基于能量的页岩气储层裂缝网络重构

中文题目：基于能量的页岩气储层裂缝网络重构

论文题目：Energy-based fracture network reconstruction of shale gas reservoir

录用期刊/会议：SPE Asian Pacific Unconventional Resources Symposium (EI收录)

原文链接：https://onepetro.org/SPEURCE/proceedings/24SA02/2-24SA02/D022S005R004/536553?searchresult=1

录用/见刊时间：2023年11月12日

作者列表：

1） 陆   吉 中国石油大学（北京）信息科学与工程学院/人工智能学院 科研助理、石油工程学院 21级博士生

2） 林伯韬 中国石油大学（北京）信息科学与工程学院/人工智能学院 教师

文章简介:

本文提出了一种基于能量的裂缝网络重构方法。以微地震信号点为输入信息，建立了描述微地震事件与裂缝网络空间关系的能量表征函数，结合Alpha-shape算法对任意方位及形状的裂缝进行重构。通过德劳内三角剖分建立微地震事件邻域系统。当某一裂缝产生的微地震事件点被识别为另一条裂缝产生的信号时，系统的非连续性能量增加，进而导致系统全局能量增加，通过不断迭代重新分配事件点的标签使得系统全局能量最小，获得最优裂缝重构结果。通过蒙特卡洛模拟方法和现场案例验证了该策略的有效性和可行性。结果表明，该方法可以减少裂缝重构时的误差。

摘要:

微地震监测是水力裂缝表征的常用技术。然而，页岩气藏的非均质性和复杂的应力场给裂缝网络重构带来了巨大挑战。本文提出了一种基于能量的三维裂缝网络重构方法（EFR3D），实现基于微地震数据的页岩气藏缝网重构。EFR3D方法主要结合了Propose-Expand and Re-Estimate Labels算法（PEARL）、Density Based Spatial Clustering of Applications with Noise算法（DBSCAN）和Alpha shape算法来检测裂缝方位和裂缝形状。该方法将裂缝方位检测转化为能量最小化任务，以提高重构精度。通过使用蒙特卡罗模拟评价本文方法在不同的裂缝数量、裂缝方位和裂缝尺度下的有效性。结果表明，该方法在各种裂缝形态下具有良好的适应性和较高的精度。此外，还对位于中国西南四川盆地南部的六口水平井进行了现场应用，以说明该方法的稳健性和实用性。该方法为三维水力裂缝表征提供了理论指导。

背景与动机:

常规的基于微地震数据的裂缝重构方法中缺乏对裂缝方位及不规则边界的描述，因此有学者提出了基于随机采样一致性算法（RANSAC）来弥补这两点不足。然而，由于RANSAC采用了固定阈值下的内点最大化方法，在微地震数据量及裂缝数量增多时容易出现误判。因此，本文提出一种基于能量的裂缝网络重构方法，该方法通过建立全局能量函数，量化表征微地震事件点与裂缝及微地震事件点之间的空间关系，根据事件点的空间非连续性对裂缝重构结果进行迭代优化，最终获得最优解。

设计与实现:

本文首先对微地震事件进行降噪处理，随后通过裂缝方位检测及裂缝形状检测实现对裂缝的重构，最后通过蒙特卡洛模拟验证方法有效性。整体技术流程如下图所示：

图1 本文方法流程图

主要内容:

本文提出了一种全局能量函数以表征微地震事件点与裂缝及微地震事件点之间的关系，方程如下：

式中，等式右侧第一项为几何误差能量，表示为微地震事件点与裂缝之间的欧式距离，距离越大该能量越大；等式右侧第二项为非连续性能量，表示为邻域系统内微地震事件点之间的距离，当两个微地震事件距离很近但未识别为同一平面时，该能量会增加。通过该方程的最小化过程可实现对误判微地震事件的修正，获取最优裂缝重构结果。

实验结果及分析:

通过蒙特卡洛模拟生成基准缝网，将重构缝网与基准缝网进行对比评价方法效果。结果表明，在不同裂缝数量、裂缝方位、裂缝尺度及微地震噪声比例条件下本文方法的平均重构误差均小于RANSAC方法，本文方法通过能量最小化过程减少小尺度裂缝的检测失效及裂缝边界的检测缺失，提高了重构缝网的准确率。模拟结果证明了本文方法具有良好的准确率和鲁棒性。

图2 不同模拟条件下的重构误差

此外，现场案例分析发现重构缝网与微地震事件贴合紧密，且重构裂缝面积与产量分布较为一致，证明了本文方法的实用性。

图3 某井缝网重构结果

图4 六口井的重构裂缝面积及产量分布

结论:

1.相对重建误差主要是由于小裂缝检测失败和裂缝边界检测不足造成的。裂缝的过度检测会随着噪声比的增加而增加，但对准确性的影响较小。

2.在不同裂缝数量、裂缝方向、裂缝尺度和微地震噪声比例的模拟中，相较于RANSAC方法，本文方法具有更高的重构精度和鲁棒性，能够有效减少了内部阈值选取和初始平面选择对裂缝方位检测的影响。

3.现场应用证明了本文方法的有效性和适用性。重构裂缝网络与现场记录的微震数据非常吻合。未来的研究将集中在基于重构裂缝网络的计算效率优化和生产模拟上。

通讯作者简介:

林伯韬，博士，中国石油大学（北京）信息科学与工程学院/人工智能学院计算智能教学与研究中心教授/博导。主要研究方向为智能石油工程、工业数字孪生和智慧能源金融。