CN113627069A - 针对缝洞型油藏油气井的试井动态产量评价方法及系统 - Google Patents
针对缝洞型油藏油气井的试井动态产量评价方法及系统 Download PDFInfo
- Publication number
- CN113627069A CN113627069A CN202010382262.4A CN202010382262A CN113627069A CN 113627069 A CN113627069 A CN 113627069A CN 202010382262 A CN202010382262 A CN 202010382262A CN 113627069 A CN113627069 A CN 113627069A
- Authority
- CN
- China
- Prior art keywords
- predicted
- interval
- clustering
- total
- weight function
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 title claims description 29
- 230000002087 whitening effect Effects 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 239000003921 oil Substances 0.000 claims description 39
- 238000004519 manufacturing process Methods 0.000 claims description 27
- 239000010779 crude oil Substances 0.000 claims description 13
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000012886 linear function Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 14
- 230000006835 compression Effects 0.000 description 9
- 238000007906 compression Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 235000019994 cava Nutrition 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Abstract
本发明公开了一种针对缝洞型油藏油气井的试井动态产量评价方法及系统,该方法包括:步骤一,确定与总产能相关的参数;步骤二,从多个历史井的试井相关参数中选取这些参数数据,并基于这些参数数据来构建聚类对象样本集;步骤三,根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定;步骤四,确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数;步骤五,从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数对应的总产量区间作为待预测样本所属的预测总产量。本发明具有实时性高,准确性高,可靠性强的优点。
Description
技术领域
本发明属于试井产能评价领域,尤其涉及一种针对缝洞型油藏油气井的试井动态评价方法及系统。
背景技术
碳酸盐岩油藏在全球范围内的分布非常广泛,它是一类储量十分丰富的油藏。据数据统计,碳酸盐岩油气藏约占世界上油气田总数的40%左右,而且碳酸盐岩油气藏的储量规模大(大约占总储量的50%),产量高(大约占总产量的65%)。碳酸盐岩油气藏中的缝洞型油藏占碳酸盐岩油藏总数的30%以上,这类缝洞型油藏主要由基质、裂缝和溶洞构成。
碳酸盐岩缝洞型油藏基质的特点是低储低渗,基质基本上不具备储渗能力,所以,在分析碳酸盐岩缝洞型储层流体的流动特点时,一般情况下是不考虑岩石基质的储渗功能的。溶洞是碳酸盐岩储层最有效的储集体类型,缝洞型碳酸盐岩中的溶洞大小不一,溶洞内径小至几厘米,大至几十米,甚至上百米,如此中大规模溶洞的液体流动明显与普通的渗流是不同的。另外,对于缝洞型碳酸盐岩,裂缝同样有着各不相同的发育情况,表现出极强的各向异性,且分布规律性很差,例如这类裂缝具有较大的渗透率,数量级甚至能够达到数百达西,因而油气在缝洞型油藏储层中也要主要沿着这种大型裂缝流动。
顺北、跃进等开发区块均属于缝洞型油藏,其具有如下特点:储层地质特征非常复杂,储层具有极强的非均质性,不同的缝洞单元水动力学特征和渗流特征差异很大,渗流机理也很复杂,开发风险高、难度大。由此导致针对该开发区块的缝洞型油藏油井产能方程和压力的预测也一样存在着困难,例如裂缝与溶洞中流体流动机理和模型的建立、基质向缝洞系统的流动、流动过程中压降的损失等等,这些因素都在时刻影响着油气井的压力与产量变化。
因此,如何对例如顺北、跃进等区块的缝洞型油藏进行单井的产能预测和评价为目前待解决的技术难题。
发明内容
本发明所要解决的技术问题之一是需要提供一种旨在解决碳酸盐岩缝洞型油藏的流动机理的描述复杂、产能预测与评价难的问题的技术方案,该方案能够基于溶洞体积、单位压降产量、原油压缩系数等关键参数,运用改进灰色聚类的数据分析方法为缝洞型油藏试井动态产能评价提供新的技术手段。
为了解决上述技术问题,本申请的实施例首先提供了一种针对缝洞型油藏油气井的试井动态产量评价方法,该方法包括:步骤一,确定与总产能相关的参数;步骤二,从多个历史井的试井相关参数中选取这些参数数据,并基于这些参数数据来构建聚类对象样本集;步骤三,根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定;步骤四,确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数;步骤五,从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数对应的总产量区间作为待预测样本所属的预测总产量。
在一个实施例中,该方法还包括如下步骤:在所述待预测样本集的数据由历史井的相关参数数据组成,利用PI归一化均方根宽度(PINRW)指标来评价待预测样本集的预测总产量的可靠性。
在一个实施例中,与总产能相关的参数包括:原油压缩系数、单位压降产量、溶洞体积、油嘴和油压。
在一个实施例中,在所述步骤三中,设定一个区间指标对应一种总产量区间,且区间指标由与总产能相关的参数数据所对应的总产量区间的数据范围构成;以及在所述步骤五中,设定待预测样本集中的每个预测得到的总产量是一个总产量样本区间。
在一个实施例中,在所述步骤四中利用逻辑曲线函数对灰色白化权函数聚类中的白化权函数进行改进。
在一个实施例中,根据简单线性函数与逻辑曲线函数之间的关系,对逻辑曲线函数的定义域取[0.001,0.999],则改进白化权函数模型如下:
下限测度白化权函数为:
上限测度白化权函数为:
适中测度白化权函数为:
式中,x1,x2,x3表示临界值,按从小到大排列;为了满足白化权函数值符合[0,1]的要求,则K=1/0.999=1.001;根据逻辑曲线函数值域与定义域之间的关系取s=6.908/((x2-x1)/2)。
在一个实施例中,所述步骤六包括如下步骤:
设待预测样本集中有m个待预测量,实际总产量区间为C[Li,Ui],R为预测总产量的变化范围,在额定置信水平下预测的总产量区间为C*[Li *,Ui *],则评价模型如下:
根据本发明的另一方面,还提供了一种针对缝洞型油藏油气井的试井动态产量评价系统,该系统包括:聚类样本构建模块,其从多个历史井的试井相关参数中选取与总产能相关的参数的参数数据,并基于这些参数数据来构建聚类对象样本集;区间指标确定模块,其根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定;聚类系数计算模块,其确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数;产能预测模块,其从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数对应的总产量区间作为待预测样本所属的预测总产量。
在一个实施例中,该系统还包括如下:可靠性评价模块,其在所述待预测样本集的数据由历史井的相关参数数据组成,利用PI归一化均方根宽度(PINRW)指标来评价待预测样本集的预测总产量的可靠性。
在一个实施例中,所述聚类系数计算模块,其利用逻辑曲线函数对灰色白化权函数聚类中的白化权函数进行改进。
在一个实施例中,所述聚类系数计算模块,其根据简单线性函数与逻辑曲线函数之间的关系,对逻辑曲线函数的定义域取[0.001,0.999],确定的改进白化权函数模型如下:
下限测度白化权函数为:
上限测度白化权函数为:
适中测度白化权函数为:
式中,x1,x2,x3表示临界值,按从小到大排列;为了满足白化权函数值符合[0,1]的要求,则K=1/0.999=1.001;根据逻辑曲线函数值域与定义域之间的关系取s=6.908/((x2-x1)/2)。
在一个实施例中,所述可靠性评价模块,其利用如下评价模型来评价创造性:
设待预测样本集中有m个待预测量,实际总产量区间为C[Li,Ui],R为预测总产量的变化范围,在额定置信水平下预测的总产量区间为C*[Li *,Ui *],则评价模型如下:
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本发明实施例通过从试井相关参数中优选出与总产量相关性最大的参数,并利用改进的灰色动态聚类算法将这些参数进行聚类。在聚类的过程中,将样本集对应的总产量区间类别进行划分,并确定各类别的区间指标,然后确定各个区间指标的改进白化权函数并计算在不同区间指标的系数,从这些系数中选取最大系数,将该最大系数对应的区间指标作为预测样本所属的预测总产量。本发明实施例能够实现对缝洞型油藏油气井的产量进行实时的动态评价,尤其是,该方法能够在获取试井参数后即可通过相关数据分析进行实时的产能评价,相比现有技术来说,其工作效率更高。
另外,在所述待预测样本集的数据由历史井的相关参数数据组成时,还利用PI归一化均方根宽度(PINRW)指标来评价预测总产量的可靠性。通过验证能够明确该方法得到的产能预测结果可靠性强,准确性高。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明的技术方案而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本发明实施例提供的针对缝洞型油藏油气井的试井动态产量评价方法的流程图;
图2为本发明实施例提供的一具体示例的流程图;
图3为本发明实施例提供的试井动态产能评价的结果图;
图4为本发明实施例提供的针对缝洞型油藏油气井的试井动态产量评价系统的功能框图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,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。
对于现有技术中存在的碳酸盐岩缝洞型油藏的流动机理的描述复杂、产能预测与评价难的问题,本申请的发明人经过长时间的大量技术方案的研究,提出了本发明的技术思想,即摒弃从流动机理、产能模型等微观参数来评价和预测产量的做法,采用试井解释溶洞体积、单位压降产量、原油压缩系数等与油气井产能相关的参数来进行例如顺北、跃进等区块的碳酸盐岩缝洞型油藏的单井的产能预测和评价。
实施例一
图1示出了本发明实施例的针对缝洞型油藏油气井的试井动态产量评价方法的流程图,下面参考图1来说明该方法的各个步骤。
首先,在步骤S110(步骤一)中,确定与总产能相关的参数。
优选地,可以通过从试井解释软件所测得的试井参数、生产参数和物性参数中优选出与总产量相关性较大的5种参数,具体为原油压缩系数、单位压降产量、溶洞体积、油嘴(油嘴是控制原油产出速度(即原油产量)的一个装置)和油压。以顺北、跃进等区块油气井为例,在对处于该区块的目标井进行试井产量预测评价时,先从顺北、跃进等区块历史油气井的试井相关参数中选取每口井的原油压缩系数、单位压降产量、溶洞体积、油嘴和油压数据。容易理解,上述选取的参数可以根据需求和总产能相关性进行删减,例如除了上5种参数之外,还可以增加生产管柱尺寸、生产管柱下深、裂缝体积等因素。
接着,在步骤S120(步骤二)中,从多个历史井的试井相关参数中选取这些参数数据,并基于这些参数数据来构建聚类对象样本集。
具体来说,首先对多个历史井的参数数据进行预处理。该预处理过程包括将多个历史井的参数数据组成样本矩阵并进行归一化处理;以及对经处理后的多个历史井的参数数据与实际总产能进行对应划分,形成多个产能范围,进而得到与多个产能范围对应的多个类别。通过以上处理会获得用于进行后面的聚类处理的聚类对象样本集。
接着,在步骤S130(步骤三)中,根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定。
在该步骤中,设定一个区间指标对应一种总产量区间,且区间指标由与总产能相关的参数数据所对应的总产量区间的数据范围构成。例如,确定出的区间指标可以为如下形式[35 50],[51 66],[67 84],区间内的数据范围,即是总产量所处的数据范围。其中总产量区间c与聚类对象样本x在区间指标中的对应关系如下:
然后,在步骤S140(步骤四)中,确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数。
此处的待预测样本可以由历史井的参数数据构成的,也可以由目标井的参数数据构成的,具体参数类型与步骤S120中的参数类型一致,在获取这些参数数据后也可以按照步骤S120的内容进行预处理,具体内容不再赘述。
在该步骤中利用逻辑曲线函数对灰色白化权函数聚类中的白化权函数进行改进。具体地,根据简单线性函数与逻辑曲线函数之间的关系,对逻辑曲线函数的定义域取[0.001,0.999],则改进白化权函数模型如下:
下限测度白化权函数为:
上限测度白化权函数为:
适中测度白化权函数为:
式中,x1,x2,x3表示临界值,按从小到大排列;K表示,为了满足白化权函数值符合[0,1]的要求,则K=1/0.999=1.001;根据逻辑曲线函数值域与定义域之间的关系取s=6.908/((x2-x1)/2)。
然后,利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数。具体的计算公式如下:
接下来,在步骤S150(步骤五)中,从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数所对应的总产量区间作为待预测样本所属的预测总产量;
在该步骤中,设定待预测样本集中的每个预测得到的总产量是一个总产量样本区间。例如,针对某一待预测目标单井,其预测总产量为[35-50]。
通过上述步骤,即采用改进灰色聚类数据分析方法,基于试井解释溶洞体积、单位压降产量、原油压缩系数等与油气井产能相关的参数,对试井产能进行实时的预测和评价,能够解决现有技术中无法预测的问题,且具有实时性高,准确性高,可靠性强的优点。
另外,为了验证本方法的可靠性,还可以包括如下步骤:在步骤S160(步骤六)中,利用PI归一化均方根宽度(PINRW)指标来评价待预测样本集的预测总产量的可靠性。此处的待预测样本集的数据由历史井的相关参数数据组成。
具体来说,设待预测样本集中有m个待预测量,实际总产量区间为C[Li,Ui],R为预测总产量的变化范围,在额定置信水平下预测的总产量区间为C*[Li *,Ui *],则评价模型如下:
下面利用上述的试井动态评价方法对顺北、跃进等区块的单溶洞油气储集井进行试井动态评价,进一步对本发明的应用原理进行说明。
示例
先参考图2所示的流程图。
(1)从顺北、跃进等区块优选了大量历史单井的包括试井、生产及物性参数在内的5种参数,即原油压缩系数、单位压降产量、溶洞体积、油嘴和油压,并利用优选的这5种参数数据组成聚类对象样本集X;
(2)将以上单井的总产量数据组成总产量区间类别集C,利用聚类对象样本集X和总产量区间类别集C的对应关系,确定出8个区间指标[35 50],[51 66],[67 84],[85100],[101 130],[131 150],[151 180],[181 200]。其中总产量区间c与聚类对象样本x在区间指标中的对应关系如下:
(3)利用逻辑曲线函数对各灰类指标的白化权函数fi(t)进行改进,其公式如下:
下限测度白化权函数为:
上限测度白化权函数为:
适中测度白化权函数为:
根据所确定的8个区间指标G,式中的下限测度白化权函数与上限测度白化权函数中的x1,x2指的是不同参数在该区间指标范围中的最小与最大值,除上述下限测度白化权函数与上限测度白化权函数之外的中间6个适中测度白化权函数中的x1,x2,x3指的是不同参数在该区间指标范围中的最小、中间与最大值。
在以上步骤完成后,再从顺北、跃进等区块的多个历史井单井的试井、生产和物性参数中选择与总产能最相关的参数,即原油压缩系数、单位压降产量、溶洞体积、油嘴和油压的数据,将它们组成待预测样本集X*,然后利用改进灰色聚类对待预测样本x*的聚类系数进行计算。需要说明的是,此处选取历史井单井的参数作为待预测样本集,目的是为了验证本方法的可靠性,如果待预测样本集为待预测目标井的参数数据组成,那么在执行完下一步骤(4),预测得到总产量后即可结束操作。
(4)从每个待预测样本的8个不同的聚类系数中选出其中的最大值,将该最大值其所对应的区间指标作为该待预测样本x*的预测总产量。例如,针对多个待预测单井,分别为[35-50],[80-95],[180-195]。
(5)利用PI归一化均方根宽度指标对以上选择的顺北、跃进等区块预测总产量区间[35-50],[80-95],[180-195]与该区间指标应该对应的真实总产量区间为[35-50],[85-100],[181-200]的宽度评价指标进行计算。在计算前确定置信水平为95%,再利用PINRW公式基于改进灰色聚类的试井动态预测效果进行评价。
如图3所示,通过利用本申请实施例的方法对3口井进行试井动态评价,能取得良好的效果,本评价方法依据的是试井过程中的试井参数与总产量之间存在的数据挖掘关系,从而达到良好的试井效果。
综上,本发明实施例提出的方法,相比于现有的产能评价技术具有以下的特点:摒弃了从流动机理、产能模型等微观参数来评价和预测产量的作法,采用改进灰色聚类数据分析方法,基于试井解释溶洞体积、单位压降产量、原油压缩系数等与油气井产能相关的参数,对待预测目标井进行预测和评价,具有实时性高,准确性高,可靠性强的优点。
实施例二
图4为本发明实施例提供的针对缝洞型油藏油气井的试井动态产量评价系统的功能框图。
如图4所示,该系统40包括:聚类样本构建模块41、区间指标确定模块42、聚类系数计算模块43、产能预测模块44。聚类样本构建模块41,其从多个历史井的试井相关参数中选取与总产能相关的参数的参数数据,并基于这些参数数据来构建聚类对象样本集,其中,与总产能相关的参数包括:原油压缩系数、单位压降产量、溶洞体积、油嘴和油压;区间指标确定模块42,其根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定;聚类系数计算模块43,其确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数;产能预测模块44,其从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数对应的总产量区间作为待预测样本所属的预测总产量。
聚类系数计算模块43,其利用逻辑曲线函数对灰色白化权函数聚类中的白化权函数进行改进,根据简单线性函数与逻辑曲线函数之间的关系,对逻辑曲线函数的定义域取[0.001,0.999],确定的改进白化权函数模型如下:
下限测度白化权函数为:
上限测度白化权函数为:
适中测度白化权函数为:
式中,x1,x2,x3表示临界值,按从小到大排列;为了满足白化权函数值符合[0,1]的要求,则K=1/0.999=1.001;根据逻辑曲线函数值域与定义域之间的关系取s=6.908/((x2-x1)/2)。
如图4所示,该系统还包括如下:可靠性评价模块45,其在所述待预测样本集的数据由历史井的相关参数数据组成,利用PI归一化均方根宽度(PINRW)指标来评价待预测样本集的预测总产量的可靠性。可靠性评价模块45,其利用如下评价模型来评价创造性:设待预测样本集中有m个待预测量,实际总产量区间为C[Li,Ui],R为预测总产量的变化范围,在额定置信水平下预测的总产量区间为C*[Li *,Ui *],则评价模型如下:
本实施例的各个模块可以分别执行上述实施例的各个步骤,也就是说,通过合理的设置,聚类样本构建模块41、区间指标确定模块42、聚类系数计算模块43、产能预测模块44和可靠性评价模块45可以分别执行步骤S110、S120、S130、S140、S150和S160,因此本实施例不再赘述。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (12)
1.一种针对缝洞型油藏油气井的试井动态产量评价方法,其特征在于,该方法包括:
步骤一,确定与总产能相关的参数;
步骤二,从多个历史井的试井相关参数中选取这些参数数据,并基于这些参数数据来构建聚类对象样本集;
步骤三,根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定;
步骤四,确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数;
步骤五,从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数对应的总产量区间作为待预测样本所属的预测总产量。
2.根据权利要求1所述的方法,其特征在于,该方法还包括如下步骤:
在所述待预测样本集的数据由历史井的相关参数数据组成,利用PI归一化均方根宽度(PINRW)指标来评价待预测样本集的预测总产量的可靠性。
3.根据权利要求1所述的方法,其特征在于,
与总产能相关的参数包括:原油压缩系数、单位压降产量、溶洞体积、油嘴和油压。
4.根据权利要求1~3中任一项所述的方法,其特征在于,
在所述步骤三中,设定一个区间指标对应一种总产量区间,且区间指标由与总产能相关的参数数据所对应的总产量区间的数据范围构成;以及
在所述步骤五中,设定待预测样本集中的每个预测得到的总产量是一个总产量样本区间。
5.根据权利要求1~4中任一项所述的方法,其特征在于,在所述步骤四中利用逻辑曲线函数对灰色白化权函数聚类中的白化权函数进行改进。
8.一种针对缝洞型油藏油气井的试井动态产量评价系统,其特征在于,该系统包括:
聚类样本构建模块,其从多个历史井的试井相关参数中选取与总产能相关的参数的参数数据,并基于这些参数数据来构建聚类对象样本集;
区间指标确定模块,其根据聚类对象样本集确定对应的总产量区间的类别集,并对各类别的总产量区间的区间指标进行确定;
聚类系数计算模块,其确定各区间指标的改进白化权函数,并利用改进白化权函数计算待预测样本在不同总产量区间中的聚类系数;
产能预测模块,其从计算得到的聚类系数中选取值最大的聚类系数,将该最大的聚类系数对应的总产量区间作为待预测样本所属的预测总产量。
9.根据权利要求8所述的系统,其特征在于,该系统还包括如下:
可靠性评价模块,其在所述待预测样本集的数据由历史井的相关参数数据组成,利用PI归一化均方根宽度(PINRW)指标来评价待预测样本集的预测总产量的可靠性。
10.根据权利要求8或9所述的系统,其特征在于,
所述聚类系数计算模块,其利用逻辑曲线函数对灰色白化权函数聚类中的白化权函数进行改进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010382262.4A CN113627069A (zh) | 2020-05-08 | 2020-05-08 | 针对缝洞型油藏油气井的试井动态产量评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010382262.4A CN113627069A (zh) | 2020-05-08 | 2020-05-08 | 针对缝洞型油藏油气井的试井动态产量评价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627069A true CN113627069A (zh) | 2021-11-09 |
Family
ID=78377158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010382262.4A Pending CN113627069A (zh) | 2020-05-08 | 2020-05-08 | 针对缝洞型油藏油气井的试井动态产量评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627069A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114461704A (zh) * | 2022-04-14 | 2022-05-10 | 浙江理工大学 | 一种基于织机产能预测织机了机的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060092766A1 (en) * | 2004-11-03 | 2006-05-04 | Halliburton Energy Services, Inc. | Method and system for predicting production of a well |
CN101567050A (zh) * | 2009-06-09 | 2009-10-28 | 东华大学 | 一种灰色聚类分析方法 |
CN105093313A (zh) * | 2015-07-07 | 2015-11-25 | 中国地质大学(北京) | 一种岩溶型油藏单井油气产能预测方法及装置 |
CN105389646A (zh) * | 2015-10-15 | 2016-03-09 | 大连海事大学 | 基于灰色白化函数变权聚类法的评估方法 |
KR101657890B1 (ko) * | 2015-04-06 | 2016-09-20 | 서울대학교산학협력단 | 다목적 유전 알고리즘과 실물옵션에 기반한 저류층의 생산성 평가 방법 |
-
2020
- 2020-05-08 CN CN202010382262.4A patent/CN113627069A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060092766A1 (en) * | 2004-11-03 | 2006-05-04 | Halliburton Energy Services, Inc. | Method and system for predicting production of a well |
CN101567050A (zh) * | 2009-06-09 | 2009-10-28 | 东华大学 | 一种灰色聚类分析方法 |
KR101657890B1 (ko) * | 2015-04-06 | 2016-09-20 | 서울대학교산학협력단 | 다목적 유전 알고리즘과 실물옵션에 기반한 저류층의 생산성 평가 방법 |
CN105093313A (zh) * | 2015-07-07 | 2015-11-25 | 中国地质大学(北京) | 一种岩溶型油藏单井油气产能预测方法及装置 |
CN105389646A (zh) * | 2015-10-15 | 2016-03-09 | 大连海事大学 | 基于灰色白化函数变权聚类法的评估方法 |
Non-Patent Citations (3)
Title |
---|
2015 IEEE INTERNATIONAL CONFERENCE ON DATA MINING WORKSHOP (ICDMW): "Production Estimation for Shale Wells with Sentiment-Based Features from Geology Reports", 2015 IEEE INTERNATIONAL CONFERENCE ON DATA MINING WORKSHOP (ICDMW), 4 February 2016 (2016-02-04) * |
孙鹏杰: "鄂尔多斯盆地东缘煤层气产能预测", 中国硕士学位论文全文数据库 工程科技辑, 15 August 2016 (2016-08-15) * |
洪艳;: "改进灰色聚类法对边坡稳定性的预测评价", 人民珠江, no. 06, 17 May 2018 (2018-05-17) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114461704A (zh) * | 2022-04-14 | 2022-05-10 | 浙江理工大学 | 一种基于织机产能预测织机了机的方法及系统 |
CN114461704B (zh) * | 2022-04-14 | 2022-06-24 | 浙江理工大学 | 一种基于织机产能预测织机了机的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102180B (zh) | 致密砂岩储层双甜点评价的综合参数评价方法 | |
CN108960651B (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 | |
CN103046914B (zh) | 一种低渗气藏水平井分段压裂效果判断方法 | |
CN107977749A (zh) | 一种油田开发指标的预测分析方法 | |
CN107291667B (zh) | 一种井间连通程度确定方法及系统 | |
CN104899411B (zh) | 一种储层产能预测模型建立方法和系统 | |
CN104989357A (zh) | 一种选择致密油气藏重复压裂目标井的方法 | |
CN105386751A (zh) | 一种基于油藏渗流模型的水平井测井产能预测方法 | |
CN109882163A (zh) | 一种用于致密油藏压裂水平井的产能预测方法 | |
CN109711595A (zh) | 一种基于机器学习的水力压裂投产效果评价方法 | |
CN110717270B (zh) | 一种基于数据的油气藏仿真模拟方法 | |
CN116658155A (zh) | 一种页岩气井产量预测的方法 | |
CN106501146B (zh) | 一种致密油藏物性上限确定方法及装置 | |
CN107451671B (zh) | 用于预测页岩地层压裂后初始产能的方法及系统 | |
CN108843296B (zh) | 一种基于多因素影响下的单井重复压裂效果预测方法 | |
CN113627069A (zh) | 针对缝洞型油藏油气井的试井动态产量评价方法及系统 | |
CN112282742B (zh) | 一种页岩油优质储层的预测方法 | |
CN111950111B (zh) | 一种适用于底部开放的碳酸盐岩储层动态分析方法 | |
CN113627639A (zh) | 用于碳酸盐岩缝洞型储层的试井产能预测方法及系统 | |
CN111155980B (zh) | 一种水流优势通道识别方法及装置 | |
CN116362121A (zh) | 水平井压裂的裂缝参数确定方法及装置 | |
CN113627640A (zh) | 一种针对缝洞型油藏油气井的产能试井预测方法及系统 | |
CN114462323A (zh) | 一种基于多属性场融合的油藏流场表征方法 | |
CN111706323A (zh) | 一种综合gwo-lssvm算法的水淹层精细解释评价方法 | |
CN111797575A (zh) | 一种深层页岩压裂工艺参数优化方法 |
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 |