陶德碩
(中國石化勝利油田分公司勘探開發研究院,山東東營 257061)
準確獲取分層注水量是油藏動態分析、數值模擬、措施優化等技術的重要基礎。作為礦場實際監測的吸水剖面測試資料,相對滲流力學計算、數值模擬等方法,能較準確獲取各層段吸水量大小,但測試數據點少,應用受到限制。如何充分利用現有的吸水剖面和動靜態資料,實現無吸水剖面時間點和測試井點的吸水剖面預測成為亟待解決的難題。目前,國內外學者關于吸水剖面預測模型方法及應用開展了大量研究工作[1-5],本文從吸水剖面影響因素研究現狀出發,綜述了吸水剖面預測模型建立思路、方法現狀,并進行了研究技術方向展望,以期為吸水剖面預測模型建立及應用提供支撐。
中國老油田陸相沉積儲層非均質性嚴重,層間、層內、平面矛盾突出,水驅后期表現為注入水平面上高滲條帶舌進現象和縱向上高滲層段突進現象,注入水在注采井間無效或低效循環,層間干擾越來越嚴重,注水井吸水差異逐漸增大。分層注水、分層組合開發技術是改善吸水均衡狀況,提高油藏水驅動用程度的重要措施。分層措施優化及評價過程中,準確獲取分層注水量十分必要。同時,分層注水量也是油藏動態分析、數值模擬、剩余油分析等的重要基礎。
傳統的滲流力學計算法、流動系數法和數值模擬法等分層吸水量劈分方法,不能準確反映油藏層段實際注水情況。礦場吸水剖面測試通過在注水條件下將同位素等注入井內,能獲取各層放射性強度差異即吸水量大小。該方法得到的吸水剖面符合實際吸水情況,但是需要專門測試,成本較高,測試資料較少,且測試數據時間點不連續,很多注水井點沒有進行測試,無法有效利用吸水剖面監測資料計算分層吸水量,動態分析、技術措施優化等不能全面準確評價,開展無測試時間點和注水井點的吸水剖面演化預測模型研究十分必要。
通常吸水剖面是通過測試手段獲得的,但由于受工藝、測試周期等條件的影響,部分井和時間點吸水剖面無法獲取,給油藏分析等帶來諸多不便及困難,因此,需要對注水井吸水剖面進行預測,而預測結果的準確性取決于對主要影響因素認識的準確性。
周琦等認為注水井吸水剖面的變化受多種因素的影響,根據傳統的達西定律滲流公式,地下流體流動與儲層滲透率、地下流體黏度、流動壓差、流動通過的多孔介質面積及流動距離有關。影響注水井吸水剖面變化主要因素包括:注水井各小層滲透率、小層有效厚度、地層原油黏度、注水壓力等;對應油井各層滲透率、有效厚度、油井產液量及井距。王繼強等認為應從地質和開發資料中選取有可能影響吸水剖面的因素,包括滲透率、地層系數、滲透率級差、油水井連通狀況、砂體類型、連通油井數、連通井距、措施情況,實際測試結果表明,選取地層系數、滲透率級差、油水井連通狀況、砂體類型、連通油井數、連通井距的數據進行吸水剖面預測是切實可行的。
(1)層次分析多因素線性回歸法。定量了解各個吸水剖面影響因素的影響程度,采用層次分析方法計算各因素對吸水剖面影響的權數分配,以各自的權數作為因素相對重要性的評價指標,建立多因素線性回歸的吸水剖面預測模型。
(2)基于洛倫茲曲線模型評價法。高大鵬等為了定量評價不同時間精細分層注水油藏的吸水效果,基于改進的四參數Sarabia 洛侖茲曲線模型,結合多年次單井吸水剖面測試數據,建立了描述單井累計射開砂巖厚度與累計吸水量之間關系的洛侖茲曲線模型。提出了無因次注水強度、油層動用程度和吸水非均衡程度3個評價指標及其計算方法,分別用于定量評價各油層的注水強度、有效動用的油層厚度所占比例以及整體吸水均衡狀況,采用粒子群智能優化算法對模型進行求解。
(3)基于數據挖掘的吸水剖面預測智能方法。通過對現有吸水剖面數據中隱藏的規律和關系進行深度挖掘,建立吸水剖面與注采系統的相關關系模型,進而實現吸水剖面的反演和預測。
隋義勇等建立了基于支持向量機和神經網絡隱式非線性吸水剖面預測法。將歸一化的地層系數、油水井連通狀況、連通油井數、連通井距、量化的砂體類型和措施類型以及滲透級差倒數作為輸入參數,相對吸水量作為目標參數,結合支持向量機和神經網絡方法建立隱式非線性吸水剖面預測模型,通過模型的樣本學習,建立地質、開發參數和相對吸水量之間的隱式非線性關系。
余傳謀等建立了基于粒子群、智能群等算法優化的支持向量機吸水剖面預測法。該方法在歷史吸水剖面資料的基礎上,利用粒子群優化支持向量機方法,通過回歸擬合歷史吸水剖面資料,建立了吸水剖面預測模型,實現了無吸水剖面時間點注水井吸水剖面的預測,從而達到準確劈分注水量的目的。實例應用結果表明,本文方法考慮了各種影響小層吸水的動靜態因素,預測結果準確可靠,可用于注水井分層注水量的劈分研究。
目前,吸水剖面預測模型考慮影響因素相對較少。儲層靜態和動態非均質性強,剩余油分布復雜,注入井吸水狀況異常復雜,受到工程、地質、測試工藝等影響,因此,建議吸水剖面影響參數與儲層不同的地質特點、采油井實時狀況、測試工藝方法等結合,才能更全面、準確反映注入井吸水狀況。目前吸水剖面預測方法主要存在以下問題:不能準確反映吸水剖面資料的動態變化;偏向于存在少量吸水剖面資料注水井的吸水剖面預測,對于無吸水剖面資料注水井的吸水剖面預測研究較少;吸水剖面預測精度較低。應該在地質數據、開發數據、監測數據等動靜態大數據分析、處理基礎上,基于專家知識庫,發展基于機器學習的吸水剖面預測模型方法,實現無時間點和測試井點的吸水剖面更加準確的預測。
吸水剖面影響因素眾多,分層相對吸水量受到地質、油藏、工程、測試工藝等影響,建議綜合利用油藏開發過程動靜態多源數據,加強基于機器學習的吸水剖面預測模型研究,實現無時間點和測試井點的吸水剖面變化準確預測,為動態分析、油藏數值模擬、分層智能注采、層系優化等提供技術支撐。