CN113094924B - 一种水力喷射压裂施工参数的优化方法及系统 - Google Patents
一种水力喷射压裂施工参数的优化方法及系统 Download PDFInfo
- Publication number
- CN113094924B CN113094924B CN202110439904.4A CN202110439904A CN113094924B CN 113094924 B CN113094924 B CN 113094924B CN 202110439904 A CN202110439904 A CN 202110439904A CN 113094924 B CN113094924 B CN 113094924B
- Authority
- CN
- China
- Prior art keywords
- data
- fracturing construction
- productivity
- hydraulic jet
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 31
- 238000005553 drilling Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 9
- 208000010392 Bone Fractures Diseases 0.000 description 7
- 206010017076 Fracture Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000006670 Multiple fractures Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005488 sandblasting Methods 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Software Systems (AREA)
- Geology (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种水力喷射压裂施工参数的优化方法及系统,方法包括:利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据;通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内;采集所述第一区域内已压裂井的压裂施工数据;基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素;基于所述产能主控参数建立产能预测模型;所述产能预测模型的所述产能主控参数,其输出为产能信息;将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。本发明基于数据驱动,计算快,适应性更广,实用性更强。
Description
技术领域
本发明涉及石油天然气开发领域,具体涉及一种水力喷射压裂施工参数的优化方法及系统。
背景技术
随着常规油气资源的逐渐枯竭,非常规油气(如页岩气,页岩油,致密气,致密油等)成为当下及未来的勘探开发重点。此类油气藏的典型特征就是储层渗透率极低,需要采取一定的储层改造措施才能商业开发价值,水力压裂技术是近年来提出的一种油气藏增产改造的新方法,该方法集水力喷砂射孔、水力封隔、水力压裂于一体,是有效开发非常规油气藏的重要技术之一。
压裂改造通过在储层内形成多条裂缝为油气提供渗流通道,从而提高产能。目前,非常规油气藏的压裂设计多以获得复杂缝网为目标,并基于此发展出“缝网改造”和“体积压裂”技术。针对这些技术,国内外众多学者开展了大量的不同应力场下裂缝起裂、扩展研究。
然而,就目前而言,裂缝的起裂扩展,复杂缝网的形成研究都是基于一定假设条件下的,尚未有一种理论模型可以完整考虑到地层非均质性,不同水力压裂施工条件,裂缝形态的不规则性等等下裂缝扩展规律。而且,所建理论模型存在假设条件多,计算复杂,普适性较差,现场直接应用困难等不足。
发明内容
鉴于上述传统水力压裂技术的理论模型存在假设条件多,计算复杂,普适性较差,现场直接应用困难等的问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种水力喷射压裂施工参数的优化方法及系统。
依据本发明的一个方面,提供一种水力喷射压裂施工参数的优化方法,所述方法包括:
利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据;
通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内;
采集所述第一区域内已压裂井的压裂施工数据;
基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素;
基于所述产能主控参数建立产能预测模型;所述产能预测模型的输入为所述产能主控参数,其输出为产能信息;
将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。
优选的,利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据后,所述方法还包括:
基于空间最优估计建立储层三维地质模型;
通过新井的随钻测井数据对所述储层三维地质模型进行修正以获得修正后的所述储层地质数据。
优选的,基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数还包括:
基于相关性分析算法计算所述压裂施工数据以及修正后的储层地质数据与产能信息的相关系数;
根据所述相关系数的大小获取所述产能主控参数。
优选的,将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数包括:
对水力喷射压裂施工参数进行初始化;
基于所述产能预测模型计算所述水力喷射压裂施工参数中每个参数的适应度值;
根据每个参数的适应度值优化所述水力喷射压裂施工参数;
当达到全局最优值或最大迭代次数时,所述水力喷射压裂施工参数优化完成。
依据本发明的另一个方面,提供一种水力喷射压裂施工参数的优化系统,所述系统包括:
演算模块,用于利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据;
第一修正模块,用于通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内;
采集模块,用于采集所述第一区域内已压裂井的压裂施工数据;
参数确定模块,用于基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素;
产能模型建立模块,用于基于所述产能主控参数建立产能预测模型;所述产能预测模型的输入为所述产能主控参数,其输出为产能信息;
优化模块,用于将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。
优选的,所述系统还包括:
地质模型建立模块,用于基于空间最优估计建立储层三维地质模型;
第二修正模块,用于通过新井的随钻测井数据对所述储层三维地质模型进行修正以获得修正后的所述储层地质数据。
优选的,参数确定模块还包括:
第一计算单元,用于基于相关性分析算法计算所述压裂施工数据以及修正后的储层地质数据与产能信息的相关系数;
确认单元,用于根据所述相关系数的大小获取所述产能主控参数。
优选的,所述优化模块还包括:
初始化单元,用于对水力喷射压裂施工参数进行初始化;
第二计算单元,用于基于所述产能预测模型计算所述水力喷射压裂施工参数中每个参数的适应度值;
优化单元,用于根据每个参数的适应度值优化所述水力喷射压裂施工参数;
判断单元,用于当达到全局最优值或最大迭代次数时,所述水力喷射压裂施工参数优化完成。
依据本发明的一个方面,提供一种计算机设备,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如上任一项所述的优化方法。
依据本发明的一个方面,提供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执行计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的优化方法。
本发明上述优化方法及系统充分利用了已有的大量地质数据和邻井数据,并结合人工智能技术针对不同储层地质,不同含油气性质条件,直接以油气产能为评价条件,实现水力压裂施工方案的快速智能设计,最大化的发挥本井的生产能力。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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,下面描述中的附图仅仅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。
图1为本发明实施例中一种水力喷射压裂施工参数的优化方法流程图;
图2为本发明实施例中相关系数的分析示意图;
图3为本发明实施例中一种水力喷射压裂施工参数的优化方法流程图;
图4为本发明实施例中一种水力喷射压裂施工参数的优化系统结构示意图;
图5为本发明实施例提供的计算机设备的结构图。
具体实施方式
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实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种水力喷射压裂施工参数的优化方法,如图1所示,所述方法包括:
步骤101,利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据。具体的,本步骤中利用现有的地震探测数据和邻井的测井数据,通过地震数据分析和测井曲线解释确定储层地质数据,所述储层地质数据即为各个地层的属性参数,例如甜点分布、孔渗饱、应力条件、岩相岩性、脆性指数等。通过储层地质数据可以较为明确该地层的基础特征属性以及各个属性与产量之间的关系,为水力喷射压裂施工参数的优化做好基础。其中,地震探测数据和邻井的测井数据均是基于第一区域的,该第一区域的划分以实际的地质属性为准。例如,将地质属性相近的区域可以划分为第一区域,而地质属性差别较大的区域不适合划分为第一区域。
步骤102,通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内。具体而言,由于所要优化的水力喷射压裂施工参数与新井的测井数据密切相关,因此需要通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正,以获得该第一区域更准确、更全面的地质参数,从而建立更准确的地质模型。其中,新井为所需压裂的井,新井和邻井均需要位于第一区域内,其地质属性较为相似,才能保证数据的真实可靠。具体的,新井的测井数据包括钻遇段的相关的地质参数,即钻遇到一定深度所采集到的该深度的地质数据。
步骤103,采集所述第一区域内已压裂井的压裂施工数据;其中,根据划分好的第一区域确定该第一区域内的已压裂井,并获取其相关的压裂施工数据。所述压裂施工数据是所述已压裂井的水力喷射压裂施工参数,包括但不限于:压裂液量、压裂砂量、施工排量、油套压力以及压力段簇等。
步骤104,基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素。具体而言,产能主控因素实际为所述压裂施工数据以及储层地质数据中对产能造成影响的一个或多个参数。例如,甜点分布、渗透率、油气含量以及各项压裂施工参数。由于不同区块地层条件不同,因此所述产能主控因素也根据地层的条件有差异,而且影响油气井产能的因素众多,所以产能主控参数的内容需具体分析,但分析方法一致。较佳的实施例中,还可以进一步基于已压裂井的压裂施工数据、储层地质数据以及生产数据确定所述产能主控参数,使得产能主控参数能够更为全面、精准的反应已有数据的关联性。
步骤105,基于所述产能主控参数建立产能预测模型;所述产能预测模型的输入为所述产能主控参数,其输出为产能信息。具体而言,以储层地质数据以及压裂施工数据中与所述第一区域的产能相关的产能主控参数为输入数据,以产能信息为输出数据,建立相应的机器学习或深度学习模型以构建产能预测模型。其中,产能信息可以为井产量;若油田现场数据充分时,也可以为累积产量。基于该产能预测模型,如果输入储层地质特征参数和水力喷射压裂施工参数,就可以得到新井的预测产量。较佳的实施例中,通过BP神经网络、随机森林、支持向量机等机器学习模型为基础,构建产能预测模型。具体的机器学习模型以及机器学习方法与现有技术中的相关的机器学习方法的理论和过程相同,因此在此不再赘述。
步骤106,将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。具体的,将步骤105中已学习好的产能预测模型作为目标函数,以最新获得的新井随钻测井数据对储存地质数据进行修正后的储层地质数据作为约束,最大产能为目标进行水力喷射压裂施工参数的优化,使得优化后的水力喷射压裂施工参数可以更为精准的获得该新井的最优产量的依据。
本发明实施例所述的方法,无需通过条件假设创造模型,而是利用了已有的大量地质数据和邻井数据,结合人工智能技术使得地质与施工工程数据一体化,普适性强;直接以产能为目标对水力喷射压裂施工参数优化,能够针对不同储层,以储层地质数据为约束,以最大产能为目标最优化设计水力喷射压裂施工参数,从而使油气井产量最大化,提升油气田效益,其计算方式简便,现场应用更为方便。
本发明实施例所述的种水力喷射压裂施工参数的优化方法,较佳的,利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据后,所述方法还包括:
基于空间最优估计建立储层三维地质模型。空间最优估计为一种基于附近点的值进行插值的地质数据算法,代表性有克里格法、克里金法等。具体的实施方式中,在对新井进行钻井前,储层三维地质模型的建立方法为:以投产的邻井获得的地质数据为基本点,水力喷射压裂施工参数通过空间最优估计钻井区域的储层三维地质属性参数,再通过插值获得整个地质空间的属性参数,并据此建立新井的储层三维地质模型,实现对储层空间的认识。
通过新井的随钻测井数据对所述储层三维地质模型进行修正。具体而言,由于新井的随钻测井数据能较为客观的反应新井的状况,因此通过钻井后获得的新井的随钻测井数据确定新井井身附近的准确的地层属性参数,对采用空间最优估计方法建立的储层三维地质模型进行合理修正,从而建立更准确的储层三维地质模型。
本发明实施例所述的种水力喷射压裂施工参数的优化方法,较佳的,根据所述压裂施工数据以及修正后的储层地质数据获取产能主控参数还包括:
基于相关性分析算法计算所述压裂施工数据以及修正后的储层地质数据与产能信息的相关系数。具体的,相关性分析算法包括:相关系数法、斯皮尔曼法、皮尔逊法、灰色关联法等。就本实施例而言,采用相关系数法和皮尔逊法计算压裂施工数据以及修正后的储层地质数据中各参数与产能信息的相关系数,分析图如图2所示,颜色越深,相关系数越大。其中,各参数包括但不限于:孔隙度、TOC、含气量、压裂长度、段间距、压裂段数、用液强度、加砂强度以及测试产量等。可以根据模型的需求对参数的选择进行增减。
根据所述相关系数的大小获取所述产能主控参数。具体而言,基于以上步骤所获得的相关系数越大,则表示前者与后者之间的相关性越强,相互之间的影响程度越大,因而根据需求对相关系数的大小进行排序,并由此获得产能主控参数,将所有的产能主控参数所对应的压裂施工数据以及修正后的储层地质数据汇聚成一数据集,以建立地质、工程、生产为一体的数据集。
本发明实施例所述的一种水力喷射压裂施工参数的优化方法,较佳的,如图3所示,将新井的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数包括:
步骤301,对水力喷射压裂施工参数进行初始化。其中,水力喷射压裂施工参数中包含多个参数,因此在本步骤中会对水力喷射压裂施工参数中的多个参数进行随机初始化,即在设置的参数取值空间内随机选择数值。具体的参数取值空间确定的依据可以是操作人员的经验,也可以是邻井的压裂施工参数。
步骤302,基于所述产能预测模型计算所述水力喷射压裂施工参数中每个参数的适应度值。具体而言,在本步骤中,通过遗传算法,粒子群算法,蒙特卡洛马尔科夫链等无梯度随机优化算法,基于新井的储层地质数据来约束产能预测模型进行后续的优化过程。其中,基于产能预测模型作为目标函数,产能最大化为目标,计算所述水力喷射压裂施工参数中每个参数的适应度值,适应度值越大代表越逼近目标函数。
步骤303,根据每个参数的适应度值优化所述水力喷射压裂施工参数。从而根据新获得的适应度值更新所述水力喷射压裂施工参数中每个参数的取值,随后确定水力喷射压裂施工参数中的当前最优取值。
步骤304,当达到全局最优值或最大迭代次数时,所述水力喷射压裂施工参数优化完成。具体而言,全局最优值可以根据目标函数确定,最大迭代次数可以根据优化需求确定,全局最优值或最大迭代次数任何一项均可作为优化的最终条件。即当达到优化的终止条件后,相当于水力喷射压裂施工参数优化完成,所得到的水力喷射压裂施工参数达到目前的最优解。若未达到全局最优值或最大迭代次数时,则继续在参数取值空间内随机选择数值来循环执行以上步骤直至达到优化的终止条件。
本发明实施例提供的一种水力喷射压裂施工参数的优化方法充分利用了已有的大量地质数据和邻井数据,实现油气开发中不同的水力喷射压裂施工参数下待开采井的产能预测,以及以产能最大化为目标的水力喷射压裂施工参数优化设计。与现有的预测方法相比,本发明基于人工智能的数据挖掘学习能力,以及数十年的勘探开发中,施工并投产使用大量油气井所记录的充足的数据资源,并且不断增加的新井压裂投产需求为模型。在此条件下,通过历史井的数据挖掘,直接以产能为目标优化水力喷射压裂施工参数成为可能。且本发明基于数据驱动,通过大量历史数据分析计算,相比较现有技术中纯机理模型的分析,本发明实施例所述的优化方法不需要过多假设条件,而且模型一旦建立训练完毕、可以极快的完成运算给出结果相较于人工分析,时间成本和技术成本都极大降低。由于考虑了新井的地质条件做约束、当压裂区块内需要分析其他新井时,仅仅需要更换约束条件即可适用于新井,所以具有一定的普适性。
本发明实施例还提供一种水力喷射压裂施工参数的优化系统,如图4所示,所述系统包括:
演算模块401,用于利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据;
第一修正模块402,用于通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内;
采集模块403,用于采集所述第一区域内已压裂井的压裂施工数据;
参数确定模块404,用于基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素;
产能模型建立模块405,用于基于所述产能主控参数建立产能预测模型;所述产能预测模型的输入为所述产能主控参数,其输出为产能信息;
优化模块406,用于将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。
本发明实施例所述的种水力喷射压裂施工参数的优化系统,较佳的,所述系统还包括:
地质模型建立模块,用于基于空间最优估计建立储层三维地质模型;
第二修正模块,用于通过新井的随钻测井数据对所述储层三维地质模型进行修正以获得修正后的所述储层地质数据。
本发明实施例所述的种水力喷射压裂施工参数的优化系统,较佳的,参数确定模块还包括:
第一计算单元,用于基于相关性分析算法计算所述压裂施工数据以及修正后的储层地质数据与产能信息的相关系数;
确认单元,用于根据所述相关系数的大小获取所述产能主控参数。
本发明实施例所述的种水力喷射压裂施工参数的优化系统,较佳的,所述优化模块还包括:
初始化单元,用于对水力喷射压裂施工参数进行初始化;
第二计算单元,用于基于所述产能预测模型计算所述水力喷射压裂施工参数中每个参数的适应度值;
优化单元,用于根据每个参数的适应度值优化所述水力喷射压裂施工参数;
判断单元,用于当达到全局最优值或最大迭代次数时,所述水力喷射压裂施工参数优化完成。
本发明实施例还提供一种计算机设备,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,其中,所述处理器执行所述计算机程序时实现如上任意一项实施方式中所述的优化方法。
本发明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存储有执行计算机程序,所述计算机程序被处理器执行时实现如上任一项实施方式所述的优化方法。
本发明上述实施例所述的优化方法及系统充分利用了已有的大量地质数据和邻井数据,并结合人工智能技术针对不同储层地质,不同含油气性质条件,直接以油气产能为评价条件,实现水力压裂施工方案的快速智能设计,最大化的发挥本井的生产能力。
如图5所示为本文实施例节点的结构示意图,计算设备502可以包括一个或多个处理设备504,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。计算设备502还可以包括任何存储资源506,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储资源506可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储资源都可以使用任何技术来存储信息。进一步地,任何存储资源可以提供信息的易失性或非易失性保留。进一步地,任何存储资源可以表示计算设备502的固定或可移除部件。在一种情况下,当处理设备504执行被存储在任何存储资源或存储资源的组合中的相关联的指令时,计算设备502可以执行相关联指令的任一操作。计算设备502还包括用于与任何存储资源交互的一个或多个驱动机构508,诸如硬盘驱动机构、光盘驱动机构等。
计算设备502还可以包括输入/输出模块510(I/O),其用于接收各种输入(经由输入设备512)和用于提供各种输出(经由输出设备514))。一个具体输出设备可以包括呈现设备516和相关联的图形用户接口(GUI)518。在其他实施例中,还可以不包括输入/输出模块510(I/O)、输入设备512以及输出设备514,仅作为网络中的一台计算设备。计算设备502还可以包括一个或多个网络接口520,其用于经由一个或多个通信链路522与其他设备交换数据。一个或多个通信总线524将上文所描述的部件耦合在一起。
通信链路522可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路522可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
还应理解,在本发明实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件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。另外,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、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种水力喷射压裂施工参数的优化方法,其特征在于,所述方法包括:
利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据;
通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内;
采集所述第一区域内已压裂井的压裂施工数据;
基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素;
基于所述产能主控参数建立产能预测模型;所述产能预测模型的输入为所述产能主控参数,其输出为产能信息;
将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。
2.根据权利要求1所述的种水力喷射压裂施工参数的优化方法,其特征在于,利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据后,所述方法还包括:
基于空间最优估计建立储层三维地质模型;
通过新井的随钻测井数据对所述储层三维地质模型进行修正以获得修正后的所述储层地质数据。
3.根据权利要求1所述的种水力喷射压裂施工参数的优化方法,其特征在于,基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数还包括:
基于相关性分析算法计算所述压裂施工数据以及修正后的储层地质数据与产能信息的相关系数;
根据所述相关系数的大小获取所述产能主控参数。
4.根据权利要求1所述的种水力喷射压裂施工参数的优化方法,其特征在于,将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数包括:
对水力喷射压裂施工参数进行初始化;
基于所述产能预测模型计算所述水力喷射压裂施工参数中每个参数的适应度值;
根据每个参数的适应度值优化所述水力喷射压裂施工参数;
当达到全局最优值或最大迭代次数时,所述水力喷射压裂施工参数优化完成。
5.一种水力喷射压裂施工参数的优化系统,其特征在于,所述系统包括:
演算模块,用于利用第一区域的地震探测数据和邻井的测井数据演算该第一区域的储层地质数据;
第一修正模块,用于通过新井的随钻测井数据对所述第一区域的储层地质数据进行修正;该新井与邻井均位于所述第一区域内;
采集模块,用于采集所述第一区域内已压裂井的压裂施工数据;
参数确定模块,用于基于所述压裂施工数据以及修正后的储层地质数据确定产能主控参数;所述产能主控参数为影响产能的因素;
产能模型建立模块,用于基于所述产能主控参数建立产能预测模型;所述产能预测模型的输入为所述产能主控参数,其输出为产能信息;
优化模块,用于将修正后的储层地质数据作为约束,所述产能预测模型作为目标函数优化水力喷射压裂施工参数。
6.根据权利要求5所述的种水力喷射压裂施工参数的优化系统,其特征在于,所述系统还包括:
地质模型建立模块,用于基于空间最优估计建立储层三维地质模型;
第二修正模块,用于通过新井的随钻测井数据对所述储层三维地质模型进行修正以获得修正后的所述储层地质数据。
7.根据权利要求5所述的种水力喷射压裂施工参数的优化系统,其特征在于,参数确定模块还包括:
第一计算单元,用于基于相关性分析算法计算所述压裂施工数据以及修正后的储层地质数据与产能信息的相关系数;
确认单元,用于根据所述相关系数的大小获取所述产能主控参数。
8.根据权利要求5所述的种水力喷射压裂施工参数的优化系统,其特征在于,所述优化模块还包括:
初始化单元,用于对水力喷射压裂施工参数进行初始化;
第二计算单元,用于基于所述产能预测模型计算所述水力喷射压裂施工参数中每个参数的适应度值;
优化单元,用于根据每个参数的适应度值优化所述水力喷射压裂施工参数;
判断单元,用于当达到全局最优值或最大迭代次数时,所述水力喷射压裂施工参数优化完成。
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中任一项所述的优化方法。
10.一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存储有执行计算机程序,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439904.4A CN113094924B (zh) | 2021-04-23 | 2021-04-23 | 一种水力喷射压裂施工参数的优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439904.4A CN113094924B (zh) | 2021-04-23 | 2021-04-23 | 一种水力喷射压裂施工参数的优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113094924A CN113094924A (zh) | 2021-07-09 |
CN113094924B true CN113094924B (zh) | 2022-10-25 |
Family
ID=76679599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110439904.4A Active CN113094924B (zh) | 2021-04-23 | 2021-04-23 | 一种水力喷射压裂施工参数的优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094924B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693086A (zh) * | 2022-03-15 | 2022-07-01 | 湖南继善高科技有限公司 | 一种基于电磁压裂监测的压裂评估方法、系统及存储介质 |
CN114676631B (zh) * | 2022-03-25 | 2024-04-16 | 西南石油大学 | 页岩气藏压裂水平井压裂改造参数推荐方法 |
CN114881230B (zh) * | 2022-07-11 | 2022-11-04 | 成都创源油气技术开发有限公司 | 一种压裂液返排智能控制系统与装备 |
CN114880957B (zh) * | 2022-07-11 | 2022-09-16 | 西南石油大学 | 一种非常规储层压裂射孔段簇参数组合优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110469303A (zh) * | 2019-07-04 | 2019-11-19 | 西南石油大学 | 一种基于四类改造体积的体积压裂参数优化设计方法 |
CN110704888A (zh) * | 2019-07-04 | 2020-01-17 | 成都理工大学 | 一种非常规油气藏加密井体积压裂施工参数优化设计方法 |
CN112561144A (zh) * | 2020-12-07 | 2021-03-26 | 西安石油大学 | 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 |
-
2021
- 2021-04-23 CN CN202110439904.4A patent/CN113094924B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110469303A (zh) * | 2019-07-04 | 2019-11-19 | 西南石油大学 | 一种基于四类改造体积的体积压裂参数优化设计方法 |
CN110704888A (zh) * | 2019-07-04 | 2020-01-17 | 成都理工大学 | 一种非常规油气藏加密井体积压裂施工参数优化设计方法 |
CN112561144A (zh) * | 2020-12-07 | 2021-03-26 | 西安石油大学 | 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 |
Non-Patent Citations (1)
Title |
---|
致密砂岩气藏压裂水平井裂缝参数的优化;曾凡辉等;《天然气工业》;20121125(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113094924A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113094924B (zh) | 一种水力喷射压裂施工参数的优化方法及系统 | |
US10767448B2 (en) | Multistage oilfield design optimization under uncertainty | |
US9557438B2 (en) | System and method for well data analysis | |
US8145462B2 (en) | Field synthesis system and method for optimizing drilling operations | |
US10895131B2 (en) | Probabilistic area of interest identification for well placement planning under uncertainty | |
CN106795748B (zh) | 基于与机械比能的变量相对应的钻探数据来确定完井设计的一个或多个参数 | |
CN110397402B (zh) | 钻井方法及装置 | |
CN104685153A (zh) | 用于执行增产作业的系统和方法 | |
EP3756110B1 (en) | Systems and methods for generating permeability scaling functions to estimate permeability | |
CN110107277B (zh) | 一种获取碳酸盐岩油藏中井钻遇溶洞的体积的方法 | |
NO347038B1 (en) | Automatic geosteering and evolutionary algorithm for use with same | |
CN104428492A (zh) | 使用矿物学确定压裂刺激点的布置的系统、方法、和计算机程序产品 | |
CN108661628B (zh) | 一种基于参数优选的工程甜点定量评价方法 | |
CN115238861A (zh) | 一种基于井壁垮塌程度约束的安全钻井液密度确定方法 | |
CA3040439C (en) | Petrophysical field evaluation using self-organized map | |
CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 | |
Wan et al. | Intelligent prediction of drilling rate of penetration based on method-data dual validity analysis | |
CN116629140A (zh) | 基于人工智能和实钻数据的地层四压力预测方法及装置 | |
CN116104470A (zh) | 地质导向地层识别预测方法、系统、设备和存储介质 | |
CN118260902A (zh) | 基于录井数据的钻速预测模型构建、钻速预测方法和装置 | |
CN114397711A (zh) | 一种基于机器学习的非常规致密砂岩储层孔隙度预测方法 | |
CN118030046A (zh) | 厚层块状非均质砂岩储层的评价方法及相关设备 | |
CN115858559A (zh) | 待开采油井的钻头确定方法、装置、设备及存储介质 | |
CN117034717A (zh) | 一种用于陆相页岩油高效提产的单簇点压裂改造方法 | |
CN118153261A (zh) | 一种双重介质油藏的不确定性分析方法 |
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 |