注水剖面反演模型构建方法、吸水能力确定方法及装置制造方法及图纸

技术编号:35290736 阅读:25 留言:0更新日期:2022-10-22 12:36
本文涉及油气田开发领域,尤其涉及注水剖面反演模型构建方法、吸水能力确定方法及装置。包括获取历史初始参数;利用预先构建的温度剖面模型,所述历史初始参数中与井筒温度相关性大的参数,作为约束参数;将约束参数输入至所述温度剖面模型后得到的输出结果,确定为训练样本数据集,所述训练样本数据集包括历史井筒温度、历史井筒压力及历史井筒流量;利用训练样本数据集训练初始机器学习模型,将训练得到的机器学习模型作为注水剖面反演模型,注水剖面反演模型的输出为井筒的流量分布。本方案定量解释了注水井沿井筒的流量以及各个射孔段的吸水量,量化了非均质储层射孔对目的层的动用程度,为后续注水井调剖、降压增注等措施提供了数据支撑。施提供了数据支撑。施提供了数据支撑。

【技术实现步骤摘要】
注水剖面反演模型构建方法、吸水能力确定方法及装置


[0001]本文涉及油气田开发领域,尤其是一种注水剖面反演模型构建方法、吸水能力确定方法及装置。

技术介绍

[0002]水驱作业已经广泛应用于低渗透油藏开发领域,具有良好的驱油效果。由于储层的非均质性,注水井不同射孔段地层的吸水能力不同,油水推进不均匀,导致注水作业产生不同的波及效率。
[0003]油田现场常使用同位素示踪吸剖面测井、流量计测井、脉冲中子氧活化测井等方法,来了解注入流体在井筒附近地层的渗流情况。但这些测试方法在井下不同注水结构的适应上有所不同,测试实施难度较大、测试周期长,部分放射性元素有一定的污染和危险性。
[0004]现有技术采用流量计测井,虽然可以提供流量信息,但是无法提供连续的实时井筒流量分配。现有技术中的油气藏温度监测方法,利用分布式光纤温度传感器(DTS)快速记录整个井眼轨迹的温度剖面,分析注水期间和关井后井筒中的瞬态温度信息,进行储层评价和注水监测,进而优化注水施工设计。然而,温度数据解释缺乏定量研究,DTS温度数据的研究多为定性研究,温度理论解释模型尚待完善,传感器测量的在连续时间和空间域内的数据量庞大、分析处理过程繁杂,温度解释多采用人工选取的某一时刻的数据进行分析处理,具有一定的随机性和不确定性。
[0005]目前机器学习算法在注水井领域应用较少,注水剖面的反演多采用常规数值模拟方法和常规反演方法,这些方法计算结果不准确、测试周期长、反演耗时长等。
[0006]针对目前技术存在的测井方法测试周期长、注水井DTS温度监测数据量庞大、反演耗时长的问题,需要一种注水剖面反演模型构建方法、吸水能力确定方法。

技术实现思路

[0007]为解决上述现有技术的问题,本文实施例提供了一种注水剖面反演模型构建方法、吸水能力确定方法及装置。
[0008]本文实施例提供了一种注水剖面反演模型构建方法,所述方法包括:获取历史初始参数;利用预先构建的温度剖面模型,所述历史初始参数中与井筒温度相关性大的参数,作为约束参数;将所述约束参数输入至所述温度剖面模型后得到的输出结果,确定为训练样本数据集,所述训练样本数据集包括历史井筒温度、历史井筒压力及历史井筒流量;利用所述训练样本数据集训练初始机器学习模型,将训练得到的机器学习模型作为注水剖面反演模型,所述注水剖面反演模型的输出为井筒的流量分布。
[0009]根据本文实施例的一个方面,利用温度剖面模型,确定所述历史初始参数中与井筒温度相关性大的参数,作为约束参数包括:将各历史初始参数输入至所述温度剖面模型,定量计算各历史初始参数对应的井筒某一位置处的温度变化量;将温度变化量大于预设值
的初始参数,确定为约束参数,所述约束参数包括射孔段厚度、射孔段渗透率、注入量、注入温度及射孔段间隔距离中的一种或者多种。
[0010]根据本文实施例的一个方面,将所述约束参数输入至所述温度剖面模型后得到的输出结果,确定为训练样本数据集包括:对各约束参数设定不同的值,形成多个约束参数组;将所述约束参数组输入至所述温度剖面模型,计算得到随井深变化的多组历史井筒温度、历史井筒压力及历史井筒流量;将所述历史井筒温度、所述历史井筒压力、所述历史井筒流量及井深数据作为一组训练样本数据集。
[0011]根据本文实施例的一个方面,所述温度剖面模型通过如下步骤确定:获取过去某时刻的初始参数,所述初始参数包括储层参数、井筒参数、流体参数及工作制度数据;根据所述初始参数、质量守恒原理、动量守恒原理及能量守恒原理,分别建立井筒模型、储层模型,所述井筒模型及储层模型耦合形成所述温度剖面模型。
[0012]根据本文实施例的一个方面,利用训练样本数据集训练初始机器学习模型包括:将所述历史井筒温度、历史井筒压力输入至初始机器学习模型,获取井筒流量预测值;根据所述井筒流量预测值与所述历史井筒流量,构建损失函数;利用所述损失函数训练所述初始机器学习模型,得到注水剖面反演模型。
[0013]本文实施例提供了一种对吸水比例确定方法,所述方法应用所述注水剖面反演模型确定各射孔的吸水能力,包括:实时采集现场井筒温度分布数据;将所述温度分布数据输入至所述注水剖面反演模型中,所述注水剖面反演模型输出得到井筒流量分布;根据所述井筒流量分布,确定各射孔段的吸水能力。
[0014]根据本文实施例的一个方面,所述方法根据如下公式确定各射孔段的吸水能力:
[0015]其中,Q(z)表示井筒深度为z处的流量,Q
t
为井口总注入量,Q
i
表示进入第i个射孔段的流量,i取值范围是从第1个射孔段到第N(z)个射孔段,N(z)是井筒深度为z处的最后一个射孔段。
[0016]本文实施例提供了一种注水剖面反演模型构建装置,所述装置包括:历史初始参数获取单元,用于获取历史初始参数;约束参数确定单元,用于利用预先构建的温度剖面模型,从所述历史初始参数中确定与井筒温度相关性大的参数,作为约束参数;训练样本数据集确定单元,用于将所述约束参数输入至所述温度剖面模型后得到的输出结果,确定为训练样本数据集,所述训练样本数据集包括历史井筒温度、历史井筒压力及历史井筒流量;注水剖面反演模型确定单元,用于利用所述训练样本数据集训练初始机器学习模型,将训练得到的机器学习模型作为注水剖面反演模型,所述注水剖面反演模型的输出为井筒的流量分布。
[0017]本文实施例还提供了一种吸水能力确定装置,所述装置包括:采集单元,用于实时采集现场井筒温度分布数据;井筒流量分布确定单元,用于将所述温度分布数据输入至所述注水剖面反演模型中,所述注水剖面反演模型输出得到井筒流量分布;吸水能力确定单元,用于根据所述井筒流量分布,确定各射孔段的吸水能力。
[0018]本文实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述注水剖面反
演模型构建方法及吸水能力确定方法。
[0019]本方案定量解释了注水井沿井筒的流量以及各个射孔段的吸水量,量化了非均质储层射孔对目的层的动用程度,为后续注水井调剖、降压增注等措施提供了数据支撑。
附图说明
[0020]为了更清楚地说明本文实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本文的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0021]图1所示为本文实施例一种注水剖面反演模型构建方法的流程图;
[0022]图2所示为本文实施例一种确定约束参数的方法流程图;
[0023]图3所示为本文实施例一种确定训练样本数据集的方法流程图;
[0024]图4所示为本文实施例一种确定温度剖面模型的方法流程图;
[0025]图5所示为本文实施例一种训练初始机器学习模型的方法流程图;
[0026]本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种注水剖面反演模型构建方法,其特征在于,所述方法包括:获取历史初始参数;利用预先构建的温度剖面模型确定所述历史初始参数中与井筒温度相关性大的参数,作为约束参数;将所述约束参数输入至所述温度剖面模型后得到的输出结果,确定为训练样本数据集,所述训练样本数据集包括历史井筒温度、历史井筒压力及历史井筒流量;利用所述训练样本数据集训练初始机器学习模型,将训练得到的机器学习模型作为注水剖面反演模型,所述注水剖面反演模型的输出为井筒的流量分布。2.根据权利要求1所述的注水剖面反演模型构建方法,其特征在于,利用温度剖面模型,确定所述历史初始参数中与井筒温度相关性大的参数,作为约束参数包括:将各历史初始参数输入至所述温度剖面模型,定量计算各历史初始参数对应的井筒某一位置处的温度变化量;将温度变化量大于预设值的初始参数,确定为约束参数,所述约束参数包括射孔段厚度、射孔段渗透率、注入量、注入温度及射孔段间隔距离中的一种或多种。3.根据权利要求1所述的注水剖面反演模型构建方法,其特征在于,将所述约束参数输入至所述温度剖面模型后得到的输出结果,确定为训练样本数据集包括:对各约束参数设定不同的值,形成多个约束参数组;将所述约束参数组输入至所述温度剖面模型,计算得到随井深变化的多组历史井筒温度、历史井筒压力及历史井筒流量;将所述历史井筒温度、所述历史井筒压力、所述历史井筒流量及井深数据作为一组训练样本数据集。4.根据权利要求1所述的注水剖面反演模型构建方法,其特征在于,所述温度剖面模型通过如下步骤确定:获取过去某时刻的初始参数,所述初始参数包括储层参数、井筒参数、流体参数及工作制度数据;根据所述初始参数、质量守恒原理、动量守恒原理及能量守恒原理,分别建立井筒模型、储层模型,所述井筒模型及储层模型耦合形成所述温度剖面模型。5.根据权利要求1所述的注水剖面反演模型构建方法,其特征在于,利用训练样本数据集训练初始机器学习模型包括:将所述历史井筒温度、历史井筒压力、井深输入至初始机器学习模型,获取井筒流量预测值;根据所述井筒流量预测值与所述历史井筒流量,构建损失...

【专利技术属性】
技术研发人员:隋微波高雁
申请(专利权)人:中国石油大学北京
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1