【技术实现步骤摘要】
一种基于认知计算的新井目标井位推荐方法
本专利技术涉及开发中后期油田部署新井动用剩余油
,具体涉及一种基于认知计算的新井目标井位推荐方法。
技术介绍
石油是全球能源的重要组成部分,随着全球工业的迅速发展,石油能源供给与需求差距越来越大。而油田最终采收率仅为30%-40%,大量剩余油仍滞留在储层未被采出,开发中后期的油田仍具有极大的剩余油挖掘潜力,如果能有效动用剩余油,将大幅度提高油气产量,在一定程度上缓解能源需求紧张的问题。随着油田开发进程的推进,储层非均质性日益显著,可采储量逐步下降,剩余油分散程度及分布特征更加复杂,剩余油动用难度大大增加。为了最大程度地挖潜剩余油,保证油藏的全生命周期开发,无可避免地需要部署新井或加密井动用剩余油。新井目标井位确定是一个极其复杂且耗时的工作。传统的油田中后期开发部署新井的方法,主要是根据油藏静态参数、动态数据及相关政策多方面考虑,由油田专家人为确定新井目标井位。该过程基于专家经验决策新井目标井位,涉及大量的人为不确定性,且专家经验难以量化,难以均衡不同专家经验之间的不一致性,对最终方案设计造成不可逆的影响。
技术实现思路
针对现有技术存在的上述问题,本专利技术的要解决的技术问题是:综合考虑油藏静态参数及动态数据,构建模糊规则集,提出一种新井目标井位推荐方法。为解决上述技术问题,本专利技术采用如下技术方案:一种基于认知计算的新井目标井位推荐方法,包括如下步骤:S100:针对待确定新井目标井位的油藏,建立该油藏对应的油藏地质模型,所述 ...
【技术保护点】
1.一种基于认知计算的新井目标井位推荐方法,其特征在于,包括如下步骤:/nS100:针对待确定新井目标井位的油藏,建立该油藏对应的油藏地质模型,所述油藏地质模型共有N个网格,获取每个网格的油藏静态参数;/nS200:通过S100建立的油藏地质模型,获取每个网格的油藏动态数据;/nS300:根据先验知识,建立多个模糊变量的模糊规则库;/nS400:将S100获取的第i个网格的油藏静态参数和S200获取的第i个网格的油藏动态数据输入S300建立的对应的模糊变量的模糊规则库,得到第i个网格对应的多个模糊变量隶属度模糊集合;/nS500:将S400得到的多个模糊变量隶属度模糊集合进行去模糊化,得到多个对应的模糊变量清晰值;/nS600:将S500得到的多个对应的模糊变量清晰值输入S300建立的对应的模糊规则库,得到模糊变量布井潜力DA的DA隶属度模糊集合;/n将所述DA隶属度模糊集合去模糊化得到DA的清晰值即第i个网格的DA得分;/nS700:对于每个网格重复步骤S400-S600,得到每个网格的DA得分;/nS800:以每个网格为中心,以R为半径的圆形区域定位为一个布井潜力区域,根据每个布井 ...
【技术特征摘要】
1.一种基于认知计算的新井目标井位推荐方法,其特征在于,包括如下步骤:
S100:针对待确定新井目标井位的油藏,建立该油藏对应的油藏地质模型,所述油藏地质模型共有N个网格,获取每个网格的油藏静态参数;
S200:通过S100建立的油藏地质模型,获取每个网格的油藏动态数据;
S300:根据先验知识,建立多个模糊变量的模糊规则库;
S400:将S100获取的第i个网格的油藏静态参数和S200获取的第i个网格的油藏动态数据输入S300建立的对应的模糊变量的模糊规则库,得到第i个网格对应的多个模糊变量隶属度模糊集合;
S500:将S400得到的多个模糊变量隶属度模糊集合进行去模糊化,得到多个对应的模糊变量清晰值;
S600:将S500得到的多个对应的模糊变量清晰值输入S300建立的对应的模糊规则库,得到模糊变量布井潜力DA的DA隶属度模糊集合;
将所述DA隶属度模糊集合去模糊化得到DA的清晰值即第i个网格的DA得分;
S700:对于每个网格重复步骤S400-S600,得到每个网格的DA得分;
S800:以每个网格为中心,以R为半径的圆形区域定位为一个布井潜力区域,根据每个布井潜力区域内的所有网格的DA得分计算所有布井潜力区域的区域布井潜力RDA得分,区域布井潜力RDA得分最高的布井潜力区域确定为新井目标井位的推荐区域并输出。
2.如权利要求1所述的基于认知计算的新井目标井位推荐方法,其特征在于,所述S100中的获取每个网格的油藏静态参数包括渗透率,孔隙度,净毛比,泥质含量和油层厚度。
3.权利要求1所述的基于认知计算的新井目标井位推荐方法,其特征在于,所述S200中的获取每个网格的油藏动态数据,包括油藏压力,剩余油饱和度,原油粘度,原油密度,油相相对渗透率和原油体积系数。
4.权利要求1所述的基于认知计算的新井目标井位推荐方法,其特征在于,定义剩余油可采储量丰度ARO和油相流动能力OPFC;
根据公式(1)计算剩余油可采储量丰度ARO,根据公式(2)计算油相流动能力OPFC;
其中,Ωoi表示剩余油可采储量丰度ARO的表示符号,hi表示油层厚度,φi表示孔隙度,Sori表示残余油饱和度,Soi表示剩余油饱和度,ρoi表示原油密度,Boi表示原油体积系数,Toi表示油相流动能力OPFC的表示符号,ki表示渗透率,kroi表示油相相对渗透率,μoi原油粘度。
5.权利要求4所述的基于认知计算的新井目标井位推荐方法,其特征在于,当所述油藏内无天然水体时,所述S300中模糊规则库的建立方法如下:
S310:建立隶属度函数μQ(x),其中x为输入数值,μQ(x)表示x对Q的隶属程度;
其中,a,b,c为隶属度函数的几个常数;
S320:获取待确定新井目标井位的油藏的多个油藏静态参数和油藏动态数据的历史数据,将开发中后期油藏的油藏静态参数和油藏动态数据的历史数据分别输入到公式(3),计算所有参数对应的隶属度值;
将渗透率ki,孔隙度φi,净毛比NTGi,泥质含量shi和油层厚度hi对应的隶属度值利用现有的方法进行模糊规则的生成,即得到RSPQ模糊规则库;
将剩余油可采储量丰度ARO和油相流动能力OPFC的隶属度值利用现有的方法进行模糊规则的生成,即得到MOC模糊规则库;
将油藏压力Pi的隶属度值利用现有的方法进行模糊规则的生成,即得到EI模糊规则库;
分别计算模糊变量RSPQ的清晰值的隶属度值、模糊变量MOC的清晰值隶属度值和模糊变量EI的清晰值的隶属度值,再将RSPQ的清晰值的隶属度值,模糊变量MOC的清晰值隶属度值和模糊变量EI的清晰值的隶属度值利用现有的方法进行模糊规则的生成,即得到DA模糊规则库。
6.权利要求5所述的基于认知计算的新井目标井位推荐方法,其特征在于,当所述油藏内无天然水体时,所述S400中得到每个网格对应的多个模糊变量隶属度模糊集合的过程如下:
S410:将渗透率ki,孔隙度φi,净毛比NTGi,泥质含量shi和油层厚度hi的值输入S300所建立的RSPQ模糊规则库,得到模糊变量油藏静态参数质量RSPQ的RSPQ隶属度模糊集合;
S420:将剩余油可采储量丰度ARO和油相流动能力OPFC的值输入S300所建立的MOC模糊规则库,得到模糊变量可动油程度MOC的MOC隶属度模糊集合;
S430:将油藏压力Pi的值输入S300所建立的对应的EI模糊规则库,得到模糊变量能量指数EI的EI隶属度模糊集合。
7.权利要求4所述的基于...
【专利技术属性】
技术研发人员:王宇赫,毛强强,杨潇,
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。