简介:在为特定的油藏管理问题寻求最佳解决方法的过程中,正规的优化策略一般都要评价数百种乃至数千种方案。如果用地下的数值模拟模型来预测这些方案的效果,那么这一过程就会耗费大量时间。为了在某些优化技术[例如遗传算法(GA)或模拟退火(SA)]所主导的搜寻求解的过程中取代此类模拟模型,可以采用训练人工神经网络(ANN)的做法。可以从一个有代表性的模拟样本出发来训练神经网络,而这一样本则构成了解决许多不同管理问题所需的可反复使用的知识库。这些概念已被应用于BP公司彭帕那(Pompano)油田的一个注水项目。这里的管理问题是确定1—4口注水井的组合位置,它将使彭帕那油田今后七年的简单纯利获得最大化。利用石油行业的一个标准油藏模型,为取样于25个潜在注水井井位不同组合的550次模拟创建了一个知识库。首先要查询这个知识库,以回答三年和七年内使简单纯利最大化的最优方案问题。有关的答案表明,如能将仅依靠改变现有生产井的注水扩大为新钻三至四口注水井,就可能实现利润的可观增加,但资本费用也会增加。当这一知识库用作人工神经网络训练和测试的样本来源时,可以获得更好的答案。训练人工神经网络是为了预测最高注水量以及开始注水后三年和七年的油、气产量。人工神经网络对这些数量的快速估算可以用于纯利润计算中,而遗传算法又可以利用这一计算来评估不同注水井组合方案的效果。遗传算法的探索扩展了求解的空间,它含有的新方案在纯利润上超过了仅查询上述知识库所找到的最佳方案。为了评估预测误差对求解质量的影响,可以将人工神经网络预测油、气产量时所得出的最佳方案,与油藏模拟模型本身预测油、气产量时找到的最佳方案加以对比。虽然完成基于模拟模型的方案�
简介:本文列举了在挪威近海不同井位进行的泵入/回流测试的现场数据,解释了致密地层中标准扩展滤失测试(XLOTs)在2000m相应的0.1s.g处至少过高估计了最小水平地层应力20bar的原因。泵入/回流测试是一个XLOT的简单改进。在关井以后,压裂液允许通过一个固定油咀回流。压力和回流量被记录为一个时间函数。我们把一些泵入/回流测试的结果与XLOTs所使用的常规泵入/回流测试的结果进行了比较。由于现有的测试是在致密地层内进行的,因此实际裂缝闭合压力显示出比从标准的XLOT传统解释推断的测试结果最多低于20bar。业已证明,在大多数的情况下,泵入/回流测试是直接的解释,因而它也应该是用于测量最小水平地层应力的最优方法。
简介:现在已可利用新的测井技术现场描述含气砂岩储层,以用于优化整个完井过程。由电缆地层测试器获取的动态储层信息以及由核磁共振测井获取连续的高分辨率孔隙度和渗透率数据,极大地提高了产层识别的质量。由于低渗透率页岩质砂岩层段的有效完井往往需要耗时很长的不用修井机的作业,因此采用这项新技术可以大幅度降低作业成本。本文讲述了如何结合使用裸眼井储层质量的全面评价和天然气产能指数进行完井设计,以便缩短从开钻到投入商业开采的时间。这种分多个步骤的综合方法可用于优化各产层段的水力压裂作业,从而提高天然气的总产量。根据各层段的模拟生产动态和预测的气井产量,提出完井设计建议。从这个意义上讲,本文将首先介绍这种方法(与储层的“实地”电缆测值相结合)在几口重要气井完井设计中的应用,而最后还要介绍并讨论这些应用实例到目前为止的结果。