CN117852376A - 采气井的采气指数预测方法、装置、设备和存储介质 - Google Patents
采气井的采气指数预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117852376A CN117852376A CN202211221530.XA CN202211221530A CN117852376A CN 117852376 A CN117852376 A CN 117852376A CN 202211221530 A CN202211221530 A CN 202211221530A CN 117852376 A CN117852376 A CN 117852376A
- Authority
- CN
- China
- Prior art keywords
- gas production
- gas
- data
- well
- function
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 377
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 56
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims abstract description 25
- 239000007789 gas Substances 0.000 claims description 316
- 230000006870 function Effects 0.000 claims description 97
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 18
- 239000003345 natural gas Substances 0.000 claims description 16
- 238000005311 autocorrelation function Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000005251 gamma ray Effects 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000009434 installation Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- CTSLUCNDVMMDHG-UHFFFAOYSA-N 5-bromo-3-(butan-2-yl)-6-methylpyrimidine-2,4(1H,3H)-dione Chemical compound CCC(C)N1C(=O)NC(C)=C(Br)C1=O CTSLUCNDVMMDHG-UHFFFAOYSA-N 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了采气井的采气指数预测方法、装置、设备和存储介质，所述方法包括，周期性的获取目标采气井生产数据和预设参数的参数数据；第一更新函数根据当前的生产数据和参数数据计算目标采气井在预设时刻的井底流压预测值；第二更新函数计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；第三更新函数根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；以理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型。本发明可以在不需要采气井停机也不需要到井下安装井底流压和平均地层压力的监测设备的情况下，低成本且高效的获得采气井的采气指数，进而为采气井的产能评估提供依据。
Description
技术领域
本发明涉及石油天然气领域，特别涉及采气井的采气指数预测方法、装置、设备和存储介质。
背景技术
我国天然气气藏通常为非常规天然气气藏，主要类型为低渗致密砂岩气藏、碳酸盐岩气藏、火山岩气藏及页岩气藏，非常规天然气气藏非均质性强的，同一气藏不同采气井的产能差异较大。随着气藏的投产，采气井产能的也会不断地下降，采气井产能直接影响气藏开发的经济效益，因此需要对采气井产能进行有效的监控。
通常，气藏工程师会采用计算采气井的采气指数的方式来判断采气井的产能。现有技术中，采气指数需要以井底流压、平均地层压力以及采气井采气量为参数进行。
发明人经过研究发现，现有技术中采气指数的计算方式，至少存在以下问题：
要获得井底流压和平均地层压力的参数值，就需要采气井停产一段时间，下入井底使用昂贵的设备才能获得，因此存在影响采气井的正常生产和成本过高的问题。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于避免在评估采气井产能时影响采气井的正常生产，和，降低评估成本。
本发明提供了一种采气井的采气指数预测方法，包括步骤：
S11、周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
S12、第一更新函数根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
S13、第二更新函数计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
S14、第三更新函数根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
S15、以所述理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
优选的，在本发明中，所述生产数据的数据集和所述参数数据的数据集均为时间序列类型。
优选的，在本发明中，所述井筒垂直管流方程包括：
其中，pwf为井底流压，MPa；ptf为井口压力，MPa；f为井内的生产管线摩阻系数，小数；T为井内平均温度，K；Z为井筒内平均偏差系数，小数；qg为采气井的采气量，m3/d；D为井内生产管内径，m；γg为天然气相对密度，小数；H为气藏中部深度，m。
优选的，在本发明中，所述通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数，包括：
S21、根据气藏的物质平衡方程，获取任意两个时刻的物质平衡方程关系函数；
所述气藏的物质平衡方程为：
其中，pavg为平均地层压力，MPa；pe为原始地层压力，MPa；Zavg为pavg对应的偏差系数；Ze为pe对应的偏差系数；Gp为累积产气量，104m3；G为动态储量，104m3；
任意两个时刻的物质平衡方程关系函数为：
其中，表示t＝ti时刻平均地层压力、偏差系数、累积产气量；表示t＝ti+1时刻平均地层压力、偏差系数、累积产气量；对于相邻时刻Δt＝ti+1-ti＝1，平均地层压力与井底流压下降速率相等，偏差系数可视相同，即:
S22、根据任意两个时刻的物质平衡方程关系函数，获取相邻时刻的物质平衡方程关系函数；
相邻时刻的物质平衡方程关系函数为：
S23、获取用于计算不同时刻平均地层压力的更新函数；
t＝ti时刻平均地层压力的更新函数为：
优选的，在本发明中，建立所述第三更新函数，包括：
根据同一时刻井底流压和平均地层压力计算采气指数，t＝ti时刻的采气指数更新函数为：
其中，PE为采气指数。
优选的，在本发明中，所述建立基于ARIMA的所述采气井的采气指数预测模型，包括：
S31、对所述采气指数的时间序列数据进行对数变换；
S32、采用ADF检验将所述采气指数时间序列数据平稳化，获取所述采气指数ARIMA模型的差分项数d；
S33、分析所述采气指数时间序列的ACF自相关函数和PACF偏自相关函数，获取所述采气指数ARIMA模型的自回归项数p和移动平均项数q，并依据AIC准则确定所述采气指数ARIMA模型的最优(p,d,q)；
S34、逆向还原所述采气指数时间序列数据；
S35、以当前的井口压力、采气量和累积产气量为输入，根据确定的所述采气指数预测模型预测所述采气井未来时刻的采气指数。
在本发明的另一面，还提供了一种采气井的采气指数预测装置，包括：
数据获取单元，用于周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
第一更新函数单元，用于根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
第二更新函数单元，用于计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
第三更新函数单元，用于根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
预测模型更新单元，用于以所述理论采气指数为建模数据，构建并持续的更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
优选的，在本发明中，所述生产数据的数据集和所述参数数据的数据集均为时间序列类型。
在本发明实施例的另一面，还提供了一种采气井的采气指数预测设备，包括：
存储器，用于存储计算机程序；
处理器，用于调用并执行所述计算机程序，以实现如上任一项所述的采气井的采气指数预测方法的各个步骤。
在本发明实施例的另一面，还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上任一项所述的采气井的采气指数预测方法的各个步骤。
所述采气井的采气指数预测设备包括存储在介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行以上各个方面所述的方法，并实现相同的技术效果。
与现有技术相比，本发明具有如下有益效果：
本发明中，利用了目标采气井一些特定的生产数据和一些特定参数的参数数据；来生成用于计算目标采气井在预设时刻的井底流压和平均地层压力的第一更新函数和第二更新函数，进而可以周期性的根据井底流压和平均地层压力计算出对应的理论采气指数；在此基础上进一步的构建并周期性的更新基于ARIMA的采气指数预测模型；本发明中的采气指数预测模型，可以预测计算出在预设时间点采气井的采气指数；由于通过本发明，只需要周期性的采集井口压力、采气量和累积产气量这些通过地面安装设备即可获得的生产数据即可得到采气井的采气指数，因此可以在不需要采气井停机也不需要到井下安装井底流压和平均地层压力的监测设备的情况下，低成本且高效的获得采气井的采气指数，进而为采气井的产能评估提供依据。
上述说明仅为本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段并可依据说明书的内容予以实施，同时为了使本发明的上述和其他目的、技术特征以及优点更加易懂，以下列举一个或多个优选实施例，并配合附图详细说明如下。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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。
图1是本发明中所述采气井的采气指数预测方法的步骤图；
图2是本发明中所述采气井的采气指数预测装置的结构示意图
图3是本发明中所述采气井的采气指数预测设备结构示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其他明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其他元件或其他组成部分。
在本文中，术语“第一”、“第二”等是用以区别两个不同的元件或部位，并不是用以限定特定的位置或相对关系。换言之，在一些实施例中，术语“第一”、“第二”等也可以彼此互换。
实施例一
为了避免在评估采气井产能时影响采气井的正常生产，和，降低评估成本，如图1所示，在本发明实施例中提供了一种采气井的采气指数预测方法，包括步骤：
S11周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；；
本发明实施例中的核心发明思路中，不再直接到井下安装昂贵的设备来获取井底流压和平均地层压力；而是利用了在采气井近场的地面安装的设备所采集的生产数据，和，采气井的一些特定参数的参数数据；将这些容易获取的数据作为原始数据。
本发明实施例中，采用的是基于ARIMA的预测模型采集的如井口压力、采气量和累积产气量等，可以结合一些预设参数来建立采气指数预测模型；然后，再通过周期性的采集生产数据来不断地更新该采气指数预测模型，进而使之能预测后续预设时刻的该采气指数。
需要说明的是，本发明实施例中的生产数据的数据集和参数数据的数据集，其中的数据均为时间序列类型，即，按照数据的生成时间顺序存储。
S12、第一更新函数根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
本发明实施例中，为了建立预测模型，首先要结合生产数据和参数数据计算目标采气井在预设时刻的井底流压预测值，以及，对应时刻的平均地层压力预测值。
在实际应用中，本发明实施例中的井筒垂直管流方程具体可以如下：
其中，
其中，pwf为井底流压，MPa；ptf为井口压力，MPa；f为井内的生产管线摩阻系数，小数；T为井内平均温度，K；Z为井筒内平均偏差系数，小数；qg为采气井的采气量，m3/d；D为井内生产管内径，m；γg为天然气相对密度，小数；H为气藏中部深度，m。
需要说明的是，本发明实施例中，采气井的生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度，以及，井口压力和采气量，这些数据都是时间序列数据，公式(1)即为可获取不同时刻井底流压预测值的第一更新函数。
S13、第二更新函数计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
本发明实施例中的采气指数预测，适用于预测封闭弹性驱动气藏的采气井的采气指数；在实际应用中，生成与第一更新函数生成井底流压的时间点对应的平均地层压力的第二更新函数，具体的子步骤可以包括：
S21、根据气藏的物质平衡方程，获取任意两个时刻的物质平衡方程关系函数；
所述气藏的物质平衡方程为：
其中，pavg为平均地层压力，MPa；pe为原始地层压力，MPa；Zavg为pavg对应的偏差系数；Ze为pe对应的偏差系数；Gp为累积产气量，104m3；G为动态储量，104m3；
任意两个时刻的物质平衡方程关系函数为：
其中，表示t＝ti时刻平均地层压力、偏差系数、累积产气量；表示t＝ti+1时刻平均地层压力、偏差系数、累积产气量；对于相邻时刻Δt＝ti+1-ti＝1，平均地层压力与井底流压下降速率相等，偏差系数可视相同，即:
S22、根据任意两个时刻的物质平衡方程关系函数，获取相邻时刻的物质平衡方程关系函数；
相邻时刻的物质平衡方程关系函数为：
S23、能够获取预设时刻的平均地层压力预测值的第二更新函数；
t＝ti时刻平均地层压力的更新函数为：
S14、第三更新函数根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
在本发明实施例中，井底流压和平均地层压力为计算获得的理论值，由此计算所得的采气指数可以称之为理论采气指数，具体可以是：
根据同一时刻井底流压和平均地层压力计算采气指数，t＝ti时刻的第三更新函数为：
其中，PE为采气指数。
S15、以所述理论采气指数为建模数据，构建并持续的更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
本发明实施例中基于ARIMA的采气指数预测模型简单，只需要内生变量而不需要借助其他外生变量，即仅需要将采气指数时间序列处理成平稳化；ARIMA的采气指数预测模型可以有效挖掘采气井采气指数的变化趋势，给出精确的预测结果，具体的：
S31、对所述采气指数的时间序列数据进行对数变换；
S32、采用ADF检验将所述采气指数时间序列数据平稳化，获取所述采气指数ARIMA模型的差分项数d；
S33、分析所述采气指数时间序列的ACF自相关函数和PACF偏自相关函数，获取所述采气指数ARIMA模型的自回归项数p和移动平均项数q，并依据AIC准则确定所述采气指数ARIMA模型的最优(p,d,q)；
S34、逆向还原所述采气指数时间序列数据；
S35、以当前的井口压力、采气量和累积产气量为输入，根据确定的所述采气指数预测模型预测所述采气井未来时刻的采气指数。
综上所述，本发明实施例，利用了目标采气井一些特定的生产数据和一些特定参数的参数数据；来生成用于计算目标采气井在预设时刻的井底流压和平均地层压力的第一更新函数和第二更新函数，进而可以根据井底流压和平均地层压力计算出对应的理论采气指数；在此基础上进一步的构建并周期性的更新基于ARIMA的采气指数预测模型；本发明中的采气指数预测模型，可以预测计算出在预设时间点采气井的采气指数；由于通过本发明，只需要周期性的采集井口压力、采气量和累积产气量这些通过地面安装设备即可获得的生产数据即可得到采气井的采气指数，因此可以在不需要采气井停机也不需要到井下安装井底流压和平均地层压力的监测设备的情况下，低成本且高效的获得采气井的采气指数，进而为采气井的产能评估提供依据。
实施例二
与方法实施例相对应的，在本发明实施例的另一面，还提供了一种采气井的采气指数预测装置，图2示出本发明实施例提供的采气井的采气指数预测装置的结构示意图，所述采气井的采气指数预测装置为与图1所对应实施例中所述采气井的采气指数预测方法对应的装置，即，通过虚拟装置的方式实现图1所对应实施例中采气井的采气指数预测方法，构成所述采气井的采气指数预测装置的各个虚拟模块可以由电子设备执行，例如网络设备、终端设备或服务器。具体来说，本发明实施例中采气井的采气指数预测装置包括：
数据获取单元01，用于周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
第一更新函数单元02，用于根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
第二更新函数单元03，用于计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
第三更新函数单元04，用于根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
预测模型更新单元05，用于以所述理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
需要说明的是，在本发明实施例中的采气井的采气指数预测装置的具体实现方式和技术效果可以参考图1所对应的采气井的采气指数预测方法，在此就不再赘述。
实施例三
与方法实施例相对应的，本发明实施例中，还提供了一种采气井的采气指数预测设备，如终端、服务器等。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。
本发明实施例提供的采气井的采气指数预测设备的硬件结构框图的示例图如图3所示，可以包括：
处理器1，通信接口2，存储器3和通信总线4；
其中处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
可选的，通信接口2可以为通信模块的接口，如GSM模块的接口；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
其中，处理器1具体用于执行存储器3中存储的计算机程序，以执行如下步骤：
S11、周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
S12、第一更新函数根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
S13、第二更新函数计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
S14、第三更新函数根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
S15、以所述理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的采气井的采气指数预测方法。
实施例四
本发明实施例中，还提供了一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
S11、周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
S12、第一更新函数根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
S13、第二更新函数计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
S14、第三更新函数根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
S15、以所述理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明其他实施例所提供的方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
应当理解，本申请实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种采气井的采气指数预测方法，其特征在于，包括步骤：
S11、周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
S12、第一更新函数根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
S13、第二更新函数计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
S14、第三更新函数根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
S15、以所述理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
2.根据权利要求1所述的采气井的采气指数预测方法，其特征在于，所述生产数据的数据集和所述参数数据的数据集均为时间序列类型。
3.根据权利要求2所述的采气井的采气指数预测方法，其特征在于，所述井筒垂直管流方程包括：
其中，pwf为井底流压，MPa；ptf为井口压力，MPa；f为井内的生产管线摩阻系数，小数；T为井内平均温度，K；Z为井筒内平均偏差系数，小数；qg为采气井的采气量，m3/d；D为井内生产管内径，m；γg为天然气相对密度，小数；H为气藏中部深度，m。
4.根据权利要求3所述的采气井的采气指数预测方法，其特征在于，所述通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数，包括：
S21、根据气藏的物质平衡方程，获取任意两个时刻的物质平衡方程关系函数；
所述气藏的物质平衡方程为：
其中，pavg为平均地层压力，MPa；pe为原始地层压力，MPa；Zavg为pavg对应的偏差系数；Ze为pe对应的偏差系数；Gp为累积产气量，104m3；G为动态储量，104m3；
任意两个时刻的物质平衡方程关系函数为：
其中，表示t＝ti时刻平均地层压力、偏差系数、累积产气量；表示t＝ti+1时刻平均地层压力、偏差系数、累积产气量；对于相邻时刻Δt＝ti+1-ti＝1，平均地层压力与井底流压下降速率相等，偏差系数可视相同，即:
S22、根据任意两个时刻的物质平衡方程关系函数，获取相邻时刻的物质平衡方程关系函数；
相邻时刻的物质平衡方程关系函数为：
S23、获取用于计算不同时刻平均地层压力的更新函数；
t＝ti时刻平均地层压力的更新函数为：
。
5.根据权利要求4所述的采气井的采气指数预测方法，其特征在于，建立所述第三更新函数，包括：
根据同一时刻井底流压和平均地层压力计算采气指数，t＝ti时刻的采气指数更新函数为：
其中，PE为采气指数。
6.根据权利要求5所述的采气井的采气指数预测方法，其特征在于，所述建立基于ARIMA的所述采气井的采气指数预测模型，包括：
S31、对所述采气指数的时间序列数据进行对数变换；
S32、采用ADF检验将所述采气指数时间序列数据平稳化，获取所述采气指数ARIMA模型的差分项数d；
S33、分析所述采气指数时间序列的ACF自相关函数和PACF偏自相关函数，获取所述采气指数ARIMA模型的自回归项数p和移动平均项数q，并依据AIC准则确定所述采气指数ARIMA模型的最优(p,d,q)；
S34、逆向还原所述采气指数时间序列数据；
S35、以当前的井口压力、采气量和累积产气量为输入，根据确定的所述采气指数预测模型预测所述采气井未来时刻的采气指数。
7.一种采气井的采气指数预测装置，其特征在于，包括：
数据获取单元，用于周期性的获取目标采气井生产数据和预设参数的参数数据；并确定所述生产数据与和所述参数数据的时间对应关系；所述生产数据包括井口压力、采气量和累积产气量；所述预设参数包括生产管线摩阻系数、井内平均温度、平均偏差系数、生产管内径、天然气相对密度和气藏中部深度；
第一更新函数单元，用于根据当前的所述生产数据和所述参数数据计算所述目标采气井在预设时刻的井底流压预测值；通过根据所述生产数据和所述参数数据建立的井筒垂直管流方程来获得所述第一更新函数；
第二更新函数单元，用于计算与所述第一更新函数生成井底流压的时间点对应的平均地层压力预测值；通过根据弹性驱动气藏的物质平衡方程建立的平均地层压力函数来获得所述第二更新函数；
第三更新函数单元，用于根据同一时刻的井底流压预测值和平均地层压力预测值计算理论采气指数；
预测模型更新单元，用于以所述理论采气指数为建模数据，更新基于ARIMA的所述采气井的采气指数预测模型；所述采气指数预测模型以用于预测所述采气井的采气指数。
8.根据权利要求6所述的采气井的采气指数预测装置，其特征在于，所述生产数据的数据集和所述参数数据的数据集均为时间序列类型。
9.一种采气井的采气指数预测设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于调用并执行所述计算机程序，以实现如权利要求1-6中任一项所述采气井的采气指数预测方法的步骤。
10.一种存储介质，其特征在于，包括软件程序，所述软件程序适于由处理器执行如权利要求1-6中任一所述采气井的采气指数预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211221530.XA CN117852376A (zh) | 2022-10-08 | 2022-10-08 | 采气井的采气指数预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211221530.XA CN117852376A (zh) | 2022-10-08 | 2022-10-08 | 采气井的采气指数预测方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117852376A true CN117852376A (zh) | 2024-04-09 |
Family
ID=90529666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211221530.XA Pending CN117852376A (zh) | 2022-10-08 | 2022-10-08 | 采气井的采气指数预测方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117852376A (zh) |
-
2022
- 2022-10-08 CN CN202211221530.XA patent/CN117852376A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA3010283C (en) | Machine learning for production prediction | |
| US9745833B2 (en) | Optimizing oil recovery and reducing water production in smart wells | |
| CN105569646B (zh) | 一种油气井技术可采储量预测方法 | |
| US20180052903A1 (en) | Transforming historical well production data for predictive modeling | |
| WO2014070207A1 (en) | System, method and computer program product for wellbore event modeling using rimlier data | |
| CN111101929B (zh) | 一种计算油气藏平均地层压力的方法、装置及*** | |
| WO2020154048A1 (en) | Intelligent optimization of flow control devices | |
| US20130332120A1 (en) | System and method for aggregating reservoir connectivities | |
| US20220195861A1 (en) | Identifying operation anomalies of subterranean drilling equipment | |
| EP3100161B1 (en) | Modified black oil model for calculating mixing of different fluids in a common surface network | |
| CN109681196B (zh) | 低压页岩气井间歇生产管理方法及*** | |
| Deng et al. | Hypervolume-based multiobjective optimization for gas lift systems | |
| Kristjansson et al. | Use of historic data to improve drilling efficiency: A pattern recognition method and trial results | |
| US20220307357A1 (en) | Reservoir fluid property modeling using machine learning | |
| CN113486538A (zh) | 一种非常规油气井产量预测及压裂效果评价方法 | |
| CN117852376A (zh) | 采气井的采气指数预测方法、装置、设备和存储介质 | |
| CN117852377A (zh) | 采气井的堵塞预测方法、装置、设备和存储介质 | |
| CN113445989A (zh) | 致密油藏压裂水平井的产能预测方法、介质、终端和装置 | |
| Qoqandi et al. | Production Forecasting in Tight Gas Reservoirs Using Long Short-Term Memory Methods (LSTM) | |
| Allahloh et al. | Application of industrial Internet of things (IIOT) in crude oil production optimization using pump Efficiency control | |
| CN114016998A (zh) | 一种测井遇阻遇卡的预测方法及装置 | |
| US12020192B2 (en) | Estimating well downtime factor in field modeling | |
| Abdullah et al. | Self Optimizing Thermal Field Using Beam Pumps with Variable Speed Drive. | |
| US11982284B2 (en) | Optimizing the performance of electrical submersible pumps (ESP) in real time | |
| CN114991748A (zh) | 一种海上油田提液优化方法、装置、电子设备及存储介质 |
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 |