合采天然气储气分层产能测试及动态监测地球化学方法技术

本发明专利技术涉及一种合采天然气储气分层产能测试及动态监测地球化学方法。其特征在于：包括下列各步骤：１）取合采气井的各分层天然气，选取计算得到各储气分层天然气特征烃指纹参数；２）取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；３）采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；４）采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；５）建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。该方法能经济、快速、准确有效的对储气分层产能测试及动态监测。

【技术实现步骤摘要】

本专利技术涉及一种在天然气田开发生产中对气藏的监测方法，具体涉及对合采气井中储气分层产能贡献进行测试及监测的方法。
技术介绍
随着在松辽盆地北部徐家围子断陷徐深1井营城组获得工业气流、无阻挡全井日产量1.18×106m3/d的天然气，大庆油田深层天然气勘探取得历史性突破，又在徐家围子断陷部署了徐深2、徐深6井等多口深探井和评价井，均见到较厚的气层及良好效果，尤其在徐深6井营城组3561.0m～3570.0m压裂试气获得522676m3/d高产工业气流，为实现深层天然气“探明储量3000×108m3～4000×108m3、可采储量2000×108m3～3000×108m3”的目标奠定了坚实的基础，大庆油田深层天然气勘探开发成为“热点”之一，对创建百年油田具有战略意义。由于气井的储气分层厚度及储气量、孔隙度、渗透率等非均质性的影响，在合采时各储气分层产气贡献量不同、产气时间长短会不同，而储气分层天然气的贡献大小及测试，在勘探上对搞清地区储气分层分布及特征、产能评价、指导勘探部署等有重要意义；在开发上对气井实施分层管理、动态监测，及时掌握合采天然气储气分层的产能贡献，确保综合治理措施正确有效，实现稳产高产有重要意义。目前，储气分层产能测试一般通过分层试气、生产测井等获得，对开发生产气井来说，存在井下作业、工艺复杂、操作难度大、安全性要求高、成本高、周期长等缺点。大庆油田天然气分层测试资料目前主要由分层试气获得，随着深层天然气勘探开发生产的加快及全国第五大气田的形成，分层产能测试及动态监测已成为制约天然气开发生产中的技术瓶颈，亟待开发一项经济、快速、有效的储气分层产能测试及动态监测新技术。为此，首先提出并开展了储气分层天然气产能地球化学测试技术的理论方法与实验研究，为解决制约天然气开发生产中分层产能测试及动态监测的技术瓶颈和储气分层产能评价提供一项有效的方法。
技术实现思路
本专利技术的目的是解决现有的储气分层产能测试存在井下作业、工艺复杂、操作难度大、安全性要求高、成本高、周期长的不足，提供一种可以动态监测合采气井储气分层产能贡献的地球化学监测方法，该方法能经济、快速、准确有效的对储气分层产能测试及动态监测。本专利技术所采用的技术方案是该，包括下列步骤1)取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)利用步骤2)得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。上述的非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路逐层返回，通过误差信号来修改各层神经元的权值，使得误差减小，直至误差达到精度要求；误差函数公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>上述的步骤3)建立数学模型，是指在模拟计算处理过程中，逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数，经过一系列的Sigmoid函数及矩阵运算、加权、平均，输出到第二个隐层，经过同样原理的一系列运算，输出到第一个隐层，再经过同样原理的一系列运算，输出到输出层，输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比，把误差按原来路径逐层反馈回去，在反馈的过程中，按误差的大小，依次调整各个节点的权向量矩阵；按照调整之后的权向量矩阵再次重复上面的步骤，如此循环往复，直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置，各分层气贡献率共分7个控制范围＜1％不控制、1～5％、5～10％、10～25％、25～50％、50～75％、75～100％，在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止；这时，存储各层各个单元的权值矩阵及相关参数，就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。上述的步骤1)所述特征烃指纹参数的选取步骤为1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰；2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰；3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。上述的步骤2)所述按照不同混合配比模式应遵循下述原则对于不同产气层数的合采气井要采用不同的配比模式及方法，即2层、3层、4层、5层等合采气井的配比模式不同，每种配比模式中的每组配比采用“比例配伍”原则，如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10，而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。上述的输出与实际配比之间的相对误差可以人为控制。本专利技术的有益效果是本专利技术主要提出了合采天然气储气分层产能贡献的地球化学测试理论和测试方法，依据该理论和方法进行模拟配比实验，建立了化学模型和数学模型及测试模板。实验验证了储气分层天然气在时间上的相对稳定性，实现了3个储气分层对合采天然气产能贡献的定量测试，地化测试结果准确可靠。该技术具有快速、准确、经济、有效、不影响生产、安全性高的特点，根据需要随时从井口采集气样分析计算实现动态监测。附图说明图1为本专利技术人工智能神经网络模拟计算示意图；图2为本专利技术非对称Sigmoid函数示意图；图3为实施例中徐深1井天然气烃指纹气相色谱图；图4为实施例中徐深1井储气分层天然气差异性图。具体实施例方式以下结合具体实施例来作进一步的说明，该，包括下列步骤1)取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)利用步骤2)得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。上述的非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原本文档来自技高网...

【技术保护点】
一种合采天然气储气分层产能测试及动态监测地球化学方法，其特征是：１）取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；２）取合采气井的各分层天然气，按照不同混合配比模式形成 模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；３）利用步骤２）得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；４）采集所需测定的合采井井 口气样进行色谱指纹分析，得到相应特征烃指纹数据；５）将步骤４）得到的系列特征烃指纹数据导入步骤３）建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。

【技术特征摘要】
1.一种合采天然气储气分层产能测试及动态监测地球化学方法，其特征是1)取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)利用步骤2)得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。2.根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于所述非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路逐层返回，通过误差信号来修改各层神经元的权值，使得误差减小，直至误差达到精度要求；误差函数公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>3.根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于步骤3)建立数学模型，是指在模拟计算处理过程中，逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数，经过一系列的Sigmoid函数及矩阵运算、加权、平均，输出到第二个隐层，经过同样原理的一系列运算，输出到第一个隐层，再经过同样原理的一系列...

【专利技术属性】
技术研发人员：张居和，方伟，宁晓玲，陈大庆，柳凤香，
申请(专利权)人：大庆油田有限责任公司，
类型：发明
国别省市：23[中国|黑龙江]