[發明專利]一種基于歷史及預測油藏知識的剩余油分布預測方法及裝置

在審

• 申請號: 202210158923.4
• 申請日: 2022-02-21
• 公開（公告）號: CN114638401A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 王九龍;宋鸝影;朱經緯;宋洪慶;都書一
• 申請（專利權）人: 北京中科智上科技有限公司;北京科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/04;G06N3/08
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波;于春曉

本發明提供一種基于歷史及預測油藏知識的剩余油分布預測方法及裝置，屬于石油開發技術領域；方法包括：根據目標油藏油井相關歷史動態及靜態監測數據建立完備數據集；利用完備數據集對LSTM模型進行訓練及測試；利用完成訓練的LSTM模型預測單井在預設時刻的產量；根據產量預測結果、油藏專家經驗獲取預設時刻單井三相飽和度；根據單井三相飽和度并設定油藏邊界條件及物理約束條件，采用Kriging方法插值演化預設時刻油氣水三相飽和度場，得到目標油藏剩余油分布預測結果。本發明考慮了眾多物理規律及油藏專家經驗，從不完整、離散的油藏監測數據出發，外推出了更多油藏信息，為剩余油分布預測提供了完整、魯棒的數據支撐。

技術領域

本發明涉及石油開發技術領域，特別是指一種基于歷史及預測油藏知識的剩余油分布預測方法及裝置。

背景技術

獲悉剩余油分布一直是油藏在中后期開發階段提高采收率的重要手段，但受儲層非均質性的影響，剩余油分散程度加劇、分布特征趨于復雜，預測其分布有很大的不確定性。

相關技術一般采用利用人工智能計算剩余油分布，該方法將儲層網格化并建立了判斷網格單元是否見水的SVM分類模型，以長短期記憶網絡為核心搭建了預測油水分布的深度學習模型，以此來實現剩余油分布的預測。

但是該方法在前期數據預處理時工作量大，而且對每個網格單元都要單獨進行計算，預測效率低。

發明內容

本發明要解決的技術問題是提供一種基于歷史及預測油藏知識的剩余油分布預測方法及裝置，可解決在前期數據預處理時工作量大，而且對每個網格單元都要單獨進行計算，預測效率低的問題。

為解決上述技術問題，本發明提供如下技術方案：

一方面，提供了一種基于歷史及預測油藏知識的剩余油分布預測方法，所述方法包括：

根據目標油藏油井相關歷史動態及靜態監測數據建立完備數據集；

利用所述完備數據集對LSTM模型進行訓練及測試；

利用完成訓練的LSTM模型預測單井在預設時刻的產量；

根據產量預測結果、油藏專家經驗獲取所述預設時刻單井三相飽和度；

根據單井三相飽和度并設定油藏邊界條件及物理約束條件，采用Kriging 方法插值演化預設時刻油氣水三相飽和度場，得到目標油藏剩余油分布預測結果。

在一種可選的實施例中，根據目標油藏動靜態監測數據建立完備數據集，包括：

獲取目標油藏現場監測的歷史動態及靜態數據，形成初始數據集；

根據油藏專家經驗對所述初始數據集進行清洗，得到所述目標油藏動靜態監測數據集。

在一種可選的實施例中，根據目標油藏動靜態監測數據集建立完備數據集，包括：

使用函數擬合方法補全單井歷史井頭壓力數據；

根據Bernoulli方程及油藏地層壓力變化分析，補全單井歷史井底壓力數據；

使用Kriging方法補全區塊歷史壓力場分布數據；

根據相對滲透率曲線及地層流體流動分析，補全單井歷史相飽和度數據；

使用Kriging方法補全區塊歷史飽和度分布數據。

在一種可選的實施例中，所述根據油井相關歷史數據建立完備數據集，包括

根據Bernoulli方程及油藏地層壓力變化分析，從開井和關井兩個方面補全單井歷史井底壓力數據；

考慮流體流動沿程阻力損失是否可以忽略及區塊邊界條件設定，使用 Kriging方法補全區塊歷史壓力場分布數據；