顺北油气田超深碳酸盐岩储层深穿透酸压技术

蒋廷学; 周珺; 贾文峰; 周林波

doi:10.11911/syztjs.2019058

顺北油气田超深碳酸盐岩储层深穿透酸压技术

蒋廷学^{1, 2,},
周珺^{1, 2},
贾文峰^{1, 2},
周林波^{1, 2}

1.
页岩油气富集机理与有效开发国家重点实验室，北京 100101
2.
中国石化石油工程技术研究院，北京 100101

基金项目: 国家科技重大专项“超深井碳酸盐岩储层改造及测试关键技术”（编号：2017ZX05005–005–004）与中国石化科技攻关项目“顺北高温高压碳酸盐岩储层改造技术”（编号：P17004–2）、“顺北1区断溶体油藏储层改造技术研究与应用”（编号：P18022–2）联合资助

详细信息

作者简介:
蒋廷学（1969—），男，江苏东海人，1991年毕业于石油大学（华东）采油工程专业，2007年获中国科学院渗流流体力学研究所流体力学专业博士学位，教授级高级工程师，主要从事水力压裂机理、优化设计方法、现场试验及后评估方面的研究工作。系本刊编委。E-mail：jiangtx.sripe@sinopec.com

中图分类号: TE357.2
计量
- 文章访问数: 2849
- HTML全文浏览量: 1197
- PDF下载量: 112
出版历程
- 收稿日期: 2019-04-07
- 网络出版日期: 2019-05-13
- 刊出日期: 2019-04-30

Deep Penetration Acid-Fracturing Technology for Ultra-Deep Carbonate Oil & Gas Reservoirs in the Shunbei Oil and Gas Field

JIANG Tingxue^{1, 2,},
ZHOU Jun^{1, 2},
JIA Wenfeng^{1, 2},
ZHOU Linbo^{1, 2}

1.
State Key Laboratory of Shale Oil and Gas Enrichment Mechanisms and Effective Development, Beijing, 100101, China
2.
Sinopec Research Institute of Petroleum Engineering, Beijing, 100101, China

摘要

摘要:
顺北油气田碳酸盐岩储层具有超深、高温和高破裂压力等特点，酸压改造时存在酸蚀裂缝短、导流能力递减快等问题，为此，提出了应用深穿透酸压技术对超深碳酸盐岩储层进行改造的技术思路，并进行了技术攻关研究。合成了酸用稠化剂、高温缓蚀剂，研制了抗高温清洁酸，并进行了酸液非均匀刻蚀导流能力试验，分析了在闭合应力为20～90 MPa时仅注入清洁酸、仅注入胶凝酸和先注入清洁酸再注入胶凝酸3种注酸方式下裂缝的导流能力；同时，研究了酸液非均匀驱替流动机理，优化了非均匀刻蚀酸压工艺参数。研究发现，采用“清洁酸+胶凝酸”组合注入模式，不仅酸蚀裂缝导流能力有较大幅度提高，有效缝长也增加近1倍。超深碳酸盐岩储层深穿透酸压技术在顺北油气田进行了5井次现场试验，酸压施工成功率及有效率均达到100%，酸压后平均日产油107.7 m³，平均酸蚀缝长133.20 m，取得了明显的储层改造效果。研究认为，顺北油气田超深碳酸盐岩储层深穿透酸压技术可极大改善超深碳酸盐岩酸压效果，可为国内类似储层的酸压改造提供借鉴。
- 碳酸盐岩储层 /
- 非均匀刻蚀 /
- 导流能力 /
- 深穿透 /
- 酸化压裂 /
- 顺北油气田
Abstract:
Carbonate reservoirs in the Shunbei Oil and Gas Field are characterized by ultra-deep, high temperature and high fracturing pressure gradient, which pose problems in short acid-etched fractures and rapid conductivity decline. In order to solve these problems, a team studied a deep penetration acid-fracturing technology for ultra-deep carbonate reservoirs, and they proposed a deep penetration acid-fracturingtechnique. Using a synthetic acid thickener and high temperature corrosion inhibitor, a high temperature resistant clean acid was developed. The acid fluid non-uniform etching conductivity test was carried out, and fracture conductivities with clean acid, gelled acid, and clean acid followed by gelled acid were analyzed at a closure stress of 20–90 MPa, respectively. The mechanism of the non-uniform displacement of acid fluid was studied, and the acid-fracturing process parameters of non-uniform etching were optimized. The study suggests that "clean acid + gelled acid" combined injection can greatly improve the conductivity of acid-etching fractures as well as nearly doubling effective fracture length. This new deep penetration acid-fracturing technology has been applied in 5 wells in the ultra-deep carbonate reservoir in Shunbei Oil and Gas Field. The success rate and effectiveness of the acid-fracturing operation reached 100% with post-frac production rate 107.7 m³/d, and average length 133.20 m. Consequently, this acid-fracturing technology can greatly improve the acid-fracturing effect in ultra-deep carbonate reservoirs, which provides a reference or best practices guidance in the acid-fracturing stimulation of similar reservoirs in China.
- carbonate reservoir /
- inhomogeneous acid corrosion /
- fracture conductivity /
- deep penetration /
- acid-fracturing /
- Shunbei Oil and Gas Field

HTML全文

蓬莱19-3是储量十亿吨级特大型油田^[1]，目前采出程度15.5%，综合含水率82.5%。油层净毛比变化大，非均质强^[2]，孔隙度15.0%～35.4%，渗透率18～3 619 mD，原油黏度7～46 mPa·s^[3]，生产压差变化大。影响采收率的因素复杂^[4]，如何快捷而准确预测不同区块和不同储层的采收率是亟需解决的问题。目前预测采收率的方法有经验公式法^[5]、水驱曲线法^[6-7]和数值模拟法等 ^[8-9]。采收率预测经验公式未充分考虑非均质性和生产压差等因素，预测可靠性差，适用范围小。水驱曲线法预测的采收率严重依赖生产数据的选取，不同开发阶段的数据反映的规律差异大，直线段不唯一^[10]，计算结果差异大，实用性差。此外，水驱曲线在特高含水阶段出现“上翘”现象^[11-13]，拐点和斜率难确定，方法失效。油藏数值模拟法虽然考虑因素全面，但存在动态、静态数据准确提取难度大、计算工作量大和历史拟合不唯一性等问题。

近年来，采用机器学习和人工神经网络（ANN）解决油田开发预测问题取得了一定进展^[14-19] ，但尚未见到综合考虑油藏因素和油井工作制度的ANN预测采收率方法。为此，笔者选取渗透率变异系数、原油黏度、净毛比和生产压差4个关键因素，采用油藏数值模拟方法对625组方案数据进行了模拟，建立了625组采收率及其影响因素关系数据库；采用基于机器学习的人工神经网络理论，构建了影响采收率的参数输入层、隐含层和输出层，建立了快速预测采收率的人工神经网络方法；选取500组数据进行机器学习训练，125组数据进行测试检验，采收率预测结果的平均相对误差为0.16%，在精度和计算速度上具有明显优势。

1. 采收率与影响因素关系库建立

根据蓬莱19-3油田的地质、油藏和流体等数据^[1,3]，构建了三维模型，网格数量为60×60×7，平面网格尺寸为10 m×10 m；纵向7层网格由上至下分别对应油组L50、L54、L60、L62、L64、L72和L76，其主要参数见表1。

表 1 概念地质模型基本参数

Table 1. Basic parameters of conceptual geological model

层位编号	对应油组	层厚/m	顶深/m	孔隙度，%
1	L50	8.80	1 050.00	30.8
2	L54	2.50	1 058.80	23.1
3	L60	2.50	1 061.30	18.4
4	L62	13.70	1 063.80	20.7
5	L64	2.20	1 077.50	20.6
6	L72	7.80	1 079.70	16.7
7	L76	3.50	1 087.50	16.9

下载: 导出CSV

| 显示表格

该油田前期的研究表明，生产压差是影响渗流速度、油井产量、有效泄油面积和最终采收率最显著的动态参数，能较好地反映生产动态。层间渗透率变异系数是层间非均质性的定量表征参数，是影响合注合采多层非均质性油藏层间储量动用差异和采出程度的地质因素；水的黏度相对变化较小，因此原油黏度是影响油水流度比、含水率和对应含水率情况下采收率的最主要因素；净毛比定量表征了有效厚度和砂体厚度的比值，能够反映油层的品质和采收率。由此可见，渗透率变异系数、原油黏度和净毛比能较全面地反映油藏特性。因此，选取这4个关键因素，每个影响因素设置5个水平（见表2）。

表 2 影响因素的不同水平取值

Table 2. The values of the level of different influencing factors

水平	影响因素
水平	A：渗透率变异系数	B：原油黏度/ （mPa·s）	C：净毛比	D：生产压差/ MPa
1	0.1	5	0.6	0.7
2	0.2	15	0.7	1.4
3	0.5	25	0.8	2.1
4	0.7	35	0.9	2.8
5	0.8	45	1.0	3.5

下载: 导出CSV

| 显示表格

根据蓬莱19-3油田地层流体性质，原油黏度在5～45 mPa·s 范围内取5个水平值。渗透率变异系数作为反映渗透率非均质性的参数，能够定量表征渗透率非均质程度。考虑油田实际地质情况复杂，储层非均质性强，渗透率变异系数范围大，根据蓬莱19-3油田的非均质特征，渗透率变异系数选取0～1.0之间的5个水平值。净毛比是有效厚度与砂体厚度的比值，根据该油田砂体的净毛比，将净毛比设置为0.6～1.0之间的5个等差水平值。根据该油田单井的实际井底压力变化范围，将生产压差设置为0.7～3.5 MPa之间的5个水平值。此外，基于该油田不同渗透率岩心相对渗透率测试结果，建立并采用了不同渗透率储层相对应的相对渗透率曲线。

将设计的625组数据输入油藏数值模拟软件Eclipse进行模拟，提取采收率及其影响因素参数，建立625组采收率及其影响因素的数据库（见表3）。

表 3 采收率及其影响因素关系的数据库

Table 3. Database indicating the relationship between oil recovery and influencing factors

序号	生产压差/ MPa	渗透率变异系数	原油黏度/ （mPa·s）	净毛比	采收率，%
1	2.8	0.7	5	0.7	64.93
2	3.5	0.8	5	0.9	62.95
3	3.5	0.1	25	0.7	66.85
4	1.4	0.5	25	1.0	49.81
5	1.4	0.8	5	0.6	58.69
6	2.8	0.2	5	0.9	71.54
7	0.7	0.8	35	0.6	42.98
8	2.8	0.5	15	0.9	61.67
9	2.8	0.5	25	0.8	57.07
10	2.1	0.2	15	0.8	65.91
$\vdots$	$\vdots$	$\vdots$	$\vdots$	$\vdots$	$\vdots$
623	3.5	0.5	45	0.6	56.43
624	1.4	0.8	5	0.8	56.58
625	2.8	0.8	35	0.6	52.52

下载: 导出CSV

| 显示表格

2. 采收率预测的神经网络方法及优化

采收率预测的神经网络原理见图1，BP算法学习过程分为2步：1）输入影响采收率因素的神经网络权值和阀值，经过隐含层，计算输出值（f代表采收率），实现正向传递^[20-21]；2）反向依次对权值和阀值进行修正^[22]，2个过程反复交替，直到收敛为止。

图 1 预测采收率的三层BP神经网络典型架构

Figure 1. Typical architecture of three-layer BP neural network predictiong oil recovery

下载: 全尺寸图片幻灯片

2.1 正向传播原理

如图1中，输入向量为 $X=\left({x}_{1}，{x}_{2}，{x}_{3},{x}_{4}\right)$ ，其中4个因素分别代表渗透率变异系数、原油黏度、净毛比和生产压差。

隐含层各神经元的激活值：

${S}_{{j}}^{1}={\displaystyle \sum _{{i}=1}^{4}{w}_{{ij}}^{1}{x}_{{i}}-{\theta }_{{ij}}^{1}}\qquad\quad{j}={1},{2},{3},\mathrm{...},{m}$

(1)

激活函数采用S型的sigmoid函数^[23]，得到的输出层的输出值：

${y}_{{k}}=f\left({S}_{{k}}^{{2}}\right)\qquad\quad{k}={1},{2},\mathrm{...},{n}$

(2)

式中：S_j¹为隐含层的激活值；上标l代表隐含层；下标j代表隐含层节点； $w_{{{ij}}}^{{1}}$ 为输入层至隐含层连接权；i代表第i个因素； ${x_{{i}}}$ 为第i个因素的影响采出程度； $\theta _{{{ij}}}^{{1}}$ 为隐含层节点的阀值； m为隐含层节点总数； ${y_{{k}}}$ 为实际输出采收率；k为输出层节点；f为输出层隐函数标记； $S_{{k}}^{{2}}$ 为输出层的激活值；上标2代表输出层；n为输出层节点总数。

2.2 反向传播原理

当计算输出的采收率与期望采收率不一致时要进行校正，校正误差表示为：

${d}_{{k}}^{{2}}=\left({t}_{{k}}-{y}_{{k}}\right){f}^{\prime }\left({S}_{{k}}^{{2}}\right)\qquad\quad {k}={1},{2},\mathrm{...},{n}$

(3)

隐含层的校正误差为：

${d}_{{j}}^{{1}}=\left({\displaystyle \sum _{{k}={1}}^{{n}}{w}_{{jk}}^{{2}}{d}_{{k}}^{{2}}}\right){f}^{\prime }\left({S}_{{j}}^{{1}}\right)\qquad\quad{j}={1},{2},{3},\mathrm{...},{m}$

(4)

网络全局误差为^[24]：

$E = {\sum\limits_{{{p}} = 1}^{{Q}} {{E^{{p}}} = \sum\limits_{{{p}} = {{1}}}^{{Q}} {\sum\limits_{{{k}} = {{1}}}^{{n}} {\frac{1}{2}\left( {t_{{k}}^{{p}} - y_{{k}}^{{p}}} \right)^2} } } }$

(5)

式中： $d_{{k}}^{{2}}$ 为第k层期望采收率与实际输出采收率的误差； ${t_{{k}}}$ 为第k输出层期望采收率； ${y_{{k}}}$ 为第k输出层实际输出采收率； $f'$ 为隐函数的导数； $d_{{j}}^{{1}}$ 为第j隐含层校正误差； $w_{{{jk}}}^{{2}}$ 为隐含层j至输出层k的连接权；E为网络全局误差； ${E^{{p}}}$ 为第p组逆传播误差；Q为组数； $t_{{k^{}}}^p$ 为第p组、第k输出层期望采收率； $y_{{k^{}}}^p$ 为第p组、第k输出层实际输出采收率。

当E小于给定精度 $\varepsilon$ 时，收敛到最优值。只有选取合适的权值和阈值，预测误差才能够快速达到预期，完成整个训练过程。

2.3 收敛优化方法

为了解决神经网络收敛速度慢和局部最小值的问题，需优化神经网络的权值和阈值，获取最优是初始权值和阈值。S. Mirjalili等人^[25]提出了一种基于仿生学的群智能优化算法（又称“蜻蜓算法（DA）”），其技术思路来源于自然界中蜻蜓群集的分离、对齐、内聚、寻觅和躲避等5种行为^[26]，蜻蜓的位置和步长迭代式为：

$\Delta X_{{t}+1}=\left(s S_{{i}}+a A_{{i}}+c C_{{i}}+f F_{{i}}+e E_{{i}}\right)+w \Delta X_{{t}}$

(6)

${X_{{{t + 1}}}} = {X_{{t}}} + \Delta {X_{{{t + 1}}}}$

(7)

式中：∆X_t+1为t+1代位置更新步长；a，c，e，f和 s分别为对齐、内聚、躲避、寻觅和分离等5种行为的权重系数；t为当前迭代次数；w为惯性权重；S_i为第i个体的分离度；A_i为第i个体的对齐度；C_i为第i个体的内聚度；E_i为第i个体对外排斥力；F_i为第i个体对食物的吸引力；X_t+1为t+1代种群位置；X_t为当前t代种群位置。

上述算法解决了局部最优问题，可以得到全局最优解。为了便于快速计算，笔者利用MATLAB工具编制了以上算法的计算程序。

3. 机器学习结果及检验

将625组油藏数值模拟方案的模拟结果作为学习样本的来源，提取500组数据用来建立采收率学习样本库（训练集），125组数据作为测试检验样本（测试集），样本库如表3所示。对学习组的每个影响采收率因素对应的样本参数进行归一化处理，处理后数值范围为[0，1]；将归一化参数作为BP网络的参数输入，利用“蜻蜓”群智能优化算法对网络的权值和阈值进行优化；将优化得到的最优权值和阈值作为BP神经网络中权值和阈值的初始值，对BP网络进行学习训练；训练结束后，得到最佳的神经网络采收率预测模型DA-BP，然后使用测试检验样本检验DA-BP的预测准确率。

将网络模型计算的采收率和油藏数值模拟计算的采收率进行对比可知，二者所对应的点很好地分布在直线y = x 附近（见图2），均方误差为0.48%，相关系数为0.997 4，表明训练精度达到要求。

图 2 500组训练集的数值模拟采收率与神经网络预测值交会图

Figure 2. Intersection of oil recovery values from numerical simulation and neural network prediction (500 groups of data from training set)

下载: 全尺寸图片幻灯片

将125组测试数据的已知采收率值作为横坐标，将DA-BP模型预测采收率作为纵坐标，得到图3。图3表明，经过机器学习和优化得到的神经网络预测的125组采收率与检验数据基本在对角线位置附近，二者吻合较好。蓬莱19-3油田不同岩样试验测定的水驱油效率为62.9%～84.6%，根据该油田的储层物性和流体性质，波及系数取值范围为65.0%～90.0%，计算得到不同小层的采收率范围为40.8%～76.1%，平均为58.5%；本方法预测的125组采收率范围为40.5%～76.4%，平均为57.3%；经验公式预测的采收率范围为38.0%～45.0%，可以看出经验公式法预测的采收率明显偏低。

图 3 125组测试集的数值模拟采收率与神经网络预测值交会图

Figure 3. Intersection of oil recovery values from numerical simulation and neural network prediction (125 groups of data from test set)

下载: 全尺寸图片幻灯片

125组测试集的预测采收率与数值模拟得到的采收率误差如图4所示。采收率绝对误差（预测采收率减去测试样本采收率）−1.70%～2.00%，均值为0.08%；相对误差（绝对误差与测试样本采收率的比值）−2.91%～5.08%，均值为0.16%。

图 4 125组测试集的BP神经网络预测结果误差分析

Figure 4. Error analysis of prediction by BP neural network (125 groups of data from test set)

下载: 全尺寸图片幻灯片

预测的采收率相对误差区间的频数如图5所示，误差分布直方图呈近似正态分布，相对误差集中在−1.0～1.0%，占总样本的81.6%，表明经过优化神经网络模型的预测精度较高，能够满足水驱开发油田采收率预测精度要求。

图 5 预测采收率相对误差分布直方图

Figure 5. Relative error distribution histogram of predicted oil recovery

下载: 全尺寸图片幻灯片

4. 结论与建议

1）引入了反映油井开发动态的生产压差，建立了基于BP网络优化算法的多层水驱开发油田采收率快速预测方法。

2）智能优化算法实现了合适的权值和阈值的初始化，加速了收敛速度，提高了神经网络预测采收率的精度，并解决了局部最小值问题。

3）建立的水驱油田采收率预测方法弥补了采收率预测经验公式法适用范围小，水驱曲线方法直线段选取难度大，数值模拟方法参数多、计算工作量大和历史拟合结果多解性等不足。

4）水驱开发油田采收率预测方法具有快速预测采收率的优势，但训练模型的精度受控于训练样本的质量、数量和来源，建议进一步扩大训练样本的来源和影响因素的参数取值范围，拓宽该方法的适用范围。

图 1 酸用稠化剂分子结构

Figure 1. Molecular structure of acid thickener

下载: 全尺寸图片幻灯片

图 2 3种注酸方式下的裂缝导流能力对比

Figure 2. Comparison on the conductivities of fractures under three acid injection modes

下载: 全尺寸图片幻灯片

图 3 不同注酸方式下的酸蚀有效缝长对比曲线

Figure 3. Comparison curves of the effective length of acid etched fractures under different acid injection modes

下载: 全尺寸图片幻灯片

图 4 用不同黏度比液体驱替时裂缝内酸液的分布情况

Figure 4. Distribution of acid fluid when displaced with fluids at different viscosity ratios

下载: 全尺寸图片幻灯片

图 5 不同黏度比下裂缝中酸液的非均匀程度

Figure 5. Non-uniformity of acid fluid in fractures at different viscosity ratios

下载: 全尺寸图片幻灯片

图 6 高黏度和低黏度酸液排量比对裂缝中酸液分布的影响

Figure 6. Effect of the flowrate ratio of high/low viscosity acid fluids on the distribution of acid in fractures

下载: 全尺寸图片幻灯片

图 7 高、低黏度酸液液量比对裂缝中酸液分布情况的影响

Figure 7. Effect of the displacement volumes of high/low viscosity acid fluids on the distribution of acid in fractures

下载: 全尺寸图片幻灯片

图 8 “压裂液+酸液”与“酸液+酸液”二级注入模式下的缝宽和导流能力

Figure 8. Fracture width and conductivity under the secondary injection modes of “acid + fracturing fluid” and “acid + acid”

下载: 全尺寸图片幻灯片

图 9 “压裂液+酸液”与“酸液+酸液”二级注入模式下的缝长和缝高

Figure 9. Fracture length and height under the secondary injection modes of “acid + fracturing fluid” and “acid + acid”

下载: 全尺寸图片幻灯片

图 10 X1井酸压后裂缝扩展情况模拟及G函数分析结果

Figure 10. Simulation of fracture propagation after acid fracturing and the results of G function analysis in Well X1

下载: 全尺寸图片幻灯片

表 1 顺北油气田超深碳酸盐岩储层深穿透酸压技术试验效果

Table 1 Experimental results of deep penetration acid-fracturing technology in ultra-deep carbonate reservoirs of the Shunbei Oil and Gas Field

井号储层垂深/m 储层温度/℃ 酸蚀缝长/m 初期产量/（t·d^–1）

X1 7 824.00 162 143.7 121.6
X2 7 647.00 157 137.8 142.7
X3 7 766.00 166 125.9 89.9
X4 7 386.00 153 125.8 73.9
X5 7 654.00 162 132.6 110.5

下载: 导出CSV

参考文献(16)

[1]	焦方正. 塔里木盆地顺北特深碳酸盐岩断溶体油气藏发现意义与前景[J]. 石油与天然气地质, 2018, 39(2): 207–216. JIAO Fangzheng. Significance and prospect of ultra-deep carbonate fault-karst reservoirs in Shunbei Area, Tarim Basin[J]. Oil & Gas Geology, 2018, 39(2): 207–216.
[2]	邓尚, 李慧莉, 张仲培, 等. 塔里木盆地顺北及邻区主干走滑断裂带差异活动特征及其与油气富集的关系[J]. 石油与天然气地质, 2018, 39(5): 878–888. DENG Shang, LI Huili, ZHANG Zhongpei, et al. Characteristics of differential activities in major strike-slip fault zones and their control on hydrocarbon enrichment in Shunbei Area and its surroundings, Tarim Basin[J]. Oil & Gas Geology, 2018, 39(5): 878–888.
[3]	刘哲. 顺北弱挥发性碳酸盐岩油藏合理开发方式研究[D]. 成都: 成都理工大学, 2018. LIU Zhe. The reasonable development mode of weak volatile oil and carbonate reservoir in Shunbei Zone[D]. Chengdu: Chengdu University of Technology, 2018.
[4]	刘建坤,蒋廷学,周林波,等. 碳酸盐岩储层多级交替酸压技术研究[J]. 石油钻探技术, 2017, 45(1): 104–111. LIU Jiankun, JIANG Tingxue, ZHOU Linbo, et al. Multi-stage alternative acid fracturing technique in carbonate reservoirs stimulation[J]. Petroleum Drilling Techniques, 2017, 45(1): 104–111.
[5]	王永辉, 李永平, 程兴生, 等. 高温深层碳酸盐岩储层酸化压裂改造技术[J]. 石油学报, 2012, 33(supplement 2): 166–173. WANG Yonghui, LI Yongping, CHENG Xingsheng, et al. A new acid fracturing technique for carbonate reservoirs with high-temperature and deep layer[J]. Acta Petrolei Sinica, 2012, 33(supplement 2): 166–173.
[6]	张义, 赵海洋, 张烨. 超深高温高破裂压力储层酸压关键技术[J]. 石油钻采工艺, 2012, 34(2): 74–76. doi: 10.3969/j.issn.1000-7393.2012.02.020 ZHANG Yi, ZHAO Haiyang, ZHANG Ye. Key technologies of acid-fracturing for ultra-deep reservoirs with high temperature and high fracture pressure[J]. Oil Drilling & Production Technology, 2012, 34(2): 74–76. doi: 10.3969/j.issn.1000-7393.2012.02.020
[7]	王洋,袁清芸,李立. 塔河油田碳酸盐岩储层自生酸深穿透酸压技术[J]. 石油钻探技术, 2016, 44(5): 90–93. WANG Yang, YUAN Qingyun, LI Li. Deep penetrating acid fracturing involving self-generated acid in carbonate reservoirs of the Tahe Oilfield[J]. Petroleum Drilling Techniques, 2016, 44(5): 90–93.
[8]	何青, 李克智, 徐兵威, 等. 致密碳酸盐岩气藏前置酸加砂酸压工艺研究及应用[J]. 钻采工艺, 2014, 37(5): 71–73. doi: 10.3969/J.ISSN.1006-768X.2014.05.23 HE Qing, LI Kezhi, XU Bingwei, et al. Research and application of pad acid sand fracturing technology tight carbonate reservoir[J]. Drilling & Production Technology, 2014, 37(5): 71–73. doi: 10.3969/J.ISSN.1006-768X.2014.05.23
[9]	李小刚, 杨兆中, 陈锐, 等. 前置液酸压缝中酸液指进的物模与分形研究[J]. 西南石油大学学报, 2007, 29(6): 105–108. doi: 10.3863/j.issn.1674-5086.2007.06.025 LI Xiaogang, YANG Zhaozhong, CHEN Rui, et al. Physical simulation and fractal feactures of acid fingering in acid fracturing treatment[J]. Journal of Southwest Petroleum University, 2007, 29(6): 105–108. doi: 10.3863/j.issn.1674-5086.2007.06.025
[10]	李小蓉. 白云岩储层多级交替注入酸压设计计算软件研究[J]. 钻采工艺, 2000, 23(4): 53–55, 73. LI Xiaorong. Study on acid fracturing design software in alternate injection of dolomite reservoir[J]. Drilling & Production Technology, 2000, 23(4): 53–55, 73.
[11]	王栋, 徐心茹, 杨敬一, 等. 普光气田多级交替注入闭合酸压技术及其应用[J]. 油气地质与采收率, 2012, 19(6): 108–110. doi: 10.3969/j.issn.1009-9603.2012.06.026 WANG Dong, XU Xinru, YANG Jingyi, et al. Multistage alternating injection closed acid fracturing technology and its applicationgs in Puguang Gas Field[J]. Petroleum Geology and Recovery Efficiency, 2012, 19(6): 108–110. doi: 10.3969/j.issn.1009-9603.2012.06.026
[12]	李小刚, 杨兆中, 蒋海, 等. 酸压裂缝内酸液指进的计算机模拟与分形研究[J]. 西安石油大学学报(自然科学版), 2008, 23(5): 65–69. doi: 10.3969/j.issn.1673-064X.2008.05.017 LI Xiaogang, YANG Zhaozhong, JIANG Hai, et al. Computer simulation and fractal study of the fingering of the acid in an acid fracturing fracture[J]. Journal of Xi’an Shiyou University(Natural Science Edition), 2008, 23(5): 65–69. doi: 10.3969/j.issn.1673-064X.2008.05.017
[13]	杨兆中, 李小刚, 蒋海, 等. 指进现象模拟研究的回顾与展望[J]. 西南石油大学学报(自然科学版), 2010, 32(1): 85–88. doi: 10.3863/j.issn.1674-5086.2010.01.015 YANG Zhaozhong, LI Xiaogang, JIANG Hai, et al. Review and prospect of fingering phenomenon simulation[J]. Journal of Southwest Petroleum University(Science & Technology Edition), 2010, 32(1): 85–88. doi: 10.3863/j.issn.1674-5086.2010.01.015
[14]	蒋廷学, 丁云宏, 李治平, 等. 活性水携砂指进压裂的优化设计方法[J]. 石油钻探技术, 2010, 38(3): 87–91. doi: 10.3969/j.issn.1001-0890.2010.03.020 JIANG Tingxue, DING Yunhong, LI Zhiping, et al. Optimization and applications of active water fingering fracturing technique[J]. Petroleum Drilling Techniques, 2010, 38(3): 87–91. doi: 10.3969/j.issn.1001-0890.2010.03.020
[15]	徐中良, 戴彩丽, 赵明伟, 等. 酸压用交联酸的研究进展[J]. 应用化工, 2017, 46(12): 2424–2427. doi: 10.3969/j.issn.1671-3206.2017.12.034 XU Zhongliang, DAI Caili, ZHAO Mingwei, et al. Research and application progress of crosslinked gelled acid[J]. Applied Chemical Industry, 2017, 46(12): 2424–2427. doi: 10.3969/j.issn.1671-3206.2017.12.034
[16]	贾文峰, 任倩倩, 王旭, 等. 高温携砂酸液体系及其性能评价[J]. 钻井液与完井液,, 2017, 34(4): 96–100. JIA Wenfeng, REN Qianqian, WANG Xu, et al. A high temperature sand carrying acid and its performance evaluation[J]. Drilling Fluid & Completion Fluid, 2017, 34(4): 96–100.

施引文献(12)

期刊类型引用(9)

1.	田振环，王厚杰，王威，史经昊. 海上地热能开发现状及其对中国的启示. 海洋地质前沿. 2024(06): 1-12 . 百度学术
2.	梁涛，阮海龙，赵义，刘协鲁. 非常规能源资源取心技术进展. 地质装备. 2024(S1): 23-30 . 百度学术
3.	Gui-Kang Liu，He-Ping Xie，Cong Li，Zhen-Xi You，Xiao-Jun Shi，Jian-Jun Hu，Ming-Zhong Gao. Magnetically controlled self-sealing pressure-preserved coring technology. Petroleum Science. 2024(05): 3464-3481 . 必应学术
4.	万步炎，彭奋飞，金永平，彭佑多，刘德顺. 深海海底钻机钻探技术现状与发展趋势. 机械工程学报. 2024(22): 385-402 . 百度学术
5.	刘协鲁，阮海龙，赵义，蔡家品，陈云龙，梁涛，邓都都，刘智键，刘广治，郭强. 天然气水合物岩心保压转移与测试系统研发现状分析. 钻探工程. 2023(S1): 26-31 . 百度学术
6.	张逸群，胡萧，武晓亚，李根生，田守嶒，赵帅. 旋转射流冲蚀天然气水合物试验及数值模拟研究. 石油钻探技术. 2022(03): 24-33 . 本站查看
7.	刘协鲁，阮海龙，赵义，蔡家品，陈云龙，梁涛，李春，刘海龙，邓都都. 海域天然气水合物保温保压取样钻具研究与应用进展. 钻探工程. 2021(07): 33-39 . 百度学术
8.	王维希，张春生，吴颜雄，张审琴，夏晓敏. 联合深海地热开采天然气水合物技术展望. 现代化工. 2021(09): 17-21 . 百度学术
9.	刘协鲁，陈云龙，阮海龙，蔡家品，赵义，刘海龙，李春. 保压取样技术应用现状综述. 地质装备. 2021(06): 9-13 . 百度学术

其他类型引用(3)

资源附件(0)

图(10) / 表(1)

计量

文章访问数: 2849
HTML全文浏览量: 1197
PDF下载量: 112
被引次数: 12

1. 采收率与影响因素关系库建立
2. 采收率预测的神经网络方法及优化
2.1 正向传播原理
2.2 反向传播原理
2.3 收敛优化方法
3. 机器学习结果及检验
4. 结论与建议

井号	储层垂深/m	储层温度/℃	酸蚀缝长/m	初期产量/（t·d^–1）
X1	7 824.00	162	143.7	121.6
X2	7 647.00	157	137.8	142.7
X3	7 766.00	166	125.9	89.9
X4	7 386.00	153	125.8	73.9
X5	7 654.00	162	132.6	110.5

顺北油气田超深碳酸盐岩储层深穿透酸压技术

计量

出版历程