CN112253097A - 一种基于大数据分析的油水高渗通道识别方法 - Google Patents
一种基于大数据分析的油水高渗通道识别方法 Download PDFInfo
- Publication number
- CN112253097A CN112253097A CN202010974269.5A CN202010974269A CN112253097A CN 112253097 A CN112253097 A CN 112253097A CN 202010974269 A CN202010974269 A CN 202010974269A CN 112253097 A CN112253097 A CN 112253097A
- Authority
- CN
- China
- Prior art keywords
- well
- production
- water injection
- water
- oil
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 137
- 238000002347 injection Methods 0.000 claims abstract description 125
- 239000007924 injection Substances 0.000 claims abstract description 125
- 238000012417 linear regression Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 26
- 239000007788 liquid Substances 0.000 claims description 17
- 238000011478 gradient descent method Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 abstract description 8
- 239000003129 oil well Substances 0.000 description 9
- 239000000700 radioactive tracer Substances 0.000 description 6
- 230000037361 pathway Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 208000013201 Stress fracture Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 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
- E21B47/00—Survey of boreholes or wells
- E21B47/10—Locating fluid leaks, intrusions or movements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于大数据分析的油水高渗通道识别方法，第一步，收集区域内生产井和注水井的生产数据；第二步，根据注水井和生产井组成的注采***的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。基于注水井和生产井的生产数据，可以快速判断注水井深部调驱油水井高渗通道，为之后的调驱提供了基础。
Description
技术领域
本发明属于石油工业领域，具体涉及一种基于大数据分析的油水高渗通道识别方法
背景技术
水井调驱已成为低渗透油田稳产的主要措施。年工作量达到800井次。优选调驱井是保持低成本、高效益措施效果的主要方式之一。其中，油水井对应关系，即高含水油井的来水方向判识是选井决策技术的核心。目前在油水井对应关系判识上主要是以动态数据对比分析为主，受人为因素影响大，区块整体选井效率不高，难以适应生产需求。
而目前国内外定量化判识油水井对应关系主要是采取最小二乘法、遗传算法、拟牛顿法、高斯估值等传统数学方法来进行求解，实现手段主要是利用SPSS软件、MatLab、自主编程等比较专业的工具。技术门槛高，不宜于推广应用。
因此需要研究定量化、快速化的油水井对应关系判识方法，提升决策效率。
发明内容
本发明的目的是提供一种基于大数据分析的油水高渗通道识别方法，以运用大数据分析算法，进行定量化、快速化的油水井对应关系判识方法，为注水井深部调驱提供决策技术支撑。
一种基于大数据分析的油水高渗通道识别方法，
第一步，收集区域内生产井和注水井的生产数据；
第二步，根据注水井和生产井组成的注采***的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。
所述第二步中，多元线性回归模型为
式中：
为第j口生产井产液量估计值，cm3/s；t为注采动态数据采样时间序号；β0j为表征注采不平衡的常数项；N为注水井数，口；βij为第i口注水井和第j口生产井间的多元线性回归权重值，定义为井间动态连通系数，用来表征注入井i和生产井j的动态连通程度；ii(t)为第i口注水井的注水量，cm3/s。
所述生产数据包括注水井的月注入量和日注入量，生产井的月采液量和日采液量。
所述第二步中，多元线性模型得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，注水井与生产井之间的多元线性回归权重值即注水井与生产井之间的动态连通程度，注水井与生产井之间的多元线性回归权重值越高，注水井与生产井之间的动态连通程度也越高。
所述多元线性模型通过梯度下降法求得注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值。
所述第二步中，通过梯度下降法求解得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值时，当目标函数误差小于或小于2时，梯度下降停止，此时迭代出的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值即为稳定值。
第二步后还对一注水井与多个生产井之间的动态连通程度排序，或对一个生产井与多个注水井之间的动态连通程度进行排序，由高至低前三的两井之间可认为产生了高渗透通道或微裂隙，为后续的注水井深部调驱提供支持。
本发明的有益效果在于：基于注水井和生产井的生产数据，可以快速判断注水井深部调驱油水井高渗通道，为之后的调驱提供了基础。
附图说明
图1为西32-29井计算出的高渗通道图；
图2为西32-29井示踪迹试验的高渗通道图；
图3为西28-35井计算出的高渗通道图；
图4为西28-35井示踪迹试验的高渗通道图；
图5为西31-20井计算出的高渗通道图；
图6为西31-20井示踪迹试验的高渗通道图。
以下将结合附图及实施例对本发明做进一步详细说明。
具体实施方式
【实施例1】
一种基于大数据分析的油水高渗通道识别方法，
第一步，收集区域内生产井和注水井的生产数据；
第二步，根据注水井和生产井组成的注采***的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。
所述生产数据包括注水井的月注入量和日注入量，生产井的月采液量和日采液量。
油藏是一个动力学平衡***，水井注水量的变化引起油井产液波动是油水井层内连通的特征反映，油井产液量的波动幅度与油水井连通程度相关。油水井间连通性越好，注水量和产液量数据的相关程度越高。基于***分析思想，把油藏的注水井、生产井以及井间储层看作一个完整的***，则该***的输入(激励)为注水井的注水量，输出(响应)为生产井的产液量。
所述第二步中，多元线性回归模型为
式中：
为第j口生产井产液量估计值，cm3/s；t为注采动态数据采样时间序号；β0j为表征注采不平衡的常数项；N为注水井数，口；βij为第i口注水井和第j口生产井间的多元线性回归权重值，定义为井间动态连通系数，用来表征注入井i和生产井j的动态连通程度；ii(t)为第i口注水井的注水量，cm3/s。
代表了收集的产液量，ii(t)代表了收集的注入量，t代表了注入量和产液量对应的时间，将同一日的产液量和注入量带入模型中，或者以月为单位，将同一月j生产井的总产液量和注入井i的总注入量作为数据带入模型。
因此在油田生产中，每一口井的产量变化都与周围与之连通的所有注水井的共同作用相关联。根据多元线性回归思想，对于一个由注水井和生产井组成的注采***，生产井的产液量可以表示为
，通过此公式求解可以得到βij，即注入井i和生产井j之间的连通关系，而一口注水井往往对应多个生产井，将其余生产井的生产数据也代入求解，既可以得到一口注水井与多口生产井之间的连通关系。在实际使用中，根据井场的历史数据，根据βij值的高低，可以得到某口注水井与哪些生产井有关联，并根据相关性的高低来判断是否存在高渗通道或微裂隙。
所述第二步中，多元线性模型得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，注水井与生产井之间的多元线性回归权重值即注水井与生产井之间的动态连通程度，注水井与生产井之间的多元线性回归权重值越高，注水井与生产井之间的动态连通程度也越高。
所述多元线性模型通过梯度下降法求得注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值。
所述第二步中，通过梯度下降法求解得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值时，当目标函数误差小于或小于2时，梯度下降停止，此时迭代出的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值即为稳定值。
注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值的初值可由***分配随机数，随着导入生产数据，通过梯度下降法不断迭代得到新的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，直至注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值趋于稳定，选定此时的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值作为最终输出值，通过最终的注水井与生产井之间的多元线性回归权重值来判断注水井与生产井之间是否有高渗通道存在。
而当目标函数误差小于或小于2时，认为注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值以趋于稳定，停止回归下降法迭代。
而在稳定值的求解过程中，通过目标函数来确定，当目标函数的误差范围处在2内，则认为达到稳定状态，选此时迭代出的β0j和βij作为稳定值。
式中N为注水井数，为本次数据中，注水井的总量，例如在导入的大数据中，总共有100口注水井的数据，则N取100；若本次导入的大数据中注水井数据有50口，则N取50。
第二步后还对一注水井与多个生产井之间的动态连通程度排序，或对一个生产井与多个注水井之间的动态连通程度进行排序，由高至低前三的两井之间可认为产生了高渗透通道或微裂隙，为后续的注水井深部调驱提供支持。
例如A注水井分别与B、C、D、E四口生产井之间均存在连通关系，而B、C、D三口生产井排序前三，则认为A注水井与B、C、D三口生产井之间均存在高渗通道。
其中多元线性模型中的求解如下
假设模型服从多元线性关系，如下：
qβ(I)＝β0+β1I1+…
此时，q{i}＝βTI(i)+ε(i),误差ε(i)(1≤i≤m)是独立并且同分布的，由中心极限定理可知服从均值为0，方差为特定值σ2的高斯分布。
似然函数
注：
目标函数：
梯度下降：
求驻点，最终参数的解析式：β＝(ITI)-1ITq
β：指的是
矩阵
I：指的是
矩阵
q:指的是
矩阵
【实施例2】
在实施例1的基础上，在**油田对465口油井，170口水井进行了应用。其中，油水井动态月数据22860条，日数据685800条，重点验证了21个示踪迹井组，准确率为75％。可以进行快速的辅助识别。
典型井组分析：
1、西32-29井软件计算和示踪迹测试对比
如图1所述，软件计算结果：西32-29注水井和周围油井相关性最高的油井依次为西31-27，西31-29，西32-30。
如图2所述，示踪迹试验结果：注入水主要沿西32-30、西33-31、西31-29方向推进，大致呈北东向，该方向存在高渗透层或微裂缝。西31-29和西32-30相吻合。
2、西28-35井软件计算和示踪迹测试对比
如图3所示，软件计算结果：西28-35注水井和周围油井相关性最高的油井依次为西27-33，西27-34，西29-35。
如图4所示，示踪迹试验结果：西28-35注水井左右两侧(西27-33井-西29-38井方向)为注入水的主要推进方向，该方向存在高渗透层或微裂缝。西27-33，西27-34和西29-35结果均吻合。
3、西31-20井软件计算和示踪迹测试对比
如图5所示，软件计算结果：西31-20注水井和周围油井相关性最高的油井依次为西31-19，西30-19，西32-22。
如图6所示，示踪迹试验结果：西31-20注水井与西30-19、西30-20井有着连通关系，为注入水的主要推进方向，该方向存在高渗透层或微裂缝。西31-19结果吻合。
如实施例所示，计算结果与实际示踪结果大部分都是吻合的，但是示踪剂试验成本高且耗时长，而本发明成本低，只需要利用井场的现有数据即可以得到高渗通道是否存在，及高渗通道可能存在的位置指明大方向，从而为后续的注水井深部调驱提供支持。
Claims (7)
1.一种基于大数据分析的油水高渗通道识别方法，其特征在于：
第一步，收集区域内生产井和注水井的生产数据；
第二步，根据注水井和生产井组成的注采***的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。
2.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述第二步中，多元线性回归模型为
式中：
为第j口生产井产液量估计值，cm3/s；t为注采动态数据采样时间序号；β0j为表征注采不平衡的常数项；N为注水井数，口；βij为第i口注水井和第j口生产井间的多元线性回归权重值，定义为井间动态连通系数，用来表征注入井i和生产井j的动态连通程度；ii(t)为第i口注水井的注水量，cm3/s。
3.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述生产数据包括注水井的月注入量和日注入量，生产井的月采液量和日采液量。
4.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述第二步中，多元线性模型得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，注水井与生产井之间的多元线性回归权重值即注水井与生产井之间的动态连通程度，注水井与生产井之间的多元线性回归权重值越高，注水井与生产井之间的动态连通程度也越高。
5.根据权利要求4所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述多元线性模型通过梯度下降法求得注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值。
6.根据权利要求5所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述第二步中，通过梯度下降法求解得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值时，当目标函数误差小于或小于2时，梯度下降停止，此时迭代出的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值即为稳定值。
7.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：第二步后还对一注水井与多个生产井之间的动态连通程度排序，或对一个生产井与多个注水井之间的动态连通程度进行排序，由高至低前三的两井之间可认为产生了高渗透通道或微裂隙，为后续的注水井深部调驱提供支持。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010974269.5A CN112253097A (zh) | 2020-09-16 | 2020-09-16 | 一种基于大数据分析的油水高渗通道识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010974269.5A CN112253097A (zh) | 2020-09-16 | 2020-09-16 | 一种基于大数据分析的油水高渗通道识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112253097A true CN112253097A (zh) | 2021-01-22 |
Family
ID=74232472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010974269.5A Pending CN112253097A (zh) | 2020-09-16 | 2020-09-16 | 一种基于大数据分析的油水高渗通道识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112253097A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112901145A (zh) * | 2021-03-19 | 2021-06-04 | 大庆油田有限责任公司 | 一种用于分析油水井间注采关系的体积能量方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130116998A1 (en) * | 2011-11-03 | 2013-05-09 | Bp Exploration Operating Company Limited | Statistical reservoir model based on detected flow events |
| CN110439515A (zh) * | 2019-06-24 | 2019-11-12 | 中国石油化工股份有限公司 | 注采参数优化方法及装置 |
-
2020
- 2020-09-16 CN CN202010974269.5A patent/CN112253097A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130116998A1 (en) * | 2011-11-03 | 2013-05-09 | Bp Exploration Operating Company Limited | Statistical reservoir model based on detected flow events |
| CN110439515A (zh) * | 2019-06-24 | 2019-11-12 | 中国石油化工股份有限公司 | 注采参数优化方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张明安: "油藏井间动态连通性反演方法研究", 油气地质与采收率, vol. 18, no. 3, pages 70 - 73 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112901145A (zh) * | 2021-03-19 | 2021-06-04 | 大庆油田有限责任公司 | 一种用于分析油水井间注采关系的体积能量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108240208B (zh) | 一种油田水驱分类井组开发效果对标方法 | |
| CN109441422B (zh) | 一种页岩气井间距优化开采方法 | |
| CN109447532B (zh) | 一种基于数据驱动的油藏井间连通性确定方法 | |
| CN107829718B (zh) | 基于均衡水驱理念的油藏井网及注采方案优化设计方法 | |
| CN109543828B (zh) | 一种基于小样本条件下的吸水剖面预测方法 | |
| CN112343587B (zh) | 一种特低渗透油藏优势渗流通道识别表征方法 | |
| CN110147561B (zh) | 一种含天然裂缝致密油气储层体积压裂缝网预测方法 | |
| 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 | |
| CN106547973B (zh) | 一种稠油油藏注蒸汽过程汽窜通道的定量描述方法 | |
| Kroeger et al. | The pollen tube paradigm revisited | |
| CN104091069A (zh) | 确定非均质储层各层位和位置驱油效率和波及系数的方法 | |
| CN106611081B (zh) | 自动判断缝洞型油藏生产井间连通性的综合方法及*** | |
| CN108804382A (zh) | 一种参数自动反求方法和装置 | |
| CN104060985A (zh) | 一种层状油藏调剖堵水堵剂进入深度测试方法及*** | |
| CN112253097A (zh) | 一种基于大数据分析的油水高渗通道识别方法 | |
| CN110751723B (zh) | 一种同一子流域河道网格演算次序编码方法 | |
| CN106014365B (zh) | 一种预测水驱开发油田产量递减率的方法 | |
| CN109209361B (zh) | 一种裂缝性特低渗透油藏地层参数预测方法 | |
| CN106639879A (zh) | 一种底部钻具组合造斜率预测方法 | |
| CN111401716B (zh) | 一种基于叠加放水试验获取含水层连续参数的方法 | |
| CN111553067B (zh) | 页岩油藏压裂水平井不停井试井测试和解释方法、装置 | |
| CN106484930A (zh) | 用于确定非均质油藏复杂结构井产量的方法及*** | |
| CN109653717A (zh) | 单井蒸汽吞吐汽窜后组合吞吐选井决策方法 | |
| RU2504654C1 (ru) | Способ определения коэффициента извлечения нефти при нелинейной фильтрации | |
| RU2734202C1 (ru) | Способ исследования горизонтальных скважин с многостадийным гидравлическим разрывом пласта в низкопроницаемых коллекторах |
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 |