一种基于大数据分析的油水高渗通道识别方法

技术领域

本发明属于石油工业领域，具体涉及一种基于大数据分析的油水高渗通道识别方法

背景技术

水井调驱已成为低渗透油田稳产的主要措施。年工作量达到800井次。优选调驱井是保持低成本、高效益措施效果的主要方式之一。其中，油水井对应关系，即高含水油井的来水方向判识是选井决策技术的核心。目前在油水井对应关系判识上主要是以动态数据对比分析为主，受人为因素影响大，区块整体选井效率不高，难以适应生产需求。

而目前国内外定量化判识油水井对应关系主要是采取最小二乘法、遗传算法、拟牛顿法、高斯估值等传统数学方法来进行求解，实现手段主要是利用SPSS软件、MatLab、自主编程等比较专业的工具。技术门槛高，不宜于推广应用。

因此需要研究定量化、快速化的油水井对应关系判识方法，提升决策效率。

发明内容

本发明的目的是提供一种基于大数据分析的油水高渗通道识别方法，以运用大数据分析算法，进行定量化、快速化的油水井对应关系判识方法，为注水井深部调驱提供决策技术支撑。

一种基于大数据分析的油水高渗通道识别方法，

第一步，收集区域内生产井和注水井的生产数据；

第二步，根据注水井和生产井组成的注采系统的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。

所述第二步中，多元线性回归模型为

式中：

所述生产数据包括注水井的月注入量和日注入量，生产井的月采液量和日采液量。

所述第二步中，多元线性模型得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，注水井与生产井之间的多元线性回归权重值即注水井与生产井之间的动态连通程度，注水井与生产井之间的多元线性回归权重值越高，注水井与生产井之间的动态连通程度也越高。

所述多元线性模型通过梯度下降法求得注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值。

所述第二步中，通过梯度下降法求解得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值时，当目标函数误差小于或小于2时，梯度下降停止，此时迭代出的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值即为稳定值。

第二步后还对一注水井与多个生产井之间的动态连通程度排序，或对一个生产井与多个注水井之间的动态连通程度进行排序，由高至低前三的两井之间可认为产生了高渗透通道或微裂隙，为后续的注水井深部调驱提供支持。

本发明的有益效果在于：基于注水井和生产井的生产数据，可以快速判断注水井深部调驱油水井高渗通道，为之后的调驱提供了基础。

附图说明

图1为西32-29井计算出的高渗通道图；

图2为西32-29井示踪迹试验的高渗通道图；

图3为西28-35井计算出的高渗通道图；

图4为西28-35井示踪迹试验的高渗通道图；

图5为西31-20井计算出的高渗通道图；

图6为西31-20井示踪迹试验的高渗通道图。

以下将结合附图及实施例对本发明做进一步详细说明。

具体实施方式

【实施例1】

一种基于大数据分析的油水高渗通道识别方法，

第一步，收集区域内生产井和注水井的生产数据；

第二步，根据注水井和生产井组成的注采系统的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。

所述生产数据包括注水井的月注入量和日注入量，生产井的月采液量和日采液量。

油藏是一个动力学平衡系统，水井注水量的变化引起油井产液波动是油水井层内连通的特征反映，油井产液量的波动幅度与油水井连通程度相关。油水井间连通性越好，注水量和产液量数据的相关程度越高。基于系统分析思想，把油藏的注水井、生产井以及井间储层看作一个完整的系统，则该系统的输入(激励)为注水井的注水量，输出(响应)为生产井的产液量。

所述第二步中，多元线性回归模型为

式中：

因此在油田生产中，每一口井的产量变化都与周围与之连通的所有注水井的共同作用相关联。根据多元线性回归思想，对于一个由注水井和生产井组成的注采系统，生产井的产液量可以表示为

，通过此公式求解可以得到β

所述第二步中，多元线性模型得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，注水井与生产井之间的多元线性回归权重值即注水井与生产井之间的动态连通程度，注水井与生产井之间的多元线性回归权重值越高，注水井与生产井之间的动态连通程度也越高。

所述多元线性模型通过梯度下降法求得注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值。

所述第二步中，通过梯度下降法求解得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值时，当目标函数误差小于或小于2时，梯度下降停止，此时迭代出的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值即为稳定值。

注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值的初值可由系统分配随机数，随着导入生产数据，通过梯度下降法不断迭代得到新的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，直至注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值趋于稳定，选定此时的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值作为最终输出值，通过最终的注水井与生产井之间的多元线性回归权重值来判断注水井与生产井之间是否有高渗通道存在。

而当目标函数误差小于或小于2时，认为注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值以趋于稳定，停止回归下降法迭代。

而在稳定值的求解过程中，通过目标函数来确定，当目标函数的误差范围处在2内，则认为达到稳定状态，选此时迭代出的β

式中N为注水井数，为本次数据中，注水井的总量，例如在导入的大数据中，总共有100口注水井的数据，则N取100；若本次导入的大数据中注水井数据有50口，则N取50。

第二步后还对一注水井与多个生产井之间的动态连通程度排序，或对一个生产井与多个注水井之间的动态连通程度进行排序，由高至低前三的两井之间可认为产生了高渗透通道或微裂隙，为后续的注水井深部调驱提供支持。

例如A注水井分别与B、C、D、E四口生产井之间均存在连通关系，而B、C、D三口生产井排序前三，则认为A注水井与B、C、D三口生产井之间均存在高渗通道。

其中多元线性模型中的求解如下

假设模型服从多元线性关系，如下：

q

此时，q

似然函数

注：

目标函数：

梯度下降：

求驻点，最终参数的解析式：β＝(I

β：指的是

I：指的是

q:指的是

【实施例2】

在实施例1的基础上，在**油田对465口油井，170口水井进行了应用。其中，油水井动态月数据22860条，日数据685800条，重点验证了21个示踪迹井组，准确率为75％。可以进行快速的辅助识别。

典型井组分析：

1、西32-29井软件计算和示踪迹测试对比

如图1所述，软件计算结果：西32-29注水井和周围油井相关性最高的油井依次为西31-27，西31-29，西32-30。

如图2所述，示踪迹试验结果：注入水主要沿西32-30、西33-31、西31-29方向推进，大致呈北东向，该方向存在高渗透层或微裂缝。西31-29和西32-30相吻合。

2、西28-35井软件计算和示踪迹测试对比

如图3所示，软件计算结果：西28-35注水井和周围油井相关性最高的油井依次为西27-33，西27-34，西29-35。

如图4所示，示踪迹试验结果：西28-35注水井左右两侧(西27-33井-西29-38井方向)为注入水的主要推进方向，该方向存在高渗透层或微裂缝。西27-33，西27-34和西29-35结果均吻合。

3、西31-20井软件计算和示踪迹测试对比

如图5所示，软件计算结果：西31-20注水井和周围油井相关性最高的油井依次为西31-19，西30-19，西32-22。

如图6所示，示踪迹试验结果：西31-20注水井与西30-19、西30-20井有着连通关系，为注入水的主要推进方向，该方向存在高渗透层或微裂缝。西31-19结果吻合。

如实施例所示，计算结果与实际示踪结果大部分都是吻合的，但是示踪剂试验成本高且耗时长，而本发明成本低，只需要利用井场的现有数据即可以得到高渗通道是否存在，及高渗通道可能存在的位置指明大方向，从而为后续的注水井深部调驱提供支持。