CN109376893B - 异常高压双重介质油藏注气混相驱产能预测方法及装置 - Google Patents
异常高压双重介质油藏注气混相驱产能预测方法及装置 Download PDFInfo
- Publication number
- CN109376893B CN109376893B CN201810914045.8A CN201810914045A CN109376893B CN 109376893 B CN109376893 B CN 109376893B CN 201810914045 A CN201810914045 A CN 201810914045A CN 109376893 B CN109376893 B CN 109376893B
- Authority
- CN
- China
- Prior art keywords
- oil
- matrix
- reservoir
- pressure
- pure
- 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 47
- 238000002347 injection Methods 0.000 title claims abstract description 42
- 239000007924 injection Substances 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 230000035699 permeability Effects 0.000 claims abstract description 55
- 230000000704 physical effect Effects 0.000 claims abstract description 51
- 239000012530 fluid Substances 0.000 claims abstract description 35
- 230000035945 sensitivity Effects 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 239000003129 oil well Substances 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 230000009977 dual effect Effects 0.000 claims description 7
- 238000005325 percolation Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 7
- 239000003921 oil Substances 0.000 description 126
- 238000010586 diagram Methods 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/04—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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Filling Or Discharging Of Gas Storage Vessels (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
本发明提供一种异常高压双重介质油藏注气混相驱产能预测方法及装置，包括：获取异常高压双重介质油藏的物性参数及油藏内流体的物性参数；根据油藏的物性参数，确定油藏内基质的渗流规律；根据油藏内基质的渗流规律及油藏的压力敏感系数，分别确定油藏内纯油区、混相区和纯气区的渗流规律；根据纯油区的渗流规律确定纯油区的初始裂缝渗透率；根据混相区的渗流规律确定混相区的初始裂缝渗透率；根据纯气区的渗流规律确定纯气区的初始裂缝渗透率；根据纯油区、混相区和纯气区的初始裂缝渗透率，油藏的物性参数及流体的物性参数，油藏的储容比，预测油藏的产能。本发明能够显著提高该类油藏在注气混相开发方式下的非稳态产能预测精度。
Description
技术领域
本发明涉及油气藏工程技术领域，尤其涉及一种异常高压双重介质油藏注气混相驱产能预测方法及装置。
背景技术
产能反映了一口井产烃能力的大小，是反映油气储层动态特征的一项综合指标。在油气藏工程领域，产能预测一般结合油气井的储层和生产资料，利用地层压力、井底流动压力和测试产量等油气井***测试资料进行计算，对未来产量进行较恰当的预测，为油气田开发方案的制定提供基本的参考数据。
Vogel在对大量岩石和流体物性分析的基础上，于1968年首次提出了溶解气驱油藏无因次流入动态关系式。假定油藏外边界为封闭边界、内边界采取定压或定流量生产，利用计算机对溶解气驱油藏不同衰竭程度下的直井流入动态进行了数值模拟计算，通过对产量和流压进行无因次化处理，得到无因次IPR曲线，发现不同采出程度下的无因次IPR曲线很接近，从而提出了一条参考曲线，即Vogel方程。Vogel无因次化方法是将IPR曲线上某一采出程度下的各产量点与该采出程度下的最大产量的比值作为无因次产量横坐标，以该采出程度下各产量对应的井底流压与平均地层压力比值为无因次压力纵坐标，从而得到归一化的IPR曲线。Vogel之后Wiggins、Cheng、Bendakhlia等也沿用该方法进行无因次IPR曲线的制作。其具体制作方法是：定流压或定产油量生产，进行油藏数值模拟计算。当达到某一采出程度时，记下相对应的流压和产量；重复改变流压或产量进行计算，可以得到同一采出程度下的不同流压和产量关系，从而得到该采出程度下的IPR曲线；重复进行不同采出程度下的上述计算，可以得到不同采出程度下的IPR曲线；最后通过无因次化处理即可得到无因次IPR曲线。研究表明，油气平均采出程度与油藏平均压力呈一一对应关系，因此，将油藏平均压力作为衡量衰竭程度指标，按照上述方法对不同平均地层压力下的IPR曲线进行归一化。
目前有关注气混相驱油井产能的预测方法主要有：吴晓东等在考虑地层压力、泄油半径、渗透率、相渗曲线、原油组成、CO2含量及表皮因子等因素对其影响的基础上，进行了正交试验方案设计和油藏数值模拟计算，借鉴Vogel建立溶解气驱油井产能方程的方法，通过对数值模拟计算结果的综合无因次化，建立了CO2驱油井产能预测模型。王玉霞等基于混相驱机理建立一注一采和五点法井网布井方式下CO2混相驱油井产能预测模型。尚庆华等为了明确CO2驱油井产能影响因素，基于油藏数值模拟和正交试验设计与分析方法，考虑不同油藏和流体物性对油井产能的影响，对CO2驱油井产能影响因素进行了敏感性分析，并在正交试验结果归一化处理的基础上，初步建立了CO2驱油井产能方程。
基于解析方法的油井非稳态产能预测方法大都假设单一相态流体介质，并且流体物性保持恒定；而考虑不同相态的混相驱油井产能预测方法是基于单重介质，并且没有考虑压力敏感效应。对于注气混相驱的油藏，存在如下问题：对于异常高压双重介质油藏的注气混相开发，传统油井非稳态产能预测方法无法考虑注气混相驱过程中流体相态和物性变化，并且难以反映该类油藏存在的压力敏感效应。以上问题导致应用传统方法预测非稳态产能出现较大误差。
发明内容
本发明实施例提供一种异常高压双重介质油藏注气混相驱产能预测方法，用以提升非稳态产能预测的精度，该方法包括：
获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数；
根据所述油藏的物性参数，确定所述油藏内基质的渗流规律；
根据所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律；
根据所述纯油区的渗流规律确定所述纯油区的初始裂缝渗透率；根据所述混相区的渗流规律确定所述混相区的初始裂缝渗透率；根据所述纯气区的渗流规律确定所述纯气区的初始裂缝渗透率；
根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能。
本发明实施例还提供一种一种异常高压双重介质油藏注气混相驱产能预测装置，用以提升非稳态产能预测的精度，该装置包括：
物性参数获取模块，用于获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数；
第一渗流规律确定模块，用于根据所述油藏的物性参数，确定所述油藏内基质的渗流规律；
第二渗流规律确定模块，用于根据所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律；
渗透率确定模块，用于根据所述纯油区的渗流规律确定所述纯油区的初始裂缝渗透率；根据所述混相区的渗流规律确定所述混相区的初始裂缝渗透率；根据所述纯气区的渗流规律确定所述纯气区的初始裂缝渗透率；
产能预测模块，用于根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能。
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异常高压双重介质油藏注气混相驱产能预测方法。
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执行实现异常高压双重介质油藏注气混相驱产能预测方法的计算机程序。
本发明实施例在异常高压双重介质油藏注气混相驱产能预测的过程中，通过分析油藏内基质的渗流规律，以及油藏内纯油区、混相区和纯气区的渗流规律，预测出油藏产能，与现有技术中基于单重介质进行油藏产能预测的方案相比，能够体现不同相态间储层及流体的特点，同时考虑了异常高压油藏存在的压力敏感效应，能够显著提高该类油藏在注气混相开发方式下的非稳态产能预测精度。
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为本发明实施例中注气开发方式条件下的储层流体状况示意图；
图2为本发明实施例异常高压双重介质油藏注气混相驱产能预测方法的示意图；
图3为本发明实施例中异常高压双重介质油藏压力敏感系数变化对产能的影响；
图4为本发明实施例异常高压双重介质油藏注气混相驱产能预测装置的示意图。
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。
发明人经分析发现，如图1注气开发方式条件下的储层流体状况示意图所示，根据注气开发条件下的流体物性，可以得知整个储层流体可以分为半径为R1的纯油区、(R2-R1)的混相区和(R3-R2)的纯气区；三种流体主要体现在物性的不同，主要包括粘度、密度、和体积系数；本发明实施例通过分析油藏内基质的渗流规律，以及油藏内纯油区、混相区和纯气区的渗流规律，推导得到异常高压双重介质油藏注气混相驱产能预测的方法，能够显著提高该类油藏在注气混相开发方式下的非稳态产能预测精度。
为了提升非稳态产能预测的精度，本发明实施例提供了一种异常高压双重介质油藏注气混相驱产能预测方法，如图2所示，该方法包括：
步骤201、获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数；
步骤202、根据所述油藏的物性参数，确定所述油藏内基质的渗流规律；
步骤203、根据所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律；
步骤204、根据所述纯油区的渗流规律确定所述纯油区的初始裂缝渗透率；根据所述混相区的渗流规律确定所述混相区的初始裂缝渗透率；根据所述纯气区的渗流规律确定所述纯气区的初始裂缝渗透率；
步骤205、根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能。
由图2所示流程可以得知，本发明实施例在异常高压双重介质油藏注气混相驱产能预测的过程中，通过分析油藏内基质的渗流规律，以及油藏内纯油区、混相区和纯气区的渗流规律，预测出油藏产能，与现有技术中基于单重介质进行油藏产能预测的方案相比，能够体现不同相态间储层及流体的特点，同时考虑了异常高压油藏存在的压力敏感效应，能够显著提高该类油藏在注气混相开发方式下的非稳态产能预测精度。
具体实施时，先获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数。其中，油藏的物性参数可以包括多种参数，例如可以包括油藏的基质渗透率、基质孔隙度、基质压缩系数、粘度、基质压力和基质导压系数等其中之一或任意组合，前述提到的油藏的物性参数中的具体参数为举例说明，本领域技术人员可以理解，实施时还可以根据需要设置其它的物性参数，例如：可以包括：裂缝压力，原始油藏压力，初始裂缝渗透率，裂缝压缩系数，压力敏感系数，基质向裂缝的供液速度，基质-裂缝压缩系数，裂缝孔隙度等，这些变化例均应落入本发明的保护范围。油藏内流体的物性参数也可以包括多种参数，例如可以包括油藏的井底流压等。前述提到的流体的油藏内流体的物性参数中的具体参数为举例说明，本领域技术人员可以理解，实施时还可以根据需要设置其它的物性参数，这些变化例均应落入本发明的保护范围。
在获取到异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数之后，根据油藏内基质的渗流规律，实施例中例如可以按如下公式，确定所述油藏内基质的渗流规律：
其中：km为基质渗透率，10-3μm2；
为基质孔隙度，小数；cm为基质压缩系数，MPa-1；μ为粘度，cp；pm为基质压力，MPa；t为时间，s；ηm为基质导压系数，cm2/s。
前述提到的确定所述油藏内基质的渗流规律的公式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
在得到异常高压双重介质油藏内基质的渗流规律和油藏的压力敏感系数后，按如下公式，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律：
其中：j＝1、2、3，区域下标，分别代表纯油区、混相区和纯气区；pfi为裂缝压力MPa；pi为原始油藏压力，MPa；kif为初始裂缝渗透率，10-3μm2；clj为裂缝压缩系数，MPa-1；α为压力敏感系数，MPa-1；Qmj为基质向裂缝的供液速度，m3/s；cmfj为基质-裂缝压缩系数，MPa-1；
为裂缝孔隙度，小数。
前述提到的确定所述油藏内纯油区、混相区和纯气区的渗流规律的公式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
通过本发明人的推导，单井的产能表达式为：
其中：rw为井筒半径，m。
前述提到的单井的产能表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
在得到所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及所述流体的物性参数，所述油藏的储容比等参数后，根据单井产能表达式，按如下过程进推导，得到异常高压双重介质油藏注气混相驱产能预测方法：
对上述的式(3)进行无因次化，可得：
式中：
同时，
通过Laplace变换及逆变换，可得：
将方程(8)代入方程(4)，可以得到异常高压双重介质油藏注气混相驱产能预测方法：
式中：qw为油井产能，m3/d；h为储层厚度，m；kif为初始裂缝渗透率，10-3μm2；pi为原始油藏压力，MPa；pw为井底流压，MPa；s为拉普拉斯变量；f＝ω，为储容比；K0、K1为零阶、一阶的虚宗量贝塞尔函数；PD为无因次压力；rD为无因次井筒半径；αD为无因次压力敏感系数。
前述提到的异常高压双重介质油藏注气混相驱产能预测表达式以及推导过程为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
根据实施例中推导得出的的异常高压双重介质油藏注气混相驱产能预测方法，可以分析异常高压双重介质油藏注气混相驱中压力敏感系数对产能的影响，图3是本发明实施例中异常高压双重介质油藏压力敏感系数变化对产能的影响的分析示意图，由图3中可知，在压差恒定时，压力敏感系数越大，地面原油产量越小。
下面提供一具体实例，说明应用本发明实施例的异常高压双重介质油藏注气混相驱产能预测方法进行异常高压双重介质油藏预测的效果，在本例中，根据KE-1、KE-3、KE-5、KW-1、KE-2共5口井的相关参数，运用异常高压双重介质油藏注气混相驱产能预测方法进行产能预测，并与实际产能进行对比。对比结果如下：
根据上述计算产能与实际产能结果对比，可以得知运用异常高压双重介质油藏注气混相驱产能预测方法得出的产能预测与实际产能的结果相对误差较小，说明该产能预测方法具有较高的精度。
由上述实施例可以得知，根据推导的异常高压双重介质油藏注气混相驱产能预测方法，能够采用解析法准确预测异常高压双重介质油藏注气混相驱产能，方便快捷。
本发明实施例中还提供了一种异常高压双重介质油藏注气混相驱产能预测装置，如下面的实施例所述。由于该装置解决问题的原理与异常高压双重介质油藏注气混相驱产能预测方法相似，因此该装置的实施可以参见异常高压双重介质油藏注气混相驱产能预测方法的实施，重复之处不再赘述。
图4是本发明实施例中异常高压双重介质油藏注气混相驱产能预测装置的示意图，如图4所示，该装置可以包括：
物性参数获取模块401，用于获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数；
第一渗流规律确定模块402，用于根据所述油藏的物性参数，确定所述油藏内基质的渗流规律；
第二渗流规律确定模块403，用于根据所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律；
渗透率确定模块404，用于根据所述纯油区的渗流规律确定所述纯油区的初始裂缝渗透率；根据所述混相区的渗流规律确定所述混相区的初始裂缝渗透率；根据所述纯气区的渗流规律确定所述纯气区的初始裂缝渗透率；
产能预测模块405，用于根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能。
一个实施例中，所述油藏的物性参数，可以包括：所述油藏的基质渗透率、基质孔隙度、基质压缩系数、粘度、基质压力和基质导压系数其中之一或任意组合；
和/或，所述油藏内流体的物性参数，包括所述油藏的井底流压。
一个实施例中，第一渗流规律确定模块202可以进一步用于：
按如下公式根据所述油藏的物性参数，确定所述油藏内基质的渗流规律：
其中：km为基质渗透率，10-3μm2；
为基质孔隙度，小数；cm为基质压缩系数，MPa-1；μ为粘度，cp；pm为基质压力，MPa；t为时间，s；ηm为基质导压系数，cm2/s。
一个实施例中，第二渗流规律确定模块203可以进一步用于：根据所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律：
其中：j＝1、2、3，区域下标，分别代表纯油区、混相区和纯气区；pfi为裂缝压力MPa；pi为原始油藏压力，MPa；kif为初始裂缝渗透率，10-3μm2；clj为裂缝压缩系数，MPa-1；α为压力敏感系数，MPa-1；Qmj为基质向裂缝的供液速度，m3/s；cmfj为基质-裂缝压缩系数，MPa-1；
为裂缝孔隙度，小数。
一个实施例中，通过本发明人的推导，单井的产能表达式为：
其中：rw为井筒半径，m。
一个实施例中，所述产能预测模块205可以进一步用于：根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及所述流体的物性参数，所述油藏的储容比，所述单井产能表达式，预测所述油藏的产能：
其中：qw为油井产能，m3/d；h为储层厚度，m；kif为初始裂缝渗透率，10-3μm2；pi为原始油藏压力，MPa；pw为井底流压，MPa；s为拉普拉斯变量；f＝ω，为储容比；K0、K1为零阶、一阶的虚宗量贝塞尔函数。
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异常高压双重介质油藏注气混相驱产能预测方法。
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执行实现异常高压双重介质油藏注气混相驱产能预测方法的计算机程序。
综上所述，本发明实施例在异常高压双重介质油藏注气混相驱产能预测的过程中，通过分析油藏内基质的渗流规律，以及油藏内纯油区、混相区和纯气区的渗流规律，预测出油藏产能，与现有技术中基于单重介质进行油藏产能预测的方案相比，能够体现不同相态间储层及流体的特点，同时考虑了异常高压油藏存在的压力敏感效应，能够显著提高该类油藏在注气混相开发方式下的非稳态产能预测精度。
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、***、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(***)、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 (10)
1.一种异常高压双重介质油藏注气混相驱产能预测方法，其特征在于，包括：
获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数；
根据包括油藏的基质渗透率、基质孔隙度、基质压缩系数、粘度、基质压力和基质导压系数其中之一或任意组合的所述油藏的物性参数，确定所述油藏内基质的渗流规律；
根据所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律；
根据所述纯油区的渗流规律确定所述纯油区的初始裂缝渗透率；根据所述混相区的渗流规律确定所述混相区的初始裂缝渗透率；根据所述纯气区的渗流规律确定所述纯气区的初始裂缝渗透率；
根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及包括油藏的井底流压、储层厚度和原始油藏压力其中之一或任意组合的所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能。
2.如权利要求1所述的方法，其特征在于，按如下公式根据包括油藏的基质渗透率、基质孔隙度、基质压缩系数、粘度、基质压力和基质导压系数其中之一或任意组合的所述油藏的物性参数，确定所述油藏内基质的渗流规律：
其中：km为基质渗透率，10-3μm2；φm为基质孔隙度，小数；cm为基质压缩系数，MPa-1；μ为粘度，cp；pm为基质压力，MPa；t为时间，s；ηm为基质导压系数，cm2/s。
3.如权利要求2所述的方法，其特征在于，按如下公式根据所述油藏内基质的渗流规律、所述油藏的物性参数及所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律：
其中：j＝1、2、3，区域下标，分别代表纯油区、混相区和纯气区；pfj为裂缝压力MPa；pi为原始油藏压力，MPa；kif为初始裂缝渗透率，10-3μm2；clj为裂缝压缩系数，MPa-1；α为压力敏感系数，MPa-1；Qmj为基质向裂缝的供液速度，m3/s；cmfj为基质-裂缝压缩系数，MPa-1；φfj为裂缝孔隙度，小数。
4.如权利要求3所述的方法，其特征在于，按如下公式根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及包括油藏的井底流压、储层厚度和原始油藏压力其中之一或任意组合的所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能：
其中：qw为油井产能，m3/d；h为储层厚度，m；kif为初始裂缝渗透率，10-3μm2；pw为井底流压，MPa；s为拉普拉斯变量；f＝ω，为储容比；K0、K1为零阶、一阶的虚宗量贝塞尔函数。
5.一种异常高压双重介质油藏注气混相驱产能预测装置，其特征在于，包括：
物性参数获取模块，用于获取异常高压双重介质油藏的物性参数及所述油藏内流体的物性参数；
第一渗流规律确定模块，用于根据所述油藏的物性参数，确定所述油藏内基质的渗流规律；
第二渗流规律确定模块，用于根据包括油藏的基质渗透率、基质孔隙度、基质压缩系数、粘度、基质压力和基质导压系数其中之一或任意组合的所述油藏的物性参数和所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律；
渗透率确定模块，用于根据所述纯油区的渗流规律确定所述纯油区的初始裂缝渗透率；根据所述混相区的渗流规律确定所述混相区的初始裂缝渗透率；根据所述纯气区的渗流规律确定所述纯气区的初始裂缝渗透率；
产能预测模块，用于根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及包括油藏的井底流压、储层厚度和原始油藏压力其中之一或任意组合的所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能。
6.如权利要求5所述的装置，其特征在于，第一渗流规律确定模块进一步用于：按如下公式根据包括油藏的基质渗透率、基质孔隙度、基质压缩系数、粘度、基质压力和基质导压系数其中之一或任意组合的所述油藏的物性参数，确定所述油藏内基质的渗流规律：
其中：km为基质渗透率，10-3μm2；φm为基质孔隙度，小数；cm为基质压缩系数，MPa-1；μ为粘度，cp；pm为基质压力，MPa；t为时间，s；ηm为基质导压系数，cm2/s。
7.如权利要求5所述的装置，其特征在于，第二渗流规律确定模块进一步用于：根据所述油藏的物性参数和及所述油藏的压力敏感系数，分别确定所述油藏内纯油区、混相区和纯气区的渗流规律：
其中：j＝1、2、3，区域下标，分别代表纯油区、混相区和纯气区；pfj为裂缝压力MPa；pi为原始油藏压力，MPa；kif为初始裂缝渗透率，10-3μm2；clj为裂缝压缩系数，MPa-1；α为压力敏感系数，MPa-1；Qmj为基质向裂缝的供液速度，m3/s；cmfj为基质-裂缝压缩系数，MPa-1；φfj为裂缝孔隙度，小数。
8.如权利要求5所述的装置，其特征在于，产能预测模块进一步用于：根据所述油藏内基质的渗流规律，所述纯油区、混相区和纯气区的初始裂缝渗透率，所述油藏的物性参数及包括油藏的井底流压、储层厚度和原始油藏压力其中之一或任意组合的所述流体的物性参数，所述油藏的储容比，预测所述油藏的产能：
其中：qw为油井产能，m3/d；h为储层厚度，m；kif为初始裂缝渗透率，10-3μm2；pi为原始油藏压力，MPa；pw为井底流压，MPa；s为拉普拉斯变量；f＝ω，为储容比；K0、K1为零阶、一阶的虚宗量贝塞尔函数。
9.一种计算机设备，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4任一所述方法。
10.一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执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810914045.8A CN109376893B (zh) | 2018-08-13 | 2018-08-13 | 异常高压双重介质油藏注气混相驱产能预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810914045.8A CN109376893B (zh) | 2018-08-13 | 2018-08-13 | 异常高压双重介质油藏注气混相驱产能预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109376893A CN109376893A (zh) | 2019-02-22 |
| CN109376893B true CN109376893B (zh) | 2022-05-10 |
Family
ID=65404673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810914045.8A Active CN109376893B (zh) | 2018-08-13 | 2018-08-13 | 异常高压双重介质油藏注气混相驱产能预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109376893B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111460651B (zh) * | 2020-03-31 | 2022-03-29 | 中国石油大学(北京) | 裂缝渗吸原油产量预测方法及*** |
| CN112081560B (zh) * | 2020-09-01 | 2022-10-28 | 成都理工大学 | 一种海上深层高温超压气藏开发方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354639A (zh) * | 2015-11-10 | 2016-02-24 | 中国石油天然气股份有限公司 | 致密油多重介质耦合渗流的全周期产能预测方法及其装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10094202B2 (en) * | 2015-02-04 | 2018-10-09 | Saudi Arabian Oil Company | Estimating measures of formation flow capacity and phase mobility from pressure transient data under segregated oil and water flow conditions |
-
2018
- 2018-08-13 CN CN201810914045.8A patent/CN109376893B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354639A (zh) * | 2015-11-10 | 2016-02-24 | 中国石油天然气股份有限公司 | 致密油多重介质耦合渗流的全周期产能预测方法及其装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109376893A (zh) | 2019-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fraim et al. | Gas reservoir decline-curve analysis using type curves with real gas pseudopressure and normalized time | |
| NO20190793A1 (en) | Automated upscaling of relative permeability and capillary pressure in multi-porosity systems | |
| US10705250B2 (en) | Generation of isotherm datasets for reservoir volumetric estimation | |
| Mahadevan et al. | Evaporative cleanup of water blocks in gas wells | |
| CN109376893B (zh) | 异常高压双重介质油藏注气混相驱产能预测方法及装置 | |
| Ojagbohunmi et al. | Coupling of stress dependent relative permeability and reservoir simulation | |
| US11840927B2 (en) | Methods and systems for gas condensate well performance prediction | |
| Schulte | Production from a fractured well with well inflow limited to part of the fracture height | |
| US20170175513A1 (en) | Evaluation of Production Performance from a Hydraulically Fractured Well | |
| Yu et al. | A sand-arch stability constrained dynamic fractal wormhole growth model for simulating cold heavy-oil production with sand | |
| CN111582532A (zh) | 应力敏感性油藏水平井产液能力预测方法及装置 | |
| CN112819035B (zh) | 利用pvt实验和机器学习判断气窜的方法及装置 | |
| Parra et al. | Application of the Producer-Based Capacitance Resistance Model to Undersaturated Oil Reservoirs in Primary Recovery | |
| Chai et al. | Integrated Hierarchy–Correlation Model for Evaluating Water-Driven Oil Reservoirs | |
| Anosova et al. | Fluid flow to a well through a radial hydraulic fracture in a porous medium at constant flow rate | |
| CN112576243A (zh) | 注入水中悬浮物导致的油气储集层孔隙堵塞的预测方法 | |
| Cui et al. | Numerical Simulation of Low‐Permeability Reservoirs with considering the Dynamic Boundary Layer Effect | |
| Ge et al. | Spatial‐Temporal ARX Modeling and Optimization for Polymer Flooding | |
| Gamal et al. | An approach for determination of the economically optimal production controlling parameters from water drive oil reservoirs | |
| Fevang et al. | Vertical Lift Models Substantiated by Statfjord Field Data | |
| CN111651848B (zh) | 应力敏感性油藏直井产液能力预测方法及装置 | |
| Zhang et al. | Experimental study on the effective utilization of reserves in tight sandstone gas reservoirs and their applications | |
| Mathew et al. | Physics driven AI coreflooding simulator for SCAL data analysis | |
| Dogru | Equivalent wellblock radius for partially perforated vertical wells—part I: anisotropic reservoirs with uniform grids | |
| Feng et al. | Productivity Formula of Horizontal Well in Low‐Permeability Gas Reservoir considering Multiple Factors |
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 |