CN113076620A - 水驱可采储量确定方法及装置 - Google Patents

水驱可采储量确定方法及装置 Download PDF

Info

Publication number
CN113076620A
CN113076620A CN202010009239.0A CN202010009239A CN113076620A CN 113076620 A CN113076620 A CN 113076620A CN 202010009239 A CN202010009239 A CN 202010009239A CN 113076620 A CN113076620 A CN 113076620A
Authority
CN
China
Prior art keywords
oil field
water content
oil
water
accumulated
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
CN202010009239.0A
Other languages
English (en)
Other versions
CN113076620B (zh
Inventor
傅礼兵
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.)
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 CN202010009239.0A priority Critical patent/CN113076620B/zh
Publication of CN113076620A publication Critical patent/CN113076620A/zh
Application granted granted Critical
Publication of CN113076620B publication Critical patent/CN113076620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种水驱可采储量确定方法及装置，该方法包括：获取油田的累积产油量数据对应的含水率数据；根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量；根据所述数学模型确定所述油田的水驱可采储量。本发明方法采用非线性回归拟合方法确定水驱油田累积产油量随含水率的变化，进而计算油田的可采储量，有利于评价油田已有的开发效果和指导油田后期剩余油挖潜措施的实施，从而提高水驱油田开发的经济效益。

Description

水驱可采储量确定方法及装置
技术领域
本发明属于石油开发技术领域，具体而言，涉及一种水驱可采储量确定方法及装置。
背景技术
油藏可采储量是油田开发的一个重要指标，可采储量的大小一定程度上决定了油田是否具有开发价值或者有效开发的程度。随着油田不断开发认识，油田的可采储量也会发生变化。可采储量的大小不仅与油藏储层的厚度、孔隙度以及非均质性、流体的性质、水体大小以及流体分布等油藏静态参数有关，还与开发井网、开采方式以及工作制度等人为因素有关。油田实际生产数据的统计证明，任何一个水驱油藏的含水率和累积产油量之间都存在一定的关系，它们之间的具体关系是油田开发众多因素共同作用下油水流动规律的综合反映，利用累积产油量与含水率的关系式可以计算油田的可采储量。为了准确地计算油田的水驱可采储量，需要确定合理的可采储量与含水率关系式。在我国的行业标准石油可采储量计算方法(SY/T5367-2010)提出甲型水驱特征曲线、乙型水驱特征曲线、丙型水驱特征曲线或丁型水驱特征曲线四种可采储量的表达式。这些计算可采储量的表达式存在适用性差、计算结果不准确等缺点。
发明内容
本发明为了解决上述背景技术中的至少一个技术问题，提出了一种水驱可采储量确定方法及装置。
为了实现上述目的，根据本发明的一个方面，提供了一种水驱可采储量确定方法，该方法包括：
获取油田的累积产油量数据对应的含水率数据；
根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量；
根据所述数学模型确定所述油田的水驱可采储量。
可选的，所述拟合函数为对数函数。
可选的，所述拟合函数具体为：
Figure BDA0002356508210000021
其中，fw为油田的含水率，fw0为油田的初始含水率，fwL为油田的极限含水率，Np为油田的累积产油量，Np0为油田的初始含水率对应的累积产油量，Npt为油田的极限含水率对应的累积产油量。
可选的，所述数学模型为所述油田的累积产油量与含水率的函数表达式；
所述根据所述数学模型确定所述油田的水驱可采储量，具体包括：
根据所述函数表达式计算含水率等于所述油田的极限含水率时的累积产油量，该计算出的累积产油量为所述油田的水驱可采储量。
为了实现上述目的，根据本发明的另一方面，提供了一种水驱可采储量确定装置，该装置包括：
生产数据获取单元，用于获取油田的累积产油量数据对应的含水率数据；
累积产油量与含水率关系确定单元，用于根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量；
水驱可采储量计算单元，用于根据所述数学模型确定所述油田的水驱可采储量。
可选的，所述拟合函数为对数函数。
可选的，所述拟合函数具体为：
Figure BDA0002356508210000022
其中，fw为油田的含水率，fw0为油田的初始含水率，fwL为油田的极限含水率，Np为油田的累积产油量，Np0为油田的初始含水率对应的累积产油量，Npt为油田的极限含水率对应的累积产油量。
可选的，所述数学模型为所述油田的累积产油量与含水率的函数表达式；
所述水驱可采储量计算单元，具体用于根据所述函数表达式计算含水率等于所述油田的极限含水率时的累积产油量，该计算出的累积产油量为所述油田的水驱可采储量。
为了实现上述目的，根据本发明的另一方面，还提供了一种计算机设备，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计算机程序时实现上述水驱可采储量确定方法中的步骤。
为了实现上述目的，根据本发明的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在计算机处理器中执行时实现上述水驱可采储量确定方法中的步骤。
本发明的有益效果为：本发明提供一种基于油田实际动静态数据计算水驱油藏可采储量的高实用性和高可靠性方法。该方法采用非线性回归拟合方法确定水驱油田累积产油量随含水率的变化，进而计算油田的可采储量，有利于评价油田已有的开发效果和指导油田后期剩余油挖潜措施的实施，从而提高水驱油田开发的经济效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1是本发明实施例水驱可采储量确定方法的流程图；
图2是本发明实施例水驱可采储量确定装置的结构框图；
图3是本发明实施例非线性回归拟合结果示意图；
图4是本发明实施例计算机设备示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
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，本发明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，本发明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发明。
含水率和累积产油量是油田开发过程中的两个重要开发指标，它们之间的变化反应了油田的生产动态及开发效果，间接反映了油藏油水的流动规律，根据累积产油量与含水率变化可以为油田开发制定相应的调整措施，指导油田更高效合理地开发。利用累积产油量与含水率关系式不但可以预测油藏含水率等开发动态参数，而且还可预测油藏的可采储量。
图1是本发明实施例水驱可采储量确定方法的流程图，如图1所示，本实施例的水驱可采储量确定方法包括步骤S101至步骤S103。
步骤S101，获取油田的累积产油量数据对应的含水率数据。
在本发明实施例中，本步骤收集油田开发中的历史生产数据，历史生产数据可以包括：累积产油量数据以及累积产油量数据对应的含水率数据。
在本发明的可选实施例中，累积产油量数据可以为油田每年的累积产油量，含水率数据可以为油田每年的含水率。
步骤S102，根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量。
在本发明实施例中，本步骤以含水率为纵坐标累积产油量为横坐标建立平面坐标系(也可以以含水率为横坐标累积产油量为纵坐标建立平面坐标系)，并将每年的累积产油量及含水率标在该平面坐标系上，每年的累积产油量及含水率在该平面坐标系上以散点的形式呈现。
进一步，本发明针对在平面坐标系上的这些散点(每年的累积产油量和含水率)根据预设的拟合函数进行非线性回归拟合，拟合得到油田的累积产油量与含水率之间关系的数学模型。
在本发明的可选实施例中，拟合函数为对数函数，该对数函数在平面坐标系上的初始值为油田的初始含水率以及油田的初始含水率对应的累积产油量，该对数函数在平面坐标系上的极限值为油田的极限含水率以及油田的极限含水率对应的累积产油量。
在本发明的一具体实施例中，拟合函数可以为：
Figure BDA0002356508210000051
其中，fw为油田的含水率，fw0为油田的初始含水率，fwL为油田的极限含水率，Np为油田的累积产油量，Np0为油田的初始含水率对应的累积产油量，Npt为油田的极限含水率对应的累积产油量。
在本发明可选实施例中，拟合得到油田的累积产油量与含水率之间关系的数学模型用于形象地反映累积产油量与含水率的变化规律。拟合得到油田的累积产油量与含水率之间关系的数学模型可以为累积产油量与含水率的关系曲线，也可以为累积产油量与含水率的函数表达式。
步骤S103，根据所述数学模型确定所述油田的水驱可采储量。
在本发明可选实施例中，油田的水驱可采储量可以为含水率等于极限含水率时的累积产油量。本步骤可以根据拟合得到油田的累积产油量与含水率之间关系的数学模型确定含水率等于极限含水率时的累积产油量，进而得到油田的水驱可采储量。
在本发明可选实施例中，累积产油量与含水率之间关系的数学模型为油田的累积产油量与含水率的函数表达式。进而本步骤该函数表达式计算含水率等于所述油田的极限含水率时的累积产油量，该计算出的累积产油量为所述油田的水驱可采储量。
下面将结合某水驱油田可采储量的计算过程对本发明实施作具体说明：
首先，考察油藏的地质及开采情况，得到油田在过去开发中的历史生产数据，根据生产数据整理得到油田24年实际的累积产油量和含水率数据，如下表1，并以累积产油量为横坐标，含水率为纵坐标将实际油田的含水率与累积产油量绘制于坐标系统中，如图3中的散点。
Figure BDA0002356508210000061
表1
其次，将图3中油田实际累积产油量与含水率数据(即图3中的散点)根据上述预设的拟合函数利用计算机进行非线性回归拟合，确定上述预设的拟合函数中对本油田所对应的参数Np0(本实例Np0＝0)、fw0(本实例fw0＝0.02)以及极限含水率fwL(本实例取值为0.98)所对应的最终累积产油量，即油田的水驱可采储量Npt(本实例Npt＝1371)。最终根据上述拟合函数拟合得到的油田的累积产油量与含水率的函数表达式为：
Figure BDA0002356508210000062
利用上述函数表达式，含水率取极限含水率0.98同样可以得到可采储量的数值为1371。
最后，以累积产油量为横坐标，含水率为纵坐标将本实例油田的累积产油量与含水率的理论值绘制于坐标系统中(图3中的曲线)，从而可以帮助油藏工程师分析油田的累积产油量与含水率变化规律，进而评价油田开发效果，并预测油田水驱开发指标。
本发明方法计算得到的累积产油量值(图3中的曲线)与实际油田数据得到的累积产油量进行对比发现，实际油田累积产油量与含水率关系数据点基本上位于本发明计算得到的累积产油量与含水率关系曲线上，或者少数点在曲线附近波动，说明本发明得到的理论曲线与实际数据与吻合度很高，说明了本发明的准确性。此外本发明为水驱可采储量的获取提供了三种方式，即非线性回归拟合、公式计算以及作图法，并且通过作图法可以形象地了解分析累积产油量与含水率的变化规律，便于油田开发效果评价。
从以上描述可以看出，本发明基于累积产油量与含水率关系可以反映油田地下油水流动规律这一理论及油田开发效果，利用油田实际历史生产数据，运用非线性回归拟合方法和作图法得到符合实际油田的累积产油量与含水率的关系式，不仅在理论上能更加准确的解释分析实际油田水驱特征规律，而且可以更准确地预测油田开发指标。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
基于同一发明构思，本发明实施例还提供了一种水驱可采储量确定装置，可以用于实现上述实施例所描述的水驱可采储量确定方法，如下面的实施例所述。由于水驱可采储量确定装置解决问题的原理与水驱可采储量确定方法相似，因此水驱可采储量确定装置的实施例可以参见水驱可采储量确定方法的实施例，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2是本发明实施例水驱可采储量确定装置的结构框图，如图2所示，本发明实施例水驱可采储量确定装置包括：生产数据获取单元1、累积产油量与含水率关系确定单元2和水驱可采储量计算单元3。
生产数据获取单元1，用于获取油田的累积产油量数据对应的含水率数据。
累积产油量与含水率关系确定单元2，用于根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量。
水驱可采储量计算单元3，用于根据所述数学模型确定所述油田的水驱可采储量。
在本发明的可选实施例中，所述拟合函数为对数函数。
在本发明的另一具体实施例中，所述拟合函数具体为：
Figure BDA0002356508210000081
其中，fw为油田的含水率，fw0为油田的初始含水率，fwL为油田的极限含水率，Np为油田的累积产油量，Np0为油田的初始含水率对应的累积产油量，Npt为油田的极限含水率对应的累积产油量。
在本发明的可选实施例中，所述数学模型为所述油田的累积产油量与含水率的函数表达式。所述水驱可采储量计算单元3，具体用于根据所述函数表达式计算含水率等于所述油田的极限含水率时的累积产油量，该计算出的累积产油量为所述油田的水驱可采储量。
为了实现上述目的，根据本申请的另一方面，还提供了一种计算机设备。如图4所示，该计算机设备包括存储器、处理器、通信接口以及通信总线，在存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例方法中的步骤。
处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元，如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及作品数据处理，即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中，当被所述处理器执行时，执行上述实施例中的方法。
上述计算机设备具体细节可以对应参阅上述实施例中对应的相关描述和效果进行理解，此处不再赘述。
为了实现上述目的，根据本申请的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在计算机处理器中执行时实现上述水驱可采储量确定方法中的步骤。本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种水驱可采储量确定方法，其特征在于，包括：
获取油田的累积产油量数据对应的含水率数据；
根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量；
根据所述数学模型确定所述油田的水驱可采储量。
2.根据权利要求1所述的水驱可采储量确定方法，其特征在于，所述拟合函数为对数函数。
3.根据权利要求1所述的水驱可采储量确定方法，其特征在于，所述拟合函数具体为：
Figure FDA0002356508200000011
其中，fw为油田的含水率，fw0为油田的初始含水率，fwL为油田的极限含水率，Np为油田的累积产油量，Np0为油田的初始含水率对应的累积产油量，Npt为油田的极限含水率对应的累积产油量。
4.根据权利要求1所述的水驱可采储量确定方法，其特征在于，所述数学模型为所述油田的累积产油量与含水率的函数表达式；
所述根据所述数学模型确定所述油田的水驱可采储量，具体包括：
根据所述函数表达式计算含水率等于所述油田的极限含水率时的累积产油量，该计算出的累积产油量为所述油田的水驱可采储量。
5.一种水驱可采储量确定装置，其特征在于，包括：
生产数据获取单元，用于获取油田的累积产油量数据对应的含水率数据；
累积产油量与含水率关系确定单元，用于根据预设的拟合函数对所述累积产油量数据和所述含水率数据进行非线性回归拟合，得到所述油田的累积产油量与含水率之间关系的数学模型，其中，所述拟合函数中的参数包括：油田的初始含水率、油田的初始含水率对应的累积产油量、油田的极限含水率、油田的极限含水率对应的累积产油量；
水驱可采储量计算单元，用于根据所述数学模型确定所述油田的水驱可采储量。
6.根据权利要求5所述的水驱可采储量确定装置，其特征在于，所述拟合函数为对数函数。
7.根据权利要求5所述的水驱可采储量确定装置，其特征在于，所述拟合函数具体为：
Figure FDA0002356508200000021
其中，fw为油田的含水率，fw0为油田的初始含水率，fwL为油田的极限含水率，Np为油田的累积产油量，Np0为油田的初始含水率对应的累积产油量，Npt为油田的极限含水率对应的累积产油量。
8.根据权利要求5所述的水驱可采储量确定装置，其特征在于，所述数学模型为所述油田的累积产油量与含水率的函数表达式；
所述水驱可采储量计算单元，具体用于根据所述函数表达式计算含水率等于所述油田的极限含水率时的累积产油量，该计算出的累积产油量为所述油田的水驱可采储量。
9.一种计算机设备，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计算机程序时实现权利要求1至4任一项方法中的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序在计算机处理器中执行时实现如权利要求1至4任意一项方法中的步骤。
CN202010009239.0A 2020-01-06 2020-01-06 水驱可采储量确定方法及装置 Active CN113076620B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010009239.0A CN113076620B (zh) 2020-01-06 2020-01-06 水驱可采储量确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010009239.0A CN113076620B (zh) 2020-01-06 2020-01-06 水驱可采储量确定方法及装置

Publications (2)

Publication Number Publication Date
CN113076620A true CN113076620A (zh) 2021-07-06
CN113076620B CN113076620B (zh) 2022-11-04

Family

ID=76608831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010009239.0A Active CN113076620B (zh) 2020-01-06 2020-01-06 水驱可采储量确定方法及装置

Country Status (1)

Country Link
CN (1) CN113076620B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115637959A (zh) * 2021-07-20 2023-01-24 中国石油天然气股份有限公司 一种油气井自喷潜力分析方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103912248A (zh) * 2014-03-20 2014-07-09 中国石油天然气股份有限公司 水驱油田预测含水率方法
CN107676064A (zh) * 2017-10-18 2018-02-09 中国石油天然气股份有限公司 一种水驱油藏含水率预测方法及其预测装置
CN110543619A (zh) * 2019-09-10 2019-12-06 中国海洋石油集团有限公司 一种气驱油藏可采储量预测及开发效果评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103912248A (zh) * 2014-03-20 2014-07-09 中国石油天然气股份有限公司 水驱油田预测含水率方法
CN107676064A (zh) * 2017-10-18 2018-02-09 中国石油天然气股份有限公司 一种水驱油藏含水率预测方法及其预测装置
CN110543619A (zh) * 2019-09-10 2019-12-06 中国海洋石油集团有限公司 一种气驱油藏可采储量预测及开发效果评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何坤: "水驱特征曲线类型及应用", 《内江科技》 *
陈元千: "预测水驱油田开发动态的一种方法", 《石油勘探与开发》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115637959A (zh) * 2021-07-20 2023-01-24 中国石油天然气股份有限公司 一种油气井自喷潜力分析方法及装置

Also Published As

Publication number Publication date
CN113076620B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
Marchant et al. Generalized Birnbaum–Saunders kernel density estimators and an analysis of financial data
CN109034447B (zh) 一种水驱油藏含水上升率变化的预测方法及装置
CN103646167A (zh) 一种基于遥测数据的卫星异常状态检测系统
Zhou et al. Fractal-based evaluation of the effect of water reservoirs on hydrological processes: the dams in the Yangtze River as a case study
JP7382522B1 (ja) 動的貯水容量の影響を考慮した貯水池の超短期水位予測方法、システムおよび記憶媒体
CN107516279A (zh) 一种网络舆情自动预警的方法
O’Sullivan et al. A modified Muskingum routing approach for floodplain flows: theory and practice
CN106202813B (zh) 一种计算地层原油粘度的方法及装置
CN113076620B (zh) 水驱可采储量确定方法及装置
CN104929594A (zh) 油井措施效果评价方法
CA3003701A1 (en) Automated upscaling of relative permeability using fractional flow in systems comprising disparate rock types
CN107194180B (zh) 油藏水驱体积波及系数的确定方法、装置及系统
CN109060592A (zh) 一种页岩损失气量获取方法、装置及终端设备
CN106014365B (zh) 一种预测水驱开发油田产量递减率的方法
Zhukovsky et al. Uncertainty quantification in the EUR of eagle ford shale wells using probabilistic decline-curve analysis with a novel model
CN110084431A (zh) 一种页岩气井产量分析预测方法及系统
CN112183800B (zh) 一种预测水驱油藏原油可采储量的方法及装置
CN114861473B (zh) 一种河道型水库有效库容分析方法、装置及电子设备
CN106896419B (zh) 一种确定油气资源量的方法及装置
CN112127877B (zh) 油井动态储量的预测方法、装置、设备及存储介质
Li et al. Two Ways of Calculating VaR in Risk Management——An Empirical Study Based on CSI 300 Index
CN109033508B (zh) 一种油藏含水率及含水上升率的确定方法和装置
CN109063228B (zh) 一种水驱油藏含水上升率变化的确定方法及装置
Das et al. Analysis of river flow data to develop stage-discharge relationship
CN104751008A (zh) 一种针对含有模糊信息历史洪水的L-moment 估参方法

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