【技术实现步骤摘要】
一种基于图神经网络的井间动态连通性识别方法及系统
本专利技术涉及井间连通性识别领域，特别是涉及一种基于图神经网络的井间动态连通性识别方法及系统。
技术介绍
油藏是一个较为复杂的动力学系统，在注水井的注水量不同时将引起生产井产液波动，即反映出注水井和生产井层内的连通性特征，连通性越好，生产井产液波动与注水井注水量变化情况越趋于一致。井间连通性体现了流体在井间流动能力的好坏，是油藏工程评价的重要参数。现有的算法和井网模型未考虑井间连通性是一个动态的变化过程。
技术实现思路
本专利技术的目的是提供一种基于图神经网络的井间动态连通性识别方法及系统，通过图神经网络的机器学习方法，利用井网的几何信息和历史生产数据，来识别井网之中不同井之间的动态连通性状况，真实反映注水井和生产井层内的连通性特征。为实现上述目的，本专利技术提供了如下方案：一种基于图神经网络的井间动态连通性识别方法，包括：获取目标井网的几何信息；所述几何信息包括注水井的数量、生产井的数量、各个井点之间的距离以及各个井点之间...
【技术保护点】
1.一种基于图神经网络的井间动态连通性识别方法，其特征在于，包括：/n获取目标井网的几何信息；所述几何信息包括注水井的数量、生产井的数量、各个井点之间的距离以及各个井点之间的相对位置；/n获取所述目标井网的历史生产数据；/n根据所述目标井网的几何信息和历史生产数据，建立图神经网络模型；/n获取所述目标井网的实时生产数据，并根据所述实时生产数据和所述图神经网络模型，识别目标井网内各个井间的动态流通性；所述实时生产数据包括各个生产井当前的井底流压和温度，以及各个注水井当前的井底流压和温度。/n
【技术特征摘要】
1.一种基于图神经网络的井间动态连通性识别方法，其特征在于，包括：
获取目标井网的几何信息；所述几何信息包括注水井的数量、生产井的数量、各个井点之间的距离以及各个井点之间的相对位置；
获取所述目标井网的历史生产数据；
根据所述目标井网的几何信息和历史生产数据，建立图神经网络模型；
获取所述目标井网的实时生产数据，并根据所述实时生产数据和所述图神经网络模型，识别目标井网内各个井间的动态流通性；所述实时生产数据包括各个生产井当前的井底流压和温度，以及各个注水井当前的井底流压和温度。
2.根据权利要求1所述的一种基于图神经网络的井间动态连通性识别方法，其特征在于，所述获取所述目标井网的历史生产数据，具体包括：
获取所述目标井网中各个生产井和各个注水井的工作时序；所述工作时序包括各个生产井和各个注水井开始工作时间以及在不同时间所进行的关井操作和关井时长；
基于所述目标井网中各个生产井和各个注水井的工作时序，获取所述目标井网中各个生产井和各个注水井的历史生产数据；所述历史生产数据包括各个生产井在不同时间的井底流压、温度和采油量，以及各个注水井在不同时间的井底流压、温度和注水量。
3.根据权利要求1所述的一种基于图神经网络的井间动态连通性识别方法，其特征在于，所述根据所述目标井网的几何信息和历史生产数据，建立图神经网络模型，具体包括：
根据所述目标井网的几何信息建立图神经网络；其中，所述图神经网络的不同节点代表不同的生产井点和注水井点；所述图神经网络中包括8至12层全连接隐藏层；
利用所述目标井网的几何信息和历史生产数据，训练所述图神经网络，建立图神经网络模型。
4.根据权利要求1所述的一种基于图神经网络的井间动态连通性识别方法，其特征在于，所述获取所述目标井网的实时生产数据，并根据所述实时生产数据和所述图神经网络模型，识别目标井网内各个井间的动态流通性，具体包括：
获取所述目标井网的实时生产数据，并将所述实时生产数据输入至所述图神经网络模型，得到所述目标井网中各个生产井的当前采油量和各个注水井的当前注水量；
根据各个所述生产井的当前采油量和各个所述注水井的当前注水量，识别目标井网内各个井间的动态流通性。
5.一种基于图神经网络的井间动态连通性识...
【专利技术属性】
技术研发人员：黄朝琴，梁永星，年凯，何志扬，巩亮，王斌，段欣悦，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37
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。