Determinar las relaciones de conectividad entre los pozos de inyección y producción en reservorios con múltiples capas no solo ayuda a elaborar planes de inyección y producción, y a estimar la distribución del petróleo residual, sino que también se utiliza para analizar los cambios dinámicos del reservorio, proporcionando así una guía científica para los planes de desarrollo y mejorando eficazmente los beneficios del desarrollo del reservorio. Debido a que los métodos tradicionales de aprendizaje profundo no integran mecanismos de flujo y otras restricciones físicas, existiendo problemas de baja interpretabilidad y dificultad para la inversión de parámetros, se propuso un método basado en redes neuronales con información física para analizar la conectividad entre pozos en un reservorio multicapa impulsado por agua: al fusionar la ecuación de equilibrio material con la red neuronal, y mediante la operación de multiplicar los datos del grupo de pozos por los pesos de la red neuronal, solo se presta atención a los pozos de producción que están conectados a los pozos de inyección, lo que no solo reduce la interferencia de los pozos circundantes en los resultados del análisis, sino que también disminuye la carga de procesamiento de datos; se diseñó una función de pérdida que incorpora restricciones físicas para segmentar verticalmente las tasas de producción de líquido de los pozos de producción en el reservorio impulsado por agua multicapa, asegurando así el equilibrio material en la dirección vertical y aumentando la interpretabilidad y confiabilidad del modelo para analizar la conectividad entre pozos. Para validar la efectividad del método, se seleccionó un bloque real del campo petrolero para el análisis, y mediante el entrenamiento y la predicción del modelo se obtuvieron los resultados de conectividad entre pozos de inyección y producción en cada estrato y las tasas de producción de líquido de los pozos de producción. Los resultados muestran que los resultados de conectividad entre pozos son básicamente consistentes con los datos de monitoreo de trazadores, y las curvas predichas de tasa de producción de los pozos de producción son de alta precisión. Esto proporciona un respaldo técnico sólido para el análisis de la conectividad entre pozos en la producción real del campo petrolero.

Reservorio multicapa impulsado por agua;grupo de pozos;conectividad entre pozos;ecuación de balance de materia;red neuronal