CN111173507B - 高含水油田剩余油预测方法 - Google Patents
高含水油田剩余油预测方法 Download PDFInfo
- Publication number
- CN111173507B CN111173507B CN202010189293.8A CN202010189293A CN111173507B CN 111173507 B CN111173507 B CN 111173507B CN 202010189293 A CN202010189293 A CN 202010189293A CN 111173507 B CN111173507 B CN 111173507B
- Authority
- CN
- China
- Prior art keywords
- oil
- well
- water
- production
- area
- 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 41
- 238000004519 manufacturing process Methods 0.000 claims abstract description 57
- 238000005192 partition Methods 0.000 claims abstract description 34
- 238000011161 development Methods 0.000 claims abstract description 32
- 230000000694 effects Effects 0.000 claims abstract description 13
- 238000011160 research Methods 0.000 claims abstract description 9
- 230000003068 static effect Effects 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims abstract description 4
- 239000003921 oil Substances 0.000 claims description 111
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 57
- 238000002347 injection Methods 0.000 claims description 19
- 239000007924 injection Substances 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 239000012071 phase Substances 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 239000010779 crude oil Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 239000008346 aqueous phase Substances 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims 1
- 230000000704 physical effect Effects 0.000 claims 1
- 238000011158 quantitative evaluation Methods 0.000 abstract description 4
- 238000009826 distribution Methods 0.000 description 6
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
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
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- 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
- E21B43/20—Displacing by water
-
- 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
- E21B43/30—Specific pattern of wells, e.g. optimising the spacing of wells
-
- 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
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种高含水油田剩余油预测方法,该高含水油田剩余油预测方法包括:步骤1,建立样本库,并进行模型训练;步骤2,整理研究区地质静态及开发历史数据;步骤3,进行开发阶段及井对划分;步骤4,标定地层有效厚度;步骤5,进行分区界限预测及叠加;步骤6,调整方案设计,并进行效果评价。该高含水油田剩余油预测方法可实现高含水油田开发后期剩余油的定量评价,为油藏生产管理决策提供有效指导,在高含水老油田开发调整部署中具有广阔的应用前景。
Description
技术领域
本发明涉及油田开发技术领域,特别是涉及到一种高含水油田剩余油预测方法。
背景技术
目前我国东部老油田已普遍进入高含水、特高含水开发阶段,剩余油分布复杂,开发效果不断变差。预测剩余油分布位置的效率和精度,直接决定了开发调整工作的效率和实施效果。然而,受开发历史和开发条件复杂等因素影响,剩余油分布主控因素难以判识,高含水老油田渗流及驱动机制复杂,剩余油预测模型建立难,数值模拟方法虽然能够实现定量评价,但操作过程繁琐耗时,预测结果具有滞后性,难以满足矿场局部、零散开发调整需求。
在申请号:201710882860.6的中国专利申请中,涉及到一种水驱油藏高含水储层剩余油分布预测方法,该预测方法包括以下步骤:1)根据油藏地质研究资料,确定表征剩余油分布所需的特征参数,所述的特征参数包括油藏的地层、岩石物理参数和流体性质参数;2)根据所确定的特征参数建立油藏高含水储层中油气的运移模型,并根据所建立的运移模型确定油井停产期间内圈闭中聚集的油气数量。该专利将单个圈闭平均处理为一组参数,通过达西定律推导建立了油气运移速度模型,计算多个圈闭的运移结果确定有利圈闭位置,该方法不能满足空间精细化剩余油研究的需求。
在申请号:201710080315.5的中国专利申请中,涉及到一种复杂断块油藏高含水后期剩余油二次富集的快速识别方法,该方法包括以下步骤:步骤S10,对目标油藏进行测量,以获得目标油藏的地质参数和井网参数;步骤S11,根据目标油藏的地质参数和井网参数,建立目标油藏的初步物理模型;步骤S12,基于目标油藏的初步物理模型,根据流线流管法进行拟合计算,以获得采油井的动态拟合特征和剩余油二次富集前的饱和度场,并对目标油藏的初步物理模型进行修正,以得到修正后的物理模型;步骤S13,基于修正后的物理模型,对剩余油富集过程中各节点分别进行垂直富集和水平富集的计算,以得到各节点的储层饱和度和含水率;完成目标油藏高含水后期剩余油二次富集的识别。该专利针对倾角断块油藏考虑油水自然分异过程的剩余油的快速预测,通过流管法理论计算获得修正后的饱和度预测结果,以弥补常规剩余油预测方法不适合考虑二次富集条件的缺陷,预测方法还是基于理论公式的计算。
为此我们发明了一种新的高含水油田剩余油预测方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种可实现高含水油田开发后期剩余油的定量评价的高含水油田剩余油预测方法。
本发明的目的可通过如下技术措施来实现:高含水油田剩余油预测方法,该高含水油田剩余油预测方法包括:步骤1,建立样本库,并进行模型训练;步骤2,整理研究区地质静态及开发历史数据;步骤3,进行开发阶段及井对划分;步骤4,标定地层有效厚度;步骤5,进行分区界限预测及叠加;步骤6,调整方案设计,并进行效果评价。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,采用油藏数值模拟方法建立典型概念模型,对一口注水井一口采油井模型,改变注水井到采油井间距离(L)、地层厚度(h)、孔隙度渗透率(k)、原油粘度(μo)、油相相对渗透率(kro)、水相相对渗透率(krw)、地层倾角(α)这些参数,采用定压方式,生产至含水率>95%,统计累注水(Ni)、累产油(No)、含水率(fw)数据,建立生产动态样本库。
在步骤1中,对含油饱和度(So)计算结果开展统计,通过聚类分析算法确定用于分区的含油饱和度界限值(So1、So3),将平面区域划分为强驱替区(3区:So≤So1)、弱驱替区(2区:So1<So<So2)、未动用区(1区:So≥So2)三个区域,分别统计三个区域的分界点距离,其中1区与2区分界点距离为Lc1,2区与3区分界点距离为Lc2,从而建立分区界限样本库,通过深度学习算法分别建立f1(x)、f2(x)两个分区界限预测模型:
在步骤2中,整理研究区地质静态及开发历史数据,包括:油藏边界数据,井位坐标及深度数据,油藏地质参数包括油藏厚度、孔隙度、渗透率,流体物性参数,井网转换数据,各井生产动态数据包括产油量、产油量、注水量。
在步骤3中,将目标区开发历史划分为若干井网调整阶段(S1,S2,...,Sn),根据注采对应关系划分为若干个注采井对(w1,w2,...,wn),整理各井对累积注入水量,以注水井为起点,采油井为终点,标注各井对的注采箭头方向及累注水量数据。
在步骤4中,采用生产动态曲线标定方法,统计各采油井实际生产数据,作累注水与含水率散点图(Ni~fW)和累注水与累产油散点图(Ni~N0),从步骤1建立的样本库中查找形态相似性最高的参数组合,取多井厚度(h)平均值,即为标定有效厚度。
在步骤5中,采用步骤1训练获得的分区界限预测模型f1(x)、f2(x),根据步骤3得到的井对参数获得各井对分区界限位置参数(Lc1,Lc2),根据该参数重构三个区域,分别赋值对应区域编号(3、2、1),从而获得分区矩阵(wi);
当同一个位置被两个“井对”覆盖时,取两个矩阵对应元素最大值(3式),从而获得该阶段的分区矩阵(Si);
Si=max{w1,w2,...,wn} (3)
当同一位置被两个阶段覆盖时,取两个阶段矩阵对应元素最大值进行叠加(4式),从而获得最终分区矩阵(S);
S=max{S1,S2,...,Sn} (4)。
在步骤6中,设计N种开发调整方案,采用步骤2-5计算新方案的分区结果,统计1区或1+2区面积进行,面积最小则代表该方案的效果最好,其井网对剩余油的控制作用最强。
本发明中的高含水油田剩余油预测方法,采用数值模拟与矿场统计相结合的方法,建立不同注采条件下注水井驱替作用区域样本库,通过深度学习算法建立影响因素与作用范围的关系模型,将油藏多个井组的驱替作用范围叠加后生产剩余油预测结果,克服了传统动态分析方法定量化不足,数值模拟方法效率低的缺陷。该高含水油田剩余油预测方法可实现高含水油田开发后期剩余油的定量评价,为油藏生产管理决策提供有效指导,在高含水老油田开发调整部署中具有广阔的应用前景。
附图说明
图1为本发明的高含水油田剩余油预测方法的一具体实施例的流程图;
图2为本发明的一具体实施例中典型模型驱替区域划分示意图;
图3为本发明的一具体实施例中开发阶段及井对划分示意图;
图4为本发明的一具体实施例中有效厚度标定示意图;
图5为本发明的一具体实施例中分区界限预测及叠加示意图。
图3a—第一阶段,图3b—第二阶段,图3c—第三阶段。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
如图1所示,图1为本发明的高含水油田剩余油预测方法的流程图。
步骤101,样本库建立及模型训练
采用油藏数值模拟方法建立典型概念模型,通常为一口注水井一口采油井模型(图2),改变注水井到采油井间距离(L)、地层厚度(h)、孔隙度渗透率(k)、原油粘度(μo)、相对渗透率曲线(kro、krw))、地层倾角(α)等参数,采用定压方式,生产至含水率>95%,统计累注水(Ni)、累产油(No)、含水率(fw)数据,建立“生产动态样本库”。
对含油饱和度(So)计算结果开展统计,通过聚类分析算法确定用于分区的含油饱和度界限值(So1、So2),将平面区域划分为强驱替区(3区:So≤So1)、弱驱替区(2区:So1<So<So2)、未动用区(1区:So≥So2)三个区域。
进入高含水生产阶段,油水井间驱替作用分界线通常呈现“纺锤形”、“椭圆形”等相对稳定形态(图2),因而只需获得分界线中点到油水井连线中点的距离(分界点距)即可实现分界区域的近似重构,分别统计三个区域的分界点距离(Lc1,Lc2),从而建立“分区界限样本库”,通过深度学习算法分别建立f1(x)、f2(x)两个分区界限预测模型。
步骤102,研究区数据准备
整理研究区地质静态及开发历史数据,包括:油藏边界数据、井位坐标及深度数据、油藏地质参数(油藏厚度、孔隙度、渗透率等)、流体物性参数、井网转换数据、各井生产动态数据(产油量、产油量、注水量等)。
步骤103,开发阶段及井对划分。
将目标区开发历史划分为若干井网调整阶段(S1,S2,...,Sn),根据注采对应关系划分为若干个注采“井对”(w1,w2,...,wn),整理各“井对”累积注入水量,以注水井为起点,采油井为终点,标注各“井对”的注采箭头方向及累注水量数据(图3)。
步骤104,地层有效厚度标定
油藏厚度通常指地质静态厚度,然而实际流动只是其中一部分,为了获取较为精准的油藏厚度参数,采用生产动态曲线标定方法。
统计各采油井实际生产数据(图4),作累注水与含水率散点图(Ni~fw)和累注水与累产油散点图(Ni~No),从步骤1建立的“生产动态样本库”中查找形态相似性最高的参数组合,取多井厚度(h)平均值,即为标定有效厚度。
步骤105,分区界限预测及叠加
采用步骤101训练获得的“分区界限预测模型”f1(x)、f2(x),输入步骤103得到的“井对”参数获得各“井对”分区界限位置参数(Lc1,Lc2),根据该参数重构三个区域(图5),分别赋值对应区域编号(3、2、1),从而获得分区矩阵(wi)。
当同一个位置被两个“井对”覆盖时,取两个矩阵对应元素最大值(3式),从而获得该阶段的分区矩阵(Si);
Si=max{w1,w2,...,wn} (3)
当同一位置被两个阶段覆盖时,取两个阶段矩阵对应元素最大值进行叠加(4式),从而获得最终分区矩阵(S);
S=max{S1,S2,...,Sn} (4)
该分区结果可指导剩余油挖潜调整,例如未动用区(1区)是零散新井的目标对象,弱驱替区(2区)是注采调整的目标对象。
步骤106,调整方案设计及效果评价
设计N种开发调整方案,采用步骤102-105计算新方案的分区结果,统计1区(或1+2区)面积进行,面积最小则代表该方案的效果最好,其井网对剩余油的控制作用最强。
在应用本发明的一具体实施例中,包括了以下步骤:
步骤1,采用油藏数值模拟软件建立一注一采概念模型(图2),设计考虑储层及流体等7个参数每个参数2-5个水平的模拟计算方案,共获得2500个方案。在模型上开展模拟计算,生产至含水大于95%结束,统计各方案含油饱和度数据([So])、生产动态数据(累注水、累产油、含水率等),建立“生产动态样本库”。
采用聚类算法对含油饱和度数据进行分析,获得用于分区的含油饱和度界限值分别为So1=0.35,So2=0.56,从而将各方案平面区域划分为强驱(3区)、弱驱(2区)、未动(1区)三个区域,分别统计各方案“分界点距离”(Lc1,Lc2),从而建立“分区界限样本库”,采用深度学习算法训练获得7个参数与分界点距离间的关系,形成“分界点预测模型”。
步骤2,整理研究区地质静态及开发历史数据,包括:油藏边界数据、井位坐标及深度数据、油藏地质参数(油藏厚度、孔隙度、渗透率等)、流体物性参数、井网转换数据、各井生产动态数据(产油量、产油量、注水量等)。
步骤3,划分开发阶段及“井对”(图3),某区块生产历史上可划分为三个阶段:第一阶段(图3a),I1-P1井对注水3.6万方,I1-P2井对1.2万方,I2-P2井对2.2万方;第二阶段(图3b)I1-P1井对注水1.6万方,I2-P1对注水量1.9万方;第三阶段(图3c),I2-P1井对2.6万方,P2-P1井对1.9万方。
步骤4,地层有效厚度标定,统计各井组实际生产数据(图4),作累注水与含水率关系图(Ni~fw)和累注水与累产油关系图(Ni~No)。从步骤101建立的“生产动态样本库”中查找形态相似性最高的参数组合,取厚度(h)平均值为有效厚度。
步骤5,采用步骤1建立的“分界点预测模型”,代入每个“井对”的参数,从而获得各“井对”分区界限位置(Lc1,Lc2),根据该参数重构三个区域(图5),分别赋值对应区域值(3、2、1),获得对应分区矩阵(wi)。
当同一个位置被两个“井对”或两个阶段覆盖时,两个矩阵对应元素取最大值进行叠加,计算过程见(5)式。
步骤6,设计3种开发调整方案,采用2-5计算过程,分别计算各方案的分区结果,对未动用区(1区)的面积进行统计,面积最小为最优方案。
本发明解决高含水老油田剩余油预测难题,提供了一种数值模拟与矿场统计相结合的样本库建立方法,通过深度学习算法建立驱替作用分区界限预测模型,将各井组分区结果叠加后获得整个区块剩余油分布。
Claims (1)
1.高含水油田剩余油预测方法,其特征在于,该高含水油田剩余油预测方法包括:
步骤1,建立样本库,并进行模型训练;
步骤2,整理研究区地质静态及开发历史数据;
步骤3,进行开发阶段及井对划分;
步骤4,标定地层有效厚度;
步骤5,进行分区界限预测及叠加;
步骤6,调整方案设计,并进行效果评价;
在步骤1中,采用油藏数值模拟方法建立典型概念模型,对一口注水井一口采油井模型,改变注水井到采油井间距离L、地层厚度h、孔隙度渗透率k、原油粘度μo、油相相对渗透率kro、水相相对渗透率krw、地层倾角α这些参数,采用定压方式,生产至含水率>95%,统计累注水Ni、累产油N0、含水率fw数据,建立生产动态样本库;
对含油饱和度So计算结果开展统计,通过聚类分析算法确定用于分区的含油饱和度界限值(So1、So2),将平面区域划分为强驱替区3区:So≤So1、弱驱替区2区:So1<So<So2、未动用区1区:So≥So2三个区域,其中1区与2区分界点距离为Lc1,2区与3区分界点距离为Lc2,从而建立分区界限样本库,通过深度学习算法分别建立f1(x)、f2(x)两个分区界限预测模型:
在步骤2中,整理研究区地质静态及开发历史数据,包括:油藏边界数据,井位坐标及深度数据,油藏地质参数包括油藏厚度、孔隙度、渗透率,流体物性参数,井网转换数据,各井生产动态数据包括产油量、产油量、注水量;
在步骤3中,将目标区开发历史划分为若干井网调整阶段(S1,S2,...,Sn),根据注采对应关系划分为若干个注采井对(w1,w2,...,wn),整理各井对累积注入水量,以注水井为起点,采油井为终点,标注各井对的注采箭头方向及累注水量数据;
在步骤4中,采用生产动态曲线标定方法,统计各采油井实际生产数据,作累注水与含水率散点图(Ni~fw)和累注水与累产油散点图(Ni~No),从步骤1建立的样本库中查找形态相似性最高的参数组合,取多井厚度h平均值,即为标定有效厚度;
在步骤5中,采用步骤1训练获得的分区界限预测模型f1(x)、f2(x),根据步骤3得到的井对参数获得各井对分区界限位置参数(Lc1,Lc2),根据该参数重构三个区域,分别赋值对应区域编号(3、2、1),从而获得分区矩阵(wi);
当同一个位置被两个“井对”覆盖时,取两个矩阵对应元素最大值3式,从而获得该阶段的分区矩阵(Si);
Si=max{w1,w2,...,wn} (3)
当同一位置被两个阶段覆盖时,取两个阶段矩阵对应元素最大值进行叠加4式,从而获得最终分区矩阵(S);
S=max{S1,S2,...,Sn} (4);
在步骤6中,设计N种开发调整方案,采用步骤2-5计算新方案的分区结果,统计1区或1+2区面积进行,面积最小则代表该方案的效果最好,其井网对剩余油的控制作用最强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010189293.8A CN111173507B (zh) | 2020-03-17 | 2020-03-17 | 高含水油田剩余油预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010189293.8A CN111173507B (zh) | 2020-03-17 | 2020-03-17 | 高含水油田剩余油预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111173507A CN111173507A (zh) | 2020-05-19 |
CN111173507B true CN111173507B (zh) | 2023-04-07 |
Family
ID=70648539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010189293.8A Active CN111173507B (zh) | 2020-03-17 | 2020-03-17 | 高含水油田剩余油预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111173507B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111764879B (zh) * | 2020-07-08 | 2021-06-15 | 中国石油大学(华东) | 一种二元复合驱产剂窜流的评价方法 |
CN112287279B (zh) * | 2020-09-27 | 2023-12-26 | 中国石油天然气股份有限公司 | 剩余油预测方法及装置 |
CN112282714B (zh) * | 2020-11-30 | 2022-03-25 | 河海大学 | 基于深度学习和图论的全井网注水开发优化方法 |
CN112360411B (zh) * | 2020-11-30 | 2022-02-01 | 河海大学 | 基于图神经网络的局部井网注水开发优化方法 |
CN115841181B (zh) * | 2022-12-02 | 2023-06-20 | 昆仑数智科技有限责任公司 | 剩余油分布预测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2638227A1 (fr) * | 2007-08-06 | 2009-02-06 | Ifp | Methode pour evaluer un schema de production d'un gisement souterrain en tenant compte des incertitudes |
CN103902752A (zh) * | 2012-12-27 | 2014-07-02 | 中国地质大学(北京) | 一种新型黑油、组分一体化混合数值模拟方法及装置 |
CN104678433A (zh) * | 2013-11-27 | 2015-06-03 | 中国石油化工股份有限公司 | 一种转换波极值属性油气检测方法 |
CA2951576A1 (fr) * | 2015-12-17 | 2017-06-17 | Total Sa | Procede d'exploitation des hydrocarbures d'un bassin sedimentaire, au moyen d'une simulation de bassin, avec prise en compte des effets geomacaniques |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9020793B2 (en) * | 2005-12-22 | 2015-04-28 | Chevron U.S.A. Inc. | Method, system and program storage device for reservoir simulation utilizing heavy oil solution gas drive |
CN103573234B (zh) * | 2012-08-06 | 2016-06-08 | 中国石油化工股份有限公司 | 一种确定完整油水相对渗透率曲线的方法 |
CN103745022B (zh) * | 2013-11-14 | 2015-09-09 | 中国石油化工股份有限公司 | 聚合物驱后变流线调整方法 |
CN103993862B (zh) * | 2014-02-12 | 2016-02-10 | 中国石油天然气股份有限公司 | 复杂断块稀油油藏分层开发方法 |
CN106351624B (zh) * | 2015-07-16 | 2018-09-04 | 中国石油化工股份有限公司 | 特高含水期断块油藏分区调控提高采收率方法 |
CN105426620B (zh) * | 2015-11-30 | 2018-06-01 | 中国石油天然气股份有限公司 | 一种油层剩余油主控因素定量分析方法及装置 |
CN106150458A (zh) * | 2016-07-05 | 2016-11-23 | 中国石油天然气股份有限公司 | 一种提高裂缝型潜山油藏高含水油井产量的注采方式 |
CN106894814B (zh) * | 2017-02-15 | 2020-06-12 | 中国石油化工股份有限公司胜利油田分公司勘探开发研究院 | 复杂断块油藏高含水后期剩余油二次富集的快速识别方法 |
CN109558963B (zh) * | 2017-09-26 | 2021-04-27 | 中国石油化工股份有限公司 | 一种水驱油藏高含水储层剩余油分布预测方法 |
WO2019118658A1 (en) * | 2017-12-14 | 2019-06-20 | Schlumberger Technology Corporation | System and method for simulating reservoir models |
CN109948841B (zh) * | 2019-03-11 | 2020-10-27 | 中国石油大学(华东) | 一种基于深度学习的水驱开发油田剩余油分布的预测方法 |
CN110363325B (zh) * | 2019-05-06 | 2022-04-19 | 中国石油化工股份有限公司 | 复杂断块油藏多目标注采调控优化方法 |
CN110617042B (zh) * | 2019-10-12 | 2021-09-28 | 中国石油化工股份有限公司 | 高耗水层带发育油藏分层注水调控方法 |
-
2020
- 2020-03-17 CN CN202010189293.8A patent/CN111173507B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2638227A1 (fr) * | 2007-08-06 | 2009-02-06 | Ifp | Methode pour evaluer un schema de production d'un gisement souterrain en tenant compte des incertitudes |
CN103902752A (zh) * | 2012-12-27 | 2014-07-02 | 中国地质大学(北京) | 一种新型黑油、组分一体化混合数值模拟方法及装置 |
CN104678433A (zh) * | 2013-11-27 | 2015-06-03 | 中国石油化工股份有限公司 | 一种转换波极值属性油气检测方法 |
CA2951576A1 (fr) * | 2015-12-17 | 2017-06-17 | Total Sa | Procede d'exploitation des hydrocarbures d'un bassin sedimentaire, au moyen d'une simulation de bassin, avec prise en compte des effets geomacaniques |
Also Published As
Publication number | Publication date |
---|---|
CN111173507A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111173507B (zh) | 高含水油田剩余油预测方法 | |
CN104747185B (zh) | 非均质油藏储层综合分类评价方法 | |
CN106894814B (zh) | 复杂断块油藏高含水后期剩余油二次富集的快速识别方法 | |
CN103352693B (zh) | 一种基于含油气含量的产能预测***及其方法 | |
CN102913233B (zh) | 一种基于无因次对比图版的优势流动通道识别方法 | |
CN107387051B (zh) | 低渗透非均质油藏多段压裂水平井重复压裂选井的方法 | |
CN110288258A (zh) | 一种高含水油藏剩余油挖潜方法 | |
CN112343587A (zh) | 一种特低渗透油藏优势渗流通道识别表征方法 | |
CN106529667A (zh) | 一种大数据环境下基于模糊深度学习的测井相识别与分析方法 | |
CN110263439A (zh) | 一种油藏见水前分层注水技术政策界限 | |
CN104564006A (zh) | 一种低渗气井压裂产水能力判断方法 | |
CN104992178A (zh) | 基于支持向量机模拟交会图的致密砂岩流体类型识别方法 | |
CN112541571A (zh) | 基于双并联神经网络的机器学习的注采连通性确定方法 | |
CN107545102B (zh) | 一种预测新开发区蒸汽辅助重力泄油开发指标的方法 | |
CN109239783B (zh) | 一种井震结合中取舍地震信息的方法 | |
CN111444621A (zh) | 基于动静态渗流界面的高含水油藏流动单元划分方法 | |
CN106481315B (zh) | 陆上砂岩油藏单井可采储量快速确定模型及建立方法 | |
CN116384618A (zh) | 一种大井距油藏调驱选井方法和*** | |
CN117131971A (zh) | 基于Xgboost算法的储层优势渗流通道预测方法 | |
CN116306118A (zh) | 一种裂缝建模方法 | |
CN113361111B (zh) | 一种低渗透油藏储层特征模型的划分方法 | |
CN115705452A (zh) | 整装砂岩油藏开发中后期的新型采收率预测方法 | |
CN104462792B (zh) | 一种测井数据岩性层数值归约方法 | |
CN110566196B (zh) | 一种储层连通性分析方法 | |
CN114764546A (zh) | 基于生成对抗神经网络的断块油藏剩余油预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |