稠油非线性渗流启动压力梯度实验研究

稠油中胶质、沥青质等高分子混合物决定其特殊的结构特性,表现出非线性渗流的特点。启动压力梯度是研究非线性渗流的重要环节。以实际某油田为例,对比分析目前国内外常用的几种测量启动压力梯度的方法,选择出最佳实验方法,通过实验研究不同渗透率条件下启动压力梯度存在的临界黏度并绘制版图,最后研究目标油田全流度范围内启动压力梯度与流度的关系。实验结果表明:微流量驱替法是较为实用的测量启动压力梯度的方法;目标油田启动压力梯度存在的临界黏度随渗透率的增加而增大,且增大的幅度逐渐趋于平缓;流度较小时,随流度的增加启动压力梯度下降较快,随着流度的不断增加,启动压力梯度下降幅度减缓。     

低渗透油藏不稳定渗流注水见效时间与井距的关系

用常规的压力传播的公式计算低渗透油田注水见效时间，通常与实际情况相差很大。低渗透油藏存在启动压力梯度．并且在不稳定渗流时，流体流动边界不断变化。针对低渗透油藏存在启动压力梯度的特点，以具有启动压力梯度的渗流公式为基础，利用油藏压力分布近似表达式．研究了低渗透油田不稳定渗流压力分布特征；根据物质平衡原理，求出了低渗透油田注水见效时间与注采井距的关系。低渗透油田压力传播时间与压力梯度密切相关，注水见效时间与启动压力梯度成直线关系。该方法推出的注水见效时间的公式．为油田预测注水见效时间和确定合理井距提供了一种重要的手段。     

一种求解低渗透油藏启动压力梯度的新方法

由于存在启动压力梯度，低渗透油层中流体渗流不遵循达西定律，属于非线性渗流。对长庆西峰油田不同渗透率岩心进行室内驱替实验，改变岩心两端压差测量流体通过岩心的流速，求得“压差-流量”关系曲线并进行回归，二次多项式拟合相关系数较高，为此，将渗流速度表示为驱动压力梯度的二次多项式，与考虑启动压力梯度的理论渗流速度公式结合，即得到求解低渗透油藏启动压力梯度的数学模型。由该模型分析，启动压力梯度的主要影响因素是驱动压力梯度和流体的流度，启动压力梯度与前者成正比关系，与后者成反比关系。利用启动压力梯度可以计算低渗透油藏非线性渗流条件下油井产量、极限注采井距等。图5表1参12     

低（特低）渗透油藏油井产能预测新方法探索

低（特低）渗透油田存在启动压力梯度,渗流呈“非线性”特征。国内外许多实验表明,当储层渗透率低到一定程度后,其渗流特征不符合达西定律,即当驱动压力梯度较小时,流体不能流动,只有当驱动压力梯度达到一定值后,流体才开始流动。而低（特低）渗透油藏具有低孔、低渗的特点,因此具有很高的启动压力梯度。目前在对低（特低）渗透的产量预测时,启动压力梯度一般被忽略,导致预测结果和实际的生产情况存在较大的误差。通过大量文献调研,确认低（特低）渗透油藏确实存在启动压力梯度,并且是产量预测中不可缺少的因素。为此,文章基于低渗透油藏的渗流机理的分析和研究,同时考虑启动压力梯度的影响,推导出适合低渗透油藏的油井产量预测公式新方法。     

低渗透-致密砂岩油藏水相启动压力梯度实验测试方法

低渗透-致密砂岩油藏普遍存在较高的启动压力梯度，会对CO2驱开发方案设计产生一定影响。常用的启动压力梯度测试方法存在测试结果不准确或者测试时间较长等局限性，为提高实验效率和测试准确性，提出一种针对低渗透-致密砂岩油藏的水相启动压力梯度实验测试方法。通过前期观测液滴冒头时机和后期建立多级稳定驱替的方法，实现在一个驱替过程中同时测得最小启动压力梯度和拟启动压力梯度。该方法测试周期短，实验现象易观测，测试精度较高。应用该方法对油田实际岩心样本进行测试，得到最小启动压力、最小启动压力梯度、拟启动压力梯度的测试结果，建立了适用于目标区域的水相最小启动压力梯度预测模型。     

基于三参数非线性渗流的致密气藏数值试井分析

目前在低渗透储层的试井模型中,常采用具有平均启动压力梯度的拟线性渗流方程,然而拟线性渗流方程只能反映低渗透流动的启动压力梯度特征,不能描述流动的非线性特征。三参数非线性渗流方程既反映了启动压力梯度特征,也描述了非线性凹形曲线。为了提高致密气藏试井资料的解释精度,完善低渗透非线性试井理论,建立了一种基于三参数非线性渗流方程的致密气藏数值试井模型。利用有限差分方法求解模型,获得了井底压力响应曲线及储层压力分布。分析了压力响应曲线和压力分布特征,对比了三参数非线性模型与拟线性模型的结果,并研究了最小启动压力梯度和平均启动压力梯度的影响。研究结果表明：系统径向流阶段的压力导数曲线偏离0.5线,压降曲线的上翘幅度取决于平均启动压力梯度,压力恢复曲线的上翘幅度取决于平均启动压力梯度与最小启动压力梯度的差值。外边界响应的早晚和动边界扩展速度取决于最小启动压力梯度。     

考虑启动压力梯度和应力敏感效应的超低渗透油藏新型产能模型研究

目前国内外关于直井产能公式的研究主要是基于储层基质中的达西流动特征,而矿场生产实践和室内实验研究表明,超低渗储层基质渗流存在较强的非线性和流态的多变性,不符合经典的达西渗流规律。通过目标油田岩心压汞实验,得到启动压力梯度与毛管半径和渗透率的预测模型,在此基础上建立综合考虑启动压力梯度和岩石应力敏感效应的油井产能模型,定量分析启动压力梯度和应力敏感系数对油井产能的影响程度,并应用该模型对延长油田超低渗透X区块油井产量进行预测,平均符合率达92%。结果表明:应力敏感效应和启动压力梯度对单井产能的影响较大,应用推导的改进单井产量计算模型计算结果,更加符合超低渗透油藏的生产实际情况,验证了模型的准确性,对油井合理工作制度的制定具有重要的实践意义。     

非线性渗流对特低渗油藏数值模拟开采的影响

特低渗油藏的数值模拟技术是近年来诸多科研人员关注的焦点,然而特低渗油藏渗流曲线的非线性段和启动压力梯度对油藏开发动态的作用未被现有的商业化软件考虑。以特低渗油藏非线性渗流数值模拟技术为主要的研究方向,建立了特低渗油藏非线性渗流数值模型。用自制软件模拟研究非线性渗流对特低渗油藏数值模拟开采的影响,比较了达西模型、拟启动压力梯度模型和非线性模型的差异,对方向性、油水相态进行了敏感性分析。模拟结果显示,拟启动压力梯度模型的生产效果最差,在一定程度上夸大了地层阻力;达西模型没有考虑启动压力梯度的存在,减小了地层阻力对渗流的影响;非线性模型中启动压力梯度的存在导致渗流阻力增大,增大了生产压差,降低了生产效果。研究结果为特低渗油藏的流动模拟和高效开采提供了理论方法,对提高特低渗油田的采出效果具有一定的指导意义。     

考虑启动压力梯度与裂缝时变性的特低渗油藏数值模拟北大核心CSCD

目前成熟的油藏数值模拟软件难以精确表征特低渗油藏的压裂裂缝时变性和非线性渗流状况,而矿场开发和实验研究表明特低渗储层开发中存在启动压力梯度且裂缝形态与属性呈动态变化。基于室内启动压力梯度实验、压裂支撑剂导流能力实验以及压裂矿场裂缝监测数据和生产数据,利用一种新的数值模拟软件tNavigator,等效表征了特低渗油藏中压裂裂缝的时变性和非线性启动压力梯度渗流状况。延长油田实际油藏模型应用表明,与常规软件数值模拟结果相比,新软件可精确模拟裂缝变化和储层启动情况。本文认识对运用数值模拟商业软件精准开展特低渗油藏开发方案优化与预测研究具有指导意义。     

低渗透油藏不稳定渗流注水见效时间与井距的关系

用常规的压力传播的公式计算低渗透油田注水见效时间,通常与实际情况相差很大。低渗透油藏存在启动压力梯度.并且在不稳定渗流时,流体流动边界不断变化。针对低渗透油藏存在启动压力梯度的特点.以具有启动压力梯度的渗流公式为基础,利用油藏压力分布近似表达式,研究了低渗透油田不稳定渗流压力分布特征;根据物质平衡原理,求出了低渗透油田注水见效时间与注采井距的关系。低渗透油田压力传播时间与压力梯度密切相关,注水见效时间与启动压力梯度成直线关系。该方法推出的注水见效时间的公式,为油田预测注水见效时间和确定合理井距提供了一种重要的手段。     

径向基神经网络优化及在储层敏感性定量预测中的应用

径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。     

神经网络技术在柴油加氢精制装置生产中的应用

针对柴油加氢精制过程的产品质量难以优化和预测的问题,提出了人工神经网络模型。根据国内某石化企业1.0 Mt/a柴油加氢精制装置生产操作数据,分别应用动量BP神经网络、LMBP神经网络和RBF神经网络建立了用于预测柴油加氢产品硫含量的模型。并对建立的RBF神经网络模型的泛化能力进行了考察。结果表明,动量BP神经网络、LMBP神经网络和RBF神经网络预测的平均相对误差分别为3.50%,2.30%,2.18%,RBF神经网络模型的预测性能最佳,且具有良好的泛化能力,能够在工艺操作参数变化时准确地预测柴油产品的硫含量,为柴油加氢精制装置的良好运行和优化操作提供了指导。     

应用多属性神经网络方法预测油气

地震属性包含的地球物理信息十分丰富,但地震属性种类繁多,并且与储层特征对应关系复杂,单属性分析难以确保预测的准确性。人工神经网络方法具备较强的非线性映射能力,使用该方法可以综合利用多属性进行油气预测,提高预测精度。该文采用梯度下降神经网络算法,避免陷入局部极小值,有效加快网络收敛速度,使网络达到全局最优,提高了预测效果。     

混沌优化神经网络方法及其在地震多属性研究中的应用

针对传统的基于梯度下降法BP神经网络中存在非线性多极值目标函数易陷于局部最优解的问题,提出了一种权值学习混沌优化的神经网络方法。非线性动力系统具有初值敏感性、遍历性的特性,采用基于混沌和梯度反传训练相结合来训练网络,可以使网络的连接权在不断迭代过程中自适应演化。实际过井地震剖面地震多属性研究实践表明,所提出的混沌优化学习方法可以克服传统方法的不足,提高预测能力。     

人工神经网络技术在油田储层物性预测中的应用――以西峰油田为例

与传统的测井资料解释和信息处理技术相比较,在对非均质性较强、物性参数级差较大的储集层物性预测中,人工神经网络技术具有极强的自适应和自学习能力,其通过很强的非线性映射,能够精确地建立储集层参数与测井响应之间的非线性模型。在论述神经网络技术基本原理的基础上,对西峰油田延安组和延长组储层的物性参数(孔隙度和渗透率等)进行了预测,取得了较理想的结果。预测结果表明:渗透率参数级差不大(<102)时,预测精度高;渗透率的变化范围较大(>103)时,对具有高渗透率储层的预测精度高,而对具有低渗透率储层的预测值相对误差较大。     

径向基函数神经网络在孔隙度预测中的应用

利用径向基函数神经网络对新疆乌尔禾地区三叠系白口泉组储层孔隙度进行预测,取得了较好的效果。对比分析结果表明,径向基函数神经网络预测结果较BP神经网络以及线性回归法预测结果精度高。阐述了应用中应该注意的问题。     

小波神经网络的油田开发动态指标预测方法

针对现存油田开发动态指标预测方法的不足,借助小波神经网络思想、原理,本文构造了小波神经网络油田开发动态指标预测模型,研究了模型的求解,并应用于实际油田开发动态指标的预测中。实例分析表明,提出的小波神经网络的油田开发动态指标的预测方法是正确和可行的。与人工神经网络的预测方法相比,小波神经网络的预测方法不仅能有效地提高预测精度,而且能提高收敛速度,可作为油田开发动态指标预测的替代方法。     

A New Oilfield Production Prediction Method Based On GM(1,n)

Oilfield production prediction is one of the most important contents in dynamic analysis of oilfield development. At first, the authors produce an improved neural network algorithm. It not only keeps the property of high predicting accuracy, but it also greatly improves the convergence rate by choosing a new searching direction. Then, by considering the shortcomings of the variation tendency of prediction indices, they combine it with the GM (1,1) prediction model and get a new functional simulation prediction method. At last, the authors put this new method into actual oilfield production prediction and gain good predicting results.     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。     

碳纤维原丝纺丝过程的在线监控协同式专家系统

提出了一种针对碳纤维原丝纺丝过程的在线监控协同式专家系统,以NetCon网络化控制系统为硬件壤础建立碳纤维原丝纺丝在线监测系统,利用RBF神经网络建立原丝性能在线预测模型,同时引入遗传算法,增强该神经网络模型的适应性和学习能力。以上述RBF神经网络模型为基础,建立碳纤维原丝纺丝监控协同式专家系统,对影响碳纤维原丝性能的主要指标因素进行调节和配置。该方法为碳纤维原丝纺丝在线监控提出了一种新的思路,并获得了满意的监控效果。