一种对页岩气井进行历史拟合与预测的综合多学科建模与模拟的方法——Eagle Ford案例研究
在当前的商业环境下,非常规区块的油气公司不断被要求降低风险以提高盈利能力.页岩井水平钻井、水力压裂以及完井设计的最新进展都有助于降低成本.然而,准确的储量估算和产量预测仍然是影响底线收入的最大未知因素.先进地下建模技术的应用使油气公司可以获得应对这一挑战的动力.目前用于构建和历史匹配这些模型的典型技术都是基于简单的假设,并忽略了地下特征的不确定性.本文提出了一种综合多学科页岩建模、模拟以及历史匹配的方法.该方法结合了不同建模领域的不确定性从而得到了改进的预测页岩模型.该方法利用微地震数据创建更真实的油藏改造体积(SRV)表征.微地震发生的位置、震级以及破裂面特征被用于构建岩石物理建模所需的离散裂缝网络(DFN).利用通用平台集成器建立了由DFN建模、生成相对渗透率曲线的应用程序以及油藏模拟器组成的正演模型.这些应用程序同时运行以生成一组历史匹配的页岩模型,这些模型捕获了裂缝属性、相对渗透率以及其它重要动态参数的不确定性范围.生产数据通过贝叶斯统计算法和最先进的监督机器学习技术将其自身融合到页岩模型中.我们的方法是使用从Eagle Ford页岩油窗中钻探的三口水力压裂井,并从这三口井中获得响应数据以进行演示.贝叶斯统计和机器学习技术的使用可以使研究人员对根据生产数据校准的多个页岩模型进行识别.研究人员发现裂缝属性、相对渗透率曲线、基质孔隙度以及初始含水饱和度会显著地影响历史匹配.对前后的整体结果进行比较后发现,预测产量的不确定性得到显著降低.本次研究提出的技术能够确保重要的、以前被忽视的地下不确定性以及它们之间的相关性,同时以上信息可作为模型的输入.利用微地震数据改进储层改造区域的界线,同时利用DFN进行建模,再加上通过综合多学科方法捕捉不确定性的能力以提供预测性的页岩模型,以使未来的决策具有高度的可信度.
历史拟合、页岩气井、建模与模拟、拟合与预测、多学科建模、相对渗透率曲线、机器学习技术、贝叶斯统计、离散裂缝网络、应用程序
TE319;TE254.3;R911
2022-07-25（万方平台首次上网日期，不代表论文的发表时间）
共12页
1-12
