南海東部Z油田提液策略及智能注采優化

姚為英, 馮高城, 劉 佳, 尹彥君, 馬良帥， 楊 光， 張 凱

(1. 中海油能源發展股份有限公司工程技術分公司，天津 300452； 2.中海石油(中國)有限公司深圳分公司，深圳 518067；3.中國石油大學(華東)石油工程學院, 青島 266580)

優化注采策略是油田開發中后期降本增效、延長經濟壽命和提高采收率的重要舉措。目前針對中高含水期優化注采策略主要有3種模式：其一，“提液穩油”模式，即穩油不控水，以提液為核心手段的綜合治理辦法達到穩油的目的；其二，“穩液穩油”模式，用穩定或控制液量的辦法達到減緩原油產量遞減目的[1]，究其核心思路在于控制采油速度與采液速度，優化注采結構改善水驅開發效果；其三，“穩油控水”模式，主要針對高含水時期存在的問題進行分析，提出了一系列的穩油控水策略與配套措施[2]。

針對油田開發后期提液面臨存在的諸多問題，國內學者以油藏工程方法研究為主，對提液策略、提液技術等方面進行了深入性的探討[3-6]。目前提液理論研究主要以油藏數值模擬與滲流力學理論推導為手段，依托工程需要持續深化油藏提液增油的理論研究，并在利用無因次采液指數提液方面取得了廣泛性應用[7-8]。“十一五”到“十三五”期間，南海東部因地制宜逐步摸索了提液穩油模式[9]，為南海東部油田持續穩產發揮了重要作用。對于特高含水期油田生產表現為井間高滲通道發育、剩余油分布零散、水淹規律較為復雜等問題，因此亟待發展新型產液結構優化技術與開發策略。

目前針對提液控水技術優化重點是確定單井提液時機，過程中主要研究內容包括提液時機研究、提液幅度研究、合理制度研究、單井與區塊提液控水動態分析，常用方法主要有機理型和統計型兩大類方法，相比統計型方法，機理法的預測效果和預測精度都較高[9]。孫成龍[10]在不同液量水平下產油量和成本變化規律統計的基礎上,通過分析不同液量下的投入產出變化,進而確定經濟效益最大化時的產液量，從而用于指導礦場油井提液生產；張利健等[11]分析了提液增油機理,并從無因次采液指數、地層壓力、供液能力等角度論證了該油田的提液可行性,進而通過無因次采液指數增長趨勢確定了B油田的合理提液時機。

近年來，國外油田大力發展了基于系統控制的智能注采優化方法，已經形成了基于人工智能和大數據的智能井工藝及配套工程[12-15]，并取得了良好的現場應用效果。國內圍繞油藏優化算法的運算機理、迭代速度與約束條件等關鍵問題也已取得理論研究突破[16-19]。但在中國海上油田的生產應用(尤其是南海中高含水期油田群)，以油藏動態智能優化技術為手段開展提液優化研究鮮有報道。為此，針對南海Z油田實施轉注后快速上產與穩產客觀要求，探討基于代理模型的智能注采提液策略，以期為南海東部油田的類似油田開發提供參考和依據。

1 油田工區概況

南海東部Z油田位于東沙隆起西北斜坡，靠近惠州凹陷南側，是發育在基底古隆起上的披覆背斜。構造幅度較緩且完整、高點相對穩定，主要呈近東西向走向，由深至淺繼承性較好，含油范圍內無斷層切割。沉積演化特征主要為一套辮狀河三角洲體系，自下而上由下三角洲平原向三角洲前緣、前三角洲逐漸演化。

Z油田縱向上共發育13個油層，主要為邊、底水驅動的巖性油藏，儲量大部分集中在主力層L30up。L30up層為由北西/北東兩個方向物源控制的三角洲前緣沉積(圖1)，進一步劃分為北部邊水影響區、中部構造主體區和南部薄層區。邊水影響區表現為近物源沉積，主要受到西北與北部雙邊水影響，水體能量較弱。主體區位于多支水下分流河道分叉、交匯處，砂體發育且橫向連續性較好，儲層厚度在6～14 m。儲層向東南部逐漸減薄至薄層區，過渡為河口壩、遠砂壩、席狀砂沉積，砂體厚度在1～4 m。主要巖性為細～粗粒長石巖屑砂巖，儲層物性較好，平均孔隙度19.2%、平均滲透率502.4 mD，屬于中孔、中～特高滲透率儲層。

圖1 Z油田工區構造及沉積相微相圖

2 穩產存在問題

南海Z油田單純依靠天然能量開發能量不足，由于目標油田注水設施不完善，2017年通過將非生產層的水注入主力層來補充主力生產層能量，薄層區油井轉注的逆能量衰竭通道自流注水[20]及時緩解了油田欠產嚴重問題，實現了南海東部第一個注水開發油田。隨著油田逐步進入中高含水期，油相連續性下降、水相連續性逐步增強，油田面臨加強提液困難、水驅效果變差等問題凸顯，長期提液面臨平臺井槽預留不足、油水處日理能力較強、注水設施調整空間有限等問題。

現階段，油田穩產開發的油藏面臨主要問題：主力層采收率17.95%與預測最終采收率38%，在開發程度上存在較大差距，仍然存在大量的剩余油亟待挖潛；儲層非均質性較強，滲透率變異系數0.84～1.12，突進系數3.11～4.42，不同儲集體間儲集能力與驅油效率的差異，進一步加劇了水淹程度的不均衡；在儲層具有油藏挖潛基礎的條件下,要求工藝適時加大泵掛深度，為進一步加大生產壓差、提高能量利用率奠定基礎。截至2019年6月，油田累產油440.84萬m3，綜合含水率為63.91%，折算年采油速度較去年同期采油速度降低0.5個百分點，為此有必要實施進一步提液增油策略。

為增大油藏主體區水驅波及體積，2019年將構造主體區高部位的A5H轉注，轉注后投產1個月，臨井均有不同程度地響應，流壓回升幅度在0.5～1.5 MPa。但日增油量約43.62 m3/d，遠遠不能滿足A5H井轉注所減少的產量損失。雖然A5H及時轉注彌補高速開采所導致的能量不足問題，但仍然未解決油田減緩遞減與持續穩產核心問題。究其原因，油田產量遞減主要是由于新井投產后含水上升過快、油井轉注后老井提液困難等因素共同導致。提液困難更深層次的原因由于油井持續提液潛力不明、井間能量傳遞方向不清、疏導液流傳遞手段有限等因素共同制約，以致A5H轉注后進一步實施關聯井提液困難。

3 提液策略

油藏優化技術是利用最優控制理論和智能控制理論，建立油藏生產動態優化數學模型，運用油藏數值模擬運算油氣水運移狀態，形成油藏開發動態優化方案。而數學模型的建立需要明確優化變量以及變量界限等參數，因此，首先依據地層壓力場以及注采流線分布特性挑選具有潛力的提液井，然后基于儲層品質指數確定單井提液上下限，為后續模型建立以及優化過程提供基礎。

3.1 優化井選取策略

優化井的選取在于確保整個空間分布中剩余油富集的油井有效提液與水井有效驅油。因此，提出兩種優化井選取的策略方法，分別從轉注井轉注前后壓力場分布以及轉注前后注采流線分布入手，選取具有優化潛力的井組。

3.1.1 基于壓力分布的優化井選取方法

泵入口壓力是地層流體能量最瞬時的反映，地層能量越強泵入口壓力越大。目前各生產井的泵入口壓力主要集中在3.0～9.67 MPa，除A10H、A7H已接近最小泵入口壓力外，其余油井均具備一定的提液基礎。圖2介紹了A5H轉注前后地層壓力對比變化情況。

圖2 A5H轉注前后地層壓力對比變化

首先，通過對比2019年L30up主力層轉注前后壓力平面分布可以看出，轉注前基準面壓力呈“鞍狀”分布，構造主體區壓力偏低，呈“條帶狀”分布；轉注后基準面壓力變化較大，構造主體區呈“局部憋壓”形態。其次，由于注水對沖作用，北部邊水區得到了天然能量的充分地供給，低壓區僅分布于南部薄層區。因此，圍繞局部憋壓及高壓邊緣優選具備能量基礎的井實施提液泄油，以增大提液幅度擴大壓力波及半徑，建立局部高低壓范圍的驅油壓差與泄油通道，可實現有效驅替門檻壓力的快速突破。

3.1.2 基于注采流線分析的優化井選取方法

針對Z油田主力層剩余油分布零散的油田現狀與驅油能量分布不均衡的客觀情況，提出基于注采主流線分析的優化井選取方法，從而通過提液引流形成流動壓力，達到驅替能量空間均衡分布的目的。

通過對比A5H井轉注前后的泵吸入口流壓升降、注采井液油量波動、相鄰井含水率起伏等指標典型變化特征，綜合得到轉注前后注采流線分布(圖3)。對比轉注前后的生產流線特征認為，A5H轉注前后驅替流線集中反映在構造主體區注采流線調整，由于轉注井注水對天然能量的逆向對沖作用，導致北部邊水區流線強度和方向隨即產生適當調整變化，同時西部邊水區能量供給強度聯動發生局部調整變化，但注水井區注采流線未發生明顯變化，因此，需著重調整注水井區流線節點上的生產井。圖4介紹了Z油田主力層注采流線與河道砂體空間分布。

圖3 A5H轉注前后注采流線對比變化

圖4 Z油田主力層注采流線與河道砂體空間分布圖

3.2 優化井界限標定策略

在完成優化井選取后，根據不同儲集體的內在差異，集合無因次采液、采油指數曲線，確定優化井提液界限。首先，基于L30up儲層巖石樣品分類研究，運用儲層品質指數(RQI)[21]劃分為三類儲集體(表1)。其次，針對RQI劃分的三類巖石相儲層無因次采液(油)指數曲線得到油井提液的含水率對應界限，分別為32.3%、38.2%、51.5%。由于L30up層不同巖石相均呈現出隨含水上升無因次采液指數增加，無因次采油指數下降的特點(圖5)，且主力層綜合含水率已超過60%。因此，一類巖石相儲集體可大幅提液至投產初期2倍、二類巖石相可適當提液至1.5倍、三類巖石相略微提高液量，為此形成單井提液界限在450～850 m3/d，為后續油藏動態生產優化提供基礎。

圖5 基于RQI巖石相無因次采油(采液)指數

表1 基于RQI的儲層巖石相分類標準

4 基于代理模型的智能注采優化

智能注采優化研究指的是通過智能算法對工區范圍內的所有井進行配產配注優化，可以通過智能算法實現更加準確有效的調控。在完成優化井的選取以及界限標定后，首先，依據所設定的優化變量以及邊界等構建優化數學模型，其次引入基于代理模型的優化算法來優化求解，最終求得最優的配產配注方案。

4.1 數學模型

在水驅開發中，其通過調整油藏區塊油水井的注入與產出狀態來實現經濟效益的最大化，該問題屬于一個典型的最優化問題。調控目標以經濟凈現值(NPV)為例，水驅注采優化模型的目標函數可定義為

(1)

(2)

式(2)中：ulow為調控變量的下邊界約束；uup為調控變量的上邊界約束。

4.2 代理模型方法

代理模型[22]是一種簡化的數學模型，利用機器學習的方法結合樣本點進行模型的構建，然后用于代替數值模擬器進行生產動態的預測，可大大縮短優化求解的時間。進化算法具有良好的全局尋優特性，但需要耗費大量的計算資源，因此，利用基于代理輔助的優化算法來快速準確的求解全局最優解。將支持向量回歸(SVR)作為代理模型與粒子群算法(PSO)相結合，提出SVR-PSO算法。SVR是一種廣泛應用的機器學習方法，用于解決非線性回歸問題[23]。SVR的基本思想是將輸入數據從原始空間轉換為高維特征空間，其中輸出數據與特征空間中的變量具有線性關系。通過解決使SVR模型的復雜性以及預測響應與“真實”響應的偏差最小化的優化問題，可獲得定義輸出與特征變量之間線性關系的參數。線性SVR模型如式(3)所示：

(3)

式(3)中：ω∈Rd為系數向量；b為常數；T為向量的轉置。

圖6 SVR模型的幾何解釋

(4)

(5)

在完成代理模型構建的基礎上，通過進化算法來對問題進行優化求解，選取粒子群算法作為本文的求解算法。粒子群算法[23]是在1995年由Eberhart和Kennedy一起提出的，它源于對鳥群捕食行為的研究。它的基本核心是利用群體中的個體對信息的共享從而使整個群體的運動在問題求解空間中產生從無序到有序的演化過程，從而獲得問題的最優解。

在PSO中，每個優化問題的解都是搜索空間中的一個“粒子”，所有的粒子都具有一個位置向量(粒子在解空間的位置)和速度向量(決定下次飛行的方向和速度)，并可以根據目標函數來計算當前的所在位置的適應值。粒子的速度和位置更新公式如下：

vi=ωvi+c1rand(pbesti-xi)+

c2rand(gbesti-xi)

(6)

xi=xi+vi

(7)

式中：vi為粒子的速度；ω為慣性因子；c1和c2為慣性因子；rand為介于(0,1)的隨機數；pbesti為個體極值；gbesti為全局最優解。

4.3 SVR-PSO算法優化計算步驟

SVR-PSO算法的優化計算步驟如圖7所示，首先設置所需要的參數，利用拉丁超立方取樣，并將取樣的樣本點的目標函數值通過油藏數值模擬器計算出來形成初始樣本庫。從樣本庫中選擇初始種群，并按照進化規則更新粒子的位置和速度，并利用樣本庫中的所有樣本點通過SVR構建代理模型。隨后，利用代理模型進行目標函數值的預測計算，并選取最優解利用數值模擬器重新評估，更新樣本庫。

圖7 SVR-PSO 流程

5 現場調控實例分析

分別從轉注井轉注前后壓力場分布以及轉注前后注采流線分布入手，選取具有優化潛力的井組。隨后，通過巖石儲集相耦合的無因次采液指數方法界定了單井采液量與壓力界限，最終形成數學優化模型，通過SVR-PSO算法進行注采結構調整。

針對Z油田，基于壓力分布的優化井選取方法，選取A15H等6口井；為改善全區能量分配，加強注采流線上節點提液，立足注采流線分析策略優選A09H等6口井。隨后，基于巖石儲集相耦合的無因次采液指數方法界定了三類單井采液量：一類巖石相儲集體可大幅提液至投產初期2倍，二類巖石相可適當提液至1.5倍，三類巖石相略微提高液量。以提液井的提液量為優化變量，以經濟效益(NPV)[24-25]為目標函數，通過SVR-PSO算法進行優化求解形成全區優化提液方案，并與PSO優化體液方案進行對比，如圖8所示，SVR-PSO算法在同樣的計算資源下可以求得更好的優化結果以及NPV值。

圖8 PSO算法與SVR-PSO算法凈現值結果對比

以2017年為預測初期，對比注水基于預測方案與優化提液方案，如圖9所示。對比認為，基于預測方案累計產油量為355.48×104m3、綜合含水率69.46%，而優化方案累計產油量達413.84×104m3、綜合含水率74.33%，累計增油量差值約58.35×104m3，優化后油田穩產問題明顯改善。優化提液方案通過加強二線井(A9H/A2H)、三線井(A15H/A17H/A8H)提液力度，引流提液增大水驅波及體積。其中，北部邊水區A2H提液控制邊水推進速度，構造主體區局部憋壓地帶A9H提液卸壓，南部薄層區多向受效井提液穩產，早期轉注區優化生產抑制注采井間竄流，可實現主力生產層的能量再均衡分布的優化。圖10介紹了預測方案與優化后飽和度場對比情況。

圖9 預測方案與優化后方案對比

圖10 預測方案與優化后飽和度場對比

A2H引流挖潛充分利用邊水與注入水的雙向能量，挖潛復合反韻律沉積的河口壩內剩余油。L30up層縱向發育兩套砂體，A5H轉注井與北部漫流沉積成因的物性較差區域(辮狀河漫灘沉積)，形成與北部邊水對沖式注入、抑制北部邊水漫流推進；與南部辮狀流沉積成因的物性較好區域(復合辮狀河道沉積)，形成順構造方向推進式注入。A5H轉注初期，該井提液后平均日產液為651.85 m3/d，平均日增油量167.56 m3/d，提液效果顯著，如圖11所示。

圖11 典型井優化前后注采關系對比

6 結論

(1)針對油井持續提液潛力不明等問題，應用儲層品質指數模型可以量化動用砂體的巖石相儲集體類型，進一步與無因次采液指數圖版相結合，可有效量化油井在各井各層段的提液界限，研究表明：一類巖石相儲集體可大幅提液至投產初期2倍，二類巖石相可適當提液至1.5倍，三類巖石相略微提高液量。

(2)鑒于持續提液穩產與能量不足的矛盾，通過將非生產層能量補充至主力層的閉式注水方式，極大地緩解了提液能量不足等問題。應用基于代理輔助的優化算法(SVR-PSO)，以NPV為優化目標函數，均衡驅替能量分配，增強提液優化方案的現場可實施性。優化方案較預測方案累計增油58.35×104m3，優化效果明顯改善。

(3)基于優化提液策略對Z油田實施提液，使得主力層遞減得到有效緩解，重點井增油井提液效果明顯、關聯帶動井延長單井穩產期限，對南海東部類似油田改善注水開發效果具有借鑒意義。