简介:Y101井区沙四段沉积时期处于混合、动荡沉积环境,造成砂体薄互层多,连续性差,具有厚度薄、横向非均质性强和受火成岩反射干扰的特点,造成该区储层识别难度大,制约了该区的勘探进程.为此,从制约储层预测精度的几个因素(地震因素、地质因素、技术方法、主观认识等)入手,逐一分析,最后确定造成研究区储层预测精度低的主原因为地震资料品质差和预测方法不当.通过分频技术处理,提高地震资料的纵向分辨率,并结合测井曲线进行小波变换,建立了该区高分辨率层序地层格架,再通过提取多类属性,优选敏感属性进行多属性融合,完成了该区储层预测,最终将储层预测精度从65%提高至85%,达到了目前精细勘探的需求.
简介:页岩气和页岩油区带的油气藏工程是一门新学科,需要有模拟物理特性和定性研究不确定性的专门流程和方法。虽然在具备生产数据时通常都使用递减曲线分析(DCA)来评价估算最终产量(EUR),但这种分析不能将结果推广到不同的地质或完井条件,不能优化层带开发,也不能在仅有很少生产数据的开发早期对具有特别重要意义的不确定性进行定性研究。本文提出了一套为解决这些问题而设计的井下动态专用模拟流程(针对“页岩油气藏的动态”,命名为SHARP)。SHARP将一个特定的“3φ3K3S”分段模型与一个不确定性平台结合在一起。鉴于常规方法试图研究关于基准情形解的不确定性,所以SHARP将所有的重要变量都视为未知量,不管它是自然变量还是与水力压裂有关的变量。为了确定控制井下动态的参数,使用了嵌入的实验设计计划,然后对解的空间进行彻底的筛选,以便确定一组可能的历史拟合解。为了缩小有关的解空间,将综合了所有现有信息(包括油气藏动态、微地震信息以及物性数据)的输入条件作为先验知识使用。只要实现了半自动的历史拟合,就要以预测方式使用有关模型,以便在残余不确定性空间内探讨井和开发的优化。SHARP可用于井下动态的历史拟合、EUR的估算、上界的估算、开发优化(空间优化、压裂优化)以及现象学理解。它还可以定量评价与这些工作有关的不确定性。利用一项根据公开数据的巴尼特(Barnett)页岩研究实例解说了这些方面的应用。从这一实例可以看出:(a)有砂粒支撑的裂缝、压裂诱发的无支撑裂缝网络、基岩物性以及经增产处理和未增产处理的岩石体积等系统对井下动态的相对影响,据此可以在不确定性背景下优化经营开发和完并策略;(b)每种系统的排油气面积和采收率以及不同�
简介:试井分析是压裂酸化效果评价的重要组成部分,常规的G函数分析方法速度慢,且曲线特征不明显,研究净压力快速分析技术,可更加快速有效地分析酸压过程中的净压力曲线,从而准确的得到压裂关键参数。针对酸压井渗流存在的主要问题,综合运用油气藏渗流理论和现代试井解释方法,建立并求解酸压井净压力快速评估数学模型,利用Stehfest反演算法计算井底压力响应典型曲线,分析井筒储集系数、表皮系数和不同缝长对井底压力动态的影响。通过利用建立的酸压井净压力曲线快速分析理论对玉北1井的实测资料进行处理,所取得较好的解释结果,对提高碳酸盐岩油气藏酸压井裂缝诊断精度和诊断速度具有重要的作用。
简介:四川盆地涪陵页岩气田开发初期,气井的产能评价存在诸多问题,采用陈元千“一点法”公式对页岩气井产能进行计算误差较大,不能有效指导气井配产。为了探索适合本地区页岩气井的产能评价方法和合理配产方式,通过开展多口页岩气井的产能试井,并校正中、高排液气井产能试井异常数据,建立了针对该地区页岩气井不同排液量下的一点法产能计算公式。该公式计算的无阻流量与产能试井求得的无阻流量误差范围在-12%-5%之间,二者计算结果较吻合。同时采用采气指示曲线法提出涪陵页岩气田气井6个无阻流量区间相应的合理配产系数。在气井投产初期,可采用合理配产系数进行气井配产;生产中频繁调产井,采用压降产量动态配产法优化气井配产,也可采用两者兼顾的方法指导气井配产。所提出的合理配产方法,可以为涪陵页岩气田气井的高效开发提供技术支撑。
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�