基于智能計算的水力壓裂施工參數(shù)優(yōu)化

摘 要：本文研究基于智能計算的壓裂施工參數(shù)優(yōu)化方法，在收集、分析了大量儲層、壓裂、產(chǎn)能數(shù)據(jù)的基礎(chǔ)上，優(yōu)選出了儲層參數(shù)、巖石力學(xué)參數(shù)、壓裂施工參數(shù)和產(chǎn)能參數(shù)等，分別建立了用于裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組和用于產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組，采用遺傳算法優(yōu)化施工參數(shù)，現(xiàn)場應(yīng)用效果良好，對其他類似區(qū)塊具有借鑒意義。

關(guān)鍵詞：壓裂；智能計算；壓裂參數(shù)優(yōu)化

DOI：10.16640/j.cnki.37-1222/t.2017.24.070

1 前言

傳統(tǒng)壓裂施工參數(shù)的優(yōu)化是基于數(shù)學(xué)模型或理論公式的，軟件模擬的結(jié)果與實際裂縫監(jiān)測結(jié)果都有偏差，軟件可信度越來越低。國內(nèi)外學(xué)者對智能計算方法應(yīng)用于壓裂工程已經(jīng)做了一些探索[1-3]。然而這些研究都僅限于探索階段，目前未見到成熟的研究成果和應(yīng)用的相關(guān)文獻(xiàn)報道。本文首先收集了大量壓裂歷史數(shù)據(jù)，優(yōu)選出儲層參數(shù)、巖石力學(xué)參數(shù)、壓裂施工參數(shù)和產(chǎn)能參數(shù)等作為建模的基礎(chǔ)，然后分別建立了裂縫模擬神經(jīng)網(wǎng)絡(luò)專家組和產(chǎn)能模擬神經(jīng)網(wǎng)絡(luò)專家組，最后應(yīng)用遺傳算法優(yōu)化施工方案，形成了軟件并應(yīng)用于現(xiàn)場。

2 方案設(shè)計

2.1 參數(shù)分析與優(yōu)選

通過對目標(biāo)區(qū)塊大量壓裂施工曲線進(jìn)行大量觀察和總結(jié)，發(fā)現(xiàn)壓裂加砂時按照“五段式”加砂方式進(jìn)行，即攜砂液階段可按照砂比的不同分為五個階段。最終確定了儲層參數(shù)5個（深度、地層壓力、滲透率、孔隙度、厚度），巖石力學(xué)參數(shù)6個（蓋層、底層與儲層的閉合壓力；蓋層、底層與儲層的楊氏模量），壓裂參數(shù)12個（排量（RD）、前置液量（V0），第1段～第5段攜砂液量（V1～V5）、第1段～第5段砂濃度（C1～C5））。同時，輸出參數(shù)共6個（動態(tài)裂縫長度、支撐裂縫長度、動態(tài)裂縫高度、支撐裂縫高度、平均支撐裂縫寬度和無因次導(dǎo)流能力）。

考慮到目標(biāo)區(qū)塊一般情況下壓裂可在一年內(nèi)有效，故選擇研究壓裂后300天內(nèi)的產(chǎn)量遞減情況。通過研究和對比發(fā)現(xiàn)，目標(biāo)儲層經(jīng)過壓裂措施后基本符合對數(shù)遞減模型的規(guī)律，式子（1）給出了對數(shù)遞減模型。最終選擇輸入?yún)?shù)9個（產(chǎn)層閉合應(yīng)力、產(chǎn)層壓力、滲透率、孔隙度、產(chǎn)層厚度、支撐裂縫長度、支撐裂縫寬度、無因次導(dǎo)流能力、生產(chǎn)壓差），輸出參數(shù)2個（Q0， D）。

（1）

式中 Q—壓裂后的日產(chǎn)量，t/d；

Q0—壓裂后的初始日產(chǎn)量，t/d；

D—產(chǎn)量遞減率，t/log（d）；

t—壓裂后的生產(chǎn)時間，d。

2.2 模型建立

采用BP神經(jīng)網(wǎng)絡(luò)和LM算法，Sigmoid函數(shù)作為激活函數(shù)，并采用委員會機(jī)器的思想建立專家組，提高神經(jīng)網(wǎng)絡(luò)的精度和穩(wěn)定性。使用23×10×10×6的雙隱層BP神經(jīng)網(wǎng)絡(luò)建立裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組，并分成6組數(shù)據(jù)進(jìn)行訓(xùn)練。為避免初始權(quán)值矩陣的影響，進(jìn)行共計10次的訓(xùn)練，從中選擇性能最佳的網(wǎng)絡(luò)。類似地，選擇使用了5個神經(jīng)網(wǎng)絡(luò)建立專家組對產(chǎn)能參數(shù)進(jìn)行預(yù)測，最終確定9×10×10×2的雙隱層網(wǎng)絡(luò)結(jié)構(gòu)。

最終得到裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組預(yù)測平均相對誤差為8.87%，比單一網(wǎng)絡(luò)預(yù)測平均相對誤差低3.14個百分點(diǎn)，產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組平均相對誤差11.78%，比單一網(wǎng)絡(luò)平均相對誤差小1.03個百分點(diǎn)。

2.3 方案優(yōu)化

在壓裂施工之前應(yīng)使用凈現(xiàn)值指標(biāo)建立優(yōu)化模型，使得壓裂施工的NPV最大化，以確保壓裂后具有良好的經(jīng)濟(jì)效益。建立的優(yōu)化目標(biāo)函數(shù)如下：

（2）

其中，RD為排量；Vl為壓裂液量；Vp為支撐劑量。可寫成：

（3）

式中，V0表示前置液量；V1至V5分別表示第1段至第5段的攜砂液量；C1至C5分別表示第1段至第5段的支撐劑濃度。If是對應(yīng)參數(shù)搜索空間。

采用遺傳算法，先對連續(xù)空間進(jìn)行離散，然后對每個參數(shù)的離散點(diǎn)位置進(jìn)行二進(jìn)制編碼。先確定搜索空間離散時的取值間隔及對應(yīng)的編碼位數(shù)，每個參數(shù)的所有碼對應(yīng)一個基因，12個基因組成染色體，也就是1個個體。最終結(jié)果為凈現(xiàn)值最大的一代種群的個體按凈現(xiàn)值排序組合，決策者可對N個個體進(jìn)行壓裂方案的決策。

3 應(yīng)用

針對鄂爾多斯盆地東部區(qū)塊進(jìn)行了建模，并進(jìn)行8層的應(yīng)用，表2為試驗井與歷年壓裂層平均日產(chǎn)油量和平均日產(chǎn)液量的對比情況，試驗井壓裂平均日產(chǎn)油量比往年增加了39.01個百分點(diǎn)，日產(chǎn)液量比往年增加11.37個百分點(diǎn)?？傮w來看，通過現(xiàn)場應(yīng)用，達(dá)到了壓裂方案科學(xué)決策與參數(shù)精細(xì)優(yōu)化、切實提高壓裂效果的目的。

4 結(jié)論

本文建立了一套完整的基于智能計算方法的水力壓裂參數(shù)優(yōu)化設(shè)計，包括裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組、產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組和基于遺傳算法的經(jīng)濟(jì)優(yōu)化模型。裂縫模擬的神經(jīng)網(wǎng)絡(luò)專家組預(yù)測平均相對誤差為8.87%，比單一網(wǎng)絡(luò)預(yù)測平均相對誤差低3.14個百分點(diǎn)，產(chǎn)能模擬的神經(jīng)網(wǎng)絡(luò)專家組平均相對誤差11.78%，比單一網(wǎng)絡(luò)平均相對誤差小1.03個百分點(diǎn)。在8層中進(jìn)行了試驗，試驗井平均日產(chǎn)油量和日產(chǎn)液量分別比歷年提高了39.01和11.37個百分點(diǎn)，達(dá)到了壓裂方案科學(xué)決策與參數(shù)精細(xì)優(yōu)化、切實提高壓裂效果的目的。

參考文獻(xiàn)：

[1]Mohaghegh，S.，Platon V.，Ameri S.（2001）‘Intelligent systems application in candidate selection and treatment of gas storage wells，Journal of Petroleum Science and Engineering，Vol.31，No.2，pp.125-133.

[2]王宗六，李青慧.水力壓裂設(shè)計專家系統(tǒng)的開發(fā)及應(yīng)用[J].斷塊油氣田，2000，7（02）：54-56.

[3]蔣廷學(xué)，丁云宏，汪永利等.低滲透難動用儲量壓裂專家系統(tǒng)的研究及應(yīng)用[J].石油學(xué)報，2006，27（05）：79-82.

作者簡介：王少英（1969-），主要從事復(fù)雜油氣井測試、壓裂等工作。