基于能量的頁巖氣儲層裂縫網絡重構
中文題目：基于能量的頁巖氣儲層裂縫網絡重構
論文題目：Energy-based fracture network reconstruction of shale gas reservoir
錄用期刊/會議：SPE Asian Pacific Unconventional Resources Symposium (EI收錄)
原文鏈接：https://onepetro.org/SPEURCE/proceedings/24SA02/2-24SA02/D022S005R004/536553?searchresult=1
錄用/見刊時間：2023年11月12日
作者列表：
1） 陸 吉 中國石油大學（北京）信息科學與工程學院/人工智能學院 科研助理、石油工程學院 21級博士生
2） 林伯韜 中國石油大學（北京）信息科學與工程學院/人工智能學院 教師
文章簡介:
本文提出了一種基于能量的裂縫網絡重構方法。以微地震信號點為輸入信息，建立了描述微地震事件與裂縫網絡空間關系的能量表征函數，結合Alpha-shape算法對任意方位及形狀的裂縫進行重構。通過德勞內三角剖分建立微地震事件鄰域系統(tǒng)。當某一裂縫產生的微地震事件點被識別為另一條裂縫產生的信號時，系統(tǒng)的非連續(xù)性能量增加，進而導致系統(tǒng)全局能量增加，通過不斷迭代重新分配事件點的標簽使得系統(tǒng)全局能量最小，獲得最優(yōu)裂縫重構結果。通過蒙特卡洛模擬方法和現場案例驗證了該策略的有效性和可行性。結果表明，該方法可以減少裂縫重構時的誤差。
微地震監(jiān)測是水力裂縫表征的常用技術。然而，頁巖氣藏的非均質性和復雜的應力場給裂縫網絡重構帶來了巨大挑戰(zhàn)。本文提出了一種基于能量的三維裂縫網絡重構方法（EFR3D），實現基于微地震數據的頁巖氣藏縫網重構。EFR3D方法主要結合了Propose-Expand and Re-Estimate Labels算法（PEARL）、Density Based Spatial Clustering of Applications with Noise算法（DBSCAN）和Alpha shape算法來檢測裂縫方位和裂縫形狀。該方法將裂縫方位檢測轉化為能量最小化任務，以提高重構精度。通過使用蒙特卡羅模擬評價本文方法在不同的裂縫數量、裂縫方位和裂縫尺度下的有效性。結果表明，該方法在各種裂縫形態(tài)下具有良好的適應性和較高的精度。此外，還對位于中國西南四川盆地南部的六口水平井進行了現場應用，以說明該方法的穩(wěn)健性和實用性。該方法為三維水力裂縫表征提供了理論指導。
常規(guī)的基于微地震數據的裂縫重構方法中缺乏對裂縫方位及不規(guī)則邊界的描述，因此有學者提出了基于隨機采樣一致性算法（RANSAC）來彌補這兩點不足。然而，由于RANSAC采用了固定閾值下的內點最大化方法，在微地震數據量及裂縫數量增多時容易出現誤判。因此，本文提出一種基于能量的裂縫網絡重構方法，該方法通過建立全局能量函數，量化表征微地震事件點與裂縫及微地震事件點之間的空間關系，根據事件點的空間非連續(xù)性對裂縫重構結果進行迭代優(yōu)化，最終獲得最優(yōu)解。
本文首先對微地震事件進行降噪處理，隨后通過裂縫方位檢測及裂縫形狀檢測實現對裂縫的重構，最后通過蒙特卡洛模擬驗證方法有效性。整體技術流程如下圖所示：
圖1 本文方法流程圖
本文提出了一種全局能量函數以表征微地震事件點與裂縫及微地震事件點之間的關系，方程如下：
式中，等式右側第一項為幾何誤差能量，表示為微地震事件點與裂縫之間的歐式距離，距離越大該能量越大；等式右側第二項為非連續(xù)性能量，表示為鄰域系統(tǒng)內微地震事件點之間的距離，當兩個微地震事件距離很近但未識別為同一平面時，該能量會增加。通過該方程的最小化過程可實現對誤判微地震事件的修正，獲取最優(yōu)裂縫重構結果。
通過蒙特卡洛模擬生成基準縫網，將重構縫網與基準縫網進行對比評價方法效果。結果表明，在不同裂縫數量、裂縫方位、裂縫尺度及微地震噪聲比例條件下本文方法的平均重構誤差均小于RANSAC方法，本文方法通過能量最小化過程減少小尺度裂縫的檢測失效及裂縫邊界的檢測缺失，提高了重構縫網的準確率。模擬結果證明了本文方法具有良好的準確率和魯棒性。
圖2 不同模擬條件下的重構誤差
此外，現場案例分析發(fā)現重構縫網與微地震事件貼合緊密，且重構裂縫面積與產量分布較為一致，證明了本文方法的實用性。
圖3 某井縫網重構結果
圖4 六口井的重構裂縫面積及產量分布
1.相對重建誤差主要是由于小裂縫檢測失敗和裂縫邊界檢測不足造成的。裂縫的過度檢測會隨著噪聲比的增加而增加，但對準確性的影響較小。
2.在不同裂縫數量、裂縫方向、裂縫尺度和微地震噪聲比例的模擬中，相較于RANSAC方法，本文方法具有更高的重構精度和魯棒性，能夠有效減少了內部閾值選取和初始平面選擇對裂縫方位檢測的影響。
3.現場應用證明了本文方法的有效性和適用性。重構裂縫網絡與現場記錄的微震數據非常吻合。未來的研究將集中在基于重構裂縫網絡的計算效率優(yōu)化和生產模擬上。
林伯韜，博士，中國石油大學（北京）信息科學與工程學院/人工智能學院計算智能教學與研究中心教授/博導。主要研究方向為智能石油工程、工業(yè)數字孿生和智慧能源金融。