一种基于生产动态资料的气窜通道识别方法与系统与流程

1.本发明涉及油气田开发技术领域，特别是涉及一种基于生产动态资料的气窜通道识别方法与系统。


背景技术：

2.注气开发能够有效改善驱油效率，提高原油采收率。但由于气体和原油的流动能力具有显著差异，注气过程中极易造成气窜，这使得采油井的生产气油比急剧上升，油藏开发效果变差。因此，亟需对注气开发过程中形成的气窜通道进行识别，以此为后续的调控和治理方案设计提供指导。
3.申请号cn202010960492.4(公开号为cn112069737a)的发明专利公开了一种低渗透油藏co2混相驱受效油井气窜时间预测方法及装置，该方法的预测目标仅为气窜时间，缺乏对气窜通道的识别。申请号201710786398.x(公开号cn107576778a)的发明专利公开了一种利用co2气窜综合指数来表征气窜程度的方法，该方法在应用时输入的数据是实验得到的co2注入量与co2含气率之间的关系，缺乏对现场因素的考虑。申请号201710231158.3(公开号为cn107060705a)的发明专利公开了一种根据气油比曲线特征参数和反演指标体系对应关系进行co2驱油藏气窜通道动态反演的方法，该方法只考虑了气油比曲线的变化特征，忽视了对其他生产动态资料的应用，而且没有完整考虑气窜通道的形成机理，误差较大。申请号cn202010699125.3(公开号为cn111814347a)的发明专利公开了一种预测油藏内气窜通道的方法及系统，利用深度学习方法构建映射关系以实现注气饱和度的预测，但该方法主要是在气窜通道形成前进行预警，无法用于储层中已经形成气窜通道情况下的识别，应用条件过于严苛。
4.因此，现有的气窜通道识别方法由于在气窜通道识别过程中，对识别机理考虑不全面，没有充分利用生产动态资料，从而导致对气窜通道识别的准确率低。


技术实现要素：

5.本发明的目的是提供一种基于生产动态资料的气窜通道识别方法与系统，以解决现有的气窜通道识别方法由于在气窜通道识别过程中，对识别机理考虑不全面，没有充分利用生产动态资料，从而导致对气窜通道识别的准确率低的问题。
6.为实现上述目的，本发明提供了如下方案：
7.一种基于生产动态资料的气窜通道识别方法，包括：
8.收集目标井组所在区块的地质资料和井的工作制度数据，并根据所述地质资料和所述工作制度数据构建油藏样本库；所述地质资料为目标井组所在区块的孔隙度、渗透率、饱和度、隔夹层分布、水体大小、油相粘度、油相组分、油相pvt特性、地层温度、地层压力、相对渗透率曲线、毛管力曲线、流体粘度、岩石和流体压缩系数中之一或任意组合；所述工作制度数据为注入气组分、注气量、注气压力、生产井井底流压、产液量和注气方式中之一或任意组合；
9.根据所述油藏样本库生成多个井组数据样本，将所述井组数据样本导入油藏数值模拟器中，计算不同开采时刻的注入气的实际等效体积，构建注气开发过程中的等效体积样本库；
10.以所述油藏样本库中的井组数据样本为输入，并以所述等效体积样本库中对应的实际等效体积样本为输出，构建并训练lightgbm模型，得到训练好的lightgbm模型；
11.将实际的地质资料和工作制度数据输入到所述训练好的lightgbm模型中，计算得到注入气等效体积；
12.将目标井组中注气井的注气量、生产井的井底流压和产液量以及所述注入气等效体积输入到井间动态连通性模型中，求解得到气窜通道的发育参数；所述发育参数为注气井与各生产井之间的动态连通性；
13.根据所述气窜通道的发育参数评价气窜通道的发育方向和发育程度。
14.可选的，所述根据所述油藏样本库生成多个井组数据样本，将所述井组数据样本导入油藏数值模拟器中，计算不同开采时刻的注入气的实际等效体积，构建注气开发过程中的等效体积样本库，具体包括：
15.根据所述油藏样本库内的所述地质资料和所述工作制度数据的取值范围，利用抽样法，生成多个井组数据样本；
16.根据每个所述井组数据样本中的地质资料，构建井组地质模型；
17.将所述井组地质模型导入油藏数值模拟器中，根据每个所述井组数据样本中的工作制度数据设置各井的工作制度，得到井组的数值模拟模型；
18.将每个所述井组的数值模拟模型开展数值模拟研究，得到不同开采时刻的气相饱和度、油相饱和度和油相混入注入气的比例；
19.提取每个井组的气相饱和度、油相饱和度和油相混入注入气的比例，计算油藏中注入气的实际等效体积；
20.根据所述实际等效体积构建注气开发过程的等效体积样本库。
21.可选的，所述以所述油藏样本库中的井组数据样本为输入，并以所述等效体积样本库中对应的实际等效体积样本为输出，构建并训练lightgbm模型，得到训练好的lightgbm模型，具体包括：
22.转换所述油藏样本库中井组数据样本的数据类型，生成转换后的井组数据样本；所述井组数据样本包括目标井组所在区块的地质资料和井的工作制度数据；
23.构建lightgbm模型，并对所述lightgbm模型赋初始值，得到初始lightgbm模型；
24.以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练好的lightgbm模型。
25.可选的，所述以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练好的lightgbm模型，具体包括：
26.以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练后的初始lightgbm模型；
27.利用所述训练后的初始lightgbm模型预测注入气的等效体积，得到预测等效体积；
28.将所述预测等效体积与所述实际等效体积进行对比，得到对比结果；
29.判断所述对比结果是否满足误差要求，得到判断结果；若所述判断结果为满足误差要求，则输出所述训练好的lightgbm模型；若所述判断结果为不满足误差要求，则调节所述训练后的初始lightgbm模型的参数，以完成参数调节的训练后的初始lightgbm模型为所述初始lightgbm模型，返回“以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练后的初始lightgbm模型”；所述参数包括学习率、最小叶子节点样本权重和、树的最大深度、最小损失函数下降值、树权重改变的最大步长以及随机采样的比例。
30.可选的，所述根据所述气窜通道的发育参数评价气窜通道的发育方向和发育程度，具体包括：
31.若井组内其中一个注气井与生产井连线方向的气窜通道的发育参数λ≥1/n，式中n为井组内生产井的数目，则气窜通道的发育方向为所述其中一个注气井与生产井连线方向；
32.当发育参数λ≥1/n*(1 60％)，气窜通道的所述发育程度为强；当发育参数1/n*(1 30％)≤λ＜1/n*(1 60％)，气窜通道的所述发育程度为中等；当发育参数1/n≤λ＜1/n*(1 30％)，气窜通道的所述发育程度为弱；当发育参数λ＜1/n，则不发育气窜通道。
33.一种基于生产动态资料的气窜通道识别系统，包括：
34.油藏样本库模块，用于收集目标井组所在区块的地质资料和井的工作制度数据，并根据所述地质资料和所述工作制度数据构建油藏样本库；所述地质资料为目标井组所在区块的孔隙度、渗透率、饱和度、隔夹层分布、水体大小、油相粘度、油相组分、油相pvt特性、地层温度、地层压力、相对渗透率曲线、毛管力曲线、流体粘度、岩石和流体压缩系数中之一或任意组合；所述工作制度数据为注入气组分、注气量、注气压力、生产井井底流压、产液量和注气方式中之一或任意组合；
35.等效体积样本库模块，用于根据所述油藏样本库生成多个井组数据样本，将所述井组数据样本导入油藏数值模拟器中，计算不同开采时刻的注入气的实际等效体积，构建注气开发过程中的等效体积样本库；
36.训练模块，用于以所述油藏样本库中的井组数据样本为输入，并以所述等效体积样本库中对应的实际等效体积样本为输出，构建并训练lightgbm模型，得到训练好的lightgbm模型；
37.注入气等效体积计算模块，用于将实际的地质资料和工作制度数据输入到所述训练好的lightgbm模型中，计算得到注入气等效体积；
38.连通性计算模块，用于将目标井组中注气井的注气量、生产井的井底流压和产液量以及所述注入气等效体积输入到井间动态连通性模型中，求解得到气窜通道的发育参数；所述发育参数为注气井与各生产井之间的动态连通性；
39.发育程度预测模块，用于根据所述气窜通道的发育参数评价气窜通道的发育方向和发育程度。
40.可选的，所述等效体积样本库模块，具体包括：
41.井组数据样本子模块，用于根据所述油藏样本库内的所述地质资料和所述工作制度数据的取值范围，利用抽样法，生成多个井组数据样本；
42.井组地质模型子模块，用于根据每个所述井组数据样本中的地质资料，构建井组
地质模型；
43.数值模拟模型子模块，用于将所述井组地质模型导入油藏数值模拟器中，根据每个所述井组数据样本中的工作制度数据设置各井的工作制度，得到井组的数值模拟模型；
44.预测子模块，用于将每个所述井组的数值模拟模型开展数值模拟研究，得到不同开采时刻的气相饱和度、油相饱和度和油相混入注入气的比例；
45.等效体积计算子模块，用于提取每个井组的气相饱和度、油相饱和度和油相混入注入气的比例，计算油藏中注入气的实际等效体积；
46.等效体积样本库子模块，用于根据所述实际等效体积构建注气开发过程的等效体积样本库。
47.可选的，所述训练模块，具体包括：
48.数据类型转换子模块，用于转换所述油藏样本库中井组数据样本的数据类型，生成转换后的井组数据样本；所述井组数据样本包括目标井组所在区块的地质资料和井的工作制度数据；
49.模型构建子模块，用于构建lightgbm模型，并对所述lightgbm模型赋初始值，得到初始lightgbm模型；
50.训练子模块，用于以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练好的lightgbm模型。
51.可选的，所述训练子模块，具体包括：
52.训练单元，用于以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练后的初始lightgbm模型；
53.预测单元，用于利用所述训练后的初始lightgbm模型预测注入气的等效体积，得到预测等效体积；
54.对比单元，用于将所述预测等效体积与所述实际等效体积进行对比，得到对比结果；
55.判断单元，用于判断所述对比结果是否满足误差要求，得到判断结果；
56.第一判断执行单元，用于若所述判断结果为满足误差要求，则输出所述训练好的lightgbm模型；
57.第二判断执行单元，用于若所述判断结果为不满足误差要求，则调节所述训练后的初始lightgbm模型的参数，以完成参数调节的训练后的初始lightgbm模型为所述初始lightgbm模型，返回“训练单元”；所述参数包括学习率、最小叶子节点样本权重和、树的最大深度、最小损失函数下降值、树权重改变的最大步长以及随机采样的比例。
58.根据本发明提供的具体实施例，本发明公开了以下技术效果：
59.本发明通过收集目标井组所在区块的地质资料和井的工作制度数据，利用油藏数值模拟方法构建样本库，以样本库中的样本对lightgbm模型进行训练，得到训练好的lightgbm模型，利用训练好的lightgbm模型计算注入气等效体积，将注入气等效体积和井组的生产动态数据输入到井间动态连通性模型中，计算气窜通道的发育参数，实现对气窜通道发育方向和发育程度的判别。由于油藏数值模拟方法全面考虑了各种注气提高采收率机理和复杂地质开发因素的影响，因此，在全面考虑各种机理和因素的前提下，利用lightgbm模型计算得到的注入气等效体积准确度高，而且模型一次训练完成后即可在目标
井组所在区块内进行无限多次应用，适用性强；此外，井间动态连通性模型计算速度快，两者结合极大地提高了气窜通道识别的准确率，且其应用简单方便，可在现场广泛使用。
附图说明
60.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
61.图1为本发明提供的一种基于生产动态资料的气窜通道识别方法的流程图；
62.图2为本发明实施例中步骤102的具体实施流程图；
63.图3为本发明实施例中步骤103的具体实施流程图；
64.图4为本发明实施例中步骤303的具体实施流程图；
65.图5为本发明实施例中lightgbm预测得到的注入气等效体积与实际等效体积拟合程度分析曲线图；
66.图6为本发明实施例中lightgbm预测得到的注入气等效体积随生产时间的变化关系曲线图；
67.图7为本发明实施例中气窜通道发育参数的计算结果图；
68.图8为本发明提供的一种基于生产动态资料的气窜通道识别系统的方框图。
具体实施方式
69.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
70.本发明的目的是提供一种基于生产动态资料的气窜通道识别方法与系统，以解决现有的气窜通道识别方法由于在气窜通道识别过程中，对识别机理考虑不全面，没有充分利用生产动态资料，从而导致对气窜通道识别的准确率低的问题，以及现有的气窜通道识别方法主要针对注入气为co2的情况，应用条件过于严苛，导致应用范围比较窄的问题。
71.本发明所要解决的技术问题是提供准确、高效、方便且操作性强的基于生产动态资料的气窜通道识别方法，通过建立lightgbm模型，构建油藏地质参数、井的工作制度与注入气等效体积之间的关系，通过气窜通道发育参数的快速反演，实现气窜通道发育方向和发育程度的判别，为气窜通道的调控和治理提供指导。
72.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
73.图1为本发明提供的一种基于生产动态资料的气窜通道识别方法的流程图，如图1所示，一种基于生产动态资料的气窜通道识别方法包括：
74.步骤101：收集目标井组所在区块的地质资料和井的工作制度数据，并根据所述地质资料和所述工作制度数据构建油藏样本库。在一个实施例中，可以从目标井地质勘探资料、测井曲线、岩心分析、pvt测试等资料中获取，具体的获取方式可以根据实际情况确定。
在获取目标井组所在区块的地质资料和井的工作制度数据后，将地质参数和工作制度数据保存成数据文件，构成油藏样本库。
75.所述地质资料可以用于表征目标井组所在区块的地质构造情况，为油藏数值模拟提供基础参数，所述地质资料可以包括但不限于：目标井组所在区块的孔隙度、渗透率、饱和度、隔夹层分布、水体大小、油相粘度、油相组分、油相pvt特性、地层温度、地层压力、相对渗透率曲线、毛管力曲线、流体粘度、岩石和流体压缩系数中之一或任意组合。其中，孔隙度分布、渗透率分布和饱和度分布都是对实际分布进行参数化之后的结果，孔隙度指有效孔隙度，渗透率指绝对渗透率，饱和度指储层内原始的流体饱和度，隔夹层分布指储层中能够影响或控制流体流动的非渗透层的分布特征，水体大小指油藏中与实际油层连通的水体体积与油层中含油孔隙体积的比值，油相粘度是指原油在地层的温度压力下的粘度，油相组分是指地下原油中的各种烃类组分的占比，油相pvt特性包括原油的泡点压力、溶解气油比、原油的膨胀系数等参数，其余参数根据油田开发情况进行输入。所述工作制度数据可以包括但不限于：注入气组分、注气量、注气压力、生产井井底流压、产液量和注气方式中之一或任意组合。其中，注入气组分是指注入气体的组成，通常注入的气体不是纯的组分，而是伴有一定的氮气和硫化氢等杂质，因此需要输入具体的组分及含量。
76.步骤102：根据所述油藏样本库生成多个井组数据样本，将所述井组数据样本导入油藏数值模拟器中，计算不同开采时刻的注入气的实际等效体积，构建注气开发过程中的等效体积样本库。
77.图2为本发明实施例中步骤102的具体实施流程图，如图2所示，步骤102具体包括：
78.步骤201：根据所述油藏样本库内的所述地质资料和所述工作制度数据的取值范围，利用抽样法，生成多个井组数据样本。
79.步骤202：根据每个所述井组数据样本中的地质资料，构建井组地质模型。
80.步骤203：将所述井组地质模型导入油藏数值模拟器中，根据每个所述井组数据样本中的工作制度数据设置各井的工作制度，得到井组的数值模拟模型。所述油藏数值模拟器能够考虑注气开发过程中的各种机理。
81.步骤204：将每个所述井组的数值模拟模型开展数值模拟研究，得到不同开采时刻的气相饱和度、油相饱和度和油相混入注入气的比例。
82.步骤205：提取每个井组的气相饱和度、油相饱和度和油相混入注入气的比例，计算油藏中注入气的实际等效体积。
83.步骤206：根据所述实际等效体积构建注气开发过程的等效体积样本库。
84.步骤103：以所述油藏样本库中的井组数据样本为输入，并以所述等效体积样本库中对应的实际等效体积样本为输出，构建并训练lightgbm模型，得到训练好的lightgbm模型。通过训练好的lightgbm模型，可以快速准确地预测目标井组所在区块内其它井组的注入气等效体积，从而应用井间动态连通性模型得到气窜通道的发育参数，根据气窜通道的发育参数判断气窜通道的发育方向和程度。对于给定的区块，训练好的lightgbm模型可以直接使用无需再次训练；使用训练好的lightgbm模型进行气窜通道识别可以在短时间内(数秒)完成计算，其精度和速度是传统方法达不到的。因此，采用本发明的基于生产动态资料的气窜通道识别方法能够实现气窜通道的高精度识别，且大大提高了工作效率。
85.图3为本发明实施例中步骤103的具体实施流程图，如图3所示，步骤103具体包括：
86.步骤301：转换所述油藏样本库中井组数据样本的数据类型，生成转换后的井组数据样本。所述井组数据样本包括目标井组所在区块的地质资料和井的工作制度数据。对输入的分布参数，如渗透率、饱和度、孔隙度，进行统计分析，计算得到反映整体分布特征的平均值、中位数和反映离散程度的方差，以及描述样本的分布形态峰度和偏度。其余的输入参数直接按照顺序依次向后排列。
87.步骤302：构建lightgbm模型，并对所述lightgbm模型赋初始值，得到初始lightgbm模型。学习率为0.3，最小叶子节点样本权重和为1，树的最大深度为50，最小损失函数下降值为0，树权重改变的最大步长为0，随机采样的比例为1；
88.步骤303：以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练好的lightgbm模型。
89.图4为本发明实施例中步骤303的具体实施流程图，如图4所示，所述步骤303具体包括：
90.步骤3031：以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练后的初始lightgbm模型。
91.步骤3032：利用所述训练后的初始lightgbm模型预测注入气的等效体积，得到预测等效体积。
92.步骤3033：将所述预测等效体积与所述实际等效体积进行对比，得到对比结果。
93.步骤3034：判断所述对比结果是否满足误差要求，得到判断结果；若所述判断结果为是，则执行步骤3035，所述若判断结果为否，则执行步骤3036。
94.步骤3035：输出所述训练好的lightgbm模型；
95.步骤3036：调节所述训练后的初始lightgbm模型的参数，以完成参数调节的训练后的初始lightgbm模型为所述初始lightgbm模型，返回“步骤3031”。所述参数包括学习率、最小叶子节点样本权重和、树的最大深度、最小损失函数下降值、树权重改变的最大步长以及随机采样的比例。对初始值的参数进行调节优化，主要包括有树的最大深度和学习率等。直到输出的对比结果达到误差要求，当lightgbm模型训练完成，此时得到的lightgbm模型即为训练好的lightgbm模型；
96.步骤104：将实际的地质资料和工作制度数据输入到所述训练好的lightgbm模型中，计算得到注入气等效体积。
97.步骤105：将目标井组中注气井的注气量、生产井的井底流压和产液量以及所述注入气等效体积输入到井间动态连通性模型中，得到气窜通道的发育参数。所述发育参数为注气井与各生产井之间的动态连通性。
98.步骤106：根据所述气窜通道的发育参数评价气窜通道的发育方向和发育程度。
99.根据气窜通道的发育参数判断气窜通道的发育情况：若井组内某个注气井与生产井连线方向的气窜通道的发育参数λ≥1/n，式中n为井组内生产井的数目，则该方向即为气窜通道的发育方向；
100.若井组内某个注气井与生产井连线方向的气窜通道的发育参数λ≥1/n*(1 60％)，则该方向发育的气窜通道为强气窜通道；若井组内某个注气井与生产井连线方向的气窜通道的发育参数1/n*(1 30％)≤λ＜1/n*(1 60％)，则该方向发育的气窜通道为中等气窜通道；若井组内某个注气井与生产井连线方向的气窜通道的发育参数1/n≤λ＜1/n*(1
30％)，则该方向发育的气窜通道为弱气窜通道；若井组内某个注气井与生产井连线方向的气窜通道的发育参数λ＜1/n，则该方向不发育气窜通道；由此实现气窜通道发育程度的判断。
101.下面给出一具体实例说明本发明实施例如何进行气窜通道识别。
102.步骤101：收集目标井组所在区块的地质资料和井的工作制度数据，并根据所述地质资料和所述工作制度数据构建油藏样本库。
103.所收集的目标井组所在区块的地质资料包括：孔隙度、渗透率、饱和度、隔夹层分布、水体大小、油相粘度、油相组分、油相pvt特性、地层温度、地层压力、相对渗透率曲线、毛管力曲线、流体粘度、岩石和流体压缩系数。所收集的井的工作制度数据包括：注入气组分、注气量、注气压力、生产井井底流压、产液量和注气方式。注入气的具体组分和含量如表1所示。
104.表1输入组分表
[0105][0106]
步骤102：根据所述油藏样本库生成大量的多个井组数据样本，将所述井组数据样本导入油藏数值模拟器中，计算不同开采时刻的注入气的实际等效体积，构建注气开发过程中的等效体积样本库。
[0107]
根据目标井组所在区块内的地质资料和工作制度数据的取值范围，利用抽样法，生成多个井组数据样本。
[0108]
针对每个井组数据样本中的地质资料，利用地质建模软件或油藏数值模拟软件中的地质建模模块构建井组地质模型。地质建模软件可以是斯伦贝谢公司开发的petrel软件或其它，油藏数值模拟软件可以是cmg软件、eclipse软件或其它。这里将井组数据样本中的地质资料输入cmg软件中的builder模块建立井组地质模型。
[0109]
将所建立的井组地质模型导入油藏数值模拟器中，然后利用油藏数值模拟器中的相态模块进行相态拟合。这里采用cmg软件中的winprop模块进行相态拟合，具体步骤包括：向油藏数值模拟器中输入注入气的组分和原油组成数据，进行混相压力预测和闪蒸计算，将计算结果与实验结果进行对比，调节输入参数直到软件计算结果与实验结果一致。如果
没有实验结果，可以根据组分的含量利用标准的参数进行计算，如ch4的标准临界压力为45.4atm，临界温度为190.6k。由此得到油藏数值模拟所需要的相态模型。根据对应井组数据样本中的工作制度数据设置各井的工作制度，得到井组的数值模拟模型。
[0110]
采用油藏数值模拟软件中的组分模型预测给定时刻油藏内的气相饱和度分布、油相饱和度分布和油相中注入气组分的比例。此处的给定时刻可以为任意时刻，具体可自行设置，主要作用是得到不同开发时刻油相中注入气组分的比例，选取时刻的间隔越大，预测的等效体积的变化间隔也随之增大，这里选取30天作为一个周期；
[0111]
针对每个井组数据样本，将计算得到的气相饱和度分布、油相饱和度分布和油相中注入气组分的比例通过运算得到对应的结果，油藏中注入气的实际等效体积的具体计算公式如下，
[0112][0113]
式中，v
m
是注入气的实际等效体积，指第i,j,k个网格的油相饱和度，指第i,j,k个网格中油相混入注入气的比例，指第i,j,k个网格注入气的气相饱和度，φ
i,j,k
指第i,j,k个网格的孔隙度，δxδyδz是网格单元的体积，n表示x方向上网格的数目,m表示y方向上网格的数目,p表示方向上网格的数目，i表示x方向第i个网格，j表示y方向第j个网格，k表示z方向第k个网格。
[0114]
将计算得到的所述实际等效体积存储到等效体积样本库中。
[0115]
步骤103：以所述油藏样本库中的井组数据样本为输入，并以所述等效体积样本库中对应的实际等效体积样本为输出，构建并训练lightgbm模型，得到训练好的lightgbm模型。
[0116]
将油藏样本库中的资料进行整理合并，方便导入到lightgbm模型中。对于输入的分布参数，如渗透率、饱和度、孔隙度、隔夹层分布，进行统计分析，计算得到反映整体分布特征的平均值、中位数和反映离散程度的方差，以及描述样本的分布形态峰度和偏度；对于数值型变量，如水体大小、地层压力、流体粘度，岩石和流体的压缩系数等数值型参数，可以直接输入数值；对于油相pvt特性，相对渗透率曲线，毛管力曲线等参数，它们在同一个水动力学系统下基本保持不变，所以可以将这些参数视为常量。
[0117]
实际应用中，可以根据现场具体情况对参数进行适当的删减。例如，对于本实施例的目标井组所在区块而言，水体的大小基本保持不变，因此可以将水体大小从待训练的lightgbm模型中删除；反之，如果目标井组所在区块有其他的因素对注气开发效果的影响程度比较大，比如纵向非均质性差异显著，则可以将纵向非均质性单独作为一个参数用来训练lightgbm模型，同时在地质模型建立过程中也要将纵向非均质性考虑进去，具体思路如上所述。
[0118]
构建lightgbm模型，利用python的lightgbm包进行模型的建立。
[0119]
(1)根据常规经验，选择一组初始参数组合，并将决策树的数量设置为50。在此基础上，调整最大深度和最小子项权重。最大深度和最小子项权重决定了决策树的复杂性。
[0120]
(2)调整γ值。γ为节点分裂所需的最小损失函数下降值。γ的值越大，算法越保
守。γ值和损失函数息息相关，γ值越小，过度拟合的风险越小。因此，在确保损失函数的合理性的前提下，应使γ值尽可能小。
[0121]
(3)调整样品采样方式。这些参数主要涉及subsample和colsample bytree。subsmaple是指lightgbm在树的增长之前随机抽取用于训练的样本数目，如取0.5时，一半的数据用于训练可以防止过拟合。与subsample类似，colsample_bytree是指在建立每一棵树的时候，对每一层的样本的列特征进行采样可以防止过拟合，在每次提升迭代时都会采样一次最佳值范围。
[0122]
(4)调整学习率η，用于控制树的权重，lightgbm模型在进行完每一轮迭代之后，会将叶子节点的分数乘上η，以便于削弱各棵树的影响，避免过拟合。一般对η进行调优时会结合迭代次数进行考虑。如果增加η，就减少迭代次数；反之亦然。
[0123]
经过不断的调整，lightgbm模型的误差会变得非常小。图5为本发明实施例中lightgbm预测得到的注入气等效体积与实际等效体积拟合程度分析曲线图。如图5所示，lightgbm模型预测得到的预测等效体积与所述实际等效体积基本吻合(分布在45度线附近)，证实了本发明所提供方法的准确性。训练好的lightgbm模型即可用于实际油田注气开采过程中注入气等效体积的预测。
[0124]
步骤104：将实际的地质资料和工作制度数据输入到所述训练好的lightgbm模型中，计算注入气等效体积。
[0125]
针对目标井组进行预测，将所述井组的地质资料和工作制度数据输入到训练好的lightgbm模型中，得到对应时刻的注入气等效体积。目标井组的流体属性数值与步骤101中的流体属性基本一致。油层深度为4703m，日注气量为60000m3/d，平均储层渗透率为16.61md，地层压力为48.46mpa，原油体积系数为1.09，膨胀系数为1.67，原始溶解气油比为17.7，油层厚度为16m
‑
23m。将目标井组的物性参数带入到lightgbm模型中，得到目标井组在不同时刻下的注入气等效体积，如图6所示。
[0126]
在图6中可以看出注入气等效体积在前期有个短暂的快速上升过程，继而达到一个相对平稳的时期，40个月之后，注入气等效体积明显上升，表明此时生产气油比已经较高，形成了明显的气窜通道。
[0127]
步骤105：将目标井组中注气井的注气量、生产井的井底流压和产液量以及所述注入气等效体积输入到井间动态连通性模型中，得到气窜通道的发育参数。井间动态连通性模型是根据物质平衡方程推导得到的，它通过利用注入井和生产井的动态数据，对油藏内气窜通道的发育参数进行反演。井间动态连通性模型如下：
[0128][0129]
[0130][0131]
式(1)是井间动态连通性模型中的优化目标函数。式中，q
kj
—由公式(3)预测得到的产油井j在第k层的产液量，m3/d；—产油井j在第k层的实际产液量，m3/d；n—生产井的数目，整数；min代表求出来的解应使该式达到最小；t—生产时间，month。
[0132]
式(2)是井间动态连通性模型中求解的约束条件。λ
kij
—第k层注水井i与产油井j之间的气窜通道发育参数，小数；k—地层总层数，整数；i—注气井井数，整数；τ
kj
—第k层第j口产油井的时间常数，month；q
0kj
—生产井j在第k层的注采不平衡项，m3/d；t0—初始生产时刻，month；ξ—积分变量，month；i
′
kij
(ξ)—由所述lightgbm模型计算得到的注入气等效体积，m3；v
kj
—表征生产井j的井底流压变化对第k层产液量影响大小的系数；—生产井j的井底流压，mpa。
[0133]
采用最优化算法对井间动态连通性模型进行求解得到不同注气井和生产井之间的气窜通道发育参数。本实施例中采用粒子群优化算法对各注采井之间的时间常数、气窜通道发育参数进行调整以使式(1)达到最小。粒子群优化算法中初始种群数量为40，计算周期为500，学习因子c1、c2设置为0。
[0134]
表2为目标井组的气窜通道发育参数计算结果。
[0135]
表2目标井组气窜通道发育参数的计算结果
[0136][0137]
图7为目标井组气窜通道发育参数的计算结果示意图，箭头越大代表气窜通道的发育程度越高。目标井组内共有5口采油井，其中w1、w5与注气井之间的气窜通道发育参数大于1/5＝0.2，说明w1、w5与注气井之间已经形成气窜通道，而w2、w3、w4与注气井之间没有形成气窜通道。而且w1与注气井之间的气窜通道发育参数0.38>1/5*(1 60％)，因此w1与注气井之间形成强气窜通道；w5与注气井之间的气窜通道发育参数1/5*(1 30％)<0.29≤1/5*(1 60％)，因此w5与注气井之间形成中等气窜通道。
[0138]
表3为现场采用井间示踪剂测试得到的目标井组气窜通道发育情况。可以发现，在测试时间段内，w1和w5井见到了示踪剂，而其余三口井没有见到示踪剂，表明w1、w5与注气井之间已经形成气窜通道，而且w1井方向的气驱速度更快，表明气窜通道发育级别越高。由此可见，本发明所提供方法的气窜通道识别结果与示踪剂测试一致，充分证明了该方法的准确性。但由于示踪剂测试需要持续数月的时间，而且成本高、工作量大，而本发明所提供
的方法充分利用了现场广泛存在的生产动态资料，不需要专门的测试，成本几乎为0，因此实际应用中不但准确度高，而且简单方便、可操作性强、成本低廉。
[0139]
表3目标井组示踪剂测试结果
[0140][0141]
综上所述，本发明实施例提供的气窜通道识别方法具有如下优点：
[0142]
通过训练好的lightgbm模型，可以快速准确地预测目标井组所在区块内各井组的注入气等效体积，进而将注入气等效体积带入到井间动态连通性模型之中，得到注气井组各方向上的气窜通道发育参数，以此来判断气窜通道的发育方向和发育程度。本发明的方法解决了注气开发过程中气窜通道识别不准确、计算效率低的问题。基于油田实际条件，利用油藏数值模拟方法构建油藏样本库和等效体积样本库，进而对lightgbm模型进行训练，不但充分考虑了注气开发过程中的各种机理，而且lightgbm模型的强自适应能力和高效率使其能够在训练结束后准确预测不同参数条件下的注入气等效体积，从而在井间动态连通性模型的基础上实现气窜通道发育参数的快速准确判别。此外，训练好的lightgbm模型可以在同一区块或者类似的区块直接应用，而无需重复训练，极大地提高了计算效率，避免了重复进行油藏数值模拟所需要耗费的大量计算时间和计算资源。本发明充分利用了现场的生产动态资料，不需要专门的测试，成本几乎为0，更便于现场大规模推广应用。
[0143]
图8为本发明提供的一种基于生产动态资料的气窜通道识别系统的方框图，如图8所示，一种基于生产动态资料的气窜通道识别系统，包括：
[0144]
油藏样本库模块401，用于收集目标井组所在区块的地质资料和井的工作制度数据，并根据所述地质资料和所述工作制度数据构建油藏样本库。所述地质资料为目标井组所在区块的孔隙度、渗透率、饱和度、隔夹层分布、水体大小、油相粘度、油相组分、油相pvt特性、地层温度、地层压力、相对渗透率曲线、毛管力曲线、流体粘度、岩石和流体压缩系数中之一或任意组合；所述工作制度数据为注入气组分、注气量、注气压力、生产井井底流压、产液量和注气方式中之一或任意组合。
[0145]
等效体积样本库模块402，用于根据所述油藏样本库生成多个井组数据样本，将所述井组数据样本导入油藏数值模拟器中，计算不同开采时刻的注入气的实际等效体积，构建开发过程中的等效体积样本库。
[0146]
其中，所述等效体积样本库模块402，具体包括：
[0147]
井组数据样本子模块，用于根据所述油藏样本库内的所述地质资料和所述工作制度数据的取值范围，利用抽样法，生成多个井组数据样本。
[0148]
井组地质模型子模块，用于根据每个所述井组数据样本中的地质资料，构建井组地质模型。
[0149]
数值模拟模型子模块，用于将所述井组地质模型导入油藏数值模拟器中，根据每个所述井组数据样本中的工作制度数据设置各井的工作制度，得到井组的数值模拟模型。
[0150]
预测子模块，用于将每个所述井组的数值模拟模型开展数值模拟研究，得到不同开采时刻的气相饱和度、油相饱和度和油相混入注入气的比例。
[0151]
等效体积计算子模块，用于提取每个井组的气相饱和度、油相饱和度和油相混入注入气的比例，计算油藏中注入气的实际等效体积。
[0152]
等效体积样本库子模块，用于根据所述实际等效体积构建注气开发过程的等效体积样本库。
[0153]
训练模块403，用于以所述油藏样本库中的井组数据样本为输入，并以所述等效体积样本库中对应的实际等效体积样本为输出，构建并训练lightgbm模型，得到训练好的lightgbm模型。
[0154]
其中，所述训练模块403，具体包括：
[0155]
数据类型转换子模块，用于转换所述油藏样本库中井组数据样本的数据类型，生成转换后的井组数据样本；所述井组数据样本包括目标井组所在区块的地质资料和井的工作制度数据。
[0156]
模型构建子模块，用于构建lightgbm模型，并对所述lightgbm模型赋初始值，得到初始lightgbm模型。
[0157]
训练子模块，用于以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练好的lightgbm模型。
[0158]
所述训练子模块，具体包括：
[0159]
训练单元，用于以所述转换后的井组数据样本为输入，以所述实际等效体积样本为输出，对所述初始lightgbm模型进行训练，得到训练后的初始lightgbm模型。
[0160]
预测单元，用于利用所述训练后的初始lightgbm模型预测注入气的等效体积，得到预测等效体积。
[0161]
对比单元，用于将所述预测等效体积与所述实际等效体积进行对比，得到对比结果。
[0162]
判断单元，用于判断所述对比结果是否满足误差要求，得到判断结果；
[0163]
第一判断执行单元，用于若所述判断结果为满足误差要求，则输出所述训练好的lightgbm模型；
[0164]
第二判断执行单元，用于若所述判断结果为不满足误差要求，则调节所述训练后的初始lightgbm模型的参数，以完成参数调节的训练后的初始lightgbm模型为所述初始lightgbm模型，返回“训练单元”。所述参数包括学习率、最小叶子节点样本权重和、树的最大深度、最小损失函数下降值、树权重改变的最大步长以及随机采样的比例。
[0165]
注入气等效体积计算模块404，用于将实际的地质资料和工作制度数据输入到所
述训练好的lightgbm模型中，计算注入气等效体积。
[0166]
连通性计算模块405，用于将目标井组中注气井的注气量、生产井的井底流压和产液量以及所述注入气等效体积输入到井间动态连通性模型中，求解得到气窜通道的发育参数。所述发育参数为注气井与各生产井之间的动态连通性。
[0167]
发育程度预测模块406，用于根据所述气窜通道的发育参数评价气窜通道的发育方向和发育程度。
[0168]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0169]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。