基于无监督机器学习的多段射孔压裂的分段优化

作者：张东晓; 尉玉龙; 李三百; 陈云天; 徐加放

来源：中国石油大学学报(自然科学版), 2021, 45(04): 59-66.

DOI：10.3969/j.issn.1673-5005.2021.04.007

• 多段射孔压裂
• 机器学习
• k-means
• 压裂分段优化

为实现非常规页岩油气资源的经济开采,对低渗储层进行分段射孔压裂,通过人造裂缝增加缝网波及区域并建立从储层到井筒的有效渗流通道,而射孔压裂分段的选择和划分直接影响到压裂的有效性。采用基于欧氏距离的无监督k均值(k-means)聚类算法根据储层渗流及地质力学参数对储层进行聚类,识别储层压裂段的可压区域,从而保证射孔压裂的有效性并提高射孔压裂效率。通过对储层射孔压裂过程进行数值模拟,得到压裂面积和裂缝形态进而评估压裂效果。模拟结果表明:基于欧式距离的k-means聚类算法所划分的聚类类别,能够识别可压裂区域和易压裂区域;经过训练的k-means可用于预测同一区块其他井的射孔压裂分段;提出的方法可以优化压裂段的划分和射孔压裂位置的选择,提升压裂效果。

• 单位
  南方科技大学; 中国石油大学（华东）; 鹏城实验室