低渗透垂直缝油田重复压裂技术研究与实践.pdfVIP

低渗透垂直缝油田重复压裂技术研究与实践 罗兰强 王 学 段致睿 尹喜永 (中石油大庆石油管理局) 摘要：本文根据新站油田特点和对以往压裂存在的问题，从压裂液配方、压裂工艺、施工参 数、泵注程序等方面，结合新站油田岩石力学参数，从重复压裂选井选层、地应力剖面及裂缝 转向研究人手，优化出适合新站油田的压裂方案，方案实施后，与以往重复压裂井对比，平均 单井日增油由2．ot上升到3．7t，是从前重复压裂井1．9倍。为同类油田提供了宝贵的经验。 关键词：同井同层重复压裂技术研究 新站油田重复压裂15口井，对比11口井，措施后初期平均单井日增油2．Ot，平均单井 累计增油242t，有效期仅4．6个月，与初次压裂井对比平均单井日增油少3．3t，平均单井 累计增油少210t，有效期缩短3．6个月，因此，提高新站油田重复压裂效果技术研究势 在必行。 1重复压裂选井选层及压裂时机的实践与认识 在确定重复压裂井层上，以往有很多经验做法，如分析砂体图及连通水井注水状况，分 析含水，分析以往压裂施工记录及效果，是否有新的供液方向等，这些在生产中获得的经验 取得了较好的效果，为了把选井选层工作量化、具体化，我们应用人工神经网络数学模型方 法。影响重复压裂效果的主要因素有地层压力、有效厚度、有效渗透率、剩余可采储量以及 含水率等，人工神经网络其基本原理在于利用人脑的机能，学习各影响参数与压裂效果间的 非线性关系，考察影响重复压裂效果的各种因素对重复压裂效果贡献的权重，对众多候选井 进行排序以决定重复压裂候选井的优先顺序。 1．1人工神经网络数学模型的建立 学习算法采用BP(BackPropagation)模型。 作用函数： ，(z)2再≥ (1) 误差函数： E=专∑(以--O,)2 (2) 式中屯，o——第i个样本的期望输出和实际输出。 输出节点的误差为： 盈=(岛一Q)of(1一Q) (3) 隐节点的误差为： 反=五(1一五)∑瓯阢i (4) 一93— 式中X；——隐节点的输出； 菇——上层节点的误差； W舡——隐节点和上层节点的权值。 各层连接权值的修正公式为： w轳+”一w驴’+刁占oi (5) 式中哆——收敛因子。 上述公式使得误差E沿梯度方向下降。 推理机推理是基于神经元的信息处理过程。神经元歹的输入： Ij一∑砜o^ (6) 式中砜——神经元J和下层神经元k之间的连接权值； Q——下层k单元的输出。 神经元的输出： 0i—f(Ji-oj) (7) 式中B——阈值； 卜神经元作用函数。 1．2人工神经网络选井选层的应用 我们以15口井43个层的参数为母本进行学习，对每个层对压裂效果的影响进行了评 价。一是对不同层数的重复压裂井的有效厚度、含水率、地层压力、剩余可采储量百分比等 参数(表1)进行了考察，以压后日增油量2t为目标函数，不同层重复压裂时所满足的 条件。 表1不同层数的重复压裂井的参数 压裂层段数(个) 有效厚度(m) 地层压力(MPa)剩余可采储量百分比(％) 含水率(％) l ≥2 ≥10