气井产能预测方法、装置、电子设备和存储介质与流程

1.本发明涉及油气藏评价领域，具体涉及一种气井产能预测方法、装置、电子设备和存储介质。


背景技术：

2.气井产能预测一直以来都是油气藏评价领域十分重要的研究内容，但是产能计算受到储层多种因素，比如：渗透率、储层厚度、表皮因子等影响，特别是表皮因子等难以预测的参数，使得计算得到的产能结果精度较低，难以达到实际应用的要求。
3.在目前的技术水平下，气井计算产能的方法主要包括公式计算法、数值模拟法和经验模型法。公式计算的方法主要是通过径向流的达西方程建立稳态或非稳态产能方程，进而直接带入储层参数进行计算，这种方法受到表皮因子等难以确定的参数影响，精度较低。数值模拟法则通过建立物理模型和数学模型，依据迭代等数学方法解线性方程组，进而求得压力和产能，且后期需要进行历史拟合，该方法运用时过程复杂且十分耗时。在实际生产过程中通常优先考虑到的是经验模型法，但是现有的经验模型多建立在储层参数和无阻流量之间的关系上，并未建立明确的储层综合参数向产能的直接计算模型，并且随着同一口井的生产制度（流压）改变，原有的模型公式难以计算出较为准确的变化产能。


技术实现要素：

4.鉴于上述问题，本发明以产能与对产能有重要影响的储层参数之间关系为桥梁，建立了一种全新的气井产能预测方法、装置、电子设备和存储介质，以便克服上述问题或者至少部分地解决上述问题。该方法应用范围广，精度较高，且避免了气井产能计算中表皮因子等难以确定参数的影响，能够有效地解决实际生产开发过程中特别是气井产能预测精度不高的难题。
5.根据本发明的一个方面，提供了一种气井产能预测方法，所述气井产能预测方法包括：构建与气井产能相关的、能够反映储层渗流能力和含气性的第一数学模型，所述第一数学模型能够评价储层的生产能力强弱；构建包括储层压力和气井井底流压的第二数学模型，所述第二数学模型用于表征压力对产能的影响；基于所述第一数学模型和第二数学模型确定用于预测产能的第三数学模型；根据所述第三数学模型预测所述气井的产能。
6.在一种可选的方式中，所述第一数学模型包括如下至少两种参数的乘积：储层渗透率、储层厚度、储层孔隙度、含气饱和度或者储层压力。
7.在一种可选的方式中，所述第三数学模型中还包括至少一个表征气井所在区域的经验常数。
8.在一种可选的方式中，所述第一数学模型的表达式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，λ为储层综合参数；k为储层渗透率；h为储层厚度；φ为储层孔隙度；sg为含气饱和度；pi为储层压力。
9.在一种可选的方式中，所述第二数学模型的表达式为： (2)其中，pd为无因次压力；p
wf
为井底流压。
10.在一种可选的方式中，所述第三数学模型的表达式为： (3)其中，a、b为区域经验常数；qg为气井产能。
11.在一种可选的方式中，所述气井产能预测方法还包括：利用dst测试对气井的产能进行验证，并根据验证结果对所述第三数学模型中的经验常数或参数进行修正。
12.根据本发明的另一方面，提供了一种气井产能预测装置，所述气井产能预测装置包括：第一数学模型构建模块，适于构建与气井产能相关的、能够反映储层渗流能力和含气性的第一数学模型，所述第一数学模型能够评价储层的生产能力强弱；第二数学模型构建模块，适于构建包括储层压力和气井井底流压的第二数学模型，所述第二数学模型表征压力对产能的影响；第三数学模型确定模块，适于基于所述第一数学模型和第二数学模型确定用于预测产能的第三数学模型；产能预测模块，适于根据所述第三数学模型预测气井的产能。
13.根据本发明的又一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述气井产能预测方法对应的操作。
14.根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述气井产能预测方法对应的操作。
15.根据本发明公开的气井产能预测方法，仅依据现有的测井和试气数据，就能够快速准确的预测油气产能，由此解决了实际生产开发过程中特别是气井产能预测精度不高的难题，且应用范围广，精度较高，避免了气井产能计算中表皮因子等难以确定参数的影响，为油气田开发提供了可靠的技术支持。
16.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
17.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本发明实施例提供的气井产能预测方法流程图；图2示出了本发明实施例提供的储层综合参数与产能比值和无因次压力间的关系图；图3示出了本发明实施例提供的气井产能预测装置的结构示意图；图4示出了本发明实施例提供的电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
19.图1示出了本发明气井产能预测方法实施例的流程图，如图1所示，该方法包括以下步骤：步骤110：构建与气井产能相关的、能够反映储层渗流能力和含气性的第一数学模型，所述第一数学模型能够评价储层的生产能力强弱。
20.其中，第一数学模型优选为描述油气储层含油气量以及渗流能力的综合性参数，由多个参数相乘、成指数或者相加而得到，其中气井包括油气混合井或者仅产气的井。
21.步骤120：构建包括储层压力和气井井底流压的第二数学模型，所述第二数学模型用于表征压力对产能的影响。
22.由于储层压力和气井井底流压对产能有着较大的影响，本实施例中还构建了第二数学模型，用于计算压力对产能的影响。
23.步骤130：基于所述第一数学模型和第二数学模型确定用于预测产能的第三数学模型。
24.通过油气田多个区块试气数据的统计结果，结合对第一数学模型和第二数学模型计算和试验，确定了预测产能的第三数学模型与第一数学模型和第二数学模型的数学表示关系。
25.步骤140：根据所述第三数学模型预测所述气井的产能。
26.本实施例通过构建第三数学模型实现了一种预测气井产能的全新模型，其能够准确预测气井的油气产能，特别适用于预测气井的产能，且成本低，精度高，为油气田开发提供了较好的技术支持。
27.在本发明的一个优选实施例中，所述第一数学模型包括如下至少两种参数的乘积：储层渗透率、储层厚度、储层孔隙度、含气饱和度或者储层压力。
28.并且上述参数为常规的测井资料标定数据或试气数据，获取方便，且能够保证真实可靠。
29.在一个实施例中，所述第三数学模型中还包括至少一个表征气井所在区域的经验
常数。通过引入油气田所在区域的经验常数，为获得更为精准的预测提供了保障。
30.在一个优选实施例中，所述第一数学模型的表达式为： (1)其中，λ为储层综合参数，k为储层渗透率，单位为md；h为储层厚度，单位优选为m；φ为储层孔隙度，为小于1的小数；sg为含气饱和度，为小于1的小数；pi为储层压力，单位为mpa。
31.具体的，储层综合参数λ中的各个参数，均是与实际气井生产能力相关的重要参数。式中，kh代表地层系数，它反映了地层的供气能力大小，其值越大，气层供气能力越强；孔隙度φ反映了储层储集能力；含气饱和度sg指示了储层含气性；地层压力pi代表储层压力，其值越大，地层能量越强。因此，储层综合参数λ在一定程度上反映了气层生产能力的强弱。
32.在一个优选实施例中，所述第二数学模型的表达式为： (2)其中，pd为无因次压力，为小于1的小数；p
wf
为井底流压，单位为mpa。
33.无因次压力 pd代表了不同地层或同一地层不同生产制度下气井井底流压的变化。
34.在一个优选实施例中，所述第三数学模型的表达式为： (3)其中，a、b为区域经验常数；qg为气井产能。
35.通过海上某油气田多个区块试气数据的统计结果，发现储层综合参数λ与气井产能的比值同无因次压力 pd之间存在如式（3）所示的普适性规律，关系中的经验常数a和b随着区域变化而变化。
36.对于所建立的气井产能预测模型，其中的各个参数在现有的技术中均能够获得较为准确的值。通过将常规的测井资料标定数据和试气数据结合，能够得到较准确的渗透率、储层厚度、孔隙度、含气饱和度、地层压力等信息，只要确定了生产的井底流压，就能利用本发明的产能模型计算出气井的产能，为气井开发生产提供较可靠的技术支持。
37.如图2所示的 a气田某区块10口气井构建得到的产能模型，示出了储层综合参数与产能比值和无因次压力间的关系：y = 182.48e-5.064x
模型拟合精度r2(相关系数)达到了0.9237。它表示该区块经验常数a为182.48，经验常数b为5.064。
38.在一个实施例中，所述气井产能预测方法还包括：利用dst测试对气井的产能进行验证，并根据验证结果对所述第三数学模型中的经验常数或参数进行修正。
39.其中，dst（drill-stem testing）测试即气井中途测试，又称钻杆测试，它是指在气井正常钻进过程中，为了获得对油气评价，中断钻井利用地层测试仪器进行测压、求产和
取样，从而获得产能预测的方法。
40.为了检验模型的计算结果准确性，应用该区块另一口已dst测试气井进行产能计算并与dst结果进行对比。
41.比如，在一个测试段dst1中，测得储层基本参数如下：井段长3248.3~3254.2，垂厚5.9m，渗透率k为120md，孔隙度φ为18.9，含气饱和度sg为52.1，地层压力为31.5305mpa。
42.通过气井不同生产制度下模型计算产能和dst测试产能及误差分析可知，计算的误差范围在20%以内，大部分误差在10%左右，实现了预测的目的。
43.根据误差分析结果，模型计算气井产能与dst测试产能基本吻合，达到了快速且较为准确预测气井产能的目的。
44.图3示出了本发明气井产能预测装置实施例的结构示意图。如图3所示，该气井产能预测装置300包括：第一数学模型构建模块310，适于构建与产能正相关的第一数学模型，所述第一数学模型能够评价储层的生产能力强弱。
45.第二数学模型构建模块320，适于构建包括储层压力和气井井底流压的第二数学模型，所述第二数学模型表征压力对产能的影响。
46.第三数学模型确定模块330，适于基于所述第一数学模型和第二数学模型确定用于预测产能的第三数学模型。
47.产能预测模块340，适于根据所述第三数学模型预测气井的产能。
48.本实施例公开的气井产能预测装置300通过构建第三数学模型，其能够准确预测气井的油气产能，特别适用于预测气井的产能，且成本低，精度高，为油气田开发提供了较好的技术支持。
49.在一个实施例中，所述第一数学模型包括如下至少两种参数的乘积：储层渗透率、储层厚度、储层孔隙度、含气饱和度或者储层压力。
50.在一个实施例中，所述第三数学模型中还包括至少一个表征气井所在区域的经验常数。
51.在一个实施例中，所述第一数学模型的表达式为： (1)其中，λ为储层综合参数；k为储层渗透率；h为储层厚度；φ为储层孔隙度；sg为含气饱和度；pi为储层压力。
52.在一个实施例中，所述第二数学模型的表达式为： (2)其中，pd为无因次压力；p
wf
为井底流压。
53.在一个实施例中，所述第三数学模型的表达式为： (3)其中， a、b为区域经验常数；qg为气井产能。
54.在一个实施例中，所述气井产能预测装置300还适于：利用dst测试对气井的产能
进行验证，并根据验证结果对所述第三数学模型中的经验常数或参数进行修正。
55.根据本发明公开的气井产能预测方法和装置，仅依据现有的测井和试气数据，就能够快速准确的预测油气产能，由此解决了实际生产开发过程中特别是气井产能预测精度不高的难题，且应用范围广，精度较高，避免了气井产能计算中表皮因子等难以确定参数的影响，为油气田开发提供了较好的技术支持。
56.本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的气井产能预测方法。
57.图4示出了本发明电子设备实施例的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
58.如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(communications interface)404、存储器(memory)406、以及通信总线408。
59.其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。处理器402，用于执行程序410，具体可以执行上述用于电子设备的气井产能预测方法实施例中的相关步骤。
60.具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
61.处理器402可能是中央处理器cpu，或者是特定集成电路asic（application specific integrated circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
62.存储器406，用于存放程序410。存储器406可能包含高速ram存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
63.程序410具体可以用于使得处理器402执行上述任一实施例中的气井产能预测方法对应的操作。
64.在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
65.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
66.类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要
求本身都作为本发明的单独实施例。
67.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
68.此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
69.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（dsp）来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
70.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。