一种针对缝洞型油藏油气井的产能试井预测方法及系统与流程

1.本发明属于缝洞型油气藏试井产能评价技术领域，尤其涉及一种针对缝洞型油藏油气井的产能试井预测方法。


背景技术：

2.塔河、顺北等超深碳酸盐岩缝洞型油藏储层发育有基质、裂缝和溶洞。基质基本为低储低渗，不具备储容和渗流能力。裂缝和溶洞是储层主要的储集空间，但二者大小不一(如溶洞内径大至数十米甚至上百米)，流体在裂缝和溶洞中流动特征也表现不同，具体而言，流动特征更倾向于管流，因此缝洞型油藏的流体流动不能采用常规的渗流理论来进行描述。
3.由于储层特征极强的非均质性和流体在其中流动的复杂性，导致碳酸盐岩缝洞型油藏油气井在储层认识、特征描述、产能预测等诸多方面与砂岩油藏大相径庭，研究工作难度倍增，例如流体在不同宽度的裂缝中、在不同体积的溶洞中流动规律是什么样的，流动摩阻以及流动压降如何描述刻画等等，均需要全新的研究。
4.在产能预测方面，前期研究成果多侧向于建立特定的理想模型，忽略因素较多，产能预测效果不佳。鉴于此，亟需一种技术方案来实现对此种油藏储层的可靠的产能预测评价。


技术实现要素：

5.本发明所要解决的技术问题之一是需要提供一种具有实时性强、可靠性高的针对缝洞型油藏油气井的产能试井预测方法。
6.为了解决上述技术问题，本技术的实施例首先提供了一种针对缝洞型油藏油气井的产能试井预测方法，该方法包括：步骤一，优选与总产能相关性大的试井参数；步骤二，采用改进的模糊聚类方法，对选取的多个历史井的试井参数数据进行模糊聚类得到不同的产量聚类结果；步骤三，对经模糊聚类得到的产量聚类结果进行拟合分析，得到试井产量的计算方法；步骤四，针对待评价的目标井，根据试井产量的计算方法进行试井产能的预测。
7.在一个实施例中，优选的试井参数包括原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积。
8.在一个实施例中，所述步骤二中包括如下步骤：将多个历史井的试井参数数据组成样本矩阵并进行归一化处理；对经处理后的多个历史井的试井参数数据与实际总产能进行对应划分，形成多个产能范围，进而得到与多个产能范围对应的多个模糊聚类类别。
9.在一个实施例中，所述改进的模糊聚类方法包括如下步骤：利用马氏距离代替传统的欧式距离得到新的优化目标函数；根据马氏距离确定的优化目标函数来确定模糊聚类中样本的隶属矩阵和聚类中心矩阵计算公式，并通过设置的迭代终止条件和最大迭代次数来确定输出的模糊分类隶属矩阵和聚类中心矩阵。
10.在一个实施例中，利用模糊分类隶属矩阵和聚类中心矩阵计算试井参数数据在模
糊聚类中的有效性函数，选择有效性函数对应的最小值作为聚类结果。
11.在一个实施例中，在所述步骤三中，利用偏最小二乘法对所述试井参数聚类结果进行曲线拟合分析，通过拟合得到试井产量的计算方法。
12.在一个实施例中，在所述步骤四中，利用所述步骤二的改进的模糊聚类方法对目标井的试井参数数据进行模糊聚类得到产量聚类结果，再利用试井产量的计算方法进行目标井的总产量预测。
13.根据本发明另一方面，还提供一种针对缝洞型油藏油气井的产能试井预测系统，该系统包括：试井参数确定模块，其优选与总产能相关性大的试井参数，优选的试井参数包括原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积；模糊聚类模块，其采用改进的模糊聚类方法，对选取的多个历史井的试井参数数据进行模糊聚类得到不同的产量聚类结果；聚类结果分析模块，其对经模糊聚类得到的产量聚类结果进行拟合分析，得到试井产量的计算方法；产能预测模块，其针对待评价的目标井，根据试井产量的计算方法进行试井产能的预测。
14.在一个实施例中，所述模糊聚类模块，其执行如下步骤：将多个历史井的试井参数数据组成样本矩阵并进行归一化处理；对经处理后的多个历史井的试井参数数据与实际总产能进行对应划分，形成多个产能范围，进而得到与多个产能范围对应的多个模糊聚类类别。
15.在一个实施例中，所述模糊聚类模块，其执行如下步骤：利用马氏距离代替传统欧式距离以得到新的优化目标函数；根据马氏距离确定的优化目标函数来确定模糊聚类中样本的隶属矩阵和聚类中心矩阵计算公式，并通过设置的迭代终止条件和最大迭代次数来确定输出的模糊分类隶属矩阵和聚类中心矩阵。
16.在一个实施例中，所述模糊聚类模块，其利用模糊分类隶属矩阵和聚类中心矩阵计算试井参数数据在模糊聚类中的有效性函数，选择有效性函数对应的最小值作为聚类结果。
17.在一个实施例中，所述聚类结果分析模块，其利用偏最小二乘法对所述试井参数聚类结果进行曲线拟合分析，通过拟合得到试井产量的计算方法。
18.在一个实施例中，所述产能预测模块，其利用所述改进的模糊聚类方法对目标井的试井参数数据进行模糊聚类得到产量聚类结果，再利用试井产量的计算方法进行目标井的总产量预测。
19.与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
20.本发明实施例提出了一种针对缝洞型油藏油气井的产能试井预测方法，通过从试井参数中优选出与总产量相关性较大的多种参数，并利用改进的模糊聚类方法将多种试井参数数据进行聚类得到不同的产量聚类结果，再根据偏最小二乘法对试井参数聚类结果进行拟合分析得到产能计算公式，根据产能计算公式进行试井产能预测。本发明实施例能够在试井解释参数的基础上通过相应聚类处理形成产能计算公式，摆脱了传统依靠流体流动理论和储层建模进行产量预测的思路，具有实时性强、可靠性高的优点。
21.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明的技术方案而了解。本发明的目的和其他优点可通过在
说明书、权利要求书以及附图中所特别指出的结构和/或流程来实现和获得。
附图说明
22.附图用来提供对本技术的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本技术实施例的附图与本技术的实施例一起用于解释本技术的技术方案，但并不构成对本技术技术方案的限制。
23.图1是本发明实施例一的针对缝洞型油藏油气井的产能试井预测方法的流程图。
24.图2是本发明实施例的一具体示例的流程图。
25.图3是本发明实施例的试井产能预测的评价结果图。
26.图4是本发明实施例二的针对缝洞型油藏油气井的产能试井预测系统的功能框图。
具体实施方式
27.以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据以实施。本技术实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
28.另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
29.针对缝洞型油藏储层在产能预测方面，现有的技术研究成果多侧向于建立特定的理想模型，然而，该模型忽略较多影响因素，最终通过该模型得到的产能预测效果不佳，准确性低。本发明的发明人着眼于已有的试井解释成果，从其中筛选与产能评价关联度高的多个参数，通过本技术提出的新的模糊聚类方法进行大量数据的深入挖掘与分析，得到比较可靠的产能预测评价方法。
30.实施例一
31.图1是本发明实施例提供的一种基于模糊聚类的产能试井预测方法的流程图。下面参考图1来说明该方法的各个步骤。
32.在步骤s101中，优选与总产能相关性大的试井参数。
33.优选地，可以通过从试井解释软件所测得的试井参数中优选出与总产量相关性较大的多种参数。以塔河、顺北等区块油气井为里，从塔河、顺北等区块油气井试井解释的参数中优选出与总产量相关性较大的6种参数，即原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积。容易理解，上述选取的试井参数可以根据需求进行删减，例如除了上6种参数之外，还可以增加井储常数、裂缝体积或者是溶洞总体积。
34.在步骤s102中，采用改进的模糊聚类方法，对选取的多个历史井的试井参数数据进行模糊聚类得到不同的产量聚类结果。
35.具体来说，首先对多个历史井的试井参数数据进行预处理。该预处理过程包括将多个历史井的试井参数数据组成样本矩阵并进行归一化处理，以及对经处理后的多个历史井的试井参数数据与实际总产能进行对应划分，形成多个产能范围，进而得到与多个产能
范围对应的多个模糊聚类类别。
36.由于在实际的问题中，不同的数据可能有不同的量纲，通过对试井参数数据进行归一化处理，能够进行后期数据的比较和处理。而划分多个产能范围，实质上是为了确定分类的类别数量，在本例中，模糊聚类类别根据对应的总产量可以划分为差、较差、良好、中等、较好、好共6个等级。当然，本领域技术人员可以根据需要，增加或删减类别，本技术对此不做限定。
37.接着，利用马氏距离代替传统的欧式距离得到新的优化目标函数。然后，根据马氏距离确定的优化目标函数来确定模糊聚类中样本的隶属矩阵和聚类中心矩阵计算公式，并通过设置的迭代终止条件和最大迭代次数来确定输出的模糊分类隶属矩阵和聚类中心矩阵。
38.需要说明的是，本技术改进的模糊聚类方法在于是利用马氏距离得到优化目标函数。利用马氏距离能使模糊聚类在产能试井评价中能够调整试井参数样本点在空间中的分布，使相关性强的数据点集中在一起。而且，当选择的试井参数属性之间相关时，不会产生重复数据，使得聚类效果更好。
39.马氏距离计算公式如下式(1)：
[0040][0041]
其中，a表示样本矩阵的均值，x
i
表示n维特征矢量，其中i＝1,2，...，m。
[0042]
利用马氏距离得到的优化目标函数如下：
[0043][0044]
其中，u表示隶属矩阵；a表示聚类中心矩阵；x表示样本集合，x
j
表示n为特征矢量，其中表示协方差调节因子；u
ij
∈[0,1]，其表示分类隶属矩阵，a表示样本矩阵的均值，n表示样本矩阵的列数。
[0045]
最后，利用模糊分类隶属矩阵和聚类中心矩阵计算试井参数数据在模糊聚类中的有效性函数，选择有效性函数对应的最小值作为聚类结果。
[0046]
具体来说，先根据优化目标函数得到拉格朗日乘子式：
[0047][0048]
式中，λ
j
表示拉格朗日乘子。
[0049]
接着，对拉格朗日乘子式中的u和a求偏导，并令偏导等于零，得到计算分类隶属矩阵和聚类中心矩阵的计算公式：
[0050][0051][0052]
根据求得的两个方程，利用以下公式计算有效性函数gd(a)：
[0053][0054]
其中，a表示聚类中心矩阵，σ表示权重因子，n表示共有n个样本，和分别表示x
k
和x
j
与a
i
的距离，k表示样本中的第k个取值。
[0055]
在步骤103中，对经模糊聚类得到的产量聚类结果进行拟合分析，得到试井产量的计算方法。
[0056]
优选地，利用偏最小二乘法对步骤s102中的试井参数聚类结果进行曲线拟合分析，通过拟合得到试井总产量的计算公式，该公式是在所有不同产量范围都适用的总公式。具体的拟合步骤如下：
[0057]
将步骤s102中的历史井的参数数据作为x输入，将经过模糊聚类得到的产量聚类结果作为y输入，然后将矩阵x和y进行标准化处理并分别记为e0和f0；
[0058]
提取第一主成分，矩阵x和矩阵y对应的第一主成分t1和u1公式如下：
[0059]
t1＝e0w1ꢀꢀꢀ
(7)
[0060]
u1＝f0c1ꢀꢀꢀ
(8)
[0061]
其中，w1和c1是矩阵e
0t
f0f
0t
e0的最大特征值所对应的单位特征向量；
[0062]
构建相对t1的回归方程，公式如下：
[0063][0064]
其中，e1和f1是回归方程的残差矩阵；
[0065]
用上述方法对残差矩阵进行第二轮主成分提取，即用e1取代e0，用f1取代f0，并在此基础上在此建立相应的偏最小二乘回归方程。假设进行到第k步，计算如下：
[0066][0067]
在之后每一次的主成分被提取后，如果得到的回归方程能够达到满意的精度，则令算法终止，否则继续提取下一个主成分，该终止原则如下：
[0068][0069]
其中，表示在p个样本点中去掉某个样本点之后，从剩余的样本点中提取出k个主成分进行拟合得到的回归方程对前面去掉的样本点进行预测的拟合值；表示所有p个样本点提取出k-1个主成分拟合的回归方程对样本点进行预测的拟合值；y
ij
表示第i个样本点的第j个因变量。
[0070]
若最后提取了q个主成分，则建立偏最小二乘方程并转换为原始变量的偏最小二乘方程，公式如下：
[0071]
y＝α1x1 α2x2 ... α
q
x
q
ꢀꢀꢀ
(12)
[0072]
其中，α1，α2，...α
q
表示求得的各主成分的系数；x1，x2，...，x
q
分别表示最后确定的q各主成分。
[0073]
在步骤s104中，针对待评价的目标井，根据试井产量的计算方法进行试井产能的预测。
[0074]
根据步骤s103中对模糊聚类结果的拟合分析得到的总产量公式计算系数，可以得到一个试井总产量计算公式。该公式适用于所有不同划分产量范围的试井产能预测工作。
[0075]
从待评价目标井中选取与步骤s101相同的试井参数即原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积。若s101中选取的是其他参数，则从待评价目标井中也需选取与其相同的参数。将待评价目标井中以上6种参数的数据代入试井总产量计算公式中进行计算，得到的结果就是待评价目标井最终的试井预测总产量。
[0076]
本发明实施例提供的方法，克服了依靠流体流动预测产能难度大的弊端，着眼于已有的试井解释成果，通过改进的模糊聚类方法进行大数据分析来实现产能的预测，实时性强、可靠性高。
[0077]
示例
[0078]
下面参考图2和图3，结合具体示例对本发明的应用原理作进一步的说明
[0079]
从顺北、塔河等碳酸盐岩区块中选取20余口油气井的6种试井参数包括原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积的数据为例，对上述方法在该区块缝洞油气井的试井产能预测进行更详细的说明。
[0080]
(1)利用优选出的20余口井的试井解释原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积6种试井参数的数据组成样本矩阵并进行归一化处理，将这些试井参数与总产能进行对应划分为6个产能范围；
[0081]
(2)在进行聚类前首先确定模糊聚类中的迭代终止条件为1e-5、模糊加权指数为2和最大迭代次数为400。将22口井的样本矩阵代入改进的模糊聚类中进行对应总产量的6种等级划分即差、较差、良好、中等、较好、好，得到的聚类结果为6、4、2、2、2、4、3、4、4、5、1、6、3、6、1、1、6、3、1、6、5、5。
[0082]
(3)利用偏最小二乘法将模糊聚类中得到的试井参数聚类结果进性曲线拟合分析，能够得到试井参数的总产量计算公式系数。其中，常数项为-293.9357，拟合方程的系数为3.8158、-1.7953、0.5226、119.6953、-1.3579、0.0001。根据拟合得到的系数可以得到一个试井产量预测方程，且该方程适用于所有参数范围内的试井产能预测工作，公式如下：
[0083]
y＝-293.9357 3.8158x
1-1.7953x2 0.5226x3 119.6953x
4-1.3579x5 0.0001x6[0084]
其中，x1到x6分别是指步骤(1)中所选取的6种试井参数。
[0085]
(4)根据偏最小二乘法拟合分析得到的试井产能预测计算公式，选择6口目标井的6种试井参数即原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积的数据进行试井产能预测，得到的总产能预测结果分别为：96.2、130.6、66.5、19.2、154.6、109.4。
[0086]
(5)如图3所示，将6口目标井的试井产能预测结果与实际总产能结果进行对比，从图中可以得到本技术实施例的试井产能预测方法能够得到较好的预测效果。
[0087]
本产能预测方法依据的是试井过程中的试井参数与总产能之间存在的数据挖掘关系，从而达到良好的产能预测效果。
[0088]
实施例二
[0089]
图4是本发明实施例二的针对缝洞型油藏油气井的产能试井预测系统的功能框图。下面参考图4来说明该系统的各个组成和功能。
[0090]
如图4所示，该系统40包括：试井参数确定模块41、模糊聚类模块42、聚类结果分析模块43、产能预测模块44。试井参数确定模块41，其优选与总产能相关性大的试井参数，优选的试井参数包括原始压力、井筒表皮、渗透率、波动系数、阻尼系数与溶洞体积。模糊聚类模块42，其采用改进的模糊聚类方法，对选取的多个历史井的试井参数数据进行模糊聚类得到不同的产量聚类结果。聚类结果分析模块43，其对经模糊聚类得到的产量聚类结果进行拟合分析，得到试井产量的计算方法。产能预测模块44，其针对待评价的目标井，根据试井产量的计算方法进行试井产能的预测。
[0091]
模糊聚类模块42，其执行如下步骤：将多个历史井的试井参数数据组成样本矩阵并进行归一化处理；对经处理后的多个历史井的试井参数数据与实际总产能进行对应划分，形成多个产能范围，进而得到与多个产能范围对应的多个模糊聚类类别。进一步，模糊聚类模块42利用利用马氏距离代替传统欧式距离以得到新的优化目标函数，然后，根据马氏距离确定的优化目标函数来确定模糊聚类中样本的隶属矩阵和聚类中心矩阵计算公式，并通过设置的迭代终止条件和最大迭代次数来确定输出的模糊分类隶属矩阵和聚类中心矩阵。模糊聚类模块42，其利用模糊分类隶属矩阵和聚类中心矩阵计算试井参数数据在模糊聚类中的有效性函数，选择有效性函数对应的最小值作为聚类结果。聚类结果分析模块43，其利用偏最小二乘法对所述试井参数聚类结果进行曲线拟合分析，通过拟合得到试井产量的计算方法。产能预测模块44，将目标井的试井参数数据输入试井产能预测计算公式中进行目标井的总产量预测。
[0092]
本实施例的各个模块可以分别执行上述实施例的各个步骤，也就是说，试井参数确定模块41、模糊聚类模块42、聚类结果分析模块43、产能预测模块44可以分别执行步骤s101、s102、s103和s104，因此本实施例不再赘述。
[0093]
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
[0094]
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
[0095]
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。