CN116677371A - 基于低频声波信号和温度信号的油井生产剖面反演方法 - Google Patents
基于低频声波信号和温度信号的油井生产剖面反演方法 Download PDFInfo
- Publication number
- CN116677371A CN116677371A CN202310817136.0A CN202310817136A CN116677371A CN 116677371 A CN116677371 A CN 116677371A CN 202310817136 A CN202310817136 A CN 202310817136A CN 116677371 A CN116677371 A CN 116677371A
- Authority
- CN
- China
- Prior art keywords
- production
- temperature
- das
- fluid
- well
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 245
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000003129 oil well Substances 0.000 title claims abstract description 20
- 239000012530 fluid Substances 0.000 claims abstract description 96
- 239000013307 optical fiber Substances 0.000 claims abstract description 70
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 230000001186 cumulative effect Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000003287 optical effect Effects 0.000 claims description 18
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 17
- 239000007788 liquid Substances 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 20
- 230000035945 sensitivity Effects 0.000 abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 17
- 238000001069 Raman spectroscopy Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 239000000243 solution Substances 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 6
- 239000000835 fiber Substances 0.000 description 5
- 230000014759 maintenance of location Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012821 model calculation Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005535 acoustic phonon Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000007380 fibre production Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000005680 Thomson effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000253 optical time-domain reflectometry Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/06—Measuring temperature or pressure
- E21B47/07—Temperature
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明涉及一种基于低频声波信号和温度信号的油井生产剖面反演方法，基于分布式光纤声波监测的超低频信号计算各段的生产贡献比例；基于分布式光纤温度监测的温度信号，结合DAS计算的各段的生产贡献比例联合反演计算，对各生产段/簇进行准确的生产评价。本发明基于低频声波信号和温度信号的油井生产剖面反演方法，采集的低频声波信号对温度变化具有非常高的敏感性；DAS低频声波信号展示的流速百分比可以等效为累积生产百分比；DAS低频声波信号测量得出的流体速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束，能够提高DTS反演精度，从而对各生产段/簇进行准确的生产评价。
Description
技术领域
本发明涉及油田领域，具体的说，是涉及一种基于低频声波信号和温度信号的油井生产剖面反演方法。
背景技术
生产剖面监测能够提供重要的储层动用信息，了解油井的生产状态，为开发方案编制和调整，以及堵水、压裂等油层改造和增产措施提供重要依据。
基于分布式光纤传感的生产剖面监测技术具有敏感度高、抗电磁干扰、使用寿命长、操作简单方便等优点，这就为监测油井的生产状况提供了一条新途径。
生产剖面分布式光纤监测技术分为分布式光纤声波(DAS)监测、分布式光纤温度(DTS)监测两种。
目前，油田行业常使用分布式光纤温度(DTS)传感进行生产剖面监测。该技术需要采用一种高级的节点热力学模型,计算出生产流体从地层中产出并沿完井管柱上举时产生的地热效应和焦耳汤姆逊效应，从而得到每一生产点的生产贡献比例。
节点热力学模型计算是一个非线性强的高维问题，最优解存在多解性，即生产层段不同的生产分布可能对应相同的温度剖面，无法满足准确的生产监测需要。
分布式光纤声波(DAS)传感技术可以实时采集井下声波信号，采集的低频声波信号对温度变化具有非常高的敏感性。
发明内容
针对上述现有技术中的不足，本发明提供一种提高DTS反演精度，从而对各生产段/簇进行准确的生产评价的基于低频声波信号和温度信号的油井生产剖面反演方法。
本发明所采取的技术方案是：
一种基于低频声波信号和温度信号的油井生产剖面反演方法，基于分布式光纤声波(DAS)监测的超低频信号计算各段的生产贡献比例；基于分布式光纤温度(DTS)监测的温度信号，结合DAS计算的各段的生产贡献比例联合反演计算，对各生产段/簇进行准确的生产评价。
基于低频声波信号和温度信号的油井生产剖面反演方法，包括如下步骤：
步骤1、油田井场数据采集作业，采集井筒中的分布式光纤声波数据、分布式光纤温度数据；
步骤2、对分布式光纤声波数据进行超低频处理，得到分布式光纤声波超低频处理剖面；
DAS采集的是井下声信号，其信号能量强度表征井下振动强弱，因此，井下流体高产、管柱泄露、管柱振动时，DAS能量剖面上才会有对应显示。在产量较低或者关井阶段，DAS能量剖面上无对应显示。
步骤3、基于分布式光纤声波超低频处理剖面，计算各个生产段的流体生产比例；
油、气、水三相热容不同，当储层有不同流体产出时，其产生的焦耳–汤姆逊效应通常可以为产出流体类型的评价提供可靠信息，如公式(1)；
以产气剖面为例，在非射孔段不存在流体交换，井筒与地层热传导是影响温度的主要因素，假设油气井稳定产出，流体不存在明显的压缩效应，则有(2)(3)：
Tf(Z,t)＝TGe+gGA-gGZ+(Tfe-TGe-gGA)e-Z/A(1)
式中，Tf(Z,t)：井筒Z点在t时刻的温度；TG：产液点地温；gG：地温梯度；Z：距流体入口以上的距离；Tfe：进入井筒的流体温度；A：驰豫距离；
两边取导，
A＝TG-Tf(Z,t)dTf/dZ(2)
驰豫距离A与流体热容Cf、流体密度ρf、流量qf以及时间函数f(t)有关。当q>100bbl/d和t大于数天时；
A＝1.66Cf·f(t)·ρf·qf(3)
当t≥100天时，
ft＝-lnrce2αt-0.29(4)
rce：套管外径；α：地层热扩散系数；
通过监测生产过程中产生的声音扰动来进行流体声速计算，再根据方程通过声速可以求出持率(4)；
Yg+Yw+Yo＝1ρgYg+ρwYw+ρoYo＝ρfYgρgs2g+Ywρws2w+Yoρos2o
＝1ρsf2 (5)；
式中，Yo、Yg、Yw：持油率、持气率、持水率；ρo、ρg、ρw、ρ：油、气、水、混合流体密度；so、sg、sw、sf：声波在油、气、水中的声速以及总声速；
对于气井而言，YO＝0，从而有：
qf＝TG-Tf(Z,t)dTfdZ1.66Cfρf(-lnrce2αt-0.29)Cf＝Yw·Cw+Yg·
CgYg+Yw＝1ρgYg+ρwYw＝ρfYgρgs2g+Ywρws2w＝1ρsf2(6)；
根据公式(6)，结合PVT、井口产量等数据，采用迭代方式求解；在得到混合流体流量qf以及流体持率Yg、Yw参数之后，应用气液漂流模型计算日产水量qw以及日产气量qg参数；
vm＝qfAqg＝A·Yg(Covm+vs)qw＝qf-qg(7)；
式中，vm：混合流体流速；A：管柱横截面积；Co：两相的分布特性；vs：气液滑脱速度。
步骤4、对分布式光纤温度数据进行校深、校正处理；
光纤生产剖面监测期间，连续油管末端装有电子压力计，可以持续测量光纤末端固定点的温度、压力值；
光纤连续油管从井口下入到井底、从井底提出至井口的过程中，电子压力计记录下入/上提过程中井筒温度，从而得到全井筒温度测量值；
该温度测量值可以作为参考，与DTS采集的瞬时全井筒温度值进行对比、校正。
步骤5、结合井筒参数信息，井口生产信息，建立分布式光纤数据反演计算模型；
蒙特卡洛法的理论基础主要是数学统计相关的理论，一般简称为Monte-Carlo法。Monte-Carlo法需将要求解问题的量转化成变量，再建立相应的数学模型，使它的参数或特征相当于问题的解，便能解决所需求解的问题。Monte-Carlo法有时能处理数学方面的疑难问题，主要包括概率分布、数值积分以及建模优化三大类问题[63]。
应用Monte-Carlo方法来分析光学问题的前提是找到它们之间的相关之处，这样才能利用该方法模拟光过程，只有实现了这些才能应用该方法解决我们的温度解调问题。
分布式光纤测温应用十分广泛，其相比于其他测温手段有着独特的优势，该系统的空间分辨率相较于其他测温方式更好，根据采集的最小长度光纤的Raman散射光的光功率信号，进而能得到该处光纤的温度。光纤的拉曼散射现象可以看成一个光学模型，该光学模型包括光脉冲信号的产生、传输及采集等过程，进而通过蒙特卡洛法模拟该过程，并建立DTS模型，步骤如下：
入射光波传输的概率模型：入射光在光纤中传输，设定α0表示入射角，ΔαR表示光脉冲随机变化量，β表示全反射极限角。当α0+ΔαR≥β，光波全反射传输；当αO+ΔαR<β，光波发生折射。
入射光散射吸收概率模型：光脉冲在光纤内发生随机碰撞，其结果具有随机性。当随机数Rr>ωp时，光子被吸收；当随机数Rr≤ωp，光子被散射。ωp表示单粒子反照率，如下式：
ωp＝Ksp/Kep
式中，Ksp为散射系数，Kep为衰减系数。
散射中最主要的是拉曼散射，因此需构建光脉冲发生Raman散射的概率模型即Raman散射概率模型：设定：
第一：n1表示平均光学声子数，则依次为(1～n1)；
第二：nb表示平均声学声子，则依次为(n1～n1+nb)；
第三：nr表示Rayleigh散射平均粒子数，则依次为(n1+nb～n1+nb+nr)；当Rs取1≤Rs≤n1时，发生Raman散射；由可得光的散射信息，如下式可表示为：
散射相函数为隐函数，故θp不能直接求得，由反插值得θp；从而得到其散射角的概率模型如下：
当散射角大于90°时，表示发生的散射是后向散射；反之当散射角小于90°时，为前向散射；同理Raman散射光的各项概率模型均与上述模型类似。
通过蒙特卡洛法对光纤拉曼散射光过程进行模拟，建立测温系统的新型DTS传感模型，其可达到1m空间分辨率，模型如下式：
fx,y＝a·exp-bx-c·y+p00+p10·x+p01·y+p20·x2+p11·x·y+p02·y2
式中，y表示光纤的位置；x表示光纤绝对温度，T+273.15，T表示摄氏温度；a、b、c、p00、p01、p02、p10、p20、p11均为系统的模型参数。
步骤6、通过光纤低频数据超低频计算的生产段流体比例作为约束条件，代入DTS反演计算模型，约束反演，得到各个生产段/簇的生产比例。
低频声波信号展示的流速百分比等效为累积生产百分比；
低频声波信号测量得出的流体速度之比作为基于DTS温度测量的生产剖面模型的有效约束。
首先采集低频DAS信号；
假定生产流体各相态均匀混合，DAS测量信号D(x，t)和井筒温度T(x，t)之间关系如下：
式(11)中，β是DAS光相位转换系数，v流体速度，U井壁热传导系数，G生产流体温压系数，Tf周围岩层温度，Tp生产流体温度，T井内温度，z是井TVD深度，x是井测量深度；D是测量信号；
式(1)两边对时间求导后可简化如下：
D＝f(vt-x)e-Ut (12)
式(12)中，v为流体速度，t为时间，x为测深，U为衰减系数；
通过式(12)可得到累积流速百分比，累积流速百分比等效为累积生产百分比。
基于DTS的生产评价使用一维热力学模型来模拟井筒生产段在稳态下的温度响应；
考虑井筒热力学模型计算网格的一个格点，设x为井筒轴向坐标，当前格点的长度为Δx的一个小量；
设稳定生产时井口总产量的流体速度为v，产量积累分布为R(x)，即生产段从趾端起R为0，到跟端R为100％；
则当前格点流入的气体速度为vR(x)，气体温度为T(x)；设当前格点内新增生产流速为vΔR，生产气体温度为Tp。设井筒周围岩层/油藏温度为Tf，对当前格点建立稳态热力学方程，可得：
式(13)左边如写成差分形式即为(T(x+Δx)-T(x))/Δx，也就是井筒内流体在经过这一格点后的温度变化；
公式右边第一项代表井筒热传导导致的温度变化；
第二项代表热对流导致的温度变化；
公式右边最后一项代表生产流体温压关系；
式(13)中，z当前地层深度，U井壁热传导系数，G生产流体温压系数，dTJT焦汤效应温差，Tf周围岩层温度，T稳产中井内温度；
生产剖面解释使用至少两个DTS的温度测量结果：
一个是Tf，即井筒周围的储层温度，由闭井一段时间后的基线测量值代表；
另一个则是稳产时的井内温度曲线T，即模型反演目标曲线。
DAS&DTS联合反演生产评价：
假设稳产与闭井—开井时测量的各生产簇的贡献比例保持不变，超低频DAS测量得出的流体速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束；
通过超低频DAS对关井—开井操作阶段热段塞流的测量，得到井筒内在生产段各处的流体流速V_P(x)的估算，假设稳产与关井—开井阶段的测量中各生产簇的贡献比例保持不变，超低频DAS测量得出的各热段塞流速度之比作为基于DTS温度测量的生产剖面模型的有效约束，大幅提高多相流反演结果的准确性。
基于DAS&DTS数据联合反演，能够提高DTS反演精度，从而对各段簇进行准确的生产评价；
超低频DAS测量得出的各热段塞流速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束，大幅提高多相流反演结果的准确性。
首先，各孔簇的产液量标准化到0-1区间，流体速度之比R定义如下：
流体速度之比R是计算得出的累积流速百分比。
式(4)中，Pi第i个孔簇标准化后的产液量，Px孔簇位置，Rbot趾端标准化后的流速；
式(15)中，T’稳产阶段DTS测量的井筒温度，R’是DAS测量的相对流速；λ是为传感光源中心波长，ε是各段簇的不确定度；
基于式(14)、式(15)，利用蒙特卡罗方法进行反演计算，求取各孔簇的产液量及不确定度，从而对各段簇进行准确的生产评价。
本发明相对现有技术的有益效果：
本发明基于低频声波信号和温度信号的油井生产剖面反演方法，分布式光纤声波(DAS)传感技术可以实时采集井下声波信号，采集的低频声波信号对温度变化具有非常高的敏感性；DAS低频声波信号展示的流速百分比可以等效为累积生产百分比；DAS低频声波信号测量得出的流体速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束。基于DAS&DTS信号数据联合反演，能够提高DTS反演精度，从而对各生产段/簇进行准确的生产评价。
附图说明
图1是分布式光纤低频DAS信号和分布式光纤DTS信号的生产剖面反演过程流程图；
图2是一维稳态热力学模型格点示意图。
具体实施方式
以下参照附图及实施例对本发明进行详细的说明：
附图1和2可知，DAS信号采集的是由振动产生的声信号(利用基于相位敏感的光时域反射技术(φ-ODTR)实现对振动信号的检测与定位)。该声信号表征振动事件，其信号的强度表征振动的强弱，信号频谱范围从0Hz到几千Hz。但DAS信号中，低于1Hz的信号对温度场的变化非常敏感。对DAS采集的声信号进行频率滤波，得到低频DAS信号，从而建立低频DAS信号剖面。低频DAS信号对温度变化非常敏感，当井筒有瞬态热段塞流动时，井筒的温度场会有一个微弱的变化。低频DAS信号剖面上就能展示出该微弱的温度变化。从而通过DAS低频剖面来观测井筒瞬时热段塞信号。
井筒中油气从井底向井口流动生产时，流体流速越来越大。DAS低频数据对流体流动产生的温度场变化非常敏感，DAS低频剖面能够直观反映井筒流体流动情况。在DAS低频剖面中，纵坐标是井筒深度，横坐标是数据采集时间。因此，可以求取流体流速(单位时间内流过的深度)。
油气井生产过程中，需要动态的监测整个井生产段的生产情况，针对监测的各个生产段产油、产气的比例，制定后续的生产措施，提高井控范围内油藏的开发效率。基于DTS的生产评价，就是准确评价一口井生产段内，各个生产点产出油、气的比例，从而为后续生产措施制定提供参数依据。
利用DAS、DTS采集设备采集井中DAS、DTS信号，对DAS信号进行超低频处理，处理后的数据对井筒中温度场变化非常敏感，能够反映井筒中流体流动导致的温度场变化。
在井口关井后，井中流体向井底方向流动(22：30-00：30)，流体的流动导致井筒中的温度场有所变化，低频处理后的DAS信号可以直观表征该变化。
井口开井后，地层中的流体流入到井筒，并沿井筒向井口方向流动，低频处理后的DAS信号也可以直观表征流体流动(00：30-01：30)。基于该低频处理剖面，可以计算各个生成段的流速比例，但受纵向分辨率的限制，无法定量求取每个生产段内各个生产簇的生产情况。
DTS反演求取各段/簇生产比例，纵向分辨率高，但数值反演的方法存在多解性。把通过DAS求取的各段的生产比例作为约束参数，约束DTS模型反演，能够提高DTS反演的精度，从而准确求取各簇的生产比例。
DAS、DTS采集需要的设备如下：
一种基于低频声波信号和温度信号的油井生产剖面反演方法，基于分布式光纤声波(DAS)监测的超低频信号计算各段的生产贡献比例；基于分布式光纤温度(DTS)监测的温度信号，结合DAS计算的各段的生产贡献比例联合反演计算，对各生产段/簇进行准确的生产评价。
基于低频声波信号和温度信号的油井生产剖面反演方法，包括如下步骤：
步骤1、油田井场数据采集作业，采集井筒中的分布式光纤声波数据、分布式光纤温度数据；
步骤2、对分布式光纤声波数据进行超低频处理，得到分布式光纤声波超低频处理剖面；
DAS采集的是井下声信号，其信号能量强度表征井下振动强弱，因此，井下流体高产、管柱泄露、管柱振动时，DAS能量剖面上才会有对应显示。在产量较低或者关井阶段，DAS能量剖面上无对应显示。
步骤3、基于分布式光纤声波超低频处理剖面，计算各个生产段的流体生产比例；
油、气、水三相热容不同，当储层有不同流体产出时，其产生的焦耳–汤姆逊效应通常可以为产出流体类型的评价提供可靠信息，如公式(1)；
以产气剖面为例，在非射孔段不存在流体交换，井筒与地层热传导是影响温度的主要因素，假设油气井稳定产出，流体不存在明显的压缩效应，则有(2)(3)：
Tf(Z,t)＝TGe+gGA-gGZ+(Tfe-TGe-gGA)e-Z/A(1)
式中，Tf(Z,t)：井筒Z点在t时刻的温度；TG：产液点地温；gG：地温梯度；Z：距流体入口以上的距离；Tfe：进入井筒的流体温度；A：驰豫距离；
两边取导，
A＝TG-Tf(Z,t)dTf/dZ(2)
驰豫距离A与流体热容Cf、流体密度ρf、流量qf以及时间函数f(t)有关。当q>100bbl/d和t大于数天时；
A＝1.66Cf·f(t)·ρf·qf(3)
当t≥100天时，
ft＝-lnrce2αt-0.29(4)
rce：套管外径；α：地层热扩散系数；
通过监测生产过程中产生的声音扰动来进行流体声速计算，再根据方程通过声速可以求出持率(4)；
Yg+Yw+Yo＝1ρgYg+ρwYw+ρoYo＝ρfYgρgs2g+Ywρws2w+Yoρos2o
＝1ρsf2 (5)；
式中，Yo、Yg、Yw：持油率、持气率、持水率；ρo、ρg、ρw、ρ：油、气、水、混合流体密度；so、sg、sw、sf：声波在油、气、水中的声速以及总声速；
对于气井而言，YO＝0，从而有：
qf＝TG-Tf(Z,t)dTfdZ1.66Cfρf(-lnrce2αt-0.29)Cf＝Yw·Cw+Yg·
CgYg+Yw＝1ρgYg+ρwYw＝ρfYgρgs2g+Ywρws2w＝1ρsf2(6)；
根据公式(6)，结合PVT、井口产量等数据，采用迭代方式求解；在得到混合流体流量qf以及流体持率Yg、Yw参数之后，应用气液漂流模型计算日产水量qw以及日产气量qg参数；
vm＝qfAqg＝A·Yg(Covm+vs)qw＝qf-qg(7)；
式中，vm：混合流体流速；A：管柱横截面积；Co：两相的分布特性；vs：气液滑脱速度。
步骤4、对分布式光纤温度数据进行校深、校正处理；
光纤生产剖面监测期间，连续油管末端装有电子压力计，可以持续测量光纤末端固定点的温度、压力值；
光纤连续油管从井口下入到井底、从井底提出至井口的过程中，电子压力计记录下入/上提过程中井筒温度，从而得到全井筒温度测量值；
该温度测量值可以作为参考，与DTS采集的瞬时全井筒温度值进行对比、校正。
步骤5、结合井筒参数信息，井口生产信息，建立分布式光纤数据反演计算模型；
蒙特卡洛法的理论基础主要是数学统计相关的理论，一般简称为Monte-Carlo法。Monte-Carlo法需将要求解问题的量转化成变量，再建立相应的数学模型，使它的参数或特征相当于问题的解，便能解决所需求解的问题。Monte-Carlo法有时能处理数学方面的疑难问题，主要包括概率分布、数值积分以及建模优化三大类问题[63]。
应用Monte-Carlo方法来分析光学问题的前提是找到它们之间的相关之处，这样才能利用该方法模拟光过程，只有实现了这些才能应用该方法解决我们的温度解调问题。
分布式光纤测温应用十分广泛，其相比于其他测温手段有着独特的优势，该系统的空间分辨率相较于其他测温方式更好，根据采集的最小长度光纤的Raman散射光的光功率信号，进而能得到该处光纤的温度。光纤的拉曼散射现象可以看成一个光学模型，该光学模型包括光脉冲信号的产生、传输及采集等过程，进而通过蒙特卡洛法模拟该过程，并建立DTS模型，步骤如下：
入射光波传输的概率模型：入射光在光纤中传输，设定α0表示入射角，ΔαR表示光脉冲随机变化量，β表示全反射极限角。当α0+ΔαR≥β，光波全反射传输；当αO+ΔαR<β，光波发生折射。
入射光散射吸收概率模型：光脉冲在光纤内发生随机碰撞，其结果具有随机性。当随机数Rr>ωp时，光子被吸收；当随机数Rr≤ωp，光子被散射。ωp表示单粒子反照率，如下式：
ωp＝Ksp/Kep
式中，Ksp为散射系数，Kep为衰减系数。
散射中最主要的是拉曼散射，因此需构建光脉冲发生Raman散射的概率模型即Raman散射概率模型：设定：
第一：n1表示平均光学声子数，则依次为(1～n1)；
第二：nb表示平均声学声子，则依次为(n1～n1+nb)；
第三：nr表示Rayleigh散射平均粒子数，则依次为(n1+nb～n1+nb+nr)；当Rs取1≤Rs≤n1时，发生Raman散射；由可得光的散射信息，如下式可表示为：
散射相函数为隐函数，故θp不能直接求得，由反插值得θp；从而得到其散射角的概率模型如下：
当散射角大于90°时，表示发生的散射是后向散射；反之当散射角小于90°时，为前向散射；同理Raman散射光的各项概率模型均与上述模型类似。
通过蒙特卡洛法对光纤拉曼散射光过程进行模拟，建立测温系统的新型DTS传感模型，其可达到1m空间分辨率，模型如下式：
fx,y＝a·exp-bx-c·y+p00+p10·x+p01·y+p20·x2+p11·x·y+p02·y2
式中，y表示光纤的位置；x表示光纤绝对温度，T+273.15，T表示摄氏温度；a、b、c、p00、p01、p02、p10、p20、p11均为系统的模型参数。
步骤6、通过光纤低频数据超低频计算的生产段流体比例作为约束条件，代入DTS反演计算模型，约束反演，得到各个生产段/簇的生产比例。
低频声波信号展示的流速百分比等效为累积生产百分比；
低频声波信号测量得出的流体速度之比作为基于DTS温度测量的生产剖面模型的有效约束。
首先采集低频DAS信号；
假定生产流体各相态均匀混合，DAS测量信号D(x，t)和井筒温度T(x，t)之间关系如下：
式(11)中，β是DAS光相位转换系数，v流体速度，U井壁热传导系数，G生产流体温压系数，Tf周围岩层温度，Tp生产流体温度，T井内温度，z是井TVD深度，x是井测量深度；D是测量信号；
式(1)两边对时间求导后可简化如下：
D＝f(vt-x)e-Ut (12)
式(2)中，v为流体速度，t为时间，x为测深，U为衰减系数；
通过式(12)可得到累积流速百分比，累积流速百分比等效为累积生产百分比。
基于DTS的生产评价使用一维热力学模型来模拟井筒生产段在稳态下的温度响应；
考虑井筒热力学模型计算网格的一个格点，设x为井筒轴向坐标，当前格点的长度为Δx的一个小量；
设稳定生产时井口总产量的流体速度为v，产量积累分布为R(x)，即生产段从趾端起R为0，到跟端R为100％；
则当前格点流入的气体速度为vR(x)，气体温度为T(x)；设当前格点内新增生产流速为vΔR，生产气体温度为Tp。设井筒周围岩层/油藏温度为Tf，对当前格点建立稳态热力学方程，可得：
式(13)左边如写成差分形式即为(T(x+Δx)-T(x))/Δx，也就是井筒内流体在经过这一格点后的温度变化；
公式右边第一项代表井筒热传导导致的温度变化；
第二项代表热对流导致的温度变化；
公式右边最后一项代表生产流体温压关系；
式(13)中，z当前地层深度，U井壁热传导系数，G生产流体温压系数，dTJT焦汤效应温差，Tf周围岩层温度，T稳产中井内温度；
生产剖面解释使用至少两个DTS的温度测量结果：
一个是Tf，即井筒周围的储层温度，由闭井一段时间后的基线测量值代表；
另一个则是稳产时的井内温度曲线T，即模型反演目标曲线。
DAS&DTS联合反演生产评价：
假设稳产与闭井—开井时测量的各生产簇的贡献比例保持不变，超低频DAS测量得出的流体速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束；
通过超低频DAS对关井—开井操作阶段热段塞流的测量，得到井筒内在生产段各处的流体流速V_P(x)的估算，假设稳产与关井—开井阶段的测量中各生产簇的贡献比例保持不变，超低频DAS测量得出的各热段塞流速度之比作为基于DTS温度测量的生产剖面模型的有效约束，大幅提高多相流反演结果的准确性。
基于DAS&DTS数据联合反演，能够提高DTS反演精度，从而对各段簇进行准确的生产评价；
超低频DAS测量得出的各热段塞流速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束，大幅提高多相流反演结果的准确性。
首先，各孔簇的产液量标准化到0-1区间，流体速度之比R定义如下：
流体速度之比R是计算得出的累积流速百分比。
式(4)中，Pi第i个孔簇标准化后的产液量，Px孔簇位置，Rbot趾端标准化后的流速；
式(15)中，T’稳产阶段DTS测量的井筒温度，R′是DAS测量的相对流速；λ是为传感光源中心波长，ε是各段簇的不确定度。
基于式(14)、式(15)，利用蒙特卡罗方法进行反演计算，求取各孔簇的产液量及不确定度，从而对各段簇进行准确的生产评价。
本发明基于低频声波信号和温度信号的油井生产剖面反演方法，分布式光纤声波(DAS)传感技术可以实时采集井下声波信号，采集的低频声波信号对温度变化具有非常高的敏感性；DAS低频声波信号展示的流速百分比可以等效为累积生产百分比；DAS低频声波信号测量得出的流体速度之比可以作为基于DTS温度测量的生产剖面模型的有效约束。基于DAS&DTS信号数据联合反演，能够提高DTS反演精度，从而对各生产段/簇进行准确的生产评价。
油田行业常使用分布式光纤温度(DTS)传感进行生产剖面监测需要采用一种高级的节点热力学模型，节点热力学模型计算是一个非线性强的高维问题，最优解存在多解性，即生产层段不同的生产分布可能对应相同的温度剖面，无法满足准确的生产监测需要。
通过低频DAS得到的各个生产段的流速比例是直接监测的客观结果，未经过复杂的反映计算，能够准确表征各个生产段的流体生产比例。将该结果作为约束条件代入DTS反演模型中，能够极大提高DTS模型反演精度，准确求取各个生产段/簇的生产比例。
对各段簇进行准确的生产评价，了解各个段簇的生产贡献比例，可以及时了解井下各生产层位目前实际产液、含水状况，识别主力出水层位，为油田实施堵水、调整注采方案、指导措施选层、验证措施效果、提高其它层位的动用程度等提供科学依据，是油田开发过程中必须进行的一项动态监测技术。对于已经步入二次开发中期，稳产上产吃力的老油田来说，更是不可或缺。及时了解产出井井下地层实际产出状况，合理安排对应措施作业，科学有效提高油气采收率。
测量一口井生产段内，各个生产的段的生产比例，从而对油气生产井进行监测。一口井总的生产量(日产油、产气的总量)为100％，这些产量来自于所有生产段的贡献。生产段/簇都在生产但每个段/簇的生产比例不同，从井底方向到井口方向，总生产比例逐渐增加(从0％增加到100％)。累积生产百分比即在井的某个深度，该深度以下所有生产段总共生产的总比例，该比例介于0％-100％之间。
闭井—开井时，井筒开始生产，井筒温度场有所变化。分布式光纤声波(DAS)传感技术可以实时采集井下声波信号，采集的低频声波信号对温度变化具有非常高的敏感性。超低频DAS技术可以计算出流体速度之比。DAS超低频声波信号表征的流速百分比可以等效为累积生产百分比(井筒中累积生产流体越多，井筒中流体的流速越快)。
油田行业常使用分布式光纤温度(DTS)传感进行生产剖面监测，该需要采用一种高级的节点热力学模型，节点热力学模型计算是一个非线性强的高维问题，最优解存在多解性，即生产层段不同的生产分布可能对应相同的温度剖面，无法满足准确的生产监测需要。
通过低频DAS得到的各个生产段的流速比例是直接监测的客观结果，未经过复杂的反演计算，能够准确表征各个生产段的流体生产比例。将该结果作为约束条件代入DTS反演模型中，能够极大提高DTS模型反演精度，准确求取各个生产段/簇的生产比例。
对各段簇进行准确的生产评价，了解各个段簇的生产贡献比例，可以及时了解井下各生产层位目前实际产液、含水状况，识别主力出水层位，为油田实施堵水、调整注采方案、指导措施选层、验证措施效果、提高其它层位的动用程度等提供科学依据，是油田开发过程中必须进行的一项动态监测技术。对于已经步入二次开发中期，稳产上产吃力的老油田来说，更是不可或缺。及时了解产出井井下地层实际产出状况，合理安排对应措施作业，科学有效提高油气采收率。
以上所述，仅是本发明的较佳实施例而已，并非对本发明的结构作任何形式上的限制。凡是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，均属于本发明的技术方案范围内。
Claims (6)
1.一种基于低频声波信号和温度信号的油井生产剖面反演方法，其特征在于：基于分布式光纤声波(DAS)监测的超低频信号计算各段的生产贡献比例；基于分布式光纤温度(DTS)监测的温度信号，结合DAS计算的各段的生产贡献比例联合反演计算，对各生产段/簇进行准确的生产评价。
2.根据权利要求1所述基于低频声波信号和温度信号的油井生产剖面反演方法，其特征在于，包括如下步骤：
步骤1、油田井场数据采集作业，采集井筒中的分布式光纤声波数据、分布式光纤温度数据；
步骤2、对分布式光纤声波数据进行超低频处理，得到分布式光纤声波超低频处理剖面；
步骤3、基于分布式光纤声波超低频处理剖面，计算各个生产段的流体生产比例；
步骤4、对分布式光纤温度数据进行校深、校正处理；
步骤5、结合井筒参数信息，井口生产信息，建立分布式光纤数据反演计算模型；
步骤6、通过光纤低频数据超低频计算的生产段流体比例作为约束条件，代入DTS反演计算模型，约束反演，得到各个生产段/簇的生产比例。
3.根据权利要求1所述基于低频声波信号和温度信号的油井生产剖面反演方法，其特征在于：
低频声波信号展示的流速百分比等效为累积生产百分比；
低频声波信号测量得出的流体速度之比作为基于DTS温度测量的生产剖面模型的有效约束。
4.根据权利要求1所述基于低频声波信号和温度信号的油井生产剖面反演方法，其特征在于：
首先采集低频DAS信号；
假定生产流体各相态均匀混合，DAS测量信号D(x，t)和井筒温度T(x，t)之间关系如下：
式(11)中，β是DAS光相位转换系数，v流体速度，U井壁热传导系数，G生产流体温压系数，Tf周围岩层温度，Tp生产流体温度，T井内温度，z是井TVD深度，x是井测量深度；D是测量信号；
式(1)两边对时间求导后简化如下：
D＝f(vt-x)e-Ut (12)
式(12)中，v为流体速度，t为时间，x为测深，U为衰减系数；
通过式(12)得到累积流速百分比，累积流速百分比等效为累积生产百分比。
5.根据权利要求1所述基于低频声波信号和温度信号的油井生产剖面反演方法，其特征在于：基于DTS的生产评价使用一维热力学模型来模拟井筒生产段在稳态下的温度响应；
考虑井筒热力学模型计算网格的一个格点，设x为井筒轴向坐标，当前格点的长度为Δx的一个小量；
设稳定生产时井口总产量的流体速度为v，产量积累分布为R(x)，即生产段从趾端起R为0，到跟端R为100％；
则当前格点流入的气体速度为vR(x)，气体温度为T(x)；设当前格点内新增生产流速为vΔR，生产气体温度为Tp。设井筒周围岩层/油藏温度为Tf，对当前格点建立稳态热力学方程，得到：
式(13)左边如写成差分形式即为(T(x+Δx)-T(x))/Δx,也就是井筒内流体在经过这一格点后的温度变化；
公式右边第一项代表井筒热传导导致的温度变化；
第二项代表热对流导致的温度变化；
公式右边最后一项代表生产流体温压关系；
式(13)中，z当前地层深度，U井壁热传导系数，G生产流体温压系数，dTJT焦汤效应温差，Tf周围岩层温度，T稳产中井内温度；
生产剖面解释使用至少两个DTS的温度测量结果：
一个是Tf，即井筒周围的储层温度，由闭井一段时间后的基线测量值代表；
另一个则是稳产时的井内温度曲线T，即模型反演目标曲线。
6.根据权利要求1所述基于低频声波信号和温度信号的油井生产剖面反演方法，其特征在于：
DAS&DTS联合反演生产评价：
假设稳产与闭井-开井时测量的各生产簇的贡献比例保持不变，超低频DAS测量得出的流体速度之比作为基于DTS温度测量的生产剖面模型的有效约束；
通过超低频DAS对关井-开井操作阶段热段塞流的测量，得到井筒内在生产段各处的流体流速V_P(x)的估算，假设稳产与关井-开井阶段的测量中各生产簇的贡献比例保持不变，超低频DAS测量得出的各热段塞流速度之比作为基于DTS温度测量的生产剖面模型的有效约束；
基于DAS&DTS数据联合反演，能够提高DTS反演精度，从而对各段簇进行准确的生产评价；
超低频DAS测量得出的各热段塞流速度之比作为基于DTS温度测量的生产剖面模型的有效约束；
首先，各孔簇的产液量标准化到0-1区间，流体速度之比R定义如下：
式(14)中，Pi第i个孔簇标准化后的产液量，Px孔簇位置，Rbot趾端标准化后的流速；
式(15)中，T’稳产阶段DTS测量的井筒温度，R’是DAS测量的相对流速；λ是为传感光源中心波长，ε是各段簇的不确定度；
基于式(14)、式(15)，利用蒙特卡罗方法进行反演计算，求取各孔簇的产液量及不确定度，从而对各段簇进行准确的生产评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310817136.0A CN116677371A (zh) | 2023-07-05 | 2023-07-05 | 基于低频声波信号和温度信号的油井生产剖面反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310817136.0A CN116677371A (zh) | 2023-07-05 | 2023-07-05 | 基于低频声波信号和温度信号的油井生产剖面反演方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116677371A true CN116677371A (zh) | 2023-09-01 |
Family
ID=87787429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310817136.0A Pending CN116677371A (zh) | 2023-07-05 | 2023-07-05 | 基于低频声波信号和温度信号的油井生产剖面反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116677371A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117027782A (zh) * | 2023-09-04 | 2023-11-10 | 西南石油大学 | 一种水平井注采声波剖面物理模拟实验装置及其方法 |
-
2023
- 2023-07-05 CN CN202310817136.0A patent/CN116677371A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117027782A (zh) * | 2023-09-04 | 2023-11-10 | 西南石油大学 | 一种水平井注采声波剖面物理模拟实验装置及其方法 |
| CN117027782B (zh) * | 2023-09-04 | 2024-01-23 | 西南石油大学 | 一种水平井注采声波剖面物理模拟方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11649700B2 (en) | Production logging inversion based on DAS/DTS | |
| CN110331973B (zh) | 一种基于分布式光纤声音监测和分布式光纤温度监测的水力压裂监测方法 | |
| Pakhotina et al. | Diagnosing multistage fracture treatments with distributed fiber-optic sensors | |
| US6618677B1 (en) | Method and apparatus for determining flow rates | |
| Li et al. | Predicting flow profile of horizontal well by downhole pressure and distributed-temperature data for waterdrive reservoir | |
| CN110344815B (zh) | 一种基于分布式光纤声音监测和分布式光纤温度监测的生产剖面监测方法 | |
| US20050149264A1 (en) | System and Method to Interpret Distributed Temperature Sensor Data and to Determine a Flow Rate in a Well | |
| Jin et al. | Fiber optic sensing-based production logging methods for low-rate oil producers | |
| US10174612B2 (en) | Method for determining a water intake profile in an injection well | |
| Xiao et al. | Dynamic water injection profiling in intelligent wells using distributed acoustic sensor with multimode optical fibers | |
| CN116677371A (zh) | 基于低频声波信号和温度信号的油井生产剖面反演方法 | |
| Kabir et al. | Interpreting distributed-temperature measurements in deepwater gas-well testing: estimation of static and dynamic thermal gradients and flow rates | |
| Hoang et al. | Interpretation of wellbore temperatures measured using distributed temperature sensors during hydraulic fracturing | |
| Kalia et al. | Wellbore Monitoring in Unconventional Reservoirs: Value of Accurate DTS Interpretation and Risks Involved | |
| RU2549663C1 (ru) | Способ определения коэффициентов теплопроводности пород, теплопередачи через насосно-компрессорные трубы и обсадную колонну и длины циркуляционной системы скважины | |
| US20230287766A1 (en) | Production logging inversion based on das/dts | |
| Tabatabaei et al. | Well performance diagnosis with temperature profile measurements | |
| Ribeiro et al. | Detecting fracture growth out of zone using temperature analysis | |
| Zhang | Interpretation of Downhole Temperature Measurements for Multistage Fracture Stimulation in Horizontal Wells | |
| Wang et al. | Distributed Temperature Sensor (DTS) System Modeling and Application | |
| Lavery et al. | Determining Produced Fluid Properties for Accurate Production Profiling During a Drill Stem Test Using Thermal Imaging Technology. | |
| Zhao et al. | Fracture Diagnosis with Distributed Temperature Sensing Using Thermal Embedded Discrete Fracture Model (EDFM) | |
| Kabir et al. | Interpreting Distributed-Temperature Measurements Gathered in Deepwater Gas-Well Testing | |
| Ganat | Types of Well Tests | |
| Wang et al. | A novel early gas kick monitoring method using the difference between downhole dual measurement points pressure and a genetic algorithm-based model |
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 |