【技术实现步骤摘要】
本专利技术涉及油田开发，尤其涉及一种基于大数据反演的稠油油藏边水水侵速率控制方法及系统。
技术介绍
1、目前，全球探明的大部分稠油油藏都具有边水水体，在边水稠油油藏中随着蒸汽腔的横向扩展，蒸汽腔与边水沟通的风险会逐渐增加。一旦边水入侵速率过高或者边水突破蒸汽腔会对油井的开采造成不可逆的危害。因此对于边水入侵速率的早期预测对评估边水对稠油开采效率的潜在影响以及制定稠油开发的操作策略具有重要的指导意义。截止目前，学者们对于边水油藏或气藏的水侵行为预测方法已经进行了广泛的研究，然而，目前研究主要集中在非稠油油藏的边水入侵。目前，尚未发现有关于稠油油藏边水防控方面的专利。
技术实现思路
1、本专利技术的目的是提供一种基于大数据反演的稠油油藏边水水侵速率控制方法及系统，以解决如何实现稠油油藏边水防控的技术问题。
2、本专利技术是采用以下技术方案实现的：基于大数据反演的稠油油藏边水水侵速率控制方法，包括如下步骤：
3、s1：获取目标稠油油藏的地质、流体以及水体数据；
4、s2：对获取的数据进行清洗，得到特征参数和水侵速率；
5、s3：基于稠油油藏边水水侵速率预测模型，带入特征参数对边水水侵速率进行预测；
6、s4：建立大数据反演模型，以预测和收集所得的水侵速率作为输入集，特征参数作为输出集，进行训练；
7、s5：基于训练结果，优化操作参数，控制边水水侵速率。
8、进一步的，目标稠油油藏的地质数据包括储层的渗透率
9、进一步的，步骤s2具体为：对获取的原始数据进行清洗，确保数据的一致性和准确性，并从清洗后的数据中提取特征参数和相应的水侵速率。
10、进一步的，所述稠油油藏边水水侵速率预测模型包括稠油油藏边水水侵速率预测方程：
11、
12、
13、q＝qo+qw；
14、其中，p-蒸汽腔与水体的压力差；a-水侵单元的横截面积；c-单位系数；dz-水侵单元上的计算步长；μo(i),μw(i)-水侵单元上原油和水的粘度；krw,kro-水相和油相的相对渗透率。
15、进一步的，所述稠油油藏边水水侵速率预测方程中流体的粘度预测方程如下：
16、
17、μw＝-0.311·ln(t)+1.7274；
18、其中，t-水侵单元某点的温度；μo-原油的粘度；ρo-原油的密度；m,b-原油粘度的特征常数；μw-水的粘度；
19、所述粘度预测方程的温度预测方程为：
20、
21、其中，tε-距离蒸汽腔εm处的温度；tr-稠油油藏原始温度；ts-热采过程中蒸汽腔温度；kth-储层的热传导系数；ε-垂直于蒸汽腔界面的单位距离；ρr-稠油储层的密度；cr-稠油储层的比热；u-蒸汽腔垂直于蒸汽腔界面的运移速度。
22、进一步的，所述稠油油藏边水水侵速率预测方程中流体的相对渗透率预测方程如下：
23、
24、
25、其中，-含油饱和度为残余油饱和度时的水相相对渗透率；-含水饱和度为束缚水饱和度时的油相相对渗透率；sw-含水饱和度；swi-束缚水饱和度；sor-残余油饱和度；cw,co-水相相对渗透率和油相相对渗透率拟合参数；
26、所述相对渗透率预测方程中的含油饱和度方程如下：
27、
28、其中，so-蒸汽腔附近某一点的含油饱和度；sor-残余油饱和度；sio-储层原始含油饱和度。
29、进一步的，步骤s4具体为：基于稠油油藏边水水侵速率预测模型，建立大数据反演模型，以预测和收集所得的水侵速率为输入集，特征参数为输出集训练该模型，使大数据反演模型精度达到90％以上。
30、基于大数据反演的稠油油藏边水水侵速率控制系统，包括数据获取模块、清洗模块、预测模块、反演模块以及控制模块，其中，
31、数据获取模块，用以获取目标稠油油藏的地质、流体以及水体数据；
32、清洗模块，用以对获取的数据进行清洗，得到特征参数和水侵速率；
33、预测模块，基于稠油油藏边水水侵速率预测模型，带入特征参数对边水水侵速率进行预测；
34、反演模块，用以建立大数据反演模型，以预测和收集所得的水侵速率作为输入集，特征参数作为输出集，进行训练；
35、控制模块，基于训练结果，优化操作参数，控制边水水侵速率。
36、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现上述所述的基于大数据反演的稠油油藏边水水侵速率控制方法。
37、一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的基于大数据反演的稠油油藏边水水侵速率控制方法。
38、本专利技术的有益效果在于：本专利技术通过大数据反演模型计算不同水侵速率下的操作条件，进而调整操作参数控制水侵，该方法为稠油油藏边水水侵防控提供了新的思路和方法，应用该方法可以快速、便捷和准确的进行操作参数调控，降低稠油开采过程中边水的影响，降本增效。
本文档来自技高网...【技术保护点】
1.基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，目标稠油油藏的地质数据包括储层的渗透率和孔隙度；流体数据包括含油饱和度；水体数据包括水体大小和压力。
3.如权利要求1所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，步骤S2具体为：对获取的原始数据进行清洗，确保数据的一致性和准确性，并从清洗后的数据中提取特征参数和相应的水侵速率。
4.如权利要求1所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，所述稠油油藏边水水侵速率预测模型包括稠油油藏边水水侵速率预测方程：
5.如权利要求4所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，所述稠油油藏边水水侵速率预测方程中流体的粘度预测方程如下：
6.如权利要求5所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，所述稠油油藏边水水侵速率预测方程中流体的相对渗透率预测方程如下：
7.如权利要求1所述的基于大数
8.基于大数据反演的稠油油藏边水水侵速率控制系统，用以实现权利要求1～7任意一项所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，包括数据获取模块、清洗模块、预测模块、反演模块以及控制模块，其中，数据获取模块，用以获取目标稠油油藏的地质、流体以及水体数据；
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1～7任意一项所述的基于大数据反演的稠油油藏边水水侵速率控制方法。
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1～7任意一项所述的基于大数据反演的稠油油藏边水水侵速率控制方法。
...【技术特征摘要】
1.基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，目标稠油油藏的地质数据包括储层的渗透率和孔隙度；流体数据包括含油饱和度；水体数据包括水体大小和压力。
3.如权利要求1所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，步骤s2具体为：对获取的原始数据进行清洗，确保数据的一致性和准确性，并从清洗后的数据中提取特征参数和相应的水侵速率。
4.如权利要求1所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，所述稠油油藏边水水侵速率预测模型包括稠油油藏边水水侵速率预测方程：
5.如权利要求4所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，所述稠油油藏边水水侵速率预测方程中流体的粘度预测方程如下：
6.如权利要求5所述的基于大数据反演的稠油油藏边水水侵速率控制方法，其特征在于，所述稠油油藏边水水侵速率预测方程中流体的相对渗...
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。