所述多个第一累积注水量中最大的第一累积注水量,确定所述历史预设时间内注入油井的平均注水量。
本实施例中,历史油井数据中包含了多个历史预设时间段注入油井的多个第一累积注水量和多个历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,其中,一个历史预设时间段分别对应一个第一累积注水量和一个第一累积混合产油量。
其中,历史预设时间内注入油井的平均注水量计算方法可以为:将所述多个第一累积注水量中最大的第一累积注水量作为历史预设时间内注入油井的总注水量,将历史预设时间内注入油井的总注水量对应的累积时间作为历史预设时间内往油井注水的总时间,根据历史预设时间内注入油井的总注水量和历史预设时间内往油井注水的总时间,得到所述历史预设时间内注入油井的平均注水量。比如,历史预设时间内注入油井的总注水量为M1,历史预设时间内往油井注水的总时间为T1,则所述历史预设时间内注入油井的平均注水量为:M1/T1。
S302、根据所述多个第一累积混合产油量中最大的第一累积混合产油量,确定所述历史预设时间段内注水后所述油井产出的平均混合产油量。
本实施例中,历史预设时间内注入油井的平均混合产油量计算方法可以为:将所述多个第一累积混合产油量中最大的第一累积混合产油量作为历史预设时间内注水后所述油井产出的总混合产油量,将历史预设时间内注水后所述油井产出的总混合产油量对应的累积时间作为历史预设时间内注水后所述油井产出总混合产油量的总时间即为所述历史预设时间内往油井注水的总时间。根据历史预设时间内注水后所述油井产出的总混合产油量和历史预设时间内往油井注水的总时间,得到所述历史预设时间内注水后所述油井产出的平均混合产油量。比如,历史预设时间内注水后所述油井产出的总混合产油量为M2,历史预设时间内往油井注水的总时间为T1,则所述历史预设时间内注水后所述油井产出的平均混合产油量为:M2/T1。
S303、根据所述平均混合产油量和所述平均注水量,确定所述预测时间段内油井数据对应的水替率,所述预测时间段内油井数据对应的水替率是所述平均混合产油量和所述平均注水量的比值。
本实施例中,根据所述平均混合产油量和所述平均注水量,对所述平均混合产油量和所述平均注水量作比值计算,得到所述预测时间段内油井数据对应的水替率,计算简单,节约时间,同时能够快速地对注水替油做出合理有效地评价。
为了能够准确地计算出所述预测时间段内注水后所述油井产出的第二累积混合产油量,图4示出了如何确定所述预测时间段内注水后所述油井产出的第二累积混合产油量的具体过程。
图4为本申请再一实施例提供的油井动态储量的预测方法的流程示意图,本实施例在上述实施例的基础上,例如,在图3所述实施例的基础上,本实施例对步骤S102进行了详细说明。具体地,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;所述基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,包括以下步骤:
S401、对所述第一函数关系进行时间上的求导,得到第一公式,所述第一公式为:
S402、将所述第一公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
S403、将所述第一公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
S404、对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式,所述预测时间段内油井数据对应的水替率为:所述第二公式为:/>
S405、根据所述第二公式以及所述第一函数关系,得到所述累积混合产油量的公式,所述累积混合产油量的公式为:
S406、根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注水后所述油井产出的第二累积混合产油量,所述第二累积混合产油量为:
本实施例中,通过对第一函数关系进行等式变换,得到含有预测时间段内油井数据对应的水替率的公式即为第二公式,再根据第二公式以及第一函数关系,能够得到所述累积混合产油量的公式,再结合已知的预测时间段内油井数据对应的水替率,能够准确地确定预测时间段内注水后所述油井产出的第二累积混合产油量。
具体地,对第一函数关系进行等式变换即为对第一函数关系lg NP=lg A+B lg WP进行时间上求导,得到第一公式:由于/>对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式:将所述第二公式中WP代入所述第一函数关系,得到所述累积混合产油量的公式:/>因此,随着水替率的变化,所述累积混合产油量也在不断变化。再将所述预测时间段内油井数据对应的水替率、所述截距、所述斜率代入到所述累积混合产油量的公式中,得到预测时间段内注水后所述油井产出的第二累积混合产油量:/>该确定预测时间段内注水后所述油井产出的第二累积混合产油量的计算方法简单,能够快速地预测出预测时间段内注水后所述油井产出的第二累积混合产油量。
为了能够在实际开采过程中,开采出或是产出第二累积混合产油量,需要确定往油井中注入多少水量,通过确定预测时间段内注水后所述油井产出的第二累积混合产油量同时,也可以确定出预测时间段内注入油井的第二累积注水量。
在一种可能的设计中,在上述实施例的基础上,例如,在图3所示实施例的基础上,本实施例对步骤S101中确定预测时间段内油井数据对应的水替率之后,对该方法还进行了详细说明。所述方法还包括:基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量。
本实施例中,由于第一函数关系是关于未知量累积注水量和累积混合产油量的函数关系,因此,可以通过第一函数关系和水替率来确定预测时间段内注入油井的第二累积注水量,能够实现通过准确地注水,确定或开采出预测时间段内注水后所述油井产出的第二累积混合产油量。
为了能够准确地计算出所述预测时间段内注入油井的第二累积注水量,图5示出了如何确定所述预测时间段内注入油井的第二累积注水量的具体过程。
图5为本申请又一实施例提供的油井动态储量的预测方法的流程示意图,本实施例在上述实施例的基础上,例如,在图3所述实施例的基础上,本实施例对确定所述预测时间段内注入油井的第二累积注水量进行了详细说明。具体地,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;所述基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量,包括以下步骤:
S501、对所述第一函数关系进行时间上的求导,得到第三公式,所述第三公式为:
S502、将所述第三公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
S503、将所述第三公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
S504、对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式,所述预测时间段内油井数据对应的水替率为:所述第四公式为:/>
S505、根据所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:
S506、根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注入油井的第二累积注水量,所述第二累积注水量为:
本实施例中,通过对第一函数关系进行等式变换,得到含有预测时间段内油井数据对应的水替率的公式即为第三公式,再根据第三公式以及第一函数关系,能够得到所述累积注水量的公式,再结合已知的预测时间段内油井数据对应的水替率,能够准确地确定预测时间段内注入油井的第二累积注水量。
具体地,对第一函数关系进行等式变换即为对第一函数关系lg NP=lg A+B lg WP进行时间上求导,得到第三公式:由于/>对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式:所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:/>因此,随着水替率的变化,所述累积注水量也在不断变化。再将所述预测时间段内油井数据对应的水替率、所述截距、所述斜率代入到所述累积注水量的公式中,得到预测时间段内注入油井的第二累积注水量:/>该确定预测时间段内注入油井的第二累积注水量的计算方法简单,能够快速地预测出预测时间段内注入油井的第二累积注水量。
在确定预测时间段内注水后所述油井产出的第二累积混合产油量后,需要根据实际的采收率,通过函数计算,得到预测时间段内油井动态储量,便于为采油工程提供开采依据。为了准确地预测出所述预测时间段内油井动态储量,图6示出了如何确定所述预测时间段内油井动态储量的具体过程。
参见图6,图6本申请再一实施例提供的油井动态储量的预测方法的流程示意图。本实施例在上述实施例的基础上,例如,在图1-5所述实施例的基础上,本实施例对确定所述预测时间段内油井动态储量进行了详细说明。具体地,所述根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,包括:
S601、获取所述预测时间段内注水前所述油井产出的累积产油量。
本实施例中,预测时间段内注水前所述油井产出的累积产油量的获取或采集方式可以是用户端将在预测累积产油量时注水前所述油井产出的累积产油量上传至预设日志文件中,进而从预设日志文件中获取该数据;也可以是数据采集装置实时采集的。其中,所述预测时间段内注水前所述油井产出的累积产油量的采集或获取是便于确定所述预测时间段内油井动态储量。
S602、根据所述预测时间段内注水前所述油井产出的累积产油量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及预设采收率,确定所述预测时间段内油井动态储量。
本实施例中,将所述预测时间段内注水前所述油井产出的累积产油量记作N0,所述预测时间段内油井动态储量记作N,对所述预测时间段内注水前所述油井产出的累积产油量和所述预测时间段内注水后所述油井产出的第二累积混合产油量作求和计算,将所述预测时间段内注水前所述油井产出的累积产油量和所述预测时间段内注水后所述油井产出的第二累积混合产油量之和作为所述预测时间段内实际可采的油量,即为N可采=N0+NP,再根据所述预测时间段内实际可采的油量以及预设采收率,确定所述预测时间段内油井动态储量,即为N。
其中,在实际应用中,根据注水替油的特性,预设采收率可以设置为20%,则所述预测时间段内油井动态储量为:N=5N可采=5(N0+NP),再将代入N=5N可采=5(N0+NP)中,得到/>
在实际应用中,由于水替率的存在,根据实际情况,不能一直往油井中注水进行油的开采工作,需要结合采油地当地的综合情况,根据水替率,判断是否适合继续往油井内注水,根据水替率的不同,可以计算出不同水替率的条件下碳酸盐岩油井可采储量及油井动态储量,有利于油井合理开发。因此,为了更准确且切合实际的开采油量或是确定预测时间段内油井动态储量,图7示出了如何确定开采油量或是确定预测时间段内油井动态储量的有效值的具体过程。
图7本申请另一实施例提供的油井动态储量的预测方法的流程示意图。本实施例在上述实施例的基础上,例如,在图6所述实施例的基础上,本实施例在所述确定所述预测时间段内油井动态储量之后,对确定开采油量或是确定预测时间段内油井动态储量的有效值进行了详细说明。具体地,在所述确定所述预测时间段内油井动态储量之后,还包括:
S701、根据所述预测时间段内注入油井的第二累积注水量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及所述第一函数关系,通过迭代计算,确定所述预测时间段内油井数据对应的水替率极限值。
本实施例中,可以将预测时间段按照时间顺序分为多个预测时间段,其中,所述预测时间段内注入油井的第二累积注水量作为第一个预测时间段内注入油井的累积注水量,将所述预测时间段内注水后所述油井产出的第二累积混合产油量作为第一个预测时间段内注水后所述油井产出的第二累积混合产油量,通过预测时间段内油井数据对应的水替率的公式能够确定第二个预测时间段内油井数据对应的水替率C2,再根据上述累积注水量的公式和所述累积混合产油量的公式,计算出第二个预测时间段内注入油井的累积注水量和第二个预测时间段内注水后所述油井产出的累积混合产油量,再根据第二个预测时间段内注入油井的累积注水量和第二个预测时间段内注水后所述油井产出的累积混合产油量,通过所述预测时间段内油井数据对应的水替率的公式,计算出第三个预测时间段内油井数据对应的水替率C3,以此类推,直至水替率不再变化,或者接近预设值时,确定该预测时间段内油井数据对应的水替率为所述预测时间段内油井数据对应的水替率极限值。
S702、根据所述水替率极限值以及所述第一函数关系,确定油井极限动态储量,所述油井极限动态储量用于表示所述油井动态蕴藏或产出油量的最大有效值。
本实施例中,根据确定的所述水替率极限值,结合所述累积注水量的公式和所述累积混合产油量的公式,能够得到所述油井动态蕴藏或产出油量的最大有效值,即为油井极限动态储量。通过研究注水工艺效果评价方法,提出用水替率/经济极限水替率(水替率极限值)来评价注水替油效率,提出了碳酸盐岩油井有效连通储集体可采储量及动态储量计算方法,用于注水替油工艺评价,通过注水替油技术,结合所述油井动态储量的预测方法,能够准确、有效地实时进行油井动态储量的预测分析,既提高了取样效率,又降低了操作成本,有利于油井油水取样的技术推广应用,同时节约时间和资源。
为了实现所述油井动态储量的预测方法,本实施例提供了一种油井动态储量的预测装置。参见图8,图8为本申请实施例提供的油井动态储量的预测装置的结构示意图;所述油井动态储量的预测装置,包括:水替率确定模块801、产油量确定模块802和油井动态储量确定模块803;所述水替率确定模块801,用于根据历史油井数据,确定预测时间段内油井数据对应的水替率,所述历史油井数据包括历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,所述水替率用于评价注水替油效率;所述产油量确定模块802,用于基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,所述第一函数关系是根据所述多个第一累积注水量和所述多个第一累积混合产油量确定的;油井动态储量确定模块803,用于根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量。
本实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
在一种可能的设计中,所述装置还包括:所述装置还包括:历史数据采集模块和第一函数关系确定模块;所述历史数据采集模块,用于在所述根据历史油井数据,确定预测时间段内油井数据对应的水替率之前,采集历史油井数据;第一函数关系确定模块,用于将历史油井数据进行数据拟合,确定累积注水量和累积混合产油量之间的第一函数关系。
在一种可能的设计中,所述水替率确定模块801,具体用于:根据所述多个第一累积注水量中最大的第一累积注水量,确定所述历史预设时间内注入油井的平均注水量;根据所述多个第一累积混合产油量中最大的第一累积混合产油量,确定所述历史预设时间段内注水后所述油井产出的平均混合产油量;根据所述平均混合产油量和所述平均注水量,确定所述预测时间段内油井数据对应的水替率,所述预测时间段内油井数据对应的水替率是所述平均混合产油量和所述平均注水量的比值。
在一种可能的设计中,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;所述产油量确定模块802,具体用于:对所述第一函数关系进行时间上的求导,得到第一公式,所述第一公式为:将所述第一公式中所述累积注水量在时间上的求导作为所述平均注水量,记作/>将所述第一公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作/>对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式,所述水替率为:/>所述第二公式为:/>根据所述第二公式以及所述第一函数关系,得到所述累积混合产油量的公式,所述累积混合产油量的公式为:/>根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注水后所述油井产出的第二累积混合产油量,所述第二累积混合产油量为:/>
在一种可能的设计中,所述装置还包括:注水量确定模块;
所述注水量确定模块,用于在所述确定预测时间段内油井数据对应的水替率之后,基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量。
在一种可能的设计中,所述第一函数关系为:lg NP=lg A+B lg WP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;所述注水量确定模块,具体用于:对所述第一函数关系进行时间上的求导,得到第三公式,所述第三公式为:将所述第三公式中所述累积注水量在时间上的求导作为所述平均注水量,记作/>将所述第三公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式,所述预测时间段内油井数据对应的水替率为:/>所述第四公式为:根据所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注入油井的第二累积注水量,所述第二累积注水量为:/>
在一种可能的设计中,所述油井动态储量确定模块803,具体用于:获取所述预测时间段内注水前所述油井产出的累积产油量;根据所述预测时间段内注水前所述油井产出的累积产油量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及预设采收率,确定所述预测时间段内油井动态储量。
在一种可能的设计中,所述装置还包括:水替率的目标极限值确定模块和油井极限动态储量确定模块;所述水替率的目标极限值确定模块,用于在所述确定所述预测时间段内油井动态储量之后,根据所述预测时间段内注入油井的第二累积注水量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及所述第一函数关系,通过迭代计算,确定所述预测时间段内油井数据对应的水替率极限值;所述油井极限动态储量确定模块,用于根据所述水替率极限值以及所述第一函数关系,确定油井极限动态储量,所述油井极限动态储量用于表示所述油井动态蕴藏或产出油量的最大有效值。
为了实现所述油井动态储量的预测方法,本实施例提供了一种油井动态储量的预测设备。图9为本申请实施例提供的油井动态储量的预测设备的结构示意图。如图9所示,本实施例的油井动态储量的预测设备90包括:处理器901以及存储器902;其中,存储器902,用于存储计算机执行指令;处理器901,用于执行存储器存储的计算机执行指令,以实现上述实施例中所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上所述的油井动态储量的预测方法。
在实际应用中,本申请实施例中所用计算机配备两颗E5-2620v4 CPU处理器,该CPU主频2.10GHZ,20M高速缓存,8核16线程,同时配置了128G的DDR4内存,该内存主频2133MHz。本实施例使用了两颗NVIDIA TITAN X GPU来加速进行模型的训练,TITAN X由3584个NVIDIA/>核心驱动,运行频率达到1.5GHz;它还采用暴风算法,浮点运算能力高达每秒11万亿次。此外,它还配备12GB的GDDR5X显存。
本申请实施例所采用的操作系统是Ubuntu 16.04 LTS(Xenial Xerus),该系统基于长期支持的Linux 4.4内核版本。采用的编程语言是python,该语言一简单,高效,容易上手的语言,常用于深度学习开发。采用的深度学习框架是Pytorch,采用该框架来搭建卷积神经网络。其他辅助程序库包括numpy、matplotlib、OpenCV等。路面修补检测系统前端使用HTML5、CSS3及JavaScript技术实现,框架采用的是Bootstrap,后端开发框架采用的是Django。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,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)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(PeripheralComponent,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
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申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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申请各实施例技术方案的范围。
Claims (12)
1.一种油井动态储量的预测方法,其特征在于,包括:
根据历史油井数据,确定预测时间段内油井数据对应的水替率,所述历史油井数据包括历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,所述水替率用于评价注水替油效率;
基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,所述第一函数关系是根据所述多个第一累积注水量和所述多个第一累积混合产油量确定的;
根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量;
在所述根据历史油井数据,确定预测时间段内油井数据对应的水替率之前,所述方法还包括:
采集历史油井数据;
将历史油井数据进行数据拟合,确定累积注水量和累积混合产油量之间的第一函数关系;
所述第一函数关系为:lg NP=lg A+BlgWP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,包括:
对所述第一函数关系进行时间上的求导,得到第一公式,所述第一公式为:
将所述第一公式中所述累积注水量在时间上的求导作为平均注水量,记作
将所述第一公式中所述累积混合产油量在时间上的求导作为平均混合产油量,记作
对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式,所述预测时间段内油井数据对应的水替率为:所述第二公式为:/>
根据所述第二公式以及所述第一函数关系,得到所述累积混合产油量的公式,所述累积混合产油量的公式为:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注水后所述油井产出的第二累积混合产油量,所述第二累积混合产油量为:
所述根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量,包括:
获取所述预测时间段内注水前所述油井产出的累积产油量;
根据所述预测时间段内注水前所述油井产出的累积产油量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及预设采收率,确定所述预测时间段内油井动态储量。
2.根据权利要求1所述的方法,其特征在于,所述根据历史油井数据,确定所述预测时间段内油井数据对应的水替率,包括:
根据所述多个第一累积注水量中最大的第一累积注水量,确定所述历史预设时间内注入油井的平均注水量;
根据所述多个第一累积混合产油量中最大的第一累积混合产油量,确定所述历史预设时间段内注水后所述油井产出的平均混合产油量;
根据所述平均混合产油量和所述平均注水量,确定所述预测时间段内油井数据对应的水替率,所述预测时间段内油井数据对应的水替率是所述平均混合产油量和所述平均注水量的比值。
3.根据权利要求2所述的方法,其特征在于,在所述确定预测时间段内油井数据对应的水替率之后,所述方法还包括:
基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量。
4.根据权利要求3所述的方法,其特征在于,所述第一函数关系为:lg NP=lg A+BlgWP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量,包括:
对所述第一函数关系进行时间上的求导,得到第三公式,所述第三公式为:
将所述第三公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
将所述第三公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式,所述预测时间段内油井数据对应的水替率为:所述第四公式为:
根据所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注入油井的第二累积注水量,所述第二累积注水量为:
5.根据权利要求4所述的方法,其特征在于,在所述确定所述预测时间段内油井动态储量之后,还包括:
根据所述预测时间段内注入油井的第二累积注水量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及所述第一函数关系,通过迭代计算,确定所述预测时间段内油井数据对应的水替率极限值;
根据所述水替率极限值以及所述第一函数关系,确定油井极限动态储量,所述油井极限动态储量用于表示所述油井动态蕴藏或产出油量的最大有效值。
6.一种油井动态储量的预测装置,其特征在于,包括:
水替率确定模块,用于根据历史油井数据,确定预测时间段内油井数据对应的水替率,所述历史油井数据包括历史预设时间段内注入油井的多个第一累积注水量和所述历史预设时间段内注水后所述油井产出的多个第一累积混合产油量,所述水替率用于评价注水替油效率;
产油量确定模块,用于基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注水后所述油井产出的第二累积混合产油量,所述第一函数关系是根据所述多个第一累积注水量和所述多个第一累积混合产油量确定的;
油井动态储量确定模块,用于根据所述第二累积混合产油量,确定所述预测时间段内油井动态储量;
历史数据采集模块和第一函数关系确定模块;
所述历史数据采集模块,用于在所述根据历史油井数据,确定预测时间段内油井数据对应的水替率之前,采集历史油井数据;
第一函数关系确定模块,用于将历史油井数据进行数据拟合,确定累积注水量和累积混合产油量之间的第一函数关系;
所述第一函数关系为:lg NP=lg A+BlgWP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述产油量确定模块,具体用于:
对所述第一函数关系进行时间上的求导,得到第一公式,所述第一公式为:
将所述第一公式中所述累积注水量在时间上的求导作为平均注水量,记作
将所述第一公式中所述累积混合产油量在时间上的求导作为平均混合产油量,记作
对所述第一公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第二公式,所述水替率为:所述第二公式为:/>
根据所述第二公式以及所述第一函数关系,得到所述累积混合产油量的公式,所述累积混合产油量的公式为:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注水后所述油井产出的第二累积混合产油量,所述第二累积混合产油量为:
所述油井动态储量确定模块,具体用于:
获取所述预测时间段内注水前所述油井产出的累积产油量;
根据所述预测时间段内注水前所述油井产出的累积产油量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及预设采收率,确定所述预测时间段内油井动态储量。
7.根据权利要求6所述的装置,其特征在于,所述水替率确定模块,具体用于:
根据所述多个第一累积注水量中最大的第一累积注水量,确定所述历史预设时间内注入油井的平均注水量;
根据所述多个第一累积混合产油量中最大的第一累积混合产油量,确定所述历史预设时间段内注水后所述油井产出的平均混合产油量;
根据所述平均混合产油量和所述平均注水量,确定所述预测时间段内油井数据对应的水替率,所述预测时间段内油井数据对应的水替率是所述平均混合产油量和所述平均注水量的比值。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:注水量确定模块;
所述注水量确定模块,用于在所述确定预测时间段内油井数据对应的水替率之后,基于第一函数关系和所述预测时间段内油井数据对应的水替率,确定所述预测时间段内注入油井的第二累积注水量。
9.根据权利要求8所述的装置,其特征在于,所述第一函数关系为:lg NP=lg A+BlgWP;其中,NP为所述混合产油量,WP为所述累积注水量,lg A为截距,B为斜率;
所述注水量确定模块,具体用于:
对所述第一函数关系进行时间上的求导,得到第三公式,所述第三公式为:
将所述第三公式中所述累积注水量在时间上的求导作为所述平均注水量,记作
将所述第三公式中所述累积混合产油量在时间上的求导作为所述平均混合产油量,记作
对所述第三公式进行等式变换,得到含有所述预测时间段内油井数据对应的水替率的第四公式,所述预测时间段内油井数据对应的水替率为:所述第四公式为:/>
根据所述第四公式以及所述第一函数关系,得到所述累积注水量的公式:
根据所述预测时间段内油井数据对应的水替率、所述截距、所述斜率以及所述累积混合产油量的公式,得到预测时间段内注入油井的第二累积注水量,所述第二累积注水量为:
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:水替率极限值确定模块和油井极限动态储量确定模块;
所述水替率极限值确定模块,用于在所述确定所述预测时间段内油井动态储量之后,根据所述预测时间段内注入油井的第二累积注水量、所述预测时间段内注水后所述油井产出的第二累积混合产油量以及所述第一函数关系,通过迭代计算,确定所述预测时间段内油井数据对应的水替率极限值;
所述油井极限动态储量确定模块,用于根据所述水替率极限值以及所述第一函数关系,确定油井极限动态储量,所述油井极限动态储量用于表示所述油井动态蕴藏或产出油量的最大有效值。
11.一种油井动态储量的预测设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至5任一项所述的油井动态储量的预测方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至5任一项所述的油井动态储量的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910490127.9A CN112049624B (zh) | 2019-06-06 | 2019-06-06 | 油井动态储量的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910490127.9A CN112049624B (zh) | 2019-06-06 | 2019-06-06 | 油井动态储量的预测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112049624A CN112049624A (zh) | 2020-12-08 |
CN112049624B true CN112049624B (zh) | 2024-04-30 |
Family
ID=73609601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910490127.9A Active CN112049624B (zh) | 2019-06-06 | 2019-06-06 | 油井动态储量的预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112049624B (zh) |
Citations (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4439334A (en) * | 1981-07-14 | 1984-03-27 | Halliburton Company | Enhanced oil recovery methods and systems |
RU2087670C1 (ru) * | 1994-04-26 | 1997-08-20 | Внедренческий научно-исследовательский инженерный центр "Нефтегазтехнология" | Способ ликвидации аварий на нефтяных скважинах |
CN101942994A (zh) * | 2010-09-16 | 2011-01-12 | 中国石油天然气股份有限公司 | 水淹层产水率定量预测方法及其系统 |
US8145428B1 (en) * | 2008-09-29 | 2012-03-27 | QRI Group, LLC | Assessing petroleum reservoir reserves and potential for increasing ultimate recovery |
WO2012134497A1 (en) * | 2011-04-01 | 2012-10-04 | QRI Group, LLC | Method for dynamically assessing petroleum reservoir competency and increasing production and recovery through asymmetric analysis of performance metrics |
CN102747991A (zh) * | 2011-04-22 | 2012-10-24 | 长江大学 | 一种确定合采井单层产量的方法 |
CN202711034U (zh) * | 2012-07-20 | 2013-01-30 | 杨茂华 | 基于应用光电检测装置的油田采油机高效节电器 |
RU2480584C1 (ru) * | 2011-10-26 | 2013-04-27 | федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Пермский национальный исследовательский политехнический университет" | Способ оперативного прогнозирования основных показателей разработки нефтяных залежей |
CN103114830A (zh) * | 2013-03-19 | 2013-05-22 | 王生奎 | 一种富气驱水/气交替注入方法 |
GB201314205D0 (en) * | 2012-08-10 | 2013-09-25 | Schlumberger Holdings | Hybrid local nonmatching method for multiphase flow simulations in heterogenous fractured media |
CN103628868A (zh) * | 2013-12-03 | 2014-03-12 | 中国海洋石油总公司 | 一种高挥发性油藏注天然气开发产油量预测方法 |
WO2014158132A1 (en) * | 2013-03-25 | 2014-10-02 | Landmark Graphics Corporation | System, method and computer program product for predicting well production |
CN104141490A (zh) * | 2014-07-17 | 2014-11-12 | 中国石油天然气股份有限公司 | 有水气藏单井水侵情况判断及气井产量控制方法和装置 |
CN104265281A (zh) * | 2014-10-08 | 2015-01-07 | 成都北方石油勘探开发技术有限公司 | 封闭未饱和油藏弹性驱动注水开发油井产量的预测方法 |
CN104281893A (zh) * | 2014-10-20 | 2015-01-14 | 宁波弘泰水利信息科技有限公司 | 一种水库洪水预报调度及动态跟踪系统 |
CN104346511A (zh) * | 2013-08-06 | 2015-02-11 | 北京默凯斯能源技术有限公司 | 一种全新的油藏动态监测方法及装置 |
CN104500050A (zh) * | 2014-10-31 | 2015-04-08 | 中国石油大学(华东) | 一种裂缝性储层渗透率张量及各向异性定量预测方法 |
CN104632187A (zh) * | 2013-11-14 | 2015-05-20 | 中国石油化工股份有限公司 | 一种确定产水煤层气井动态储量的方法 |
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
CN104895537A (zh) * | 2015-06-01 | 2015-09-09 | 中国石油集团川庆钻探工程有限公司 | 适用于缝洞型碳酸盐岩凝析气藏的注水替油开采方法 |
CN104989373A (zh) * | 2015-06-26 | 2015-10-21 | 中国石油化工股份有限公司胜利油田分公司 | 一种油井工况智能监控系统 |
CN105095642A (zh) * | 2015-05-29 | 2015-11-25 | 中国石油天然气股份有限公司 | 油藏数值模拟中历史拟合调整参数确定方法及装置 |
CN105243182A (zh) * | 2015-09-08 | 2016-01-13 | 中国石油天然气股份有限公司 | 致密油压裂水平井的动态储量计算方法 |
GB201523076D0 (en) * | 2015-06-23 | 2016-02-10 | Petrochina Co Ltd | Method and apparatus for performance prediction of multi-layered oil reservoirs |
CN105389467A (zh) * | 2015-11-02 | 2016-03-09 | 中国地质大学(武汉) | 一种获得井间连通关系的方法及装置 |
CA2963814A1 (en) * | 2014-11-07 | 2016-05-12 | Bp Corporation North America Inc. | Methods for managing formation voidage replacement in waterflood production operations to increase oil recovery |
CN105631138A (zh) * | 2015-12-29 | 2016-06-01 | 北京凯博瑞石油科技有限公司 | 油气藏开发单元及井组数值模拟动态分析方法 |
CN105631754A (zh) * | 2015-12-29 | 2016-06-01 | 中国石油天然气股份有限公司 | 一种确定海外油田的产量剖面数据的方法和装置 |
CN105787583A (zh) * | 2016-01-06 | 2016-07-20 | 北京首钢自动化信息技术有限公司 | 一种冶金煤气综合动态平衡调度系统及方法 |
CN105888630A (zh) * | 2016-04-29 | 2016-08-24 | 中国石油天然气股份有限公司 | 一种致密油压裂水平井吞吐采油提高采收率的方法 |
CN105956938A (zh) * | 2016-05-18 | 2016-09-21 | 恒泰艾普(北京)能源科技研究院有限公司 | 缝洞型油藏动态储量计算的方法 |
CN106127604A (zh) * | 2016-06-17 | 2016-11-16 | 中国石油天然气股份有限公司 | 一种动态储量计算方法及装置 |
CN106150477A (zh) * | 2015-04-23 | 2016-11-23 | 中国石油化工股份有限公司 | 一种确定单井控制储量的方法 |
CN106703796A (zh) * | 2016-12-30 | 2017-05-24 | 中国石油天然气股份有限公司 | 一种获取油藏的动态储量及水体大小的方法及装置 |
CN106837297A (zh) * | 2016-12-22 | 2017-06-13 | 中国石油天然气股份有限公司 | 一种识别井间连通性及油水动态预测的方法 |
CN106845678A (zh) * | 2016-12-19 | 2017-06-13 | 国家电网公司 | 一种电力通信备件资源全网一体化动态调配方法及装置 |
CA3010283A1 (en) * | 2015-12-29 | 2017-07-06 | Schlumberger Canada Limited | Machine learning for production prediction |
CN206330957U (zh) * | 2016-11-29 | 2017-07-14 | 中国海洋石油总公司 | 一种模拟大斜度采油井井筒析蜡特性动态评价实验装置 |
WO2017139271A2 (en) * | 2016-02-08 | 2017-08-17 | Rs Energy Group Topco, Inc. | Method for estimating oil/gas production using statistical learning models |
CN107133699A (zh) * | 2017-05-12 | 2017-09-05 | 百度国际科技(深圳)有限公司 | 电影票房趋势预测方法和装置、设备、存储介质 |
WO2017171576A1 (en) * | 2016-03-31 | 2017-10-05 | Schlumberger Technology Corporation | Method for predicting perfomance of a well penetrating |
CN107288595A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种注水利用率的评价方法 |
CN107301306A (zh) * | 2017-08-04 | 2017-10-27 | 中国石油化工股份有限公司华北油气分公司 | 用于致密砂岩气藏压裂水平井的动态无阻流量预测方法 |
CN107575207A (zh) * | 2017-10-19 | 2018-01-12 | 陕西延长石油(集团)有限责任公司研究院 | 一种预测油田水驱波及半径的方法 |
CN107605472A (zh) * | 2017-08-10 | 2018-01-19 | 中国石油天然气股份有限公司 | 一种确定油藏采收率的方法及装置 |
CN107944126A (zh) * | 2017-11-21 | 2018-04-20 | 中国石油天然气股份有限公司 | 一种确定水驱油藏含水率的方法及装置 |
CN108071392A (zh) * | 2018-01-09 | 2018-05-25 | 中海石油(中国)有限公司 | 一种海上异常高压气藏动态储量计算方法 |
KR20180078393A (ko) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | 김치에서의 다이내믹 미생물 생장예측장치 및 방법, 그 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체, 및 이를 이용한 김치의 안전성 관리 시스템 |
CN108487884A (zh) * | 2018-03-19 | 2018-09-04 | 中国石油大学(华东) | 一种深部调驱结合单井注水量调整提高采收率的技术方法 |
CN108612521A (zh) * | 2018-07-10 | 2018-10-02 | 西安海联石化科技有限公司 | 一种油井动液面和套压模拟测试装置及方法 |
CN108612525A (zh) * | 2018-04-19 | 2018-10-02 | 重庆科技学院 | 一种气藏动态储量计算方法 |
CN108643875A (zh) * | 2018-05-14 | 2018-10-12 | 中国石油天然气股份有限公司 | 一种低渗透碎屑岩油藏的注水开发调整方法、装置及系统 |
CN108804819A (zh) * | 2018-06-10 | 2018-11-13 | 西南石油大学 | 一种低渗气藏动态储量评价方法 |
CN108843291A (zh) * | 2017-11-28 | 2018-11-20 | 中国石油天然气股份有限公司 | 一种低压致密油藏的开采方法及装置 |
CN108901699A (zh) * | 2018-07-05 | 2018-11-30 | 无为县嘉禾家庭农场 | 一种水稻蔬菜混合种植的方法 |
CN108921342A (zh) * | 2018-06-26 | 2018-11-30 | 圆通速递有限公司 | 一种物流客户流失预测方法、介质和系统 |
CN109002574A (zh) * | 2018-06-06 | 2018-12-14 | 西安石油大学 | 一种多层油藏脉冲周期注水开发指标预测方法 |
CN109118012A (zh) * | 2018-08-28 | 2019-01-01 | 成都天衡智造科技有限公司 | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 |
CN109214022A (zh) * | 2017-07-04 | 2019-01-15 | 中国石油化工股份有限公司 | 一种单井可采变化规律动态模型的建立方法及勘探项目储量指标预测方法 |
CN109242201A (zh) * | 2018-09-29 | 2019-01-18 | 上海中信信息发展股份有限公司 | 一种预测农作物产量的方法、装置及计算机可读存储介质 |
CN109236273A (zh) * | 2018-09-26 | 2019-01-18 | 西南石油大学 | 油田开发生产动态数据处理方法 |
CN109272164A (zh) * | 2018-09-29 | 2019-01-25 | 清华大学深圳研究生院 | 学习行为动态预测方法、装置、设备及存储介质 |
CN109424362A (zh) * | 2017-08-29 | 2019-03-05 | 中国石油化工股份有限公司 | 计算底水油藏单井控制原油储量的方法及系统 |
CN109446538A (zh) * | 2018-06-21 | 2019-03-08 | 北京国双科技有限公司 | 注水与采油井关系模型获得方法及产量和注水量确定方法 |
CN109636057A (zh) * | 2018-12-24 | 2019-04-16 | 中国电子科技集团公司信息科学研究院 | 基于改进人工免疫系统的链接预测方法及存储介质 |
CN109657855A (zh) * | 2018-12-14 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 离职概率的预测方法、装置、计算机设备和存储介质 |
CN109763800A (zh) * | 2019-03-18 | 2019-05-17 | 哈尔滨理工大学 | 一种油田分层注水量预测方法 |
FR3073640A1 (fr) * | 2017-11-15 | 2019-05-17 | Landmark Graphics Corporation | Simulation automatisee de reservoir contexte |
CN109779622A (zh) * | 2019-02-22 | 2019-05-21 | 中国石油大学(华东) | 特高含水期油藏低效注水带表征方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7303010B2 (en) * | 2002-10-11 | 2007-12-04 | Intelligent Robotic Corporation | Apparatus and method for an autonomous robotic system for performing activities in a well |
CA2746461A1 (en) * | 2008-12-15 | 2010-07-01 | Chevron U.S.A. Inc. | System and method for evaluating dynamic heterogeneity in earth models |
US10508520B2 (en) * | 2011-10-26 | 2019-12-17 | QRI Group, LLC | Systems and methods for increasing recovery efficiency of petroleum reservoirs |
US10352142B2 (en) * | 2016-09-26 | 2019-07-16 | International Business Machines Corporation | Controlling operation of a stem-assisted gravity drainage oil well system by adjusting multiple time step controls |
US20180293336A1 (en) * | 2017-04-06 | 2018-10-11 | Qingfeng TAO | Forecasting ultimate recovery of oil and oil production for a multiply-fractured horizontal well |
US10859725B2 (en) * | 2017-05-22 | 2020-12-08 | Sensia Llc | Resource production forecasting |
-
2019
- 2019-06-06 CN CN201910490127.9A patent/CN112049624B/zh active Active
Patent Citations (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4439334A (en) * | 1981-07-14 | 1984-03-27 | Halliburton Company | Enhanced oil recovery methods and systems |
RU2087670C1 (ru) * | 1994-04-26 | 1997-08-20 | Внедренческий научно-исследовательский инженерный центр "Нефтегазтехнология" | Способ ликвидации аварий на нефтяных скважинах |
US8145428B1 (en) * | 2008-09-29 | 2012-03-27 | QRI Group, LLC | Assessing petroleum reservoir reserves and potential for increasing ultimate recovery |
CN101942994A (zh) * | 2010-09-16 | 2011-01-12 | 中国石油天然气股份有限公司 | 水淹层产水率定量预测方法及其系统 |
WO2012134497A1 (en) * | 2011-04-01 | 2012-10-04 | QRI Group, LLC | Method for dynamically assessing petroleum reservoir competency and increasing production and recovery through asymmetric analysis of performance metrics |
CN102747991A (zh) * | 2011-04-22 | 2012-10-24 | 长江大学 | 一种确定合采井单层产量的方法 |
RU2480584C1 (ru) * | 2011-10-26 | 2013-04-27 | федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Пермский национальный исследовательский политехнический университет" | Способ оперативного прогнозирования основных показателей разработки нефтяных залежей |
CN202711034U (zh) * | 2012-07-20 | 2013-01-30 | 杨茂华 | 基于应用光电检测装置的油田采油机高效节电器 |
GB201314205D0 (en) * | 2012-08-10 | 2013-09-25 | Schlumberger Holdings | Hybrid local nonmatching method for multiphase flow simulations in heterogenous fractured media |
CN103114830A (zh) * | 2013-03-19 | 2013-05-22 | 王生奎 | 一种富气驱水/气交替注入方法 |
WO2014158132A1 (en) * | 2013-03-25 | 2014-10-02 | Landmark Graphics Corporation | System, method and computer program product for predicting well production |
CN104346511A (zh) * | 2013-08-06 | 2015-02-11 | 北京默凯斯能源技术有限公司 | 一种全新的油藏动态监测方法及装置 |
CN104632187A (zh) * | 2013-11-14 | 2015-05-20 | 中国石油化工股份有限公司 | 一种确定产水煤层气井动态储量的方法 |
CN103628868A (zh) * | 2013-12-03 | 2014-03-12 | 中国海洋石油总公司 | 一种高挥发性油藏注天然气开发产油量预测方法 |
CN104141490A (zh) * | 2014-07-17 | 2014-11-12 | 中国石油天然气股份有限公司 | 有水气藏单井水侵情况判断及气井产量控制方法和装置 |
CN104265281A (zh) * | 2014-10-08 | 2015-01-07 | 成都北方石油勘探开发技术有限公司 | 封闭未饱和油藏弹性驱动注水开发油井产量的预测方法 |
CN104281893A (zh) * | 2014-10-20 | 2015-01-14 | 宁波弘泰水利信息科技有限公司 | 一种水库洪水预报调度及动态跟踪系统 |
CN104500050A (zh) * | 2014-10-31 | 2015-04-08 | 中国石油大学(华东) | 一种裂缝性储层渗透率张量及各向异性定量预测方法 |
CA2963814A1 (en) * | 2014-11-07 | 2016-05-12 | Bp Corporation North America Inc. | Methods for managing formation voidage replacement in waterflood production operations to increase oil recovery |
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
CN106150477A (zh) * | 2015-04-23 | 2016-11-23 | 中国石油化工股份有限公司 | 一种确定单井控制储量的方法 |
CN105095642A (zh) * | 2015-05-29 | 2015-11-25 | 中国石油天然气股份有限公司 | 油藏数值模拟中历史拟合调整参数确定方法及装置 |
CN104895537A (zh) * | 2015-06-01 | 2015-09-09 | 中国石油集团川庆钻探工程有限公司 | 适用于缝洞型碳酸盐岩凝析气藏的注水替油开采方法 |
GB201523076D0 (en) * | 2015-06-23 | 2016-02-10 | Petrochina Co Ltd | Method and apparatus for performance prediction of multi-layered oil reservoirs |
CN104989373A (zh) * | 2015-06-26 | 2015-10-21 | 中国石油化工股份有限公司胜利油田分公司 | 一种油井工况智能监控系统 |
CN105243182A (zh) * | 2015-09-08 | 2016-01-13 | 中国石油天然气股份有限公司 | 致密油压裂水平井的动态储量计算方法 |
CN105389467A (zh) * | 2015-11-02 | 2016-03-09 | 中国地质大学(武汉) | 一种获得井间连通关系的方法及装置 |
CN105631754A (zh) * | 2015-12-29 | 2016-06-01 | 中国石油天然气股份有限公司 | 一种确定海外油田的产量剖面数据的方法和装置 |
CN105631138A (zh) * | 2015-12-29 | 2016-06-01 | 北京凯博瑞石油科技有限公司 | 油气藏开发单元及井组数值模拟动态分析方法 |
CA3010283A1 (en) * | 2015-12-29 | 2017-07-06 | Schlumberger Canada Limited | Machine learning for production prediction |
CN105787583A (zh) * | 2016-01-06 | 2016-07-20 | 北京首钢自动化信息技术有限公司 | 一种冶金煤气综合动态平衡调度系统及方法 |
WO2017139271A2 (en) * | 2016-02-08 | 2017-08-17 | Rs Energy Group Topco, Inc. | Method for estimating oil/gas production using statistical learning models |
CN107288595A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种注水利用率的评价方法 |
WO2017171576A1 (en) * | 2016-03-31 | 2017-10-05 | Schlumberger Technology Corporation | Method for predicting perfomance of a well penetrating |
CN105888630A (zh) * | 2016-04-29 | 2016-08-24 | 中国石油天然气股份有限公司 | 一种致密油压裂水平井吞吐采油提高采收率的方法 |
CN105956938A (zh) * | 2016-05-18 | 2016-09-21 | 恒泰艾普(北京)能源科技研究院有限公司 | 缝洞型油藏动态储量计算的方法 |
CN106127604A (zh) * | 2016-06-17 | 2016-11-16 | 中国石油天然气股份有限公司 | 一种动态储量计算方法及装置 |
CN206330957U (zh) * | 2016-11-29 | 2017-07-14 | 中国海洋石油总公司 | 一种模拟大斜度采油井井筒析蜡特性动态评价实验装置 |
CN106845678A (zh) * | 2016-12-19 | 2017-06-13 | 国家电网公司 | 一种电力通信备件资源全网一体化动态调配方法及装置 |
CN106837297A (zh) * | 2016-12-22 | 2017-06-13 | 中国石油天然气股份有限公司 | 一种识别井间连通性及油水动态预测的方法 |
KR20180078393A (ko) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | 김치에서의 다이내믹 미생물 생장예측장치 및 방법, 그 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체, 및 이를 이용한 김치의 안전성 관리 시스템 |
CN106703796A (zh) * | 2016-12-30 | 2017-05-24 | 中国石油天然气股份有限公司 | 一种获取油藏的动态储量及水体大小的方法及装置 |
CN107133699A (zh) * | 2017-05-12 | 2017-09-05 | 百度国际科技(深圳)有限公司 | 电影票房趋势预测方法和装置、设备、存储介质 |
CN109214022A (zh) * | 2017-07-04 | 2019-01-15 | 中国石油化工股份有限公司 | 一种单井可采变化规律动态模型的建立方法及勘探项目储量指标预测方法 |
CN107301306A (zh) * | 2017-08-04 | 2017-10-27 | 中国石油化工股份有限公司华北油气分公司 | 用于致密砂岩气藏压裂水平井的动态无阻流量预测方法 |
CN107605472A (zh) * | 2017-08-10 | 2018-01-19 | 中国石油天然气股份有限公司 | 一种确定油藏采收率的方法及装置 |
CN109424362A (zh) * | 2017-08-29 | 2019-03-05 | 中国石油化工股份有限公司 | 计算底水油藏单井控制原油储量的方法及系统 |
CN107575207A (zh) * | 2017-10-19 | 2018-01-12 | 陕西延长石油(集团)有限责任公司研究院 | 一种预测油田水驱波及半径的方法 |
FR3073640A1 (fr) * | 2017-11-15 | 2019-05-17 | Landmark Graphics Corporation | Simulation automatisee de reservoir contexte |
CN107944126A (zh) * | 2017-11-21 | 2018-04-20 | 中国石油天然气股份有限公司 | 一种确定水驱油藏含水率的方法及装置 |
CN108843291A (zh) * | 2017-11-28 | 2018-11-20 | 中国石油天然气股份有限公司 | 一种低压致密油藏的开采方法及装置 |
CN108071392A (zh) * | 2018-01-09 | 2018-05-25 | 中海石油(中国)有限公司 | 一种海上异常高压气藏动态储量计算方法 |
CN108487884A (zh) * | 2018-03-19 | 2018-09-04 | 中国石油大学(华东) | 一种深部调驱结合单井注水量调整提高采收率的技术方法 |
CN108612525A (zh) * | 2018-04-19 | 2018-10-02 | 重庆科技学院 | 一种气藏动态储量计算方法 |
CN108643875A (zh) * | 2018-05-14 | 2018-10-12 | 中国石油天然气股份有限公司 | 一种低渗透碎屑岩油藏的注水开发调整方法、装置及系统 |
CN109002574A (zh) * | 2018-06-06 | 2018-12-14 | 西安石油大学 | 一种多层油藏脉冲周期注水开发指标预测方法 |
CN108804819A (zh) * | 2018-06-10 | 2018-11-13 | 西南石油大学 | 一种低渗气藏动态储量评价方法 |
CN109446538A (zh) * | 2018-06-21 | 2019-03-08 | 北京国双科技有限公司 | 注水与采油井关系模型获得方法及产量和注水量确定方法 |
CN108921342A (zh) * | 2018-06-26 | 2018-11-30 | 圆通速递有限公司 | 一种物流客户流失预测方法、介质和系统 |
CN108901699A (zh) * | 2018-07-05 | 2018-11-30 | 无为县嘉禾家庭农场 | 一种水稻蔬菜混合种植的方法 |
CN108612521A (zh) * | 2018-07-10 | 2018-10-02 | 西安海联石化科技有限公司 | 一种油井动液面和套压模拟测试装置及方法 |
CN109118012A (zh) * | 2018-08-28 | 2019-01-01 | 成都天衡智造科技有限公司 | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 |
CN109236273A (zh) * | 2018-09-26 | 2019-01-18 | 西南石油大学 | 油田开发生产动态数据处理方法 |
CN109272164A (zh) * | 2018-09-29 | 2019-01-25 | 清华大学深圳研究生院 | 学习行为动态预测方法、装置、设备及存储介质 |
CN109242201A (zh) * | 2018-09-29 | 2019-01-18 | 上海中信信息发展股份有限公司 | 一种预测农作物产量的方法、装置及计算机可读存储介质 |
CN109657855A (zh) * | 2018-12-14 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 离职概率的预测方法、装置、计算机设备和存储介质 |
CN109636057A (zh) * | 2018-12-24 | 2019-04-16 | 中国电子科技集团公司信息科学研究院 | 基于改进人工免疫系统的链接预测方法及存储介质 |
CN109779622A (zh) * | 2019-02-22 | 2019-05-21 | 中国石油大学(华东) | 特高含水期油藏低效注水带表征方法及装置 |
CN109763800A (zh) * | 2019-03-18 | 2019-05-17 | 哈尔滨理工大学 | 一种油田分层注水量预测方法 |
Non-Patent Citations (12)
Title |
---|
一种计算单井动态储量的新方法;张俊法;汤达祯;赵梅叶;张红臣;吴应川;;石油天然气学报(第01期);全文 * |
利用水驱特征曲线分析法计算水平井地质储量;周京师;;石油地质与工程(第02期);全文 * |
单井注水替油过程中缝洞单元内的油水关系;钟伟;陆正元;;断块油气田(第04期);全文 * |
塔河油田水驱法计算地质储量经验公式的提出;刘建军;宋化明;徐燕东;;中国石油和化工标准与质量(第05期);全文 * |
应用地质-动态分析法预测剩余油分布――以华池油田华78区为例;赵筱艳;杜春龙;任战利;孙栋;;西北大学学报(自然科学版)(第04期);全文 * |
断块油藏油水过渡带油井部署界限研究;吴丽;陈民锋;唐湘明;孙东升;;复杂油气藏(第04期);全文 * |
水驱曲线法在油田开发评价中的应用;陈元千;邹存友;张枫;;断块油气田(第06期);全文 * |
水驱特征曲线在储量计算中的应用――以东辛油田辛斜151块为例;夏冰;中国科技信息(第22期);全文 * |
油井单井控制储量确定新方法研究;王怒涛;张风波;罗志锋;黄炳光;;西南石油大学学报(第05期);全文 * |
油田储量评估计算探讨;孙焕泉, 周学民, 杨勇;大庆石油地质与开发(第04期);全文 * |
油田单井可采储量定量预测模型;邴绍献;;油气地质与采收率(第01期);全文 * |
轮西缝洞型碳酸盐岩油藏注水替油工艺;蒋天洪;李金山;梁昌健;任红宇;贾传志;;内蒙古石油化工(第15期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112049624A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Dynamic load prediction of tunnel boring machine (TBM) based on heterogeneous in-situ data | |
AU2019312330B2 (en) | Method for predicting mine strata pressure behavior data of stoping tunnel | |
WO2019042483A2 (zh) | 一种tbm在掘岩体状态实时感知系统和方法 | |
CN111459955B (zh) | 一种基于gis平台的三维地质结构模型自动更新方法及系统 | |
Li et al. | Comparison of three methods of hydrogeological parameter estimation in leaky aquifers using transient flow pumping tests | |
Hao et al. | Karst Hydrological Processes and Grey System Model 1 | |
Ataei et al. | Rate transient analysis RTA and its application for well connectivity analysis: an integrated production driven reservoir characterization and a case study | |
CN106014365B (zh) | 一种预测水驱开发油田产量递减率的方法 | |
CN112049624B (zh) | 油井动态储量的预测方法、装置、设备及存储介质 | |
Bouayad et al. | Assessment of ground surface displacements induced by an earth pressure balance shield tunneling using partial least squares regression | |
Sun et al. | Stress-fractional model with rotational hardening for anisotropic clay | |
CN112127877B (zh) | 油井动态储量的预测方法、装置、设备及存储介质 | |
Amrollahinasab et al. | Simultaneous interpretation of SCAL data with different degrees of freedom and uncertainty analysis | |
Yan et al. | A novel method for identifying geomechanical parameters of rock masses based on a PSO and improved GPR hybrid algorithm | |
Qin et al. | High-precision cutterhead torque prediction for tunnel boring machines using an attention-based embedded LSTM neural network | |
Viney et al. | Modelling the cumulative impacts of future coal mining and coal seam gas extraction on river flows: Applications of methodology | |
CN104573399B (zh) | 一种煤矿突水动水注浆量预测与注浆效果评价方法 | |
Qin et al. | Analysis of spatiotemporal variations of excess pore water pressure during mechanized tunneling using genetic programming | |
CN110879920B (zh) | 一种获取沉积盆地坳陷区古地表热流的方法、装置及系统 | |
CN108874735B (zh) | 一种确定沉积盆地古流体压力的方法及装置 | |
Moradi et al. | Learning from Behavioral Frac Maps: A Montney Case Study in Integration of Modern Microseismic and Production Data Analyses | |
CN107605472B (zh) | 一种确定油藏采收率的方法及装置 | |
CN111723471A (zh) | 剥蚀厚度确定方法、装置、设备及存储介质 | |
Wang et al. | Machine learning–informed soil conditioning for mechanized shield tunneling | |
Sun et al. | An Intelligent Inversion Method for Complex Fractures Using Ensemble Neural Network |
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 |