一种基于线性动态系统的油气田注采产量动态预测方法技术方案

本发明专利技术提出了一种基于线性动态系统的油气田注采产量动态预测方法。该方法针对注水驱动为主要方式的低渗油气田。该方法包括：基于水驱油气田整个储层的控制物质平衡方程，建立起线性动态系统(LDS)产量预测模型；利用EM方法对所述LDS产量预测模型中的模型参数做出估算；动态数据的整理与划分，将数据集按照一定比例划分为训练集与测试集；所述模型参数的初始化以及参数计算，整合预测结果并计算相对误差。该方法中LDS产量预测模型中隐变量的引入更好的表征了实际生产中的注采关系，可以对低渗油气藏的月产量做出较为准确的预测。渗油气藏的月产量做出较为准确的预测。渗油气藏的月产量做出较为准确的预测。

【技术实现步骤摘要】
一种基于线性动态系统的油气田注采产量动态预测方法


[0001]本专利技术涉及油气开采
，更为具体地，涉及一种基于线性动态系统的油气田注采产量动态预测方法。

技术介绍

[0002]水驱法是油气藏开发过程中应用较为广泛的一种方法。在对低渗油气藏中水驱采气采油的过程进行动态预测时，传统的动态预测方法，如水驱特征曲线法、物质平衡方程预测法、油藏数值模拟法等在低渗储层的预测效果不是很理想，主要原因为：传统方法主要适用于高渗储层，不能表征出低渗储层中长期存在的瞬态流。目前低渗油气藏存在广泛且储量丰富，对其产量的预测是今后的研究重点。
[0003]在以注水为主要生产驱动方式的油气田生产动态预测的领域中，目前应用较广泛的为A.A.Youself与P.Gentil等人2005提出的电容模型(CM)，该模型是在Alejandro Albertoni与Larry W.Lake提出的井间连通性模型的基础上发展而来的。电容模型量化了直井之间的连通性，同时考虑了储层中岩石压缩性和流体传输性，更好地解释了注入速率与生产速率之间的变化关系。Feilong Liu与Jerry M.Mendel等根据测得的产量与注入速率数据，使用扩展的卡尔曼滤波器(EKF)预测了多个注入井和单个生产井之间的注采关系(IPR)，该研究利用连续时间单峰函数来模拟注入井和生产井之间的瞬间冲激响应，通过该方法可以表征出注入生产井之间流体的流动行为。Mohammad Soroush在传统电容模型的基础上考虑了生产操作对最终产量的影响。Zequn Zhang与Heng Li等人在2015扩展了电容模型，并建立了多层电容电阻模型(MLCRM)用于预测分层油藏中的水驱性能，同时应用集合卡尔曼滤波(EnKF)方法估算多层电容电阻模型(MLCRM)中每一层的连通系数和井指数。现有技术中很少有将线性动态系统(LDS)用于油气开采
，检索公开专利仅获得一种用于油气井钻井过程的溢漏风险协同监测方法(202110160988.8)，属于钻井
与本专利技术要应用的
差别明显。
[0004]上述现有技术中模型普遍存在共同的缺点：参数不能通过数据学习得到，需要事先将这些参数设置为固定值，这通常会降低预测精度，尤其是在低渗油藏中。除此之外，现有技术不能对水驱油气藏中流体的瞬间流动做出较好的表征，不能较好的解决低渗水驱油气藏中产量精确预测的技术问题。

技术实现思路

[0005]本专利技术的目的在于解决上述现有的方法无法解决低渗水驱油气藏中产量精确预测的技术问题，提供一种基于线性动态系统的油气田注采产量动态预测方法。
[0006]本专利技术是通过下述技术方案实现：一种基于线性动态系统的油气田注采产量动态预测方法，包括以下步骤：
[0007]步骤S1：基于水驱油气田整个储层的控制物质平衡方程，建立起线性动态系统(LDS)产量预测模型；
[0008]步骤S2：利用EM(Expectation Maximization，期望最大化)方法对所述线性动态系统(LDS)产量预测模型中的模型参数做出估算；
[0009]步骤S3：动态数据的整理与划分，将数据集按照一定比例划分为训练集与测试集；
[0010]步骤S4：所述模型参数的初始化以及参数计算，整合预测结果并计算相对误差；
[0011]在本专利技术的一较佳实施方式中，在所述步骤S1中，在所述水驱油气田的开采过程中，所述整个储层的控制物质平衡方程为：
[0012][0013]其中，c
t
是总可压缩性，MPa
‑1；V
p
是储层的孔隙体积，m3；是储层压力的平均变化率，MPa/t；i(t)和q(t)分别表示时间t处的总注入率和生产率，m3/t。
[0014]在本专利技术的一较佳实施方式中，在所述步骤S1中，所述线性动态系统(LDS)产量预测模型主要包含三部分：
[0015]隐藏状态方程：z
n+1
＝Az
n
+Bu
n
+w,w～N(0,Q)
[0016]观测方程：x
n
＝Hz
n
+Cu
n
+v,v～N(0,R)
[0017]模型的初始状态：
[0018]其中，s为初始状态变量的噪声系数，无因次；w为系统噪声系数，无因次；v为观察噪声系数，无因次；Q，R，V0分别为w，v，s的协方差矩阵系数，无因次。
[0019]在本专利技术的一较佳实施方式中，在所述步骤S2中，分为两步对所述模型参数进行迭代更新，第一步为人为初始化所述模型参数之后得到数据的预测值；第二步为在利用得到的数据的预测值反过来估计所述模型参数；所有的计算过程通过Python编程实现。
[0020]在本专利技术的一较佳实施方式中，在所述步骤S3中，所述训练集：所述测试集＝7：3。
[0021]在本专利技术的一较佳实施方式中，在所述步骤S4中，所述训练集与所述测试集的相对误差分别小于5％和10％即为满足精度要求；最终的月产量预测值等于10次所述预测结果的平均值。
[0022]相比现有技术，本专利技术至少有如下优点：本专利技术针对注水驱动为主要方式的低渗油气田，基于线性动态系统(LDS)建立了油气田注采产量动态预测模型，模型中隐变量的引入更好的表征了实际生产中的注采关系，可以对月产量做出准确的预测。
附图说明
[0023]图1为本专利技术的基于线性动态系统的油气田注采产量动态预测方法的流程图；
[0024]图2为本专利技术的实施例五点法面积井网中注入井到生产井q1的控制体积示意图；
[0025]图3为本专利技术的实施例某区块月注入量与月产量变化图；
[0026]图4为本专利技术的实施例某区块动态系统(LDS)模型十次预测值与实际值变化对比图:(a)全部时间段，(b)测试集时间
[0025]图5为本专利技术的实施例某区块动态系统(LDS)模型预测平均值与实际值变化对比图。
具体实施方式
[0028]下面结合实施例，对本专利技术作进一步详细说明，但本专利技术的实施方式不仅限于此。
[0029]图1示出了根据本专利技术的基于线性动态系统的油气田注采产量动态预测方法流程。
[0030]以某地区油气田某区块进行LDS预测模型的研究。该区块自1992年6月至2009年12月布有13口注入井与11口生产井，在对月生产数据进行数据预处理之后，筛选出具有有效区块月总注入量与区块月总生产量数据共210组，采用本专利技术提供的一种基于线性动态系统的油气田注采产量动态预测方法，包括以下步骤：
[0031]步骤S1：基于水驱油气田整个储层的控制物质平衡方程，建立起线性动态系统(LDS)产量预测模型；
[0032]在水驱油气田的开采过程中，整个储层的控制物质平衡方程为：
[0033][0034]其中，c
t
是总可压缩性，MPa
‑1；V
p
是储层的孔隙体积，m3；是储层压力的平均变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性动态系统的油气田注采产量动态预测方法，其特征在于，包括以下步骤：步骤S1：基于水驱油气田整个储层的控制物质平衡方程，建立起线性动态系统LDS产量预测模型；步骤S2：利用期望最大化EM方法对所述线性动态系统LDS产量预测模型中的模型参数做出估算；步骤S3：动态数据的整理与划分，将数据集按照一定比例划分为训练集与测试集；步骤S4：所述模型参数的初始化以及参数计算，整合预测结果并计算相对误差。2.根据权利要求1所述的基于线性动态系统的油气田注采产量动态预测方法，其特征在于：在所述步骤S1中，在所述水驱油气田的开采过程中，所述整个储层的控制物质平衡方程为：其中，c
t
是总可压缩性，MPa
‑1；V
p
是储层的孔隙体积，m3；是储层压力的平均变化率，MPa/t；i(t)和q(t)分别表示时间t处的总注入率和生产率，m3/t。3.根据权利要求2所述的基于线性动态系统的油气田注采产量动态预测方法，其特征在于：在所述步骤S1中，所述线性动态系统LDS产量预测模型主要包含三部分：隐藏状态方程：z
n+1
＝Az
...

【专利技术属性】
技术研发人员：罗怡雯，田志欣，
申请(专利权)人：北京中地金石科技有限公司，
类型：发明
国别省市：