CN115045644B - 一种基于生产数据快速预测页岩气井压裂液返排量的方法 - Google Patents
一种基于生产数据快速预测页岩气井压裂液返排量的方法 Download PDFInfo
- Publication number
- CN115045644B CN115045644B CN202210693920.0A CN202210693920A CN115045644B CN 115045644 B CN115045644 B CN 115045644B CN 202210693920 A CN202210693920 A CN 202210693920A CN 115045644 B CN115045644 B CN 115045644B
- Authority
- CN
- China
- Prior art keywords
- gas
- production
- yield
- time
- data
- 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
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开一种基于生产数据的快速预测页岩气井压裂液返排量的方法,包括现场数据的清理与筛选;对于前期数据引入递减权重,稳定气水比;通过生产过程中累计产气量与气水比数据,预测随产气量变化的气水比;通过预测合气水比变化趋势,结和累计产气量,从而预测随时间变化的压裂液返排率。本发明避免了常规页岩气井压裂液返排率计算所需的复杂建模以及精细量化分析,能够通过页岩气生产规律快速预测压裂液返排率,从而对现场生产作出指导。
Description
技术领域
本发明涉及油气田开发技术领域,特别涉及非常规天然气开发技术领域,具体是一种通过现场数据快速准确的评估致密砂岩气井压裂后压裂液返排率的方法。
背景技术
低渗透,超低渗透的非常规页岩气资源逐渐成为各国油气田的增产主体。水力压裂是页岩气井开发评价和增产改造采用的必要技术措施,在这个过程中,大量压裂液在基质及裂缝中向地层渗滤,随后在开发过程中随着气体返排。作为页岩气藏生产中的重要环节,压裂后压裂液返排率吸引了大量的关注,被认为是影响页岩气井产能的重要因素。因此,页岩气返排率的准确预测,对后续页岩气生产与产能评价有重要意义。
国内外的研究普遍认为压裂液返排率与多种因素相关,页岩对液体作用及压裂后返排机理尚无统一认识,且压裂液在页岩气储层中正负效应并存,同时压裂液的返排率的受控因素包括储层地质因素和工程因素,两者间互有影响。
现有对返排率预测的方法包括:1.简单的机理建模分析,忽视了压裂液对储层物性的影响,对测井数据精度要求高,由于无法准确测量压裂缝扩展范围等原因,预测结果不精确;2.使用人工智能,机器学习的方法,对生产数据、储层压裂数据中对应参数对返排率的影响权重通过神经网络模型预测,同样对测井数据精度要求高,且由于页岩气返排机理复杂,该方法不具普适性。因此,通过页岩气井生产特征作为切入点,相比传统建模和机器学习方法,具有流程更加简单,数据样本要求低,对页岩气井返排率的预测快速且精确的特点。
发明内容
针对上述问题,本发明旨在提供一种能够从现场生产数据预测页岩气返排过程中返排率的方法。相较于传统预测法方法,本发明不受储层测井数据精度及压裂缝拓展范围的限制,快速且精准。
本发明的技术方案如下:
一种基于页岩气生产数据的快速压裂液返排率预测的方法,包括以下步骤:
Step1:根据现场压裂施工报告及试油日报。筛选现场生产数据进行总结,收集压裂液总注入量以及对应时间步长下的产气量与产水量,计算累计产气量,产气量与产水量之比并剔除异常值;
Step2:对现场生产数据进行预处理:对于页岩气井见气后短期数据进行分析,对于页岩气井见气后短期数据进行分析,设定对应递减权重,对未使用固定油嘴稳定生产的数据,拟合指数递减权重
Step3:根据不同累计产气量分析生产数据中时间参数,根据时间步长将生产时间划分为N个无量纲时间常数,并计算无量纲时间下的累计产气量Gpcum与气水比GWRN。
Step4:分析处理后数据中对应无量纲时间下的累计产气量与气水比,分析二者间对数关系;
Step5:通过随页岩气井生产时累计产气量与气水比的对应关系,设定累计产气量步长,计算对应累计产气量步长下的返排率,从而预测返排率随累计产气量变化。
Step6:分析生产数据,若当前产气阶段为生产过程前期,则通过油嘴单项临界流方程,通过现场方案中设计油嘴尺寸估算临界流生产条件下的返排率;若页岩气井已经进入产量递减阶段,则通过产量递减方法估算随时间变化下的页岩气井产量,预测对应时间下的返排率。
更进一步地,所述Step1中压裂液总注入量为是指页岩气多段压裂施工方案中各段总注入水量之和,计算对应时间步长则根据现场记录的生产数据设置为每小时或每天。
更进一步地,所述Step2内对固定油嘴稳定生产的数据,选取合适的指数递减权重,设置对应时间步长内的权重计算公式为:
其中:T为未使用固定油嘴稳定生产的对应时间步长。
通过上述方程内获得的递减权重,对页岩气井产气后不稳定时间段内数据进行预处理,对应矩阵为:
其中:vi(i=1,2,...,T)是处理前对应时间步长的数据;It(t=1,2,...T)为处理后数据。
更进一步地,计算对应无量纲时间的累计产气量与气水比具体公式为:
其中:Gg为对应无量纲时间下的产气量;Gw为对应无量纲时间下的产水量;dt为选定时间步长;T与dt单位相同,可以为hrs或day。
更进一步地,所述Step3的具体过程为:分析生产数据中时间参数,根据时间步长将生产时间划分为N个无量纲时间常数,并计算无量纲时间下的累计产气量Gpcum与气水比GWRN,具体公式为:
式中,Gg为对应无量纲时间下的产气量。
式中,Gw为对应无量纲时间下的产水量;
其中N的计算如下:
N=T/dt (7)
式中:T为自页岩气井产气后生产时间;dt为选定时间步长;T与dt单位相同,可以为hrs或day
更进一步地,所述Step4的具体过程为:对Step3过程中获取的无量纲时间的下的累计产气量与气水比在作图,使用拟合公式拟合累计产气量与气水比曲线,获取参数A,B,对应公式为:
其中:GWRN为气水比,GpN为累计产气量;A,B为拟合参数
更进一步地,所述Step5的具体过程为:考虑返排率精度要求选取合适累计产气量预测范围,以预测时刻页岩气井生产资料中返排率与累计产气量为基础,根据累计产气量步长迭代计算对应返排率,返排率计算公式为:
其中:D为累计产气量预测范围;FBR1为预测时刻的现场返排率;Gwinj为压裂施工时液体注入量。
更进一步地,所述Step6具体过程为:
1.若处于生产过程前期,则参考页岩气井开发方案设计中油嘴尺寸通过油嘴拟单项流方程计算不同时间下对应临界产气量,设定时间步长通过迭代方法预测返排率,在已知累计产气量与返排率之间关系的基础上,通过下列公式计算不同时刻下的累计产气量:
其中:GPN为对应时刻下累计产气量;Cd为油嘴流量系数;
d(t)为对应时间下的油嘴直径;P(t)为对应时间下的油嘴上游压力;Fw为含液校正系数;R为油嘴上下游之间的压力之比;
2.若当前页岩气井处于非临界流状态下的生产后期,则根据产量递减方法预测产气量随时间的递减趋势,将累计产气量转换为对应生产时间:
其中:t1为生产前期截至时间,t2为预测时间,Gpt1为生产前期临界测试产量,n为递减趋势参数。
与现有技术相比,本发明所带来的有益技术效果表现在:
1、现有对页岩生产过程中压裂液返排率的评价方法复杂且不明确,在压裂过程中无法完全量化压裂液对储层正负的效应,且压裂过后压裂缝扩展尺寸不明,无法精准的计算对应返排率。本文所述基于压裂后生产数据的预测可以规避现有测井数据不精确以及压裂过程中正负效应的影响,高效且准确的预测返排率。
2、现有人工智能以及机器学习等技术预测页岩气返排率多是对返排率影响因素的挑选以及对权重的预测,其返排率预测方法是基于同区块数据通过神经网络得出,不具有普适性。美国Barnett页岩拥有60%的返排率,国内涪陵页岩气10-20%的返排率,甚至同平台页岩气井之间返排率也存在差异,因此,通过此方法获得的页岩气压后返排率预测不具有普适性。本文所述方法对于页岩气生产过程中气水比数据的总结,规避对于了页岩气特定返排特性的解释,经过国外barnett页岩,国内威远,长宁区块页岩气井验证,具有普适性。
附图说明:
图1为本发明方法的流程图
图2为本发明方法拟合数据与现场数据的对比
图3为本发明方法对施工井压裂液返排率的预测结果
具体实施方式
下面结合说明书附图,对本发明的技术方案做出进一步详细地阐述。显然,下述实施方式仅仅属于本发明技术方案一部分实施方式,而并非全部实施方式,本领域技术人员在本发明技术方案的基础上,不需要付出创造性劳动获得的实施方式,均属于本发明的保护范围。
实施例1
某区块A井,开采40天,气井见气26天,地层能量充足:
Step1:根据现场压裂施工报告及试油日报。对现场生产数据进行总结处理,收集对应时间步长下的产气量与产水量、套管压力、丹尼尔下压、油嘴等参数,计算累计产气量,产气量与产水量之比并剔除异常值:部分结果如表1所示:
表1:某区块A井剔除并异常值后的部分现场数据
Step2中对数据的预处理具体过程为:对于页岩气井见气后短期数据进行分析,对页岩气井产气后受更换油嘴等多种因素影响造成气量/水量不稳定增长的现象,设定对应递减权重,对未使用固定油嘴稳定生产的数据,选取合适的指数递减权重,对应时间步长内的权重计算公式为:
其中:T为未使用固定油嘴稳定生产的时间使用下列矩阵对页岩气产气后30-50天数据进行预处理:
其中:vi(i=1,2,...,T)是处理前的数据;It(t=1,2,...T)为处理后数据。
表2某区块A井不稳定油嘴生产数据权重值
表3某区块A井不稳定油嘴生产数据预处理部分计算矩阵
注:由于预处理矩阵数据较多,表3中仅列举出部分预处理矩阵数据,其中“…”表示有未列出数据。
表4某区块A井预处理后计算所得数据修正倍率
Step3:根据不同累计产气量分析生产数据中时间参数,设定一天作为时间步长,将生产时间划分为N个无量纲时间常数,并计算无量纲时间下的累计产气量GpcumN与气水比GWRN。本实例以半天作为选定时间步长,使用公式如下:
式中,Gg为对应无量纲时间下的累计产气量;Gw为对应无量纲时间下的产水量;N=T/dt
表5无量纲处理后的对应累计产气量和气水比
Step4:分析处理后数据中对应无量纲时间下的累计产气量与气水比,对应拟合公式为:
如说明书附图2,通过Python中Polyfit模块获取拟合对应参数A,B得出A区1井累产期量与气水比对应关系式为
Step5:通过Step4过程中获得的A井累产气量随气水比变化关系,,设定累计产气量步长为10万方,迭代计算预测累计产气量0-3000万方的返排率,返排率计算公式为:
如说明书附图3,通过计算对应返排率,作出累计产气量与返排率的曲
Step6:由于A井处于页岩气开发前期,地层能量充足,地面油嘴呈高气水比临界流状态,查询该井开发报告获取对应时刻计划油嘴尺寸,对应尺寸与施工天数为:8mm油嘴5天,9mm油嘴8天,10mm油嘴13天,11mm油嘴持续生产至产量衰竭。通过拟单项流方程,计算该油嘴对应工况下的流量以及对应时间下的累计产气量。在step5累计产气量与返排量图像的基础上,将对应累计产气量替换为对应生产时间,转换方程为:
结果如说明书附图3所示。
Claims (2)
1.一种基于生产数据快速预测页岩气井压裂液返排量的方法,其特征在于,使用lg-lg坐标分析现场井见气后累计产气量与气水比图像,得出随生产过程中累计产气量与气水比之间的关系,结合现场最新的产气量与产水量记录数据,从而通过累计产气量预测返排率,其步骤包括:
Step1:根据现场压裂施工报告及试油日报,对现场生产数据进行总结处理,收集对应时间步长下的产气量与产水量,计算累计产气量,产气量与产水量之比,并剔除异常值;
Step2:对现场生产数据进行预处理:对于页岩气井见气后短期数据进行分析,设定对应递减权重,对未使用固定油嘴稳定生产的数据,拟合指数递减权重,对应时间步长内的权重计算公式为:
其中:T为未使用固定油嘴稳定生产的时间;
使用下列矩阵对页岩气产气后30-50天数据进行预处理:
其中:vi(i=1,2,...,T)是处理前对应时间步长的数据;It(t=1,2,...T)为处理后数据;
Step3:根据不同累计产气量分析生产数据中时间参数,将生产时间划分为N个无量纲时间常数,并计算无量纲时间下的累计产气量Gpcum与气水比GWRN,具体公式为:
式中,Gg为对应无量纲时间下的产气量;
式中,Gw为对应无量纲时间下的产水量;
其中无量纲时间参数N的计算如下:
N=T/dt (4)
式中:T为自页岩气井产气后生产时间;dt为选定时间步长;T与dt单位相同,为hrs或day;
Step4:对Step3中获取的累计产气量与气水比作图,拟合累计产气量与气水比曲线,获取参数A,B,对应公式为:
其中,GWRN为气水比;GPN为累计产气量;A,B为拟合参数;
Step5:考虑返排率精度要求以及数据量,以预测时刻页岩气井生产资料中返排率与累计产气量为基础,依靠累计时间步长迭代计算对应返排率,返排率计算公式为:
其中,D为累计产气量预测范围;FBRn为预测时刻的现场返排率;Gwinj为压裂施工时液体注入量;
Step6:分析生产数据,若当前产气阶段为生产过程前期,则通过油嘴单项临界流方程,估算临界流生产条件下的返排率;若页岩气井已经进入产量递减阶段,则通过产量递减方法估算随时间变化的页岩气井产量,根据预测对应时间下累计产气量计算返排率,具体过程为:
Step601:若处于生产过程前期,则参考页岩气井开发方案设计中油嘴尺寸通过油嘴拟单项流方程计算不同时间下对应临界产气量,设定时间步长通过迭代方法预测返排率,在已知累计产气量与返排率之间关系的基础上,通过下列公式计算不同时刻下的累计产气量:
其中:GPN为对应时刻下累计产气量;Cd为油嘴流量系数;d(t)为对应时间下的油嘴直径;P(t)为对应时间下的油嘴上游压力;Fw为含液校正系数;R为油嘴上下游之间的压力之比;
Step602:若当前页岩气井处于非临界流状态下的生产后期,则根据产量递减方法预测产气量随时间的递减趋势,将累计产气量转换为对应生产时间;
其中:t1为生产前期截至时间,t2为预测时间,Gpt1为生产前期临界测试产量,n为递减趋势参数。
2.根据权利要求1中所述一种基于生产数据快速预测页岩气井压裂液返排量的方法,其特征在于,所述Step1中,对应的时间步长依据现场记录生产数据设定为每小时或每天,最终获得资料包括产气量,产水量,气水比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210693920.0A CN115045644B (zh) | 2022-06-19 | 2022-06-19 | 一种基于生产数据快速预测页岩气井压裂液返排量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210693920.0A CN115045644B (zh) | 2022-06-19 | 2022-06-19 | 一种基于生产数据快速预测页岩气井压裂液返排量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115045644A CN115045644A (zh) | 2022-09-13 |
CN115045644B true CN115045644B (zh) | 2023-05-26 |
Family
ID=83163932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210693920.0A Active CN115045644B (zh) | 2022-06-19 | 2022-06-19 | 一种基于生产数据快速预测页岩气井压裂液返排量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115045644B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502553B (zh) * | 2023-04-04 | 2023-12-05 | 中国石油大学(北京) | 非常规油气藏裂缝堵塞表皮系数及裂缝参数的反演方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU5321079A (en) * | 1978-11-28 | 1980-05-29 | E.I. Du Pont De Nemours And Company | Fracturing rock |
CN108959679A (zh) * | 2018-03-19 | 2018-12-07 | 中国石油天然气股份有限公司 | 一种页岩气井压裂效果的评价方法和评价装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017035370A1 (en) * | 2015-08-27 | 2017-03-02 | Baker Hughes Incorporated | Methods and materials for evaluating and improving the production of geo-specific shale reservoirs |
CN104863560A (zh) * | 2015-03-09 | 2015-08-26 | 东方宝麟科技发展(北京)有限公司 | 用于页岩气开采的宽网压裂方法 |
CN110206522B (zh) * | 2019-06-10 | 2019-12-20 | 西南石油大学 | 一种页岩气藏压裂水平井压裂液返排模拟方法 |
CN111535792B (zh) * | 2020-06-19 | 2020-09-22 | 西南石油大学 | 一种页岩气井返排率预测方法 |
CN112593901B (zh) * | 2021-03-03 | 2021-07-27 | 西南石油大学 | 页岩气井全生产周期生产制度与排采工艺智能优化方法 |
CN114048695B (zh) * | 2021-11-10 | 2022-09-09 | 西南石油大学 | 一种基于返排数据的页岩气有效缝网体积反演方法 |
CN114595504B (zh) * | 2022-03-09 | 2023-03-10 | 西南石油大学 | 一种页岩气藏压裂水平井产出剖面反演解释方法 |
-
2022
- 2022-06-19 CN CN202210693920.0A patent/CN115045644B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU5321079A (en) * | 1978-11-28 | 1980-05-29 | E.I. Du Pont De Nemours And Company | Fracturing rock |
CN108959679A (zh) * | 2018-03-19 | 2018-12-07 | 中国石油天然气股份有限公司 | 一种页岩气井压裂效果的评价方法和评价装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115045644A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107989588B (zh) | 利用环保型示踪剂测试水平井各段油气水剖面方法及系统 | |
CN110541704B (zh) | 一种利用示踪剂评价致密油多段压裂井分段产水量的方法 | |
CN107676064A (zh) | 一种水驱油藏含水率预测方法及其预测装置 | |
CN115045644B (zh) | 一种基于生产数据快速预测页岩气井压裂液返排量的方法 | |
CN108843303B (zh) | 一种基于泥岩蠕变模型的油水井套管损坏预测方法 | |
CN106204304A (zh) | 一种砾岩油藏聚驱相对渗透率曲线的确定方法 | |
CN104899411A (zh) | 一种储层产能预测模型建立方法和系统 | |
CN104346511A (zh) | 一种全新的油藏动态监测方法及装置 | |
CN109815543A (zh) | 计算气田动态储量的方法 | |
CN106014365B (zh) | 一种预测水驱开发油田产量递减率的方法 | |
CN107035328B (zh) | 一种控压钻井节流回压控制的方法 | |
CN113445988A (zh) | 一种低渗碳酸盐岩气藏气井产能评价方法 | |
CN204877437U (zh) | 基于差压法在线计量非抽油机井液量的装置 | |
CN116976519A (zh) | 一种页岩油藏单井可采储量预测方法及系统 | |
CN113486538B (zh) | 一种非常规油气井产量预测及压裂效果评价方法 | |
RU2240422C2 (ru) | Способ оптимизации процесса извлечения нефти из пласта | |
CN106227995A (zh) | 页岩气藏单井产能计算方法 | |
CN114502818A (zh) | 自主式流体系统 | |
CN112253102B (zh) | 油井套管放气压力的确定方法和装置 | |
CN111878072A (zh) | 一种基于流态识别外推法的页岩气井eur计算方法 | |
RU2301326C1 (ru) | Способ регулирования разработки нефтяного месторождения | |
CN113107464B (zh) | 一种水平井步进式水淹层识别测井方法 | |
CN111914494B (zh) | 一种致密储层水平井压后压裂液返排率预测方法及系统 | |
CN109630093A (zh) | 一种用于油田测井中的流量测试方法 | |
RU2548460C1 (ru) | Способ управления системой отборов и воздействий на кусте скважин |
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 |