基于OFM軟件功能提升油田動態分析水平

李競，皮建，陳翰，蔣百召，郭勝

(1. 海洋石油高效開發國家重點實驗室，北京 100028；2. 中海油研究總院有限責任公司，北京 100028；3. 中國海洋石油國際有限公司，北京 100028)

單井動態數據庫是現代油田數字化建設的基礎，數據的準確性不僅直接影響油藏跟蹤人員的動態分析判斷，也意味著對歷史數據擬合是否有意義，進而間接影響到產量預測的水平和精度。規模較大、井數較多的大型、在生產油田的動態數據是海量的，且在不斷增加，需要保證數據調用統計過程的穩定性和準確性。挪威大陸架石油公司(Norwegian Continental Shelf)從License2Share(L2S)數據平臺自動下載不同作業公司提供的不同文件格式(Microsoft Access， Excel以及文本格式mdb或accdb，txt和xlsx)的日度、月度產量數據，集成后統一在一個數據平臺，提供給科研人員用于質量控制[1]。在中海油國內成熟運營的油田中，有專人進行動態數據的錄入和運維，科研人員通過網頁版的信息系統，以及單機版的數據平臺軟件，實時查看最新的單井生產曲線。而對于筆者從事的中海油中東M油田項目，目前使用的是Microsoft Access數據文件，每月例行進行質量控制和更新動態數據。

本文從實例出發展示該項目組目前實現的一些標準化、數字化和程序化的功能流程和技術細節，以期達到拋磚引玉，共享和提高的目的。

1 整體工作流程

該油田群2019年4月在產、在注井150余口，其中自噴采油井40余口，潛油電泵井90余口，注水井10余口。目前現場生產井單井產量的劈分計算由國際雇員完成，每月5日左右與該石油公司開會最終確認，生產井單井的不定期計量產量數據每日更新，注水井相關數據定時更新，三類數據都為Microsoft Excel格式的文件，存放在共享服務器中，項目組人員可實時下載更新Access數據文件，需要注意新增的投產、投注井的井位靶點坐標、生產層位、隸屬的脫氣站，自噴井的核實、計量日產油、液量，含水率、油嘴直徑、井口壓力、回壓、氣油比等。對電泵井主要是錄入泵吸入口壓力、溫度，對注水井主要是錄入注水量和井口壓力，錄入過程中需要注意對數據進行質量控制，完成后用OFM軟件檢查數據的合理性。

在確認數據可靠后，可用OFM軟件快速統計月報通報所需的基礎數據，可靈活按單井、脫氣站隸屬的多井、油藏、油田級別靈活組合動態數據，如月均日產油能力的加和，井口油壓的平均值，含水率的計算以及年度產油量、從投產日期算起的總產油量的累加等；通過生產曲線模板可繪制動態分析所需的單井、井組、任意級別靈活組合的生產曲線，包括日產油、日產液、含水率、單井泵吸入口壓力、井口油壓、泵頻、油嘴直徑、氣油比，多井以及開井數等，任意組合的產量構成圖，生產現狀泡泡圖——用單井液量控制泡泡半徑，用含水率給出不同井的油水顏色比例。通過OFM軟件自帶的Arps遞減分析模塊，可以實現單井、任意多井組合的產量遞減回歸與預測，此外，還可生成Eclipse油藏數值模擬器歷史擬合前處理所需要的VOL數據文件，從而為生成前處理Schedule文件提供歷史數據，或直接將OFM軟件工區文件導入Petrel RE，為生成開發策略文件提供基礎數據。該項目組動態數據庫更新如圖1所示。

圖1 油田動態數據庫更新示意

2 油井月報與動態分析圖的生成及數據輸出

月報通報是該油田項目組多年來的例行工作，需要進行單井統計，起初存在統計數據易出錯，部分成員采用單井復制粘貼，效率較低，且未能明確出錯的原因。

通過軟件培訓和工作中的總結，逐漸掌握了OFM軟件的計算變量、計算字段等功能。應用發現計算變量、字段多層嵌套供同一個報表調用，容易出現統計錯誤，為避免設置過多的彼此嵌套的計算變量和字段，先將每月的原始日度動態數據表轉化為月度動態數據并更新Access數據文件，再生成月度動態數據表，在該表基礎上設置月報通報表中所需的計算變量和字段，包括月均日產油能力、月均日產液能力、月均日產油水平、月均日產液水平、月度開井時率、年度產油量、月均含水率等，由于數據表統一為月度動態數據表，多井數據導出再未出現統計錯誤。使用時，可以一鍵生成月報表，提高了效率。

綜合生產曲線是單井、井組動態跟蹤的必要圖形，通過調用OFM軟件相關變量，實現了單井的生產曲線繪制，參數包括泵吸入口壓力、井口油壓、泵頻、油嘴直徑、含水率、日產油、液量，氣油比等，且通過軟件的篩選、組合功能，可靈活快速組合井組、油藏級別的多井數據。新井、老井產量構成圖是分析老井自然、綜合遞減，新井新建產能的重要圖件，同樣利用軟件可輕松實現篩選、組合、平面框選井組，按投產日期篩選井的功能。

油井生產現狀泡泡圖如圖2所示。

通過油井生產現狀泡泡圖，可以直觀了解油井液量、油量以及含水率的相對大小，泡泡的直徑定量表示日產液量，泡泡中的黑色、灰色部分的比例大小分別定量表示含水率和含油率。每口井的油、水比例源自設置的月均日產油、月均日產水水平，左下角的圖框表示新建的月均日產油、日產液量的計算變量，右上角的圖框是月均日產油變量的具體定義函數。由于整個圖件是與日期相關連的，因此圖2可以動態顯示油田生產井的產量變化情況。

圖2 油井生產狀態泡泡圖示意

3 數據整合

月報與動態分析圖標中使用到的輸入變量、計算變量和計算字段如下。

1)日度輸入變量。井號、地下靶點坐標、隸屬脫氣站、開發層位、井別等，統一存放在HeaderID表和靜態分類表SortCategory里；油井日度劈分動態數據，統一存放在DailyProd_All表格中，包括日期，井號，日產油、液量，生產小時，油嘴直徑，井口油壓，井口回壓，泵頻等；油井日度計量動態數據，統一存放在DailyProd_Test表格中，包括日期，井號，計量日產油，日產液，日產水，電泵頻率，電泵吸入口壓力，井口油壓等；注水井日度注水動態數據，統一存放在Daily-Inject_Test表格中，包括水嘴直徑、注水量、井口壓力等。

2)月度輸入變量。油井月度劈分動態數據： 統一存在MonthlyData表格中，包括月生產小時、天數，月日歷天數，月產液、油、水，月平均井口油壓和油嘴直徑等。

3)計算變量。計算變量包括如下：

投產日期cv.Date_of_First_Oil=@CFirst(date，Dailyprod_all.Dailyliquild_res > 0 | Dailyprod_all.Dailyoil_res > 0)；

月均日產油能力： Monthlydata.PDOil=Monthlydata.Oil_confirm/Monthlydata.PDHours * 24；

月均日產油水平： Monthlydata.CDOil=Monthlydata.Oil_confirm/@Dom(Date)；

月均日產液能力： Monthlydata.PDLiquid=Monthlydata.Liquid_confirm/Monthlydata.PDHours * 24；

月均日產液水平： Monthlydata.CDLiquid=Monthlydata.Liquid_confirm/@Dom(Date)；

當年累產油量： YearlyCumOil=@ClrTSum(Monthlydata.Oil_confirm，@Change(@Year(Date)))；

當年累計生產天數： YearlyActDay=@ClrTSum(Monthlydata.Activeday，@Change(@Year(Date)))；

累產油量_1： CumOil=@Tsum(Monthlydata.Oil_confirm)；

累產油量_2： RCumOil=@Rsum(Monthlydata.Oil_confirm)；

月均含水率： MonthlyData.Watercut=Monthlydata.Water_confirm/Monthlydata.Liquild_confirm*100。

4)計算字段主要有生產時率和生產天數：

生產時率(Monthlydata.Timefactor=Monthlydata.PDHours/CDHours * 100)；

生產天數(Monthlydata.ActiveDay=Monthlydata.PDHours/24)。

4 產量遞減短期預測

動態數據庫更新的主要目的是及時跟蹤單井產量變化情況，發現潛在的生產問題，制定單井、井組級別的措施，制定宏觀的油田開發政策。通過OFM軟件的Arps遞減分析模塊，可以對單井進行Arps產量遞減回歸，求出遞減率、可采儲量并進行預測。同一個案例下的單井回歸、預測結果變量可以保存在同一計算變量中，由此可及時進行下個月的短期產量預測。

該模板新增的輸入變量、計算變量和字段如下：

1)Rate_Difference=DCATrack.Oil.Rate — MonthlyData.CDOil;

2)Relative_Rate_Difference=(DCATrack.Oil.Rate — MonthlyData.CDOil)/MonthlyData.CDOil;

3)Diagnostic=@IfStr(Relative_Rate_Difference <=-0.15，"very low"， @IfStr(Relative_Rate_Difference <=-0.02，"low"，@IfStr(Relative_Rate_Difference <0.02，"Expected"，@IfStr(Relative_Rate_Difference <0.15，"high"，"very high"))))。

通過對該油田13口自噴井，基于截至2019年1月的遞減回歸分析，完成了2019年2月月均日產油能力預測結果與2月實際的月均日產油能力的對比。其中每口井的歷史數據均用指數函數回歸。在每月新增數據更新后，可首先評價上月的預測，然后調整遞減回歸的相關參數，從而達到不斷提高短期產量預測的精度。需要指出的是，每口井基于最新數據，完成回歸并保存，下個月數據更新后，該表即可一鍵生成，有效提高了工作效率，同時將更多的時間用于分析和措施制定。

5 結束語

本文通過介紹該油田項目組使用OFM軟件調用Access動態數據庫進行例行月報統計、動態分析圖表制作，以及產量遞減分析的實例，分享了項目組原始動態數據錄入庫體的基本流程，以及通過逐步挖掘完善的OFM工區，在保證數據統計正確性的前提下，不斷提高工作效率，節省時間用于分析工作，在標準化和程序化的數字油田方向指引下，在推動生產油田動態數據庫建設上起到了良好的促進作用。