[發明專利]河流相砂體井間平面連通性定量評價方法

有效

• 申請號: 202011397661.4
• 申請日: 2020-12-03
• 公開（公告）號: CN114594526B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 張海娜;杜玉山;李健;翟亮;徐鵬曄;劉麗;姜書榮;王志偉;胡晨彬;崔晴晴
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司勝利油田分公司勘探開發研究院
• 主分類號: G01V9/00
• 分類號: G01V9/00;G06F17/10
• 代理公司: 濟南日新專利代理事務所(普通合伙) 37224
• 代理人: 崔曉艷

本發明提供一種河流相砂體井間平面連通性定量評價方法，該河流相砂體井間平面連通性定量評價方法包括：步驟1，進行單河道砂體識別與劃分，建立井對樣本詳細數據表；步驟2，設立與連通性關系密切的5個關鍵參數，計算井對的5個關鍵參數；步驟3，對井對的5個關鍵參數進行數據處理及權重計算；步驟4，計算井間連通性定量評價參數M，進行河流相砂體井間平面連通性定量評價。該河流相砂體井間平面連通性定量評價方法與以往方法相比具有更好的操作性，具有創新性、實用性，利于推廣，為井間平面連通性定量評價提供了簡單、快速、切實可行的方法。

技術領域

本發明涉及油氣田開發技術領域，特別是涉及到一種河流相砂體井間平面連通性定量評價方法。

背景技術

在油田開發進入中后期，研究井間儲層的連通性對井間剩余油的預測、井網層系的調整和新鉆調整井井位部署、投產射孔方案的編制以及注采井的配產配注等有著重要的決策指導作用。目前井間儲層的平面連通性評價方法以定性評價方法較多，有地質方面的依據某個參數或多個參數劃分連通性等級的方法，有根據沉積類型、砂體疊合模式分析的方法，也有油藏工程方面的壓降分析法、注采動態資料相關分析法，干擾試井法和示蹤劑等方法。定量評價方法較少，定量評價方法主要有機器學習和數值模擬等。機器學習方法需要建立預測模型，而數值模擬方法必須建立地質模型，對所建模型的準確度要求較高，其預測結果很大程度上取決于所建立的三維地質模型及孔滲參數的測井解釋結果，該方法需要較長的研究時間和較高實施成本費用。

在申請號：201711257300.8的中國專利申請中，涉及到一種確定砂體連通性的方法及裝置。方法包括：分別確定各標準指標與各指定連通性等級的隸屬度關系；根據標準指標設置標準指標對應的權重矩陣，分別確定權重矩陣中各標準指標的目標權重值；根據第一地質參數信息和第二地質參數信息，確定目標指標和目標指標參數值，根據目標指標參數值、標準指標的目標權重值和隸屬度關系，確定第一單砂體和第二單砂體之間的砂體連通性。該專利考慮了兩個砂體的砂地比、夾層密度、砂體滲透率和孔隙度，并且根據這些參數的乘積劃分了連通性的三個等級(等級Ⅰ、等級Ⅱ、等級Ⅲ)，對每個等級確定了標準指標，實現了工區內兩個單砂體之間的連通性等級評價。缺乏砂體內井與井之間的井對之間的連通性定量評價。

在申請號：201811002234.4的中國專利申請中，涉及到一種確定砂體連通性的方法、裝置及系統。所述方法包括激光掃描目標工區的儲層露頭類似體，獲得所述儲層露頭類似體的數字露頭剖面；從所述數字露頭剖面上提取砂體厚度數據；根據提取的砂體厚度數據及測井砂體厚度數據確定所述目標工區的砂體連通性。該專利利用露頭砂體連通關系約束井下砂體勾連方式，來確定目標工區的砂體連通性，是一種連通性的定性評價方法。

在申請號：201910658689.X的中國專利申請中，涉及到一種地下井間單河道砂體的對比方法和裝置。該方法包括：獲取監測井中檢測到的由注入井注入的示蹤劑的檢測信息；根據檢測信息，計算井間砂體的連通性參數，其中，連通性參數表示注入井和監測井之間的砂體連通性能；根據連通性參數，確定注入井和監測井之間的砂體連通狀況；根據砂體連通狀況，從復合河道中識別出單河道砂體并進行對比，其中，復合河道由多條單河道砂體拼合疊置形成。該專利通過監測示蹤劑見劑速度來確定注入井和監測井之間的砂體連通狀況。該方法的缺點是在實際生產中能夠做示蹤劑實驗的井較少，尤其是在海上油田就更少之又少。

在申請號：201710376308.X的中國專利申請中，涉及到一種砂體連通性評價方法及裝置。該方法包括：分別建立工區的橫向連通性砂體樣本、縱向連通性砂體樣本和內部連通性砂體樣本，并將每類砂體樣本分為訓練樣本和測試樣本；利用預設的機器學習算法對每類砂體樣本的訓練樣本進行訓練，建立對應的砂體連通性預測模型；根據每類砂體樣本的測試樣本對對應的砂體連通性預測模型進行優化，以使對應的砂體連通性預測模型的預測結果滿足預設條件；根據優化后的砂體連通性預測模型，對所述工區內待識別砂體對應的砂體數據進行砂體連通性評價，獲得評價結果。該專利通過預設的機器學習算法對每類砂體樣本的訓練樣本進行訓練，建立對應的砂體連通性預測模型，應用該預測模型對待識別砂體進行評價。該方法的缺點是機器學習算法多、過程較復雜、不利于操作。