基于神经网络的低产井静液面恢复模型--中国期刊网

字体：大中小

首页> 原创作品> 正文

基于神经网络的低产井静液面恢复模型

发表时间：2021/3/16 来源：《中国科技信息》2021年2月作者：孙伟李虎赵培杰谭祥军侯敏

[导读] 低渗透油藏开发中后期，因储层物性差，天然能量不足且注水困难，导致地层能量下降油井低产低液，只能采用间歇方式生产。间开生产制度的制定主要难点在停井时长的确定，常规停井时长制定方法，存在着理论公式局限性大、人工测试工作量大、间开周期制定存在盲目性等缺点，极大地制约了油井的经济效益。

山东东营中国石化胜利油田分公司河口采油厂孙伟李虎赵培杰谭祥军侯敏 257200

摘要：低渗透油藏开发中后期，因储层物性差，天然能量不足且注水困难，导致地层能量下降油井低产低液，只能采用间歇方式生产。间开生产制度的制定主要难点在停井时长的确定，常规停井时长制定方法，存在着理论公式局限性大、人工测试工作量大、间开周期制定存在盲目性等缺点，极大地制约了油井的经济效益。本文通过实测静液面恢复取得样本，以地层物性参数和原油物性参数作为输入变量，以静液面高度为输出变量，建立静液面恢复的神经网络模型，为油井间开周期的制定提供依据。
关键词：神经网络；间歇生产；静液面恢复；间开周期
        低渗透油藏开发中后期，因储层物性差，天然能量不足且注水困难，导致地层能量下降油井低产低液，供排不平衡干磨严重，只能采用间歇方式生产[1-2]。为了保证油井产量和经济效益最大化，间开周期的精细制定就显得尤为重要[3]。间开周期由开井时长和停井时长两部分组成，其中开井时长通常通过在线示功图测试可以直接确定，而停井时长的精确制定则比较困难。停井时长主要取决于静液面的恢复程度[4]，本文通过实测静液面恢复数据，以地层物性参数和原油物性参数为输入变量，以静液面高度为输出变量，建立静液面恢复的神经网络模型，对同一区块的其他油井进行预测，从而为间开周期的制定提供依据。
        1.传统的静液面恢复预测方法
        静液面恢复曲线见图1。由曲线可以看出，停井初期液面恢复很快，到后期液面恢复速度逐渐变缓，最终趋于稳定。因此过长的停井时间对井筒内的液体增量意义不大但反而影响了开井时率。液面恢复曲线存在一个明显的拐点，就存在一个最佳的停井时长，从而确定开井时机。
        传统的静液面恢复预测方法有人工实测法、连续测试仪法、渗流模型法等方法[5]。其中人工实测法工作量大且不连续，取得的静液面恢复数据比较粗糙，无法确定最佳开井时机达不到精细管理的要求。而且所测得曲线仅适用于本井，推广性较差。安装在线液面监测仪器虽然可以连续测得静液面恢复曲线，但是成本高昂，经济效益较差。渗流模型法是从渗流力学出发根据停井后地层流入井筒液量变化，推导出液面恢复变化，从而建立液面恢复模型。但是渗流模型法局限性较大，理论推导较为理想，对参数的准确性要求较高，因此实用性较差。

2 静液面恢复神经网络模型的建立
选取5口井实测静液面恢复数据作为训练样本，2口井作为测试数据。以与静液面恢复速度有关的参数渗透率k、储层厚度h、油藏静压P、原油粘度μ、时间t作为输入变量，以测得静液面H为输出变量，建立神经网络预测模型（表一）

采用Python的神经网络库Neurolab中的前馈多层感知器(newff)，一个隐藏层由3个神经元组成，输出层由一个神经元组成[5]。训练算法为梯度下降法，训练好的网络用测试数据进行测试，输出结果如图2所示，基本满足误差要求。

3应用实例
某井采用连续生产工作制度时，日液0.9吨，含水45%，低产低效。采用间开方式生产，根据经验摸索间开周期为开3天后停7天恢复液面，一个周期为10天。对间开周期进行优化，通过连续功图监测开井时长优化为1.5天，运用训练好的神经网络模型对静液面恢复进行预测，基础数据见表二。

输出结果得到液面恢复曲线（见图3），通过曲线分析可以得出，停井110小时后，静液面的恢复速度减慢，继续停井意义不大，因此停井时长优化为4.5天。即一个周期从10天优化为6天，开1.5天停4.5天。每月可开5个周期，月产油量比优化前增加6.66吨，而月耗电节约90Kwh，具有较好的经济效益。

        4结论与认识
        （1）间开井生产合理工作制度的制定主要取决于静液面的恢复情况，关于静液面恢复的预测模型研究对精细管理有重要意义
        （2）神经网络用于预测静液面的恢复方便快捷、准确性高的特点，为间开井的精细管理提供了一种新的思路
        （3）建立的神经网络预测模型可用于同一区块其他井的静液面恢复预测，具有较好的推广性。
参考文献
[1]李道品．低渗透油田高效开发决策论（第二版）[M].北京：石油工业出版社，2016：96-99．
[2]程启贵．大型低渗透岩性油藏评价及开发技术[M].北京：石油工业出版社，2015：34．
[3]李军亮，廖锐全，陈晓春．抽油井间抽周期的灰色预测[J]．断块油气田，19（5）：25-30．
[4]蒙晓灵，张宏波．低产油井间开模式定量优化及应用[J]．西安石油大学学报，2006，21（3）：38-40．
[5]刘巍，刘威，谷建伟．基于机器学习方法的油井日产油量预测[J]．石油钻采工艺．2020，42（01）：70-75．