CN115660294A - 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 - Google Patents
水平井全生命周期eur跟踪评价方法、设备及可读储存介质 Download PDFInfo
- Publication number
- CN115660294A CN115660294A CN202211653539.8A CN202211653539A CN115660294A CN 115660294 A CN115660294 A CN 115660294A CN 202211653539 A CN202211653539 A CN 202211653539A CN 115660294 A CN115660294 A CN 115660294A
- Authority
- CN
- China
- Prior art keywords
- matrix
- well
- eur
- data
- yield
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 87
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000003247 decreasing effect Effects 0.000 claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 claims abstract description 52
- 238000012360 testing method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000005553 drilling Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 142
- 238000010276 construction Methods 0.000 claims description 29
- 230000000704 physical effect Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 239000003129 oil well Substances 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims 1
- 229910052500 inorganic mineral Inorganic materials 0.000 claims 1
- 239000011707 mineral Substances 0.000 claims 1
- 239000005416 organic matter Substances 0.000 claims 1
- 230000032696 parturition Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 14
- 238000007599 discharging Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000969729 Apteryx rowi Species 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Algebra (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水平井全生命周期EUR跟踪评价方法、设备及可读储存介质,涉及油气开发技术领域。本发明对非常规油气藏压裂水平井开展生命周期阶段划分,针对非常规油气藏压裂水平井在钻井压裂阶段、排采测试阶段、快速递减阶段和低压小产阶段的生产动态特征,分别给出了不同生命周期阶段对应的EUR评价步骤,建立了非常规油气藏压裂水平井从钻井到废弃整个生命周期的EUR跟踪评价流程。本发明的循环跟踪评价可不断提升整个水平井区块的EUR评价精度,避免了盲目使用EUR评价方法和一次性评价EUR对油气田开发方案的影响。同时其操作简便,可以使得水平井在全生命周期得到有序的EUR跟踪评价,有利于非常规油气资源合理高效开发。
Description
技术领域
本发明涉及油气开发技术领域,具体为水平井全生命周期EUR跟踪评价方法、设备及可读储存介质。
背景技术
EUR表示油气井在整个生命周期的累计产量,其准确评估对于油气资源经济高效开发具有重要作用。通过预测油气井EUR,可以掌握油气井生产动态趋势,知道油气井未来的生产潜力,有助于制定合理的油气田开发方案。
水平井和体积压裂技术使得非常规油气藏的经济高效开发成为可能,但是一些新的难题和挑战也随之而来。非常规油气藏压裂水平井生产动态规律复杂,评价其EUR存在较大困难。
研究者们针对EUR评价方法开展了大量研究工作。目前,尽管发展出了较多的非常规油气藏压裂水平井EUR评价方法,但这些方法在现场中基本都是一次性应用,缺少对非常规油气藏压裂水平井整个生命周期的EUR跟踪评价研究,没有根据非常规油气藏压裂水平井不同生命周期阶段的实际生产特征开展针对性评价。鉴于非常规油气藏压裂水平井EUR的重要性,有必要开展其全生命周期EUR跟踪评价方法研究工作,指导非常规油气资源经济高效开发。
发明内容
为解决至少一个上述问题,本发明提出了一种水平井全生命周期EUR跟踪评价方法,其能够有效的对非常规油气藏压裂水平井全生命周期的EUR值进行跟踪评价,进而能够对实际生产进行指导开发。
本发明的技术方案为:一种水平井全生命周期EUR跟踪评价方法,包括以下步骤:
S1、获取目标井的储层物性参数和工程施工参数,将目标井所在区块开井时间超过300天的其余井作为参考井,并获取参考井的储层物性参数、工程施工参数和EUR值;
S2、对目标井进行生命周期划分:
当目标井不存在生产数据,则判断其为钻井压裂阶段;
当目标井的开井时间小于等于15天,或,目标井的产量在开井以后表现为持续增加,则判断其为排采测试阶段;
当目标井产量先增加后下降,且其当前产量与最大产量的时间间隔不大于30天,则判断其为快速递减阶段;
当目标井产量先增加后下降,且其当前产量与最大产量的时间间隔大于30天,采用Arps递减模型对从最大产量时间到当前时间的生产数据进行拟合,并计算当前时间的产量递减率,如果当前时间的产量递减率大于0.002d-1,则判断其为快速递减阶段;如果当前时间的产量递减率小于0.002d-1,则判断其为低压小产阶段;
S3、根据目标井的生命周期,进行EUR评价;
S4、每间隔一段时间,重复S1~S3,直至目标井废弃;间隔时间不小于15天。
本发明的另一个目的是公开一种设备,该设备包括
处理器,以及
获取模块,用于获取目标井的储层物性参数和工程施工参数,以及参考井的储层物性参数、工程施工参数和EUR值,
储存模块,所述储存模块上储存有可在所述处理器上运行的用于水平井全生命周期EUR跟踪评价的程序,所述用于水平井全生命周期EUR跟踪评价的程序被所述处理器执行时实现上述的方法的步骤。
本发明的另一个目的是公开一种计算机可读储存介质,其内储存有处理器可执行的程序代码,所述计算机可读储存介质包括多条指令,所述多条指令被配置为使处理器执行权利上述的水平井全生命周期EUR跟踪评价方法。
有益效果:结合生产动态数据对非常规油气藏压裂水平井开展生命周期阶段划分,针对非常规油气藏压裂水平井在钻井压裂阶段、排采测试阶段、快速递减阶段和低压小产阶段的生产动态特征,分别给出了不同生命周期阶段对应的EUR评价步骤,建立了水平井从钻井到废弃整个生命周期的EUR跟踪评价流程。
同时,循环跟踪评价可不断提升整个采油区块的EUR评价精度,避免了盲目使用EUR评价方法和一次性评价EUR对油气田开发方案的影响。本发明方法操作简便,可以使得水平井在全生命周期得到有序的EUR跟踪评价,同时,根据每个阶段的评价结果,能够指导该阶段的油气井开发,有利于非常规油气资源合理高效开发。
附图说明
图1为实施例1的方法的流程图;
图2为实施例1中目标井排采测试阶段和快速递减阶段划分示意图;
图3为实施例1中目标井快速递减阶段和低压小产阶段划分示意图;
图4为目标井所在区块多因素产能模型预测EUR与实际EUR对比图;
图5为目标井所在区块测试产量回归模型预测EUR与实际EUR对比图;
图6为目标井快速递减阶段井底流压拟合图;
图7为目标井快速递减阶段产量拟合图;
图8为目标井开井1273天时的Duong递减模型拟合结果图;
图9为目标井在不同生产时间下的EUR跟踪评价结果。
具体实施方式
下面将结合实例及附图对本发明的具体实施方式进行清楚、完整地描述,显然,所描述的实例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例1
如图1所示,水平井全生命周期EUR跟踪评价方法,包括:
S1、获取目标井的储层物性参数和工程施工参数,将目标井所在区块开井时间超过300天的其余井作为参考井,并获取参考井的储层物性参数、工程施工参数和EUR值;
具体的,储层物性参数包括孔隙度、渗透率、含油饱和度、含气饱和度、含水饱和度、储层有效厚度;其可以采用如下方法获取储层物性参数:可通过获取的井下岩心,按照国家标准《GB/T 29172-2012 岩心分析方法》开展相关实验,测量岩心的孔隙度、渗透率、含油饱和度、含气饱和度和含水饱和度;根据随钻测井数据获取储层有效厚度。
工程施工参数包括井眼轨迹数据、油套管数据、最大垂深、水平段长、压裂长度、压裂段数、平均段间距、总加砂量、总用液量、加砂强度、用液强度、单段砂量、单段液量、峰值泵压、停泵压力、峰值泵排量。
之所以需要提供上述参数,是由于这些参数和一口井的EUR值都是具有相应的关系,而对于不同区块的井来说,上面这些参数对EUR值的影响有大有小,因此需要提供更加充分的参数以供选择。
S2、对目标井进行生命周期划分:
当目标井不存在生产数据,则判断其为钻井压裂阶段;
当目标井的开井时间小于等于15天,或,目标井的产量在开井以后表现为持续增加,则判断其为排采测试阶段;
当目标井产量先增加后下降,且其当前产量与最大产量的时间间隔不大于30天,则判断其为快速递减阶段;
当目标井产量先增加后下降,且其当前产量与最大产量的时间间隔大于30天,采用Arps递减模型对从最大产量时间到当前时间的生产数据进行拟合,并计算当前时间的产量递减率,如果当前时间的产量递减率大于0.002d-1,则判断其为快速递减阶段;如果当前时间的产量递减率小于0.002d-1,则判断其为低压小产阶段。此处所指的当前时间的产量递减率,是指将某一天的产量和与其前一天的产量的差值,与前一天产量的比。
同时,在本步骤中,计算产量时,需要遵循以下原则:对于油井,其产量需要将油井的产气量换算为相应的产油量并与实际产油量进行相加得到;对于气井,其产量需要将气井的凝析油产量换算为相应的气量并与实际产气量进行相加得到。油气换算属于本领域常规知识,因此对其具体过程不予赘述。
在计算当前时间的产量递减率时,采用Arps递减模型进行计算;如果直接采用真实产量数据计算递减率,会因为真实产量的上下波动使得计算得到的递减率变化剧烈,难以反应产量递减趋势;采用Arps递减模型对从最大产量到当前时间的生产数据进行拟合,从而计算得出当前时间的产量递减率,Arps递减模型如下所示:
式中,q为产量,单位为:m3;q i(Arps)为Arps递减模型的参考产量,单位为:m3;D i为递减初期的递减率,单位为:d-1;t i 为最大产量对应的开井时间,单位为:d;n为递减指数,无因次;t为开井时间,单位为:d。
S3、根据目标井的生命周期,进行EUR评价;
在该过程中,对于目标井的不同生命周期,采用不同的方法对其EUR进行评价。
当目标井的生命周期为钻井压裂阶段时,采用以下步骤评价其EUR产量:
S301、将储层物性参数和工程施工参数记为评价因素;针对参考井,将其评价因素数据组成矩阵,将其EUR数据组成矩阵,其中,s表示选取的评价因素数量,k表示参考井的数量;同时,表示第j口井的第i个评价因素取值;表示第j口井的EUR值;j = 1, 2, ... , k,i = 1, 2, ... , s;
S305、选取S304中相关度大于0.7的储层物性参数和工程施工参数,记为潜在影响因素;将目标井以及参考井的潜在影响因素数据组成矩阵,m表示潜在影响因素数量,k为参考井的数量,表示第d口井的第y个潜在影响因素取值,d = 1, 2, ..., k, k+1,y = 1, 2, ... , m;矩阵的前k列为参考井的潜在影响因素数据,第k+1列为目标井的潜在影响因素数据;
计算出矩阵每行的方差,y = 1, 2, ... , m,并求出方差和FCH,其中;按照每行的方差大小对矩阵的元素进行降序排列;令,为矩阵中第y行数据对原始数据信息的贡献率,此时,保留矩阵中对原始数据信息的累计贡献率超过90%的前w行数据,得到矩阵为;
S307、构建目标井所在区块的EUR评价多因素产能模型,具体表达式如下:
式中,t = 1, 2, ... , w,w为矩阵的行数;d = 1, 2, ... , k, k+1,k表示参考井的数量;为预测得到的第d口井的EUR值,单位为:m3;和为目标井所在区块的EUR评价多因素产能模型参数,为常量;为矩阵中第t行第d列的数据;
当目标井为排采测试阶段时,通过以下步骤评价其EUR值:
S311、每隔一天重复S2,直至排采测试阶段结束,计算目标井的排采测试阶段返排率以及开井测试产量;
S312、将储层物性参数和工程施工参数记为评价因素;针对参考井,将其评价因素数据组成矩阵,将其EUR数据组成矩阵,其中,s表示选取的评价因素数量,k表示参考井的数量;同时,表示第j口井的第i个评价因素取值;表示第j口井的EUR值;j = 1, 2, ... , k,i = 1, 2, ... , s;
S316、选取S315中相关度大于0.7的储层物性参数和工程施工参数,记为潜在影响因素;将目标井以及参考井的潜在影响因素数据组成矩阵,m表示潜在影响因素数量,k为参考井的数量,表示第d口井的第y个潜在影响因素取值,d = 1, 2, ..., k, k+1,y = 1, 2, ... , m;矩阵的前k列为参考井的潜在影响因素数据,第k+1列为目标井的潜在影响因素数据;
计算出矩阵每行的方差,y = 1, 2, ... , m,并求出方差和FCH,其中;按照每行的方差大小对矩阵的元素进行降序排列;令,为矩阵中第y行数据对原始数据信息的贡献率,此时,保留矩阵中对原始数据信息的累计贡献率超过90%的前w行数据,得到矩阵为;
S318、构建目标井所在区块的EUR评价测试产量回归模型,具体表达式如下:
式中,t = 1, 2, ... , w,w为矩阵的行数;d = 1, 2, ... , k, k+1,k表示参考井的数量;为预测得到的第d口井的EUR值,单位为:m3;、、和为目标井所在区块的EUR评价多因素产能模型参数,为常量;为矩阵中第t行第d列的数据;表示第d口井的开井测试产量,单位为:m3;表示第d口井的排采测试阶段返排率;
S319、根据矩阵前k列数据以及参考井的EUR值、开井测试产量数据和排采测试阶段返排率数据,对EUR评价测试产量回归模型进行求解,最终带入目标井的参数,即矩阵第k+1列数据以及目标井的开井测试产量数据和排采测试阶段返排率数据,可获得目标井的EUR值。
当目标井为快速递减阶段时,采用常规商业软件对其EUR进行评价,所述常规商业软件包括Harmony软件,当采用Harmony软件时,其步骤如下所示:
S321、将目标井的储层物性参数、工程施工参数和生产动态数据导入商业软件Harmony中;
S322、采用商业软件Harmony中的五线性流复杂裂缝不稳定渗流模型求解器模块进行目标井的生产历史拟合,鉴于在储层物性参数和工程施工参数收集过程中,部分参数受到人为因素或者测量设备精度影响并不准确,可以通过生产历史拟合过程进一步调整和确定目标井的储层物性参数和工程施工参数;
S323、基于步骤S322中生产历史拟合完成后得到的目标井的储层物性参数和工程施工参数,采用商业软件Harmony中的产能预测模块,设定先定产后定压的方式模拟目标井的生产动态过程,最终获得目标井的EUR。
当目标井为低压小产阶段时,采用以下步骤评价其EUR值:
S331、采用拉依达准则对最大产量之后的数据进行判断,找出异常数据点;并采用指数滑动平均法对标记的异常数据点进行填补;
S332、将填补后的低压小产阶段的产量数据均分为两段,将前半段数据和最大产量到低压小产阶段的产量数据记为拟合数据集,将低压小产阶段的产量数据记为验证数据集;其中,前半段数据和后半段数据可以是平均划分,也可以是非平均划分,当其为非平均划分时,前半段数据多于后半段数据,比如两者的比例可以为7:3或8:2;
S333、采用Duong递减模型、SEDM递减模型、PLE递减模型、Arps递减模型、Li递减模型和M-L递减模型对拟合数据集进行模型拟合,并根据验证数据集中模型计算的产量和实际产量的误差筛选出最优递减模型;这些模型都是现有技术,因此对其不予赘述。在实际生产过程中,对于不同的井,其筛选出的最优递减模型不同,比如在一些情况下,最优模型可能是Duong递减模型,在另一些情况下,最优模型可能是Li递减模型,因此,本实施例中根据实际情况选用不同的递减模型,和实际情况更加符合,避免常规情况下仅采用单一的递减模型时难以广泛应用的问题。
S334、根据S333中筛选出的最优递减模型,带入目标井的数据,最终计算得出目标井的EUR值。
S4、每间隔一端时间,重复S1~S3,直至目标井废弃;间隔时间不小于15天。以保持在整个生命周期内对目标井进行跟踪评价。
在本实施例中,参考井的EUR值,其同样可采用本实施例的方法进行计算获得,当参考井的EUR值计算越多、结果越准确,那么目标井的的EUR值的评价越准确。当目标井开井时间超过300天后,可将目标井作为所在区块其余井的参考井,用于EUR评价。在本实施例中,目标井的EUR值可以反过来作为其余井的EUR值的评估基础,因此,本实施例的方法,能够使得目标井所在区块的整体评价结果越来越精确,是一个不断进化的评价进程。
为了进一步对本实施例的方法进行说明,下面采用具体的例子。
本实施例中的目标井来自四川盆地某页岩气藏,参考井共计38口,获取了它们的储层物性参数、工程施工参数、EUR值、开井测试产量和排采测试阶段返排率,统计情况如表1所示。
表1 参考井的参数统计表
该目标井目前开井时间为1572天,在开井17天达到最大产量,根据本发明中提出的方法对其进行生命周期阶段划分,开井0至17天为排采测试阶段,开井18至571天为快速递减阶段,开井572天以后为低压小产阶段,如图2和图3所示,图2中,虚线为排采测试阶段和快速递减阶段的分界线;图3中,虚线为快速递减阶段和低压小产阶段的分界线。
当目标井处于钻井压裂阶段时,开展EUR评价如下:分析了38口参考井的储层物性参数、工程施工参数和EUR值的相关度,结果表明除去停泵压力外,其余的储层物性参数、工程施工参数与EUR值的相关度均超过0.7;进一步对选取的19种潜在影响因素开展数据降维,最终降维后得到的数据矩阵为,该矩阵中仅用8个数据即可保留原始19个数据92.8%的信息,实现了分析数据维数的大幅降低;
构建目标井所在区块的多因素产能评价模型,求解得到其表达式如下:
上式中,为数据矩阵第d列中的第1至第8行元素;将数据矩阵第39列的数据带入获得的模型,求得目标井的EUR为1.47亿方。其余38口井的模型预测EUR与实际EUR对比见图4,拟合得到其线性相关系数为0.434。
上式中,,,... , 为数据矩阵第d列中的第1至第8行元素;Qtest(d)表示第d口井的开井测试产量,单位为:m3;Rback(d)表示第d口井的排采测试阶段返排率;将数据矩阵第39列的数据、目标井的开井测试产量和排采测试阶段返排率带入获得的模型,求得目标井的EUR为1.47亿方。其余38口井的模型预测EUR与实际EUR对比见图5,拟合得到其线性相关系数为0.856。可见,随着排采测试数据的加入,所构建的模型精确度得到了提升。
在开井140天、250天、360天、470天、580天分别开展递减率计算,前面4次计算得到的递减率均大于0.002d-1,在第580天计算得到的递减率小于0.002d-1,计算发现在开井473天处是快速递减阶段截止时间点。采用Harmony商业软件对开井140天、250天、360天、470天的数据进行求解,得到EUR分别为1.95亿方、1.45亿方、1.47亿方和1.44亿方。图6和图7展示了开井470天时的拟合数据。
对于473天以后的低压小产阶段数据,每隔100天开展一次EUR评价。表2展示了不同开井天数下的递减模型排序结果,所有天数下的优选结果均为Duong递减模型,图8展示了开井1273天时的Duong模型拟合产量与实际产量对比情况。本实施例中的废弃条件为开井生产20年。图9中展示在目标井不同时间采用本发明方法跟踪评价的EUR,可以看到开井时间的增加,评估得到的EUR趋于稳定。在140天的时候,评估得到的EUR为1.95亿方,明显比其余时间的要大,可能造成对气井的误判,这说明我们在评价EUR时需要进行跟踪评价,才能更加科学全面掌握油气井的情况。
表2 低压小产阶段不同时间下的模型优选和EUR评估结果
注:上表中EUR值由Duong模型拟合所得。
本发明所提供的水平井全生命周期EUR跟踪评价方法,结合生产动态数据对非常规油气藏压裂水平井开展生命周期阶段划分,针对非常规油气藏压裂水平井在钻井压裂阶段、排采测试阶段、快速递减阶段和低压小产阶段的生产动态特征,分别给出了不同生命周期阶段对应的EUR评价步骤,建立了非常规油气藏压裂水平井从钻井到废弃整个生命周期的EUR跟踪评价流程,循环跟踪评价可不断提升整个非常规油气藏压裂水平井的EUR评价精度,避免了盲目使用EUR评价方法和一次性评价EUR对油气田开发方案的影响。本发明方法操作简便,可以使得非常规油气藏压裂水平井在全生命周期得到有序的EUR跟踪评价,有利于非常规油气资源合理高效开发。
实施例2
一种设备,包括
处理器,以及
获取模块,用于获取目标井的储层物性参数和工程施工参数,以及参考井的储层物性参数、工程施工参数和EUR值,
储存模块,所述储存模块上储存有可在所述处理器上运行的用于水平井全生命周期EUR跟踪评价的程序,所述用于水平井全生命周期EUR跟踪评价的程序被所述处理器执行时实现如实施例1所述的方法。
输出模块,用于输出计算结果。
实施例3
计算机可读储存介质,其内储存有处理器可执行的程序代码,所述计算机可读储存介质包括多条指令,所述多条指令被配置为使处理器执行如实施例1所示的方法。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.水平井全生命周期EUR跟踪评价方法,其特征在于,包括:
S1、获取目标井的储层物性参数和工程施工参数,将目标井所在区块开井时间超过300天的其余井作为参考井,并获取参考井的储层物性参数、工程施工参数和EUR值;
S2、对目标井进行生命周期划分:
当目标井不存在生产数据,则判断其为钻井压裂阶段;
当目标井的开井时间小于等于15天,或,目标井的产量在开井以后表现为持续增加,则判断其为排采测试阶段;
当目标井产量先增加后下降,且其当前产量与最大产量的时间间隔不大于30天,则判断其为快速递减阶段;
当目标井产量先增加后下降,且其当前产量与最大产量的时间间隔大于30天,采用Arps递减模型对从最大产量时间到当前时间的生产数据进行拟合,并计算当前时间的产量递减率,如果当前时间的产量递减率大于0.002d-1,则判断其为快速递减阶段;如果当前时间的产量递减率小于0.002d-1,则判断其为低压小产阶段;
S3、根据目标井的生命周期,进行EUR评价;
S4、每间隔一段时间,重复S1~S3,直至目标井废弃;间隔时间不小于15天。
2.根据权利要求1所述的方法,其特征在于,所述S1中,储层物性参数包括孔隙度、渗透率、含油饱和度、含气饱和度、含水饱和度、储层有效厚度;工程施工参数包括井眼轨迹数据、油套管数据、最大垂深、水平段长、压裂长度、压裂段数、平均段间距、总加砂量、总用液量、加砂强度、用液强度、单段砂量、单段液量、峰值泵压、停泵压力、峰值泵排量;当目标井为页岩气井时,储层物性参数还包括有机质含量、含气量、脆性矿物含量。
3.根据权利要求1所述的方法,其特征在于,所述S2中,确定产量时,对于油井,当存在产气情况时,将产气量换算为相应的产油量并叠加到产量上;对于气井,当存在产凝析油情况时,将产油量换算为相应的产气量并叠加到产量上。
4.根据权利要求1所述的方法,其特征在于,所述S3中,目标井的生命周期为钻井压裂阶段时,采用以下步骤评价其EUR值:
S301、将储层物性参数和工程施工参数记为评价因素;针对参考井,将其评价因素数据组成矩阵,将其EUR数据组成矩阵,其中,s表示选取的评价因素数量,k表示参考井的数量;同时,表示第j口井的第i个评价因素取值;表示第j口井的EUR值;j = 1, 2, ... , k,i = 1, 2, ... , s;
S305、选取S304中相关度大于0.7的储层物性参数和工程施工参数,记为潜在影响因素;将目标井以及参考井的潜在影响因素数据组成矩阵,m表示潜在影响因素数量,表示第d口井的第y个潜在影响因素取值,d = 1, 2, ... , k, k+1,y= 1, 2, ... , m;矩阵的前k列为参考井的潜在影响因素数据,第k+1列为目标井的潜在影响因素数据;
计算出矩阵每行的方差,y = 1, 2, ... , m,并求出方差和FCH,其中;按照每行的方差大小对矩阵的元素进行降序排列;令,为矩阵中第y行数据对原始数据信息的贡献率,此时,保留矩阵中对原始数据信息的累计贡献率超过90%的前w行数据,得到矩阵为;
S307、构建目标井所在区块的EUR评价多因素产能模型,具体表达式如下:
式中,t = 1, 2, ... , w,w为矩阵的行数;d = 1, 2, ... , k, k+1,为预测得到的第d口井的EUR值,单位为:m3;和为目标井所在区块的EUR评价多因素产能模型参数,为常量;为矩阵中第t行第d列的数据;
5.根据权利要求1所述的方法,其特征在于,所述S3中,当目标井的生命周期为排采测试阶段时,采用以下步骤评价其EUR值:
S311、每隔一天重复S2,直至排采测试阶段结束,计算目标井的排采测试阶段返排率以及开井测试产量;
S312、将储层物性参数和工程施工参数记为评价因素;针对参考井,将其评价因素数据组成矩阵,将其EUR数据组成矩阵,其中,s表示选取的评价因素数量,k表示参考井的数量;同时,表示第j口井的第i个评价因素取值;表示第j口井的EUR值;j = 1, 2, ... , k,i = 1, 2, ... , s;
S316、选取S315中相关度大于0.7的储层物性参数和工程施工参数,记为潜在影响因素;将目标井以及参考井的潜在影响因素数据组成矩阵,m表示潜在影响因素数量,k为参考井的数量,表示第d口井的第y个潜在影响因素取值,d = 1, 2, ... ,k, k+1,y = 1, 2, ... , m;矩阵的前k列为参考井的潜在影响因素数据,第k+1列为目标井的潜在影响因素数据;
计算出矩阵每行的方差,y = 1, 2, ... , m,并求出方差和FCH,其中;按照每行的方差大小对矩阵的元素进行降序排列;令,为矩阵中第y行数据对原始数据信息的贡献率,此时,保留矩阵中对原始数据信息的累计贡献率超过90%的前w行数据,得到矩阵为;
S318、构建目标井所在区块的EUR评价测试产量回归模型,具体表达式如下:
式中,t = 1, 2, ... , w,w为矩阵的行数;d = 1, 2, ... , k, k+1,k表示参考井的数量;为预测得到的第d口井的EUR值,单位为:m3;、、和为目标井所在区块的EUR评价多因素产能模型参数,为常量;为矩阵中第t行第d列的数据;表示第d口井的开井测试产量,单位为:m3;表示第d口井的排采测试阶段返排率;
6.根据权利要求1所述的方法,其特征在于,所述S3中,当目标井的生命周期为快速递减阶段时,采用常规商业软件对其EUR进行评价,所述常规商业软件包括Harmony软件。
7.根据权利要求1所述的方法,其特征在于,所述S3中,当目标井的生命周期为低压小产阶段时,采用以下步骤评价其EUR值:
S331、采用拉依达准则对最大产量之后的数据进行判断,找出异常数据点;并采用指数滑动平均法对标记的异常数据点进行填补;
S332、将填补后的低压小产阶段的产量数据均分为两段,将前半段数据和最大产量到低压小产阶段的产量数据记为拟合数据集,将低压小产阶段的产量数据记为验证数据集;
S333、采用Duong递减模型、SEDM递减模型、PLE递减模型、Arps递减模型、Li递减模型和M-L递减模型对拟合数据集进行模型拟合,并根据验证数据集中模型计算的产量和实际产量的误差筛选出最优递减模型;
S334、根据S333中筛选出的最优递减模型,带入目标井的数据,最终计算得出目标井的EUR值。
8.根据权利要求1所述的方法,其特征在于,当目标井开井时间超过300天后,将目标井作为所在区块其余井的参考井,用于EUR评价。
9.一种设备,其特征在于,包括
处理器,以及
获取模块,用于获取目标井的储层物性参数和工程施工参数,以及参考井的储层物性参数、工程施工参数和EUR值,
储存模块,所述储存模块上储存有可在所述处理器上运行的用于水平井全生命周期EUR跟踪评价的程序,所述用于水平井全生命周期EUR跟踪评价的程序被所述处理器执行时实现如权利要求1-8任一项所述的方法的步骤,
输出模块,用于输出计算结果。
10.计算机可读储存介质,其内储存有处理器可执行的程序代码,其特征在于,所述计算机可读储存介质内储存有多条指令,所述多条指令被配置为使处理器执行权利要求1-8任一项所述的水平井全生命周期EUR跟踪评价方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211653539.8A CN115660294B (zh) | 2022-12-22 | 2022-12-22 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
PCT/CN2023/096727 WO2024130959A1 (zh) | 2022-12-22 | 2023-05-29 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
US18/355,372 US20240209733A1 (en) | 2022-12-22 | 2023-07-19 | Method, equipment, and readable storage medium for tracking and evaluating the life cycle eur of horizontal wells |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211653539.8A CN115660294B (zh) | 2022-12-22 | 2022-12-22 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115660294A true CN115660294A (zh) | 2023-01-31 |
CN115660294B CN115660294B (zh) | 2023-03-10 |
Family
ID=85022119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211653539.8A Active CN115660294B (zh) | 2022-12-22 | 2022-12-22 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115660294B (zh) |
WO (1) | WO2024130959A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024130959A1 (zh) * | 2022-12-22 | 2024-06-27 | 西南石油大学 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2014304317A1 (en) * | 2013-08-08 | 2016-03-31 | Senergy Holdings Limited | Methods and apparatus for well productivity |
WO2017007732A1 (en) * | 2015-07-03 | 2017-01-12 | Gas Sensing Technology Corp. | Coal seam gas production determination |
WO2018132786A1 (en) * | 2017-01-13 | 2018-07-19 | Ground Truth Consulting | System and method for predicting well production |
CN108446797A (zh) * | 2018-03-06 | 2018-08-24 | 西南石油大学 | 一种致密油藏水平井体积压裂初期产能预测方法 |
CN112836860A (zh) * | 2021-01-12 | 2021-05-25 | 中国石油大学(华东) | 确定压裂井产量递减阶段全周期内动态产量方法、系统 |
CN113935253A (zh) * | 2021-12-17 | 2022-01-14 | 西南石油大学 | 一种基于数据赋权的页岩气井经验产量递减模型拟合方法 |
CN114575831A (zh) * | 2020-11-30 | 2022-06-03 | 中国石油天然气股份有限公司 | 超前补能开发方式下体积压裂水平井产能预测方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10858912B2 (en) * | 2018-03-13 | 2020-12-08 | Raisa II Holdings, LLC | Systems and methods for optimizing production of unconventional horizontal wells |
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 |
CN113486538B (zh) * | 2021-08-06 | 2024-03-05 | 江苏达坦智慧能源有限公司 | 一种非常规油气井产量预测及压裂效果评价方法 |
CN115660294B (zh) * | 2022-12-22 | 2023-03-10 | 西南石油大学 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
-
2022
- 2022-12-22 CN CN202211653539.8A patent/CN115660294B/zh active Active
-
2023
- 2023-05-29 WO PCT/CN2023/096727 patent/WO2024130959A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2014304317A1 (en) * | 2013-08-08 | 2016-03-31 | Senergy Holdings Limited | Methods and apparatus for well productivity |
WO2017007732A1 (en) * | 2015-07-03 | 2017-01-12 | Gas Sensing Technology Corp. | Coal seam gas production determination |
WO2018132786A1 (en) * | 2017-01-13 | 2018-07-19 | Ground Truth Consulting | System and method for predicting well production |
CN108446797A (zh) * | 2018-03-06 | 2018-08-24 | 西南石油大学 | 一种致密油藏水平井体积压裂初期产能预测方法 |
CN114575831A (zh) * | 2020-11-30 | 2022-06-03 | 中国石油天然气股份有限公司 | 超前补能开发方式下体积压裂水平井产能预测方法及装置 |
CN112836860A (zh) * | 2021-01-12 | 2021-05-25 | 中国石油大学(华东) | 确定压裂井产量递减阶段全周期内动态产量方法、系统 |
CN113935253A (zh) * | 2021-12-17 | 2022-01-14 | 西南石油大学 | 一种基于数据赋权的页岩气井经验产量递减模型拟合方法 |
Non-Patent Citations (4)
Title |
---|
KUI ZHAO 等: "A new production prediction model for multistage fractured horizontal well in tight oil reservoirs" * |
何骁 等: "四川盆地长宁—威远区块海相页岩气田成藏条件及勘探开发关键技术" * |
宋俊强 等: "致密油藏压裂水平井产量预测" * |
张东旭 等: "致密油多级压裂水平井流-固全耦合产能数值模拟" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024130959A1 (zh) * | 2022-12-22 | 2024-06-27 | 西南石油大学 | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024130959A1 (zh) | 2024-06-27 |
CN115660294B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8473268B2 (en) | Method for comparing and back allocating production | |
CN111425193B (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
KR101904278B1 (ko) | 비전통가스전에서 누적생산량증가율 지표에 따른 감퇴곡선법 선정 방법 | |
CN115660294B (zh) | 水平井全生命周期eur跟踪评价方法、设备及可读储存介质 | |
CN103046914A (zh) | 一种低渗气藏水平井分段压裂效果判断方法 | |
Freeborn et al. | Creating more-representative type wells | |
CN116305702A (zh) | 分析数据波动页岩气井产量经验递减曲线的方法及系统 | |
CN114781951A (zh) | 一种页岩油藏二氧化碳吞吐开发选井决策方法及系统 | |
CN112282742B (zh) | 一种页岩油优质储层的预测方法 | |
CN116976519A (zh) | 一种页岩油藏单井可采储量预测方法及系统 | |
CN116562428A (zh) | 一种基于机器学习的压裂施工参数优化方法 | |
CN111488666A (zh) | 一种气藏水平井产能预测模型建立、预测方法及装置 | |
CN110017136A (zh) | 一种基于视水层电阻率的水淹层识别与产水率预测方法 | |
US20240209733A1 (en) | Method, equipment, and readable storage medium for tracking and evaluating the life cycle eur of horizontal wells | |
CN114382465B (zh) | 确定气井的稳产年限的方法、装置、终端和存储介质 | |
CN110410044B (zh) | 气驱co2、n2开发方式下区块产油量计算方法 | |
CN116128085A (zh) | 一种水平井压裂甜点预测方法及系统 | |
CN106326620A (zh) | 勘探目标分布范围成岩系数模型的优选方法 | |
CN115726776B (zh) | 一种非常规油气藏经验产量递减模型优选方法 | |
CN115098823B (zh) | 一种中子寿命测井地层宏观俘获截面提取方法 | |
CN112070329B (zh) | 油田增产数据分析方法和装置 | |
CN117744863B (zh) | 一种基于mcmc算法的产能预测方法及装置 | |
Feder | Machine-learning approach determines spatial variation in shale decline curves | |
CN116537773B (zh) | 一种考虑参数不确定性的页岩储层可压性置信度评价方法 | |
CN105512749A (zh) | 一种水淹层产水率定量预测方法 |
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 |