[发明专利]一种基于历史及预测油藏知识的剩余油分布预测方法及装置

说明书

本发明提供一种基于历史及预测油藏知识的剩余油分布预测方法及装置，属于石油开发技术领域；方法包括：根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；利用完备数据集对LSTM模型进行训练及测试；利用完成训练的LSTM模型预测单井在预设时刻的产量；根据产量预测结果、油藏专家经验获取预设时刻单井三相饱和度；根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。本发明考虑了众多物理规律及油藏专家经验，从不完整、离散的油藏监测数据出发，外推出了更多油藏信息，为剩余油分布预测提供了完整、鲁棒的数据支撑。

技术领域

本发明涉及石油开发技术领域，特别是指一种基于历史及预测油藏知识的剩余油分布预测方法及装置。

背景技术

获悉剩余油分布一直是油藏在中后期开发阶段提高采收率的重要手段，但受储层非均质性的影响，剩余油分散程度加剧、分布特征趋于复杂，预测其分布有很大的不确定性。

相关技术一般采用利用人工智能计算剩余油分布，该方法将储层网格化并建立了判断网格单元是否见水的SVM分类模型，以长短期记忆网络为核心搭建了预测油水分布的深度学习模型，以此来实现剩余油分布的预测。

但是该方法在前期数据预处理时工作量大，而且对每个网格单元都要单独进行计算，预测效率低。

发明内容

本发明要解决的技术问题是提供一种基于历史及预测油藏知识的剩余油分布预测方法及装置，可解决在前期数据预处理时工作量大，而且对每个网格单元都要单独进行计算，预测效率低的问题。

为解决上述技术问题，本发明提供如下技术方案：

一方面，提供了一种基于历史及预测油藏知识的剩余油分布预测方法，所述方法包括：

根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；

利用所述完备数据集对LSTM模型进行训练及测试；

利用完成训练的LSTM模型预测单井在预设时刻的产量；

根据产量预测结果、油藏专家经验获取所述预设时刻单井三相饱和度；

根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging 方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。

在一种可选的实施例中，根据目标油藏动静态监测数据建立完备数据集，包括：

获取目标油藏现场监测的历史动态及静态数据，形成初始数据集；

根据油藏专家经验对所述初始数据集进行清洗，得到所述目标油藏动静态监测数据集。

在一种可选的实施例中，根据目标油藏动静态监测数据集建立完备数据集，包括：

使用函数拟合方法补全单井历史井头压力数据；

根据Bernoulli方程及油藏地层压力变化分析，补全单井历史井底压力数据；

使用Kriging方法补全区块历史压力场分布数据；

根据相对渗透率曲线及地层流体流动分析，补全单井历史相饱和度数据；

使用Kriging方法补全区块历史饱和度分布数据。

在一种可选的实施例中，所述根据油井相关历史数据建立完备数据集，包括

根据Bernoulli方程及油藏地层压力变化分析，从开井和关井两个方面补全单井历史井底压力数据；

考虑流体流动沿程阻力损失是否可以忽略及区块边界条件设定，使用 Kriging方法补全区块历史压力场分布数据；