The invention relates to the technical field of fractured ultra-low permeability reservoir development, in particular to a method for predicting formation parameters of fractured ultra-low permeability reservoir. Firstly, a physical model of time-domain chemical tracing is established; secondly, a mathematical model of time-domain chemical tracing is established; secondly, a neural network model of time-domain tracing is established; finally, a physical model of time-domain chemical tracing, a mathematical model of time-domain chemical tracing and a mathematical model of The time-domain tracer neural network model and the time-domain chemical tracer mathematical model are solved by using BP neural network technology. According to the results, the number of fracture bands N, average permeability K, sweep volume V, injection water partition coefficient F and water drive speed V of fractured low permeability reservoirs are predicted. The forecasting method of the present invention can predict future interwell formation parameters by using the results of successive tracer monitoring and interpretation of injection-production well groups, and realize the time-lapse of fractured ultra-low permeability reservoir parameters and the variation trend and regularity of feedback parameters.
【技术实现步骤摘要】
一种裂缝性特低渗透油藏地层参数预测方法
本专利技术涉及裂缝性特低渗透油藏开发
,尤其涉及一种裂缝性特低渗透油藏地层参数预测方法。
技术介绍
裂缝性特低渗油藏水驱开发过程中,注采井间地层参数会发生明显的时域性变化,其动态变化规律与趋势难以有效表征与预测。随着裂缝性特低渗油藏注水开发的不断深入,地层参数会发生时域化变化,特别是地层中的裂缝受注水强度、注入压力等的变化而使整个注采井组水驱开发效果改变。如何利用注采井组历次示踪监测解释结果来预测未来井间地层参数,实现裂缝性特低渗油藏参数在时间上的推移,反馈参数的变化趋势和规律,已成为实现裂缝性特低渗油藏注水开发动态实时监测与预测的关键。
技术实现思路
为了克服现有技术的缺陷,本专利技术的目的在于提供一种裂缝性特低渗透油藏地层参数预测方法,能够利用注采井组历次示踪监测解释结果来预测未来井间地层参数,实现裂缝性特低渗油藏参数在时间上的推移,反馈参数的变化趋势和规律。为了达到上述目的,本专利技术的技术方案为:一种裂缝性特低渗透油藏地层参数预测方法,包括以下步骤:步骤1,建立时域化学示踪物理模型,利用井组历次示踪剂解释参数、生产井及采油井生产动态参数结合相关静态参数实现示踪剂解释参数在时间上的推移与预测,选取直观指示裂缝性特低渗透油藏地层参数的已知的动态历史信息与已知的静态信息,明确求解变量;步骤2,建立时域化学示踪数学模型,以步骤1建立的时域化学示踪物理模型,把示踪剂监测的历史信息作为学习样本,找寻各个参数之间内在复杂的隐含关系,建立描述该物理模型的数学表达;步骤3,建立时域示踪神经网络模型,利用BP神经网络进行时域示 ...
【技术保护点】
1.一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,包括以下步骤:步骤1,建立时域化学示踪物理模型;步骤2,建立时域化学示踪数学模型;步骤3,建立时域示踪神经网络模型;步骤4,根据时域化学示踪物理模型、时域化学示踪数学模型和时域示踪神经网络模型,利用BP神经网络技术求解时域化学示踪数学模型,根据求解结果预测裂缝性低渗透油藏的裂缝条带个数N、裂缝条带平均渗透率K、注入水波及体积V、注入水分配系数f和水驱推进速度v。
【技术特征摘要】
1.一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,包括以下步骤:步骤1,建立时域化学示踪物理模型;步骤2,建立时域化学示踪数学模型;步骤3,建立时域示踪神经网络模型;步骤4,根据时域化学示踪物理模型、时域化学示踪数学模型和时域示踪神经网络模型,利用BP神经网络技术求解时域化学示踪数学模型,根据求解结果预测裂缝性低渗透油藏的裂缝条带个数N、裂缝条带平均渗透率K、注入水波及体积V、注入水分配系数f和水驱推进速度v。2.根据权利要求1所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,所述步骤1中的时域化学示踪物理模型包括已知的动态历史信息、已知的静态信息、求解变量及预测技术,其中:已知的动态历史信息包括:生产时间t、产量、含水率、井组累积注采比、井组阶段注采比、上次裂缝条带个数、上次裂缝条带平均渗透率、上次注入水波及体积、上次注入水分配系数和上次水驱推进速度;已知的静态信息包括:生产段基岩静态产能系数、生产段基岩静态储能系数和注采井距;求解变量包括:裂缝条带个数、裂缝条带平均渗透率、注入水波及体积、注入水分配系数和水驱推进速度;预测技术为神经网络技术。3.根据权利要求2所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,已知的静态信息中,生产段基岩静态产能系数PC等于生产段基岩的有效渗透率k和生产段基岩的有效厚度h的乘积,生产段基岩静态储能系数NH等于生产段基岩的有效厚度h、生产段基岩的有效孔隙度和生产段基岩的含油饱和度So的乘积。4.根据权利要求2所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,已知的动态历史信息中,上次裂缝条带个数、上次裂缝条带平均渗透率、上次注入水波及体积、上次注入水分配系数和上次水驱推进速度采用裂缝性特低渗油藏示踪剂分类解释模型进行计算,裂缝性特低渗油藏示踪剂分类解释模型包括单峰型示踪剂解释物理模型、多峰型示踪剂解释物理模型或宽台型示踪剂解释物理模型进行计算。5.根据权利要求3所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,单峰型示踪剂解释物理模型等效为人工裂缝窜通型,在单峰型示踪剂解释物理模型中,1条裂缝条带为由n个长度为L、当量直径为D的流管组成的流管束,示踪剂在这条裂缝条带中的n个流管中流动,示踪剂解释模型为:式中:C为示踪剂产出浓度;C0为示踪剂初始浓度;t为时间;fj为向采油井j的注入水分配系数;n为等效流管总个数;Vd为示踪剂段塞总注入体积;α为水动力弥散度;L为流管的等效长度;D为等效流管的当量直径;Q为平均日注入量;多峰型示踪剂解释物理模型为差异裂缝交互型,多峰型示踪剂解释物理模型中具有多条裂缝条带,且第i条裂缝条带分布为由ni个长度为Li、当量直径为Di的流管组成的流管束,示踪剂是在所述多条裂缝条带中的ni个流管中流动,示踪剂解释模型为:式中:C为示踪剂产出浓度;C0为示踪剂初始浓度;t为时间;fj为向采油井j的注入水分配系数;ni为第i个裂缝条带的等效流管个数;Vd为示踪剂段塞总注入体积;Q为平均日注入量;Di为第i个裂缝条带任一等效流管的当量直径;Li为第i个裂缝条带的等效流管长度;αi为示踪剂在第i个裂缝条带等效流管中的水动力弥散常数;宽台型示踪剂解释物理模型为裂缝相对均匀推进型,等效为多条裂缝条带,且第i条裂缝条带分布由ni个长度为Li、当量直径为Di的流管组成的流管束,示踪剂在不同流管中依次到达油井,示踪剂解释模型为:式中:C为示踪剂产出浓度;C0为示踪剂初始浓度;t为时间;fj为向采油井j的注入水分配系数;ni为第i个裂缝条带的等效流管个数;Vd为示踪剂段塞总注入体积;Q为平均日注入量;Di为第i个裂缝条带任一等效流管的当量直径;Li为第i个裂缝条带的等效流管长度;αi为示踪剂在第i个裂缝条带等效流管中的水动力弥散常数;M为等效流阻常数。6.根据权利要求5所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,建立时域示踪数学模型时,将示踪监测过程看作一个时间点,把示踪剂监测的历史信息作为学习样本,则所述时域化学示踪数学模型为:式中,z为时域示踪BP神经网络学习样本序号;N为裂缝条带个数;K为裂缝条带平均渗透率;V为注入水波及体积;f为注入水分配系数;v为水驱推进速度;q为产量;fw为含水率;R为井组阶段注采比;RC为井组累积注采比;W为权值,两相邻层间的连接系数。7.根据权利要求6所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,所述时域示踪神经网络模型为三层网络结构,包括输入层、隐含层和输出层组,隐含层为1层结构;输出层包含5个节点,5个节点分别为:裂缝条带个数N、裂缝条带平均渗透率K、注入水波及体积V、注入水分配系数f和水驱推进速度v。8.根据权利要求7所述的一种裂缝性特低渗透油藏地层参数预测方法,其特征在于,输入层包含预测时刻对应的8个参数,8个参数分别为:产量q、含水率fw、井组累积注采比RC、井组阶段注采比R、生产时间t、注采井距L、生产段基岩静态产能系数PC和生产段基岩静态储能系数NH;或者输入层包含以下参数:产量q、含水率fw、井组累积注采比RC、井组阶段注采比R、生产时间t、注采井距L、生产段基岩静态产能系数PC、生产段基岩静态储能系数NH、上次裂缝条带个数N、上次裂缝条带平均渗透率K、上次注入水波及体积V、上次注入水分配系数f和上次水驱推进速度v。9.根据权利要求8所述的一种裂缝性特低渗透油...
【专利技术属性】
技术研发人员:景成,任龙,董珍珍,李荣伟,王洋,何延龙,
申请(专利权)人:西安石油大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。