CN115455632A - 一种规模和形态协同优化的压裂优化设计方法及*** - Google Patents
一种规模和形态协同优化的压裂优化设计方法及*** Download PDFInfo
- Publication number
- CN115455632A CN115455632A CN202111667531.2A CN202111667531A CN115455632A CN 115455632 A CN115455632 A CN 115455632A CN 202111667531 A CN202111667531 A CN 202111667531A CN 115455632 A CN115455632 A CN 115455632A
- Authority
- CN
- China
- Prior art keywords
- fracturing
- parameters
- scale
- point
- optimization
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013461 design Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 238000009958 sewing Methods 0.000 claims description 14
- 239000012530 fluid Substances 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000005086 pumping Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 15
- 230000008901 benefit Effects 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001415846 Procellariidae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007519 figuring Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Computer Hardware Design (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种规模和形态协同优化的压裂优化设计方法,所述方法包括以下步骤:获取目标层的目标数据,根据所述目标数据构建三维应力场模型;根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M;每次输入参数和输出参数,作为一行记录,将所有行的记录建立数据库;根据所述目标数据和所述模拟结果计算压裂规模和缝网复杂程度;根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度获取最优的压裂优化方案。本发明能够直观、快速地找到在压裂规模和裂缝形态协同优化的前提下,最优的开发方案。
Description
技术领域
本发明属于油气资源开发的技术领域,特别涉及一种规模和形态协同优化的压裂优化设计方法及***。
背景技术
随着油气资源开采难度日益增加,逐步发展出了水平井开发技术,对于致密的非常规储层(致密砾岩、页岩油气)采用大规模的体积压裂,才能使油气井具有一定经济产能。
近年来致密砾岩油藏勘探开发获得巨大突破,发现了储量规模达10亿吨级的特大型致密砾岩油田,致密砾岩渗透率较低,在现场开发过程中需要进行大规模压裂。而在多层系致密砾岩储层中由于储层小层多,厚度大,微裂缝发育,缝网应力吸收能力较强,为实现致密砾岩油藏的高效开发,提高资源利用率和采收率,采用立体井网开发的方式进行开采。
相关技术中,立体井网设计需要针对地质条件、井距与水力裂缝缝长、布井方式与井间布缝方式、同一层系井网多井作业序列、整体压裂后同步控压返排及生产等一系列问题全局优化,以期达到最优规模和最佳形态压裂优化设计。因此需要根据井距和储集层条件,优化压裂液和支撑剂规模,控制缝高、优化缝长,在保证最大化动用井间储量的同时,尽可能减少用液量和加砂量,体现经济性。故亟需一种针对致密砾岩的最优规模和最佳形态压裂优化设计方法。
发明内容
针对上述问题,本发明公开了一种规模和形态协同优化的压裂优化设计方法和***。包含有以下的技术方案,
第一方面本发明公开了一种规模和形态协同优化的压裂优化设计方法,所述方法包括以下步骤:获取目标层的目标数据,根据所述目标数据构建三维应力场模型;根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M;每次输入参数和输出参数,作为一行记录,将所有行的记录建立数据库;根据所述目标数据和所述模拟结果计算压裂规模D1和缝网复杂程度D2;根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案。
更进一步的,所述根据目标数据和三维应力场模型进行单井压裂模拟并得模拟结果到最终预测产量M,具体包括,根据所述目标数据和所述三维应力场模型获取压裂参数;对所述压裂参数进行数值模拟得到裂缝缝网和裂缝参数;根据所述裂缝缝网和所述裂缝参数模拟压裂后的生产过程得到模拟结果和最终预测产量M。
更进一步的,所述压裂规模D1具体通过下式计算得到,
其中,N为射孔簇数,Q为排量,t1和t2为压裂起始和终止值时刻,t为时间。
更进一步的,所述缝网复杂程度D2通过下式计算得到,
其中,P为每次模拟得到的裂缝数,Li,Wi,Hi分别代表在P条裂缝中,第i条裂缝的平均缝长,缝宽和缝高。
更进一步的,据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案,具体包括,
以压裂规模D1为x轴,以缝网复杂程度D2为y轴,以最终预测产量M为z轴建立坐标空间,将数据库中的每一行数据当做一个点,放进上述坐标空间中;
找到所有模拟结果中最终预测产量M的最大值,并查找此次算例的输入参数和输出参数;选取输入参数左右两个临近值作为各自的定义域,再对各变量各自的定义域内进行插值;
重复进行模拟计算,得到所有裂缝参数以及最终预测产量;将输入参数和输出参数添加进数据库,并在坐标空间内增加数据记录对应的点;
在数据库中寻找最终预测产量M的最大值,对输入参数临近定义域内进行插值,得到插值后的所有裂缝参数以及最终预测产量;并将对应的D1,D2,M作为新的数据点添加进坐标空间中;
重复进行迭代计算直至终止,确认迭代终止时的终止点V的坐标;
当终止点V的D1和D2比其余各点的D1和D2都大时,得到最大预测产量M,且压裂规模D1和缝网复杂程度D2同时达到最大,取点V所代表方案的输入参数和输出参数为最优的压裂优化方案;
更进一步的,所述坐标空间中的点均满足判别准则时,停止迭代计算,所述判别准则为前次插值计算结果中的最终预测产量M的最大值Mi与本次插值计算结果中的最终预测产量M的最大值Mi+1的差值百分比小于精度定值时,停止计算;
所述ε的精度定值取0.1,即当ε<0.1时,停止计算。
更进一步的,所述限定范围条件为M值满足[M-η,M+η],η的值为0.1。
更进一步的,述压裂参数包括压裂液粘度、排量、砂量、液量、射孔簇数和泵注时间;所述裂缝参数包括每条裂缝的缝长L、缝高H、缝宽W和裂缝数P。
另一方面,本发明公开了一种规模和形态协同优化的压裂优化设计***,其特征在于,所述***包括,
数据获取单元,用于获取目标层的目标数据,根据所述目标数据构建三维应力场模型;
数据模拟单元,用于根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M;
数据计算单元,用于根据所述目标数据和所述模拟结果计算压裂规模D1和缝网复杂程度D2;
方案获取单元,用于根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案。
更进一步的,所述方案获取单元获取最优的压裂优化方案,具体包括,
以压裂规模D1为x轴,以缝网复杂程度D2为y轴,以最终预测产量M为z轴建立坐标空间,将数据库中的每一行数据当做一个点,放进上述坐标空间中;
找到所有模拟结果中最终预测产量M的最大值,并查找此次算例的输入参数和输出参数;选取输入参数左右两个临近值作为各自的定义域,再对各变量各自的定义域内进行插值;
重复进行模拟计算,得到所有裂缝参数以及最终预测产量;将输入参数和输出参数添加进数据库,并在坐标空间内增加数据记录对应的点;
在数据库中寻找最终预测产量M的最大值,对输入参数临近定义域内进行插值,得到插值后的所有裂缝参数以及最终预测产量;并将对应的D1,D2,M作为新的数据点添加进坐标空间中;
重复进行迭代计算直至终止,确认迭代终止时的终止点V的坐标;
当终止点V的D1和D2比其余各点的D1和D2都大时,得到最大预测产量M,且压裂规模D1和缝网复杂程度D2同时达到最大,取点V所代表方案的输入参数和输出参数为最优的压裂优化方案。
本发明至少具有以下的优点,
能够直观、快速地找到在压裂规模和裂缝形态协同优化的前提下,最优的开发方案。并且简单直观,方便理解和实施。可以推广用于页岩、致密砂岩等需要对压裂规模进行控制、对缝网形态进行优化的油藏。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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一简单地介绍,显而易见地,下面描述中的附图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。
图1是本实施例中优化设计方法流程示意图;
图2是本实施例中的空间坐标示意图;
图3是本实施例中V比其余点的D1和D2都大的条件下的投影示意图;
图4是本实施例中至少有一个点比V点的D1或D2大的条件下的投影示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在进行压裂方案设计时,由于参数众多,常规的试算无法得到最优的参数集合,难以得到在使预测产量高的前提下,人工改造储层形成缝网复杂程度和压裂规模综合上达到最优化,实现提高整体效益与提高致密砾岩油藏一次采收率。因此,需要进行协同优化。
本实施例公开了一种规模和形态协同优化的压裂优化设计***,包括数据获取单元,用于获取目标层的目标数据,根据所述目标数据构建三维应力场模型;数据模拟单元,用于根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M;数据计算单元,用于根据所述目标数据和所述模拟结果计算压裂规模D1和缝网复杂程度D2;方案获取单元,用于根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案。
参照图1,本实施例还公开了一种规模和形态协同优化的压裂优化设计方法。本方法的大体流程为,在进行压裂之前,针对目标层位钻取直井,基于直井的测井数据计算单井应力状态,基于该区域的地震数据、微震监测数据、井下光纤以及单井应力状态等数据,构建三维应力场模型。之后对单井裂缝形态进行模拟和预测,计算垂直缝高有效系数、有效支撑系数、缝网复杂程度、产量和油藏收益。在完成计算之后,使用多参数优化算法,分别以产量和收益为优化目标进行多参数优化,得到最优解。
下面结合上述的优化设计***对本方法进行介绍,本方法包括以下步骤,
S1,数据获取单元获取目标层的目标数据,根据所述目标数据构建三维应力场模型。
其中,所述的目标数据为目标区域的地震、物探、单井测井试油试采以及相关室内岩心实验数据。根据上述数据,使用工业软件(一种优选为Petrel软件)建立构建储层的三维应力场模型为本行业技术人员公知的手段或方法。
具体的,在压裂之前,针对目标层位钻取直井,其中直井种类包括但不限于预探井和生产井,对各井进行测井,根据各井的测井数据和物探数据建立三维地质及应力场模型。其中测井数据包括电阻率测井,核磁测井,声波时差测井,介电测井等常见测井和测井解释数据。其中物探数据包括该区域的地震数据、微震监测数据、井下光纤以及单井应力状态等数据。
S2,数据模拟单元根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M。
根据三维地质及应力场模型,获取并输入压裂参数(包括压裂液粘度、排量、砂量、液量、射孔簇数、泵注时间等参数)。
使用工业软件(一种优选为Petrel软件)进行数值模拟,得到模拟出的裂缝缝网,并得到所有裂缝参数(包括每条裂缝的缝长L、缝高H、缝宽W、裂缝数P以及其它裂缝和缝网参数),模拟压裂后的生产过程,给出最终预测产量M。
其中,各输入参数根据现场工程实际定出合理范围,并使用插值的方法选取中间值,重复上述模拟过程,得到新的裂缝参数;
例如,压裂液粘度Tx选取m个Tx1,Tx2,Tx3,…,Txn,排量Tp选取n个Tp1,Tp2,Tp3,…,Tpn,那么重复上述,模拟过程m×n次,记录每次输入参数和输出参数,作为一行记录,将所有行的记录建立数据库。同理,对于排量、砂量、液量、射孔簇数、泵注时间等参数也可以使用同样的方式进行模拟并记录数据,记录输入进数据库中。对于S个输入参数,每一个输入参数都S1,S2,S3,S4…Sn个插值,最后需要模拟S1×S2×S3×S4×…×Sn次,每次模拟都能得到裂缝参数和最终预测产量,最终形成具有S1×S2×S3×S4×…×Sn行的数据库。
S3,数据计算单元根据所述目标数据和所述模拟结果计算压裂规模D1和缝网复杂程度D2;
S31,计算压裂规模D1,优选的计算公式为其中N为射孔簇数,Q为排量,t为时间,t1和t2为压裂起始和终止值时刻。根据目标数据和模拟结果的记录,可以得到计算所需要的数据。在进行压裂模拟时进行模拟结果的数据记录时,可以得到t1和t2。计算每一次模拟的压裂规模D1。
S32,计算缝网复杂程度D2,缝网复杂程度D2用以表征缝网形态参数,缝网复杂程度越大,缝网形态参数越好。
优选的计算公式为
其中P为步骤S2每次模拟得到的裂缝数,Li,Wi,Hi分别代表在P条裂缝中,第i条裂缝的平均缝长,缝宽和缝高。计算每一次模拟的网复杂程度D2。在计算完成之后,将计算得到的D1和D2作为输出参数添加到该数据对应的那一行数据中。
S4,方案获取单元根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案。
获取最优的压裂优化方案,具体过程如下:
S41,以压裂规模D1为x轴,以缝网复杂程度D2为y轴,以最终预测产量M为z轴,将数据库中的每一行数据当做一个点,放进上述坐标空间中。
S42,找到所有模拟结果中最终预测产量M的最大值,并查找此次算例的输入参数和输出参数。
在上述最终预测产量M的最大值的算例中,选取每个输入参数的左右两个临近值作为各自的定义域,然后再对各变量各自的定义域内进行插值,(例如,选取的压裂液粘度为Txi,那么选取Tx(i-1),Tx(i+1)作为Tx的定义域端点值,在定义域端点值内进行插值)。
S43,重复进行步骤S2的数值模拟计算,得到所有裂缝参数以及最终预测产量;将本步骤输入参数和输出参数作为一行数据记录,添加进数据库,并在步骤S41的坐标空间内,增加这些记录对应的点。
S44,在数据库中寻找最终预测产量M的最大值,对输入参数临近定义域内进行插值,重复进行S42的模拟计算,得到插值后的所有裂缝参数以及最终预测产量,并将对应的D1,D2,M作为新的数据点添加进步骤S41的坐标空间中。
S45,重复进行步骤S44,直至空间中的点满足判别准则,停止迭代;一种优选的判别准则为前次插值计算结果中的最终预测产量M的最大值Mi与本次插值计算结果中的最终预测产量M的最大值Mi+1的差值百分比小于某精度定值,停止计算;差值百分比ε的计算方式如下所示。
优选的ε取值为0.1,即当ε<0.1时,停止计算。0.1为一种优选,根据现场要求设置,精度要求高时,减小此值,精度要求低时,增大此值,观察并确认迭代终止时的点V的坐标位置。
S46,观察终止时的点V的位置(其坐标为(D1,V,D2,V,MV)),将三维的坐标空间中选出点j在Z轴上值Mj满足关系式的所有点挑选出来(优选η为0.1,根据现场要求设置,精度要求高时,减小此值,精度要求低时,增大此值)。
参照图2,为坐标系示意图,如图所示中的实心点(图中黑色的点)满足条件,空心点(图中白色的点)不满足条件。将挑选出来的点投影到O-D1-D2平面上,观察V与上述挑选出的点的位置关系:
当点V比其余点的D1和D2都大时(如图3),说明该情况下得到最大预测产量M时,压裂规模D1和缝网复杂程度D2同时达到最大,此时该点V所代表的方案的输入和输出参数为最优的压裂优化设计方案(输入参数可作为最优/最佳推荐的施工参数)。
S47,否则(也即至少有1个点比终止点V的D1或D2大),在所有点中寻找离原点最近的点(如图4)为最优点,此时该点K所代表的方案在满足最终预测产量M与最大值差不多的条件下(即在最优产量MV的±η范围内),所得到的压裂规模D1和缝网复杂程度D2在综合上比其它点更优,即距离原点的距离最大,距离原点的距离R可通过下式表示,
此时该点K(参见图2和图4)所代表的方案虽然最终预测产量M不如点V,但是压裂规模D1或缝网复杂程度D2综合上比其他点更佳,因此点K所代表的方案的输入和输出参数为最优的压裂优化方案。
通过上述步骤,实现了压裂规模和压裂形态的***优化,得到了最优的压裂优化方案。
综上,本方案的原理如下:
在本方案之前,依据目标区域各井的测井数据和物探数据建立三维地质及应力场模型,输入所述的输入参数后,就能进行压裂模拟,预测最终产量,该部分为常规的本行业技术人员公知的技术方案。其中主要通过现成的工业软件进行,优选的工业软件是Petrel平台。
但是其最优的输入参数(开发方案)难以确定和针对压裂规模和缝网复杂程度进行协同优化,故:首先进行插值部分,由于各个参数自定义范围广,难以确定最优值,因此首先对各参数在预计的定义域范围内进行线性插值,将各参数排列组合放进模型中,求解最终的所有裂缝参数,并模拟压裂后的生产过程,给出最终预测产量M;根据所有裂缝参数求得压裂规模D1,和缝网复杂程度D2。在给出的输入参数的排列组合中,寻找最终预测产量M的最大值。由于插值稀疏,此时的最大值不一定是最优的方案,因此进一步以每个输入参数左右最近的插值定义域进行进一步插值,再计算M,不断如此进行插值迭代,比较后一次M和前一次M的差值是不是足够小,如果足够小,则说明找到了最优产量的开发方案。
但是虽然得到最优的产量的开发方案,此时的压裂规模D1,和缝网复杂程度D2不一定是最优的,如果压裂规模和缝网复杂程度不是最优,即使达到最优的预测产量,但该储层改造不充分,后期改造难,产量递减快,维护成本高,对油田现场来说也不是最优的开发方案,因此需要在满足最优的预测产量相差不大(即在最优产量MV的±η范围内)的条件下。满足压裂规模和缝网复杂程度协同最优。
因此,先找出所有在最优产量MV的±η范围内的点(每个点即代表一个开发方案),然后投影到O-D1-D2平面上:
如果产量最优的点,其D1和D2比其它点都大,说明该方案在达到最大预测产量时,同时能够获得最优压裂规模和缝网复杂程度(裂缝形态),故此点所代表的方案最佳(输入参数可作为最优/最佳推荐的施工参数)。
如果产量最优的点之外,有其余的点有一些压裂规模更好,有一些缝网复杂程度更好,且这些方案对应的产量与最大预测产量相差不大,就需要构造一个判别方法,找到压裂规模和缝网复杂程度综合最优的方案。本发明采用距离函数,即当某方案K离原点最远时,它能达到与最大预测产量相差不大的条件下,压裂规模和缝网复杂程度综合上最大,从图上直观上来说,就是离原点O距离最远的点随代表的开发方案,可以作为最优开发方案。
通过上述的方案,能够直观、快速地找到在压裂规模和裂缝形态协同优化的前提下,最优的开发方案。并且简单直观,方便理解和实施。可以推广用于页岩、致密砂岩等需要对压裂规模进行控制、对缝网形态进行优化的油藏。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种规模和形态协同优化的压裂优化设计方法,其特征在于,所述方法包括以下步骤:
获取目标层的目标数据,根据所述目标数据构建三维应力场模型;
根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M;每次输入参数和输出参数,作为一行记录,将所有行的记录建立数据库;
根据所述目标数据和所述模拟结果计算压裂规模D1和缝网复杂程度D2;
根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案。
2.根据权利要求1所述的规模和形态协同优化的压裂优化设计方法,其特征在于,所述根据目标数据和三维应力场模型进行单井压裂模拟并得模拟结果到最终预测产量M,具体包括,
根据所述目标数据和所述三维应力场模型获取压裂参数;
对所述压裂参数进行数值模拟得到裂缝缝网和裂缝参数;
根据所述裂缝缝网和所述裂缝参数模拟压裂后的生产过程得到模拟结果和最终预测产量M。
5.根据权利要求1所述的规模和形态协同优化的压裂优化设计方法,其特征在于,根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案,具体包括,
以压裂规模D1为x轴,以缝网复杂程度D2为y轴,以最终预测产量M为z轴建立坐标空间,将数据库中的每一行数据当做一个点,放进上述坐标空间中;
找到所有模拟结果中最终预测产量M的最大值,并查找此次算例的输入参数和输出参数;选取输入参数左右两个临近值作为各自的定义域,再对各变量各自的定义域内进行插值;
重复进行模拟计算,得到所有裂缝参数以及最终预测产量;将输入参数和输出参数添加进数据库,并在坐标空间内增加数据记录对应的点;
在数据库中寻找最终预测产量M的最大值,对输入参数临近定义域内进行插值,得到插值后的所有裂缝参数以及最终预测产量;并将对应的D1,D2,M作为新的数据点添加进坐标空间中;
重复进行迭代计算直至终止,确认迭代终止时的终止点V的坐标;
当终止点V的D1和D2比其余各点的D1和D2都大时,得到最大预测产量M,且压裂规模D1和缝网复杂程度D2同时达到最大,取点V所代表方案的输入参数和输出参数为最优的压裂优化方案;
7.根据权利要求5所述的规模和形态协同优化的压裂优化设计方法,其特征在于,所述限定范围条件为M值满足[M-η,M+η],η的值为0.1。
8.根据权利要求2所述的规模和形态协同优化的压裂优化设计方法,其特征在于,所述压裂参数包括压裂液粘度、排量、砂量、液量、射孔簇数和泵注时间;所述裂缝参数包括每条裂缝的缝长L、缝高H、缝宽W和裂缝数P。
9.一种规模和形态协同优化的压裂优化设计***,其特征在于,所述***包括,
数据获取单元,用于获取目标层的目标数据,根据所述目标数据构建三维应力场模型;
数据模拟单元,用于根据所述目标数据和所述三维应力场模型进行单井压裂模拟并得到模拟结果和最终预测产量M;
数据计算单元,用于根据所述目标数据和所述模拟结果计算压裂规模D1和缝网复杂程度D2;
方案获取单元,用于根据所述模拟结果、所述最终预测产量M、所述压裂规模以及所述缝网复杂程度D2获取最优的压裂优化方案。
10.根据权利要求9所述的规模和形态协同优化的压裂优化设计***,其特征在于,所述方案获取单元获取最优的压裂优化方案,具体包括,
以压裂规模D1为x轴,以缝网复杂程度D2为y轴,以最终预测产量M为z轴建立坐标空间,将数据库中的每一行数据当做一个点,放进上述坐标空间中;
找到所有模拟结果中最终预测产量M的最大值,并查找此次算例的输入参数和输出参数;选取输入参数左右两个临近值作为各自的定义域,再对各变量各自的定义域内进行插值;
重复进行模拟计算,得到所有裂缝参数以及最终预测产量;将输入参数和输出参数添加进数据库,并在坐标空间内增加数据记录对应的点;
在数据库中寻找最终预测产量M的最大值,对输入参数临近定义域内进行插值,得到插值后的所有裂缝参数以及最终预测产量;并将对应的D1,D2,M作为新的数据点添加进坐标空间中;
重复进行迭代计算直至终止,确认迭代终止时的终止点V的坐标;
当终止点V的D1和D2比其余各点的D1和D2都大时,得到最大预测产量M,且压裂规模D1和缝网复杂程度D2同时达到最大,取点V所代表方案的输入参数和输出参数为最优的压裂优化方案;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111667531.2A CN115455632B (zh) | 2021-12-31 | 2021-12-31 | 一种规模和形态协同优化的压裂优化设计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111667531.2A CN115455632B (zh) | 2021-12-31 | 2021-12-31 | 一种规模和形态协同优化的压裂优化设计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115455632A true CN115455632A (zh) | 2022-12-09 |
CN115455632B CN115455632B (zh) | 2023-08-29 |
Family
ID=84295016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111667531.2A Active CN115455632B (zh) | 2021-12-31 | 2021-12-31 | 一种规模和形态协同优化的压裂优化设计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115455632B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105909226A (zh) * | 2016-04-22 | 2016-08-31 | 中国石油天然气股份有限公司 | 一种通过循环应力压裂提高缝网复杂程度的方法 |
CN108615102A (zh) * | 2016-12-12 | 2018-10-02 | 中国石油天然气股份有限公司 | 一种评价致密油气压裂形成网络裂缝能力的方法 |
CN110219631A (zh) * | 2019-07-08 | 2019-09-10 | 西南石油大学 | 一种模拟压裂井焖井返排性能测试装置与方法 |
CN110472276A (zh) * | 2019-07-04 | 2019-11-19 | 成都理工大学 | 一种裂缝型油气储层加密井改造优化方法 |
CN110924935A (zh) * | 2019-11-22 | 2020-03-27 | 中国石油大学(华东) | 致密油藏井底流压调控方案确定方法、装置和设备 |
CN112417644A (zh) * | 2020-10-14 | 2021-02-26 | 中国石油化工股份有限公司 | 水平井多段多簇极限限流压裂工艺设计方法 |
CN113011048A (zh) * | 2021-04-23 | 2021-06-22 | 西南石油大学 | 一种致密砾岩油藏水平井重复压裂模拟方法 |
CN113389534A (zh) * | 2021-07-21 | 2021-09-14 | 西南石油大学 | 一种水平井密切割压裂裂缝扩展预测与设计参数优化方法 |
CN113803044A (zh) * | 2020-06-17 | 2021-12-17 | 中国石油化工股份有限公司 | 一体化设计非常规储层体积压裂与布井方案的方法及*** |
-
2021
- 2021-12-31 CN CN202111667531.2A patent/CN115455632B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105909226A (zh) * | 2016-04-22 | 2016-08-31 | 中国石油天然气股份有限公司 | 一种通过循环应力压裂提高缝网复杂程度的方法 |
CN108615102A (zh) * | 2016-12-12 | 2018-10-02 | 中国石油天然气股份有限公司 | 一种评价致密油气压裂形成网络裂缝能力的方法 |
CN110472276A (zh) * | 2019-07-04 | 2019-11-19 | 成都理工大学 | 一种裂缝型油气储层加密井改造优化方法 |
CN110219631A (zh) * | 2019-07-08 | 2019-09-10 | 西南石油大学 | 一种模拟压裂井焖井返排性能测试装置与方法 |
CN110924935A (zh) * | 2019-11-22 | 2020-03-27 | 中国石油大学(华东) | 致密油藏井底流压调控方案确定方法、装置和设备 |
CN113803044A (zh) * | 2020-06-17 | 2021-12-17 | 中国石油化工股份有限公司 | 一体化设计非常规储层体积压裂与布井方案的方法及*** |
CN112417644A (zh) * | 2020-10-14 | 2021-02-26 | 中国石油化工股份有限公司 | 水平井多段多簇极限限流压裂工艺设计方法 |
CN113011048A (zh) * | 2021-04-23 | 2021-06-22 | 西南石油大学 | 一种致密砾岩油藏水平井重复压裂模拟方法 |
CN113389534A (zh) * | 2021-07-21 | 2021-09-14 | 西南石油大学 | 一种水平井密切割压裂裂缝扩展预测与设计参数优化方法 |
Non-Patent Citations (3)
Title |
---|
李国欣、吴志宇等: ""陆相源内非常规石油甜点优选与水平井立体开发技术实践 ———以鄂尔多斯盆地延长组7段为例"", 石油学报, vol. 42, no. 6, pages 736 - 749 * |
李国欣、覃建华等: ""致密砾岩油田高效开发理论认识、关键技术与实践——以准噶尔盆地玛湖油田为例"", 石油勘探与开发, vol. 47, no. 6, pages 1185 - 1197 * |
鲁文婷、王亮等: ""玛湖油田致密砾岩油藏压裂数值模拟研究"", 特种油气藏, vol. 28, no. 3, pages 94 - 98 * |
Also Published As
Publication number | Publication date |
---|---|
CN115455632B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Isebor et al. | Generalized field-development optimization with derivative-free procedures | |
Guyaguler et al. | Optimization of well placement in a Gulf of Mexico waterflooding project | |
US10145228B2 (en) | Probabilistic methodology for real time drilling | |
US8005658B2 (en) | Automated field development planning of well and drainage locations | |
US20160376885A1 (en) | Method and Apparatus for Performance Prediction of Multi-Layered Oil Reservoirs | |
US20100191516A1 (en) | Well Performance Modeling In A Collaborative Well Planning Environment | |
Yeten | Optimum deployment of nonconventional wells | |
US10895131B2 (en) | Probabilistic area of interest identification for well placement planning under uncertainty | |
CN110838175B (zh) | 注气开发油藏的地质模型建立方法 | |
CN104278980A (zh) | 一种采用改造体积优化致密油水平井缝网参数的方法 | |
CN108343420A (zh) | 一种多因素协同分析的工厂化作业大井组布井方法 | |
CN113011048B (zh) | 一种致密砾岩油藏水平井重复压裂模拟方法 | |
WO2012154579A2 (en) | System and method for determining properties of a hydrocarbon reservoir based on production data | |
CN114737943A (zh) | 非常规储层立体井网改造方法、装置、设备及介质 | |
Epelle et al. | Adjoint-based well placement optimisation for Enhanced Oil Recovery (EOR) under geological uncertainty: From seismic to production | |
Yazdanpanah et al. | Development of an efficient hybrid GA-PSO approach applicable for well placement optimization | |
CN112836442A (zh) | 一种页岩油水平井网老井水力裂缝注液量的确定方法 | |
CN115455632A (zh) | 一种规模和形态协同优化的压裂优化设计方法及*** | |
CN114357766A (zh) | 一种长直井段井网整体体积压裂优化设计方法 | |
CN110306968A (zh) | 不规则井网优化方法及其计算机可读存储介质 | |
CN114547998A (zh) | 一种通过耦合储层流动确定水平井压裂改造体积的方法 | |
CN115467649B (zh) | 小井距立体开发的井网优化部署方法、***及立体井网 | |
CN115467650B (zh) | 一种油藏立体井网开发参数的多元协同优化方法及*** | |
Kansao et al. | Intelligent and automated workflow for identification of behind pipe recompletions and new infill locations opportunities for an onshore middle east field | |
CN117454755B (zh) | 一种页岩油立体井网压裂多元参数优化设计方法 |
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 |