基于智能計算的水力壓裂施工參數(shù)優(yōu)化

《基于智能計算的水力壓裂施工參數(shù)優(yōu)化》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于智能計算的水力壓裂施工參數(shù)優(yōu)化王少英中原油田井下特種作業(yè)公司摘要：木文研宄基于智能計算的壓裂施工參數(shù)優(yōu)化方法，在收集、分析了大量儲層、壓裂、產(chǎn)能數(shù)據(jù)的基礎(chǔ)上，優(yōu)選出了儲層參數(shù)、巖石力學(xué)參數(shù)、壓裂施工參數(shù)和產(chǎn)能參數(shù)等，分別建立/用于裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組和用于產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組，采用遺傳算法優(yōu)化施工參數(shù)，現(xiàn)場應(yīng)用效果良好，對其他類似區(qū)塊具有借鑒意義。關(guān)鍵詞：壓裂;智能計算;壓裂參數(shù)優(yōu)化;作者簡介：王少英（1969-）,主要從事復(fù)雜油氣井測試、壓裂等工作。1前言傳統(tǒng)壓裂施工參數(shù)的優(yōu)化是基于數(shù)學(xué)模型或理論公式的，軟件模擬的結(jié)果與實際裂

2、縫監(jiān)測結(jié)果都有偏差，軟件可信度越來越低。國內(nèi)外學(xué)者對智能計算方法應(yīng)用于壓裂工程已經(jīng)做丫一些探索［1-3］。然而這些研宂都僅限于探索階段，目前未見到成熟的研宄成果和應(yīng)用的相關(guān)文獻(xiàn)報道。本文首先收集了大量壓裂歷史數(shù)據(jù)，優(yōu)選出儲層參數(shù)、巖石力學(xué)參數(shù)、壓裂施工參數(shù)和產(chǎn)能參數(shù)等作為建模的基礎(chǔ)，然后分別建立了裂縫模擬祌經(jīng)網(wǎng)絡(luò)專家組和產(chǎn)能模擬祌經(jīng)網(wǎng)絡(luò)專家組，最后應(yīng)用遺傳算法優(yōu)化施工方案，形成了軟件并應(yīng)用于現(xiàn)場。圖1本文的研宄思路下載原圖2方案設(shè)計2.1參數(shù)分析與優(yōu)選通過對目標(biāo)區(qū)塊大量壓裂施工曲線進(jìn)行大量觀察和總結(jié)，發(fā)現(xiàn)壓裂加砂時按照“五段式”加砂方式進(jìn)行

3、，即攜砂液階段可按照砂比的不同分為五個階段。最終確定了儲層參數(shù)5個（深度、地層壓力、滲透率、孔隙度、厚度），巖石力學(xué)參數(shù)6個（蓋層、底層與儲層的閉合壓力;蓋層、底層與儲層的楊氏模量），壓裂參數(shù)12個（排量（R。）、前置液量（V。），第1段~第5段攜砂液量（CV5）、第1段~第5段砂濃度（CrC5））。同時，輸出參數(shù)共6個（動態(tài)裂縫長度、支撐裂縫長度、動態(tài)裂縫高度、支撐裂縫高度、平均支撐裂縫寬度和無因次導(dǎo)流能力）?？紤]到H標(biāo)區(qū)塊一般情況下壓裂可在一年內(nèi)有效，故選擇研宄壓裂后300天內(nèi)的產(chǎn)量遞減情況。通過研究和對比發(fā)現(xiàn)，目標(biāo)儲層經(jīng)過壓裂措施后

4、基木符合對數(shù)遞減模型的規(guī)律，式子（1）給出了對數(shù)遞減模型。最終選擇輸入?yún)?shù)9個（產(chǎn)層閉合應(yīng)力、產(chǎn)層壓力、滲透率、孔隙度、產(chǎn)層厚度、支撐裂縫長度、支撐裂縫寬度、無因次導(dǎo)流能力、生產(chǎn)壓差），輸出參數(shù)2個（Q。，D）。式屮Q—壓裂后的日產(chǎn)量，t/d;Q。一壓裂后的初始口產(chǎn)量，t/d;D—產(chǎn)量遞減率，t/log（d）;t一壓裂后的生產(chǎn)時間，d。2.2模型建立采用BP神經(jīng)網(wǎng)絡(luò)和LM算法，Sigmoid函數(shù)作為激活函數(shù)，并采用委員會機(jī)器的思想建立專家組，提高神經(jīng)網(wǎng)絡(luò)的精度和穩(wěn)定性。使用23X10X10X6的雙隱層BP神經(jīng)網(wǎng)絡(luò)建立裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組

5、，并分成6組數(shù)據(jù)進(jìn)行訓(xùn)練。為避免初始權(quán)值矩陣的影響，進(jìn)行共計10次的訓(xùn)練，從中選擇性能最佳的網(wǎng)絡(luò)。類似地，選擇使用了5個祌經(jīng)網(wǎng)絡(luò)建立專家組對產(chǎn)能參數(shù)進(jìn)行預(yù)測，最終確定9X10X10X2的雙隱層網(wǎng)絡(luò)結(jié)構(gòu)。最終得到裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組預(yù)測平均相對誤差為8.87%，比單一網(wǎng)絡(luò)預(yù)測平均相對誤差低3.14個百分點，產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組平均相對誤差11.78%,比單一網(wǎng)絡(luò)平均相對誤差小1.03個百分點。2.3方案優(yōu)化在壓裂施工之前應(yīng)使用浄現(xiàn)值指標(biāo)建立優(yōu)化模型，使得壓裂施工的NPV最大化，以確保壓裂后具有良好的經(jīng)濟(jì)效益。建立的優(yōu)化目標(biāo)函數(shù)如下：其

6、中，R,,為排量W為壓裂液量;Vp為支撐劑量?？蓪懗?式中，V。表示前置液量;％至V5分別表示第1段至第5段的攜砂液量義至匕分別表示第1段至第5段的支撐劑濃度。Tf是對應(yīng)參數(shù)搜索空間。采用遺傳算法，先對連續(xù)空間進(jìn)行離散，然后對每個參數(shù)的離散點位置進(jìn)行二進(jìn)制編碼。先確定搜索空間離散時的取值間隔及對應(yīng)的編碼位數(shù)，每個參數(shù)的所有碼對應(yīng)一個基因，12個基因組成染色體，也就是1個個體。最終結(jié)果為凈現(xiàn)值最大的一代種群的個體按凈現(xiàn)值排序組合，決策者可對N個個體進(jìn)行壓裂方案的決策。3應(yīng)用針對鄂爾多斯盆地東部區(qū)塊進(jìn)行了建模，并進(jìn)行8層的應(yīng)用，表2為試驗井與歷

7、年壓裂層平均日產(chǎn)油量和平均日產(chǎn)液量的對比情況，試驗井壓裂平均日產(chǎn)油量比往年增加了39.01個百分點，日產(chǎn)液量比往年增加11.37個百分點?？傮w來看,通過現(xiàn)場應(yīng)用，達(dá)到丫壓裂方案科學(xué)決策與參數(shù)精細(xì)優(yōu)化、切實提高壓裂效果的目的。表1鄂爾多斯盆地勘探井歷年對比情況下載原表4結(jié)論本文建立了一套完整的基于智能計算方法的水力壓裂參數(shù)優(yōu)化設(shè)計，包括裂縫模擬的祌經(jīng)網(wǎng)絡(luò)專家組、產(chǎn)能模擬的祌經(jīng)IM絡(luò)專家組和基于遺傳算法的經(jīng)濟(jì)優(yōu)化模型。裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組預(yù)測平均相對誤差為8.87%,比單一網(wǎng)絡(luò)預(yù)測平均相對誤差低3.14個百分點，產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組平均

8、相對誤差11.78%,比單一網(wǎng)絡(luò)平均相對誤差小1.03個百分點。在8層中進(jìn)行了試驗，試驗井平均日產(chǎn)油量和日產(chǎn)液量分別比歷年提高了39.01和11.37個百分點，達(dá)到了壓裂方案科學(xué)