專利名稱：多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法
技術領域：
本發(fā)明涉及一種在油田開發(fā)生產(chǎn)中對油藏的監(jiān)測方法，具體涉及對多層混采油井中分層產(chǎn)能貢獻進行監(jiān)測的方法。
背景技術：
在油田開發(fā)生產(chǎn)中，為了優(yōu)化原油生產(chǎn)，大多數(shù)油井都是三層以上混層開采的，由于儲油層本身厚度、孔隙度、滲透率等非均質(zhì)性的影響，各分層的產(chǎn)油量是不同的。尤其是在注水開發(fā)油藏的中后期，為了實施“穩(wěn)油控水”、提高采收率，就要加強油藏的動態(tài)監(jiān)測、實施分層管理，即時掌握多層混采油井分層的產(chǎn)能貢獻，確保綜合治理措施的正確有效。
目前，油田現(xiàn)場采用找水流量計法、管柱測試法、環(huán)空測試法、放射性跟蹤法等監(jiān)測方法，這些監(jiān)測方法多數(shù)采用機械計量、很少關注流體性質(zhì)的變化，它們都存在井下作業(yè)、工藝復雜、成本高、周期長等缺點。因此，尋找一種快速、經(jīng)濟、簡單有效的化學監(jiān)測方法就非常重要。美國雪佛龍公司開發(fā)了應用原油氣相色譜烴指紋計算兩層混采油井的分層原油產(chǎn)能技術，并在加利福尼亞等地油田進行了實際應用；美國MFE測試法，可以準確獲得分層油層的產(chǎn)油量和產(chǎn)水量、分層原油和水樣品等特點，但該方法存在井下作業(yè)、停產(chǎn)測試、工藝復雜、成本高(大慶油田單層作業(yè)費9萬元)、周期長等缺點。近年來，我國江漢石油學院、石油大學等單位也開展了這項技術研究，并在國內(nèi)一些油田取得較好應用效果。但主要存在以下問題一是沒有解決好三層以上多層混采原油分層產(chǎn)能貢獻的理論與化學、數(shù)學模型，有的遵循線性理論，有的采用偏最小二乘法算法計算三層混采分層產(chǎn)能貢獻時會出現(xiàn)負值等，不能適應油田多數(shù)為三層以上混采油井的實際生產(chǎn)需要；二是缺乏大量深入細致的室內(nèi)模擬實驗配比與現(xiàn)場測試試驗對比工作。
發(fā)明創(chuàng)造內(nèi)容本發(fā)明的目的是提供一種能夠動態(tài)監(jiān)測多層混采油井中分層產(chǎn)能貢獻的色譜監(jiān)測方法。
本發(fā)明提供的多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，包含以下步驟1)取混采油井的各分層原油，按照設定比例混合形成模擬混合油樣，分別進行色譜定量分析，得到系列特征指紋參數(shù)；2)利用步驟1)得到的參數(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；3)采集所需測定的混采井井口原油進行色譜定量分析，得到相應特征指紋數(shù)據(jù)；4)將步驟3)得到的系列特征指紋數(shù)據(jù)導入步驟2)建立的數(shù)學模型，計算得出此混采井各分層原油的產(chǎn)能貢獻。
上述多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法中，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(zhuǎn)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]]>在上述多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法中，步驟2)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油樣色譜分析所選取的模版特征指紋參數(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，輸出層即是混采原油各分層的百分貢獻率，和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(diào)整各個節(jié)點的權向量矩陣；按照調(diào)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)，就建立了混采原油分層產(chǎn)能貢獻的標準數(shù)學模型。
所述Sigmoid函數(shù)為非對稱Sigmoid函數(shù)為f(x)=11+e-x,]]>函數(shù)值范圍為(0，1)。
上述多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法中，所述輸出與實際配比之間的的誤差最終滿足絕對誤差小于5％，相對偏差小于10％。
上述多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法中，所述步驟1)和2)以混采主井的參數(shù)建立數(shù)學模型，步驟3)和4)以副井采集數(shù)據(jù)進行計算，得到副井分層產(chǎn)能貢獻。
采用本發(fā)明的方法，操作簡便，得出監(jiān)測結(jié)果的時間短，費用低但準確性高，對提高多層混采油井分層產(chǎn)能貢獻計算精度有重要意義，為三層以上混采原油分層產(chǎn)能貢獻模擬計算提供了有效手段。


圖1為本發(fā)明采用的多層前向神經(jīng)網(wǎng)絡的誤差反向傳播計算示意圖；圖2為實施例中薩爾圖試驗區(qū)混采油井井位平面示意圖；圖3為實施例中薩爾圖試驗區(qū)混采油井生產(chǎn)層位示意圖；圖4為實施例中主井B1-50-J562分層原油氣相色譜定量分析譜圖；圖5為實施例中試驗區(qū)主井B1-50-J562分層油重復性星狀圖；圖6為實施例中試驗區(qū)主井B1-50-J562分層原油模板特征指紋差異性星狀圖；圖7為實施例中副井B1-42-563井與主井SI原油特征烴指紋參數(shù)星狀圖；圖8為實施例中副井B1-42-563井與主井PII2-5原油特征烴指紋參數(shù)星狀圖；圖9-A為本發(fā)明中非對稱Sigmoid函數(shù)示意圖；圖9-B為對稱Sigmoid函數(shù)示意圖。
具體實施例方式
本發(fā)明主要提出了多層混采原油分層產(chǎn)能貢獻的非線性理論，并依據(jù)該理論、進行模擬配比實驗，建立了化學模型和數(shù)學模型。本發(fā)明還就建立的模型，選擇大慶油田主力產(chǎn)油老區(qū)薩爾圖油田試驗區(qū)等，進行室內(nèi)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、多層混采原油分層產(chǎn)能貢獻的非線性理論與數(shù)學模擬計算1、非線性理論在連通的油層中，油層內(nèi)原油組成特征應是一致或相似的，原油的毛細管氣相色譜烴指紋檢測技術，從分子級水平上對原油的烴類指紋組成進行分析，反映了原油中烴類化合物組成及含量。各分層原油在色譜烴指紋的組成(如異構(gòu)烷烴和環(huán)烷烴等)濃度上存在可檢測的差異性和可配比性，表征各分層油差異性的色譜特征指紋參數(shù)是一個不隨分層原油數(shù)量(體積或重量)變化的量。
油田多層原油混合開采過程中，來自各分層原油沿著儲油層流入井底，在井筒中由井底向井口的流動過程中發(fā)生混合，混合過程是一個物理化學組成濃度變化的動態(tài)過程。混采原油發(fā)生混合的程度，受各分層原油粘度、密度、烴指紋分子化合物的物理化學性質(zhì)等自身特性和混合時間(分層原油從井底到井口的流動時間)、溫度、壓力、水等井下條件的共同影響，混采過程中各分層原油一般接近完全或完全混合，否則，就失去了色譜指紋法計算原油混采比的基礎。
從理論上說，單一溶劑不同濃度的同一種化合物按不同配比完全混合，該化合物的混合濃度與單一濃度之間應符合線性關系，由于受測定精度等條件的影響，也有一定的離散度即誤差。原油是由飽和烴、芳烴、非烴、瀝青質(zhì)等組成的非常復雜的混合物，不同原油發(fā)生完全混合時，對于烴組分化合物來說，就是多溶質(zhì)在多溶劑中的多元混合，由于原油各組份分子化合物自身特性及化合物之間的相互作用、井下條件的影響及實驗室定量配比、色譜分析條件和分析精度等的影響，并不是所有烴指紋化合物都滿足線性關系，隨著混合層數(shù)的增加，原油組分化合物之間的相互影響就增多，導致非線性關系程度增大，致使分層原油與多層混采原油中同一烴指紋濃度之間已不是簡單的線性關系，而是一種復雜的曲線性關系。
2、混采原油分層貢獻的模擬配比與數(shù)學模擬計算本發(fā)明在實驗室用分層原油配比實驗過程來模擬混采油井的生產(chǎn)過程，通過實驗建立合適的化學模型和數(shù)學模型，實現(xiàn)多層混采原油分層產(chǎn)能貢獻的數(shù)學模擬計算。
在實驗室原油模擬配比過程中，由于受實驗室現(xiàn)有條件的限制，不可能完全模擬混采油井的生產(chǎn)過程，如井下壓力、水等(因為原油在井下發(fā)生的混合過程是一個動態(tài)過程)，能夠做到在一定條件下各分層原油配比混合完全。當井下各分層原油不發(fā)生完全或接近完全混合時，在實驗室模擬配比計算混采原油混采比就會產(chǎn)生較大誤差或錯誤結(jié)論。因此，利用色譜烴指紋技術計算混采原油分層產(chǎn)能貢獻，受各分層原油在井下混合程度和實驗室模擬條件的共同制約，兩者越接近，此方法計算油井實際混采比的準確度就越高。
以往解決兩層混采問題，大多選擇峰高比參數(shù)，但其并不嚴格成線性迭加關系，雖然通過作線性“標準圖版”計算混采比存在缺陷，但兩層配比影響因素相對較少、選取相關性好的峰高比特征指紋參數(shù)，能近似滿足線性關系，易于建立化學和數(shù)學模型；解決兩層混采問題的數(shù)學模擬計算，一般用線性擬和的方法，數(shù)學模型問題基本解決。
對于三層及以上多層混采問題，由于多元混合因素及非線性關系程度增大，建立化學和數(shù)學模型就較困難，模擬計算誤差就較大。有文獻報道通過采用內(nèi)標法、絕對定量等建立化學模型，消除了部分誤差，但選擇的特征指紋參數(shù)也不完全滿足線性關系，若近似用線性數(shù)學模型，勢必會增大模型誤差及計算結(jié)果誤差，同時，特征指紋參數(shù)的選擇也比較困難，即使精心挑選特征指紋參數(shù)，用類似的線性擬和方法也很難達到高精度的要求；國內(nèi)文獻報導采用偏最小二乘非線性回歸法計算三層配比可使最大誤差小于5％，但有時出現(xiàn)負的貢獻率。因此，需要改進數(shù)學模型。
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(zhuǎn)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版特征指紋參數(shù)值(絕對量)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，輸出層即是混采原油各分層的百分貢獻率，和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(diào)整各個節(jié)點的權向量矩陣。按照調(diào)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)，就建立了混采原油分層產(chǎn)能貢獻的標準模版。
在計算時，各分層原油貢獻率與實際配比之間的相對誤差及精度控制，人為分為7個控制范圍＜1％不控制、1～5％、5～10％、10～25％、25～50％、50～75％、75～100％，在訓練模版時分別輸入各個控制范圍的人為所要求的相對誤差。輸出與實際配比之間的的誤差最終滿足絕對誤差小于5％，相對偏差小于10％。
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)，參見圖9-A；對稱Sigmoid函數(shù)f(x)=1-e-x1+e-x,]]>函數(shù)值為(-1，1)，參見圖9-B。由于混采井各分油層的產(chǎn)量百分比范圍在
，因此本發(fā)明采用非對稱Sigmoid函數(shù)。
在應用該標準模版時，只需要把混采井井口原油色譜分析的相應特征指紋參數(shù)導入，即可計算出此混采井各分層原油的產(chǎn)能貢獻。
二、實施例試驗區(qū)混采原油分層產(chǎn)能貢獻色譜監(jiān)測及對比試驗研究該下以大慶油田主力產(chǎn)油老區(qū)薩爾圖為試驗區(qū)說明本發(fā)明的具體實施方式
。
1、試驗區(qū)地質(zhì)概況大慶油田主力產(chǎn)油老區(qū)薩爾圖試驗區(qū)，參見圖2，主要產(chǎn)油層位為薩爾圖和葡萄花油層，各自含有多個小層，各產(chǎn)層原油含水都在90％以上。試驗選擇四口油井為主要試驗對象(圖2、圖3)，其儲油層砂巖發(fā)育、連通B1-50-J562井為主井，它有SI1-I4+5、SII8-9、PII2-5、PII8-10四個生產(chǎn)油層；副井1為B1-42-563井，它具有與主井砂巖連通且厚度變薄的特點，有SI1-3、PII2-5兩個生產(chǎn)油層；副井2為B1-D5-143井，它有SI1-3、PII8-10兩個生產(chǎn)油層；副井3為B1-5-B143井，它有SI1-3-I4+5、SII8、PII2-4三個生產(chǎn)油層。
2、樣品采集用美國MFE技術(美國江斯頓公司多流測試器測試工藝技術，由多流測試器、液壓鎖緊接頭、安全接頭、P-T封隔器、壓力計等組成，用于測試、采集地層流體等)取得主井B1-50-J562、副井B1-42-563分層油樣，并根據(jù)MFE技術測試數(shù)據(jù)計算出各分層在混采生產(chǎn)狀態(tài)下的日產(chǎn)油量。
3、實驗室原油模擬配比實驗3.1氣相色譜分析(1)氣相色譜分析條件美國HP6890 Plus氣相色譜儀、7683型自動進樣器和化學工作站，長60m、內(nèi)徑0.25mm毛細柱，載氣為氮氣；檢測器為FID，檢測器溫度320℃，燃氣為氫氣，助燃氣為空氣；進樣口溫度300℃；柱初始溫度40℃，恒溫1min，以4℃/min升至300℃，恒溫60min等；峰面積內(nèi)標法絕對定量(μg/g)。
(2)原油色譜烴指紋的重復性色譜檢測系統(tǒng)運行的穩(wěn)定性對于分析試驗結(jié)果的可靠性至關重要，從而影響到分層原油產(chǎn)能模擬配比的準確性，故本試驗選用世界最先進的色譜儀器之一美國HP6890 Plus氣相色譜儀和化學工作站，保證分析數(shù)據(jù)準確性。對于所選特征指紋烴參數(shù)多次重復分析相對偏差不大于5％。
3.2四層混采原油模擬配比實驗與監(jiān)測(1)分層原油色譜指紋分析及特征指紋選擇取主井B 1-50-J562的SI1-I4+5、SII8-9、PII2-5、PII8-10四個分層油樣，在相同氣相色譜條件下定量分析(分析結(jié)果參見圖4)，根據(jù)重復性(圖5的重復測定相對偏差一般為1.00％～4.00％)、差異性(圖6中各分層原油模版特征指紋參數(shù)相對偏差一般為7.00％～20.00％)原則選擇模板特征指紋峰，可見B1-50-J562井各分層油可用于混采比計算。
(2)四層混采原油分層產(chǎn)能監(jiān)測標準模版的建立將B1-50-J562井四個分層原油，按照表1所列比例(按一組配比中有三個比值接近的配比方法，如10∶10∶10∶70、20∶20∶20∶40等)模擬混合油樣，進行氣相色譜定量分析，建立混采原油分層產(chǎn)能貢獻特征指紋參數(shù)，見表1，利用該參數(shù)按照非線性的人工神經(jīng)網(wǎng)絡智能學習算法進行數(shù)學模擬計算，形成數(shù)學模型(也稱標準模版)，用該標準模版回歸計算結(jié)果與實際配比的絕對誤差一般小于5％、相對偏差小于5％，見表2。
表1 四層原油模擬混合樣色譜指紋定量分析模版特征指紋數(shù)據(jù) μg/g

表2 四層混采原油分層產(chǎn)能貢獻標準模版回歸計算對比結(jié)果


(3)四層混采原油分層產(chǎn)能監(jiān)測標準模版的校驗對于所建立的分層產(chǎn)能貢獻標準模版，模擬配比混合油進行檢驗，模版指紋校驗分析數(shù)據(jù)見表3，輸入計算校驗結(jié)果對比見表4，標準模版模擬計算結(jié)果和實際配比的絕對誤差小于3％、相對偏差小于5％，由此可見，模擬實驗配比效果及標準模版好。
表3 四層混采原油分層貢獻標準模版校驗指紋數(shù)據(jù)μg/g

表4四層混采原油分層貢獻標準模版校驗結(jié)果對比

(4)四層混采原油分層產(chǎn)能貢獻監(jiān)測結(jié)果從主井B1-50-J562井口取混采油樣并色譜定量分析，模版指紋分析數(shù)據(jù)見表5，將其輸入標準模版計算后四層混采原油分層產(chǎn)能貢獻監(jiān)測結(jié)果見表6。
表5B1-50-J562井四層混采原油模版指紋數(shù)據(jù)μg/g

表6 四層混采原油分層產(chǎn)能貢獻色譜監(jiān)測結(jié)果

3.3監(jiān)測結(jié)果對比(1)兩層混采原油分層產(chǎn)能監(jiān)測結(jié)果比較副井B1-42-563井MFE測試技術取油樣求產(chǎn)施工結(jié)束后，分兩次間隔16天從井口取混采油樣并色譜定量分析，利用該井配制的兩層混采原油分層產(chǎn)能監(jiān)測標準模版模擬計算，色譜烴指紋動態(tài)監(jiān)測結(jié)果(表7)，可見兩次監(jiān)測結(jié)果一致，該井葡萄花油層(PII2-5層)為主力生產(chǎn)油層。
表7 兩層混采原油分層產(chǎn)能貢獻色譜動態(tài)監(jiān)測結(jié)果

副井B1-42-563井MFE技術監(jiān)測結(jié)果為SI1-30.585 t/d、PII2-56.35 t/d，單井產(chǎn)能6.935 t/d。與實際產(chǎn)能7 t/d的相對偏差為0.47％、絕對誤差為0.065t。
B1-42-563井混采原油分層產(chǎn)能貢獻色譜法與MFE法監(jiān)測結(jié)果對比(表8)相對偏差不大于7.2％、絕對偏差不大于1.33％，具有很好的一致性。
表8兩層混采原油分層產(chǎn)能監(jiān)測結(jié)果比較

(2)四層混采原油分層產(chǎn)能監(jiān)測結(jié)果比較主井B1-50-J562井色譜烴指紋監(jiān)測與MFE監(jiān)測結(jié)果比較(表9)各層相對產(chǎn)能最大相對偏差為6.60％、最大絕對偏差為3.12％，兩種技術監(jiān)測結(jié)果一致，薩爾圖油層為主力生產(chǎn)油層。主井B1-50-J562井MFE監(jiān)測產(chǎn)原油3.778t/d，與實際產(chǎn)原油4t/d結(jié)果比較，絕對誤差為0.222t，相對偏差為3.28％。
從以上比較結(jié)果看，美國MFE測試法和本發(fā)明色譜法監(jiān)測混采原油分層產(chǎn)能結(jié)果一致、準確性高。然而，比較MFE測試法，本發(fā)明卻具有不需井下作業(yè)和停產(chǎn)測試的特點，并且方法簡便，得出監(jiān)測結(jié)果的時間短，費用低。
表9 四層混采原油分層產(chǎn)能監(jiān)測結(jié)果比較

4、主井監(jiān)測副井B1-42-563井混采原油分層產(chǎn)能及結(jié)果對比4.1主井與副井B1-42-563井儲油層的差異性薩爾圖試驗區(qū)副井B 1-42-563井與主井B1-50-J562井砂巖儲層連通，但其相對應儲層的砂巖變差、厚度SI由7.1m變薄為5.8m，PII2-5由5.5m變薄為3.8m，砂巖厚度變薄幅度分別為18％、31％，本實驗將確定副井連通油層原油的烴指紋地化特征是否有變化、從而判定主井對副井的監(jiān)測效果。
4.2兩口井分層原油特征烴指紋參數(shù)比較從副井B1-42-563井與主井B1-50-J562井SI原油特征烴指紋參數(shù)星狀圖7來看，烴指紋參數(shù)接近，一般相對偏差小于5％，說明兩口井SI1-3與SI1-I4+5原油具有相似性。從副井B1-42-563井與主井B1-50-J562井PII2-5原油特征烴指紋參數(shù)星狀圖8來看，烴指紋參數(shù)接近，一般相對偏差小于5％，說明兩口井PII2-5原油有相似性。
由此來看，可以利用主井分層原油建立標準模版，來監(jiān)測兩層混采副井B1-42-563井分層原油產(chǎn)能貢獻。
4.3利用主井兩層標準模版監(jiān)測副井B1-42-563井分層產(chǎn)能及結(jié)果對比取主井B1-50-J562井SI1-I4+5和PII2-5兩個原油樣品，按不同比例模擬配制混合油，色譜指紋定量分析后，選擇與副井B1-42-563標準模版相同的模版指紋參數(shù)，模擬計算后形成主井B1-50-J562井兩層監(jiān)測標準模版，回歸計算和標準模版校驗的相對偏差都小于5％；再取副井B1-42-563井口混采油樣進行色譜定量分析后，利用主井兩層標準模版模擬計算副井B1-42-563分層產(chǎn)能貢獻為SI1-39.34％、PII2-590.65％，與MFE求產(chǎn)結(jié)果絕對偏差小于0.92％(表10)，與利用該井分層原油建立的標準模版計算結(jié)果(表7)比較絕對偏差小于0.4％。
表10主井監(jiān)測兩層混采副井B1-42-563分層貢獻結(jié)果及對比

2.5主井監(jiān)測其它混采井分層產(chǎn)能貢獻(1)主井監(jiān)測副井B1-5-B143三層混采分層原油產(chǎn)能副井B1-5-B143有SI1-I4+5、SII8-9、PII2-5三個生產(chǎn)油層，且與主井B1-50-J562砂巖連通，取主井的SI1-I4+5、SII8-9、PII2-5三個油樣，建立主井監(jiān)測副井B1-5-B143三層混采分層產(chǎn)能貢獻的標準模版，取副井B1-5-B143井口混采油樣進行色譜分析后，用主井的三層混采分層產(chǎn)能監(jiān)測標準模版，模擬計算副井B1-5-B143三層混采分層產(chǎn)能結(jié)果為SI1-I4+5占54.17％、SII8-9占37.69％、PII2-5占8.12％，該井薩爾圖油層(SI1-I4+5、SII8-9)為主力生產(chǎn)油層。
(2)主井監(jiān)測副井B1-D5-143兩層混采分層原油產(chǎn)能副井B1-D5-143有SI1-3、PII8-10兩個生產(chǎn)油層，且與主井B1-50-J562連通，采用上述同樣的方法，利用主井油樣建立兩層監(jiān)測標準模版，監(jiān)測副井B1-D5-143兩層混采分層產(chǎn)能貢獻結(jié)果SI1-3占4.46％、PII8-10占95.57％，該井葡萄花油層(PII8-10)為主力產(chǎn)油層。
本發(fā)明具有下述特點(1)突破了多層混采原油分層產(chǎn)能貢獻色譜烴指紋濃度線性關系理論，確立并試驗驗證了多層混合油色譜烴指紋濃度與分層油色譜烴指紋濃度非線性關系理論，建立了多層混采原油產(chǎn)能貢獻的非線性數(shù)學模擬計算方法，對提高多層混采油井分層產(chǎn)能貢獻計算精度有重要意義，為三層以上混采原油分層產(chǎn)能貢獻模擬計算提供了有效手段。
(2)在國內(nèi)外首次利用多層混采原油分層產(chǎn)能貢獻的非線性理論和非線性數(shù)學模擬計算方法，不僅實現(xiàn)三層還突破了四層混采原油分層產(chǎn)能貢獻的模擬計算，在薩爾圖油田試驗區(qū)與MFE法現(xiàn)場監(jiān)測結(jié)果對比絕對偏差不大于3.3％、相對偏差不大于6.6％，取得很好效果；并探討了實驗室模擬配比條件和原油井下混合程度可能對混采貢獻率計算的影響。
(3)首次利用原油色譜烴指紋技術，將大慶薩I和薩II原油、葡II2-5和葡II8-10小層原油區(qū)分開，并用于混采原油分層產(chǎn)能貢獻模擬計算。
(4)試驗認為，副井與主井連通油層砂巖變差、變薄幅度達到31％時，混采原油分層產(chǎn)能計算標準模版特征指紋參數(shù)的相對偏差一般小于5％，可用混采主井標準模版監(jiān)測副井分層產(chǎn)能貢獻。
(5)多層混采原油分層產(chǎn)能貢獻動態(tài)監(jiān)測色譜技術的開發(fā)，能夠用主井分層原油建立監(jiān)測標準模版，對多口連通混采油井兩層到四層的分層產(chǎn)能貢獻動態(tài)監(jiān)測，不用停產(chǎn)，只需定期從井口取樣、實驗室分析、模擬計算，即可實現(xiàn)現(xiàn)場井口動態(tài)在線監(jiān)測，具有適用性強、投資少、周期短、準確、快速、大面積監(jiān)測等特點，有廣闊的應用推廣前景和巨大的經(jīng)濟效益，為油田混采原油分層產(chǎn)能貢獻動態(tài)監(jiān)測開辟了新方法。
權利要求
1.一種多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，其特征在于，包含以下步驟1)取混采油井的各分層原油，按照設定比例混合形成模擬混合油樣，分別進行色譜定量分析，得到系列特征指紋參數(shù)；2)利用步驟1)得到的參數(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；3)采集所需測定的混采井井口原油進行色譜定量分析，得到相應特征指紋數(shù)據(jù)；4)將步驟3)得到的系列特征指紋數(shù)據(jù)導入步驟2)建立的數(shù)學模型，計算得出此混采井各分層原油的產(chǎn)能貢獻。
2.根據(jù)權利要求1所述的多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，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(zhuǎn)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]]>
3.根據(jù)權利要求2所述的多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，其特征在于，步驟2)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油樣色譜分析所選取的模版特征指紋參數(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，輸出層即是混采原油各分層的百分貢獻率，和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(diào)整各個節(jié)點的權向量矩陣；按照調(diào)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)，就建立了混采原油分層產(chǎn)能貢獻的標準數(shù)學模型；所述Sigmoid函數(shù)為非對稱Sigmoid函數(shù)f(x)=11+e-x,]]>函數(shù)值范圍為(0，1)。
4.根據(jù)權利要求3所述的多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，其特征在于，所述輸出與實際配比之間的的誤差最終滿足絕對誤差小于5％，相對偏差小于10％。
5.根據(jù)權利要求1至4任一所述的多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，其特征在于，所述步驟1)和2)以混采主井的參數(shù)建立數(shù)學模型，步驟3)和4)以副井采集數(shù)據(jù)進行計算，得到副井分層產(chǎn)能貢獻。
全文摘要
本發(fā)明公開了一種多層混采原油分層產(chǎn)能貢獻動態(tài)色譜監(jiān)測方法，包含步驟1)取混采油井的各分層原油，按照設定比例混合形成模擬混合油樣，分別進行色譜定量分析，得到系列特征指紋參數(shù)；2)利用步驟1)得到的參數(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；3)采集所需測定的混采井井口原油進行色譜定量分析，得到相應特征指紋數(shù)據(jù)；4)將步驟3)得到的系列特征指紋數(shù)據(jù)導入步驟2)建立的數(shù)學模型，計算得出此混采井各分層原油的產(chǎn)能貢獻。該方法操作簡便，得出監(jiān)測結(jié)果的時間短，費用低、準確性高，對提高多層混采油井分層產(chǎn)能貢獻計算精度有重要意義，為三層以上混采原油分層產(chǎn)能貢獻模擬計算提供了有效手段。
文檔編號G01N30/00GK1563981SQ20041002985
公開日2005年1月12日 申請日期2004年3月30日 優(yōu)先權日2004年3月30日
發(fā)明者張居和, 方偉, 馮子輝, 王躍文 申請人:大慶油田有限責任公司