CN116128084A - 一种致密油藏水平井体积压裂缝网控制储量的预测方法 - Google Patents
一种致密油藏水平井体积压裂缝网控制储量的预测方法 Download PDFInfo
- Publication number
- CN116128084A CN116128084A CN202111336542.2A CN202111336542A CN116128084A CN 116128084 A CN116128084 A CN 116128084A CN 202111336542 A CN202111336542 A CN 202111336542A CN 116128084 A CN116128084 A CN 116128084A
- Authority
- CN
- China
- Prior art keywords
- horizontal well
- volume
- network control
- fracture network
- reservoir
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000011161 development Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000001186 cumulative effect Effects 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 16
- 230000035699 permeability Effects 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 8
- 230000000704 physical effect Effects 0.000 claims description 8
- 238000009933 burial Methods 0.000 claims description 6
- 238000009958 sewing Methods 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 4
- 239000004927 clay Substances 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 2
- 208000010392 Bone Fractures Diseases 0.000 claims 40
- 206010017076 Fracture Diseases 0.000 claims 40
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 239000003921 oil Substances 0.000 description 58
- 238000011156 evaluation Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 239000003079 shale oil Substances 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- CEMRYHAKTHXVLU-UHFFFAOYSA-N 1,1-bis[3-(4-fluorophenyl)propyl]-2-[3-(1h-imidazol-5-yl)propyl]guanidine;trihydrochloride Chemical compound Cl.Cl.Cl.C=1C=C(F)C=CC=1CCCN(CCCC=1C=CC(F)=CC=1)C(N)=NCCCC1=CN=CN1 CEMRYHAKTHXVLU-UHFFFAOYSA-N 0.000 description 1
- 101150032593 FOSL1 gene Proteins 0.000 description 1
- 102000003817 Fos-related antigen 1 Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000373 effect on fracture Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000012163 sequencing technique 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
- 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种致密油藏水平井体积压裂缝网控制储量的预测方法，首先根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并预测水平井全井段微地震监测缝网控制体积；其次根据水平井所在储层物性参数建立地质模型，并将全井段微地震监测缝网控制体积导入地质模型中得产能预测模型；最后根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，解决了油藏数值模拟预测精度不高的难题，该方法具有计算简单和可操作性强等优点，并具有广泛的应用前景，对压裂优化设计有重要的指导作用。
Description
技术领域
本发明涉及石油天然气开发领域，尤其是水力压裂领域中一种致密油藏水平井体积压裂缝网控制储量的预测方法。
背景技术
随着盆地致密油储层的持续开发，体积压裂技术与储层匹配性也面临诸多挑战，例如通过矿场水平井各压裂段产液剖面测试大数据显示，各压裂段产能贡献差异大。水平井体积压裂参数是否和储层地质力学参数最佳匹配，目前难以评价。其中水平井压裂后缝网控制储量(即缝控储量)是直接评价体积压裂参数是否与储层匹配的直接重要指标，其值越大，压裂改造效果越好，因此，缝控储量对提升水平井体积压裂技术至关重要。但由于储层物性非均质性强，压裂施工参数差异大，且各参数在不同层次上对压裂效果起不同作用，使得缝网控制储量确定十分困难。
目前主要采用微地震监测技术和油藏数值模拟方法来确定缝网控制体积，其中微地震监测技术可直获取水力裂缝形态和缝网控制体积，但大量产能数值模拟得出有效缝网控制体积远小于微地震监测体积，无法获取真实水力压裂缝网控制体积，进而无法准确计算缝网控制储量。同时，目前非常规储层通常采用多段多簇压裂，不可能每一段利用微地震监测技术，其测试周期长，测试费用高，在油田难以全井段测试与应用。油藏数值模拟方法可快速获取水平井全井段缝网控制体积，进而计算缝网控制体积储量，但其模型基于大量室内实验获取物性参数，同时模型假设条件较多，模拟结果与实际差异较大，难以评价水力压裂改造效果。因此，亟需一种可靠的、经济的水平井体积压裂缝网控制体积储量预测方法，进一步助推非常规油气高效开发。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种致密油藏水平井体积压裂缝网控制储量的确定方法，该方法首先基于水平井各压裂段的地质力学与体积压裂改造参数大数据，建立耦合不同影响因素的缝网控制体积预测模型，定量的计算预测压裂段与已测压裂段之间的相似系数，预测水平井全井段的微地震监测缝网控制体积。其次根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段缝网控制体积植入地质模型中得到产能预测模型。最后，根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，从而到确定目的。
为达到以上技术目的，本发明提供了以下技术方案：
一种致密油藏水平井体积压裂缝网控制储量的预测方法，包括以下步骤：
S1，获取并根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并进一步预测水平井全井段的微地震监测缝网控制体积；
S2，根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段微地震监测缝网控制体积导入地质模型中得到产能预测模型；
S3，根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果。
进一步地，所述步骤S1，获取并根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并进一步预测水平井全井段的微地震监测缝网控制体积，具体包括：
步骤S101，获取基础大数据：包括收集预测水平井各压裂段地质力学参数和体积压裂改造参数，以及同平台水平井已测段的微地震监测的缝网控制体积；
步骤S102，根据步骤S101获取的基础大数据，分析致密油藏水平井体积压裂缝网控制储量的影响因素，并进一步建立缝网控制体积预测矩阵M和预测参考列M0，其中预测矩阵元素为水平井已测段地质力学参数和体积压裂改造参数；预测参考列元素为水平井未测段地质力学参数和体积压裂改造参数；
步骤S103，耦合步骤S102的预测矩阵M和预测参考系列M0，建立水平井体积压裂缝网控制体积预测模型A；
步骤S104，分别对步骤S102建立的缝网控制体积预测矩阵元素、预测参考系列元素和步骤S103建立的水平井体积预测模型元素进行标准化处理；
步骤S105，根据步骤S104获得的缝网控制体积预测矩阵标准化元素，定量计算水平井预测压裂段与已测压裂段之间的相似系数；
步骤S106，将步骤S105计算的水平井预测压裂段与已测压裂段之间的相似系数进行排序，将最大相似系数对应的已测压裂段缝网控制体积赋值给预测压裂段；
步骤S107，根据步骤S106预测的单段微地震监测缝网控制体积，计算水平井全井段的微地震监测缝网控制体积。
更进一步地，步骤S101中，所述地质力学参数包括孔隙度、渗透率、含油饱和度、泥质含量、脆性指数、水平应力差、破裂压力；所述体积压裂改造参数包括裂缝密度、施工排量、压裂液量、支撑剂量。
更进一步地，步骤S102中，所述缝网控制体积预测矩阵M和预测参考列M0分别采用公式(Ⅰ)和公式(Ⅱ)计算：
M0＝[M0(1)，M0(2)，…，M0(n)] (Ⅱ)
式中：M为缝网控制体积预测矩阵；
Mi(j)为预测矩阵元素；
m为水平井体积压裂已测段段数；
n为影响水平井已测段缝网控制体积因素个数；
M0为预测参考列，预测参考列元素为水平井未测段地质力学参数和体积压裂施工参数。
更进一步地，步骤S103中，所述水平井体积压裂缝网控制体积预测模型A采用公式(Ⅲ)计算：
式中：A为水平井体积压裂缝网控制体积预测模型。
步骤S104中，所述缝网控制体积预测矩阵标准化元素采用公式(Ⅳ)进行标准化处理，缝网控制体积预测模型元素采用公式(Ⅴ)进行标准化处理，
式中：
为缝网控制体积预测矩阵标准化元素，
A*为缝网控制体积预测矩阵标准化矩阵。
更进一步地，步骤S105中，所述水平井预测压裂段与已测压裂段之间的相似系数采用公式(Ⅵ)计算：
式中：SIi为水平井预测压裂段与已测压裂段之间的相似系数，无因次；
更进一步地，步骤S107中，所述水平井全井段的微地震监测缝网控制体积采用公式(Ⅶ)计算：
式中：SRV为水平井全井段微地震监测缝网控制体积，104m3；
SRVi为水平井单段微地震监测缝网控制体积，104m3；
k为水平井压裂段数，段。
进一步地，所述步骤S2根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段微地震监测缝网控制体积导入地质模型中得到产能预测模型，具体包括，
步骤S201，基础参数数据库建立：包括获取水平井基本参数和水平井所在致密油藏基本参数，其中水平井基本参数包括水平段长度、压裂段数、第1年累产油量，水平井所在致密油藏基本参数包括储层埋深、完钻井深、临井井距、储层压力、储层温度、水平井各压裂段储层孔隙度、渗透率、含油饱和度、储层厚度及储层流体参数；
步骤S202，根据步骤S201建立的基础参数数据库，利用油藏数值模拟软件Eclipse建立水平井地质模型，包括储层孔隙度分布场、渗透率分布场、含油饱和度分布场、地层压力分布场；
步骤S203，将步骤S1获取的水平井全井段的微地震监测缝网控制体积植入非均质地质模型，得到产能预测模型。
进一步地，所述步骤S3根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，具体包括：
步骤S301，利用步骤S2建立的产能预测模型预测水平井第一年累产油量，并结合水平井历史生产第一年累产油量和步骤S1预测的水平井全井段的微地震监测缝网控制体积，定量的计算水平井有效缝网控制体积；
步骤S302，根据水平井所在致密油藏基本参数中的孔隙度、含油饱和度，以及步骤S301计算得到的水平井有效缝网控制体积，定量的计算缝网控制储量；并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，其值越大，开发效果越好，。
更进一步地，步骤S301中，所述水平井有效缝网控制体积采用公式(Ⅷ)计算：
式中：ESRV为水平井有效缝网控制体积，104m3；
QH为水平井历史生产第1年累产油量，t；
QP为水平井预测第1年累产油量，t。
更进一步地，步骤S302中，所述缝网控制储量采用公式(Ⅸ)计算，水平井缝网控制储量指数采用公式(Ⅹ)计算：
式中：ESRV为水平井有效缝网控制体积，104m3；
φi为水平井第i压裂段孔隙度，％；
Soi为水平井第i压裂段含油饱和度，％；
k为水平井压裂段数，段；
QR为水平井缝网控制储量，t；
EQ为水平井缝网控制储量指数，t；
L为水平段长度，m；
d为临井井距，m；
h为储层厚度，m。
与现有技术相比，本发明具有以下有益效果：
1.本发明能够综合考虑影响水平井体积压裂缝网控制储量的储层物性参数和体积压裂改造参数，并建立多层次评价体系，提高了评价的准确性，避免了仅通过单一评价指标来进行决策的不科学性，同时该方法对于直井缝控储量的影响因素评价与预测同样适用。
2.相比以往方法，本预测方法通过水平井矿场实际测试大数据，计算缝网控制储量指数，可以定量的评价水平井体积压裂效果，解决了油藏数值模拟预测精度不高的难题，且本方法具有计算简单和可操作性强等优点，对于其他同类非常规致密油藏水平井缝网控制储量预测同样适用，具有广泛的应用前景，对压裂优化设计有重要的指导作用。
上述说明仅是本发明技术方案的概述，为了能够更清楚的了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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设计方案和附图。
图1为本发明水平井体积压裂缝网控制储量影响因素多层次评价体系图；
图2为本发明预测段Fra20相似系数计算结果与排序图；
图3为本发明预测段Fra21相似系数计算结果与排序图。
为了更清楚地说明本发明，下面结合优选实施例对本发明做进一步的说明。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种致密油藏水平井体积压裂缝网控制储量的预测方法，包括以下步骤：
S1，获取并根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并进一步预测水平井全井段的微地震监测缝网控制体积；
S2，根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段微地震监测缝网控制体积导入地质模型中得到产能预测模型；
S3，根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，其值越大，开发效果越好。
进一步地，所述步骤S1，获取并根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并进一步预测水平井全井段的微地震监测缝网控制体积，具体包括：
步骤S101，获取基础大数据：包括收集预测水平井各压裂段地质力学参数和体积压裂改造参数，以及同平台水平井已测段的微地震监测的缝网控制体积；其中，所述地质力学参数包括孔隙度、渗透率、含油饱和度、泥质含量、脆性指数、水平应力差、破裂压力；所述体积压裂改造参数包括裂缝密度、施工排量、压裂液量、支撑剂量；
步骤S102，根据步骤S101获取的基础大数据，分析致密油藏水平井体积压裂缝网控制储量的影响因素，并进一步建立缝网控制体积预测矩阵M和预测参考列M0，具体如公式(Ⅰ)和公式(Ⅱ)所示，其中预测矩阵元素为水平井已测段地质力学参数和体积压裂改造参数；预测参考列元素为水平井未测段地质力学参数和体积压裂改造参数；
M0＝[M0(1)，M0(2)，…，M0(n)] (Ⅱ)
式中：M为缝网控制体积预测矩阵；
Mi(j)为预测矩阵元素；
m为水平井体积压裂已测段段数；
n为影响水平井已测段缝网控制体积因素个数；
M0为预测参考列，预测参考列元素为水平井未测段地质力学参数和体积压裂施工参数；
步骤S103，耦合步骤S102的预测矩阵M和预测参考系列M0，建立水平井体积压裂缝网控制体积预测模型A，如下式(Ⅲ)：
式中：A为水平井体积压裂缝网控制体积预测模型；
步骤S104，分别对步骤S102建立的缝网控制体积预测矩阵元素、预测参考系列元素，如下式(Ⅳ)；对步骤S103建立的水平井体积预测模型元素进行标准化处理，如下式(Ⅴ)：
式中：
为缝网控制体积预测矩阵标准化元素，
A*为缝网控制体积预测矩阵标准化矩阵；
步骤S105，根据步骤S104获得的缝网控制体积预测矩阵标准化元素，采用公式(Ⅵ)定量计算水平井预测压裂段与已测压裂段之间的相似系数；
式中：SIi为水平井预测压裂段与已测压裂段之间的相似系数，无因次；
步骤S106，将步骤S105计算的水平井预测压裂段与已测压裂段之间的相似系数进行排序，将最大相似系数对应的已测压裂段缝网控制体积赋值给预测压裂段；
步骤S107，根据步骤S106预测的单段微地震监测缝网控制体积，采用公式(Ⅶ)计算水平井全井段的微地震监测缝网控制体积：
式中：SRV为水平井全井段微地震监测缝网控制体积，104m3；
SRVi为水平井单段微地震监测缝网控制体积，104m3；
k为水平井压裂段数，段。
进一步地，所述步骤S2根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段微地震监测缝网控制体积导入地质模型中得到产能预测模型，具体包括，
步骤S201，基础参数数据库建立：包括获取水平井基本参数和水平井所在致密油藏基本参数，其中水平井基本参数包括水平段长度、压裂段数、第1年累产油量，水平井所在致密油藏基本参数包括储层埋深、完钻井深、临井井距、储层压力、储层温度、水平井各压裂段储层孔隙度、渗透率、含油饱和度、储层厚度及储层流体参数；
步骤S202，根据步骤S201建立的基础参数数据库，利用油藏数值模拟软件Eclipse建立水平井地质模型，包括储层孔隙度分布场、渗透率分布场、含油饱和度分布场、地层压力分布场；
步骤S203，将步骤S1获取的水平井全井段的微地震监测缝网控制体积植入非均质地质模型，得到产能预测模型。
进一步地，所述步骤S3根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，具体包括：
步骤S301，利用步骤S2建立的产能预测模型预测水平井第一年累产油量，并结合水平井历史生产第一年累产油量和步骤S1预测的水平井全井段的微地震监测缝网控制体积，采用公式(Ⅷ)定量的计算水平井有效缝网控制体积：
式中：ESRV为水平井有效缝网控制体积，104m3；
QH为水平井历史生产第1年累产油量，t；
QP为水平井预测第1年累产油量，t
步骤S302，根据水平井所在致密油藏基本参数中的孔隙度、含油饱和度，以及步骤S301计算得到的水平井有效缝网控制体积，采用公式(Ⅸ)定量的计算缝网控制储量；采用公式(Ⅹ)计算水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，其中公式(Ⅸ)和公式(Ⅹ)具体为：
式中：ESRV为水平井有效缝网控制体积，104m3；
φi为水平井第i压裂段孔隙度，％；
Soi为水平井第i压裂段含油饱和度，％；
k为水平井压裂段数，段；
QR为水平井缝网控制储量，t；
EQ为水平井缝网控制储量指数，t；
L为水平段长度，m；
d为临井井距，m；
h为储层厚度，m。
实施例1
下面根据附图和鄂尔多斯盆地致密油藏为实例详细描述本发明的具体实施方式，说明方法的实用性。
鄂尔多斯盆地致密油储层资源丰富，主要分布在延长组，开发潜力巨大，经过多年实践，形成了致密油储层“大井丛、长水平井、细分切割、可溶球座、工厂化”技术模式，井下微地震监测显示缝网覆盖体积大幅度提高，实现了体积改造，产量大幅度提高。但盆地页岩油具有压力系数低、脆性指数低、纵向多夹层等特点，与北美页岩油有巨大差异。随着页岩油的持续开发，体积压裂技术与储层匹配性也面临诸多挑战，诸如如何评价体积压裂效果，现有工艺参数是否与储层达到最佳匹配目前难以回答，其中单井缝网控制储量是评价体积压裂技术适应性的最重要指标。实例预测水平井WY1位于盆地致密油藏主力开发试验区，储层埋深2135m，水平段长1980m，储层厚度14.2m，邻井井距500m，具有强非均质性，使得水平井体积压裂后缝网控制储量预测具有很大挑战。
本实例提供了一套完整的一种致密油藏水平井体积压裂缝网控制储量的预测方法，具体如下：
1、基于水平井各压裂段的地质与体积压裂改造参数大数据，建立耦合不同影响因素的缝网控制体积评价矩阵，定量的计算预测压裂段与已测压裂段之间的计算相似系数，预测水平井全井段的微地震监测缝网控制体积，具体内容如下：
(1)收集预测水平井或同平台同层位采用相同压裂工艺的已测压裂段的微地震监测缝网控制体积。如表2所示。
(2)利用层次分析法建立影响致密油藏水平井体积压裂缝网控制体积因素的多层次评价体系，见附图1。包括地质力学参数和体积压裂改造参数。其中地质力学参数包括水平井各压裂段的孔隙度、渗透率、含油饱和度、泥质含量，脆性指数、水平应力差、破裂压力；体积压裂改造参数包括裂缝密度、施工排量、压裂液量、支撑剂量，如表1和表2所示。
表1水平井WY1各压裂段地质力学参数表
表2水平井WY1井各压裂段体积压裂改造参数和微地震监测缝网控制体积表
(3)根据步骤(1)和(2)多层次评价体系因素数据，建立缝网控制体积预测矩阵M和预测参考列M0，其中预测矩阵M的表达式如(Ⅺ)所示，预测参考列M0元素为表1和表2中未测段地质力学参数和体积压裂改造参数，预测参考列M0的表达式如(Ⅻ)所示；
(4)耦合预测矩阵M和预测参考系列M0，建立水平井体积压裂缝网控制体积预测模型A，预测参考列以第Fra20为例，计算如表达式(XIII)所示。
(5)将用公式(Ⅳ)对步骤(4)建立的水平井体积压裂缝网控制体积预测模型元素进行标准化。
(6)根据缝网控制体积预测矩阵标准化元素，利用公式(Ⅵ)定量计算水平井预测压裂段Fra20与已测压裂段Fra1～Fra19之间的相似系数，计算结果如表3所示。
表3预测段Fra20～Fra21与已测段Fra1～Fra19之间的相似系数排名表
(7)将步骤(6)计算的水平井预测压裂段与已测压裂段之间的相似系数进行排序，见附图2和附图3。其中预测压裂段Fra20与已测压裂段Fra11之间的相似系数最大，因此，预测段Fra20的缝网控制体积与Fra11缝网控制体积相同为253×104m3。采用相同的方法重复步骤(4)～(6)即可得到预测压裂段Fra21与已测压裂段Fra14之间的相似系数最大，因此，预测段Fra21的缝网控制体积与Fra14缝网控制体积相同为240×104m3。
(8)根据步骤(7)预测的单段微地震监测缝网控制体积，计算水平井全井段的微地震监测缝网控制体积为4537×104m3。
2、根据水平井所在储层物性参数，利用油藏数值模拟软件Eclipse建立非均质地质模型，并将水平井全井段的微地震监测缝网控制体积导入地质模型中得到产能预测模型，具体内容如下：
(1)基础参数数据库建立：水平井基本参数和水平井所在致密油藏基本参数，其中水平井基本水平段长度、压裂段数、第1年累产油量，水平井所在致密油藏基本参数包括储层埋深、完钻井深、临井井距、储层厚度、地层压力、地层温度、储层平均孔隙度、平均渗透率、平均含油饱和度、储层流体等参数，如表4所示。
表4预测水平井WY1所在储层地质基础参数表
| 参数 | 数值 | 参数 | 数值 |
| 储层埋深(m) | 2135 | 含油饱和度(％) | 55.2 |
| 完钻井深(m) | 4034 | 孔隙度(％) | 12.1 |
| 临井井距(m) | 500 | 地层原油体积系数(/) | 1.30 |
| 储层厚度(m) | 14.2 | 原油粘度(mPa.s) | 1.50 |
| 地层压力(MPa) | 19.7 | 水平段长度(m) | 1980 |
| 地层温度(℃) | 68.2 | 压裂段数(段) | 21 |
| 渗透率(mD) | 0.13 | 第1年累产油量(t) | 3560 |
(2)根据基础参数数据库，利用油藏数值模拟软件Eclipse建立水平井非均质地质模型，包括储层孔隙度分布场、渗透率分布场、含油饱和度分布场、地层压力分布场。
(3)将步骤2)获取的水平井全井段的微地震监测缝网控制体积植入地质模型，得到产能预测模型。
3、根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量。具体内容如下：
(1)利用步骤2建立的产能预测模型预测水平井第一年累产油量为13692t，并结合水平井历史生产第一年累产油量(表4)和步骤1预测的水平井全井段的微地震监测缝网控制体积，利用公式(Ⅷ)定量的计算水平井有效缝网控制体积为1179.6×104m3。
(2)根据水平井各压裂段储层物性参数孔隙度和含油饱和度(见表1)以及水平井有效缝网控制体积，利用公式(Ⅸ)定量的计算缝网控制储量为6.2328×105m3。同时利用公式(Ⅹ)计算水平井缝网控制储量指数为0.891。缝网控制储量指数可用于定量的评价水平井体积压裂开发效果，其值越大，开发效果越好。
本发明所提供的缝网控制储量预测方法通过水平井矿场实际测试大数据，计算缝网控制储量指数，可以定量的评价水平井体积压裂效果，解决了油藏数值模拟预测精度不高的难题，且本方法具有计算简单和可操作性强等优点，对于其他同类非常规致密油藏水平井缝网控制储量预测同样适用，具有广泛的应用前景，对压裂优化设计有重要的指导作用。
以上是通过实施例对本发明进行具体描述，有必要在此指出的是本实施例仅是本发明的优选实施例，并非对本发明作任何限制，并非局限于本文所披露的形式，不应看作是对其他实施例的排除。而本领域人员所进行的改动和简单变化不脱离本发明技术思想和范围，则均属于本发明技术方案的保护范围内。
Claims (11)
1.一种致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，包括以下步骤：
S1，获取并根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并进一步预测水平井全井段的微地震监测缝网控制体积；
S2，根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段微地震监测缝网控制体积导入地质模型中得到产能预测模型；
S3，根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果。
2.如权利要求1所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，所述步骤S1，获取并根据预测水平井基础大数据，建立耦合不同影响因素的缝网控制体积预测模型，并进一步预测水平井全井段的微地震监测缝网控制体积，具体包括：
步骤S101，获取基础大数据：包括收集预测水平井各压裂段地质力学参数和体积压裂改造参数，以及同平台水平井已测段的微地震监测的缝网控制体积；
步骤S102，根据步骤S101获取的基础大数据，分析致密油藏水平井体积压裂缝网控制储量的影响因素，并进一步建立缝网控制体积预测矩阵M和预测参考列M0，其中预测矩阵元素为水平井已测段地质力学参数和体积压裂改造参数；预测参考列元素为水平井未测段地质力学参数和体积压裂改造参数；
步骤S103，耦合步骤S102的预测矩阵M和预测参考系列M0，建立水平井体积压裂缝网控制体积预测模型A；
步骤S104，分别对步骤S102建立的缝网控制体积预测矩阵元素、预测参考系列元素和步骤S103建立的水平井体积预测模型元素进行标准化处理；
步骤S105，根据步骤S104获得的缝网控制体积预测矩阵标准化元素，定量计算水平井预测压裂段与已测压裂段之间的相似系数；
步骤S106，将步骤S105计算的水平井预测压裂段与已测压裂段之间的相似系数进行排序，将最大相似系数对应的已测压裂段缝网控制体积赋值给预测压裂段；
步骤S107，根据步骤S106预测的单段微地震监测缝网控制体积，计算水平井全井段的微地震监测缝网控制体积。
3.如权利要求2所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S101中，所述地质力学参数包括孔隙度、渗透率、含油饱和度、泥质含量、脆性指数、水平应力差、破裂压力；所述体积压裂改造参数包括裂缝密度、施工排量、压裂液量、支撑剂量。
4.如权利要求2所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S102中，所述缝网控制体积预测矩阵M和预测参考列M0分别采用公式(Ⅰ)和公式(Ⅱ)计算：
M0＝[M0(1)，M0(2)，…，M0(n)] (Ⅱ)
式中：M为缝网控制体积预测矩阵；
Mi(j)为预测矩阵元素；
m为水平井体积压裂已测段段数；
n为影响水平井已测段缝网控制体积因素个数；
M0为预测参考列，预测参考列元素为水平井未测段地质力学参数和体积压裂施工参数。
5.如权利要求2所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S103中，所述水平井体积压裂缝网控制体积预测模型A采用公式(Ⅲ)计算，步骤S104中，所述缝网控制体积预测矩阵标准化元素采用公式(Ⅳ)进行标准化处理，缝网控制体积预测模型元素采用公式(Ⅴ)进行标准化处理，
式中：A为水平井体积压裂缝网控制体积预测模型；
为缝网控制体积预测矩阵标准化元素，
A*为缝网控制体积预测矩阵标准化矩阵。
6.如权利要求2所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S105中，所述水平井预测压裂段与已测压裂段之间的相似系数采用公式(Ⅵ)计算：
式中：SIi为水平井预测压裂段与已测压裂段之间的相似系数，无因次；
为缝网控制体积预测矩阵标准化元素；
为预测参考列标准化元素。
7.如权利要求2所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S107中，所述水平井全井段的微地震监测缝网控制体积采用公式(Ⅶ)计算：
式中：SRV为水平井全井段微地震监测缝网控制体积，104m3；
SRVi为水平井单段微地震监测缝网控制体积，104m3；
k为水平井压裂段数，段。
8.如权利要求1所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，所述步骤S2根据水平井所在储层物性参数建立非均质地质模型，并将水平井全井段微地震监测缝网控制体积导入地质模型中得到产能预测模型，具体包括：
步骤S201，基础参数数据库建立：包括获取水平井基本参数和水平井所在致密油藏基本参数，其中水平井基本参数包括水平段长度、压裂段数、第1年累产油量，水平井所在致密油藏基本参数包括储层埋深、完钻井深、临井井距、储层压力、储层温度、水平井各压裂段储层孔隙度、渗透率、含油饱和度、储层厚度及储层流体参数；
步骤S202，根据步骤S201建立的基础参数数据库，利用油藏数值模拟软件Eclipse建立水平井地质模型，包括储层孔隙度分布场、渗透率分布场、含油饱和度分布场、地层压力分布场；
步骤S203，将步骤S1获取的水平井全井段的微地震监测缝网控制体积植入非均质地质模型，得到产能预测模型。
9.如权利要求1所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，所述步骤S3根据水平井生产动态参数，利用产能预测模型，计算有效缝网控制体积，进一步根据储层物性参数定量的计算缝网控制储量，并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果，具体包括：
步骤S301，利用步骤S2建立的产能预测模型预测水平井第一年累产油量，并结合水平井历史生产第一年累产油量和步骤S1预测的水平井全井段的微地震监测缝网控制体积，定量的计算水平井有效缝网控制体积；
步骤S302，根据水平井所在致密油藏基本参数中的孔隙度、含油饱和度，以及步骤S301计算得到的水平井有效缝网控制体积，定量的计算缝网控制储量；并定义水平井缝网控制储量指数，定量的评价水平井体积压裂开发效果。
10.如权利要求9所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S301中，所述水平井有效缝网控制体积采用公式(Ⅷ)计算：
式中：ESRV为水平井有效缝网控制体积，104m3；
QH为水平井历史生产第1年累产油量，t；
QP为水平井预测第1年累产油量，t。
11.如权利要求9所述的致密油藏水平井体积压裂缝网控制储量的预测方法，其特征在于，步骤S302中，所述缝网控制储量采用公式(Ⅸ)计算，水平井缝网控制储量指数采用公式(Ⅹ)计算：
式中：ESRV为水平井有效缝网控制体积，104m3；
φi为水平井第i压裂段孔隙度，％；
Soi为水平井第i压裂段含油饱和度，％；
k为水平井压裂段数，段；
QR为水平井缝网控制储量，t；
EQ为水平井缝网控制储量指数，t；
L为水平段长度，m；
d为临井井距，m；
h为储层厚度，m。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111336542.2A CN116128084A (zh) | 2021-11-12 | 2021-11-12 | 一种致密油藏水平井体积压裂缝网控制储量的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111336542.2A CN116128084A (zh) | 2021-11-12 | 2021-11-12 | 一种致密油藏水平井体积压裂缝网控制储量的预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116128084A true CN116128084A (zh) | 2023-05-16 |
Family
ID=86303189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111336542.2A Pending CN116128084A (zh) | 2021-11-12 | 2021-11-12 | 一种致密油藏水平井体积压裂缝网控制储量的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116128084A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077572A (zh) * | 2023-10-16 | 2023-11-17 | 西安石油大学 | 一种页岩油储层多簇裂缝扩展均匀程度的定量表征方法 |
| CN117077573A (zh) * | 2023-10-16 | 2023-11-17 | 西安石油大学 | 一种页岩油储层压裂缝网形态的定量表征方法及*** |
-
2021
- 2021-11-12 CN CN202111336542.2A patent/CN116128084A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077572A (zh) * | 2023-10-16 | 2023-11-17 | 西安石油大学 | 一种页岩油储层多簇裂缝扩展均匀程度的定量表征方法 |
| CN117077573A (zh) * | 2023-10-16 | 2023-11-17 | 西安石油大学 | 一种页岩油储层压裂缝网形态的定量表征方法及*** |
| CN117077573B (zh) * | 2023-10-16 | 2024-01-26 | 西安石油大学 | 一种页岩油储层压裂缝网形态的定量表征方法及*** |
| CN117077572B (zh) * | 2023-10-16 | 2024-01-26 | 西安石油大学 | 一种页岩油储层多簇裂缝扩展均匀程度的定量表征方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112561144B (zh) | 一种致密油压裂水平井产能主控因素评判与产能预测方法 | |
| Marongiu-Porcu et al. | Advanced modeling of interwell-fracturing interference: an Eagle Ford shale-oil study | |
| RU2663011C2 (ru) | Система и способ выполнения операции интенсификации скважины | |
| RU2569116C2 (ru) | Система и способ для выполнения операций интенсификации добычи в скважине | |
| CN102041995B (zh) | 复杂油藏水淹状况监测*** | |
| Gherabati et al. | The impact of pressure and fluid property variation on well performance of liquid-rich Eagle Ford shale | |
| US10495782B2 (en) | System, method and computer program product for determining placement of perforation intervals using facies, fluid boundaries, geobodies and dynamic fluid properties | |
| CN104747185A (zh) | 非均质油藏储层综合分类评价方法 | |
| CN112343587A (zh) | 一种特低渗透油藏优势渗流通道识别表征方法 | |
| EA015435B1 (ru) | Способ моделирования технологических показателей скважин | |
| CN111927417B (zh) | 一种页岩气分段压裂水平井组储量动用状况评价方法 | |
| CN116128084A (zh) | 一种致密油藏水平井体积压裂缝网控制储量的预测方法 | |
| CN116127675A (zh) | 一种页岩油水平井体积压裂最大可采储量的预测方法 | |
| RU2672292C1 (ru) | Способ разработки нефтяной залежи горизонтальными скважинами с проведением многостадийного гидроразрыва пласта | |
| CN113177322B (zh) | 一种压裂单井控制储量计算方法 | |
| CN107895092B (zh) | 一种基于复杂非线性注采建模的井间连通定量评价方法 | |
| CN110439519A (zh) | 一种基于极限限流设计的压裂方法及*** | |
| CN116122801A (zh) | 一种页岩油水平井体积压裂可压性综合评价方法 | |
| CN116128083A (zh) | 一种页岩油水平井体积压裂裂缝体积的定量表征方法 | |
| CN115586086A (zh) | 一种基于大数据的井壁失稳分析方法 | |
| Okeahialam et al. | Completion optimization under constraints: An Eagle Ford shale case study | |
| Ali et al. | A semi-analytical method for history matching and improving geological models of layered reservoirs: CGM analytical method | |
| CN113094864B (zh) | 强非均质碳酸盐岩水平井分段设计方法 | |
| RU2804946C1 (ru) | Способ интенсификации добычи нефти в скважине | |
| US20150301224A1 (en) | System, Method and Computer Program Product For Evaluating and Ranking GeoBodies Using A Euler Characteristic |
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 |