CN113837890B - 一种基于数据统计的页岩气水平井井型优选方法 - Google Patents
一种基于数据统计的页岩气水平井井型优选方法 Download PDFInfo
- Publication number
- CN113837890B CN113837890B CN202110905412.XA CN202110905412A CN113837890B CN 113837890 B CN113837890 B CN 113837890B CN 202110905412 A CN202110905412 A CN 202110905412A CN 113837890 B CN113837890 B CN 113837890B
- Authority
- CN
- China
- Prior art keywords
- data
- well
- shale gas
- vertical depth
- well type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 230000001186 cumulative effect Effects 0.000 claims abstract description 36
- 238000004519 manufacturing process Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000012417 linear regression Methods 0.000 claims abstract description 8
- 230000001174 ascending effect Effects 0.000 claims description 10
- 238000013079 data visualisation Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 239000007788 liquid Substances 0.000 abstract description 2
- 239000012530 fluid Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009491 slugging Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- 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
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据统计的页岩气水平井井型优选方法,包括步骤:S1,收集目标区域的数据;S2,计算单井的横向垂深与平均垂深;S3,选定主变量与次变量;S4,建立数据箱,用于将数据信息分组到数据信息子集中,实现一组井中只有一个变量在变化;S5,基于S4建立的数据箱,分别分析不同数据箱内上倾井和下倾井的平均累产气量数据变化规律,对比分析上倾井、下倾井对产能的影响规律;S6,基于线性回归分析所有收集到的页岩气井横向垂深与累产气量和EUR的关系,从而优选出最优的页岩气水平井井型;本发明解决了现场水平井井型优选确定缺乏理论支撑的问题,减少了井筒积液的影响,为提高单井可采储量奠定了基础。
Description
技术领域
本发明涉及页岩开发技术领域,更为具体的,涉及一种基于数据统计的页岩气水平井井型优选方法。
背景技术
随着水平钻井技术的出现,再加上多级水力压裂技术的出现,使得页岩气的经济开采成为可能。在体积压裂压后富含压裂液的页岩储层中,由于井筒积液,页岩气井可能会随着时间的推移面临产能损失,进而影响最终可采储量。在水平段产生的段塞流也可能阻止流体向上流动到地面。为了最大化收益和净现值,在进行页岩气藏开发时,考虑井眼轨迹是至关重要的。
国内外对于水平井积液问题已开展大量研究,并预测了积液情况下的气井产能,但对于页岩气井的井型优选研究较少。目前,大多数学者采用数值模拟方法,但井筒内气水两相流态变化复杂难以确定,所以采用数值模拟的方法具有很大的局限性。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于数据统计的页岩气水平井井型优选方法。
本发明的目的是通过以下方案实现的:
一种基于数据统计的页岩气水平井井型优选方法,包括:
步骤S1,收集目标区域的数据;所述数据包括上倾井型数据、下倾井型数据、跟端垂深数据、趾端垂深数据、跟端测深数据、趾端测深数据和累产气量数据;
步骤S2,计算单井的横向垂深与平均垂深;
步骤S3,基于步骤S1、S2中的数据,选定主变量与次变量;
步骤S4,建立数据箱,所述数据箱用于将数据信息分组到数据信息子集中,实现一组井中只有一个变量在变化;
步骤S5,基于步骤S4建立的数据箱,分别分析不同数据箱内上倾井和下倾井的平均累产气量数据变化规律,对比分析上倾井、下倾井对产能的影响规律;
步骤S6,基于线性回归分析所有收集到的页岩气井横向垂深与累产气量和EUR的关系,从而优选出最优的页岩气水平井井型。
进一步地,在步骤S1中,所述累产气量数据包括30天累产气量、60天累产气量、90天累产气量、330天累产气量与EUR。
进一步地,在步骤S2中,所述计算单井的横向垂深采用如下公式:
横向垂深=趾端垂深-跟端垂深;
进一步地,在步骤S2中,所述计算单井的平均垂深采用如下公式:
平均垂深=(趾端垂深+跟端垂深)/2。
进一步地,在步骤S3中,所述选定主变量与次变量包括:选取横向垂进一步地
进一步地,在步骤S4中,根据平均垂深变化将所有气井划分到多个数据箱。
进一步地,在步骤S5中,包括数据可视化步骤,通过数据可视化分析不同数据箱内上倾井和下倾井的平均累产气量数据变化规律以及对比分析上倾井、下倾井对产能的影响规律。
进一步地,在步骤S6中,所述基于线性回归分析所有收集到的页岩气井横向垂深与累产气量和EUR的关系,包括子步骤:
S61,对两个变量x,y之间的关系,初始化一个预测方程如下:
S62,构建如下方程:
上式中,a0,a1是任意的实数,当变量x取值为变量xi的预测值为Yi,此时线性回归方程所预测的值为
Q为关于预测方程中a0,a1的函数;
S63,将步骤S61中的预测方程带入步骤S62中构建的方程中,将函数Q分别对a0,a1求一阶导数,并且在零偏导之后的值为0,即:
S64,将步骤S63中的公式进行变换得到a0,a1关于x和y的表达式如下:
绘制横向垂深与产能的关系曲线,并利用绘制的横向垂深与产能的关系曲线得出最优的页岩气井型。
本发明的有益效果包括:
本发明解决了现场水平井井型优选确定缺乏理论支撑的问题,首次建立了一套基于数据统计分析确定页岩气水平井最优井型的方法,相比较传统的数值模拟方案,进步性在于减少了井筒积液的影响,为提高单井可采储量奠定了基础。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为上倾、下倾井井型对比图;
图2为本发明实施例中浅垂深井型与产能关系图;
图3为本发明实施例中中等垂深井型与产能关系图;
图4为本发明实施例中深垂深井型与产能关系图;
图5为本发明实施例中横向垂深与30天累产气量关系图;
图6为本发明实施例中横向垂深与60天累产气量关系图;
图7为本发明实施例中横向垂深与90天累产气量关系图;
图8为本发明实施例中横向垂深与330天累产气量关系图;
图9为本发明实施例中横向垂深与EUR关系图;
图10为本发明实施例的方法步骤流程图。
缩略语和关键术语解释
横向垂深:水平井水平段跟端和趾端之间的垂深变化;
上倾井:平均井斜角大于90度,横向垂深是负值的水平井;
下倾井:平均井斜角小于90度,横向垂深是正值的水平井;
EUR:页岩气井生产20年的累产气量。
具体实施方式
本说明书中所有实施例公开的所有特征,或隐含公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合和/或扩展、替换。
如图1所示,为上倾、下倾井井型对比图。
如图10所示,将本发明作为一种基于数据统计的页岩气水平井井型优选方法进行实施,包括如下步骤:
步骤S1,收集目标区域的数据;所述数据包括上倾井型数据、下倾井型数据、跟端垂深数据、趾端垂深数据、跟端测深数据、趾端测深数据和累产气量数据;
步骤S2,计算单井的横向垂深与平均垂深;
步骤S3,基于步骤S1、S2中的数据,选定主变量与次变量;
步骤S4,建立数据箱,所述数据箱用于将数据信息分组到数据信息子集中,实现一组井中只有一个变量在变化;
步骤S5,基于步骤S4建立的数据箱,分别分析不同数据箱内上倾井和下倾井的平均累产气量数据变化规律,对比分析上倾井、下倾井对产能的影响规律;
步骤S6,基于线性回归分析所有收集到的页岩气井横向垂深与累产气量和EUR的关系,从而优选出最优的页岩气水平井井型。
在上述实施例的基础上,在本发明的其他实施方式中,包括如下步骤:
(1)数据收集:目标选择长宁区块生产年限达一年及以上的页岩气井共235口。进行数据收集,包括上倾或下倾井型、跟端垂深、趾端垂深、跟端测深、趾端测深、30天累产气量、60天累产气量、90天累产气量、330天累产气量与EUR。
(2)计算单井横向垂深与平均垂深:横向垂深=趾端垂深-跟端垂深;平均垂深=(趾端垂深+跟端垂深)/2。
(3)选定主变量与次变量:选取横向垂深为主变量,次变量为上倾/下倾井型。
(4)建立数据箱:本实施例根据平均垂深变化将所有气井划分到三个数据箱,分别为浅垂深、中等垂深、深垂深。
类型 | 深度范围(m) | 井数(口) |
浅垂深 | <2500 | 27 |
中等垂深 | 2500~3000 | 86 |
深垂深 | >3000 | 122 |
(5)分别计算不同数据箱内上倾井/下倾井的平均30天、60天、90天与330天累产气量,绘制三个数据箱对应的柱状图(图2、图3、图4),分析上倾/下倾井型对产能的影响规律,可以得出上倾井产能大于下倾井。
(6)在本实施例中,利用软件编程采用最小二乘法线性回归所有气井横向垂深与30天、60天、90天、330天与EUR的关系曲线,获得的曲线如图5、图6、图7、图8、图9。
在本实施例中,在研究两个变量(x,y)之间的关系时,往往会有一系列的数据对[(x1,y1),(x2,y2)...(xm,ym)],那么将这些数据描绘到x-y直系坐标中若发现这些点都在一条直线附近时,那么初始令这条直线方程的表达式为:
其中a0,a1是任意的实数,现在需要让当x取值为xi预测值Yi与回归方程所预测的之间的差值平方最小,但是对于整个回归方程而言,就是所有预测值与实际值之间差值平方之和最小,故建立以下方程:
Q为关于预测方程中两个参数a0,a1的函数而已,此时将预测方程带入以上公式得到以下方程:
要使的方程Q的取值最小,那么需要对函数Q分别对a0,a1求一阶偏导数,并且零偏导之后的值为0。即:
经过变换后得到两个参数a0,a1关于x和y的表达式:
(7)通过绘制的横向垂深与产能的关系曲线可以看出,负值横向垂深(上倾井)的产能高于正值横向垂深(下倾井),且随时间的增加,差值变化越明显。从而得出页岩气井上倾井型优于下倾井型。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
除以上实例以外,本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例,各个实施例的特征可以互换或替换,本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.一种基于数据统计的页岩气水平井井型优选方法,其特征在于,包括:
步骤S1,收集目标区域的数据;所述数据包括上倾井型数据、下倾井型数据、跟端垂深数据、趾端垂深数据、跟端测深数据、趾端测深数据和累产气量数据;
步骤S2,计算单井的横向垂深与平均垂深;
步骤S3,基于步骤S1、S2中的数据,选定主变量与次变量;
步骤S4,建立数据箱,所述数据箱用于将数据信息分组到数据信息子集中,实现一组井中只有一个变量在变化;
步骤S5,基于步骤S4建立的数据箱,分别分析不同数据箱内上倾井和下倾井的平均累产气量数据变化规律,对比分析上倾井、下倾井对产能的影响规律;
步骤S6,基于线性回归分析所有收集到的页岩气井横向垂深与累产气量和EUR的关系,从而优选出最优的页岩气水平井井型;
在步骤S6中,所述基于线性回归分析所有收集到的页岩气井横向垂深与累产气量和EUR的关系,包括子步骤:
S61,对两个变量x,y之间的关系,初始化一个预测方程如下:
S62,构建如下方程:
上式中,a0,a1是任意的实数,当变量x取值为变量xi的预测值为Yi,此时线性回归方程所预测的值为,x为气井横向垂深,y为累产气量或EUR,EUR为页岩气井生产20年的累产气量;
Q为关于预测方程中a0,a1的函数;
S63,将步骤S61中的预测方程带入步骤S62中构建的方程中,将函数Q分别对a0,a1求一阶导数,并且在零偏导之后的值为0,即:
S64,将步骤S63中的公式进行变换得到a0,a1关于x和y的表达式如下:
;
绘制横向垂深与产能的关系曲线,并利用绘制的横向垂深与产能的关系曲线得出最优的页岩气井型。
2.根据权利要求1所述的基于数据统计的页岩气水平井井型优选方法,其特征在于,在步骤S1中,所述累产气量数据包括30天累产气量、60天累产气量、90天累产气量、330天累产气量与EUR。
3.根据权利要求1所述的基于数据统计的页岩气水平井井型优选方法,其特征在于,在步骤S2中,所述计算单井的横向垂深采用如下公式:横向垂深=趾端垂深-跟端垂深。
4.根据权利要求1所述的基于数据统计的页岩气水平井井型优选方法,其特征在于,在步骤S2中,所述计算单井的平均垂深采用如下公式:平均垂深=(趾端垂深+跟端垂深)/2。
5.根据权利要求1所述的基于数据统计的页岩气水平井井型优选方法,其特征在于,在步骤S3中,所述选定主变量与次变量包括:选取横向垂深为主变量,选取上倾井型或下倾井型为次变量。
6.根据权利要求3所述的基于数据统计的页岩气水平井井型优选方法,其特征在于,在步骤S4中,根据平均垂深变化将所有气井划分到多个数据箱。
7.根据权利要求1所述的基于数据统计的页岩气水平井井型优选方法,其特征在于,在步骤S5中,包括数据可视化步骤,通过数据可视化分析不同数据箱内上倾井和下倾井的平均累产气量数据变化规律以及对比分析上倾井、下倾井对产能的影响规律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110905412.XA CN113837890B (zh) | 2021-08-09 | 2021-08-09 | 一种基于数据统计的页岩气水平井井型优选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110905412.XA CN113837890B (zh) | 2021-08-09 | 2021-08-09 | 一种基于数据统计的页岩气水平井井型优选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837890A CN113837890A (zh) | 2021-12-24 |
CN113837890B true CN113837890B (zh) | 2024-07-12 |
Family
ID=78963048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110905412.XA Active CN113837890B (zh) | 2021-08-09 | 2021-08-09 | 一种基于数据统计的页岩气水平井井型优选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837890B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104832166A (zh) * | 2015-03-20 | 2015-08-12 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩气水平井初期产能预测方法 |
CN109033541A (zh) * | 2018-07-02 | 2018-12-18 | 中国地质大学(北京) | 一种基于eur的压后页岩气藏非均质性评价方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214026A (zh) * | 2017-07-07 | 2019-01-15 | 中国石油天然气股份有限公司 | 一种页岩气水平井初期产能预测方法 |
CN107701172B (zh) * | 2017-09-22 | 2020-07-24 | 中石化石油工程技术服务有限公司 | 基于线性模型的页岩气水平井初期最高产能的预测方法 |
CN111322056B (zh) * | 2020-03-02 | 2021-06-11 | 中国石油大学(北京) | 陆相页岩气开发井型确定方法及装置 |
-
2021
- 2021-08-09 CN CN202110905412.XA patent/CN113837890B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104832166A (zh) * | 2015-03-20 | 2015-08-12 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩气水平井初期产能预测方法 |
CN109033541A (zh) * | 2018-07-02 | 2018-12-18 | 中国地质大学(北京) | 一种基于eur的压后页岩气藏非均质性评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113837890A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102041995B (zh) | 复杂油藏水淹状况监测系统 | |
CN112360411B (zh) | 基于图神经网络的局部井网注水开发优化方法 | |
CN107676064B (zh) | 一种水驱油藏含水率预测方法及其预测装置 | |
CN111456709A (zh) | 一种基于测井曲线的水平井多级压裂分段分簇方法 | |
CN115860197A (zh) | 一种基于数据驱动的煤层气产量预测方法及系统 | |
CN115438823A (zh) | 一种井壁失稳机制分析与预测方法及系统 | |
CN112049629B (zh) | 一种基于甲型水驱特征曲线的缝洞型油藏采收率预测方法 | |
CN114357766A (zh) | 一种长直井段井网整体体积压裂优化设计方法 | |
CN113837890B (zh) | 一种基于数据统计的页岩气水平井井型优选方法 | |
CN104948177A (zh) | 一种基于米产液指数统计特征规律的产能预测方法 | |
CN117216942A (zh) | 一种用于井位优化的生产潜力指数的建立方法 | |
CN114330005B (zh) | 一种立体开发井网的全局优化和决策方法 | |
CN108242025B (zh) | 基于信息熵-区间数的砂岩油藏注水开发效果评价方法 | |
CN111101930B (zh) | 一种气藏开发模式下单井开采提产潜力评价方法 | |
CN111079341B (zh) | 一种基于迭代算法的智能完井与油藏非稳态耦合方法 | |
CN111625925B (zh) | 一种基于色谱分离的三元复合驱注采优化方法 | |
CN113673771A (zh) | 一种页岩气水平井压裂分段方法 | |
CN113988382A (zh) | 一种基于集成学习的油田采收率预测方法 | |
CN113901378A (zh) | 压力梯度影响因素权重系数确定方法 | |
CN111428375A (zh) | 一种高含水油田层系重组划分新方法 | |
CN106646608B (zh) | 一种用于观测系统参数论证的层位模型建立方法 | |
CN115539026B (zh) | 一种复杂储层水平井初期产量融合预测方法 | |
CN114547748B (zh) | 一种水平井分段压裂技术施工方案优化设计方法及系统 | |
CN113818859B (zh) | 一种低渗透油藏的极限井距确定方法、判定方法与装置 | |
CN118036478B (zh) | 一种基于自适应差分进化的注水优化方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100007 No. 9 North Main Street, Dongcheng District, Beijing, Dongzhimen Applicant after: PetroChina Company Limited Address before: 100011 Beijing city Dongcheng District No. 16 Andrew Applicant before: PetroChina Company Limited |
|
GR01 | Patent grant | ||
GR01 | Patent grant |