CN117035156B - 聚表二元驱产油量的预测方法及装置 - Google Patents
聚表二元驱产油量的预测方法及装置 Download PDFInfo
- Publication number
- CN117035156B CN117035156B CN202310786372.0A CN202310786372A CN117035156B CN 117035156 B CN117035156 B CN 117035156B CN 202310786372 A CN202310786372 A CN 202310786372A CN 117035156 B CN117035156 B CN 117035156B
- Authority
- CN
- China
- Prior art keywords
- oil
- ton
- binary
- flooding
- binary flooding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004519 manufacturing process Methods 0.000 claims abstract description 117
- 238000009825 accumulation Methods 0.000 claims abstract description 46
- 230000003068 static effect Effects 0.000 claims abstract description 45
- 238000012417 linear regression Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 76
- 230000035699 permeability Effects 0.000 claims description 41
- 229920000642 polymer Polymers 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 26
- 230000015572 biosynthetic process Effects 0.000 claims description 23
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 abstract description 9
- 239000003208 petroleum Substances 0.000 abstract description 7
- 239000003921 oil Substances 0.000 description 200
- 238000010586 diagram Methods 0.000 description 13
- 238000002347 injection Methods 0.000 description 9
- 239000007924 injection Substances 0.000 description 9
- 239000004576 sand Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000004094 surface-active agent Substances 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000003513 alkali Substances 0.000 description 2
- 239000007864 aqueous solution Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000013043 chemical agent Substances 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001804 emulsifying effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000693 micelle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000007928 solubilization Effects 0.000 description 1
- 238000005063 solubilization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000011206 ternary composite Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation 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
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/16—Enhanced recovery methods for obtaining hydrocarbons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Geology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Animal Husbandry (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Educational Administration (AREA)
- Environmental & Geological Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Fluid Mechanics (AREA)
- Algebra (AREA)
Abstract
本发明公开了一种聚表二元驱产油量的预测方法及装置，其中该方法包括：在采用聚表二元驱的方式对同一油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的不同井组的吨聚产油量，进行拟合得到的，所述吨聚产油量预测模型为多元线性回归模型，可以准确、快速预测出将要实施二元驱油藏不同井组的吨聚产油量，有利于石油开发项目的顺利实施，避免投资决策风险。
Description
技术领域
本发明涉及石油开发油藏工程技术领域，尤其涉及一种聚表二元驱产油量的预测方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
聚表二元驱(简称二元驱)是指由聚合物和表面活性剂两种化学药剂与水混合形成不同分子和浓度的水溶液，注入地层进行驱油的开采方式。相比于纯聚合物驱，聚表二元驱即具有聚合物粘弹性流体“憋压蓄能、扩大波及”的工作原理，KPS表活剂溶液具有“胶束增溶，乳化携油”提高驱油效率的机理，二者混合后“加合增效”，可实现大幅度提高采收率。该技术也解决了三元复合驱中碱的使用所带来的有害影响，实现化学复合驱技术从“有碱”到“无碱”的绿色转型，被用于油田三次开发。
目前，尚不存在可以准确、快速预测出二元驱油藏井组产油能力(吨聚产油量)的有效方法，影响石油开发项目的顺利实施，易产生投资决策风险。
发明内容
本发明实施例提供一种聚表二元驱产油量的预测方法，用以准确、快速预测出二元驱油藏井组的吨聚产油量，有利于石油开发项目的顺利实施，避免投资决策风险，该方法包括：
在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；
将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型。
本发明实施例还提供一种聚表二元驱产油量的预测装置，用以准确、快速预测出二元驱油藏井组的吨聚产油量，有利于石油开发项目的顺利实施，避免投资决策风险，该装置包括：
参数数据获取模块，用于在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；
吨聚产油量预测模块，用于将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述聚表二元驱产油量的预测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述聚表二元驱产油量的预测方法。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述聚表二元驱产油量的预测方法。
本发明实施例中，在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型，可以准确、快速预测出二元驱油藏井组的吨聚产油量，有利于石油开发项目的顺利实施，避免投资决策风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中聚表二元驱产油量的预测方法；
图2为本发明实施例中汽油比与饱和压力关系图；
图3为本发明实施例中典型储层剖面中的不同单砂体接触关系图；
图4为本发明实施例中单砂体间不同连通方式与油量关系图；
图5为本发明实施例中吨聚产油量预测模型的拟合过程的一方法流程图；
图6(a)-图6(h)为本发明实施例中不同类别参数数据与吨聚产油量的关系图；
图7为本发明实施例中聚表二元驱产油量的预测装置的结构示意图；
图8为本发明一实施例的计算机设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
首先对本发明实施例中的技术名词进行介绍：
多元线性回归：在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。
发明人发现，在根据统计学方法分别将储层静态参数、聚表二元驱动态参数与吨聚产油量的关系绘制在图版上，建立单一参数下的吨聚产油量预测数学模型时，将预测数据与实际数据进行对比，出现误差较大。为解决上述技术问题，发明人提出了一种聚表二元驱产油量的预测方法，综合考虑储层静态参数、聚表二元驱动态参数，结合多元回归，建立一种新的吨聚产油量预测模型，用以提高对聚表二元驱产油量进行预测的准确性。
图1为本发明实施例中聚表二元驱产油量的预测方法。如图1所示，本发明实施例中聚表二元驱产油量的预测方法可以包括：
步骤101、在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；
步骤102、将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型。
下面介绍本发明实施例中聚表二元驱产油量的预测方法的具体执行步骤：
在步骤101中，在采用聚表二元驱的方式对油藏井组进行驱油之前，可以实时采集油藏井组所在矿场的多种数据资料，并从多种数据资料中筛选出聚表二元驱的动态参数数据和油藏储层的静态参数数据；其中，聚表二元驱的动态参数数据可以表征驱油过程中相关数据的动态变化情况，油藏储层的静态参数数据可以表征油藏储层固有的多种静态特征。
在一个实施例中，所述聚表二元驱的动态参数数据可以包括以下数据：二元驱实施后油藏不同井组的吨聚产油量、二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力；
所述油藏储层的静态参数数据可以包括以下数据：井组有效连通厚度、井组有效连通厚度段的渗透率、井组有效连通厚度段的渗透率级差。
需要说明的是，吨聚产油量为消耗单位聚合物下的井组原油产量，聚表二元驱中化学剂的用量为聚合物的用量加上表面活性剂通过价格之比折算成聚合物量的量；二次饱和压力为水驱结束后，二元驱开始前，油藏条件下的饱和压力。
图2为本发明实施例中汽油比与饱和压力关系图。如图2所示，油藏温度视为恒定，在原始地层条件下，测得的饱和压力称为原始饱和压力，单位体积或重量原油所溶解的天然气量称为原始气油比，通过油藏初期的测试，可以得到气油比和饱和压力线性关系，即得到原始饱和压力与原始气油比关系。油藏开发后，随着地层流体不断被采出，地层压力逐渐降低，地层流体中的溶解的天然气逐渐析出，溶解气油比逐渐降低。当油藏开发至某个时期，可以求得油藏剩余溶解气体积和对应的溶解气油比，根据气油比和饱和压力线性关系得到对应的饱和压力，在该压力条件下，形成的泡沫流阻止溶解气外溢，促使溶解气在油藏内部重新分布，达到暂时性的二次平衡，此时对应的地层压力称为二次饱和压力。
在一个实施例中，所述油藏储层的静态参数数据可以包括以下数据：井组有效连通厚度、井组有效连通厚度段的渗透率、井组有效连通厚度段的渗透率级差。
接下来介绍油层有效连通厚度的含义。图3示出了本发明实施例中典型储层剖面中的不同单砂体接触关系，接触关系具体可以包括拼接连通和直接连通。图4示出了单砂体间不同连通方式与油量关系。如图4所示，通过建立聚表二元驱见效高峰期单砂体间不同连通方式与油量关系，发现其与单砂体间的连通方式(拼接连通或直接连通)密切相关，随引入“有效连通厚度”概念：由于单砂体连通方式不同，聚表二元驱过程中实际产油量大小取决于油水井间油层的最小连通厚度，即为“有效连通厚度”。通过试验区单井组的吨聚产油与有效连通厚度和渗透率呈正比关系、有效连通厚度段的渗透率级差呈反比关系，构造了反映二元驱储层的静态参数，即二元驱系数：
在获取聚表二元驱的动态参数数据和油藏储层的静态参数数据之后，可以将聚表二元驱的动态参数数据和油藏储层的静态参数数据输入吨聚产油量预测模型，输出吨聚产油量的预测结果；所述吨聚产油量预测模型是对不同油藏井组的：历史动态参数数据、历史静态参数数据，以及实际采集的吨聚产油量，进行拟合得到的，其中吨聚产油量预测模型可以为多元线性回归模型。
图5本发明实施例中吨聚产油量预测模型的拟合过程的一方法流程图。如图5所示，在一个实施例中，所述吨聚产油量预测模型的拟合过程可以包括：
步骤501、根据二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力，构建所述地层压力与所述二次饱和压力间差值的平方项；
步骤502、根据井组有效连通厚度、井组有效连通厚度段的渗透率和井组有效连通厚度段的渗透率级差，构建井组的二元驱系数项；
步骤503、应用多元回归，根据二元驱实施后油藏不同井组的吨聚产油量、所述地层压力与所述二次饱和压力差值的平方项、井组的二元驱系数项，构建所述吨聚产油量预测模型。
需要说明的是，吨聚产油量预测模型的构建过程虽然看似简单，但实际需要预先拟合得到：每类历史动态参数数据与实际采集的吨聚产油量之间的拟合关系式(关联关系)，以及每类静态参数数据与实际采集的吨聚产油量之间的拟合关系式；然后再对每个拟合关系式进行分析，综合考虑多参数影响，应用多元回归，建立吨聚产油量预测模型。
下面通过举例说明吨聚产油量预测模型的详细构建过程。
表1示出了不同油藏井组的历史动态参数数据，表2示出了不同油藏井组的历史静态参数数据。
表1
表2
具体实施时，可以将表1中的数据作为第一样本数据，绘制出每类聚表二元驱的动态参数数据与吨聚产油量的关系图；将表2中的数据作为第二样本数据，绘制出每类油藏储层的静态参数数据与吨聚产油量的关系图；然后根据每幅关系图中的数据关系，拟合得到多个第一关联关系和多个第二关联关系。
图6(a)为本发明实施例中二元驱阶段注采压差与吨聚产油量的关系图，根据该关系图可以拟合得到二元驱阶段注采压差与吨聚产油量之间的一第一关联关系；图6(b)为本发明实施例中有效连通厚度与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度与吨聚产油量之间的一第二关联关系；图6(c)为本发明实施例中有效连通厚度段孔隙度与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度段孔隙度与吨聚产油量之间的一第二关联关系；图6(d)为本发明实施例中有效连通厚度段渗透率与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度段渗透率与吨聚产油量之间的一第二关联关系；图6(e)为本发明实施例中有效连通厚度段泥质含量与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度段泥质含量与吨聚产油量之间的一第二关联关系；图6(f)为本发明实施例中有效连通厚度段渗透率变异系数与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度段渗透率变异系数与吨聚产油量之间的一第二关联关系；图6(g)为本发明实施例中有效连通厚度段渗透率突进系数与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度段渗透率突进系数与吨聚产油量之间的一第二关联关系；图6(h)为本发明实施例中有效连通厚度段渗透率级差与吨聚产油量的关系图，根据该关系图可以拟合得到有效连通厚度段渗透率级差与吨聚产油量之间的一第二关联关系。
表3示出了由第一关联关系、第二关联关系得到的多个拟合公式，其中R2为决定系数，可以作为衡量拟合优度的指标，取值范围是0-1，其数值越大代表拟合的优度越高。因此，可以选取最优的拟合关系式，确定单一参数与吨聚产油量的关系，并基于选取的关系式，综合考虑多参数影响，应用多元回归，建立吨聚产油量预测模型。
表3
其中，Q——吨聚产油量，t/t；h——有效连通厚度，m；K——有效连通厚度的渗透率，mD；Jk——有效连通厚度的渗透率级差；P——二元驱阶段注采压差，MPa；Pe——二次饱和压力，MPa；φ——储层孔隙度，％；ω——泥质含量，％；Vk——有效连同厚度段变异系数；Tk——有效连同厚度段突变系数。
需要说明的时，见效高峰期阶段注采压差即：聚表二元复合驱过程中见效高峰时期(年产油最高)的注入井和采油井的地层压力差值。
在一个实施例中，所述吨聚产油量预测模型包括按如下公式表示：
其中，Q为吨聚产油量，t/t；h为有效连通厚度，m；k为有效连通厚度的渗透率，mD；Jk为有效连通厚度的渗透率级差；P为二元驱阶段注采压差，MPa；Pe为二次饱和压力，MPa。
具体实施时，仍以上述油藏数据为例，综合考虑储层静态参数、聚表二元驱动态参数，结合多元回归，建立吨聚产油量预测数学模型，可以拟合得到如下公式：
其中，Q为吨聚产油量，t/t；h为有效连通厚度，m；k为有效连通厚度的渗透率，mD；Jk为有效连通厚度的渗透率级差；P为二元驱阶段注采压差，MPa。
由于11.9Mpa是该油藏的二次饱和压力，因此从公式(1-1)可知，当二元驱阶段注采压差等于二次饱和压力时，产油量最高，开发效果最好，因此可以用二次饱和压力Pe代替11.9，即得以下公式，
其中，Q为吨聚产油量，t/t；h为有效连通厚度，m；k为有效连通厚度的渗透率，mD；Jk为有效连通厚度的渗透率级差；P为二元驱阶段注采压差，MPa；Pe为二次饱和压力，MPa。
表4示出了分别根据单一参数的关系式对吨聚产油量进行预测的误差范围，以及综合考虑多个参数建立吨聚产油量预测模型，对吨聚产油量进行预测的误差范围。如表4所示，结合多元回归，考虑多个参数建立吨聚产油量预测模型的误差变化范围最小，平均误差值也最小，即预测的准确性最高。
表4
本发明实施例中还提供了一种聚表二元驱产油量的预测装置，如下面的实施例所述。由于该装置解决问题的原理与聚表二元驱产油量的预测方法相似，因此该装置的实施可以参见聚表二元驱产油量的预测方法的实施，重复之处不再赘述。
图7为本发明实施例中聚表二元驱产油量的预测装置的结构示意图。如图7所示，本发明实施例中聚表二元驱产油量的预测装置具体可以包括：
参数数据获取模块701，用于在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；
吨聚产油量预测模块702，用于将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型。
在一个实施中，所述聚表二元驱的动态参数数据包括以下数据：二元驱实施后油藏不同井组的吨聚产油量、二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力；
所述油藏储层的静态参数数据包括以下数据：井组有效连通厚度、井组有效连通厚度段的渗透率、井组有效连通厚度段的渗透率级差。
在一个实施中，所述吨聚产油量预测模型的拟合过程包括：
平方项构建模块，用于根据二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力，构建所述地层压力与所述二次饱和压力间差值的平方项；
二元驱系数项构建模块，用于根据井组有效连通厚度、井组有效连通厚度段的渗透率和井组有效连通厚度段的渗透率级差，构建井组的二元驱系数项；
预测模型构建模块，用于应用多元回归，根据二元驱实施后油藏不同井组的吨聚产油量、所述地层压力与所述二次饱和压力差值的平方项、井组的二元驱系数项，构建所述吨聚产油量预测模型。
在一个实施中，所述吨聚产油量预测模型包括按如下公式表示：
其中，Q为二元驱实施后油藏不同井组的吨聚产油量，t/t；h为井组有效连通厚度，m；k为井组有效连通厚度的渗透率，mD；Jk为井组有效连通厚度的渗透率级差；P为二元驱实施前油藏不同井组的地层压力，MPa；Pe为二元驱实施前油藏的二次饱和压力，MPa。
基于前述发明构思，如图8所示，本发明还提出了一种计算机设备800，包括存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序830，所述处理器820执行所述计算机程序830时实现前述聚表二元驱产油量的预测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述聚表二元驱产油量的预测方法。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述聚表二元驱产油量的预测方法。
综上所述，本发明实施例中，
在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型，可以准确、快速预测出二元驱油藏井组的吨聚产油量，有利于石油开发项目的顺利实施，避免投资决策风险。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种聚表二元驱产油量的预测方法，其特征在于，包括：
在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；
将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型；
所述吨聚产油量预测模型的拟合过程包括：
根据二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力，构建所述地层压力与所述二次饱和压力间差值的平方项；
根据井组有效连通厚度、井组有效连通厚度段的渗透率和井组有效连通厚度段的渗透率级差，构建井组的二元驱系数项；
应用多元回归，根据二元驱实施后油藏不同井组的吨聚产油量、所述地层压力与所述二次饱和压力差值的平方项、井组的二元驱系数项，构建所述吨聚产油量预测模型。
2.如权利要求1所述的方法，其特征在于，所述聚表二元驱的动态参数数据包括以下数据：
二元驱实施后油藏不同井组的吨聚产油量、二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力；
所述油藏储层的静态参数数据包括以下数据：
井组有效连通厚度、井组有效连通厚度段的渗透率、井组有效连通厚度段的渗透率级差。
3.如权利要求1所述的方法，其特征在于，所述吨聚产油量预测模型包括按如下公式表示：
其中，Q为二元驱实施后油藏不同井组的吨聚产油量，t/t；h为井组有效连通厚度，m；k为井组有效连通厚度的渗透率，mD；Jk为井组有效连通厚度的渗透率级差；P为二元驱实施前油藏不同井组的地层压力，MPa；Pe为二元驱实施前油藏的二次饱和压力，MPa。
4.一种聚表二元驱产油量的预测装置，其特征在于，包括：
参数数据获取模块，用于在采用聚表二元驱的方式对油藏内不同井组进行驱油时，获取聚表二元驱前的动态参数数据和油藏储层的静态参数数据；
吨聚产油量预测模块，用于将聚表二元驱前的动态参数数据和油藏储层的静态参数数据，输入吨聚产油量预测模型，输出聚表二元驱吨聚产油量的预测结果；所述吨聚产油量预测模型是对已完成聚表二元驱的不同井组的历史动态参数数据、静态参数数据，以及实际采集的聚表二元驱吨聚产油量，进行拟合得到的，所述聚表二元驱吨聚产油量预测模型为多元线性回归模型；
所述吨聚产油量预测模型的拟合过程包括：
平方项构建模块，用于根据二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力，构建所述地层压力与所述二次饱和压力间差值的平方项；
二元驱系数项构建模块，用于根据井组有效连通厚度、井组有效连通厚度段的渗透率和井组有效连通厚度段的渗透率级差，构建井组的二元驱系数项；
预测模型构建模块，用于应用多元回归，根据二元驱实施后油藏不同井组的吨聚产油量、所述地层压力与所述二次饱和压力差值的平方项、井组的二元驱系数项，构建所述吨聚产油量预测模型。
5.如权利要求4所述的装置，其特征在于，所述聚表二元驱的动态参数数据包括以下数据：
二元驱实施后油藏不同井组的吨聚产油量、二元驱实施前油藏不同井组的地层压力、二元驱实施前油藏的二次饱和压力；
所述油藏储层的静态参数数据包括以下数据：
井组有效连通厚度、井组有效连通厚度段的渗透率、井组有效连通厚度段的渗透率级差。
6.如权利要求4所述的装置，其特征在于，所述吨聚产油量预测模型包括按如下公式表示：
其中，Q为二元驱实施后油藏不同井组的吨聚产油量，t/t；h为井组有效连通厚度，m；k为井组有效连通厚度的渗透率，mD；Jk为井组有效连通厚度的渗透率级差；P为二元驱实施前油藏不同井组的地层压力，MPa；Pe为二元驱实施前油藏的二次饱和压力，MPa。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一所述方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至3任一所述方法。
9.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至3任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310786372.0A CN117035156B (zh) | 2023-06-29 | 2023-06-29 | 聚表二元驱产油量的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310786372.0A CN117035156B (zh) | 2023-06-29 | 2023-06-29 | 聚表二元驱产油量的预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117035156A CN117035156A (zh) | 2023-11-10 |
| CN117035156B true CN117035156B (zh) | 2024-05-10 |
Family
ID=88623318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310786372.0A Active CN117035156B (zh) | 2023-06-29 | 2023-06-29 | 聚表二元驱产油量的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117035156B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104615806A (zh) * | 2014-12-23 | 2015-05-13 | 东北石油大学 | 一种凝胶与化学剂交替注入驱油数值模拟研究方法 |
| CN108491625A (zh) * | 2018-03-22 | 2018-09-04 | 中国石油大学(华东) | 一种三元复合驱油体系提高采收率的预测方法 |
| CN111577264A (zh) * | 2019-02-19 | 2020-08-25 | 中国石油天然气股份有限公司 | 裂缝孔隙型油藏水平井产能预测方法及装置 |
| CN112100788A (zh) * | 2019-05-28 | 2020-12-18 | 中国石油大学(北京) | 一种油藏水驱油开发动态分析方法、装置及可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105095986B (zh) * | 2015-06-23 | 2018-12-25 | 中国石油天然气股份有限公司 | 多层油藏整体产量预测的方法 |
-
2023
- 2023-06-29 CN CN202310786372.0A patent/CN117035156B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104615806A (zh) * | 2014-12-23 | 2015-05-13 | 东北石油大学 | 一种凝胶与化学剂交替注入驱油数值模拟研究方法 |
| CN108491625A (zh) * | 2018-03-22 | 2018-09-04 | 中国石油大学(华东) | 一种三元复合驱油体系提高采收率的预测方法 |
| CN111577264A (zh) * | 2019-02-19 | 2020-08-25 | 中国石油天然气股份有限公司 | 裂缝孔隙型油藏水平井产能预测方法及装置 |
| CN112100788A (zh) * | 2019-05-28 | 2020-12-18 | 中国石油大学(北京) | 一种油藏水驱油开发动态分析方法、装置及可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 环江油田长6储层基于多元回归分析的产能评价;章雨 等;《油气井测试》;20190420;第28卷(第2期);第68-72页 * |
| 考虑束缚水影响的变形介质气藏产能方程;刘文涛;王洪辉;李毓;葛善良;黄建成;;天然气工业;20090325(第03期);全文 * |
| 聚/表二元复合驱在孤东采油厂应用研究;杨黎;《中国优秀硕士论文库·工程科技I辑》;20120315;第14-25页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117035156A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rossen et al. | Simplified mechanistic simulation of foam processes in porous media | |
| CN106600443A (zh) | 动态含水饱和度的油井产量劈分方法 | |
| CN107578342A (zh) | 一种基于模型耦合穷举法实现低渗透油藏间开工作制度优选方法 | |
| CN116306385B (zh) | 一种油藏压裂渗吸增能数值模拟方法、系统、设备及介质 | |
| Karaoguz et al. | Improved sweep in Bati Raman heavy-oil CO2 flood: Bullhead flowing gel treatments plug natural fractures | |
| CN111810101B (zh) | 一种水驱油藏动态分析方法及装置 | |
| CN105095642A (zh) | 油藏数值模拟中历史拟合调整参数确定方法及装置 | |
| US10385659B2 (en) | Evaluation of production performance from a hydraulically fractured well | |
| CN104346511A (zh) | 一种全新的油藏动态监测方法及装置 | |
| Mahzari et al. | Co-history matching: a way forward for estimating representative saturation functions | |
| CN117035156B (zh) | 聚表二元驱产油量的预测方法及装置 | |
| CN114580100A (zh) | 压裂水平井全井筒压力计算方法、设备和计算机可读储存介质 | |
| Silva et al. | A computational analysis of convex combination models for multidimensional piecewise-linear approximation in oil production optimization | |
| CN109188557B (zh) | 一种应用生烃增压模型计算排烃效率的方法 | |
| CN103498661A (zh) | 一种确定油藏高压物性参数的方法 | |
| Yao et al. | Potential of carbon dioxide miscible injections into the H-26 reservoir | |
| Silin et al. | Control model of water injection into a layered formation | |
| CN113486537B (zh) | 一种基于气水交替驱油的井距设计方法、装置及设备 | |
| CN112377186B (zh) | 哑铃状缝洞型碳酸盐岩储层产量分析模型构建方法及装置 | |
| CN112746836B (zh) | 基于层间干扰的油井各层产量计算方法 | |
| Jamalbayov et al. | New waterflooding efficiency evaluation method (on the example of 9th horizon of the Guneshli field) | |
| CN112487599B (zh) | 油田不同含水时期的单井产液量的确定方法及装置 | |
| Destefanis et al. | Influence of relative permeabilities on chemical enhanced oil recovery | |
| CN111598287A (zh) | 可采储量的预测方法及装置 | |
| CN115828651B (zh) | 水力压裂裂缝合理导流能力确定方法、系统、设备及介质 |
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 |