CN116484236A - 一种非常规储层压裂水平井非均质性差异化评价方法 - Google Patents
一种非常规储层压裂水平井非均质性差异化评价方法 Download PDFInfo
- Publication number
- CN116484236A CN116484236A CN202310301175.5A CN202310301175A CN116484236A CN 116484236 A CN116484236 A CN 116484236A CN 202310301175 A CN202310301175 A CN 202310301175A CN 116484236 A CN116484236 A CN 116484236A
- Authority
- CN
- China
- Prior art keywords
- well
- parameters
- evaluation
- geological
- sample
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 230000004069 differentiation Effects 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000035699 permeability Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000000197 pyrolysis Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000013329 compounding Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 abstract description 7
- 229930195733 hydrocarbon Natural products 0.000 description 11
- 150000002430 hydrocarbons Chemical class 0.000 description 11
- 239000004215 Carbon black (E152) Substances 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 238000013210 evaluation model Methods 0.000 description 5
- 239000003079 shale oil Substances 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 235000021185 dessert Nutrition 0.000 description 1
- 235000011850 desserts Nutrition 0.000 description 1
- 238000012774 diagnostic algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种非常规储层压裂水平井非均质性差异化评价方法，包括1)通过聚类筛选样本井，获取样本井的地质参数和工程参数；2)将样本井的地质参数和工程参数进行标准化处理，通过主成分分析将每口井标准化后的参数线性组合为主成分；3)通过高斯分布隶属函数确定主成分对于评价等级的隶属度，确定主成分权重，得到单井模糊综合得分，建立非常规储层压裂水平井非均质性差异化模糊综合评价方法；4)将待压裂井水平段参数代入模型，得到待压裂井水平段的模糊综合评分剖面，实现非均质性差异化评价。本发明通过主成分分析将产量影响因素线性组合，极大提高了模型的针对性和精确度。
Description
技术领域
本发明涉及油气藏勘探与开发领域，具体涉及到一种非常规储层压裂水平井非均质性差异化评价方法。
背景技术
随着全球能源需求的增长，非常规储层已成为维持石油产量的重要接替领域。水平井钻井技术和多级水力压裂技术的发展突破了非常规储层低孔隙度和渗透率的限制，使得非常规储层可以被经济有效的开发。
非常规储层的甜点评价研究是通过对影响产量的地质和工程因素的线性或非线性组合，得到最适宜进行压裂改造的增产潜力点，为射孔位置选择提供了有力的指导。然而，产量影响因素众多，部分因素之间具有一定的相关性，且对产量的贡献程度不同。同时，不同区块的产量主控因素也有差别，简单的组合无法实现反映储层烃源岩性、可压裂性和压裂改造程度的地质-工程非均质性综合评价。另外，已开发油气田经过长时间的压裂探索和施工，产生了大量的地质、工程和产量数据，相较于数值模拟结果，通过对此类数据的分析和挖掘建立评价模型可以真实反映该区块的储层特征，具有更强的针对性和说服力。
数据驱动模型将地质和工程因素作为输入特征，解析它们与产量之间的潜在关系，为利用现场数据处理非均质储层差异化评价问题提供了另一种渠道。目前石油工程已经引入了人工神经网络、遗传算法、诊断算法和模糊综合评价方法等多种数据驱动方法。鉴于传感设备工作于井下高温高压的挑战性环境，测井和录井资料的偏差无法避免，因此，模型需要足够灵活和稳健，以从大量的地质和工程数据中剥离出与产量之间的联系，最终指导压裂工程设计。
在现有技术中，采用模糊综合评价模型时仅以地质参数作为评价指标，且权重由专家经验确定，导致评价结果的准确性和可靠程度较低。为进一步提升模型的科学性，目前已有学者在最近的研究中引入了工程参数，并采用灰色关联法和熵权法通过分析实际的地质、工程和产量数据确定各因素的权重。然而，这种研究方法受限于参数个数，无法全面反映储层的地质和工程特性，且建模过程中未考虑历史井与新井地质特征的差异性。另外，相关研究仅停留在对于压裂井的选择，没有将研究推广到单井压裂段的地质工程非均质性评价。
发明内容
有鉴于此，本发明考虑了待压裂井与历史井的地质特征差异，通过地质因素聚类筛选样本井，还考虑了因素过多引起的模型噪声误差，通过主成分分析将产量影响因素线性组合，将极大提高模型的针对性和精确度。并将待压裂井的单井评价推广到了水平段的地质工程非均质性差异化评价，可以更好地指导页岩油压裂方案设计。
为达上述目的，本发明的一个实施例中提供了一种非常规储层压裂水平井非均质性差异化评价方法，包括以下步骤：
1)通过地质因素聚类筛选出与待压裂井地质特征相近的历史井为样本井，获取样本井的地质参数和工程参数；
2)将样本井的地质参数和工程参数进行标准化处理，通过主成分分析将每口井标准化后的参数线性组合为主成分；
3)通过高斯分布隶属函数确定主成分对于评价等级的隶属度，通过熵权法确定主成分权重，将主成分隶属度矩阵和权重矩阵复合得到单井模糊综合得分，建立非常规储层压裂水平井非均质性差异化模糊综合评价方法；
4)将待压裂井水平段地质参数和样本井平均工程参数代入模型，得到待压裂井水平段的模糊综合评分剖面，实现待压裂井非均质性差异化评价。
进一步地，所述步骤(1)中通过FCM聚类算法筛选样本井，FCM聚类算法为：
式中，n为数据集x中的因素数量；α为子集个数；μij为隶属度，表示数据点xi与子集j的相似程度，约束条件为m为模糊度参数；νj为第j个子集的类别中心值。
进一步地，所述地质参数包括自然伽马、总有机碳含量、热解参数、孔隙度、渗透率、杨氏模量、泊松比、最小水平主应力和水平主应力差异系数。
进一步地，所述工程参数包括平均段长、平均簇间距、单位长度的排量、加砂强度和用液强度。
进一步地，所述步骤(2)中的标准化方程为：
式中，为标准化值，/>xij为产量影响因素值；minxij为样本中该因素最小值；maxxij为样本中该因素最大值。
进一步地，所述步骤(2)中还包括步骤：
通过标准化数据集的协方差矩阵，获取特征值λ1≥λ2≥…≥λn≥0及对应的特征向量v1,v2,…,vn，其中vj＝(v1j,v2j,…,vnj)T，vnj表示第j个特征的第n个分量，每个主成分为原始因素的线性组合：
式中，zn为第n个主成分；为第n口井第n个因素标准化值；
主成分的累计方差贡献率为：
式中，αk为前k个主成分的累计方差贡献率，无量纲。
进一步地，所述步骤(3)中还包括：
根据各等级所赋分值，将模糊综合评价结果转化为直观评分：
式中，ξ为模糊综合评分；fi表示该井对第i等级的隶属度；di为评分；
建立基于样本井系统中m口井和k个主成分的评价矩阵：
每个主成分的熵值ej确定方法为：
式中，为每一个样本点在该主成分中的占比；ej为第j个主成分的熵值，无量纲；
每个主成分的熵权为：
式中，wj为第j个主成分的权重，0≤wj≤1并且于是能够获取主成分权重矩阵：
W＝[w1…wj…wk]1×k (12)
综上所述，本发明具有以下优点：改进的技术方案通过聚类分析选择与待压裂井地质特征相近的历史井作为样本，采用主成分分析降低样本井地质和工程因素维度为主成分，进一步采用熵权法根据历史井产量确定主成分权重，结合高斯分布隶属函数和模糊等级划分，建立模糊综合评价模型。充分利用区块实际的地质、工程和生产数据，实现页岩油压裂水平井地质-工程非均质性差异化评价。
附图说明
图1为本发明的一个实施例的不同评价等级的高斯隶属函数图；
图2为本发明一个实施例的地质因素聚类结果图。
图3为本发明一个实施例的主成分特征值图。
图4为本发明一个实施例的产量与得分相关性图。
图5为本发明一个实施例的地质参数分布图。
图6为本发明一个实施例的非均质性差异化评价结果分布图。
具体实施方式
本发明提供了一种非常规储层压裂水平井非均质性差异化评价方法，主要包括以下步骤：
(1)通过地质因素聚类筛选出与待压裂井地质特征相近的历史井为样本井，获取样本井的地质参数和工程参数。
由于每口井的地质特征不同，选择与评价井地质情况相近的井作为样本可以减小地质因素差距带来的影响，提高模型的精确性和针对性。FCM聚类算法通过不断更新隶属度矩阵和类别中心最小化目标函数，基于各因素之间的相似性将数据集分类为子集：
式中，n为数据集x中的因素数量，x通常以矩阵表示；α为子集个数；μij为隶属度，表示数据点xi与子集j的相似程度，约束条件为m为模糊度参数(m≥1)，设置为2；νj为第j个子集的类别中心值。
根据测井、录井和生产资料统计历史井的地质、工程和产量参数以及待压裂井水平段平均地质参数，通过地质因素聚类筛选出与待压裂井地质特征相近的历史井为样本井。
产量影响因素可分为地质因素和工程因素两部分，要达到最佳的压裂效果，一方面要求射孔处烃类丰度高且流动性好，另一方面要求通过压裂形成复杂裂缝充分改造储层。
地质因素包括烃源岩性和可压裂性，烃源岩性指标反映了页岩的储集能力、流动能力和含烃量，包括自然伽马(GR)、总有机碳含量(TOC)、热解参数(S1)、孔隙度和渗透率(k)。其中，GR反映泥质含量高低，随着GR升高储层有效孔隙减小，导致烃类储集空间减小，与/>共同反映储集能力的大小。S1为300℃时C8～C29中液态烃含量，与TOC呈正相关，二者可以直观的反映页岩中的含烃量。而流动能力则受控于k，它反映页岩油流动过程中的压力损失。
可压裂性指标则反映了储层形成复杂水力裂缝的能力，包括杨氏模量(E)、泊松比(ν)、最小水平主应力(σh)和水平主应力差异系数(σdif)。E和ν是衡量页岩变形能力的关键因素，E越大表明岩体越脆，水力裂缝更易起裂和扩展，而ν的影响则相反。σh越小在相同施工压力下形成的主裂缝越长，而σdif越小越有利于形成网状裂缝。
工程因素反映了储层改造程度，包括平均段长(L)、平均簇间距(S)、单位长度的排量(Qm)、加砂强度(ηs)和用液强度(ηw)。Qm和ηw越大，意味着水力裂缝的尺度越大，可以更大范围沟通储层。而在满足储层改造强度的前提下，L和S越小形成的裂缝数量越多，ηw越大裂缝导流能力越高，储层改造效果越好。根据以上分析，9项地质因素和5项工程因素对于产量的正面和负面影响如表1所示。
表1影响因素分类
相比于裂缝形态监测、产液剖面测试等手段，产量是评价压裂效果最直接、最易获取的指标。但由于每口井的地质参数和生产制度不同，短期产量无法反映真实情况。同时，为了避免压裂长度的影响，将产量折算到每千米，采用12个月千米产油量(V12mon)作为评价指标。
(2)将样本井的地质参数和工程参数进行标准化处理，通过主成分分析将每口井标准化后的参数线性组合为主成分，减少参数数量。
除与产量之间的相关性外，各因素之间也存在明显的线性关系，即多重共线性。同时，数据集维数膨胀产生的噪声干扰和冗余将显著增大模型误差。主成分分析通过主成分贡献度进行特征选择，在不损失重要信息的前提下，降低数据集的维数并消除因素之间的相关性。
由于特征数据的量纲存在差异，难以进行相互比较及加权处理，在降维前需要根据表1对数据进行标准化预处理，标准化方程为：
式中，为标准化值，/>xij为产量影响因素值；minxij为样本中该因素最小值；maxxij为样本中该因素最大值。
包含n个因素的数据集经过PCA处理后产生相互正交且相互独立的n个主成分，主成分1始终代表数据集的最大方差方向，主成分2代表第二大方差方向，并以此类推。
通过标准化数据集的协方差矩阵，可得到特征值λ1≥λ2≥…≥λn≥0及对应的特征向量v1,v2,…,vn，其中vj＝(v1j,v2j,…,vnj)T，vnj表示第j个特征的第n个分量，每个主成分为原始因素的线性组合：
式中，zn为第n个主成分；为第n口井第n个因素标准化值。
主成分的累计方差贡献率为：
式中，αk为前k个主成分的累计方差贡献率，无量纲。主成分数量的选取需要满足αk＞0.85，即当主成分累计方差贡献率达到85％时可以包含原始数据集的主要信息。
(3)通过高斯分布隶属函数确定主成分对于评价等级的隶属度，通过熵权法确定主成分权重，将主成分隶属度矩阵和权重矩阵复合得到单井模糊综合得分，建立非常规储层压裂水平井非均质性差异化模糊综合评价方法。
相比于布尔逻辑的“非此即彼”，模糊逻辑采用隶属度表征每个参数属于不同质量等级的程度，使各参数具有“亦此亦彼”的性质，因此适用于任意复杂度的非线性函数建模。模糊综合评价模型包括因素集、评价集和权重集三部分。
因素集Z包括评价指标以及它们的数值，本发明的模糊综合评价因素为主成分。评价集D用于判别因素的优劣程度，为方便给出直观的评分，定义d1＝Ⅰ＝“优”＝100，d2＝Ⅱ＝“良”＝75，d3＝Ⅲ＝“中”＝50，d4＝Ⅳ＝“差”＝25。而各因素对于各等级的隶属度矩阵R可通过隶属函数来确定。权重集W为通过熵权法确定的各因素在评价集中的重要度。
综合考虑所有因素对产量的贡献，将样本井的权重矩阵W与单井主成分隶属度矩阵R复合，可得到单井非均质性模糊综合评价矩阵F：
式中，fi表示该井对第i等级的隶属度，本发明中g取4。根据各等级所赋分值，将模糊综合评价结果转化为直观评分：
式中，ξ为模糊综合评分。
隶属度由参数值和隶属函数共同确定，一般的模糊规划问题通常采用三角形和梯形等线性隶属函数，但对于储层质量评价这一多参数和非线性问题不再适用。高斯分布受到了大量学者的青睐，且获得了良好的应用效果，因此本发明使用高斯分布隶属函数：
式中，μ为隶属度，μ(c,c,δ)＝1；c为高斯分布峰值对应主成分值，无量纲；δ为标准差，无量纲。
根据评价集D对于储层质量的划分，可将四个评价等级对应于主成分的数值范围(0至0.25、0.25至0.50、0.50至0.75和0.75至1)。根据等式(7)，可构建各等级的高斯形状隶属函数，如图1所示。
根据隶属函数可得到每个主成分对各个等级的隶属度，进一步构建每口井的储层质量评价隶属度矩阵：
其中，rk,g为第k个主成分对第g个等级的隶属度。
熵权法基于信息熵概念，根据指标相对变化程度对系统整体的影响进行客观赋权，能够准确地反映系统中信息的内在关系，进而消除主观经验判断的不合理性。因此，本发明采用此方法根据实际数据客观、定量的确定主成分权重，避免了传统模糊逻辑中根据专家经验确定权重带来的误差。
由于在PCA分析之前已经进行了归一化，此处可直接建立基于样本井系统中m口井和k个主成分的评价矩阵：
每个主成分的熵值ej可由式(10)确定：
式中，为每一个样本点在该主成分中的占比；ej为第j个主成分的熵值，无量纲。
熵权法中指标变化程度越大其被赋予的权重越大，每个主成分的熵权为：
式中，wj为第j个主成分的权重，0≤wj≤1并且于是，可以建立主成分权重矩阵：
W＝[w1…wj…wk]1×k (12)
(4)将待压裂井水平段地质参数和样本井平均工程参数代入模型，得到待压裂井水平段的模糊综合评分剖面，实现待压裂井非均质性差异化评价。
将根据测井资料获取的待压裂井水平段地质特征参数(沿测深的米点数据)和样本井平均工程参数代入模型，可得到沿测深的压裂段模糊综合评分剖面，实现以产量为评价指标的地质工程甜点差异化评价。
实施例1
针对某油田的实际待评价井N1井开展了非均质性差异化评价应用。
(1)样本井选择
样本井数据来自于某某油藏，储层平均深度约为3800m，该区块采用水平井分段多簇压裂开发技术，以Y1～Y35井的实际地质、工程参数和产量作为数据库(表2)，进行N1井储层差异化评价。
表2样本井数据库
为了选取与N1井地质参数相近的井作为样本，通过FCM算法对地质因素进行聚类。设置子集个数α为3，聚类结果如图2所示。其中，11口井属于A类，7口井属于B类，包括N1井在内的18口井属于C类，各类别界限明显，表明设置聚类个数为3可以实现根据地质因素的类别划分。
此外，由于参数较多将产生噪音影响模型精度，且与k以及S1与σh之间具有相关性，需要进一步开展主成分分析，降低产量影响因素维度的同时消除各因素之间的相关性。
主成分分析结果如表3所示，前4项主成分的累计方差贡献率为87.503％，超过了85％，14项产量影响因素可由4个主成分代表。主成分特征值如图3所示，根据各因素的系数可以得到主成分 由此，将反映储层烃源岩性、可压裂性和工程参数指标线性组合为了四个综合指标。
表3主成分分析结果
| 主成分 | 方差贡献率(％) | 累计方差贡献率(％) | 主成分 | 方差贡献率(％) | 累计方差贡献率(％) |
| 1 | 30.473 | 30.473 | 8 | 0.924 | 98.624 |
| 2 | 24.787 | 55.260 | 9 | 0.632 | 99.256 |
| 3 | 19.584 | 74.844 | 10 | 0.414 | 99.670 |
| 4 | 12.659 | 87.503 | 11 | 0.178 | 99.848 |
| 5 | 4.810 | 92.313 | 12 | 0.091 | 99.939 |
| 6 | 3.071 | 95.384 | 13 | 0.057 | 99.996 |
| 7 | 2.316 | 97.700 | 14 | 0.004 | 100 |
根据式(11)计算前4项主成分的熵权，可得到权重矩阵W＝[0.3044 0.25610.19750.2421]。将权重矩阵W与根据式(7)计算的C类井主成分隶属度矩阵R复合，得到单井综合评价矩阵B，并根据式(6)计算各井分值，模糊综合评价结果如表4所示。由此建立了以地质和工程参数为因素、以产量为指标的页岩油井储层非均质性差异化评价方法。
表4C类井模糊综合评价结果
图4展示了V12mon与地质-工程得分之间的拟合关系，相关系数为0.8877，表明储层非均质性评价结果与实际产量之间具有良好的一致性。
N1井地质数据如图5所示，由于储层非均质性明显，仅采用某个或某些参数进行评价无法统筹储层烃源岩性和可压裂性指标。因此，有必要采用本发明实现考虑多因素的储层地质-工程非均质性评价，得到反映潜在产量的全井段综合得分剖面，优选最佳的射孔位置。
将N1井的地质参数和C类井的平均工程参数代入C类井的地质-工程模糊综合评价模型，储层非均质性差异化评价结果如图6所示。N1井水平段评分在42.81～74.28之间，其中4030～4050m和4200～4300m井段得分较低，可视为“低分段”，其余井段分值范围变化较大且高分位置突出，视为“高分段”。而图6中显示“低分段”的地质参数较差且均质，表明最终评价结果有效反映出了储层的非均质特性，且与地质参数之间有良好的对应关系。
由此可见，通过本发明提出的方法可以厘清烃源岩性、可压裂性和储层改造程度与产量之间潜在的相关关系，实现页岩油压裂水平井地质-工程非均质性差异化评价。
虽然结合附图对本发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (7)
1.一种非常规储层压裂水平井非均质性差异化评价方法，包括以下步骤：
1)通过地质因素聚类筛选出与待压裂井地质特征相近的历史井为样本井，获取样本井的地质参数和工程参数；
2)将样本井的地质参数和工程参数进行标准化处理，通过主成分分析将每口井标准化后的参数线性组合为主成分；
3)通过高斯分布隶属函数确定主成分对于评价等级的隶属度，通过熵权法确定主成分权重，将主成分隶属度矩阵和权重矩阵复合得到单井模糊综合得分，建立非常规储层压裂水平井非均质性差异化模糊综合评价方法；
4)将待压裂井水平段地质参数和样本井平均工程参数代入模型，得到待压裂井水平段的模糊综合评分剖面，实现待压裂井非均质性差异化评价。
2.如权利要求1所述的非常规储层压裂水平井非均质性差异化评价方法，所述步骤(1)中通过FCM聚类算法筛选样本井，FCM聚类算法为：
式中，n为数据集x中的因素数量；α为子集个数；μij为隶属度，表示数据点xi与子集j的相似程度，约束条件为m为模糊度参数；νj为第j个子集的类别中心值。
3.如权利要求1所述的非常规储层压裂水平井非均质性差异化评价方法，所述地质参数包括自然伽马、总有机碳含量、热解参数、孔隙度、渗透率、杨氏模量、泊松比、最小水平主应力和水平主应力差异系数。
4.如权利要求1所述的非常规储层压裂水平井非均质性差异化评价方法，所述工程参数包括平均段长、平均簇间距、单位长度的排量、加砂强度和用液强度。
5.如权利要求1所述的非常规储层压裂水平井非均质性差异化评价方法，所述步骤(2)中的标准化方程为：
式中，为标准化值，/>xij为产量影响因素值；minxij为样本中对应因素最小值；maxxij为样本中对应因素最大值。
6.如权利要求1所述的非常规储层压裂水平井非均质性差异化评价方法，所述步骤(2)中还包括步骤：
通过标准化数据集的协方差矩阵，获取特征值λ1≥λ2≥…≥λn≥0及对应的特征向量v1,v2,…,vn，其中vj＝(v1j,v2j,…,vnj)T，vnj表示第j个特征的第n个分量，每个主成分为原始因素的线性组合：
式中，zn为第n个主成分；为第n口井第n个因素标准化值；
主成分的累计方差贡献率为：
式中，αk为前k个主成分的累计方差贡献率，无量纲。
7.如权利要求1所述的非常规储层压裂水平井非均质性差异化评价方法，所述步骤(3)中还包括：
根据各等级所赋分值，将模糊综合评价结果转化为直观评分：
式中，ξ为模糊综合评分；fi表示该井对第i等级的隶属度；di为评分；
建立基于样本井系统中m口井和k个主成分的评价矩阵：
每个主成分的熵值ej确定方法为：
式中，为每一个样本点在该主成分中的占比；ej为第j个主成分的熵值，无量纲；
每个主成分的熵权为：
式中，wj为第j个主成分的权重，0≤wj≤1并且得到主成分权重矩阵：
W＝[w1 … wj … wk]1×k (12)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310301175.5A CN116484236A (zh) | 2023-03-27 | 2023-03-27 | 一种非常规储层压裂水平井非均质性差异化评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310301175.5A CN116484236A (zh) | 2023-03-27 | 2023-03-27 | 一种非常规储层压裂水平井非均质性差异化评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116484236A true CN116484236A (zh) | 2023-07-25 |
Family
ID=87212853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310301175.5A Pending CN116484236A (zh) | 2023-03-27 | 2023-03-27 | 一种非常规储层压裂水平井非均质性差异化评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116484236A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118051847A (zh) * | 2024-02-20 | 2024-05-17 | 成都信息工程大学 | 一种基于机器学习的体积压裂水平井分段分簇方法 |
-
2023
- 2023-03-27 CN CN202310301175.5A patent/CN116484236A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118051847A (zh) * | 2024-02-20 | 2024-05-17 | 成都信息工程大学 | 一种基于机器学习的体积压裂水平井分段分簇方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110644980B (zh) | 一种超低渗透油藏储层综合分类评价方法 | |
| CN112901137B (zh) | 基于深度神经网络Sequential模型的深井钻井机械钻速预测方法 | |
| CN112308269B (zh) | 用于低渗透油气藏的产能预测方法及装置 | |
| SA04250006B1 (ar) | اختيار بيانات توجيه شبكة خطوط عصبية باستخدام التحليل التجميعي المختزل للذاكرة لتطوير نموذج حقلي | |
| CN110287516B (zh) | 一种页岩气藏压裂水平井可压性综合评价方法 | |
| CN115345378B (zh) | 一种基于机器学习的页岩气井产量评价方法 | |
| CN112576238B (zh) | 一种低渗透油藏剩余油位置与含量测定系统、方法及应用 | |
| CN107165621B (zh) | 一种利用聚类方法识别多井沉积微相的方法 | |
| CN116484236A (zh) | 一种非常规储层压裂水平井非均质性差异化评价方法 | |
| US20240177033A1 (en) | Method, Device and Equipment for Selecting Key Geological Parameters of a To-Be-Prospected Block | |
| CN117541082B (zh) | 基于油藏-井筒-设备评价指标集成的综合评价方法 | |
| CN113361111B (zh) | 一种低渗透油藏储层特征模型的划分方法 | |
| CN114595628A (zh) | 一种水平井的体积压裂差异化改造方法 | |
| CN116562428A (zh) | 一种基于机器学习的压裂施工参数优化方法 | |
| CN117093922A (zh) | 一种基于改进svm的不平衡样本油藏复杂流体识别方法 | |
| CN117332668A (zh) | 一种基于数据驱动的页岩气井压裂效果分析方法和系统 | |
| CN112348350B (zh) | 一种油田开发后期层系重组方法、计算机设备及存储介质 | |
| CN114755744A (zh) | 基于泥页岩非均质性特征的总有机碳测井解释方法及系统 | |
| CN116128085A (zh) | 一种水平井压裂甜点预测方法及系统 | |
| CN111706323A (zh) | 一种综合gwo-lssvm算法的水淹层精细解释评价方法 | |
| CN115705452A (zh) | 整装砂岩油藏开发中后期的新型采收率预测方法 | |
| Liu et al. | Optimizing construction parameters for fractured horizontal wells in shale oil | |
| 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 | |
| CN114676631B (zh) | 页岩气藏压裂水平井压裂改造参数推荐方法 | |
| CN115291277B (zh) | 少井条件下基于多属性智能融合的储层构型解释方法 |
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 |