CN112561144A - 一种致密油压裂水平井产能主控因素评判与产能预测方法 - Google Patents

一种致密油压裂水平井产能主控因素评判与产能预测方法 Download PDF

Info

Publication number
CN112561144A
CN112561144A CN202011418354.XA CN202011418354A CN112561144A CN 112561144 A CN112561144 A CN 112561144A CN 202011418354 A CN202011418354 A CN 202011418354A CN 112561144 A CN112561144 A CN 112561144A
Authority
CN
China
Prior art keywords
productivity
factors
horizontal well
oil
fractured horizontal
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
CN202011418354.XA
Other languages
English (en)
Other versions
CN112561144B (zh
Inventor
王铭显
谭成仟
邱祥亮
成友友
陈志鹏
赵文琪
李伟强
邢国强
赵红兵
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.)
Xian Shiyou University
Original Assignee
Xian Shiyou University
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 Xian Shiyou University filed Critical Xian Shiyou University
Priority to CN202011418354.XA priority Critical patent/CN112561144B/zh
Publication of CN112561144A publication Critical patent/CN112561144A/zh
Application granted granted Critical
Publication of CN112561144B publication Critical patent/CN112561144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Agronomy & Crop Science (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种致密油压裂水平井产能主控因素评判与产能预测方法；确定出致密油压裂水平井产能的潜在影响因素；建立适应研究区的压裂水平井产能综合评价体系；获取相关数据；评判研究区压裂水平井产能主控因素；计算主控因素在所属分类中所占的权重比例；建立研究区压裂水平井产能水平预测公式；建立研究区压裂水平井产能递减预测模型，预测油井产能递减规律。本发明提出的产能预测方法所预测的致密油压裂水平井产能与现场生产数据吻合度高，1口水平井的产油数据与预测结果对比，相对误差小于7％，预测精度较高，能够满足生产需求。

Description

一种致密油压裂水平井产能主控因素评判与产能预测方法
技术领域
本发明涉及致密油开发领域；尤其涉及一种致密油压裂水平井产能主控因素评判与产能预测方法。
背景技术
当前致密油已成为全球重要的非常规油气资源之一。中国致密砂岩油气资源丰富，在准噶尔盆地、鄂尔多斯盆地、四川盆地和松辽盆地等广泛分布，初步评价主要盆地的致密油资源量为80-100亿吨(贾承造等，2012；邹才能等，2012)。随着酸化压裂、多级压裂和长水平井等技术的发展，致密油藏的开发效果显著提升，有望成为重要的油气接替资源，缓解我国原油对外依存度高的局面，保障国家能源安全。由于致密油藏复杂的地质条件、开发工艺和工程手段，有关压裂水平井的常规产能主控因素评判与产能预测方法已经无法满足致密油藏高效开发的现场需求。
“体积压裂+长水平井”是提高致密油藏采收率的关键技术(杜金虎等，2014；苏玉亮等，2018；周福建等，2019)。受致密储层特征、流体性质、压裂措施和开发制度等因素的综合影响，相邻区块的压裂水平井产能差异较大，甚至同一区块的压裂水平井产能差异也很大。目前对造成致密油藏压裂水平井产能差异大的主要因素和次要因素仍不清楚，单井高产、稳产的主控因素也不明确，缺少科学的产能主控因素评判方法。同时，不同影响因素下致密油藏压裂水平井的产能预测难度大，开发不确定性高，导致油田后期开发调整缺少依据。因此，亟待建立一种有效的致密油压裂水平井产能主控因素评判与产能预测的方法，来推动致密油藏的高效开发。
致密油压裂水平井产能受地质、开发和工程多方面因素影响，不同研究人员侧重点不同：地质人员关注地质因素，开发人员强调开发因素，工程人员着重工程因素。这导致目前所建立的致密油压裂水平井产能评价指标体系纷繁复杂、片面独立，缺乏系统性，有待梳理出一套综合评价指标体系。尽管国内外学者已经开展有关致密油压裂水平井产能主控因素评判和产能预测的研究，并取得一定进展，但由于选取的评价指标体系不科学或者不合理，导致产能主控因素评判和产能预测的结果不准确，适用性存疑。总体上，目前关于致密油压裂水平井产能主控因素评判和产能预测尚未形成有效的方法和技术。
与本发明相关的现有技术方案主要包括致密油压裂水平井的产能主控因素评判和产能预测两个方面。
针对致密油压裂水平井产能影响因素众多、各因素影响产能的作用机理复杂的现状，许多学者有针对性地开展研究。物理模拟法、数值模拟法和正交试验法是目前研究致密油压裂水平井产能主控因素的主要方法。
(1)物理模拟法：周德华等(2003)借助于电模拟实验方法这一经典的物理模拟方法，对水平井-直井井网与裂缝网络之间的关系进行研究，对裂缝网络的不同性质(包括连通性、离散性、密度、方位等)对水平井产能的影响进行分析与评价，优化出水平井设计的相关参数。
(2)数值模拟法：林旺等(2017)利用数值模拟方法分析新疆油田致密油藏大规模体积压裂的工程因素对水平井产能的影响，结果表明工程参数对产能的影响程度由大到小依次为储层改造体积、压裂规模、缝网复杂程度、水平井段长度和裂缝导流能力。
(3)数值模拟法+正交试验法：孟展等(2016)在综合考虑地层因素(孔隙度、渗透率)、施工因素(水平段长度、压裂级数、裂缝半长、导流能力)和井网因素(井距、排距)的基础上，综合数值模拟法和正交试验法比较各个因素对体积压裂水平井产能影响程度的强弱，影响程度主次排序结果为：裂缝半长、水平段长度、压裂级数是影响致密砂岩油藏体积压裂水平井产能的主要因素，渗透率、孔隙度、导流能力、井排距为次要影响因素。
上述现有技术还存在以下不足：
(1)物理模拟法在研究各种因素影响产能的作用机理时优势显著，但用于评判产能主控因素时，可以模拟的影响因素十分有限，部分关键影响因素(如储能系数和脆性指数)不能考虑进来，因而难以真实地反映实际油藏情况。这导致所评价的因素不够系统全面，并且由于模拟条件与油藏条件存在差异，模拟结果的准确性和可信度也有待验证。因此，物理模拟法在致密油藏压裂水平井的产能主控因素评判中适用性较差。
(2)数值模拟法可将更多的影响因素考虑进来，适用范围广。然而致密油压裂水平井产能受地质、开发和工程等多方面因素的影响，数值模拟过程中需要设计大量的模拟方案，工作量巨大，可操作性低。数值模拟法研究具体的开发因素和工程因素具有优势，但研究脆性指数等抽象的地质因素时比较困难，难以表征刻画。同时，油田现场往往会有部分数据缺失，建立符合地下地质条件的数值模拟参数模型不太现实，导致模型预测结果的精度低，误差较大。此外，利用影响因素数值与产能模拟结果的绝对关系评判各因素对产能影响强弱程度的方法比较片面，缺少统计学意义。
(3)数值模拟法和正交试验法相结合可解决单纯使用数值模拟法时面临的诸多问题，例如：利用正交试验设计可显著减少模拟方案，降低工作量；通过模拟结果的方差或级差来对主控因素进行排序，可提高主控因素评判结果的准确性。然而致密油压裂水平井产能影响因素众多，大量的正交试验方案仍是不可避免的。同时，由于正交试验设计所依赖的原理，部分模拟方案可能被剔除，导致某些影响因素的评判结果不准确。另外，仅通过模拟方案的方差或级差来进行产能主控因素排序，依然缺乏严谨性和科学性。
目前关于致密油压裂水平井的产能预测方法，主要有数学推导法和统计分析法，以前者为主。数学推导法利用严格的数学理论，建立压裂水平井模型，通过解析法、半解析法或数值法求解模型得到压裂水平井的产能预测公式。统计分析法主要是利用灰色关联、偏相关分析等统计学方法探索现场生产数据与各种因素之间的关系，从而建立相应的产能预测模型。
(1)数学推导法：宁正福等(2002)应用复位势理论、叠加原理和矩阵方程的数值分析求解方法，并考虑裂缝内的渗流阻力及压力损失，推导出适用于低渗透油藏的压裂水平井产能预测公式。李廷礼等(2006)根据压裂水平井三维稳态势分布，结合复位势理论和叠加原理，建立考虑裂缝与水平段的渗流模型；根据质量守恒定理和动量定理，推导出裂缝流入井筒中的压降模型以及水平井筒中的管流模型，将油层中的渗流和井筒中的管流耦合得出新的压裂水平井产能计算模型。邓学峰等(2013)通过修正宁正福的水平井产能公式，引入启动压力梯度和应力敏感系数，得到新的产能预测公式。方思冬等(2015)基于天然裂缝等效渗透率张量理论，建立考虑渗透率张量的各向异性稳定渗流数学模型；结合势叠加原理，考虑应力敏感的影响，得到天然裂缝致密油藏中多角度人工裂缝压裂水平井的产能方程。
(2)统计分析法：王冲等(2018)基于测井解释资料和体积压裂施工参数从地质和工程两个方面对致密油水平井产量进行分析和效果评价，采用灰色关联分析法，将水平段地质参数、储层含油性、渗透性、可压性和非均质性作为地质敏感性参数，将单井的总入地液量作为工程敏感性参数，进而利用对数预测模型预测致密油藏水平井产量。
上述现有技术存在以下不足：
现有致密油压裂水平井产油能力预测技术方案均存在不同方面的缺点，不能满足致密油产能预测的需要。
(1)数学推导法所建立的数学模型往往有诸多假设条件，比如均质储层、单相流动、线性流动等，这与实际油藏情况截然不同。同时，受制于数学理论的局限或快速求解的需要，很多关键参数都不能考虑到数学模型中。因此，数学推导法获得的产能结果精度低，不能满足生产预测需求。
(2)统计分析法单纯地利用统计学方法去建立影响因素与压裂水平井产能之间的关系，未考虑因素之间的关系，可能出现某些因素的重叠影响。同时，在未区分主次因素的情况下，将所有因素笼统考虑进来建立产能预测模型，导致模型过于复杂，适用性差。
发明内容
本发明的目的是为了克服现有技术方案中对致密油压裂水平井产能主控因素评判难、产能预测精度低的缺点，提供一种基于灰色关联法的致密油压裂水平井产能主控因素评判和产能预测的方法，提高产能主控因素评判和产能预测的精度，适应致密油藏的开发需求。
本发明是通过以下技术方案实现的：
本发明涉及一种致密油压裂水平井产能主控因素评判与产能预测方法，包括以下步骤：
步骤1：针对待研究致密油区块投产压裂水平井，从地质因素、开发因素和工程因素三个方面确定出致密油压裂水平井产能的潜在影响因素；
步骤2：理清产能潜在影响因素的内在关系，剔除表象因素和重叠因素，建立适应研究区的压裂水平井产能综合评价体系；
步骤3：按照产能综合评价指标体系，获取相关数据；
步骤4：利用灰色关联分析法计算影响因素与产能之间的关联度，量化每个因素的产能影响程度，评判研究区压裂水平井产能主控因素；
步骤5：将研究区产能主控因素按照地质、开发和工程分类，根据主控因素的关联度，计算主控因素在所属分类中所占的权重比例；
步骤6：结合主控因素权重比例和对数预测模型，确定产能水平标定参数并与研究区油井产能线性回归，建立研究区压裂水平井产能水平预测公式；
步骤7：基于产能水平预测公式，结合投产压裂水平井的递减指数和初始递减率，建立研究区压裂水平井产能递减预测模型，预测油井产能递减规律。
优选地，步骤1中，所述致密油压裂水平井产能的潜在影响因素分别按照地质因素、开发因素和工程因素(见表1所示)三个方面进行分类：
1)地质因素：常见因素和特有因素两类；构造背景、控源性、烃源岩特性、有机碳含量、成熟度、岩性、岩相、孔隙类型、天然裂缝、非均质性、可流动性、储层厚度、含油气性、电性、埋藏深度、压力系数和流体性质属于影响油井产能的常见地质因素；致密油藏往往进行压裂增产改造，脆性矿物含量、储层可压性和地应力各向异性会影响压裂改造效果，属于致密油藏影响油井产能的特有地质因素；
2)开发因素：影响致密油压裂水平井产能的潜在开发因素分为三类：①油藏工程因素：井型、井网、井距、水平段长、油层段长和钻遇率；②压裂技术参数：压裂段数、压裂簇数、段间距、簇间距和裂缝密度；③油井排采制度：焖井时间、返排率、返排时间和生产压差；
3)工程因素：压裂改造的施工参数直接决定裂缝性质，进而影响油井产能，潜在的工程影响因素包括：入地液量、单段液量、单簇液量、用液强度、加砂量、单段砂量、单簇砂量、加砂强度、砂比和总排量。
表1
Figure BDA0002821029830000081
优选地，步骤2中，建立研究区致密油压裂水平井产能综合评价体系，是在步骤1确定出的产能潜在影响因素的基础上，理清影响因素的内在关系，剔除表象因素和重叠因素，进行筛选建立，具体实施如下：
1)地质因素方面：全面考虑潜在地质因素，透过表象因素，提取影响产能的本质因素；孔隙度、渗透率、含油饱和度、储层厚度、地层压力、原油粘度和原始气油比直接影响压裂水平井产能，属于本质因素，需要保留；构造背景、控源性、烃源岩特性、岩性、岩相、孔隙类型、天然裂缝、可流动性通过影响孔隙度和渗透率间接地影响油井产能，属于表象因素，可剔除；非均质性对油井产能影响严重，属于不可剔除的因素，为便于评价，采用非均质系数定量表征；有机碳含量、成熟度、含油气性等通过影响含油饱和度间接地影响产能，属于表象因素，可剔除；脆性矿物含量、储层可压性、地应力各向异性等属于影响致密油压裂水平井产能的特有因素，为便于后续的量化评价，综合采用脆性指数定量表征。因此，本发明筛选出以下10项影响致密油压裂水平井产能的地质因素参与建立产能综合评价体系：孔隙度、渗透率、含油饱和度、储层厚度、非均质系数、脆性指数、地层压力、原油粘度、原始气油比。
2)开发因素方面：全面考虑潜在开发因素，部分因素存在重叠影响，剔除；油藏工程因素中的井型、井网、井距和水平段长之间相互独立，不存在内在关系。但钻遇率为油层段长与水平段长的比值，如果将水平段长、油层段长和钻遇率均纳入产能综合评价体系，将会存在重叠影响。水平段长和钻遇率是油田现场较为关注的两个参数，因此剔除油层段长这个因素来消除三者的重叠影响。水平段长与压裂段数、压裂簇数之间存在内在关系：水平段长越长，压裂段数越长，压裂簇数越多；裂缝密度与段间距、簇间距之间也存在内在关系：裂缝密度越小，段间距和簇间距均越小。对于给定的压裂水平井，根据水平段长和裂缝密度两个参数即可确定压裂段数、压裂簇数、段间距和簇间距四个因素，因而本发明剔除上述四个压裂技术参数，仅保留裂缝密度。焖井时间、返排率、返排时间和生产压差这四个排采制度因素彼此相互独立，不可剔除。因此，本发明筛选出以下10项影响致密油压裂水平井产能的开发因素参与建立产能综合评价体系：井型、井网、井距、水平段长、钻遇率、裂缝密度、焖井时间、返排率、返排时间、生产压差。
3)工程因素方面：全面考虑潜在工程因素，部分因素存在重叠影响，剔除；现场实践表明水平段长与入地液量、加砂量之间存在内在关系：水平段长越长，入地液量越大，加砂量越大。用液强度为单位水平段长的用液量；加砂强度为单位水平段长的用液量。对于给定的压裂水平井，水平段长、裂缝密度和用液强度这三个参数足以反映入地液量、单段液量和单簇液量等因素的特征，水平段长、裂缝密度和加砂强度这三个参数足以反映加砂量、单段砂量和单簇砂量等因素的特征。砂地比和总排量两个工程因素相互独立，不可剔除。因此，本发明筛选出以下4项影响致密油压裂水平井产能的工程因素参与建立产能综合评价体系：用液强度、加砂强度、砂比、总排量。
综合从地质、开发和工程三方面筛选提取出的24项关键产能影响因素，以压裂水平井排液结束后的前3月平均日产油量作为产能评价指标，建立起一套致密砂岩油藏压裂水平井产能综合评价体系，具体实施过程中可视研究区情况和评价需求进行删减。
优选地，步骤3中，所述相关数据包括：待研究区块投产压裂水平井排液结束后的前3月平均日产油量和产能综合评价体系中每个影响因素对应于研究区投产压裂水平井的数值。
优选地，步骤4中，每个影响因素与产能之间的关联度可根据灰色关联分析法的相关公式编程计算得出(张雄军等，2004；刘吉余等，2005)，也可采用SPSS软件计算得到。按照每个影响因素的关联度大小，对产能影响因素排序。关联度越大，则该因素对产能影响越强。通常选取关联度大的前8个影响因素作为研究区压裂水平井的产能主控因素。
优选地，步骤5中，所述主控因素权重比例的计算公式如下：
Figure BDA0002821029830000111
式中：mi、ni、pi依次为地质类、开发类和工程类主控因素中第i个因素的权重比例，无因次；rai、rbi、rci依次为地质类、开发类和工程类主控因素中第i个因素的关联度，无因次；a、b、c依次为地质类、开发类和工程类主控因素的个数，无因次。
优选地，步骤6中，所述研究区压裂水平井产能水平的标定参数的公式如下：
Figure BDA0002821029830000112
式中：Xp为研究区压裂水平井产能水平标定参数，无因次；ai、bi、ci依次为地质类、开发类和工程类主控因素中第i个因素的数值，无因次；mi、ni、pi依次为地质类、开发类和工程类主控因素中第i个因素的权重比例，无因次。
优选地，步骤6中，所述研究区压裂水平井产能水平预测公式如下：
Qi＝AXp+B (3)
式中：Qi为研究区压裂水平井的产能水平，吨/天；A和B为产能水平标定参数与研究区油井产能的线性回归参数，无因次。
优选地，步骤7中，所述研究区压裂水平井产能递减预测模型的建立方法为：参照Arps递减模型，以步骤6计算的产能水平为初始产能，结合研究区投产压裂水平井的递减指数和初始递减率，选取指数递减模型、调和递减模型或双曲递减模型，建立研究区压裂水平井产能随时间的递减公式。
本发明具有以下优点：
(1)在于建立科学的致密油压裂水平井产能影响因素综合评价指标体系，利用灰色关联法定量评判其产能主控因素。通过理清产能影响因素的内在关系，剔除重叠影响因素，建立科学的综合评价指标体系，解决了现有技术方案中评价指标体系纷繁复杂、片面独立、缺乏系统性的问题；以灰色关联法这一经典的统计学方法评判产能主控因素，解决了现有技术方案中利用物理/数值模拟结果的绝对关系或者方差/级差来评判主控因素时误差大的缺点。本发明提高了致密油压裂水平井产能主控因素的评判精度，能够满足生产需要。
(2)在于以主控因素评价结果为基础，通过计算权重系数建立产能预测模型，实现对致密油压裂水平井产能的预测。选取主控因素建立产能预测模型，既避免了现有技术方案中数学推导法建立产能预测模型过于理想化的问题，又解决了现有技术方案中忽视影响因素主次关系直接利用统计分析法建立的产能预测模型适用性差、精度低的缺点。利用本发明提出的产能预测方法所预测的致密油压裂水平井产能与现场生产数据吻合度高，1口水平井的产油数据与预测结果对比，相对误差小于7％，预测精度较高，能够满足生产需求。
附图说明
图1为本发明实施例的致密油压裂水平井产能主控因素评判与产能预测方法流程图；
图2为本发明实施例的马岭西233区压裂水平井产能综合评价体系图；
图3为本发明实施例的马岭西233区压裂水平井产能影响因素的关联度评价结果柱状图；
图4为本发明实施例的马岭西233区压裂水平井产能水平与标定参数线性拟合图；
图5为本发明实施例的马岭西233区西平235-42井油井产能预测结果与实际生产数据对比图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。应当指出的是，以下的实施实例只是对本发明的进一步说明，但本发明的保护范围并不限于以下实施例。
实施例
本实施例涉及一种致密油压裂水平井产能主控因素评判与产能预测方法，包括以下步骤：
步骤1：针对待研究致密油区块投产压裂水平井，从地质因素、开发因素和工程因素三个方面确定出致密油压裂水平井产能的潜在影响因素；
步骤2：理清产能潜在影响因素的内在关系，剔除表象因素和重叠因素，建立适应研究区的压裂水平井产能综合评价体系；
步骤3：按照产能综合评价指标体系，获取相关数据；
步骤4：利用灰色关联分析法计算影响因素与产能之间的关联度，量化每个因素的产能影响程度，评判研究区压裂水平井产能主控因素；
步骤5：将研究区产能主控因素按照地质、开发和工程分类，根据主控因素的关联度，计算主控因素在所属分类中所占的权重比例；
步骤6：结合主控因素权重比例和对数预测模型，确定产能水平标定参数并与研究区油井产能线性回归，建立研究区压裂水平井产能水平预测公式；
步骤7：基于产能水平预测公式，结合投产压裂水平井的递减指数和初始递减率，建立研究区压裂水平井产能递减预测模型，预测油井产能递减规律。
本发明具体实施方法：
长庆油田马岭西233区块属于典型致密砂岩油藏，压裂水平井是其主要开发技术手段。该区块于2011年投产至今，暴露出压裂水平井开发效果差异大、导致产能差异的主控因素不明、新井产能预测难度大等难题。利用本发明所提供的方法能够快速准确地对该研究区压裂水平井进行产能主控因素评判和产油能力预测，进而为西233区块高效开发提供科学依据。下面以西233区块作为本发明具体实施例的研究区，本实施例的实施步骤过程如图1所示。
步骤S101：针对待研究致密油区块投产压裂水平井，从地质因素、开发因素和工程因素三个方面确定出压裂水平井产能的潜在影响因素。
关于西233区块压裂水平井的产能潜在影响因素，在本发明技术方案步骤1所给出的潜在产能影响因素中均已涵盖，不需开展相关工作。
步骤S102：理清产能潜在影响因素的内在关系，剔除表象因素和重叠因素，建立适应研究区的压裂水平井产能综合评价体系。
结合西233区块的实际情况，需要以本发明技术方案步骤2中产能综合评价体系的24项因素为基础进行适当地删减整合，建立西233区块的产能综合评价体系。1)地质因素方面：西233区块为坡度较缓的单斜构造，地层压力、原油粘度、原始气油比分布较稳定，不存在由三个因素差异化导致的油井产能差异，可不予考虑；含油性指数RI可代替含油饱和度直观反映储层的含油性，综合孔隙度φ、储层厚度H和含油性指数RI这三个参数，定义视储能系数(＝H×φ×RI)，可综合反映储层含油气富集程度，进而将孔隙度、储层厚度和含油饱和度的影响归一到视储能系数，简化产能综合评价体系。在此基础上，针对西233区块筛选出4个地质影响因素：视储能系数、渗透率、非均质系数、脆性指数。2)开发因素方面：西233区块采用准自然能量开发、大井丛组合平行布井的致密油藏开发技术体系，不存在由井型和井网两个因素差异导致的油井产能差异，可从综合评价体系中删除这两个因素。在此基础上，针对西233区块筛选出7个开发影响因素：井距、水平段长、裂缝密度、焖井时间、返排率、返排时间、生产压差。3)工程因素方面：西233区块各压裂水平井的用液强度、加砂强度、砂比和总排量等因素差异较大，均有必要考虑。因此，经过删减整合，最终以上述15项影响因素为基础，建立起一套西233区块压裂水平井产能综合评价体系，如图2所示。
步骤S103：按照产能综合评价指标体系，获取相关数据。
按照西233区块压裂水平井产能综合评价体系的15项影响因素，获取每口压裂水平井对应影响因素的数值以及每口井排液结束后的前3月平均日产油量，为下面的灰色关联分析奠定基础。
步骤S104：利用灰色关联分析法计算影响因素与产能之间的关联度，量化每个因素的产能影响程度，评判研究区压裂水平井产能主控因素。
以每口压裂水平井对应影响因素值为比较序列，每口井排液结束后的前3月平均日产油量为参考序列，采用SPSS软件计算每个影响因素与水平井产能之间的关联度，计算结果，如图3所示。按照关联度大小，评判出西233区块压裂水平井产能的8个主控因素依次为：水平段长、裂缝密度、视储能系数、井距、加砂强度、用液强度、生产压差、渗透率。因此，本专利所提供的技术方案能够科学地评判致密油压裂水平井的产能主控因素，满足油田开发需求。
步骤S105：将研究区产能主控因素按照地质、开发和工程分类，根据主控因素的关联度，计算主控因素在所属分类中所占的权重比例。
根据步骤S104的产能主控因素评判结果，西233区块压裂水平井的地质类主控因素依次为视储能系数、非均质系数，开发类主控因素依次为裂缝密度、水平段长、返排率、生产压差，工程类主控因素依次为加砂强度、用液强度。按照关联度计算每个主控因素在所属分类中的权重比例结果，见表2(西233区块压裂水平井产能主控因素的权重比例)所示。
表2
Figure BDA0002821029830000171
步骤S106：结合主控因素权重比例和对数预测模型，确定产能水平标定参数并与研究区油井产能线性回归，建立研究区压裂水平井产能水平预测公式。
根据每个主控因素在所属分类中的权重比例，结合对数预测模型，确定出西233区块压裂水平井产能水平标定参数为：
Xp＝ln(SC0.503×HC0.497)×ln(FD0.260×L0.253×FR0.247×Pd 0.240)×ln(SI0.50×LI0.50) (4)
式中：Xp为产能水平标定参数，无因次；SC、HC、FD、L、FR、Pd、SI、LI分别为视储能系数、非均质系数、裂缝密度、水平段长、返排率、生产压差、加砂强度、用液强度，单位视具体参数而定。
计算出西233区块每口压裂水平井的标定参数，其中，马岭西233区压裂水平井产能水平与标定参数线性拟合图见图4所示：
将其与油井产能线性回归，可得出研究区压裂水平井产能水平预测公式：
QiX233＝1.686Xp-1.1615 (5)
式中：QiX233为西233区压裂水平井产能水平，吨/天；Xp为产能水平标定参数，无因次。
步骤S107：基于产能水平预测公式，结合投产压裂水平井的递减指数和初始递减率，建立研究区压裂水平井产能递减预测模型，预测油井产能递减规律。
西平235-42井为马岭西233区块的一口压裂水平井，将该井的产能主控因素数值代入公式(4)和公式(5)，预测该井排液结束后的前3月平均日产油水平为8.24吨/天。同时，统计结果表明马岭西233区块压裂水平井的初始月递减率为4.1％，递减指数为0.985，利用Arps递减模型中双曲递减模型公式，可建立西平235-42井排液结束后的产能递减预测公式。该公式预测的油井产能变化规律与实际生产情况的对比结果，如图5所示，本申请预测的产能递减规律与实际情况基本吻合，相对误差小于7％，预测精度较高。因此，本专利的技术方案能够满足致密油压裂水平井产能预测的生产需求。
本发明与现有技术相比，具有以下优点：
(1)在于建立科学的致密油压裂水平井产能影响因素综合评价指标体系，利用灰色关联法定量评判其产能主控因素。通过理清产能影响因素的内在关系，剔除重叠影响因素，建立科学的综合评价指标体系，解决了现有技术方案中评价指标体系纷繁复杂、片面独立、缺乏系统性的问题；以灰色关联法这一经典的统计学方法评判产能主控因素，解决了现有技术方案中利用物理/数值模拟结果的绝对关系或者方差/级差来评判主控因素时误差大的缺点。本发明提高了致密油压裂水平井产能主控因素的评判精度，能够满足生产需要。
(2)在于以主控因素评价结果为基础，通过计算权重系数建立产能预测模型，实现对致密油压裂水平井产能的预测。选取主控因素建立产能预测模型，既避免了现有技术方案中数学推导法建立产能预测模型过于理想化的问题，又解决了现有技术方案中忽视影响因素主次关系直接利用统计分析法建立的产能预测模型适用性差、精度低的缺点。利用本发明提出的产能预测方法所预测的致密油压裂水平井产能与现场生产数据吻合度高，1口水平井的产油数据与预测结果对比，相对误差小于7％，预测精度较高，能够满足生产需求。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质。

Claims (10)

1.一种致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，包括以下步骤：
步骤1：针对待研究致密油区块投产压裂水平井，从地质因素、开发因素和工程因素三个方面确定出致密油压裂水平井产能的潜在影响因素；
步骤2：理清产能潜在影响因素的内在关系，剔除表象因素和重叠因素，建立适应研究区的压裂水平井产能综合评价体系；
步骤3：按照产能综合评价指标体系，获取相关数据；
步骤4：利用灰色关联分析法计算影响因素与产能之间的关联度，量化每个因素的产能影响程度，评判研究区压裂水平井产能主控因素；
步骤5：将研究区产能主控因素按照地质、开发和工程分类，根据主控因素的关联度，计算主控因素在所属分类中所占的权重比例；
步骤6：结合主控因素权重比例和对数预测模型，确定产能水平标定参数并与研究区油井产能线性回归，建立研究区压裂水平井产能水平预测公式；
步骤7：基于产能水平预测公式，结合投产压裂水平井的递减指数和初始递减率，建立研究区压裂水平井产能递减预测模型，预测油井产能递减规律。
2.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤1中，所述致密油压裂水平井产能的潜在影响因素分别按照地质因素、开发因素和工程因素三个方面进行分类：
1)地质因素：常见因素和特有因素两类；构造背景、控源性、烃源岩特性、有机碳含量、成熟度、岩性、岩相、孔隙类型、天然裂缝、非均质性、可流动性、储层厚度、含油气性、电性、埋藏深度、压力系数和流体性质属于影响油井产能的常见地质因素；脆性矿物含量、储层可压性和地应力各向异性影响致密油藏的压裂改造效果，属于影响油井产能的特有地质因素；
2)开发因素：影响致密油压裂水平井产能的潜在开发因素分为三类：①油藏工程因素：井型、井网、井距、水平段长、油层段长和钻遇率；②压裂技术参数：压裂段数、压裂簇数、段间距、簇间距和裂缝密度；③油井排采制度：焖井时间、返排率、返排时间和生产压差；
3)工程因素：压裂改造的施工参数直接决定裂缝性质，进而影响油井产能，潜在的工程影响因素包括：入地液量、单段液量、单簇液量、用液强度、加砂量、单段砂量、单簇砂量、加砂强度、砂比和总排量。
3.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤2中，建立研究区致密油压裂水平井产能综合评价体系，是在步骤1确定出的产能潜在影响因素的基础上，理清影响因素的内在关系，剔除表象因素和重叠因素，进行筛选建立，具体实施如下：
1)地质因素方面：全面考虑潜在地质因素，透过表象因素，提取影响产能的本质因素；
2)开发因素方面：全面考虑潜在开发因素，部分因素存在重叠影响，剔除；
3)工程因素方面：全面考虑潜在工程因素，部分因素存在重叠影响，剔除。
4.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤2中，所建立压裂水平井产能综合评价体系为以压裂水平井排液结束后的前3月平均日产油量作为产能评价指标，结合如下关键产能影响因素构成的评价体系，具体包括：孔隙度、渗透率、含油饱和度、储层厚度、非均质系数、脆性指数、地层压力、原油粘度、原始气油比10项地质因素；井型、井网、井距、水平段长、钻遇率、裂缝密度、焖井时间、返排率、返排时间、生产压差10项开发因素；用液强度、加砂强度、砂比、总排量4项工程因素；视研究区情况和评价需求删减部分影响因素。
5.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤3中，所述相关数据包括：待研究区块投产压裂水平井排液结束后的前3月平均日产油量和产能综合评价体系中每个影响因素对应于研究区投产压裂水平井的数值。
6.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤4中，计算每个影响因素与产能之间的关联度的方法为灰色关联分析法，通过理论公式编程或SPSS软件计算得到；评判研究区压裂水平井产能主控因素的原则为关联度越大，该因素对产能影响越强，选取关联度较大的前8个影响因素作为研究区压裂水平井的产能主控因素。
7.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤5中，所述主控因素权重比例的计算公式如下：
Figure FDA0002821029820000041
式中：mi、ni、pi依次为地质类、开发类和工程类主控因素中第i个因素的权重比例，无因次；rai、rbi、rci依次为地质类、开发类和工程类主控因素中第i个因素的关联度，无因次；a、b、c依次为地质类、开发类和工程类主控因素的个数，无因次。
8.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤6中，所述研究区压裂水平井产能水平的标定参数的公式如下：
Figure FDA0002821029820000042
式中：Xp为研究区压裂水平井产能水平标定参数，无因次；ai、bi、ci依次为地质类、开发类和工程类主控因素中第i个因素的数值，无因次；mi、ni、pi依次为地质类、开发类和工程类主控因素中第i个因素的权重比例，无因次。
9.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤6中，所述研究区压裂水平井产能水平预测公式如下：
Qi＝AXp+B (3)
式中：Qi为研究区压裂水平井的产能水平，吨/天；A和B为产能水平标定参数与研究区油井产能的线性回归参数，无因次。
10.如权利要求1所述的致密油压裂水平井产能主控因素评判与产能预测方法，其特征在于，步骤7中，所述研究区压裂水平井产能递减预测模型的建立方法为：参照Arps递减模型，以步骤6计算的产能水平为初始产能，结合研究区投产压裂水平井的递减指数和初始递减率，选取指数递减模型、调和递减模型或双曲递减模型，建立研究区压裂水平井产能随时间的递减公式。
CN202011418354.XA 2020-12-07 2020-12-07 一种致密油压裂水平井产能主控因素评判与产能预测方法 Active CN112561144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011418354.XA CN112561144B (zh) 2020-12-07 2020-12-07 一种致密油压裂水平井产能主控因素评判与产能预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011418354.XA CN112561144B (zh) 2020-12-07 2020-12-07 一种致密油压裂水平井产能主控因素评判与产能预测方法

Publications (2)

Publication Number Publication Date
CN112561144A true CN112561144A (zh) 2021-03-26
CN112561144B CN112561144B (zh) 2021-09-21

Family

ID=75059304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011418354.XA Active CN112561144B (zh) 2020-12-07 2020-12-07 一种致密油压裂水平井产能主控因素评判与产能预测方法

Country Status (1)

Country Link
CN (1) CN112561144B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094910A (zh) * 2021-04-16 2021-07-09 中国石油大学(北京) 无人为干预法确定井漏主控因素的方法
CN113094924A (zh) * 2021-04-23 2021-07-09 中国石油大学(北京) 一种水力喷射压裂施工参数的优化方法及系统
CN113153286A (zh) * 2021-05-25 2021-07-23 中国石油天然气股份有限公司 基于决策树的页岩气开发主控因素分析方法
CN113153283A (zh) * 2021-04-29 2021-07-23 中国石油天然气股份有限公司 一种影响气井产量的主控因素判别方法
CN113221232A (zh) * 2021-06-16 2021-08-06 西南石油大学 用于裂缝性砂岩厚层水力压裂施工参数优化设计的方法
CN113283180A (zh) * 2021-06-28 2021-08-20 中国石油大学(华东) 基于K-means与SVR组合的致密油藏水平井压裂产能预测方法与应用
CN113445989A (zh) * 2021-07-12 2021-09-28 长江大学 致密油藏压裂水平井的产能预测方法、介质、终端和装置
CN113553780A (zh) * 2021-09-22 2021-10-26 西南石油大学 一种基于机器学习的地层孔隙压力预测方法
CN113685162A (zh) * 2021-07-22 2021-11-23 中国石油大学(北京) 压裂参数的确定方法、装置、设备及存储介质
CN113705917A (zh) * 2021-09-02 2021-11-26 西南石油大学 一种致密油藏压裂水平井初期产能预测方法
CN114320266A (zh) * 2021-11-17 2022-04-12 陕西延长石油（集团）有限责任公司 一种基于支持向量机的致密油藏常规井产量预测方法
CN115330060A (zh) * 2022-08-17 2022-11-11 中国科学院大学 基于储层与工程因素分析的页岩油水平井产能计算方法
CN115422789A (zh) * 2022-11-07 2022-12-02 中国石油大学(华东) 一种考虑全过程优化断块油藏水驱采收率预测方法及系统
CN117408578A (zh) * 2023-12-14 2024-01-16 中国石油大学(华东) 一种多级压裂水平井综合压裂潜力量化预评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170314377A1 (en) * 2016-04-29 2017-11-02 Petrochina Company Limited Method for Enhancing Oil Recovery in Huff-Puff Oil Production of Tight Oil from a Fractured Horizontal Well
CN108009716A (zh) * 2017-11-28 2018-05-08 西南石油大学 一种水平井体积压裂效果影响因素多层次评价方法
CN108446797A (zh) * 2018-03-06 2018-08-24 西南石油大学 一种致密油藏水平井体积压裂初期产能预测方法
CN109882163A (zh) * 2019-03-27 2019-06-14 中国石油大学(华东) 一种用于致密油藏压裂水平井的产能预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170314377A1 (en) * 2016-04-29 2017-11-02 Petrochina Company Limited Method for Enhancing Oil Recovery in Huff-Puff Oil Production of Tight Oil from a Fractured Horizontal Well
CN108009716A (zh) * 2017-11-28 2018-05-08 西南石油大学 一种水平井体积压裂效果影响因素多层次评价方法
CN108446797A (zh) * 2018-03-06 2018-08-24 西南石油大学 一种致密油藏水平井体积压裂初期产能预测方法
CN109882163A (zh) * 2019-03-27 2019-06-14 中国石油大学(华东) 一种用于致密油藏压裂水平井的产能预测方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094910A (zh) * 2021-04-16 2021-07-09 中国石油大学(北京) 无人为干预法确定井漏主控因素的方法
CN113094910B (zh) * 2021-04-16 2023-05-09 中国石油大学(北京) 无人为干预法确定井漏主控因素的方法
CN113094924B (zh) * 2021-04-23 2022-10-25 中国石油大学(北京) 一种水力喷射压裂施工参数的优化方法及系统
CN113094924A (zh) * 2021-04-23 2021-07-09 中国石油大学(北京) 一种水力喷射压裂施工参数的优化方法及系统
CN113153283A (zh) * 2021-04-29 2021-07-23 中国石油天然气股份有限公司 一种影响气井产量的主控因素判别方法
CN113153283B (zh) * 2021-04-29 2024-01-23 中国石油天然气股份有限公司 一种影响气井产量的主控因素判别方法
CN113153286A (zh) * 2021-05-25 2021-07-23 中国石油天然气股份有限公司 基于决策树的页岩气开发主控因素分析方法
CN113153286B (zh) * 2021-05-25 2024-04-30 中国石油天然气股份有限公司 基于决策树的页岩气开发主控因素分析方法
CN113221232A (zh) * 2021-06-16 2021-08-06 西南石油大学 用于裂缝性砂岩厚层水力压裂施工参数优化设计的方法
CN113283180A (zh) * 2021-06-28 2021-08-20 中国石油大学(华东) 基于K-means与SVR组合的致密油藏水平井压裂产能预测方法与应用
CN113445989B (zh) * 2021-07-12 2023-09-05 长江大学 致密油藏压裂水平井的产能预测方法、介质、终端和装置
CN113445989A (zh) * 2021-07-12 2021-09-28 长江大学 致密油藏压裂水平井的产能预测方法、介质、终端和装置
CN113685162A (zh) * 2021-07-22 2021-11-23 中国石油大学(北京) 压裂参数的确定方法、装置、设备及存储介质
CN113705917A (zh) * 2021-09-02 2021-11-26 西南石油大学 一种致密油藏压裂水平井初期产能预测方法
CN113553780B (zh) * 2021-09-22 2021-11-26 西南石油大学 一种基于机器学习的地层孔隙压力预测方法
CN113553780A (zh) * 2021-09-22 2021-10-26 西南石油大学 一种基于机器学习的地层孔隙压力预测方法
CN114320266A (zh) * 2021-11-17 2022-04-12 陕西延长石油（集团）有限责任公司 一种基于支持向量机的致密油藏常规井产量预测方法
CN114320266B (zh) * 2021-11-17 2023-11-28 陕西延长石油（集团）有限责任公司 一种基于支持向量机的致密油藏常规井产量预测方法
CN115330060A (zh) * 2022-08-17 2022-11-11 中国科学院大学 基于储层与工程因素分析的页岩油水平井产能计算方法
CN115422789A (zh) * 2022-11-07 2022-12-02 中国石油大学(华东) 一种考虑全过程优化断块油藏水驱采收率预测方法及系统
CN117408578A (zh) * 2023-12-14 2024-01-16 中国石油大学(华东) 一种多级压裂水平井综合压裂潜力量化预评价方法
CN117408578B (zh) * 2023-12-14 2024-03-15 中国石油大学(华东) 一种多级压裂水平井综合压裂潜力量化预评价方法

Also Published As

Publication number Publication date
CN112561144B (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN112561144B (zh) 一种致密油压裂水平井产能主控因素评判与产能预测方法
CN109441422B (zh) 一种页岩气井间距优化开采方法
CN106869896B (zh) 一种低渗透油气藏直井体积压裂储层改造体积预测方法
CN111441758B (zh) 页岩油气甜点区的预测方法及装置
CN110644980B (zh) 一种超低渗透油藏储层综合分类评价方法
Dongbo et al. Well spacing optimization for Sulige tight sand gas field, NW China
CN104832166A (zh) 一种页岩气水平井初期产能预测方法
CN105735960A (zh) 一种低渗透油气藏水平井分段多簇压裂簇间距优化方法
CN110288258A (zh) 一种高含水油藏剩余油挖潜方法
Guo et al. Hydrogeological control and productivity modes of coalbed methane commingled production in multi-seam areas: A case study of the Bide–Santang Basin, western Guizhou, South China
CN108960651A (zh) 一种致密油气藏多级压裂水平井完井效率的综合评价方法
CN104695950A (zh) 火山岩油藏产能预测方法
CN106295095A (zh) 基于常规测井资料预测低渗透砂岩储层产能的新方法
CN110147561A (zh) 一种含天然裂缝致密油气储层体积压裂缝网预测方法
Guo et al. Physical simulation and compatibility evaluation of multi-seam CBM co-production: Implications for the development of stacked CBM systems
CN116127675A (zh) 一种页岩油水平井体积压裂最大可采储量的预测方法
CN104899411A (zh) 一种储层产能预测模型建立方法和系统
Wang et al. Effects of wellbore interference on concurrent gas production from multi-layered tight sands: A case study in eastern Ordos Basin, China
CN111927417A (zh) 一种页岩气分段压裂水平井组储量动用状况评价方法
CN116122801A (zh) 一种页岩油水平井体积压裂可压性综合评价方法
Li et al. A novel approach of two-dimensional representation of rock fracture network characterization and connectivity analysis
CN116128084A (zh) 一种致密油藏水平井体积压裂缝网控制储量的预测方法
He et al. Hydrocarbon accumulation and key exploration & development technologies of Changning-Weiyuan marine shale gas field, southern Sichuan
Zhou et al. Fracture prediction of tight sandstone reservoirs using outcrops and log curve-based extremum method: a case study of the Chang 7 member of the Yanchang Formation in block X, Ordos Basin
CN116122785A (zh) 一种基于物质平衡的非常规储层体积压裂效果评价方法

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