CN113033855A - 预测油井技术极限递减生产日历年数的方法和装置 - Google Patents

预测油井技术极限递减生产日历年数的方法和装置 Download PDF

Info

Publication number
CN113033855A
CN113033855A CN201911343284.3A CN201911343284A CN113033855A CN 113033855 A CN113033855 A CN 113033855A CN 201911343284 A CN201911343284 A CN 201911343284A CN 113033855 A CN113033855 A CN 113033855A
Authority
CN
China
Prior art keywords
production
initial
annual
decreasing
average
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
CN201911343284.3A
Other languages
English (en)
Other versions
CN113033855B (zh
Inventor
周明旺
康志勇
刘勇
闫家宁
李东桥
李之旭
李琳琳
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.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
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 Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN201911343284.3A priority Critical patent/CN113033855B/zh
Publication of CN113033855A publication Critical patent/CN113033855A/zh
Application granted granted Critical
Publication of CN113033855B publication Critical patent/CN113033855B/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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

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

Abstract

本发明提供一种预测油井技术极限递减生产日历年数的方法和装置，该方法包括：获得目标油井的产油数据；根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数，通过采用上述技术方案，能够提高求得的极限递减生产日历年数的准确性。

Description

预测油井技术极限递减生产日历年数的方法和装置
技术领域
本发明涉及油田勘探开发技术领域，尤其涉及一种预测油井技术极限递减生产日历年数的方法和装置。
背景技术
对直线递减生产油井进行资源储量评价时须知道油井技术极限递减生产日历年数等参数才能开展对油井的储量评价工作，而储量评价是制定油田开发方案的核心参数。
目前已有三种油井产量递减类型为指数递减、双曲递减和调和递减，递减指数应用范围界定为0≤n≤1；在实际应用中，对双曲递减类型中递减指数n应用范围扩展为(-10，10)或(-∞，+∞)，并称之为“广义Arps递减理论”：
Figure BDA0002332665830000011
其中，Dyi为初始年递减率，f；n为递减指数；Q 0 为初始年产量，m3/a；Qy为递减生产第y年的稳定年产量，m3/a；y为递减生产日历年数，a。
当递减指数n＝-1时，广义Arps递减理论在递减期稳定年产量公式(1)变形为直线递减生产油井稳定年产量公式：
Qy＝Q 0 (1-yDyi) (2)
Arps技术极限递减生产日历年数是指稳定年产量为0时求得的，由式(2)变形为：
Figure BDA0002332665830000012
式中，y′L—Arps技术极限递减生产日历年数，a。由此得到油井极限递减生产时间的计算公式。
通过对稳定年产量等差数列的分析、对比发现，采用公式(3)计算Arps技术极限递减生产日历年数存在偏差。
发明内容
针对现有技术中的问题，本发明提供一种预测油井技术极限递减生产日历年数的方法和装置、电子设备以及计算机可读存储介质，能够至少部分地解决现有技术中存在的问题。
为了实现上述目的，本发明采用如下技术方案：
第一方面，提供一种预测油井技术极限递减生产日历年数的方法，包括：
获得目标油井的产油数据；
根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
进一步地，所述根据所述产油数据获取平均每个月递减生产天数以及初始年递减率，包括：
根据所述产油数据获取平均每个月递减生产天数、油井递减生产前初始日产量、直线递减期稳定日产量以及递减生产第1年的稳定年产量；
根据所述油井递减生产前初始日产量以及所述直线递减期稳定日产量获取初始日递减率；
根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率。
进一步地，所述根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率，包括：
根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值；
根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率。
进一步地，所述根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值，采用如下公式实现：
Qy-1-Qy＝(12m)2q0Ddi
其中，Qy-1-Qy表示油井相邻稳定年产量的平均差值，m表示平均每个月递减生产天数，q0表示油井递减生产前初始日产量，Ddi表示初始日递减率。
进一步地，所述根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率，采用如下公式实现：
Figure BDA0002332665830000031
其中，Dyi表示初始年递减率，Q 1 表示递减生产第1年的稳定年产量。
进一步地，所述根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率，采用如下公式实现：
Figure BDA0002332665830000032
其中，Dyi表示初始年递减率，Q 1 表示递减生产第1年的稳定年产量，m表示平均每个月递减生产天数，q0表示油井递减生产前初始日产量，Ddi表示初始日递减率。
进一步地，所述根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数，采用以下公式实现：
Figure BDA0002332665830000033
其中，yL为技术极限递减生产日历年数，Dyi表示初始年递减率，m表示平均每个月递减生产天数。
第二方面，提供一种预测油井技术极限递减生产日历年数的装置，包括：
产油数据获取模块，获得目标油井的产油数据；
参数获取模块，根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
预测模块，根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
进一步地，所述参数获取模块包括：
第一参数获取单元，根据所述产油数据获取平均每个月递减生产天数、油井递减生产前初始日产量、直线递减期稳定日产量以及递减生产第1年的稳定年产量；
第二参数获取单元，根据所述油井递减生产前初始日产量以及所述直线递减期稳定日产量获取初始日递减率；
第三参数获取单元，根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率。
进一步地，所述第三参数获取单元包括：
平均差值获取子单元，根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值；
初始年递减率获取子单元，根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率。
第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的预测油井技术极限递减生产日历年数的方法的步骤。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的预测油井技术极限递减生产日历年数的方法的步骤。
本发明提供的预测油井技术极限递减生产日历年数的方法和装置、电子设备以及计算机可读存储介质，该方法包括：获得目标油井的产油数据；根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数，通过采用上述技术方案，能够提高求得的极限递减生产日历年数的准确性。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
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的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中的服务器S1与客户端设备B1之间的架构示意图；
图2为本发明实施例中的服务器S1、客户端设备B1及数据库服务器S2之间的架构示意图；
图3是本发明实施例中的预测油井技术极限递减生产日历年数的方法的流程示意图；
图4示出了图3中步骤S200的具体步骤；
图5示出了图4中步骤S230的具体步骤；
图6是本发明实施例中的预测油井技术极限递减生产日历年数的装置的结构框图；
图7示出了图6中参数获取模块30的具体结构；
图8示出了图7中第三参数获取单元33的具体结构；
图9为本发明实施例电子设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
通过对稳定年产量等差数列的分析、对比发现，采用现有方案计算Arps技术极限递减生产日历年数存在偏差。
为至少部分解决现有技术中存在的上述技术问题，本发明提供一种预测油井技术极限递减生产日历年数的方法，能够提高求得的极限递减生产日历年数的准确性。
有鉴于此，本申请提供了一种预测油井技术极限递减生产日历年数的装置，该装置可以为一种服务器S1，参见图1，该服务器S1可以与至少一个客户端设备B1通信连接，所述客户端设备B1可以将目标油井的产油数据发送至所述服务器S1，所述服务器S1可以在线接收所述目标油井的产油数据。所述服务器S1可以在线或者离线对获取的目标油井的产油数据进行预处理，根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。而后，所述服务器S1可以将油井技术极限递减生产日历年数在线发送至所述客户端设备B1。所述客户端设备B1可以在线接收所述油井技术极限递减生产日历年数。
另外，参见图2，所述服务器S1还可以与至少一个数据库服务器S2通信连接，所述数据库服务器S2用于存储目标直线递减生产井的产油数据。根据客户端设备B1的预测指令，所述数据库服务器S2在线将所述目标直线递减生产井的产油数据发送至所述服务器S1，所述服务器S1可以在线接收所述目标直线递减生产井的产油数据，根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
可以理解的是，所述客户端设备B1可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，进行预测油井技术极限递减生产日历年数的部分可以在如上述内容所述的服务器S1侧执行，即，如图1所示的架构，也可以所有的操作都在所述客户端设备B1中完成，且该所述客户端设备B1可以直接与数据库服务器S2进行通信连接。具体可以根据所述客户端设备B1的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备B1中完成，所述客户端设备B1还可以包括处理器，用于进行预测油井技术极限递减生产日历年数的具体处理。
所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol，远程过程调用协议)、REST协议(Representational State Transfer，表述性状态转移协议)等。
图3是本发明实施例中的预测油井技术极限递减生产日历年数的方法的流程示意图。如图3所示，该预测油井技术极限递减生产日历年数的方法可以包括以下内容：
步骤S100：获得目标油井的产油数据；
其中，油井采用油田开发设备及相应生产方式采出目标油藏中的石油，采石油过程中，通过相应储运设备获得油井产油数据。
步骤S200：根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
具体地，可根据所述产油数据统计出平均每个月递减生产天数，根据产油数据可计算出初始年递减率。
步骤S300：根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
值得说明的是，获取直线递减期油井技术极限递减生产日历年数主要用于原油可采储量的评价，进而实现油井产能评价、原油资源/储量评价，进而用于制定工业上所需的油田开发方案，用于指导油田开发生产，实现油田中长远规划。
综上所述，本发明实施例提供的预测油井技术极限递减生产日历年数的方法，能够提高求得的极限递减生产日历年数的准确性。
其中，为评价直线递减生产油井原油技术可采储量，需客观确定直线递减生产油井技术极限递减生产时间，为准确评价油井技术可采储量奠定基础。
值得说明的是，任何油井随着开采时间的推移，都会进入产量递减生产阶段，当油井年产量按直线递减规律变化时，根据等差数据系列的属性特征建立了油井极限递减生产日历年数预测方案，消除了利用Arps极限递减生产日历年数公式带来的误差，为直线递减生产油井原油资源/储量评价提供了一种便利、准确、有效的油井极限递减生产日历年数预测方案。根据油井在递减期平均每个月递减生产天数和初始年递减率预测油井技术极限递减生产时间，尤其适用常规开发油藏在油田勘探开发各阶段确定直线递减期油井技术极限递减生产日历年数。
在一个可选的实施例中，参见图4，该步骤S200可以包括以下内容：
步骤S210：根据所述产油数据获取平均每个月递减生产天数、油井递减生产前初始日产量、直线递减期稳定日产量以及递减生产第1年的稳定年产量；
具体地，根据产油数据可以统计出递减生产第1年的稳定年产量以及平均每个月递减生产天数。另外，根据产油数据可以统计出油井递减生产开始时间，而后根据该油井递减生产开始时间找到油井递减生产前初始日产量。
步骤S220：根据所述油井递减生产前初始日产量以及所述直线递减期稳定日产量获取初始日递减率；
具体地，可采用以下公式实现：
Figure BDA0002332665830000081
其中，Ddi为初始日递减率，f；q0为油井递减生产前初始日产量，m3/d；q1为递减生产第1天的稳定日产量，m3/d。
通过采用上述方案，能够准确计算出初始日递减率，进一步提高预测精度。
步骤S230：根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率。
具体地，参见图5，该步骤S230可以包括以下内容：
步骤S231：根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值；
具体地，采用如下公式实现：
Qy-1-Qy＝(12m)2q0Ddi
其中，Qy-1-Qy表示油井相邻稳定年产量的平均差值，m表示平均每个月递减生产天数，q0表示油井递减生产前初始日产量，Ddi表示初始日递减率。
值得说明的是，直线递减生产油井任意相邻稳定年产量的差值为常数。
步骤S232：根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率。
具体地，采用如下公式实现：
Figure BDA0002332665830000082
其中，Dyi表示初始年递减率，Q 1 表示递减生产第1年的稳定年产量。
其中，通过采用上述技术方案，能够提高初始年递减率的准确性，进而提高预测精度。
在一个可选的实施例中，根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率，采用如下公式实现：
Figure BDA0002332665830000091
其中，Dyi表示初始年递减率，Q 1 表示递减生产第1年的稳定年产量，m表示平均每个月递减生产天数，q0表示油井递减生产前初始日产量，Ddi表示初始日递减率。
其中，通过采用上述技术方案，能够提高初始年递减率的准确性，进而提高预测精度。
在一个可选的实施例中，该步骤S300采用以下公式实现：
Figure BDA0002332665830000092
其中，yL为技术极限递减生产日历年数，Dyi表示初始年递减率，m表示平均每个月递减生产天数。
其中，通过采用上述技术方案，根据直线递减生产油井稳定年产量等差数据系列的属性特征，导出的预测油井技术极限递减生产日历年数的公式，能够降低偏差，利于准确预测油藏产能，得到的油田开发方案准确，提高油田开发生产效率，利于油田中长远规划。
下面举例对本发明提供的预测油井技术极限递减生产日历年数的方法进行说明：
H3井平均每个月直线递减生产25天，油井稳定日产量、稳定年产量见H3井递减生产数据表(表1)，计算H3井技术极限递减生产日历年数。
表1 H3井直线递减生产数据表
Figure BDA0002332665830000093
Figure BDA0002332665830000101
第一步，确定油井在递减期平均每个月递减生产天数：
m＝25d
第二步，计算H3井相邻稳定年产量的平均差值和初始年递减率：
Qy-1-Qy＝4500m/a
Figure BDA0002332665830000102
第三步，计算H3井技术极限递减生产日历年数：
Figure BDA0002332665830000103
基于同一发明构思，本申请实施例还提供了一种预测油井技术极限递减生产日历年数的装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于预测油井技术极限递减生产日历年数的装置解决问题的原理与上述方法相似，因此预测油井技术极限递减生产日历年数的装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图6是本发明实施例中的预测油井技术极限递减生产日历年数的装置的结构框图。如图6所示，预测油井技术极限递减生产日历年数的装置可以包括：产油数据获取模块10、参数获取模块20以及预测模块30。
产油数据获取模块10获得目标油井的产油数据；
参数获取模块20根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
预测模块30根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
采用以下公式实现：
Figure BDA0002332665830000111
其中，yL为技术极限递减生产日历年数，Dyi表示初始年递减率，m表示平均每个月递减生产天数。
综上所述，本发明实施例提供的预测油井技术极限递减生产日历年数的装置，能够提高求得的极限递减生产日历年数的准确性。
在一个可选的实施例中，参见图7，该参数获取模块20包括：第一参数获取单元31、第二参数获取单元32以及第三参数获取单元33。
第一参数获取单元31根据所述产油数据获取平均每个月递减生产天数、油井递减生产前初始日产量、直线递减期稳定日产量以及递减生产第1年的稳定年产量；
第二参数获取单元32根据所述油井递减生产前初始日产量以及所述直线递减期稳定日产量获取初始日递减率；
第三参数获取单元33根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率。
在一个可选的实施例中，参见图8，该第三参数获取单元33包括：平均差值获取子单元33a以及初始年递减率获取子单元33b。
平均差值获取子单元33a根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值；
初始年递减率获取子单元33b根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率。
上述实施例阐明的装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为电子设备，具体的，电子设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中电子设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现下述步骤：
获得目标油井的产油数据；
根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
从上述描述可知，本发明实施例提供的电子设备，可用于预测油井技术极限递减生产日历年数，能够提高求得的极限递减生产日历年数的准确性。
下面参考图9，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。
如图9所示，电子设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现下述步骤：
获得目标油井的产油数据；
根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
从上述描述可知，本发明实施例提供的计算机可读存储介质，可用于预测油井技术极限递减生产日历年数，能够提高求得的极限递减生产日历年数的准确性。
在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种预测油井技术极限递减生产日历年数的方法，其特征在于，包括：
获得目标油井的产油数据；
根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
2.根据权利要求1所述的预测油井技术极限递减生产日历年数的方法，其特征在于，所述根据所述产油数据获取平均每个月递减生产天数以及初始年递减率，包括：
根据所述产油数据获取平均每个月递减生产天数、油井递减生产前初始日产量、直线递减期稳定日产量以及递减生产第1年的稳定年产量；
根据所述油井递减生产前初始日产量以及所述直线递减期稳定日产量获取初始日递减率；
根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率。
3.根据权利要求2所述的预测油井技术极限递减生产日历年数的方法，其特征在于，所述根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率，包括：
根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值；
根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率。
4.根据权利要求3所述的预测油井技术极限递减生产日历年数的方法，其特征在于，所述根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值，采用如下公式实现：
Qy-1-Qy＝(12m)2q0Ddi
其中，Qy-1-Qy表示油井相邻稳定年产量的平均差值，m表示平均每个月递减生产天数，q0表示油井递减生产前初始日产量，Ddi表示初始日递减率。
5.根据权利要求4所述的预测油井技术极限递减生产日历年数的方法，其特征在于，所述根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率，采用如下公式实现：
Figure FDA0002332665820000021
其中，Dyi表示初始年递减率，Q 1 表示递减生产第1年的稳定年产量。
6.根据权利要求2所述的预测油井技术极限递减生产日历年数的方法，其特征在于，所述根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率，采用如下公式实现：
Figure FDA0002332665820000022
其中，Dyi表示初始年递减率，Q 1 表示递减生产第1年的稳定年产量，m表示平均每个月递减生产天数，q0表示油井递减生产前初始日产量，Ddi表示初始日递减率。
7.根据权利要求1所述的预测油井技术极限递减生产日历年数的方法，其特征在于，所述根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数，采用以下公式实现：
Figure FDA0002332665820000023
其中，yL为技术极限递减生产日历年数，Dyi表示初始年递减率，m表示平均每个月递减生产天数。
8.一种预测油井技术极限递减生产日历年数的装置，其特征在于，包括：
产油数据获取模块，获得目标油井的产油数据；
参数获取模块，根据所述产油数据获取平均每个月递减生产天数以及初始年递减率；
预测模块，根据所述平均每个月递减生产天数以及所述初始年递减率获取油井技术极限递减生产日历年数。
9.根据权利要求8所述的预测油井技术极限递减生产日历年数的装置，其特征在于，所述参数获取模块包括：
第一参数获取单元，根据所述产油数据获取平均每个月递减生产天数、油井递减生产前初始日产量、直线递减期稳定日产量以及递减生产第1年的稳定年产量；
第二参数获取单元，根据所述油井递减生产前初始日产量以及所述直线递减期稳定日产量获取初始日递减率；
第三参数获取单元，根据所述平均每个月递减生产天数、所述初始日递减率、所述油井递减生产前初始日产量以及所述递减生产第1年的稳定年产量获取初始年递减率。
10.根据权利要求9所述的预测油井技术极限递减生产日历年数的装置，其特征在于，所述第三参数获取单元包括：
平均差值获取子单元，根据所述平均每个月递减生产天数、油井递减生产前初始日产量以及初始日递减率获取油井相邻稳定年产量的平均差值；
初始年递减率获取子单元，根据所述平均差值以及所述递减生产第1年的稳定年产量获取初始年递减率。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的预测油井技术极限递减生产日历年数的方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的预测油井技术极限递减生产日历年数的方法的步骤。
CN201911343284.3A 2019-12-24 2019-12-24 预测油井技术极限递减生产日历年数的方法和装置 Active CN113033855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911343284.3A CN113033855B (zh) 2019-12-24 2019-12-24 预测油井技术极限递减生产日历年数的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911343284.3A CN113033855B (zh) 2019-12-24 2019-12-24 预测油井技术极限递减生产日历年数的方法和装置

Publications (2)

Publication Number Publication Date
CN113033855A true CN113033855A (zh) 2021-06-25
CN113033855B CN113033855B (zh) 2024-04-30

Family

ID=76451339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911343284.3A Active CN113033855B (zh) 2019-12-24 2019-12-24 预测油井技术极限递减生产日历年数的方法和装置

Country Status (1)

Country Link
CN (1) CN113033855B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104481502A (zh) * 2014-11-13 2015-04-01 克拉玛依红有软件有限责任公司 一种利用油藏结构递减法预测原油产量的方法
CN106779131A (zh) * 2015-11-24 2017-05-31 中国石油化工股份有限公司 新油井评价期累计产量预测方法
CN109409559A (zh) * 2017-08-17 2019-03-01 中国石油天然气股份有限公司 油田产量递减率的确定方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104481502A (zh) * 2014-11-13 2015-04-01 克拉玛依红有软件有限责任公司 一种利用油藏结构递减法预测原油产量的方法
CN106779131A (zh) * 2015-11-24 2017-05-31 中国石油化工股份有限公司 新油井评价期累计产量预测方法
CN109409559A (zh) * 2017-08-17 2019-03-01 中国石油天然气股份有限公司 油田产量递减率的确定方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
钟德康: "油田产量递减公式的探讨和应用", 石油勘探与开发, no. 06, 27 December 1990 (1990-12-27), pages 49 - 57 *

Also Published As

Publication number Publication date
CN113033855B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
US20160034835A1 (en) Future cloud resource usage cost management
US20170316386A1 (en) Contextually-aware scheduling exceptions
US20200327436A1 (en) Estimating utilization of network resources using time series data
CN109034493A (zh) 一种账户余额预测方法及装置
US20200183653A1 (en) System and method for task-based estimation and planning of application development projects and resources
CN112037026A (zh) 自动化异常交易工单处理方法、装置和系统
CN106888107B (zh) 一种滑动窗口业务数据确定方法及装置
CN113033859B (zh) 预测直线递减期原油累积产量的方法和装置
CN109146148A (zh) 一种余额预测偏差原因的确定方法及装置
CN113033855B (zh) 预测油井技术极限递减生产日历年数的方法和装置
CN113033857B (zh) 预测直线递减生产井初始年产量的方法和装置
CN110914854B (zh) 联合传输承诺模拟
CN113033858B (zh) 预测原油技术可采储量的方法和装置
CN113027414B (zh) 预测原油经济可采储量的方法和装置
CN113033856B (zh) 预测直线递减生产井初始递减率的方法和装置
CN108564352A (zh) 电子资源信息的处理方法及装置
CN112081565B (zh) 水驱油藏体积波及系数的确定方法及装置
CN111260384A (zh) 服务订单处理方法、装置、电子设备及存储介质
CN111125916A (zh) 油气钻井周期预测方法和装置
CN114257521B (zh) 流量预测方法、装置、电子设备和存储介质
CN108665113A (zh) 指标预测方法及装置
US20200302550A1 (en) Cost allocation estimation using direct cost vectors and machine learning
CN111292205A (zh) 一种司法数据解析方法、装置、设备及存储介质
CN112784213A (zh) 一种生成信息的方法和装置
CN112241022B (zh) 基于射线密度生成层析反演模型速度界面的方法和装置

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