基于自适应遗传算法的压裂水平井参数优化

鉴于低渗透油藏水平井压裂设计中参数多且交叉影响,采用常规方法进行正交优化存在较多局限性,结合油田生产实际,选择油井的累积产油量、累积注水量和累积产水量作为分析对象,提出一种以生产净现值最大化为目标,基于自适应遗传算法的水平井压裂参数优化方法.该方法根据个体适应值大小自动选择合适的交叉与变异概率,有效避免了传统遗传算法的“早熟”和盲目搜索等问题;通过编程实现了对水平段长度、裂缝半长、裂缝条数以及裂缝导流能力的自动优化求解.以长庆油区某油田的实际资料为基础,分析了五点井网下水平井压裂参数优化过程,分析结果表明,该方法参数覆盖范围更广,与枚举法需计算4 096次才能确定最优解相比,新方法只需迭代200次,大大提高了求解速度,增强了算法的实用性.     

基于流场适配性的水驱油藏开发系统评价模型

目前常用的水驱开发效果评价方法多是对整个油藏开发历史的评价,难以及时反映当前时刻井网及注采压力系统与油藏状态的匹配程度.因此,针对水驱油藏地下流场演化本质,通过逻辑分析法筛选出含油饱和度与渗流速度作为流场评价参数,依据统计学理论,建立了由相对适配系数、流饱差、绝对适配系数和均衡系数等4个指标构成的流场适配性评价模型.以...     

岩石介质流动电位影响因素实验研究

根据流动电位经典理论及各参数经验公式建立流动电位耦合系数与温度、溶液浓度的关系以及与填砂颗粒之间的关系式,并对各参数的变化规律进行分析.在实验室条件下,利用有机填砂管模型对不同浓度NaC1溶液通过不同尺寸石英砂的流动电位耦合系数进行测量.流动电位耦合系数随填砂颗粒的增大而缓慢增大,随盐水浓度的增加而明显减小.理论公式计算值与实际测量值拟合较好,高矿化度地层水条件下表面导电效应可以忽略.该研究对预测地层条件下油藏流动电位效应变化规律具有指导意义.     

考虑流动电位的微米/纳米毛细管单相渗流模式

流体在多孔介质中流动时,由于固-液界面扩散双电层的存在,流体的流动会产生流动电位现象,而流动电位会反过来对流体在多孔介质中的流动造成影响.从微米和纳米尺度,利用圆形、正方形和三角形截面毛细管模型,采用有限元数值求解方法,研究了在不同毛细管尺寸下,流动电位对毛细管单相流体渗流模式的影响,得到了考虑流动电位情况下不同尺寸三角形截面毛细管传导率和其形状因子的关系,并研究了在不同毛细管尺寸条件下,考虑流动电位对流体流动的影响后外加压力梯度与流体流量之间的关系.研究结果表明,由于流动电位对流体流动的影响,当毛细管尺寸与扩散双电层厚度相当时,流动电位会对流体在毛细管中的流动产生显著影响,流体的流动阻力增加,毛细管传导率减小,但是毛细管中的流体流量与压力梯度仍然保持线性关系.     

基于机器学习的井位及注采参数联合优化方法

针对水驱油藏传统优化方法过于依赖人为经验及顺序优化难以求得全局最优解等问题，提出一种基于机器学习的井位及注采参数联合优化方法．基于水驱油藏特征，利用随机森林算法筛选影响注水开发效果的主控因素，以井网形式、产量和注采比等作为输入参数，累计产油量为输出参数，通过流线数值模拟方法构建机器学习预测样本集，综合径向基函数神经网络预测水驱开发效果．基于粒子群算法建立优化数学模型，以最大化产油量作为目标对井网形式和注采参数进行联合优化求解．结果表明，与传统优化方法相比，联合优化方法能够自动同步优化井网形式、井位和注采比等参数，优化后开发效果提升约12%，为水驱油藏的智能高效开发奠定基础．     

特低渗透气藏压裂井稳产时间预测方法

根据人们对压裂气井不稳定渗流机理的认识,应用压裂气井有限导流垂直裂缝不稳定渗流模型,结合Cullender-Smith管流计算方法,提出一种预测压裂气井稳产时间的简便方法,编制出特低渗透气藏压裂井稳产时间预测软件。实际应用表明,该软件使用方便,预测结果与数值模拟预测结果基本一致,对气井合理配产有一定的参考价值。     

基于机器学习的高含水油田剩余油预测方法

根据高含水油田剩余油分布特点,提出了含油饱和度等值线拟合样本预制作方法及基于人工神经网络的剩余油预测方法。利用数值模拟批量生成不同井距、物性、工作制度等条件下注采井组间剩余油分布场,编写模块自动提取少量含油饱和度等值线,使用多项式函数拟合不同时刻和层位含油饱和度等值线建立拟合参数样本数据集,实现机器学习样本参数量的大幅度降低。使用Tensorflow搭建神经网络模型,学习训练后形成注采井组间含油饱和度等值线预测模型,根据多个井组间等值线图叠加结果重构研究区含油饱和度场。基于高含水油田实际数据,与数值模拟相比,该方法对断层边界、层间剩余油富集区、井间局部零散剩余油均具一定预测能力;同时可将注采井生产动态数据快速转化为含油饱和度场数据,较传统方法的计算速度和定量化程度显著提高。