物理—数据协同驱动的页岩气井产量预测方法

由于页岩气渗流机理复杂,赋存方式多样,压裂后对裂缝网络的精确识别和表征存在较大困难,现有方法难以准确预测页岩气井产量。为此,提出了机理—数据融合建模的思路,结合连续拟稳态假设、物质平衡方程、产量递减分析方法和递推原理,建立了物理—数据协同驱动的产量预测方法,进而以中国某区块页岩气井现场生产数据为例,对该方法的准确性、可靠性进行了测试,并与经验产量递减分析和时间序列分析方法进行了对比分析。研究结果表明:(1)建立的产能模型采用拟压力代替压力,采用物质平衡拟时间代替时间,弱化了产量、流压和甲烷物性变化带来的影响;(2)以累计产量误差最小为目标开展历史拟合,弱化了生产制度变化带来的影响,使得建立的产能模型能够自动适应流压—产量变化;(3)应用该方法的关键在于采气指数—物质平衡拟时间双对数图中的特征直线,若图中出现特征直线,则可以开展产量预测,反之,则不能预测。结论认为:(1)建立的产量预测方法将不稳定流动问题转化为拟稳态流动问题求解,简化了对储层非均质性的描述,避开了裂缝网络精确识别和定量表征的难题,计算效率高,可解释性强;(2)生产数据测试结果表明该产量预测方法精度高,长期预测结果稳定,并优于Logistic Growth Model、Duong和StretchedExponential Production Decline经验产量递减分析方法,也优于非线性自回归神经网络、长短记忆神经网络时间序列分析方法。

融合物理约束的压裂水平井产能智能预测框架构建与应用

水平井分段压裂是实现非常规油气藏有效开发的关键技术,准确预测压裂水平井产能对于井位优选和压裂参数优化至关重要。随着历史开发数据的不断积累和人工智能技术的迅速发展,数据驱动的人工智能方法为压裂水平井产能预测提供了新的渠道。为此,从压裂水平井生产物理过程出发,分析了产能智能预测的物理约束,提出了与物理过程相匹配的产能智能预测框架,并结合四川盆地南部(以下简称川南)地区页岩气开发生产数据开展了实例验证。研究结果表明:(1)压裂水平井产能智能预测需要以压裂段为单位进行特征融合处理,单井产能是由初始压裂段到末尾压裂段依次累计作用的结果,各压裂段之间存在顺序关系,各单井的因素输入维度存在差异;(2)采用循环神经网络能够完全匹配压裂段之间的顺序关系和汇聚作用,而Mask屏蔽机制则能够解决各单井压裂段数量不统一的矛盾。结论认为:(1)该智能预测模型能够学习各单井输入序列与产能之间的复杂映射关系,训练集相对误差为0.098、测试集相对误差为0.117,较循环神经网络(RNN)模型误差的下降幅度分别为37.6%和37.0%,较多层感知机(MLP)模型误差的下降幅度分别为77.3%和77.4%,展现出优异的预测性能;(2)该研究成果能够为非常规油气藏压裂水平井产能预测的技术进步和快速发展提供新的思路与借鉴。

气井定产量和变产量弹性二相法的通式及应用

对于受封闭边界控制的气体流动,当气井完成试气和关井取得原始地层压力之后,若以某稳定产量开井生产,测试的井底流压的压降曲线,根据压力动态的变化特征,可划分为非稳态阶段、过渡阶段和拟稳态阶段。其中的拟稳态阶段,称为弹性二相法阶段。在弹性二相法阶段的井控范围内,井底流压呈等速下降。本文基于陈元千提出的压力一次方、压力平方和拟压力表示的定产量弹性二相法,以及基于Blasingame提出的压力一次方表示的变产量弹性二相法,分别建立了气井定产量和变产量弹性二相法的通式。通过实例的应用表明,两个通式是实用有效的。

致密砂岩气藏稳产后期动用效果评价与动用潜力分析:以子洲气田山2气藏为例

以子洲气田山2气藏为例,利用钻井及生产动态资料,通过对地质储量、动储量、累产气、累产水和动静储量比的计算与分析,采用综合评判指数法和类比法,详细评价了山2致密砂岩气藏动用效果和动用潜力。结果表明:山2气藏平面动用严重不均衡。7个井区中,主砂体带中部的榆30井区动用效果最好,属Ⅰ类动用区;主砂体带南部的洲3和北部榆81井区动用效果中等,为Ⅱ类动用区;主砂体周边的榆69、榆48、麒麟沟和榆29井区动用效果差,属Ⅲ类动用区。初步预测山2气藏整体动用潜力为198.1×10^(8) m^(3)。其中,Ⅲ类区的动用潜力为174.7×10^(8) m^(3),占88.2%,是山2气藏后续挖潜重点。

各向异性致密砂岩气藏分段压裂水平井气水两相产能预测模型

致密砂岩气藏具有储层物性差、孔喉结构复杂、各向异性强、初始含水饱和度覆盖范围大等特征,导致储层中流体的渗流机理复杂,为气井产能的准确预测及评价带来了巨大挑战。为此,基于气水两相非达西渗流理论,综合考虑储层各向异性、储层基质和裂缝不同程度的应力敏感性和两相启动压力梯度、高速非达西渗流效应、气体滑脱效应以及裂缝导流能力与缝间干扰等复杂因素,利用坐标变换、扰动椭圆理论、等价发展矩形理论、当量井径原理、压力叠加原理、水电相似原理等方法,建立了适用于各向异性致密砂岩气藏分段压裂水平井气水两相产能预测的新模型。通过矿场实例验证了新模型的准确性和实用性,并绘制了气水两相产能预测曲线,评价了敏感参数对产能的影响规律。研究结果表明:随着气体滑脱效应、裂缝导流能力、裂缝半长、裂缝条数、水平井井筒与地层主渗透率方向夹角的增大,压裂水平井的无阻流量增大;而随着储层各向异性、储层应力敏感性、裂缝应力敏感性、两相启动压力梯度、生产水气比增大,压裂水平井的无阻流量降低;水相对气相的流动具有抑制作用,且驱替压差越大,抑制作用越显著,因此需提前采取防水和治水措施。该研究成果进一步缩小了致密砂岩气藏产能预测结果与矿场实际产量的差距,有助于致密砂岩气藏的参数评估、动态预测以及产能评价和勘探开发决策制定。

特低渗透油藏单井商业油流计算方法研究

商业油流是储量起算标准的重要经济评价指标之一。中国石油行业标准Q/ SY 01180—2020《石油天然气经济可采储量评价规范》中给出的常规油藏稳定递减单井商业油流的计算方法,对生产初期产量递减较快、中后期产量递减相对平缓的“分段式”递减的特低渗油藏适用性较差。为此,基于常规油藏单一递减率的单井商业油流计算方法,应用盈亏平衡原理,结合“分段式”递减规律,建立了一种符合“分段式”递减规律的油藏单井商业油流计算模型,并以辽河坳陷太阳组为例,结合其油藏相关物性参数、单井投资及成本费用、油气价格等参数,利用所建立的“分段式”递减油藏单井商业油流计算模型,确定了评价油价为60美元/桶条件下的单井商业油流。研究结果对同类型油藏具有借鉴意义。

水平井地质工程一体化研发与应用

面对辽河油田日益剧增的水平井勘探开发任务,按照“地质工程一体化”理念,为实现水平井开发过程中的精细化设计、精准性跟踪、远程化支持,开发建设的水平井地质工程一体化决策支持系统,将水平井的地质研究、地质建模、水平井设计、随钻跟踪、压裂、酸化分析全面融合,实现水平井钻探从室内设计到现场实施各类数据实时共享,一体化研究,动态监测水平井实施过程,根据现场钻探信息及时调整钻井轨迹,保障储层钻遇率,提高辽河水平井实施工作效率,降低勘探开发风险。

深层页岩气吸附模型和物质平衡新方法

准确评价深层页岩气井单井最终可采储量(EUR)对页岩气的高效开发具有重要意义。调研深层页岩气吸附模型,基于各模型对吸附数据的拟合程度优选出考虑深层页岩气吸附因素的T-Langmuir模型。基于T-Langmuir模型表征的深层页岩气吸附特征和流动物质平衡方程基本原理,建立考虑深层页岩气吸附特征的流动物质平衡新方法,并计算了四川盆地某页岩气井的单井最终可采储量。研究结果表明:T-Langmuir模型在高压条件下拟合效果较好,可以作为深层页岩气的吸附模型。新方法计算的单井最终可采储量为1.397×10^(8) m^(3),比传统方法的计算结果大0.109×10^(8) m^(3),经过和其他方法对比,新方法计算结果更为准确。

改进GM(1,1)-ARIMA-LR模型天然气产量预测研究

为提高天然气产量在少样本情形下预测的准确性,基于对过去的预测误差进行学习的思想,加入自适应学习因子和组合学习因子以改进模型,构建包含GM(1,1)、ARIMA和LR的集成预测模型。该模型以平均误差百分比为评价指标,依据预测步长变化和过去预测误差对单个模型分别进行动态调整,再建立目标规划模型对各模型进行动态加权。实证结果表明,改进GM(1,1)-ARIMA-LR模型能够更好地提取时间序列的长短时依赖关系,与其它的主流模型相比,其预测精度更高。对近5年的天然气产量进行一步、五步与八步预测,GM(1,1)-ARIMA-LR集成模型预测误差分别为1.187%、3.129%、9.855%。本文运用该模型对2023-2030年中国天然气产量进行预测。

基于聚类及长短时记忆神经网络预测油田产量

利用机器学习方法预测油田产量的精度与训练样本的代表性及数量息息相关。通常,采用油田生产数据或者油井生产数据构建训练样本。将油田作为训练样本,存在“小样本”的问题;将油井作为训练样本,由于老油田一般具有开发层系多、生产历史长、油井投产批次多等特点,人工标注能够代表油田产量递减规律的训练样本难度大,且耗时费力。本文将油田和油井生产数据有机融合构建训练样本,建立产量智能预测模型,预测油田产量。首先,采用无监督学习的K均值聚类算法,依据有效厚度、孔隙度、渗透率、饱和度等信息对油井进行聚类分析,识别产量递减类别,并将每类油井转换成一口典型油井作为该类油井的代表;其次,将典型井作为预测对象,通过从每类油井中按比例随机抽取油井来增加训练样本数量,即将典型井和油井生产数据融合构建训练样本;最后,基于长短时记忆循环神经网络建立模型预测典型井产量,进而预测油田产量。研究结果表明:该方法既解决了油田数据作为训练样本的“小样本”问题,又降低了油井数据作为训练样本的标注难度与工作量,并且精度符合现场生产要求,对油气产量智能预测的工程化落地应用具有一定指导意义。

深度学习在油气产量预测中的研究进展与技术展望

随着大数据和人工智能的不断进步,数字和智能化的油气产量预测技术已经成为石油天然气行业发展的新趋势。深度学习与油气产量预测的有效结合为解决非常规油气和复杂场景下的产量预测等问题提供了新的方案与策略。为此,在系统回顾油气产量预测技术发展历程的基础上,重点阐述了基于深度学习方法的油气产量预测技术的应用现状及关键流程,归纳了油气产量预测领域的特征工程以及不同场景下的神经网络构建方法,最后深入探讨了智能油气产量预测技术的未来发展方向。研究结果表明:(1)油气产量预测技术发展历程主要划分为传统油气产量预测方法、机器学习方法和深度学习方法 3个阶段;(2)深度学习方法已大量应用于油气产量预测研究中,尤其在复杂地质条件下的非常规油气领域,该技术表现出了良好的应用前景;(3)多样化的神经网络构建方法能够解决不同场景下的精细化油气产量预测需求;(4)需进一步加强人工智能领域与油气领域跨学科理论技术研究,促进两者在理论技术和生产实践等方面的深入融合;(5)智能油气产量预测技术未来可在实时预测与优化、数据融合与增强、物理约束与解释和模型更新与适应等方面开展深度攻关研究。结论认为,深度学习模型可显著提高油气产量预测技术的准确性和可靠性,为复杂气藏及非常规油气开发提供参考和指导,建议继续深化人工智能与油气行业应用等方面的有机结合,以推动油气行业的技术创新和高质量发展。

老油田SEC储量精细评估与油气资产精益管理研究

老油田经过多年开发剩余油潜力有限,为进一步挖掘上产潜力,通常会加大产能建设和增产措施等工作投资力度,而持续投资带来的新增资产会加重油气资产包袱,增加老油田乃至整个油区的完全成本,降低老油田抵御低油价风险能力。为了从根本上提升老油田的资产创效能力,文章以典型老油田A为例,深入剖析内部单元生产差异以及储量资产单元整合评估管理造成油气资产包袱重的问题,开展老油田SEC储量精细评估和油气资产精益管理研究。A油田根据内部开发区生产差异细分储量评估单元后,对新建产能井、老井措施及转变开发方式等工作的定量增储效果进行精细评估,实现效益增储最大化。同时优化匹配储量、资产单元关系,可加速资产的折耗和减值,精准解决A油田资产包袱重的问题,降低完全成本、增大盈利空间,有效增强了老油田抵御低油价风险的能力。

川南长宁气田上罗区块宁201-YS108井区页岩气储量评价

四川盆地南部的长宁-威远地区页岩气资源丰富、储层较好,但此前针对上罗区块宁201-YS108井区页岩气储层系统的储量计算和评价较少。以长宁页岩气田上罗区块宁201-YS108井区为研究对象,研究其地层特征、构造特征、沉积相特征和储层特征。经储量参数确定及有效储层划分,并经体积法计算吸附气储量、容积法计算游离气储量,确定了宁201井区新增探明含气面积为91.17 km^(2),YS108井区新增探明含气面积为68.47 km^(2),两井区合计新增页岩气探明储量为1361.80×10^(8)m^(3)。最后,宁201-YS108井区页岩气储量的评价结果显示,宁201-YS108井区五峰组-龙马溪组一段页岩气藏脆性矿物含量高、镜质体含量高、有机碳含量高、渗透率特低、埋藏深度为中深层、可采储量为大型。该区域储量条件除渗透率和孔隙度较低外,矿物和有机碳含量、埋藏条件和可采储量总体较好,页岩气勘探开发潜力较大。

致密气藏多层砂体合采井产量递减分析方法

致密气藏主力产层多为多层叠置河道砂体,合采时普遍存在各产层贡献不明及砂体动用边界不清的问题。首先,考虑各层河道砂体形态特征和边界尺寸差异,根据等效渗流体积原则,建立了致密气藏多层河道砂体合采井生产模型。其次,基于现代产量递减分析理论,形成了致密气藏多层河道砂体的边界确定方法和合采井产量递减分析图版。最后,讨论不同河道砂体边界距离、砂体数量和砂体位置下的产量递减特征,明确了多层河道砂体对产量递减的影响。研究表明:致密气藏多层河道砂体合采井产量具有5个递减阶段,不稳定流中期阶段可诊断各层砂体边界距离是否相等;河道砂体范围越小,宽砂体数量越少,宽砂体占比越小,储集层稳产能力越差,不稳定流早期阶段和不稳定流中期阶段易出现产量递减速率增大现象。建立的产量递减分析方法可为产层动用程度评价和增产措施制定提供依据。

超深层白云岩储层油气产能试油前预测方法

塔里木盆地寒武系超深层白云岩储层非均质性强、储集空间复杂,流体性质识别难度大,试油获油气率低,试油周期长,影响了勘探开发的进程。通过整理9口井14试油层的录井、测井及试油结果数据,统计、分析寒武系白云岩试油井段的录井、测井响应特征,确定了和储层含油气性相关性好的参数及评价数值,形成了储层含油气性评价标准;另外明确了和储层产能相关的测井参数,并充分考虑地层压力、储层特征、构造发育及压裂酸化的影响,形成了寒武系盐下白云岩储层酸化前后产能预测方法。在塔里木盆地寒武系超深层白云岩储层10个试油层进行含油气性评价,符合率为90%,试油获油气率提高了1倍;对12个试油层进行了产能预测,9个试油层产量预测误差在15%以内,其中酸化前后产能预测结果变化不大的试油层,试油周期减少50%,其他试油层试油周期估算减少至目前的90%左右。该方法可在塔里木盆地超深层寒武系白云岩储层推广应用。

基于CNN-LSTM-ATT网络的页岩气井产量预测

页岩气作为一种重要的能源资源,是我国天然气产量增长的主力军之一,精准预测气井产量对于合理规划页岩气的开采与利用至关重要。为了解决页岩气产量影响因素复杂、具有动态变化性等预测难点,提高页岩气井产量预测精度,通过对生产维度进行相关性分析,选择油压、套压、产水量作为自变量,产气量为因变量输入预测模型,构建了一种复合神经网络CNN-LSTM-ATT,进行多变量产量预测研究。该模型中CNN用于从生产数据中提取特征,融合Attention机制强化特征对输入效果的重要性,LSTM擅长处理时间序列数据的学习。研究结果表明:(1)通过相关性分析,可以筛选出对产量预测影响较大的生产维度,对后续预测有重要意义;(2)通过复合神经网络模型对产气量进行多变量预测分析,能较好预测未来一段时间的页岩气井产量变化趋势;(3)复合模型的预测效果比单一神经网络更佳。结论认为,构建的模型具有良好的适用性,能够提高气井产量的预测精度,预测结果有较高的合理性,对页岩气开发具有借鉴指导作用。

复杂构造区页岩气井产能影响因素及井位优化——以四川盆地永川气田南区为例

为了支撑复杂构造区页岩气高效开发部署,以四川盆地永川气田南区为研究对象,在产能评价的基础上通过单因素分析、灰色关联法分析定量评价了地质、钻井以及压裂参数对气井产能的影响,提出了复杂构造区井位优化方向。研究结果表明:(1)研究区具有埋深跨度大、断缝发育、地应力复杂等特点,页岩气开发难度大,受地质条件强非均质性的影响,井间产能差异大,页岩气井产能主控因素复杂;(2)针对复杂构造区页岩气开发,与断层平行、牺牲与地应力夹角的部署方式不可取,气井距离高级别断层越近、产能越低,穿越小级别断层也能获得较好的产能。结论认为:(1)复杂构造区页岩气井产能主要受优质储层钻遇长度、断层、加砂强度、簇间距、井轨迹方位的影响;(2)建议复杂构造区采用“长段长、小埋深、大夹角、大避小穿”的水平井优化部署方式,即择优部署3800 m以浅储层,确保优质储层钻遇长度大于1500 m,水平井方位与最大主应力夹角大于60°,避开A级大断层、利用C级以下小断层。

Multi-surrogate framework with an adaptive selection mechanism for production optimization

Data-driven surrogate models that assist with efficient evolutionary algorithms to find the optimal development scheme have been widely used to solve reservoir production optimization problems.However,existing research suggests that the effectiveness of a surrogate model can vary depending on the complexity of the design problem.A surrogate model that has demonstrated success in one scenario may not perform as well in others.In the absence of prior knowledge,finding a promising surrogate model that performs well for an unknown reservoir is challenging.Moreover,the optimization process often relies on a single evolutionary algorithm,which can yield varying results across different cases.To address these limitations,this paper introduces a novel approach called the multi-surrogate framework with an adaptive selection mechanism(MSFASM)to tackle production optimization problems.MSFASM consists of two stages.In the first stage,a reduced-dimensional broad learning system(BLS)is used to adaptively select the evolutionary algorithm with the best performance during the current optimization period.In the second stage,the multi-objective algorithm,non-dominated sorting genetic algorithm II(NSGA-II),is used as an optimizer to find a set of Pareto solutions with good performance on multiple surrogate models.A novel optimal point criterion is utilized in this stage to select the Pareto solutions,thereby obtaining the desired development schemes without increasing the computational load of the numerical simulator.The two stages are combined using sequential transfer learning.From the two most important perspectives of an evolutionary algorithm and a surrogate model,the proposed method improves adaptability to optimization problems of various reservoir types.To verify the effectiveness of the proposed method,four 100-dimensional benchmark functions and two reservoir models are tested,and the results are compared with those obtained by six other surrogate-model-based methods.The results demonstrate that our approach can obtain the maximum net present value(NPV)of the target production optimization problems.

A transient production prediction method for tight condensate gas wells with multiphase flow

Considering the phase behaviors in condensate gas reservoirs and the oil-gas two-phase linear flow and boundary-dominated flow in the reservoir,a method for predicting the relationship between oil saturation and pressure in the full-path of tight condensate gas well is proposed,and a model for predicting the transient production from tight condensate gas wells with multiphase flow is established.The research indicates that the relationship curve between condensate oil saturation and pressure is crucial for calculating the pseudo-pressure.In the early stage of production or in areas far from the wellbore with high reservoir pressure,the condensate oil saturation can be calculated using early-stage production dynamic data through material balance models.In the late stage of production or in areas close to the wellbore with low reservoir pressure,the condensate oil saturation can be calculated using the data of constant composition expansion test.In the middle stages of production or when reservoir pressure is at an intermediate level,the data obtained from the previous two stages can be interpolated to form a complete full-path relationship curve between oil saturation and pressure.Through simulation and field application,the new method is verified to be reliable and practical.It can be applied for prediction of middle-stage and late-stage production of tight condensate gas wells and assessment of single-well recoverable reserves.

Fracture geometry and breakdown pressure of radial borehole fracturing in multiple layers

Radial borehole fracturing that combines radial boreholes with hydraulic fracturing is anticipated to improve the output of tight oil and gas reservoirs.This paper aims to investigate fracture propagation and pressure characteristics of radial borehole fracturing in multiple layers.A series of laboratory experiments with artificial rock samples(395 mm×395 mm×395 mm)was conducted using a true triaxial fracturing device.Three crucial factors corresponding to the vertical distance of adjacent radial borehole layers(vertical distance),the azimuth and diameter of the radial borehole are examined.Experimental results show that radial borehole fracturing in multiple layers generates diverse fracture geometries.Four types of fractures are identified based on the connectivity between hydraulic fractures and radial boreholes.The vertical distance significantly influences fracture propagation perpendicular to the radial borehole axis.An increase in the vertical distance impedes fracture connection across multiple radial borehole layers and reduces the fracture propagation distance along the radial borehole axis.The azimuth also influences fracture propagation along the radial borehole axis.Increasing the azimuth reduces the guiding ability of radial boreholes,which makes the fracture quickly curve to the maximum horizontal stress direction.The breakdown pressure correlates with diverse fracture geometries observed.When the fractures connect multi-layer radial boreholes,increasing the vertical distance decreases the breakdown pressure.Decreasing the azimuth and increasing the diameter also decrease the breakdown pressure.The extrusion force exists between the adjacent fractures generated in radial boreholes in multiple rows,which plays a crucial role in enhancing the guiding ability of radial boreholes and results in higher breakdown pressure.The research provides valuable theoretical insights for the field application of radial borehole fracturing technology in tight oil and gas reservoirs.