一种自喷井停喷时间预测方法及油嘴大小优化方法

技术领域

本发明涉及石油开采技术领域，具体涉及一种自喷井停喷时间预测方法及油嘴大小优化方法。

背景技术

对自喷井停喷时间进行预测并结合生产需要对油井生产制度进行优化，优化后的单井生产制度能够使该井延长自喷采油期或使得自喷采油期间单井累产油最大，而油田早期开发时，地层能量充足，油井能形成自喷，随着采出程度增加，地层压力下降，含水上升，自喷井就会停喷，这时就需要采用合理的人工举升办法采油。对自喷井喷时间进行科学预测，可为调整举升模式及确保正常运行等提供支撑，同时在油田生产和外输限制等实际生产条件下，分析对油井停喷时间进行准确预测，优化油井工作在制度以避免油井过早停喷，在油田开发方案设计初期及投产后油藏动态分析中都具有重要意义。

目前国内外对自喷井停喷时间预测的主要方法有：最小井底流压法、最小井口油压法和最小地层压力预测法。

对于最小地层压力法：在地层压力预测、油藏能量变化及管流模型选择方面均存在不确定性。杨军征(2019)的《哈法亚油田自喷井停喷时间预测方法研究》基于多相管流和节点分析技术、同时考虑含水率和地层压力变化进行自喷井停喷时间预测，该方法将油井地层压力考虑为与时间的线性关系，且在停喷地层压力预测中仅考虑了含水的变化，未考虑油井的产量及流体物性变化。

对于最小井底流压法：在管流公式、模型的选择等方面均存在不确定性，油藏数据、资料的缺少和数值模拟结果的不准确将会直接影响到预测结果。黄炳光(1997)在《实用油藏工程与动态分析方法》中考虑含水率、流体密度、原油体积系数、油层深度、脱气点深度、摩阻系数和原油饱和压力，建立了适合于我国油藏的直井停喷流压计算经验式，结合井底流压的预测对停喷时间进行计算。该方法采用经验公式计算直井停喷流压，经验式的应用受到较大限制，且在井底流压预测基于特定时期的生产趋势，对较长时期的预测存在较大的不确定性。刘想平的《用神经网络建立自喷井井底流压预测模型》和龚晶晶的《BP神经网络在自喷井井底流压预测中的应用》利用神经网络具有的高度非线性映射能力，通过训练油嘴、深度、产油量、产气量、产水量、油压套压和原油密度等特征参数和井底压力的实测值的关系，对井底压力进行预测，该方法依赖于训练样本的质量和数量，且难以建立井底压力预测和停喷时间预测的关系。

对于最小井口压力法：只适用于特定油嘴尺寸的情况。王青华的《伊拉克Ahdeb油田停喷时间预测》考虑在油嘴尺寸不变的情况下，井口油压随时间呈指数式下降，通过拟合井口压力下降趋势得出油井停喷时间。由于井口压力受到配产影响，考虑为指数式递减的方法并不典型。

因此对于自喷井停喷时间预测上述方式均无法对自喷井动态分析进行长期预测，以及无法克服油井自喷期油嘴大小调整依赖人的经验、人工工作量大的缺点。

发明内容

本发明的目的在于提供一种自喷井停喷时间预测方法及油嘴大小优化方法，本方法充分考虑地层压力、含水率、气油比、流体物性、油管摩阻及产能指数等的影响，在考虑时变流入动态曲线和时变沿程压力损失的基础上，预测当前油嘴下油井的停喷时间，结合自喷期时间最长和单井累产油目标，自动获取优化的油井生产油嘴大小，既克服了传统方法中将井筒和油藏参数考虑为静态参数而无法对自喷井动态分析进行长期预测的缺点，又同时克服了油井自喷期油嘴大小调整依赖人的经验、人工工作量大的缺点。

为达到上述技术目的，本发明通过下述技术方案实现：

一种自喷井停喷时间预测方法，包括如下步骤：

(1)对不同时刻油井压力测试数据进行拟合，得到不同测试时刻井筒与流体性质的不确定参数U

(2)根据步骤(1)中得到的不同测试时刻的不确定参数拟合值，分析累计产油量和不确定参数间的关系，建立目标井不确定参数预测模型；

(3)根据物质平衡原理，建立地层压力与累产液量间的回归模型，用于油井地层压力的计算和预测；

(4)结合目标井不确定参数预测模型以及油井实际生产数据，进行不同时刻的油井井底压力的准确计算，再结合油井地层压力实时预测，计算油井历史产能指数，并建立油井产能指数预测模型；

(5)结合油井含水率历史数据，建立回归方程获得油井含水率预测模型；

(6)结合步骤(2)、(3)、(4)以及(5)中得到的预测模型，建立不同累产下的油井流入动态模型，用于计算不同累计采油量下油井井底压力，再结合井筒和流体性质不确定参数建立不同累产下的油井井口压力预测模型，用于计算相应累计采油量下不同产油量下的油井井口压力，以及结合油嘴嘴流模型，求解停喷时间预测模型，用于获取油井停喷时间。

进一步地，上述步骤(1)中所述不同时刻油井压力测试数据包括压力剖面W

其中：ω

进一步地，将上述优化后的不确定参数U

进一步地，所述步骤(3)中地层压力与累产液量间的回归模型如下式：

其中m通过油井实际生产数据拟合方程

进一步地，根据不确定参数预测模型U＝F

进一步地，所述步骤(5)中油井含水率预测模型为f

进一步地，所述步骤(6)中不同累产下的油井流入动态模型为Petrobras三相流动的流入动态模型，通过计算不同累计采油量下油井井底压力绘制相应油井流入动态曲线p

所述油井井口压力预测模型通过结合油井含水率预测模型、不确定参数预测模型以及井筒剖面计算模型F

所述油嘴嘴流模型为

所述停喷时间预测模型为

在结合上述技术方案所预测的油井停喷时间以及单井累产油目标后，再建立油井停喷的油嘴大小优化模型获取优化的油嘴大小。

进一步地，所述油井停喷的油嘴大小优化模型为

本发明与现有技术相比，具有如下的优点和有益效果：

本发明自喷井停喷时间的预测本方法充分考虑了地层压力、含水率、气油比、流体物性、油管摩阻及产能指数等的影响，在考虑时变流入动态曲线和时变沿程压力损失的基础上，预测当前油嘴下油井的停喷时间，克服了传统方法中将井筒和油藏参数考虑为静态参数而无法对自喷井动态分析进行长期预测的缺点；并在结合自喷期时间最长和单井累产油目标后，建立油井停喷的油嘴大小优化模型获取优化的自喷期油嘴大小，克服了油井自喷期油嘴大小调整依赖人的经验、人工工作量大的缺点。

附图说明

为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：

图1为本发明实施例提供的目标井压力剖面拟合贝叶斯算法框架；

图2为本发明实施例提供的目标井压力剖面拟合前、后示意图；

图3为本发明实施例提供的目标井不确定参数预测模型；

图4为本发明实施例提供的目标井地层压力预测模型；

图5为本发明实施例提供的目标井实时井底压力计算；

图6为本发明实施例提供的目标井产能指数预测模型；

图7为本发明实施例提供的目标井含水率预测模型；

图8为本发明实施例提供的目标井不同累产下的油井流入动态模型；

图9为本发明实施例提供的油井不同累产流入动态及井口压力曲线；

图10为本发明实施例提供的目标井油嘴嘴流模型；

图11为本发明实施例提供的目标井油嘴大小优化过程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

一种自喷井停喷时间预测方法及油嘴大小优化方法，包括如下步骤：

(1)对不同时刻油井压力测试数据进行拟合，得到不同测试时刻井筒与流体性质的不确定参数U

(2)根据步骤(1)中得到的不同测试时刻的不确定参数拟合值，分析累计产油量和不确定参数间的关系，建立目标井不确定参数预测模型；

(3)根据物质平衡原理，建立地层压力与累产液量间的回归模型，用于油井地层压力的计算和预测；

(4)结合目标井不确定参数预测模型以及油井实际生产数据，进行不同时刻的油井井底压力的准确计算，再结合油井地层压力实时预测，计算油井历史产能指数，并建立油井产能指数预测模型；

(5)结合油井含水率历史数据，建立回归方程获得油井含水率预测模型；

(6)结合步骤(2)、(3)、(4)以及(5)中得到的预测模型，建立不同累产下的油井流入动态模型，用于计算不同累计采油量下油井井底压力，再结合井筒和流体性质不确定参数建立不同累产下的油井井口压力预测模型，用于计算相应累计采油量下不同产油量下的油井井口压力，以及结合油嘴嘴流模型，求解停喷时间预测模型，用于获取油井停喷时间。

对于步骤(1)中不同测试时刻井筒与流体性质的不确定参数U

然后再结合井筒剖面计算模型F

在获取不确定性参数集U后通过如图1所示的贝叶斯优化算法优化调整上述油井第i次流压测试时的不确定参数U

通过上式拟合优化即获得第i次流压测试时的不确定参数U

在步骤(2)将上述油井多次流压测试拟合优化的不确定参数U

在确定好不确定参数预测模型后，步骤(3)再根据物质平衡原理得到地层压力与累产液量间的回归模型

根据上述步骤(1)及(2)获取的不确定参数预测模型U＝F

根据油井自喷期含水率和累产油量的历史数据，对这些已知历史数据采用最小二乘法(OLS，Ordinary Least Square)进行回归分析，获得油井自喷期含水率预测模型为f

在上述计算中对获取的不确定参数预测模型、地层压力与累产液量间的回归模型、产能指数预测模型和油井含水率预测模型进行结合，并引入Petrobras三相流动的流入动态模型用于对自喷井动态分析进行长期预测，计算不同累计采油量下油井井底压力，并绘制相应油井流入动态曲线p

为使结果更准确，在获取不同累计采油量下油井井底压力后进一步结合油井含水率预测模型、不确定参数预测模型以及井筒剖面计算模型F

将上述步骤所获取结果带入停喷时间预测模型

在获得更为精确的油井油嘴大小前还需进一步考虑油井停喷的油嘴大小优化模型

Set p

While(NP

While(p

NP

d

其中，δ为油嘴大小调整最小量，q

所述承载计算机伪代码程序的电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括，但不仅限于，处理器。本领域技术人员可以理解，所述示意图仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备等。

所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。

所述存储器可用于存储所述计算机程序或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序或模块，以及调用存储在存储器内的数据，实现所述电子设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Caed,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件，闪存器件、或其他易失性固态存储器件。

所述电子设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件未完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。