基于数据驱动技术的智能试井解释方法——以有水气藏产水气井为例

摘要：

对解释模型的正确识别是获得合理可靠的油气井试井解释结果的前提条件.为了提高油气井试井解释结果的准确性,基于油气藏数值模拟技术和随机反演理论,构建多模式下模型参数—试井曲线样本集合:以数据驱动为基础,基于多模式随机分析理论来识别试井解释模型,采用集合卡尔曼滤波方法(简称EnKF方法)进行试井曲线拟合,将数据驱动技术应用于试井模型识别—参数解释的全过程;进而提出了一套基于数据驱动技术的智能试井解释方法,选取X有水气藏1 口产水气井进行了现场应用实验.研究结果表明:①所形成的智能试井解释方法可以实现对复杂渗流、复杂边界问题的试井解释,避免了常规试井模型的过度简化,降低了由于模型简化而产生的解释结果误差:②采用多模式EnKF方法,根据拟合误差最小化原则,可以识别出与气藏实际情况相匹配的水侵模式,从而准确把握气藏水侵动态特征.结论认为,基于数据驱动的智能试井解释方法实现了试井模型识别和参数自动解释;该方法适应性强、解释精度高,具有良好的应用前景.

关键词：油气井试井、数值模拟、集合卡尔曼滤波方法、试井解释、智能试井、有水气藏、底水

所属期刊栏目：41

资助基金：中国石油化工股份有限公司基础性前瞻性科技开发项目"基于机器学习的水侵气井试井解释方法研究";中国石油大学北京前瞻导向及培育项目"基于大数据和机器学习的裂缝性油藏产能预测研究"

在线出版日期：2021-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：119-124