电缆地层测试多井参数产能预测新方法

现有电缆地层测试(WFT)产能预测方法因其还无法达到中途测试(DST)产能预测精度,且存在较大误差.目前,通过基于地质统计学的多井多参数储层横向预测技术,拓展了WFT的探测半径,得到了考虑储层不等厚的平均厚度评价方法和考虑非均质性、各向异性的平均渗透率计算方法,在此基础上得到的多井参数WFT产能计算方法更接近储层实际地质情况,从而提高了WFT产能预测精度.     

考虑各向异性的电缆地层测试产能预测方法

为提高电缆地层测试对各向异性储层产能评价的精度,避免应用DST测试产生的高测试成本,利用自行设计的多探头电缆地层测试仪器和解释模型,求取既定方位的储层平面上正交方向的两个渗透率,利用基于地质统计学的变差函数分析方法分析储层实际主渗透率方向,结合矢量化渗透率计算模型,计算实际储层的主渗透率和垂直主渗透率方向的最小渗透率,给出通过电缆地层测试获得储层实际平面渗透率各向异性的方法.结合椭圆形边界油藏产量计算模型,给出渗透率各向异性地层电缆地层测试产能预测方法.电缆测试方法计算的产能结果与DST测试结果基本吻合.     

致密油储层水平井压后产能预测研究

对于致密油储层水平井压后产能预测,大多基于达西渗流建立产能预测模型,得到相应的产能解析公式,但利用测井资料来预测该类储层压后产能的方法还不甚成熟。本文利用压裂段内各小层长度、孔隙度、含水饱和度和层厚建立近井产能指数,同时基于每米加砂量表征储层的改造程度,综合近井产能指数和每米加砂量得到综合产能指数,综合产能指数相较近井产能指数与示踪剂跟踪监测的各段产能吻合更好。同时对比稳态条件下解析公式计算的产能与综合产能指数计算产能之间的差异,结果表明,综合产能指数考虑了近井储层因素和储层改造程度,更接近实际产能,对测井工作者进行该类储层压后产能评价具有一定的参考价值。     

基于GA-BP神经网络的长宁地区页岩气水平井产能预测技术

准确预测页岩体积压裂井的产能是确定合理开发决策的重要前提。目前页岩气井产能预测主要基于理论模型,需要理想化假设条件和不易得到的参数,导致体积压裂前的产量预测精度不高。为此,通过数据挖掘技术直接从影响产能的参数入手,突破传统理论模型的局限,首先利用灰色关联度确定影响长宁地区57口页岩气水平井压后产量的主控因素及权重,然后基于遗传算法优化的误差反向传播(back propagation,BP)神经网络方法,建立页岩气水平井体积压裂产能预测模型。基于该模型,针对长宁地区已生产井数据开展现场应用。应用结果表明:工程参数主要影响页岩气水平井的初期产量,总有机碳含量(total organic carbon,TOC)、单井百米液量、单井百米砂量、脆性矿物指数等工程参数是影响页岩气水平井测试产量和3个月累产气量的主控因素;TOC、I类储层钻遇长度、孔隙度、含气量等地质参数是影响页岩气水平井1年累产气量的主控因素;基于长宁地区已生产井数据建立的页岩气水平井体积压裂测试产量预测模型的平均误差为8.76%,预测误差同比多元回归模型预测降低了47.79%;基于遗传算法-误差反向传播(genetic algorithm-back propagation,GA-BP)神经网络的产能预测技术具有操作灵活和预测精度高的特点。利用大数据分析和产能预测方法为长宁地区页岩气井的产能预测提供一种新思路,提高了产能预测效率,并有效地指导现场施工。     

松辽盆地有效热储层产能预测方法

对复杂有效热储层提出了简化,提出了等效地质体的概念。建立了理想有效热储层的渗流模型,推导出地热井产能计算公式。给出了相应参数的求取方法,并对研究区的重点井进行产能计算。经过测试数据的检验分析,该热储产能的计算公式符合率可达90%,可以满足地热田热储井产能预测分析的精度要求。     

储层-裂缝组合单元在水力压裂井产能模拟中的应用

采用储层-裂缝组合单元模拟压裂改造后的储层、裂缝力学型态,推导相关有限元公式并进行压裂井产能模拟分析.这种方法的实质是将裂缝的质量、刚度矩阵变换叠加到储层整体相应方程矩阵中,以更精确反映裂缝开发动态参数的影响.计算结果表明:采用储层-裂缝组合单元有效解决了储层-裂缝网格尺度匹配的问题;反力算法避免了在高导流裂缝局部求解压力梯度产生的计算误差,提高了运算速度和求解压裂井产能的精度,为水力压裂井生产动态模拟和设计方案优化提供了新的处理方法.     

致密砂岩气井气水两相产能预测半解析模型

致密砂岩气井产能预测受气水两相流特征和裂缝渗流参数影响大,相比于数值模拟,基于解析模型的产能预测计算快、应用较广,但传统的解析模型在处理两相渗流方程非线性问题时简化过大,造成动态分析结果误差较大。针对这一问题,本文考虑了储层和裂缝中的气水两相流动特征,利用三线性流模型表征压裂缝及储层应力敏感性,建立了致密砂岩气井气水两相产能预测模型。将流动物质平衡方程与牛顿迭代法结合,利用平均地层压力逐步更新渗流模型非线性参数,并通过逐次迭代将气水两相模型线性化,获得了模型的半解析解。通过与商业数值模拟软件结果对比以及矿场实例应用验证了模型的准确性,并绘制了气水两相产能预测曲线,分析了敏感性参数对产能的影响规律。研究结果表明,所建立的半解析求解方法能够高效地处理气水两相非线性渗流问题,快速准确地获取致密气井产能预测曲线;致密储层产水严重影响了气井产能,合理的裂缝参数对提高气井产能至关重要;气藏开发过程中应合理控制生产压差,降低应力敏感效应对致密气井产能的影响。     

基于物探测井信息及有限试井资料的多井产能预测方法

 为克服某些井试井资料少、难以获取有效产能信息, 引入产能刻度因子, 基于地质统计学理论, 研究了影响小层产能刻度因子的小层有效渗透率、有效厚度的计算方法, 建立了使用试井动态资料刻度物探测井静态资料, 用刻度后的静态资料进行整个气藏的产能预测。该方法能够充分利用地震、物探和测井等静态信息, 结合少量重点井的试井动态解释结果进行产能预测。将该方法应用于M 气田的某些井, 预测得到的产能接近气井实际产能, 满足工程计算的需要。     

基于可解释机器学习的水平井产能预测方法

准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节。现有的产能预测方法，引入了过多的假设和简化，很难全面反映致密储层流体多尺度的运移机理和复杂物理过程，导致产能预测误差较大。提出一种基于机器学习的致密气藏分段压裂水平井产能预测方法，该方法综合利用已收集的地质、压裂水平井产能及钻完井等多类型数据，通过机器学习算法直接挖掘数据内部规律，建立产能预测模型。此外，为解决常规机器学习模型的“黑盒子”问题，还利用SHAP（SHapley Additive exPlanations）方法对建立的机器学习模型进行全局和局部解释，分析影响产能的主要因素，增加了模型的可信性和透明度。以苏里格气田苏东示范区为例，验证了该方法的有效性和实用性。与油气藏数值方法相比，该方法不仅提高了产能预测的精度，而且缩短了建模周期，加快了计算速度。     

用测井参数预测多层合试产能的方法

油气储层产能评价与预测对于油气田的勘探与开发有着重要的意义。过去人们利用测井参数对储层产能的预测都是基于单层测试资料。本方法是建立在多层合试产能的基础上 ,通过对测试产能的剖分 ,建立单层产能数据。用遗传神经网络建立预测模型 ,在实际资料的应用中取得了良好的效果