CN115660294B - 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 PDF

Info

Publication number
CN115660294B
CN115660294B CN202211653539.8A CN202211653539A CN115660294B CN 115660294 B CN115660294 B CN 115660294B CN 202211653539 A CN202211653539 A CN 202211653539A CN 115660294 B CN115660294 B CN 115660294B
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.)
Active
Application number
CN202211653539.8A
Other languages
English (en)
Other versions
CN115660294A (zh
Inventor
赵玉龙
刘香禺
张烈辉
何骁
吴建发
杨志冬
李�杰
曾斌
郑健
李洪玺
补成中
潘军
张芮菡
张涛
田野
唐慧莹
陈伟华
胡浩然
常程
张德良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN202211653539.8A priority Critical patent/CN115660294B/zh
Publication of CN115660294A publication Critical patent/CN115660294A/zh
Application granted granted Critical
Publication of CN115660294B publication Critical patent/CN115660294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • 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

水平井全生命周期EUR跟踪评价方法、设备及可读储存介质
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：
Figure 262051DEST_PATH_IMAGE001
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
Figure 975929DEST_PATH_IMAGE002
，将其EUR数据组成矩阵
Figure 224508DEST_PATH_IMAGE003
，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，
Figure 478771DEST_PATH_IMAGE004
表示第j口井的第i个评价因素取值；
Figure 621040DEST_PATH_IMAGE005
表示第j口井的EUR值；j = 1,2, ... , k，i = 1, 2, ... , s；
S302、对矩阵
Figure 36978DEST_PATH_IMAGE006
进行归一化处理得到矩阵
Figure 38432DEST_PATH_IMAGE007
，对矩阵
Figure 34070DEST_PATH_IMAGE008
进行归一化处理得到矩阵
Figure 296424DEST_PATH_IMAGE009
，其中，
Figure 101174DEST_PATH_IMAGE010
，
Figure 652241DEST_PATH_IMAGE011
；同时建立矩阵
Figure 982728DEST_PATH_IMAGE012
，其中，
Figure 240534DEST_PATH_IMAGE013
；
S303、建立矩阵
Figure 263853DEST_PATH_IMAGE014
，其中
Figure 302217DEST_PATH_IMAGE015
，
Figure 46182DEST_PATH_IMAGE016
表示矩阵
Figure 955232DEST_PATH_IMAGE017
中绝对值最小的元素对应的绝对值，
Figure 883874DEST_PATH_IMAGE018
表示矩阵
Figure 81637DEST_PATH_IMAGE019
中绝对值最大的元素对应的绝对值，
Figure 488347DEST_PATH_IMAGE020
表示矩阵
Figure 455166DEST_PATH_IMAGE021
中元素
Figure 820289DEST_PATH_IMAGE022
的绝对值；
S304、获得各评价因素与EUR值的相关度矩阵
Figure 239769DEST_PATH_IMAGE023
，式中，
Figure 718679DEST_PATH_IMAGE024
，表示第i个评价因素与EUR值的相关度；
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
Figure 540004DEST_PATH_IMAGE025
，m表示潜在影响因素数量，k为参考井的数量，
Figure 76028DEST_PATH_IMAGE026
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
Figure 779542DEST_PATH_IMAGE027
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；
S306、对矩阵
Figure 669000DEST_PATH_IMAGE028
进行标准化处理，得到标准化处理后的矩阵
Figure 735045DEST_PATH_IMAGE029
，获取矩阵
Figure 317336DEST_PATH_IMAGE030
的协方差矩阵
Figure 836042DEST_PATH_IMAGE031
，再获取矩阵
Figure 263613DEST_PATH_IMAGE032
的标准正交特征矩阵
Figure 918585DEST_PATH_IMAGE033
，接着将矩阵
Figure 671777DEST_PATH_IMAGE034
进行转置得到矩阵
Figure 677779DEST_PATH_IMAGE035
；将矩阵
Figure 174620DEST_PATH_IMAGE035
乘以矩阵
Figure 949678DEST_PATH_IMAGE036
，得到矩阵
Figure 404930DEST_PATH_IMAGE037
；
计算出矩阵
Figure 101491DEST_PATH_IMAGE038
每行的方差
Figure 136443DEST_PATH_IMAGE039
，y = 1, 2, ... , m，并求出方差和FCH，其中
Figure 703690DEST_PATH_IMAGE040
；按照每行的方差大小对矩阵
Figure 660669DEST_PATH_IMAGE041
的元素进行降序排列；令
Figure 516630DEST_PATH_IMAGE042
，
Figure 479907DEST_PATH_IMAGE043
为矩阵
Figure 573765DEST_PATH_IMAGE044
中第y行数据对原始数据信息的贡献率，此时，保留矩阵
Figure 964295DEST_PATH_IMAGE045
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
Figure 41972DEST_PATH_IMAGE046
；
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：
Figure 808940DEST_PATH_IMAGE047
式中，t = 1, 2, ... , w，w为矩阵
Figure 288463DEST_PATH_IMAGE048
的行数；d = 1, 2, ... , k, k+1，k表示参考井的数量；
Figure 849894DEST_PATH_IMAGE049
为预测得到的第d口井的EUR值，单位为：m3；
Figure 211605DEST_PATH_IMAGE050
和
Figure 392051DEST_PATH_IMAGE051
为目标井所在区块的EUR评价多因素产能模型参数，为常量；
Figure 850714DEST_PATH_IMAGE052
为矩阵
Figure 458413DEST_PATH_IMAGE053
中第t行第d列的数据；
S308、根据矩阵
Figure 838579DEST_PATH_IMAGE054
前k列数据及参考井的EUR值，对EUR评价多因素产能模型进行求解，最终带入目标井的参数即矩阵
Figure 353874DEST_PATH_IMAGE055
第k+1列数据，可获得目标井的EUR值。
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
Figure 932623DEST_PATH_IMAGE056
，将其EUR数据组成矩阵
Figure 445644DEST_PATH_IMAGE057
，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，
Figure 112773DEST_PATH_IMAGE058
表示第j口井的第i个评价因素取值；
Figure 900600DEST_PATH_IMAGE059
表示第j口井的EUR值；j = 1, 2,... , k，i = 1, 2, ... , s；
S313、对矩阵
Figure 333856DEST_PATH_IMAGE060
进行归一化处理得到矩阵
Figure 876832DEST_PATH_IMAGE061
，对矩阵
Figure 231590DEST_PATH_IMAGE062
进行归一化处理得到矩阵
Figure 557529DEST_PATH_IMAGE063
，其中，
Figure 48554DEST_PATH_IMAGE064
，
Figure 965694DEST_PATH_IMAGE065
；同时建立矩阵
Figure 807748DEST_PATH_IMAGE066
，其中，
Figure 796433DEST_PATH_IMAGE067
；
S314、建立矩阵
Figure 79647DEST_PATH_IMAGE068
，其中
Figure 761164DEST_PATH_IMAGE069
，
Figure 231459DEST_PATH_IMAGE070
表示矩阵
Figure 280625DEST_PATH_IMAGE071
中绝对值最小的元素对应的绝对值，
Figure 152766DEST_PATH_IMAGE072
表示矩阵
Figure 739605DEST_PATH_IMAGE073
中绝对值最大的元素对应的绝对值，
Figure 962776DEST_PATH_IMAGE074
表示矩阵
Figure 965367DEST_PATH_IMAGE075
中元素
Figure 82228DEST_PATH_IMAGE076
的绝对值；
S315、获得各评价因素与EUR值的相关度矩阵
Figure 980914DEST_PATH_IMAGE077
，式中，
Figure 550435DEST_PATH_IMAGE078
，表示第i个评价因素与EUR值的相关度；
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
Figure 294400DEST_PATH_IMAGE079
，m表示潜在影响因素数量，k为参考井的数量，
Figure 531346DEST_PATH_IMAGE080
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
Figure 335354DEST_PATH_IMAGE081
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；
S317、对矩阵
Figure 657751DEST_PATH_IMAGE082
进行标准化处理，得到标准化处理后的矩阵
Figure 205407DEST_PATH_IMAGE083
，获取矩阵
Figure 968964DEST_PATH_IMAGE084
的协方差矩阵
Figure 68507DEST_PATH_IMAGE085
，再获取矩阵
Figure 487987DEST_PATH_IMAGE085
的标准正交特征矩阵
Figure 963968DEST_PATH_IMAGE086
，接着将矩阵
Figure 785293DEST_PATH_IMAGE086
进行转置得到矩阵
Figure 324247DEST_PATH_IMAGE087
；将矩阵
Figure 27760DEST_PATH_IMAGE087
乘以矩阵
Figure 917219DEST_PATH_IMAGE088
，得到矩阵
Figure 983264DEST_PATH_IMAGE089
；
计算出矩阵
Figure 299976DEST_PATH_IMAGE090
每行的方差
Figure 553103DEST_PATH_IMAGE091
，y = 1, 2, ... , m，并求出方差和FCH，其中
Figure 246252DEST_PATH_IMAGE092
；按照每行的方差大小对矩阵
Figure 432383DEST_PATH_IMAGE093
的元素进行降序排列；令
Figure 185575DEST_PATH_IMAGE094
，
Figure 925998DEST_PATH_IMAGE095
为矩阵
Figure 157259DEST_PATH_IMAGE096
中第y行数据对原始数据信息的贡献率，此时，保留矩阵
Figure 932317DEST_PATH_IMAGE097
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
Figure 856411DEST_PATH_IMAGE098
；
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：
Figure 349709DEST_PATH_IMAGE099
式中，t = 1, 2, ... , w，w为矩阵
Figure 384661DEST_PATH_IMAGE100
的行数；d = 1, 2, ... , k, k+1，k表示参考井的数量；
Figure 14226DEST_PATH_IMAGE101
为预测得到的第d口井的EUR值，单位为：m3；
Figure 109221DEST_PATH_IMAGE102
、
Figure 358324DEST_PATH_IMAGE103
、
Figure 931388DEST_PATH_IMAGE104
和
Figure 681038DEST_PATH_IMAGE105
为目标井所在区块的EUR评价多因素产能模型参数，为常量；
Figure 681355DEST_PATH_IMAGE106
为矩阵
Figure 883666DEST_PATH_IMAGE107
中第t行第d列的数据；
Figure 526000DEST_PATH_IMAGE108
表示第d口井的开井测试产量，单位为：m3；
Figure 130157DEST_PATH_IMAGE109
表示第d口井的排采测试阶段返排率；
S319、根据矩阵
Figure 566954DEST_PATH_IMAGE110
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
Figure 256562DEST_PATH_IMAGE111
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
Figure 171428DEST_PATH_IMAGE113
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
Figure 567774DEST_PATH_IMAGE114
，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：
Figure 300107DEST_PATH_IMAGE116
上式中，
Figure 352377DEST_PATH_IMAGE117
为数据矩阵
Figure 195568DEST_PATH_IMAGE118
第d列中的第1至第8行元素；将数据矩阵
Figure 384103DEST_PATH_IMAGE118
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。
当目标井处于排采测试阶段时，开展EUR评价如下：利用前面最终降维后得到的数据矩阵
Figure 287337DEST_PATH_IMAGE118
，结合开井测试产量和排采测试阶段返排率构建目标井所在区块的测试产量回归模型，求解得到其表达式如下：
Figure 826903DEST_PATH_IMAGE120
上式中，
Figure 476715DEST_PATH_IMAGE121
,
Figure 785336DEST_PATH_IMAGE122
,... ,
Figure 531576DEST_PATH_IMAGE123
为数据矩阵
Figure 417492DEST_PATH_IMAGE124
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
Figure 743431DEST_PATH_IMAGE124
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
Figure 31193DEST_PATH_IMAGE126
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
Figure 329601DEST_PATH_IMAGE001
，将其EUR数据组成矩阵
Figure 777900DEST_PATH_IMAGE002
，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，
Figure 88796DEST_PATH_IMAGE003
表示第j口井的第i个评价因素取值；
Figure 15164DEST_PATH_IMAGE004
表示第j口井的EUR值；j = 1, 2,... , k，i = 1, 2, ... , s；
S302、对矩阵
Figure 626274DEST_PATH_IMAGE005
进行归一化处理得到矩阵
Figure 979895DEST_PATH_IMAGE006
，对矩阵
Figure 512507DEST_PATH_IMAGE007
进行归一化处理得到矩阵
Figure 508145DEST_PATH_IMAGE008
，其中，
Figure 708182DEST_PATH_IMAGE009
，
Figure 232704DEST_PATH_IMAGE010
；同时建立矩阵
Figure 518192DEST_PATH_IMAGE011
，其中，
Figure 789292DEST_PATH_IMAGE012
；
S303、建立矩阵
Figure 843836DEST_PATH_IMAGE013
，其中
Figure 804839DEST_PATH_IMAGE014
，
Figure 577622DEST_PATH_IMAGE015
表示矩阵
Figure 383904DEST_PATH_IMAGE016
中绝对值最小的元素对应的绝对值，
Figure 558534DEST_PATH_IMAGE017
表示矩阵
Figure 424859DEST_PATH_IMAGE018
中绝对值最大的元素对应的绝对值，
Figure 684939DEST_PATH_IMAGE019
表示矩阵
Figure 294912DEST_PATH_IMAGE020
中元素
Figure 324048DEST_PATH_IMAGE021
的绝对值；
S304、获得各评价因素与EUR值的相关度矩阵
Figure 361274DEST_PATH_IMAGE022
，式中，
Figure 843071DEST_PATH_IMAGE023
，表示第i个评价因素与EUR值的相关度；
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
Figure 522314DEST_PATH_IMAGE024
，m表示潜在影响因素数量，
Figure 405956DEST_PATH_IMAGE025
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
Figure 879663DEST_PATH_IMAGE026
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；
S306、对矩阵
Figure 848756DEST_PATH_IMAGE027
进行标准化处理得到矩阵
Figure 803461DEST_PATH_IMAGE028
，获取矩阵
Figure 807189DEST_PATH_IMAGE029
的协方差矩阵
Figure 451797DEST_PATH_IMAGE030
，再获取矩阵
Figure 908186DEST_PATH_IMAGE031
的标准正交特征矩阵
Figure 663652DEST_PATH_IMAGE032
，接着将矩阵
Figure 256308DEST_PATH_IMAGE033
进行转置得到矩阵
Figure 71817DEST_PATH_IMAGE034
；将矩阵
Figure 15502DEST_PATH_IMAGE035
乘以矩阵
Figure 777922DEST_PATH_IMAGE036
，得到矩阵
Figure 490663DEST_PATH_IMAGE037
；
计算出矩阵
Figure 211494DEST_PATH_IMAGE038
每行的方差
Figure 642476DEST_PATH_IMAGE039
，y = 1, 2, ... , m，并求出方差和FCH，其中
Figure 739745DEST_PATH_IMAGE040
；按照每行的方差大小对矩阵
Figure 572571DEST_PATH_IMAGE041
的元素进行降序排列；令
Figure 464304DEST_PATH_IMAGE042
，
Figure 382582DEST_PATH_IMAGE043
为矩阵
Figure 549121DEST_PATH_IMAGE044
中第y行数据对原始数据信息的贡献率，此时，保留矩阵
Figure 708225DEST_PATH_IMAGE041
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
Figure 302018DEST_PATH_IMAGE045
；
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：
Figure 442012DEST_PATH_IMAGE046
式中，t = 1, 2, ... , w，w为矩阵
Figure 881083DEST_PATH_IMAGE047
的行数；d = 1, 2, ... , k, k+1，
Figure 688502DEST_PATH_IMAGE048
为预测得到的第d口井的EUR值，单位为：m3；
Figure 187617DEST_PATH_IMAGE049
和
Figure 814907DEST_PATH_IMAGE050
为目标井所在区块的EUR评价多因素产能模型参数，为常量；
Figure 57670DEST_PATH_IMAGE051
为矩阵
Figure 454016DEST_PATH_IMAGE052
中第t行第d列的数据；
S308、根据矩阵
Figure 124032DEST_PATH_IMAGE053
前k列数据及参考井的EUR值，对EUR评价多因素产能模型进行求解，最终带入目标井的参数即矩阵
Figure 238618DEST_PATH_IMAGE054
第k+1列数据，可获得目标井的EUR值。
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
Figure 19493DEST_PATH_IMAGE055
，将其EUR数据组成矩阵
Figure 739187DEST_PATH_IMAGE056
，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，
Figure 580104DEST_PATH_IMAGE057
表示第j口井的第i个评价因素取值；
Figure 181987DEST_PATH_IMAGE058
表示第j口井的EUR值；j = 1, 2, ... , k，i = 1, 2, ... , s；
S313、对矩阵
Figure 766552DEST_PATH_IMAGE059
进行归一化处理得到矩阵
Figure 137490DEST_PATH_IMAGE060
，对矩阵
Figure 140519DEST_PATH_IMAGE061
进行归一化处理得到矩阵
Figure 964119DEST_PATH_IMAGE062
，其中，
Figure 352375DEST_PATH_IMAGE063
，
Figure 843399DEST_PATH_IMAGE064
；同时建立矩阵
Figure 26119DEST_PATH_IMAGE065
，其中，
Figure 602594DEST_PATH_IMAGE066
；
S314、建立矩阵
Figure 528961DEST_PATH_IMAGE067
，其中
Figure 608913DEST_PATH_IMAGE069
，
Figure 228113DEST_PATH_IMAGE070
表示矩阵
Figure 229567DEST_PATH_IMAGE071
中绝对值最小的元素对应的绝对值，
Figure 959626DEST_PATH_IMAGE072
表示矩阵
Figure 894084DEST_PATH_IMAGE073
中绝对值最大的元素对应的绝对值，
Figure 684185DEST_PATH_IMAGE074
表示矩阵
Figure 969673DEST_PATH_IMAGE075
中元素
Figure 503422DEST_PATH_IMAGE076
的绝对值；
S315、获得各评价因素与EUR值的相关度矩阵
Figure 557966DEST_PATH_IMAGE078
，式中，
Figure 518969DEST_PATH_IMAGE079
，表示第i个评价因素与EUR值的相关度；
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
Figure 29103DEST_PATH_IMAGE081
，m表示潜在影响因素数量，k为参考井的数量，
Figure 100965DEST_PATH_IMAGE082
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
Figure 478856DEST_PATH_IMAGE083
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；
S317、对矩阵
Figure 345181DEST_PATH_IMAGE084
进行标准化处理得到矩阵
Figure 605261DEST_PATH_IMAGE085
，获取矩阵
Figure 215234DEST_PATH_IMAGE086
的协方差矩阵
Figure 244370DEST_PATH_IMAGE087
，再获取矩阵
Figure 281596DEST_PATH_IMAGE088
的标准正交特征矩阵
Figure 28972DEST_PATH_IMAGE089
，接着将矩阵
Figure 442636DEST_PATH_IMAGE090
进行转置得到矩阵
Figure 591858DEST_PATH_IMAGE091
；将矩阵
Figure 65564DEST_PATH_IMAGE092
乘以矩阵
Figure 237920DEST_PATH_IMAGE093
，得到矩阵
Figure 189695DEST_PATH_IMAGE094
；
计算出矩阵
Figure 193423DEST_PATH_IMAGE095
每行的方差
Figure 838031DEST_PATH_IMAGE096
，y = 1, 2, ... , m，并求出方差和FCH，其中
Figure 294420DEST_PATH_IMAGE098
；按照每行的方差大小对矩阵
Figure 253149DEST_PATH_IMAGE099
的元素进行降序排列；令
Figure 111384DEST_PATH_IMAGE100
，
Figure 929823DEST_PATH_IMAGE101
为矩阵
Figure 873508DEST_PATH_IMAGE102
中第y行数据对原始数据信息的贡献率，此时，保留矩阵
Figure 432665DEST_PATH_IMAGE103
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
Figure 145406DEST_PATH_IMAGE104
；
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：
Figure 335079DEST_PATH_IMAGE106
式中，t = 1, 2, ... , w，w为矩阵
Figure 766060DEST_PATH_IMAGE107
的行数；d = 1, 2, ... , k, k+1，k表示参考井的数量；
Figure 128909DEST_PATH_IMAGE108
为预测得到的第d口井的EUR值，单位为：m3；
Figure 696156DEST_PATH_IMAGE109
、
Figure 853468DEST_PATH_IMAGE110
、
Figure 975008DEST_PATH_IMAGE111
和
Figure 610389DEST_PATH_IMAGE112
为目标井所在区块的EUR评价多因素产能模型参数，为常量；
Figure 297722DEST_PATH_IMAGE113
为矩阵
Figure DEST_PATH_IMAGE114
中第t行第d列的数据；
Figure DEST_PATH_IMAGE115
表示第d口井的开井测试产量，单位为：m3；
Figure DEST_PATH_IMAGE116
表示第d口井的排采测试阶段返排率；
S319、根据矩阵
Figure DEST_PATH_IMAGE117
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
Figure DEST_PATH_IMAGE118
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。
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。
CN202211653539.8A 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 Active CN115660294B (zh)

Priority Applications (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

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 CN115660294A (zh) 2023-01-31
CN115660294B true 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 (1)

Country Link
CN (1) CN115660294B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10683749B2 (en) * 2015-07-03 2020-06-16 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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)

* Cited by examiner, † Cited by third party
Title
Kui Zhao 等.A new production prediction model for multistage fractured horizontal well in tight oil reservoirs.2020,第4卷(第2期),第152-161页. *
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.2021,第42卷(第2期),第259-272页. *
宋俊强 等.致密油藏压裂水平井产量预测.2022,第43卷(第5期),第580-586页. *
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.2022,第49卷(第5期),第338-347页. *

Also Published As

Publication number Publication date
CN115660294A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN109209321B (zh) 一种基于压裂潜力的待压裂水平井压裂设计方法和装置
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
CN103046914B (zh) 一种低渗气藏水平井分段压裂效果判断方法
CN109214026A (zh) 一种页岩气水平井初期产能预测方法
CN110287516B (zh) 一种页岩气藏压裂水平井可压性综合评价方法
RU2709047C1 (ru) Способ адаптации гидродинамической модели продуктивного пласта нефтегазоконденсатного месторождения с учетом неопределенности геологического строения
KR20180026842A (ko) 비전통가스전에서 누적생산량증가율 지표에 따른 감퇴곡선법 선정 방법
CN113236228B (zh) 一种单井产量快速预测方法及系统
CN105715253A (zh) 一种气井井底流压的预测方法
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
NO20101482A1 (no) Prediksjon av produksjonssone
CN104200099A (zh) 基于水文地质台账的矿井涌水量计算方法
CN116542429A (zh) 一种融合时空特征的油藏生产指标机器学习预测方法
CN115422740A (zh) 一种巨厚煤层分层综放开采导水裂隙带高度预测方法
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
CN112282742B (zh) 一种页岩油优质储层的预测方法
US10954766B2 (en) Methods, systems, and computer-readable media for evaluating service companies, identifying candidate wells and designing hydraulic refracturing
Hou et al. Data-driven optimization of brittleness index for hydraulic fracturing
CN116976519A (zh) 一种页岩油藏单井可采储量预测方法及系统
CN111488666A (zh) 一种气藏水平井产能预测模型建立、预测方法及装置
CN114382465B (zh) 确定气井的稳产年限的方法、装置、终端和存储介质
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
CN112070329B (zh) 油田增产数据分析方法和装置
CN111967677B (zh) 一种非常规资源甜点分布的预测方法及装置
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