王 黎

（中原石油工程有限公司井下特種作業(yè)公司，河南濮陽 476100）

塔河油田酸壓輔助設(shè)計模型研究

王 黎

（中原石油工程有限公司井下特種作業(yè)公司，河南濮陽 476100）

針對塔河油田酸壓施工特點，從酸壓施工參數(shù)的優(yōu)化、裂縫參數(shù)的優(yōu)化等方面，利用數(shù)學(xué)統(tǒng)計方法中的BP神經(jīng)網(wǎng)絡(luò)方法，建立儲層改造輔助設(shè)計模型，提供酸壓處理的模擬、分析、設(shè)計和優(yōu)化功能，得到改造井的各類參數(shù)取值范圍，通過分析優(yōu)選出最佳的施工參數(shù)和裂縫參數(shù)，從而指導(dǎo)酸壓設(shè)計者制定出初步的優(yōu)化設(shè)計方案，盡可能的提高施工成功率。

酸壓；輔助設(shè)計

1 施工參數(shù)優(yōu)化

塔河酸壓施工參數(shù)包括注入酸量、酸液排量、前置液量、前置液排量。要確定某口待改造井的施工參數(shù)需要應(yīng)用到以往的類似改造井儲層參數(shù)、施工參數(shù)等結(jié)果，確定出各個參數(shù)的范圍，組成N種方案，本文應(yīng)用正交設(shè)計優(yōu)化出幾種方案。然后對于方案優(yōu)劣的選擇，采用首先優(yōu)選方法，通過調(diào)研目前針對施工參數(shù)研究，主要是以下幾種方法：遺傳變異原理、神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)等方法，從不同途徑都能取得比較好的結(jié)果。但是本文在前面的研究中統(tǒng)計了285口井的施工參數(shù)和儲層參數(shù)，已經(jīng)訓(xùn)練形成了成熟的神經(jīng)網(wǎng)絡(luò)模型，正可以利用其進(jìn)行施工參數(shù)的優(yōu)化[1-4]。

1.1 正交設(shè)計施工方案

首先根據(jù)目標(biāo)決策函數(shù)，限定酸壓施工參數(shù)范圍，一次性同步優(yōu)化多個施工參數(shù)。但是施工參數(shù)之間不同的組合有很多種，利用正交設(shè)計對成千上萬種不同的設(shè)計方案進(jìn)行正交，從而實現(xiàn)施工參數(shù)的優(yōu)選。

酸壓施工參數(shù)優(yōu)化設(shè)計采用正交試驗設(shè)計及其直觀分析方法，以數(shù)理統(tǒng)計、概率論和線性代數(shù)等數(shù)學(xué)理論為基礎(chǔ)，科學(xué)的安排試驗方案，準(zhǔn)確的分析試驗結(jié)果，定性定量地確定參數(shù)對指標(biāo)的影響趨勢及顯著程度。其特點是以具有代表性的有限個施工方案反映大量施工方案的本質(zhì)規(guī)律和主次矛盾。進(jìn)而指導(dǎo)碳酸鹽巖油藏長裸眼酸壓井的開發(fā)[5，6]。

利用正交性設(shè)計與不同數(shù)目的施工參數(shù)和水平值相對應(yīng)的正交試驗設(shè)計表。對影響油藏穩(wěn)產(chǎn)的酸壓施工參數(shù)，共4個因素進(jìn)行正交設(shè)計，其中每個因素取3個值。這樣，根據(jù)需要選擇具有4個參數(shù)、3個水平值的正交表L9（34），只需做9次模擬計算就能反映出總共34=81次試驗所代表的規(guī)律。所以應(yīng)用正交試驗法來對各參數(shù)進(jìn)行綜合分析，具有極大的簡便性。以塔河十二區(qū)的一口井為例的正交設(shè)計以及方案優(yōu)選（見表1，表 2）。

表1 正交設(shè)計方案表

表2 正交設(shè)計試驗表

表2 正交設(shè)計試驗表（續(xù)表）

1.2 施工方案優(yōu)選

應(yīng)用正交設(shè)計優(yōu)化出幾種方案后，對這些方案的優(yōu)劣進(jìn)行篩選。目前針對酸壓施工參數(shù)的優(yōu)選，主要運用神經(jīng)網(wǎng)絡(luò)、遺傳變異和模糊數(shù)學(xué)等方法。但是本文在前期的研究中統(tǒng)計了285口井的施工參數(shù)、儲層參數(shù)等，已經(jīng)訓(xùn)練形成了成熟的神經(jīng)網(wǎng)絡(luò)模型，正可以利用其進(jìn)行施工參數(shù)的優(yōu)化。

對于塔河油田的任意一口待壓井，根據(jù)其儲層情況，按照施工層位劃分的神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行模擬計算。得到按決策系數(shù)排序的施工方案，決策系數(shù)越大，方案越推薦實施。本文取前三個方案為酸壓施工參數(shù)推薦方案（見表3）。

表3 施工參數(shù)方案優(yōu)選表（按施工層位劃分）

按施工層位劃分時，按決策系數(shù)由大到小排序，可得酸壓施工參數(shù)的優(yōu)先方案為方案四、方案一及方案七。

2 裂縫參數(shù)優(yōu)化

2.1 裂縫模型

BP神經(jīng)網(wǎng)絡(luò)作為一種能自動學(xué)習(xí)非線性映射關(guān)系的網(wǎng)絡(luò)模型，在使用過程中無需事先了解輸入到輸出的具體的非線性映射關(guān)系。首先獲取大量的樣本，這些樣本要求是符合同等模式下的樣本，這些樣本具有共同的M維參數(shù)數(shù)據(jù)。然后依據(jù)設(shè)定的神經(jīng)網(wǎng)絡(luò)對這些樣本進(jìn)行訓(xùn)練，BP神經(jīng)網(wǎng)絡(luò)便能從這些樣本中自動找到此M維參數(shù)空間到N維輸出空間的關(guān)系。并且，BP神經(jīng)網(wǎng)絡(luò)從輸入到輸出的學(xué)習(xí)反饋過程中能不斷的修正隱層到輸出層之間的連接權(quán)值，進(jìn)而不斷的修正誤差，直到誤差小于一定值。其中，基于梯度下降算法的BP神經(jīng)網(wǎng)絡(luò)具有較高的擬合能力，所以本節(jié)采用此方法[7，8]。

基于梯度下降的BP神經(jīng)網(wǎng)絡(luò)算法在實現(xiàn)時可以分為以下三個步驟：BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練、預(yù)測（即參數(shù)生成）（見圖1）。

圖1 基于梯度下降算法的BP神經(jīng)網(wǎng)絡(luò)流程圖

首先要確定網(wǎng)絡(luò)的結(jié)構(gòu)。在確定非線性網(wǎng)絡(luò)時，確定隱節(jié)點數(shù)是關(guān)鍵。如果隱節(jié)點數(shù)太少，BP神經(jīng)網(wǎng)絡(luò)不能建立符合實際復(fù)雜情況的映射關(guān)系，BP網(wǎng)絡(luò)的預(yù)測結(jié)果與檢測樣本的誤差較大。但是如果節(jié)點數(shù)太多，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間增加，會出現(xiàn)“過擬合”現(xiàn)象。從本文對BP神經(jīng)網(wǎng)絡(luò)的研究與試驗結(jié)果得知，可以根據(jù)經(jīng)驗設(shè)定隱層節(jié)點數(shù)為20。

本節(jié)選取的每個樣本的輸入?yún)?shù)有4個，為：前置液量、前置液排量、酸量、酸排量。每個樣本的輸出參數(shù)有4個，為：動態(tài)縫長、動態(tài)逢高、酸蝕縫長、裂縫導(dǎo)流能力，其中輸出的4個參數(shù)由BP網(wǎng)絡(luò)分別生成。因此BP神經(jīng)網(wǎng)絡(luò)采用4-20-1結(jié)構(gòu)，輸出4次。

設(shè)置BP神經(jīng)網(wǎng)絡(luò)的各輸出參數(shù)要求后，對訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，然后依據(jù)檢測樣本的輸入數(shù)據(jù)預(yù)測其輸出。本節(jié)共采用150組數(shù)據(jù)，其中的100組作為訓(xùn)練數(shù)據(jù)，剩余的50組作為測試數(shù)據(jù)。最后神經(jīng)網(wǎng)絡(luò)裂縫參數(shù)生成，就是用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測4個參數(shù)函數(shù)輸出。根據(jù)BP神經(jīng)網(wǎng)絡(luò)理論，首先在MatLab 2010中完成BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建與訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)與4個輸出參數(shù)對應(yīng)的權(quán)值，再運用C#語言實現(xiàn)輔助優(yōu)化設(shè)計軟件中基于BP神經(jīng)網(wǎng)絡(luò)的裂縫參數(shù)生成算法。

將輸入數(shù)據(jù)存儲在dInput.mat文件中作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。其中的變量dtrain為前100組訓(xùn)練樣本的4個輸入矩陣，即100×4的矩陣；dtrainre1為前100組訓(xùn)練樣本的第一個輸出參數(shù)，即動態(tài)縫長；dtrainre2為前100組訓(xùn)練樣本的第二個輸出參數(shù)，即動態(tài)縫高；dtrainre3為前100組訓(xùn)練樣本的第三個輸出參數(shù)，即酸蝕縫長；dtrainre4為前100組訓(xùn)練樣本的第四個輸出參數(shù)，即裂縫導(dǎo)流能力。dtest為后50組檢測樣本的4 個輸入矩陣；dtestre1、dtestre2、dtestre3、dtestre4 分別為后50組檢測樣本的4個輸出參數(shù)。

然后對輸入數(shù)據(jù)進(jìn)行歸一化。本節(jié)中數(shù)據(jù)歸一化采用線性函數(shù)轉(zhuǎn)換，其形式為：

其中：x、y 分別為轉(zhuǎn)換前、后的值，MaxValue、MinValue分別為樣本的最大值和最小值。

在開始訓(xùn)練前首先隨機(jī)生成網(wǎng)絡(luò)初始所需的權(quán)值和閾值。然后用數(shù)據(jù)文件dInput.mat中的訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。對每一組訓(xùn)練數(shù)據(jù)，BP網(wǎng)絡(luò)進(jìn)行如下處理：把原始數(shù)據(jù)從經(jīng)過輸入層、隱含層、輸出層后，產(chǎn)生一個輸出結(jié)果，成為正向傳播；如果此結(jié)果與訓(xùn)練數(shù)據(jù)中的結(jié)果之間的誤差沒有小于預(yù)先設(shè)置好的閾值，則將訓(xùn)練過程轉(zhuǎn)為反向傳播過程，修改連接各節(jié)點的連接權(quán)值。不斷將重復(fù)正向和反向傳播的過程，也是不斷修改權(quán)值的過程。直到輸出結(jié)果的誤差小于一定閾值為止。得到符合條件的傳播權(quán)值后，將要計算的輸入數(shù)據(jù)輸入到含有該權(quán)值的神經(jīng)網(wǎng)絡(luò)，進(jìn)行正向傳播。實現(xiàn)時就是，讀取文件dInput.mat文件中的測試數(shù)據(jù)，正向傳播后得到其各自的輸出數(shù)據(jù)。

2.2 試驗結(jié)果

得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)，本節(jié)采用50組測試數(shù)據(jù)做試驗，分別生成動態(tài)縫長、動態(tài)縫高、酸蝕縫長、裂縫導(dǎo)流能力等4個參數(shù)的50×1的矩陣。以動態(tài)縫長為例（見圖2），將原始50組檢測樣本的數(shù)據(jù)用方框表示，將BP網(wǎng)絡(luò)生成的輸出數(shù)據(jù)用星號表示。在垂直方向上，星號與小方框之間的距離就是生成參數(shù)與檢測樣本的誤差。其他3個參數(shù)的圖表與動態(tài)縫長圖表類似（見圖 3～圖5）。

圖2 動態(tài)縫長對比結(jié)果圖

圖3 動態(tài)縫高對比結(jié)果

圖4 酸蝕縫長對比結(jié)果圖

圖5 裂縫導(dǎo)流能力對比結(jié)果

3 酸壓效果預(yù)測

通過輔助設(shè)計神經(jīng)網(wǎng)絡(luò)模型模擬計算得到前置液酸壓效果預(yù)測結(jié)果，與PT軟件擬合結(jié)果的對比（見表4）。模擬施工工藝為：前置液X m3＋高溫膠凝酸Y m3+頂替液50 m3。模擬計算前置液排量5.0 m3/min～6.0 m3/min，酸液排量 5.5 m3/min～6.5 m3/min，頂替液排量5.0 m3/min。2016年10月對塔河油田某井進(jìn)行了酸壓施工，日產(chǎn)量45.6 t，達(dá)到了較好的酸壓效果。

表4 酸壓模擬結(jié)果表

4 結(jié)論與認(rèn)識

本文建立了針對塔河奧陶系碳酸鹽巖儲層酸壓井的輔助設(shè)計神經(jīng)網(wǎng)絡(luò)模型，依據(jù)建立好的酸壓輔助設(shè)計模型，運用C#語言編制了酸壓輔助設(shè)計系統(tǒng)的輔助設(shè)計模塊，實現(xiàn)施工參數(shù)和裂縫參數(shù)的優(yōu)化。并對塔河油田的一口酸壓井進(jìn)行模擬預(yù)測，與PT軟件的擬合結(jié)果對比表明，該系統(tǒng)能有效指導(dǎo)酸壓施工和優(yōu)化酸壓施工設(shè)計方案。

［1］林鑫.碳酸鹽巖油藏酸壓后產(chǎn)能預(yù)測方法研究［D］.北京：中國石油大學(xué)（北京），2008.

［2］楊彥鵬.改進(jìn)型BP網(wǎng)絡(luò)在重復(fù)壓裂選井中的應(yīng)用［J］.中國石油和化工標(biāo)準(zhǔn)與質(zhì)量，2011，（7）：161-162.

［3］Shokir，E.M.EI-M.Prediction of the Hydrocarbon Saturation in low Resistivity Formation via Artificial Neural Network［J］.SPE87001.

［4］ M.S.Van Domelen.Optimizing Fracture Acidizing Treatment Design by Integrating Core Testing，F(xiàn)ield Testing,and Computer Simulation［J］.SPE22393.

［5］吳亞紅，等.低滲凝析油氣藏壓裂優(yōu)化設(shè)計和產(chǎn)量預(yù)測［J］.天然氣工業(yè)，2005，25（5）：84-87.

［6］周珺.酸化壓裂模型改進(jìn)研究及敏感因素分析［D］.成都：成都理工大學(xué)，2012.

［7］詹澤東，郭科.嵌套BP神經(jīng)網(wǎng)絡(luò)及其在油氣產(chǎn)能預(yù)測中的應(yīng)用［J］.成都理工大學(xué)學(xué)報（自然科學(xué)版），2011，38（2）：408-411.

［8］胥耕，等.擬三維酸壓設(shè)計軟件研究與應(yīng)用［J］.石油鉆采工藝，1996，（1）：11-17.

TE357.11

A

1673-5285（2017）10-0046-04

10.3969/j.issn.1673-5285.2017.10.011

2017－09-19

王黎，女（1985－），碩士研究生，2013年畢業(yè)于中國石油大學(xué)（北京），從事油氣田開發(fā)方面研究工作。