一种基于历史及预测油藏知识的剩余油分布预测方法及装置制造方法及图纸

本发明专利技术提供一种基于历史及预测油藏知识的剩余油分布预测方法及装置，属于石油开发技术领域；方法包括：根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；利用完备数据集对LSTM模型进行训练及测试；利用完成训练的LSTM模型预测单井在预设时刻的产量；根据产量预测结果、油藏专家经验获取预设时刻单井三相饱和度；根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。本发明专利技术考虑了众多物理规律及油藏专家经验，从不完整、离散的油藏监测数据出发，外推出了更多油藏信息，为剩余油分布预测提供了完整、鲁棒的数据支撑。鲁棒的数据支撑。鲁棒的数据支撑。

【技术实现步骤摘要】
一种基于历史及预测油藏知识的剩余油分布预测方法及装置


[0001]本专利技术涉及石油开发
，特别是指一种基于历史及预测油藏知识的剩余油分布预测方法及装置。

技术介绍

[0002]获悉剩余油分布一直是油藏在中后期开发阶段提高采收率的重要手段，但受储层非均质性的影响，剩余油分散程度加剧、分布特征趋于复杂，预测其分布有很大的不确定性。
[0003]相关技术一般采用利用人工智能计算剩余油分布，该方法将储层网格化并建立了判断网格单元是否见水的SVM分类模型，以长短期记忆网络为核心搭建了预测油水分布的深度学习模型，以此来实现剩余油分布的预测。
[0004]但是该方法在前期数据预处理时工作量大，而且对每个网格单元都要单独进行计算，预测效率低。

技术实现思路

[0005]本专利技术要解决的技术问题是提供一种基于历史及预测油藏知识的剩余油分布预测方法及装置，可解决在前期数据预处理时工作量大，而且对每个网格单元都要单独进行计算，预测效率低的问题。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：
[0007]一方面，提供了一种基于历史及预测油藏知识的剩余油分布预测方法，所述方法包括：
[0008]根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；
[0009]利用所述完备数据集对LSTM模型进行训练及测试；
[0010]利用完成训练的LSTM模型预测单井在预设时刻的产量；
[0011]根据产量预测结果、油藏专家经验获取所述预设时刻单井三相饱和度；
[0012]根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging 方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。
[0013]在一种可选的实施例中，根据目标油藏动静态监测数据建立完备数据集，包括：
[0014]获取目标油藏现场监测的历史动态及静态数据，形成初始数据集；
[0015]根据油藏专家经验对所述初始数据集进行清洗，得到所述目标油藏动静态监测数据集。
[0016]在一种可选的实施例中，根据目标油藏动静态监测数据集建立完备数据集，包括：
[0017]使用函数拟合方法补全单井历史井头压力数据；
[0018]根据Bernoulli方程及油藏地层压力变化分析，补全单井历史井底压力数据；
[0019]使用Kriging方法补全区块历史压力场分布数据；
[0020]根据相对渗透率曲线及地层流体流动分析，补全单井历史相饱和度数据；
[0021]使用Kriging方法补全区块历史饱和度分布数据。
[0022]在一种可选的实施例中，所述根据油井相关历史数据建立完备数据集，包括
[0023]根据Bernoulli方程及油藏地层压力变化分析，从开井和关井两个方面补全单井历史井底压力数据；
[0024]考虑流体流动沿程阻力损失是否可以忽略及区块边界条件设定，使用 Kriging方法补全区块历史压力场分布数据；
[0025]将水平井渗流过程简化为平面径向流与球形向心流、直井简化为平面径向流，并根据相对渗透率曲线及地层流体流动分析，从开井和关井两个方面补全单井历史相饱和度数据；
[0026]在考虑边界条件及物理约束条件基础上，引入测井饱和度数据的影响，使用Kriging方法补全区块历史饱和度分布数据。
[0027]在一种可选的实施例中，所述根据目标油藏油井相关历史动态及静态监测数据建立完备数据集，包括：
[0028]归一化目标油藏油井相关历史动态及静态监测数据，根据归一化后的目标油藏油井相关历史动态及静态监测数据建立完备数据集。
[0029]在一种可选的实施例中，所述根据目标油藏油井相关历史动态及静态监测数据建立完备数据集，包括：
[0030]对所述完备数据集进行划分，使预设比例数据集作为训练集，剩余比例数据集作为测试集。
[0031]在一种可选的实施例中，所述根据产量预测结果、油藏专家经验获取所述预设时刻单井三相饱和度，包括：
[0032]根据产量预测结果、油藏专家经验获取所述预设时刻生产井单井三相饱和度。
[0033]在一种可选的实施例中，所述根据产量预测结果、油藏专家经验获取所述预设时刻单井三相饱和度，还包括：
[0034]根据油藏开发管理方案判断所述预设时刻注入井的开关井状态及注入条件，根据油藏分析得到所述预设时刻注入井单井三相饱和度。
[0035]在一种可选的实施例中，所述根据产量预测结果、油藏专家经验获取所述预设时刻单井三相饱和度，还包括：
[0036]根据所述预设时刻生产井单井三相饱和度与注入井单井三相饱和度设定边界条件及物理约束条件，采用Kriging插值演化所述预设时刻油气水三相饱和度场。
[0037]另一方面，提供了一种基于历史及预测油藏知识的剩余油分布预测装置，所述装置包括可读存储介质，所述可读存储介质上存储计算机程序，所述计算机程序用于执行上述任一所述的方法。
[0038]本专利技术实施例提供的方法至少具有以下有益效果：
[0039]本专利技术实施例提供的方法通过使用历史的动态油藏知识、静态油藏数据以及预测的未来油藏信息，将深度学习技术与传统插值方法进行了联立，为剩余油分布预测提供了一种高效、准确、具有可解释性的方法；作为剩余油分布插值演化预测过程的重要部分，本专利技术实施例提供的方法考虑了众多物理规律及油藏专家经验，从不完整、离散的油藏监测数据出发，外推出了更多油藏信息，为剩余油分布预测提供了完整、鲁棒的数据支撑。
附图说明
[0040]图1为一种基于历史及预测油藏知识的剩余油分布预测方法流程示意图；
[0041]图2为一种基于历史及预测油藏知识的剩余油分布预测方法简化流程示意图；
[0042]图3为含油饱和度分布预测结果和对照结果图:(a)预测结果；(b)对照结果；
[0043]图4为含气饱和度分布预测结果和对照结果图:(a)预测结果；(b)对照结果；
[0044]图5为含水饱和度分布预测结果和对照结果图:(a)预测结果；(b)对照结果。
具体实施方式
[0045]为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0046]典型的流动单元分析方法预测精度较低，因而考虑结合近年来兴起的深度学习技术及经典的插值算法，建立一套数据驱动方法对剩余油分布进行预测。大多数情况下，深度学习模型因没有考虑任何先验知识，包括物理公式、专家经验等，被认为是一个不可解释的黑匣子。插值算法也是以先验数据点为基础，演化未知点数据。因此先验知识对于数据驱动方法至关重要，由其所涉及的物理定律不仅可以外推出更多油藏信息，引导深度学习模型及插值算法得到正确的解，还可以约束单一的数据驱动模型，增强模型的鲁棒性及可解释性。深度学习模型与经典算法相结合、并辅以物理约束的新思路可以充分挖掘数据输入与输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于历史及预测油藏知识的剩余油分布预测方法，其特征在于，所述方法包括：根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；利用所述完备数据集对LSTM模型进行训练及测试；利用完成训练的LSTM模型预测单井在预设时刻的产量；根据产量预测结果、油藏专家经验获取所述预设时刻单井三相饱和度；根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。2.根据权利要求1所述的方法，其特征在于，根据目标油藏初始数据集清洗融合形成动静态监测数据集，包括：获取目标油藏现场监测的历史动态及静态数据，形成初始数据集；根据油藏专家经验对所述初始数据集进行清洗，得到所述目标油藏动静态监测数据集。3.根据权利要求1所述的方法，其特征在于，根据目标油藏动静态监测数据集建立完备数据集，包括：使用函数拟合方法补全单井历史井头压力数据；根据Bernoulli方程及油藏地层压力变化分析，补全单井历史井底压力数据；使用Kriging方法补全区块历史压力场分布数据；根据相对渗透率曲线及地层流体流动分析，补全单井历史相饱和度数据；使用Kriging方法补全区块历史饱和度分布数据。4.根据权利要求3所述的方法，其特征在于，所述根据目标油藏动静态监测数据集建立完备数据集，包括：根据Bernoulli方程及油藏地层压力变化分析，从开井和关井两个方面补全单井历史井底压力数据；考虑流体流动沿程阻力损失是否可以忽略及区块边界条件设定，使用Kriging方法补全区块历史压力场分布数据；将水平井渗流过程简化为平面径向流与球形向心流、直井简化为平面径向流，并根据相对渗透率曲线及地层流体流动分析，从开井和关...

【专利技术属性】
技术研发人员：王九龙，宋鹂影，朱经纬，宋洪庆，都书一，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：