專利名稱:合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法
技術領域:
本發(fā)明涉及一種在天然氣田開發(fā)生產(chǎn)中對氣藏的監(jiān)測方法,具體涉及對合采氣井中儲氣分層產(chǎn)能貢獻進行測試及監(jiān)測的方法。
背景技術:
隨著在松遼盆地北部徐家圍子斷陷徐深1井營城組獲得工業(yè)氣流、無阻擋全井日產(chǎn)量1.18×106m3/d的天然氣,大慶油田深層天然氣勘探取得歷史性突破,又在徐家圍子斷陷部署了徐深2、徐深6井等多口深探井和評價井,均見到較厚的氣層及良好效果,尤其在徐深6井營城組3561.0m~3570.0m壓裂試氣獲得522676m3/d高產(chǎn)工業(yè)氣流,為實現(xiàn)深層天然氣“探明儲量3000×108m3~4000×108m3、可采儲量2000×108m3~3000×108m3”的目標奠定了堅實的基礎,大慶油田深層天然氣勘探開發(fā)成為“熱點”之一,對創(chuàng)建百年油田具有戰(zhàn)略意義。由于氣井的儲氣分層厚度及儲氣量、孔隙度、滲透率等非均質性的影響,在合采時各儲氣分層產(chǎn)氣貢獻量不同、產(chǎn)氣時間長短會不同,而儲氣分層天然氣的貢獻大小及測試,在勘探上對搞清地區(qū)儲氣分層分布及特征、產(chǎn)能評價、指導勘探部署等有重要意義;在開發(fā)上對氣井實施分層管理、動態(tài)監(jiān)測,及時掌握合采天然氣儲氣分層的產(chǎn)能貢獻,確保綜合治理措施正確有效,實現(xiàn)穩(wěn)產(chǎn)高產(chǎn)有重要意義。
目前,儲氣分層產(chǎn)能測試一般通過分層試氣、生產(chǎn)測井等獲得,對開發(fā)生產(chǎn)氣井來說,存在井下作業(yè)、工藝復雜、操作難度大、安全性要求高、成本高、周期長等缺點。大慶油田天然氣分層測試資料目前主要由分層試氣獲得,隨著深層天然氣勘探開發(fā)生產(chǎn)的加快及全國第五大氣田的形成,分層產(chǎn)能測試及動態(tài)監(jiān)測已成為制約天然氣開發(fā)生產(chǎn)中的技術瓶頸,亟待開發(fā)一項經(jīng)濟、快速、有效的儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測新技術。為此,首先提出并開展了儲氣分層天然氣產(chǎn)能地球化學測試技術的理論方法與實驗研究,為解決制約天然氣開發(fā)生產(chǎn)中分層產(chǎn)能測試及動態(tài)監(jiān)測的技術瓶頸和儲氣分層產(chǎn)能評價提供一項有效的方法。
發(fā)明內容
本發(fā)明的目的是解決現(xiàn)有的儲氣分層產(chǎn)能測試存在井下作業(yè)、工藝復雜、操作難度大、安全性要求高、成本高、周期長的不足,提供一種可以動態(tài)監(jiān)測合采氣井儲氣分層產(chǎn)能貢獻的地球化學監(jiān)測方法,該方法能經(jīng)濟、快速、準確有效的對儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測。
本發(fā)明所采用的技術方案是該合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,包括下列步驟1)取合采氣井的各分層天然氣,按天然氣烴指紋色譜分析方法檢測,選取計算得到各儲氣分層天然氣特征烴指紋參數(shù);2)取合采氣井的各分層天然氣,按照不同混合配比模式形成模擬混合氣樣,分別進行色譜指紋分析,得到各儲氣分層天然氣不同混合比例與其特征烴指紋參數(shù)之間的化學模型參數(shù);3)利用步驟2)得到的化學參數(shù),采用非線性的人工神經(jīng)網(wǎng)絡智能學習算法建立數(shù)學模型及測試模板;4)采集所需測定的合采井井口氣樣進行色譜指紋分析,得到相應特征烴指紋數(shù)據(jù);5)將步驟4)得到的系列特征烴指紋數(shù)據(jù)導入步驟3)建立的數(shù)學模型及測試模板,計算得出此合采井各儲氣分層天然氣的產(chǎn)能貢獻。
上述的非線性的人工神經(jīng)網(wǎng)絡智能學習算法的計算過程由正向傳播和反向傳播組成,在正向傳播過程中,輸入信息從輸入層經(jīng)隱含層逐層處理,并向輸出層傳播,每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài),如果在輸出層不能得到期望的輸出,則轉入反向傳播,將誤差信號沿原來的連接通路逐層返回,通過誤差信號來修改各層神經(jīng)元的權值,使得誤差減小,直至誤差達到精度要求;誤差函數(shù)公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>上述的步驟3)建立數(shù)學模型,是指在模擬計算處理過程中,逐個輸入所有模擬混合氣樣色譜分析所選取的模板特征烴指紋參數(shù),經(jīng)過一系列的Sigmoid函數(shù)及矩陣運算、加權、平均,輸出到第二個隱層,經(jīng)過同樣原理的一系列運算,輸出到第一個隱層,再經(jīng)過同樣原理的一系列運算,輸出到輸出層,輸出層即是合采氣各分層的百分貢獻率與實際配比的各層百分比對比,把誤差按原來路徑逐層反饋回去,在反饋的過程中,按誤差的大小,依次調整各個節(jié)點的權向量矩陣;按照調整之后的權向量矩陣再次重復上面的步驟,如此循環(huán)往復,直到輸出與實際配比之間的誤差滿足所要求的精度(模擬計算程序在訓練模板時設計了各分層天然氣貢獻率與實際配比之間的相對誤差及精度控制設置,各分層氣貢獻率共分7個控制范圍<1%不控制、1~5%、5~10%、10~25%、25~50%、50~75%、75~100%,在訓練模板時分別輸入各個控制范圍的人為所要求的相對誤差即可)為止;這時,存儲各層各個單元的權值矩陣及相關參數(shù),就建立了合采氣井儲氣分層產(chǎn)能貢獻計算的數(shù)學模型及測試模板。
上述的步驟1)所述特征烴指紋參數(shù)的選取步驟為1)按照普遍性原則選取各儲氣分層天然氣中都存在的色譜指紋峰;2)按照差異性原則選取各儲氣分層天然氣中都存在差異的色譜指紋峰;3)再利用上述2個相近的色譜指紋峰面積比值作為特征烴指紋參數(shù)。
上述的步驟2)所述按照不同混合配比模式應遵循下述原則對于不同產(chǎn)氣層數(shù)的合采氣井要采用不同的配比模式及方法,即2層、3層、4層、5層等合采氣井的配比模式不同,每種配比模式中的每組配比采用“比例配伍”原則,如產(chǎn)氣層數(shù)為3層的某一組配比為10/10/80、10/80/10、80/10/10,而產(chǎn)氣層數(shù)為4層的則為10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
上述的輸出與實際配比之間的相對誤差可以人為控制。
本發(fā)明的有益效果是本發(fā)明主要提出了合采天然氣儲氣分層產(chǎn)能貢獻的地球化學測試理論和測試方法,依據(jù)該理論和方法進行模擬配比實驗,建立了化學模型和數(shù)學模型及測試模板。實驗驗證了儲氣分層天然氣在時間上的相對穩(wěn)定性,實現(xiàn)了3個儲氣分層對合采天然氣產(chǎn)能貢獻的定量測試,地化測試結果準確可靠。該技術具有快速、準確、經(jīng)濟、有效、不影響生產(chǎn)、安全性高的特點,根據(jù)需要隨時從井口采集氣樣分析計算實現(xiàn)動態(tài)監(jiān)測。
圖1為本發(fā)明人工智能神經(jīng)網(wǎng)絡模擬計算示意圖;圖2為本發(fā)明非對稱Sigmoid函數(shù)示意圖;圖3為實施例中徐深1井天然氣烴指紋氣相色譜圖;圖4為實施例中徐深1井儲氣分層天然氣差異性圖。
具體實施例方式以下結合具體實施例來作進一步的說明,該合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,包括下列步驟1)取合采氣井的各分層天然氣,按天然氣烴指紋色譜分析方法檢測,選取計算得到各儲氣分層天然氣特征烴指紋參數(shù);2)取合采氣井的各分層天然氣,按照不同混合配比模式形成模擬混合氣樣,分別進行色譜指紋分析,得到各儲氣分層天然氣不同混合比例與其特征烴指紋參數(shù)之間的化學模型參數(shù);3)利用步驟2)得到的化學參數(shù),采用非線性的人工神經(jīng)網(wǎng)絡智能學習算法建立數(shù)學模型及測試模板;4)采集所需測定的合采井井口氣樣進行色譜指紋分析,得到相應特征烴指紋數(shù)據(jù);5)將步驟4)得到的系列特征烴指紋數(shù)據(jù)導入步驟3)建立的數(shù)學模型及測試模板,計算得出此合采井各儲氣分層天然氣的產(chǎn)能貢獻。
上述的非線性的人工神經(jīng)網(wǎng)絡智能學習算法的計算過程由正向傳播和反向傳播組成,在正向傳播過程中,輸入信息從輸入層經(jīng)隱含層逐層處理,并向輸出層傳播,每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài),如果在輸出層不能得到期望的輸出,則轉入反向傳播,將誤差信號沿原來的連接通路逐層返回,通過誤差信號來修改各層神經(jīng)元的權值,使得誤差減小,直至誤差達到精度要求;誤差函數(shù)公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>上述的步驟3)建立數(shù)學模型,是指在模擬計算處理過程中,逐個輸入所有模擬混合氣樣色譜分析所選取的模板特征烴指紋參數(shù),經(jīng)過一系列的Sigmoid函數(shù)及矩陣運算、加權、平均,輸出到第二個隱層,經(jīng)過同樣原理的一系列運算,輸出到第一個隱層,再經(jīng)過同樣原理的一系列運算,輸出到輸出層,輸出層即是合采氣各分層的百分貢獻率與實際配比的各層百分比對比,把誤差按原來路徑逐層反饋回去,在反饋的過程中,按誤差的大小,依次調整各個節(jié)點的權向量矩陣;按照調整之后的權向量矩陣再次重復上面的步驟,如此循環(huán)往復,直到輸出與實際配比之間的誤差滿足所要求的精度(模擬計算程序在訓練模板時設計了各分層天然氣貢獻率與實際配比之間的相對誤差及精度控制設置,各分層氣貢獻率共分7個控制范圍<1%不控制、1~5%、5~10%、10~25%、25~50%、50~75%、75~100%,在訓練模板時分別輸入各個控制范圍的人為所要求的相對誤差即可)為止;這時,存儲各層各個單元的權值矩陣及相關參數(shù),就建立了合采氣井儲氣分層產(chǎn)能貢獻計算的數(shù)學模型及測試模板。
上述的步驟1)所述特征烴指紋參數(shù)的選取步驟為1)按照普遍性原則選取各儲氣分層天然氣中都存在的色譜指紋峰;2)按照差異性原則選取各儲氣分層天然氣中都存在差異的色譜指紋峰;3)再利用上述2個相近的色譜指紋峰面積比值作為特征烴指紋參數(shù)。
上述的步驟2)所述按照不同混合配比模式應遵循下述原則對于不同產(chǎn)氣層數(shù)的合采氣井要采用不同的配比模式及方法,即2層、3層、4層、5層等合采氣井的配比模式不同,每種配比模式中的每組配比采用“比例配伍”原則,如產(chǎn)氣層數(shù)為3層的某一組配比為10/10/80、10/80/10、80/10/10,而產(chǎn)氣層數(shù)為4層的則為10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
上述的輸出與實際配比之間的相對誤差可以人為控制。
本發(fā)明主要提出了合采天然氣儲氣分層產(chǎn)能貢獻的地球化學測試理論和測試方法,依據(jù)該理論和方法進行模擬配比實驗,建立了化學模型和數(shù)學模型及測試模板。本發(fā)明還就建立的模型,選擇大慶油田深層天然氣勘探取得歷史性突破的徐家圍子斷陷的徐深1井天然氣,進行室內模擬配比實驗與現(xiàn)場監(jiān)測對比進行驗證。
以下從幾方面詳細說明本發(fā)明一、地球化學測試理論方法與數(shù)學模擬計算測試理論1、測試理論同一連通儲氣分層內天然氣在橫向上的均質性和穩(wěn)定性、不同儲氣分層天然氣縱向上的差異性是儲氣分層產(chǎn)能貢獻的測試的基礎。在連通的儲氣分層中,來自不同烴源巖、不同成藏期次的天然氣,由于天然氣的易運移性、易混合性和儲氣分層條件的相似性,通過密度驅動、熱對流、分子擴散等混合方式,使天然氣組成特征具有一致性或相似性即均質性;在縱向上,由于烴源巖、天然氣運移和(或)儲氣分層環(huán)境(溫度、巖石等)等存在差異,使各儲氣分層天然氣具有差異性;合采過程就是各儲氣分層天然氣在井筒中的混合過程,來自各儲氣分層的天然氣沿著儲氣分層流入井底,在井筒中由井底向井口的流動過程中通過管流、分子擴散等形式發(fā)生混合,混合過程是一個各儲氣分層天然氣烴指紋分子化合物組成變化的動態(tài)過程,發(fā)生混合的程度受各儲氣分層天然氣烴指紋分子化合物的物理化學性質自身特性、混合時間(儲氣分層天然氣從井底到井口的流動時間)、井下條件(溫度、壓力)等共同影響,一般接近完全混合或完全混合。
天然氣烴指紋檢測技術,從分子級水平上對天然氣的烴類組成進行分析,能夠檢測出甲烷到正十二烷中160多個指紋化合物,反映了天然氣中烴類化合物組成及含量,含有豐富的油氣信息,各儲氣分層天然氣在烴指紋組成與含量(如異構烷烴和環(huán)烷烴等)上存在可檢測的差異性和可配比性,而表征各儲氣分層天然氣差異性的特征烴指紋參數(shù)是一個不隨儲氣分層天然氣數(shù)量(體積或重量)變化的量。在實驗室用儲氣分層天然氣不同模式的混合配比過程來模擬天然氣的合采過程,通過建立合適的化學模型參數(shù)和數(shù)學模型,實現(xiàn)合采天然氣儲氣分層產(chǎn)能貢獻的數(shù)學模擬計算。
2、測試方法(1)天然氣烴指紋檢測方法將一定量天然氣注入富集管(富集溫度-75℃~-65℃)中,使天然氣中烴類在低溫下得到富集,再加熱解吸,通過六通閥切入氣相色譜儀分析。天然氣烴指紋氣相色譜分析條件島津GC-14A氣相色譜儀及數(shù)據(jù)處理機,50m彈性石英毛細色譜柱,氫火焰離子化檢測器,載氣為氦氣,燃氣為氫氣,助燃氣為空氣,柱起始溫度35℃,恒溫5min,以2℃/min升到180℃,恒溫至組分全部流出;采用標樣、保留時間及文獻定性。
(2)儲氣分層天然氣的差異性及表征儲氣分層天然氣的差異性是儲氣分層產(chǎn)能地球化學測試的先決條件,一般采用天然氣特征烴指紋參數(shù)的相對偏差來表征。由于天然氣樣品在采集檢測過程中難免混入空氣,且不同樣品混入空氣的量難以保持一致等,故特征烴指紋參數(shù)采用2個相鄰或相近烴指紋峰峰面積或峰高的比值來表示,特征烴指紋峰參數(shù)選擇依據(jù)普遍性、穩(wěn)定性、差異性、可配比性、分離效果好的原則,方法是先選擇烴指紋在各儲氣分層普遍存在、重復分析相對偏差小于5%、分離效果好的指紋峰;再從中選擇出各儲氣分層之間相對應指紋峰參數(shù)的相對偏差大于10%的指紋參數(shù);最后從中選擇相關性較好的指紋峰作為特征烴指紋參數(shù),用來表征各儲氣分層及天然氣。
(3)天然氣配比模式方法與化學模型參數(shù)對于不同產(chǎn)氣層數(shù)的合采氣井要采用不同的配比模式及方法,即2層、3層、4層、5層等合采氣井的配比模式不同,每種配比模式中的每組配比采用“比例配伍”原則,如產(chǎn)氣層數(shù)為3層的某一組配比為10/10/80、10/80/10、80/10/10,而產(chǎn)氣層數(shù)為4層的則為10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
將混合配比得到的混合氣中不同特征烴指紋參數(shù)值與其各個儲氣分層混合比例之間建立相對應關系即為化學模型參數(shù)。
(4)數(shù)學模擬計算方法和測試模板的建立數(shù)學模擬計算不能采用線性擬合的方法,否則會增大計算誤差,主要有兩個原因一是采用的特征烴指紋比值參數(shù)不嚴格成線性迭加關系。二是天然氣是由鏈烷烴、環(huán)烷烴、芳烴、非烴等組成的復雜的混合物,不同天然氣發(fā)生完全混合時,對于某烴組分化合物來說,就是多溶質在多溶劑中的多元混合,由于天然氣各組份分子化合物自身特性及化合物之間的相互作用、井下混合條件、實驗室分析條件和分析精度等共同影響,并不是所有指紋化合物都滿足線性關系,隨著儲氣分層數(shù)的增加,合采時各儲氣分層天然氣組分化合物之間的相互影響增多,會導致非線性關系程度增大,致使儲氣分層天然氣與合采天然氣中烴指紋參數(shù)之間已不是簡單的線性關系,而是一種復雜的曲線性關系。因此,需要建立非線性人工智能神經(jīng)網(wǎng)絡學習算法及模擬計算軟件。
本發(fā)明采用非線性的人工神經(jīng)網(wǎng)絡智能學習算法建立數(shù)學模型,該模型計算過程見圖1。該計算過程由正向傳播和反向傳播組成,在正向傳播過程中,輸入信息從輸入層經(jīng)隱含層逐層處理,并向輸出層傳播,每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出,則轉入反向傳播,將誤差信號沿原來的連接通路逐層返回,通過誤差信號來修改各層神經(jīng)元的權值,使得誤差減小,直至誤差達到精度要求。
局部誤差函數(shù)公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>在上述數(shù)學模擬計算處理過程中,逐個輸入所有混合配比樣品色譜分析所選取的模板特征指紋參數(shù)值等,經(jīng)過一系列的Sigmoid函數(shù)及矩陣運算、加權、平均,輸出到第二個隱層,經(jīng)過同樣原理的一系列運算,輸出到第一個隱層,再經(jīng)過同樣原理的一系列運算,輸出到輸出層,輸出層即是合采天然氣儲氣分層的百分貢獻率與實際配比的各層百分比對比,把誤差按原來路徑逐層反饋回去,在反饋的過程中,按誤差的大小,依次調整各個節(jié)點的權向量矩陣。按照調整之后的權向量矩陣再次重復上面的步驟,如此循環(huán)往復,直到輸出與實際配比之間的誤差滿足所要求的精度為止。這時,存儲各層各個單元的權值矩陣及相關參數(shù),就建立了合采井天然氣儲氣分層產(chǎn)能貢獻的測試模板。
Sigmoid函數(shù)為神經(jīng)元的非線性作用函數(shù),非對稱Sigmoid函數(shù)為f(x)=11+e-x,]]>函數(shù)值范圍為(0,1),對稱Sigmoid函數(shù)f(x)=1-e-x1+e-x,]]>函數(shù)值為(-1,1)。由于合采井各分層氣的產(chǎn)量百分比范圍在
,因此這里采用非對稱Sigmoid函數(shù),如圖2所示。
在應用該測試模板時,只需要把合采井口天然氣色譜分析的相應特征烴指紋參數(shù)導入,即可計算出此合采井各儲氣分層天然氣的產(chǎn)能貢獻。
下面以大慶油田深層天然氣勘探取得歷史性突破的徐深1井為試驗井說明本發(fā)明的具體實施過程1、徐深1井儲氣分層分布及開采狀況徐深1井位于松遼盆地北部徐家圍子斷陷升平—興城構造的中段,是受升西逆沖斷裂控制的背斜構造,是徐家圍子地區(qū)的一口深探井(完鉆井深4500m),鉆遇的深部地層有登婁庫組(kld)、營城組(klyc)、沙河子組(klsh)、火石嶺組(J3h),以不同級別的不整合面及相對的整合面為界,總體上構成四套碎屑巖夾三套火山巖的地層構架。營城組及以下深部地層普遍含氣,為煤成氣和油型裂解氣組成的有機成因混合天然氣,處于高-過成熟氣演化階段,天然氣分布分為營城-登婁庫組(正常壓力系統(tǒng))和火石嶺組(超壓含氣系統(tǒng))兩個含氣系統(tǒng),儲氣層主要分布在營城組的火山巖和火石嶺組的礫巖儲氣層,營城組火成巖孔洞、裂縫發(fā)育,火山巖巖性有流紋質集塊巖、熔結角礫巖、凝灰?guī)r和晶屑凝灰?guī)r等;火石嶺組儲氣分層巖石主要為安山質火山角礫巖和集塊巖。
徐深1井合采氣井共射開4個儲氣層段,分別是營城組的3364.0~3379.0m(145號層)、3460.0~3470.0m(149號層)、3592.0~3624.0m(150號層)和火石嶺組的4446.0~4466.0m(234和235號層)儲氣層,射開厚度分別為11m、10m、12m、20m。根據(jù)徐深1井儲氣層壓力狀況合采及產(chǎn)氣層號為145、149、150,控制產(chǎn)氣量2×105m3/d。
2、樣品采集儲氣分層氣樣在分層試氣時獲得。
合采氣樣在氣井開發(fā)生產(chǎn)時從井口獲得。
3、測試實驗與結果對比(1)重復性將徐深1井3592.0~3624.0m儲氣分層天然氣做烴指紋分析重復測定,色譜烴指紋參數(shù)重復測定結果(表1)的最大相對偏差為4.72%、最小相對偏差為0.09%,相對偏差不大于5%,樣品分析重復性好。
表1天然氣指紋烴參數(shù)重復測定結果
(2)儲氣分層天然氣特征烴參數(shù)的穩(wěn)定性儲氣分層天然氣特征烴指紋參數(shù)的相對穩(wěn)定性是合采天然氣儲氣分層產(chǎn)能貢獻動態(tài)監(jiān)測的關鍵之一,若在動態(tài)監(jiān)測期間特征烴指紋參數(shù)不能保持相對穩(wěn)定,就不能保證監(jiān)測結果的準確性。從2002年1月17日和2002年12月2日徐深1井采集的3592.0~3624.0ml50號儲氣分層天然氣樣品檢測結果(表2)看,不同時間采集的2塊天然氣樣品特征烴指紋參數(shù)最大相對偏差為5.13%,基本滿足同一樣品重復測定相對偏差不大于5%的要求,表明儲氣分層天然氣特征烴指紋參數(shù)具有時間上的相對穩(wěn)定性。
表2 天然氣特征烴指紋參數(shù)開采時間上的穩(wěn)定性
(3)儲氣分層天然氣特征烴指紋參數(shù)及表征徐深1井天然氣烴指紋色譜分析最多可檢測出160個指紋峰(圖3),從4個儲氣分層天然氣特征烴指紋參數(shù)檢測結果(表3、圖4)看,所選的11對天然氣特征烴指紋參數(shù)差異明顯,說明各儲氣分層中的天然氣存在差異,可以用這些特征烴指紋參數(shù)來表征4個儲氣分層及天然氣。
表3儲氣分層天然氣色譜特征烴指紋參數(shù)
(4)儲氣分層天然氣產(chǎn)能貢獻測試結果從3個儲氣分層貢獻測試模板回歸計算結果(表4)看,回歸計算結果最大絕對偏差為6.49%、最大相對偏差為9.95%;從儲氣分層貢獻測試模板效驗結果(表5)看,最大絕對偏差為3.03%、最大相對偏差為8.05%,表明測試模板能夠有效計算在實驗室條件下混合的各儲氣分層混合比例。
表4測試模板回歸計算結果
表5測試模板效驗結果
將不同時間采集的徐深1井合采天然氣特征烴指紋分析結果(表6)導入測試模板中得到監(jiān)測結果(表7),從中看出,該井投產(chǎn)4個月(2005年3月20日采樣)分層測試結果145、149、150號層分別貢獻為13.70%、22.65%、63.64%(表7),與分層試氣結果的8%、25%、67%的最大絕對誤差為6%,150號層為徐深1井主力產(chǎn)氣層,地化測試結果與分層測試結果具有很好的一致性;該井投產(chǎn)11個月(2005年11月12日采樣)地化分層測試結果145、149、150號層分別貢獻為15.30%、25.31%、59.38%,150號層主力產(chǎn)氣層貢獻下降4.26%,而145、149號層貢獻分別上升1.60%、2.66%,149號層貢獻增加較145號明顯。
表6徐深1合采天然氣色譜特征烴指紋參數(shù)
表7徐深1合采天然氣儲氣分層貢獻計算結果
本發(fā)明具有下述特點(1)在國內外首先提出并確立了合采天然氣儲氣分層產(chǎn)能地球化學測試理論與模擬計算方法,實驗驗證了儲氣分層天然氣在時間上的相對穩(wěn)定性,實現(xiàn)了3個儲氣分層對合采天然氣產(chǎn)能貢獻的定量測試,屬于原創(chuàng)性、前瞻性的實驗測試技術及科研成果。
(2)合采天然氣儲氣分層貢獻地化測試結果表明,徐深1井145(3364.0~3379.0m)、149(3460.0~3470.0m)、150(3592.0~3624.0m)號層貢獻分別為13.70%、22.65%、63.64%,150號層為主力產(chǎn)氣層,與分層試氣結果的絕對誤差最大為6%,兩種測試方法具有很好的一致性,地化測試結果準確可靠;地化動態(tài)監(jiān)測結果表明,徐深1井投產(chǎn)近1年150號層主力產(chǎn)氣層貢獻下降4.26%,149號層比145號層貢獻增加明顯。對于認識徐家圍子斷陷深層不同層位的含氣性、指導該地區(qū)天然氣勘探和動態(tài)監(jiān)測儲氣分層產(chǎn)氣狀況、合理配產(chǎn)等開發(fā)都有重要意義。
(3)深層氣指紋庫的建設為在大慶油田深井實施儲氣分層產(chǎn)能地球化學測試及動態(tài)監(jiān)測、分層管理奠定了基礎,體現(xiàn)了勘探開發(fā)“一體化”,具有顯著的技術經(jīng)濟和社會效益。該技術具有快速、準確、經(jīng)濟、有效、不影響生產(chǎn)、安全性高的特點,根據(jù)需要隨時從井口采集氣樣分析計算實現(xiàn)動態(tài)監(jiān)測;適用于4層及以下合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測,完全滿足大慶深合采氣井的生產(chǎn)需要;由于儲氣分層氣樣是在勘探試氣階段獲得,對開發(fā)生產(chǎn)氣井地化分層產(chǎn)能測試不需要再取分層氣樣,節(jié)省了分層取樣費,地化測試費每口井1萬元,生產(chǎn)測井測試費每口井13萬元,地化測試1次節(jié)約費用12萬元,20口深層氣井每年分層監(jiān)測2次共節(jié)約測試費480萬元/年;隨著大慶油田深層天然氣勘探開發(fā)生產(chǎn)的加快及氣井數(shù)量的增加,將為大慶油田深層天然氣勘探開發(fā)和創(chuàng)建百年油田發(fā)揮重要作用,同時對國內外其它氣田有借鑒作用,應用前景廣闊。
權利要求
1.一種合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,其特征是1)取合采氣井的各分層天然氣,按天然氣烴指紋色譜分析方法檢測,選取計算得到各儲氣分層天然氣特征烴指紋參數(shù);2)取合采氣井的各分層天然氣,按照不同混合配比模式形成模擬混合氣樣,分別進行色譜指紋分析,得到各儲氣分層天然氣不同混合比例與其特征烴指紋參數(shù)之間的化學模型參數(shù);3)利用步驟2)得到的化學參數(shù),采用非線性的人工神經(jīng)網(wǎng)絡智能學習算法建立數(shù)學模型及測試模板;4)采集所需測定的合采井井口氣樣進行色譜指紋分析,得到相應特征烴指紋數(shù)據(jù);5)將步驟4)得到的系列特征烴指紋數(shù)據(jù)導入步驟3)建立的數(shù)學模型及測試模板,計算得出此合采井各儲氣分層天然氣的產(chǎn)能貢獻。
2.根據(jù)權利要求1所述的合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,其特征在于所述非線性的人工神經(jīng)網(wǎng)絡智能學習算法的計算過程由正向傳播和反向傳播組成,在正向傳播過程中,輸入信息從輸入層經(jīng)隱含層逐層處理,并向輸出層傳播,每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài),如果在輸出層不能得到期望的輸出,則轉入反向傳播,將誤差信號沿原來的連接通路逐層返回,通過誤差信號來修改各層神經(jīng)元的權值,使得誤差減小,直至誤差達到精度要求;誤差函數(shù)公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>
3.根據(jù)權利要求1所述的合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,其特征在于步驟3)建立數(shù)學模型,是指在模擬計算處理過程中,逐個輸入所有模擬混合氣樣色譜分析所選取的模板特征烴指紋參數(shù),經(jīng)過一系列的Sigmoid函數(shù)及矩陣運算、加權、平均,輸出到第二個隱層,經(jīng)過同樣原理的一系列運算,輸出到第一個隱層,再經(jīng)過同樣原理的一系列運算,輸出到輸出層,輸出層即是合采氣各分層的百分貢獻率與實際配比的各層百分比對比,把誤差按原來路徑逐層反饋回去,在反饋的過程中,按誤差的大小,依次調整各個節(jié)點的權向量矩陣;按照調整之后的權向量矩陣再次重復上面的步驟,如此循環(huán)往復,直到輸出與實際配比之間的誤差滿足所要求的精度(模擬計算程序在訓練模板時設計了各分層天然氣貢獻率與實際配比之間的相對誤差及精度控制設置,各分層氣貢獻率共分7個控制范圍<1%不控制、1~5%、5~10%、10~25%、25~50%、50~75%、75~100%,在訓練模板時分別輸入各個控制范圍的人為所要求的相對誤差即可)為止;這時,存儲各層各個單元的權值矩陣及相關參數(shù),就建立了合采氣井儲氣分層產(chǎn)能貢獻計算的數(shù)學模型及測試模板。
4.根據(jù)權利要求1所述的合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,其特征在于步驟1)所述特征烴指紋參數(shù)的選取步驟為1)按照普遍性原則選取各儲氣分層天然氣中都存在的色譜指紋峰;2)按照差異性原則選取各儲氣分層天然氣中都存在差異的色譜指紋峰;3)再利用上述2個相近的色譜指紋峰面積比值作為特征烴指紋參數(shù)。
5.根據(jù)權利要求1所述的合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,其特征在于步驟2)所述按照不同混合配比模式應遵循下述原則對于不同產(chǎn)氣層數(shù)的合采氣井要采用不同的配比模式及方法,即2層、3層、4層、5層等合采氣井的配比模式不同,每種配比模式中的每組配比采用“比例配伍”原則,如產(chǎn)氣層數(shù)為3層的某一組配比為10/10/80、10/80/10、80/10/10,而產(chǎn)氣層數(shù)為4層的則為10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
6.根據(jù)權利要求1或3所述的合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法,其特征在于,所述輸出與實際配比之間的相對誤差可以人為控制。
全文摘要
本發(fā)明涉及一種合采天然氣儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測地球化學方法。其特征在于包括下列各步驟1)取合采氣井的各分層天然氣,選取計算得到各儲氣分層天然氣特征烴指紋參數(shù);2)取合采氣井的各分層天然氣,按照不同混合配比模式形成模擬混合氣樣,分別進行色譜指紋分析,得到各儲氣分層天然氣不同混合比例與其特征烴指紋參數(shù)之間的化學模型參數(shù);3)采用非線性的人工神經(jīng)網(wǎng)絡智能學習算法建立數(shù)學模型及測試模板;4)采集所需測定的合采井井口氣樣進行色譜指紋分析,得到相應特征烴指紋數(shù)據(jù);5)建立的數(shù)學模型及測試模板,計算得出此合采井各儲氣分層天然氣的產(chǎn)能貢獻。該方法能經(jīng)濟、快速、準確有效的對儲氣分層產(chǎn)能測試及動態(tài)監(jiān)測。
文檔編號G01V9/00GK1804613SQ20051013260
公開日2006年7月19日 申請日期2005年12月27日 優(yōu)先權日2005年12月27日
發(fā)明者張居和, 方偉, 寧曉玲, 陳大慶, 柳鳳香 申請人:大慶油田有限責任公司