简介:GeoFrame软件是胜利油田分公司物探研究院地震资料解释生产的主力软件,实时掌握该软件系统的在线信息对用户来说至关重要。通过对GeoFrame解释系统数据库结构、查询处理流程、查询优化技术的研究,针对性地解决了目前在线查询功能不足的问题题,达到了提高解释工作效率的目的。
简介:一种三维的有限差油藏模拟器(与一个EOR专家系统相结合),已被用于制定油藏管理和生产策略以优化一个碳酸盐岩层的原油开采。该储层被选作提高采收率采油方法实验对象,否则它便会被废弃。根据储层性质将该储层选作合适的EOR对象后,便确定用混相二氧化碳注入法作为最适当方法。这个管理策略涉及到研究不同的设计参数使这个项目的收益率达到最大化。在本研究中所实验的注入技术包括:①水气交替注入(WAG);②同时水气交互注入(SWAG);③气注入油藏底部,水注入油藏顶部。所做的所有模拟都应用经过油气田内的岩心资料校正过的渗透率资料。使用的具体方法包括水平注入井和垂直生产井。这种井结构和其它的井结构相比,表现出最佳的开采效果。模拟结果显示开采这个油藏最经济的方法是往油藏顶部注入水,同时在底部注入气。这种开采方法取得了较好的波及效率,因此获得更高的原油采收率和更好的经济效益。
简介:2001年夏季实施了一项大型水力压裂分析项目,其中综合包括了(地面和井下的)倾斜度测量和微地震测绘等裂缝诊断技术。根据采集的大量数据更清晰的认识了北得克萨斯Barnett页岩的极为复杂的裂缝特性。详细的裂缝测绘结果使得所建造经校准的三维裂缝模拟器能更好地反映裂缝性页岩储集层中所观测到的断裂机理。需要进一步的校准工作。事实上对裂缝发育的全面认识已有进展。近年来,由于水力压裂或“低密度砂”处理技术的成功运用,Barnett储集层的钻探和压裂重新焕发出新的活力。这种渗透率极低的储集层得益于压裂处理技术,使之形成了又宽又长的裂缝富集带,以十分复杂的裂缝网络增大了地层连通的表面积。了解所产生的裂缝的几何形状对于有效地进行增产措施和打加密井是十分关键的,特别是对于具有非常规裂缝网络的地区来讲更是如此。裂缝综合诊断技术提高了对新的压裂技术、再压裂以及加密钻井候选对象的识别能力。针对大型微地震数据集进行评价的方法已经开发成功。微地震分析与地面和井下倾斜裂缝测绘技术相结合,能够表征所产生裂缝网络。文中将介绍将一裂缝模型校正至观察裂缝特征的方法,还将讨论生产响应与各种裂缝参数之间的相关性。
简介:随着许多优质油藏的有效开采变得难以为继,注水、CO2和蒸汽驱油就成为如今常用的增采手段。在这类油藏中优化采收率的工艺很多都涉及到井网布署和生产控制。一旦出现驱替流体前缘过早突破,要想提高油藏的开采经济价值,可供选择的措施一般只能是近井筒控制,以此降低非烃流体的开采、分离和处置成本。然而,这类控制措施往往只能短期有效,导致个别产层甚至整口井过早报废。在油藏深部调整注水前缘通常会更加有效,而且能够更长期地控制非烃类流体的产出。如果能够在油藏深处成功地改变注入流体的波及形态,就可以提高驱油效率,降低运营成本,并提高最终的开采量。本文介绍了一种新型完井方式,在活跃水驱油藏中通过近井筒控制与油藏深部控制相结合改变流体流动状态。对采取和不采用这两种控制措施的完井方法分别进行了数值模拟,对模拟结果进行对比分析发现,前者具有明显的优势。文中介绍了在两种注采井网下对这些控制措施所作的优化,一种注采井网是单口水平采油井和一口垂直注水井,另一种是一对水平采油井和一口水平注水井。
简介:为了识别三维地震数据和生产测井数据之间的非线性关系和映射,开发出了的一种综合方法。该方法在一个在产油田得到了应用。它采用了诸如地质统计和传统的模式识别等常规技术,并结合现代的软计算(softcomputing)技术(神经计算学、模糊逻辑学、遗传计算学和概率推理学等)。我们的一个重要研究目的,是在三维地震数据和现有的生产测井数据的基础上,利用聚类(clustering)技术确定最佳的新井井位。采用三种方法进行分类:(1)k-平均聚类;(2)模糊c-平均聚类;(3)识别相似数据体的神经网络聚类。在井筒周围可以识别聚类组(duster)与生产测井数据的关系,所得结果用于在远离并筒方向上重建和外插生产测井数据。这种先进的三维地震和测井数据分析与解释技术可用于:(1)确定生产数据和地震数据之间的映射;(2)在多属性分析的基础上预测油藏连续性;(3)预测产层;(4)优化井位。
简介:在为特定的油藏管理问题寻求最佳解决方法的过程中,正规的优化策略一般都要评价数百种乃至数千种方案。如果用地下的数值模拟模型来预测这些方案的效果,那么这一过程就会耗费大量时间。为了在某些优化技术[例如遗传算法(GA)或模拟退火(SA)]所主导的搜寻求解的过程中取代此类模拟模型,可以采用训练人工神经网络(ANN)的做法。可以从一个有代表性的模拟样本出发来训练神经网络,而这一样本则构成了解决许多不同管理问题所需的可反复使用的知识库。这些概念已被应用于BP公司彭帕那(Pompano)油田的一个注水项目。这里的管理问题是确定1—4口注水井的组合位置,它将使彭帕那油田今后七年的简单纯利获得最大化。利用石油行业的一个标准油藏模型,为取样于25个潜在注水井井位不同组合的550次模拟创建了一个知识库。首先要查询这个知识库,以回答三年和七年内使简单纯利最大化的最优方案问题。有关的答案表明,如能将仅依靠改变现有生产井的注水扩大为新钻三至四口注水井,就可能实现利润的可观增加,但资本费用也会增加。当这一知识库用作人工神经网络训练和测试的样本来源时,可以获得更好的答案。训练人工神经网络是为了预测最高注水量以及开始注水后三年和七年的油、气产量。人工神经网络对这些数量的快速估算可以用于纯利润计算中,而遗传算法又可以利用这一计算来评估不同注水井组合方案的效果。遗传算法的探索扩展了求解的空间,它含有的新方案在纯利润上超过了仅查询上述知识库所找到的最佳方案。为了评估预测误差对求解质量的影响,可以将人工神经网络预测油、气产量时所得出的最佳方案,与油藏模拟模型本身预测油、气产量时找到的最佳方案加以对比。虽然完成基于模拟模型的方案�