页岩油藏压后闷井时间的确定方法及设备

    公开(公告)号:CN113586023B

    公开(公告)日:2022-07-22

    申请号:CN202110845540.X

    申请日:2021-07-26

    Abstract: 本申请提供一种页岩油藏压后闷井时间的确定方法及设备。通过建立页岩油藏缝网压裂水平井不稳定试井模型,确定页岩油缝网压裂水平井的储层和裂缝相关数据;根据页岩油缝网压裂水平井的储层和裂缝相关数据,得到试井曲线,试井曲线表示渗透率与单井达到边界效应时间的对应关系;根据监测的页岩油藏缝网压裂水平井的实际渗透率以及试井曲线,确定页岩油藏缝网压裂水平井的最优闷井时间。本申请的方法,通过压力波传播到边界的时间来确定最优闷井时间,从而使获得的闷井时间更加准确,提高了页岩油井产量。

    基于深度学习的页岩储层试井智能解释分析方法及装置

    公开(公告)号:CN113111582B

    公开(公告)日:2022-08-23

    申请号:CN202110386841.0

    申请日:2021-04-12

    Abstract: 本发明公开了一种基于深度学习的页岩储层试井智能解释分析方法及装置,方法包括:建立页岩气藏气井试井的物理模型;根据页岩气藏气井试井的物理模型列出裂缝中气体流动质量守恒方程;根据Langmuir方程、裂缝中气体流动质量守恒方程和点源函数渗流方程求解得到点源解;基于点源解得到拉氏空间下顶底封闭边界、圆形边界储层垂直压裂井井底的压力响应,再计算得到真实空间下的压力解;将无因次井储系数等作为深度学习模型的标签,将典型无因次特征曲线作为深度学习模型的输入进行训练,将无因次化后的双对数压力及其导数曲线输入到深度学习模型中,获得该曲线所对应的关键参数。本申请能够更好更快的确定页岩气藏压裂井储层及裂缝参数。

    基于深度学习的页岩储层试井智能解释分析方法及装置

    公开(公告)号:CN113111582A

    公开(公告)日:2021-07-13

    申请号:CN202110386841.0

    申请日:2021-04-12

    Abstract: 本发明公开了一种基于深度学习的页岩储层试井智能解释分析方法及装置,方法包括:建立页岩气藏气井试井的物理模型;根据页岩气藏气井试井的物理模型列出裂缝中气体流动质量守恒方程;根据Langmuir方程、裂缝中气体流动质量守恒方程和点源函数渗流方程求解得到点源解;基于点源解得到拉氏空间下顶底封闭边界、圆形边界储层垂直压裂井井底的压力响应,再计算得到真实空间下的压力解;将无因次井储系数等作为深度学习模型的标签,将典型无因次特征曲线作为深度学习模型的输入进行训练,将无因次化后的双对数压力及其导数曲线输入到深度学习模型中,获得该曲线所对应的关键参数。本申请能够更好更快的确定页岩气藏压裂井储层及裂缝参数。

    页岩油藏压后闷井时间的确定方法及设备

    公开(公告)号:CN113586023A

    公开(公告)日:2021-11-02

    申请号:CN202110845540.X

    申请日:2021-07-26

    Abstract: 本申请提供一种页岩油藏压后闷井时间的确定方法及设备。通过建立页岩油藏缝网压裂水平井不稳定试井模型,确定页岩油缝网压裂水平井的储层和裂缝相关数据;根据页岩油缝网压裂水平井的储层和裂缝相关数据,得到试井曲线,试井曲线表示渗透率与单井达到边界效应时间的对应关系;根据监测的页岩油藏缝网压裂水平井的实际渗透率以及试井曲线,确定页岩油藏缝网压裂水平井的最优闷井时间。本申请的方法,通过压力波传播到边界的时间来确定最优闷井时间,从而使获得的闷井时间更加准确,提高了页岩油井产量。

Patent Agency Ranking