一種壓裂裂縫網絡的反演表征方法與流程

本發明涉及一種裂縫網絡反演技術，尤指一種分段壓裂或體積壓裂后的裂縫網絡標定和屬性反演方法。
背景技術：
：水力壓裂技術是目前應用最廣泛的非常規油氣資源開發技術。水力壓裂后會在油氣井的周圍產生復雜的裂縫網絡，輔助地層內的油氣流入井筒從而提高油氣井產量。評價壓裂后的裂縫網絡，有利于對當前施工效果進行判定，為后續措施提供參考。而當前，用于監測水力壓裂的微地震技術，僅可以監測壓裂過程裂縫的閉合情況，并不能具體反映裂縫網絡的分布情況，連通情況和生產狀況。因此，深入探究水力壓裂后裂縫網絡的幾何分布情況及裂縫屬性，同時充分利用壓裂施工參數，微地震信號，油氣井產量數據等有限資源，需要一種簡單同時實用的壓裂裂縫網絡反演方法。而當前技術并不能同時兼備簡便性和準確性。技術實現要素：針對上述問題，本發明提出了一種水力壓裂裂縫網絡反演方法，兼備簡便性，易操作性和準確性，具體包括：1)主要數據與輔助數據的讀取與錄入：(1)壓裂監測微地震信號的讀取，并將這些信號轉化為可以識別的三維空間坐標信息，用以初步標定裂縫的分布情況；(2)油氣井產量數據、壓裂施工參數、油藏儲層信息的讀取，用以輔助標定裂縫網絡屬性，提高網絡反演的準確性；2)基于分形幾何系統，結合優化后的整數規劃方法，生成能夠在幾何形態上滿足與微地震信號最小二乘匹配的分形裂縫網絡；3)基于常規工程參數及施工參數：如監測裂縫導流能力，或常規分析方法：如不穩定產能分析方法，對第一次生成的分形裂縫網絡進行質量檢查，調整控制裂縫幾何形態的分形參數；4)基于產量數據，結合修正后的遺傳算法進行歷史擬合，逐級標定裂縫網絡的屬性，最終得到能夠標定裂縫網絡集合形態與具體屬性的分形裂縫網絡模型。步驟1)中，用于標定和反演裂縫網絡屬性的必要參數為：壓裂微地震監測信號及油氣井單井產量數據，用于修正和精確最終結果的輔助參數為：壓裂施工參數：排砂量、砂比、壓裂液注入量和排量；測井參數包括：地層有效滲透率、壓裂裂縫有效孔隙度、裂縫導流能力。步驟1)中，除必要參數以外，其他輔助參數可部分或完全缺失，為進行質量檢查，可以通過常規不穩定產能分析方法進行相關參數的測算，包括：裂縫總半長、裂縫導流能力、基質有效滲透率。步驟2)中的分形幾何系統，采用隨機相似分形系統(L-system)，其主要控制參數為：(1)幾何長度；(2)偏轉角度；(3)迭代次數；(4)生成規則。其中，分型系統的幾何長度控制裂縫主干和次生裂縫的長度，與裂縫網絡的總半長密切相關，具體影響情況可見附圖2。其中，分形系統的偏轉角度控制裂縫偏轉或產生次生裂縫時的偏移量，與裂縫網絡的覆蓋面積密切相關，具體影響情況可見附圖3.其中，迭代次數控制分形系統的復雜程度和節點個數，該參數與微地震信號的疏密程度，以及裂縫網絡的復雜程度、連通程度密切相關。其中，生成規則控制分形裂縫與原始微地震信號的匹配程度，預置高精度、大量的生成規則用以挑選匹配能夠獲得更加準確，匹配程度更高的分形裂縫網絡；而通過降低預置的生成規則個數，能夠提高匹配效率，節約工作時間，規則說明見附圖4。步驟2)中，分形裂縫的幾何匹配方法可以通過修正整數規劃的方法實現。同時，針對某一區塊的多樣本進行大量的形態匹配，可以生成相應的數據庫，并基于數據庫，應用人工神經網絡方法完成后續的裂縫網絡形態匹配。其中，基于整數規劃的匹配方法為：(1)提取微地震型號空間坐標信息；(2)提取分形網絡的節點信息并轉化為空間坐標信息應用如下方式進行匹配；(3)通過分支定界法，求解該整數規劃問題的最優解，得到滿足最小二乘解條件下的，能夠匹配微地震監測信號的分形裂縫網絡。目標函數:min=Σi=1mΣj=1npijlij---(1)]]>限定條件：Σj=1npij=1lij≤eΣi=1mΣj=1npij=n---(2)]]>其中：其中，e表示微地震監測信號所具有的系統誤差；lij表示第i個微地震信號與第j個分形系統節點之間的距離；pij為0-1規劃變量，具體數值符合公式(3)中的說明；n為微地震監測信號的總數。其中，若只針對單一油氣井進行裂縫網絡的匹配和還原，采用以上基于整數規劃的匹配方法。若需要針對整個區塊進行壓裂的評價與優化，可以經過大量微地震信號匹配訓練后，建立分形裂縫網絡與微地震信號的匹配數據庫，建立匹配微地震信號與分形裂縫網絡的人工神經網絡算法。后續的微地震信號點位匹配可以直接通過人工神經網絡算法進行實現和修正。步驟3)中，對分形裂縫的網絡具體指通過已有監測參數對分形形態的修正，具體指：(1)比較分形網絡主裂縫長度與實際監測裂縫網絡的主要貢獻區域長度是否有偏差；(2)比較監測得到的裂縫導流能力下，分形裂縫網絡模型能否實現初步的產量歷史擬合；其中，若無法通過排量、壓裂液量等施工參數確定主要貢獻區域長度，也并未對該井進行生產測井獲得裂縫網絡相關屬性，可選擇應用常規不穩定產能分析方法，估算主要儲層參數和裂縫參數。其中，不穩定產能分析方法通常采用以下分析方法：(1)根據產量數據及壓力數據在雙對數坐標圖下進行流態劃分；(2)根據各流態對應計算方法估算對應參數步驟3)中，獲得實際裂縫網絡屬性后，可以通過限定分形主裂縫長度，分形網絡覆蓋面積兩個參數，修正獲得的匹配分形網絡，或重新求取滿足限定條件的分形裂縫網絡，同時達到過濾部分無效微地震信號的作用。步驟4)中，通過啟發式算法快速求取能夠實現產量歷史擬合的裂縫參數，其主要采用的方法為：遺傳算法、粒子群算法或模擬退火算法。求取步驟為：(1)通過分形迭代次數及監測主裂縫長度對分形裂縫網絡進行分級，可以選擇的分級為：2級(主裂縫、次生裂縫)和3級(主裂縫、較高導流能力次生裂縫、較低導流能力次生裂縫)。根據分級情況，選定2到3個未知數，即各級裂縫導流能力作為求取參數，以產量數據作為目標函數，進行優化檢索，當擬合程度滿足設定誤差，獲取各級裂縫導流能力，實現裂縫屬性反演。步驟4)中，求取參數可以通過需要進行增加或減少，設定方法與上述方式一致，通過增加或減少啟發式算法的未知數數量實現。通過以上步驟，可以實現基于分形系統的裂縫網絡反演。本發明由于采取以上技術方法，與目前主流的反演方法相比，具有以下優點：1、本發明充分利用了分形系統的多級特性和獨立特性，在幾何形態和屬性分布上對監測裂縫網絡進行分級劃分，這是當前主流模擬方法不能實現的；2、基于分形系統的幾何標定，可以將壓裂施工參數等工程參數與分形控制參數進行關聯，實現實際參數與理論參數的相互關聯，能夠以此建立有效的分析數據庫，并以此強化人工神經網絡計算方法的準確性；3、采用分形系統與啟發式算法的結合，能夠通過分級標定，提高參數標定的準確性。本發明可以廣泛應用于油氣井水力壓裂后的裂縫監測及反演。附圖說明圖1是本發明的整體流程示意圖；圖2是
發明內容中提出的關于幾何長度對分形系統形態影響的示意圖；圖3是
發明內容中提出的關于偏轉角度對分形系統形態影響的示意圖；圖4是
發明內容中提出的關于迭代次數對分形系統形態影響的示意圖；圖5為基本的生成規則示意圖；圖6為3次迭代后各級裂縫分布的示意圖；圖7為應用估算參數局部修正裂縫網絡的示意圖；圖8為修正前后歷史擬合效果對比示意圖；具體實施方式結合附圖及實施案例對本發明進行詳細描述。本發明提供一種基于分形系統的壓裂裂縫網絡標定及屬性反演方法，具體步驟如下：1)主要數據與輔助數據的讀取與錄入：(1)壓裂監測微地震信號的讀取，通常的微地震信號數據為大地坐標系，需要將坐標轉化進入以射孔點為坐標原點的新坐標系中，以便于后期計算。(2)油氣井產量數據、壓裂施工參數、油藏儲層信息的讀取，油氣井產量數據為日產量數據，生產單位為Mscf/天，其他信息如基質滲透率k，單位為達西(D)，裂縫導流能力，單位為D·cm。孔隙度小數。其他單位根據油氣井監測的實際情況讀取，非必須。若單井監測數據不足，可通過產量數據進行不穩定產能分析獲取相關參數輔助后期參數修正，常規不穩定產能分析計算方法如下：(1)根據產量數據及壓力數據在雙對數坐標圖下進行流態劃分；(2)根據各流態對應計算方法估算對應參數，計算公式如下：表1不穩定產能分析公式其中，m(pi)為擬壓力，單位為psi2/cp；qg為氣井日產量，單位為Mscf/天；t為時間，單位為天；k及kf為滲透率，單位為達西；T為溫度，單位為K；wf為裂縫開度，單位為m；h為地層厚度，單位為m；μ為流體粘度，單位為cp；c為綜合壓縮系數，單位為psi-1。經過不穩定產能分析計算后，可以得到三個主要參數為：主裂縫總半長，次生裂縫平均導流能力以及基質滲透率。步驟2)，基于分形幾何系統，結合優化后的整數規劃方法，生成能夠在幾何形態上滿足與微地震信號最小二乘匹配的分形裂縫網絡；若不存在分形裂縫數據庫或多次訓練后的人工神經網絡匹配算法，則需要根據改進整數規劃方法進行匹配，得到滿足最小二乘解條件下的，能夠匹配微地震監測信號的分形裂縫網絡。目標函數:min=Σi=1mΣj=1npijlij---(1)]]>限定條件：Σj=1npij=1lij≤eΣi=1mΣj=1npij=n---(2)]]>其中：其中，e表示微地震監測信號所具有的系統誤差；lij表示第i個微地震信號與第j個分形系統節點之間的距離；pij為0-1規劃變量，具體數值符合公式(3)中的說明；n為微地震監測信號的總數。步驟2)中的分形幾何系統，采用隨機相似分形系統(L-system)，其主要控制參數為：(1)幾何長度；(2)偏轉角度；(3)迭代次數；(4)生成規則。這四個參數也是需要以上整數規劃進行匹配獲得的參數。其中，分型系統的幾何長度控制裂縫主干和次生裂縫的長度，與裂縫網絡的總半長密切相關，具體影響情況可見附圖2。其中，分形系統的偏轉角度控制裂縫偏轉或產生次生裂縫時的偏移量，與裂縫網絡的覆蓋面積密切相關，具體影響情況可見附圖3.其中，迭代次數控制分形系統的復雜程度和節點個數，該參數與微地震信號的疏密程度，以及裂縫網絡的復雜程度、連通程度密切相關。其中，生成規則控制分形裂縫與原始微地震信號的匹配程度，預置高精度、大量的生成規則用以挑選匹配能夠獲得更加準確，匹配程度更高的分形裂縫網絡；而通過降低預置的生成規則個數，能夠提高匹配效率，節約工作時間，規則說明見附圖4。步驟2)中，若該區塊已經進行或需要進行人工神經網絡算法的訓練，可采取多個微地震信號樣本進行整數規劃匹配獲得所需的分形控制參數，并將以上分形控制參數與對應微地震信號分布作為訓練項錄入人工神經網絡算法中，經過大量樣本訓練后，可以通過人工神經網絡算法針對不同微地震信號分布，直接獲得最佳匹配的分形控制參數(幾何長度、偏轉角度、迭代次數、生成規則)，以及對應的分形裂縫網絡幾何形態。步驟3)，若未建立施工參數與分形裂縫網絡相對應的修正數據庫，可以采用不穩定產能分析方法獲得的參數對得到的分形裂縫網絡進行修正，修正裂縫網絡的主裂縫長度以及覆蓋面積，修正示意圖見附圖7。步驟3)中，對分形裂縫的網絡具體指通過已有監測參數對分形形態的修正，具體指：(1)比較分形網絡主裂縫長度與實際監測裂縫網絡的主要貢獻區域長度是否有偏差；(2)比較監測得到的裂縫導流能力下，分形裂縫網絡模型能否實現初步的產量歷史擬合；步驟3)中，獲得實際裂縫網絡屬性后，可以通過限定分形主裂縫長度，分形網絡覆蓋面積兩個參數，修正獲得的匹配分形網絡，或重新求取滿足限定條件的分形裂縫網絡，同時達到過濾部分無效微地震信號的作用。若需要建立施工參數分形裂縫網絡的修正數據庫，可以將施工參數如：壓裂液注入量、排量、砂比等參數與分形裂縫控制參數(幾何長度、偏轉角度、迭代次數、生成規則)進行關聯，建立對應數據庫，關聯方法為：多元非線性回歸方法，人工神經網絡算法。若采用多元非線性回歸方法，需要較少量樣本，將所需參數與分形控制參數進行回歸分析，得到最佳匹配經驗公式，直接應用于該井或該區塊；若樣本較多，對準確性及運算時間要求較高，可采用人工神經網絡算法，將施工參數作為訓練項，分形控制參數作為輸出項，構建基本人工神經網絡，應用于后期的分形裂縫網絡修正。4)基于產量數據，結合修正后的遺傳算法進行歷史擬合，逐級標定裂縫網絡的屬性，最終得到能夠標定裂縫網絡集合形態與具體屬性的分形裂縫網絡模型。步驟4)中，通過啟發式算法快速求取能夠實現產量歷史擬合的裂縫參數，其主要采用的方法為：遺傳算法、粒子群算法或模擬退火算法。求取步驟為：(1)通過分形迭代次數及監測主裂縫長度對分形裂縫網絡進行分級，可以選擇的分級為：2級(主裂縫、次生裂縫)和3級(主裂縫、較高導流能力次生裂縫、較低導流能力次生裂縫)。根據分級情況，選定2到3個未知數，即各級裂縫導流能力作為求取參數，以產量數據作為目標函數，進行優化檢索，當擬合程度滿足設定誤差，獲取各級裂縫導流能力，實現裂縫屬性反演。步驟4)中，若需要增加測算參數，可以提高遺傳算法或其他算法的求取未知數數量，同樣以日產量與歷史產量的誤差最低為目標函數，進行求解運算，得到所需參數。當前第1頁1 2 3