一种强非均质储层气井早期产能评价方法技术

本发明专利技术为一种强非均质储层气井早期产能评价方法，它主要是通过建立目标储层孔隙度、渗透率、裂缝数据库，采用数字岩心分析、蒙特卡洛随机算法进行目标储层的基质、裂缝、溶洞随机搭配，再通过地震反演裂缝形态构建识别，采用随机模拟法得出不同概率裂缝分布图，结合K‑means聚类算法得到的储层分类以及气井产能方程的计算，进行气井钻遇不同概率储层的产能评价以及不同情况气井钻遇相同概率储层的产能评价。本发明专利技术能评价储层不同基质、裂缝、溶洞搭配概率，能得出不同储层类型下的IPR曲线，即压力与产气量关系曲线，实现强非均质储层气井早期产能评价。

【技术实现步骤摘要】
一种强非均质储层气井早期产能评价方法
本专利技术属于气藏工程产能评价领域，具体涉及一种强非均质储层气井早期产能评价方法。
技术介绍
天然气作为一种绿色能源，现在已经逐渐成为能源市场上的首选燃料。自2010年以来，全球常规天然气年度新增储量占比就超过了一半。根据BP2018年报告，天然气占一次能源消费的比例为23.4%，根据IEA2016年报告，天然气发电占全球电力生产的21.6%。强非均质储层，即储层任意空间的孔隙度、渗透率均不相等的储层。而针对强非均质储层气藏物性分布不均匀的特点，如何评价储层的基质、裂缝、溶洞搭配，如何在开发中进行产能评价是一个难题。目前，已有专利技术专利CN201911147970.3《一种低渗气藏产能快速评价方法》提供了低渗气藏的快速评价方法，但是此方法必须要获取已完成产能测试产层的无阻流量以及厚度，而针对未完成产能测试的产层则无法进行产能评价；专利技术专利CN201910554470.5《一种低渗气藏产能计算方法》也是针对气藏开发获取相关参数后进行产能评价，并不能针对强非均质储层进行早期产能评价。因此，为了更好的形成一种强非均质储层气井早期产能评价方法，本专利技术针对气藏开发早期不同的基质、裂缝、溶洞搭配，进行了不同开发情况的一个产能评价。
技术实现思路
本专利技术目的是针对气藏不同的基质、裂缝、溶洞搭配，即孔-缝-洞搭配，建立不同情况下的气藏产能评价，形成强非均质储层气井早期产能评价方法，为气藏开发奠定基础。本专利技术所采用的技术方案是：S100、收集目标储层岩心实验数据、地震数据、测井数据，得出裂缝参数数据，建立目标储层数据库；所述岩心实验数据包括通过岩心薄片分析、岩心电镜扫描得出的岩心孔隙度、渗透率、裂缝数据；所述地震数据包括裂缝数据；所述测井数据包括通过声波测井、密度测井、中子测井得出的孔隙度、渗透率数据，通过多臂井径测井、倾角测井、成像测井、井下电视得出裂缝数据；所述裂缝参数数据包括方位角数据、倾斜角数据、长度数据和宽度数据；S200、根据S100建立的目标储层数据库，运用数字岩心分析，对基质、裂缝、溶洞的孔隙度、渗透率进行分类提取，得出基质、裂缝、溶洞的孔隙度、渗透率占比，进而绘制基质、裂缝、溶洞的孔隙度、渗透率三元图；S300、利用基质、裂缝、溶洞的孔隙度、渗透率三元图，绘制基质、裂缝、溶洞的孔隙度、渗透率正态分布图；S400、利用基质、裂缝、溶洞的孔隙度、渗透率正态分布图，采用蒙特卡洛随机算法进行目标储层的基质、裂缝、溶洞的随机搭配，生成不同概率下的基质、裂缝、溶洞搭配模型；S401、在计算机中输入基质、裂缝、溶洞的孔隙度、渗透率正态分布图中的最小值、最大值以及概率最大的值并进行1000次随机抽样；S402、根据随机抽样结果进行统计学处理，求出基质、裂缝、溶洞搭配的最小概率模型、最大概率模型以及数学期望值和单位标准偏差；S403、根据统计学处理结果自动生成概率分布曲线以及累积概率曲线；S404、根据概率分布曲线以及累积概率曲线生成不同概率下的基质、裂缝、溶洞搭配模型；S500、基于S100收集的裂缝方位角数据、裂缝倾斜角数据、裂缝长度数据、裂缝宽度数据，结合S404生成的不同概率下的基质、裂缝、溶洞搭配模型进行地震反演裂缝形态构建识别，采用随机模拟的方法将裂缝形态构建识别信息推广到空间上，从而预测裂缝的空间分布特征，得出不同概率下的裂缝分布图；S600、根据S500生成的不同概率下的裂缝分布图，结合S300建立的基质、裂缝、溶洞的孔隙度、渗透率正态分布图，运用K-means聚类算法将目标储层划分为Ⅰ、Ⅱ、Ⅲ类储层，并将不同概率的储层相加得到气井钻遇Ⅰ、Ⅱ、Ⅲ类储层的概率；S601、根据裂缝分布图与基质、裂缝、溶洞的孔隙度、渗透率正态分布图，获取孔隙度、渗透率分布概率数据，将C初始化为，即将输出的Ⅰ、Ⅱ、Ⅲ类储层表示为C1、C2、C3，其中，D为孔隙度、渗透率分布概率数据集合，单位为%；x为孔隙度、渗透率分布概率数据，单位为%；i为孔隙度、渗透率分布概率数据的个数，无单位；C为簇划分，无单位；∅为空集，无单位；j为储层类型，无单位；从孔隙度、渗透率分布概率数据中选择孔隙度、渗透率的最小值、最大值以及正态分布图中概率分布最大的值3个样本作为初始的3个质心向量{µ1，µ2，µ3}，其中，µ为质心向量，单位为%；S602、将xi（i=1，2，…，m）和µj（j=1，2，3）进行n次迭代，每次迭代计算xi（i=1，2，…，m）和µj（j=1，2，3）的距离，其中，x为孔隙度、渗透率分布概率数据，单位为%；i为孔隙度、渗透率分布概率数据的个数，无单位；µ为质心向量，单位为%；j为储层类型，无单位；dij为xi与µj的距离，无单位；并将距离最近的簇划分C作为xi所属的簇划分C；S603、对Cj（j=1，2，3）中所有的概率数据点重新计算新的质心，直到达到极小值迭代结束，其中，E为簇划分判别量，单位为%；极小值为小于或等于在E附近任何其他点的函数值，单位为%；并输出Cj（j=1，2，3），得出Ⅰ、Ⅱ、Ⅲ类储层；S700、将分段井筒压降方程与势的叠加原理耦合，结合气井井眼轨迹数据与测井解释数据，得到气井产能方程组，即、与相结合进行产能评价，其中，p（x，y，z）为空间任意一点压力，单位为MPa；pe为原始地层压力，单位为MPa；μ为气体粘度，单位为mPa·s；k为储层渗透率，单位为mD；a为井筒划分的微元段，无单位；qa为井筒第a微元段径向流入量，单位为m3/d；φa为井筒第a微元段在恒压边界的势，单位为m2/s2；φea为恒压边界的势，单位为m2/s2；ρ为气体密度，单位为g/cm3；g为重力加速度，单位为m2/s；ze为恒压边界下的z坐标，单位为m；z为空间任意一点z坐标，单位为m；pwa、pw(a-1)为井筒第a、a-1微元段跟端处的流压，单位为MPa；Δpwa、Δpw(a-1)为井筒第a、a-1微元段处的压降，单位为MPa；fhw为存在径向流入时井筒管壁摩擦阻力系数，单位为无因次；Qa为井筒微元段上游端流量，单位为m3/d；Δx为井筒微元段长度，单位为m；D为井筒直径，单位为m；θa为第a微元段井筒井斜角，单位为°；所述气井井眼轨迹数据包括气井井深、气井井斜角与气井方位角数据；所述测井解释数据包括孔隙度与渗透率数据；所述产能评价表示气井单位生产压差下的产气量评价；S800、结合气井钻遇Ⅰ、Ⅱ、Ⅲ类储层概率，利用S700所述气井产能方程组得出钻遇不同储层情况的IPR曲线，即压力与产气量关系曲线；S900、在气井钻遇Ⅰ、Ⅱ、Ⅲ类储层概率的基础上，利用S700所述气井产能方程组进行气井不同生产阶段的产能评价，形成强非均质储层气井早期产能评价方法。上述一种强非均质储层气井早期产能评价方法中，其特征在于，Ⅰ类储层代表优质储层，Ⅱ类储层代表中等储层，Ⅲ类储层为较差储层。上述一种强非均质储层气井早期产能评价方法中，其特征在于，气井不同生产阶段的产能评价包括井眼轨迹设计阶段、钻完本文档来自技高网...

【技术保护点】
1.一种强非均质储层气井早期产能评价方法，其特征在于，该评价方法包括以下步骤：/nS100、收集目标储层岩心实验数据、地震数据、测井数据，得出裂缝参数数据，建立目标储层数据库；所述岩心实验数据包括通过岩心薄片分析、岩心电镜扫描得出的岩心孔隙度、渗透率、裂缝数据；所述地震数据包括裂缝数据；所述测井数据包括通过声波测井、密度测井、中子测井得出的孔隙度、渗透率数据，通过多臂井径测井、倾角测井、成像测井、井下电视得出裂缝数据；所述裂缝参数数据包括方位角数据、倾斜角数据、长度数据和宽度数据；/nS200、根据S100建立的目标储层数据库，运用数字岩心分析，对基质、裂缝、溶洞的孔隙度、渗透率进行分类提取，得出基质、裂缝、溶洞的孔隙度、渗透率占比，绘制基质、裂缝、溶洞的孔隙度、渗透率三元图；/nS300、利用基质、裂缝、溶洞的孔隙度、渗透率三元图，绘制基质、裂缝、溶洞的孔隙度、渗透率正态分布图；/nS400、利用基质、裂缝、溶洞的孔隙度、渗透率正态分布图，采用蒙特卡洛随机算法进行目标储层的基质、裂缝、溶洞的随机搭配，生成不同概率下的基质、裂缝、溶洞搭配模型；/nS401、在计算机中输入基质、裂缝、溶洞的孔隙度、渗透率正态分布图中的最小值、最大值以及概率最大的值并进行1000次随机抽样；/nS402、根据随机抽样结果进行统计学处理，求出基质、裂缝、溶洞搭配的最小概率模型、最大概率模型以及数学期望值和单位标准偏差；/nS403、根据统计学处理结果自动生成概率分布曲线以及累积概率曲线；/nS404、根据概率分布曲线以及累积概率曲线生成不同概率下的基质、裂缝、溶洞搭配模型；/nS500、基于S100得出的裂缝参数数据，结合S404生成的不同概率下的基质、裂缝、溶洞搭配模型进行地震反演裂缝形态构建识别，采用随机模拟的方法将裂缝形态构建识别信息推广到空间上，预测裂缝的空间分布特征，得出不同概率下的裂缝分布图；/nS600、根据S500生成的不同概率下的裂缝分布图，结合S300建立的基质、裂缝、溶洞的孔隙度、渗透率正态分布图，运用K-means聚类算法将目标储层划分为Ⅰ、Ⅱ、Ⅲ类储层，并将不同概率的储层相加得到气井钻遇Ⅰ、Ⅱ、Ⅲ类储层的概率；/nS601、根据裂缝分布图与基质、裂缝、溶洞的孔隙度、渗透率正态分布图，获取孔隙度、渗透率分布概率数据...

【技术特征摘要】
1.一种强非均质储层气井早期产能评价方法，其特征在于，该评价方法包括以下步骤：
S100、收集目标储层岩心实验数据、地震数据、测井数据，得出裂缝参数数据，建立目标储层数据库；所述岩心实验数据包括通过岩心薄片分析、岩心电镜扫描得出的岩心孔隙度、渗透率、裂缝数据；所述地震数据包括裂缝数据；所述测井数据包括通过声波测井、密度测井、中子测井得出的孔隙度、渗透率数据，通过多臂井径测井、倾角测井、成像测井、井下电视得出裂缝数据；所述裂缝参数数据包括方位角数据、倾斜角数据、长度数据和宽度数据；
S200、根据S100建立的目标储层数据库，运用数字岩心分析，对基质、裂缝、溶洞的孔隙度、渗透率进行分类提取，得出基质、裂缝、溶洞的孔隙度、渗透率占比，绘制基质、裂缝、溶洞的孔隙度、渗透率三元图；
S300、利用基质、裂缝、溶洞的孔隙度、渗透率三元图，绘制基质、裂缝、溶洞的孔隙度、渗透率正态分布图；
S400、利用基质、裂缝、溶洞的孔隙度、渗透率正态分布图，采用蒙特卡洛随机算法进行目标储层的基质、裂缝、溶洞的随机搭配，生成不同概率下的基质、裂缝、溶洞搭配模型；
S401、在计算机中输入基质、裂缝、溶洞的孔隙度、渗透率正态分布图中的最小值、最大值以及概率最大的值并进行1000次随机抽样；
S402、根据随机抽样结果进行统计学处理，求出基质、裂缝、溶洞搭配的最小概率模型、最大概率模型以及数学期望值和单位标准偏差；
S403、根据统计学处理结果自动生成概率分布曲线以及累积概率曲线；
S404、根据概率分布曲线以及累积概率曲线生成不同概率下的基质、裂缝、溶洞搭配模型；
S500、基于S100得出的裂缝参数数据，结合S404生成的不同概率下的基质、裂缝、溶洞搭配模型进行地震反演裂缝形态构建识别，采用随机模拟的方法将裂缝形态构建识别信息推广到空间上，预测裂缝的空间分布特征，得出不同概率下的裂缝分布图；
S600、根据S500生成的不同概率下的裂缝分布图，结合S300建立的基质、裂缝、溶洞的孔隙度、渗透率正态分布图，运用K-means聚类算法将目标储层划分为Ⅰ、Ⅱ、Ⅲ类储层，并将不同概率的储层相加得到气井钻遇Ⅰ、Ⅱ、Ⅲ类储层的概率；
S601、根据裂缝分布图与基质、裂缝、溶洞的孔隙度、渗透率正态分布图，获取孔隙度、渗透率分布概率数据，将C初始化为，即将输出的Ⅰ、Ⅱ、Ⅲ类储层表示为C1、C2、C3，其中，D为孔隙度、渗透率分布概率数据集合，单位为%；x为孔隙度、渗透率分布概率数据，单位为%；i为孔隙度、渗透率分布概率数据的个数，无单位；C为簇划分，无单位；∅为空集，无单位；j为储层类型，无单位；从孔隙度、渗透率分布概率数据中选择孔隙度、渗透率的最小值、最大值以及正态分布图中概率分布最大的值3个样本作为初始的3个质心向量{µ1，µ2，µ3}，其中，µ为质心向量，单位为%；
S602、将xi（i=1，2，…，m）和µj（j=1，2，3）进行n次迭代，每次迭代计算xi（i=1，2，…，m）和µj（j=1，2，3）的距离，其中，x为孔隙度、渗透率分布概率数据，单位为%；i为孔隙度、渗透率分布概率数据的个数，无单位；µ为质心向量，单位为%；j为储层类型，无单位；dij为xi与µ...

【专利技术属性】
技术研发人员：谭晓华，崔苗逢，李晓平，孟展，徐有杰，金永强，王宁，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51