非常規油氣藏壓裂曲線智能監控技術研究

孫欽瑞

中國石油集團長城鉆探工程有限公司工程技術研究院（遼寧盤錦 124000）

0 引言

水力壓裂是以頁巖氣、致密砂巖氣、煤層氣為主的非常規油氣藏開發中的主要增產手段。通過在目的層中泵入高速流體，形成水力裂縫，并以追加支撐劑的方式，提高填砂裂縫的導流能力。以頁巖氣、煤層氣、致密砂巖氣為主的非常規油氣藏壓裂作業，具有施工節奏快、壓力排量高、砂堵與超壓風險突發等特點。隨著數字信息化技術在油氣行業的推廣與應用，對原始壓裂曲線進行遠程傳輸已成為業內主流趨勢。國內外學者相繼開展了實時施工壓力預測技術的研究，嘗試對砂堵風險與超壓風險進行預警[1-8]。

在國外，斯倫貝謝的StimMAP HFM水力壓裂監測軟件已實現一體化施工決策系統的開發，可結合地質建模數據與微地震裂縫監控技術對實時砂堵風險進行評估，并實時整改壓裂施工設計，該技術處于國際領先水平。國內，李彥尊等[9]利用數據挖掘、機器學習等手段,建立了大數據壓裂參數優化方法,通過多元回歸等方法分析參數關系,建立和訓練機器學習預測模型，對壓裂參數進行優化，進而減少砂堵風險的發生幾率。代海洋[10]通過優選GRNN 神經網絡算法，建立了依托時間序列的砂堵預警系統，并配套數據庫。長城鉆探依托EasyFrac平臺，分別研發了基于LSTM 的砂堵風險預警模型與周期性預警模型。

人工智能預警技術的突破與發展為業內提供了智能、高效、全面的支持手段，但其邏輯思維的不可解釋性也意味著人工經驗的不可替代性。研究輔助現場作業人員自主進行辨識的預警監控技術同樣重要。為此，針對非常規油氣藏壓裂施工特點，提出“N值法”壓力預測線的概念，嘗試對實時壓力曲線進行預測。通過分析壓力上漲斜率趨勢，找出不同施工排量下N值的最優值，進而對壓裂曲線監控方法進行智能化改造，從而達到提高作業者對壓力曲線的自主預測與監控能力、強化砂堵風險規避措施的目的。

1 “N值法”壓力曲線預測與監控技術研究

1.1 壓力預測基本原理

取實時壓力曲線上最新生成的數據點（A 點），再取該數據點生成N秒前的數據點（B 點），通過設置目標點（A點）與N秒前的數據點（B點）之間的連線，該連線即為壓力預測線。AB兩點的間隔時間值（以秒為單位），即為N值。

根據實時施工排量Q，該壓裂段井筒容積V1，地面管線至混砂液罐總體容積V2,可實時計算目標點（A點）處流體從地面泵入地層的時間T:

當施工排量在目標點頂替時間計算過程中發生變化，由Q1變化為Q2時，目標點（A 點）頂替時間計算方法為:

其中，V3為排量變化時，目標點以后的流體已充滿管柱的總體積（包含地面管線體積）。在實時綜合監測曲線中，使用該算法進行實時計算，標記出目標數據點（A點）頂替時間的豎線。該豎線與壓力預測線的相交點，即為目標點（A 點）流體入地時刻的壓力預測值。如圖1所示。

圖1 預測壓力與實際壓力

對實際壓力曲線趨勢進行調研，充分考慮以頁巖氣、煤層氣為主的非常規油氣藏采用體積壓裂工藝具有高排量的泵注特點，默認同一頂替階段僅存在一種油壓斜率變化，不考慮S型、雙增型及其他綜合曲線變化類型。因此將單階段油壓上漲曲線分為：斜率上升型、斜率穩定型、斜率下降型3種。根據3種油壓上漲曲線類型可知：斜率上升型油壓上漲實際值要高于預測壓力（圖2），斜率下降型油壓上漲實際值要低于預測壓力（圖3），斜率穩定型曲線油壓上漲實際值最接近該相交點預測壓力（圖4）。

圖2 斜率上升型曲線預測值偏小

圖3 斜率下降型曲線預測值偏大

圖4 斜率穩定型曲線

1.2 最優N值的確定

N值的含義為壓力曲線上的目標數據點（A點）與之前某一時刻的數據點（B 點）兩點之間的時間間隔。在進行壓裂曲線監控作業前，需提前設置該施工壓裂段的N值。N值的實際物理意義反映在壓力預測線的斜率k上。在壓力單調上升的前提下，N值越大，壓力預測線的斜率k越小，N值越小，壓力預測線的斜率k則越大。如圖5 所示，確定目標A 點后，當N值取20 s 時，預測線斜率k1為0.618，預測壓力93.51 MPa(誤差0.32 MPa)；當N值取40 s 時，預測線斜率k2為0.476，預測壓力92.46 MPa(誤差1.37 MPa)。因此,N值的選擇決定了壓力預測線的精度。

圖5 不同N值下的壓力預測線斜率

以川渝頁巖氣壓裂井為例，選取一壓裂段進行參數分析研究。當排量q1=14 m3/min，q2=16 m3/min，q3=18 m3/min 時，分別取不同的k值進行壓力預測，預測平均誤差結果如圖6所示。

圖6 不同排量下不同N值的壓力預測平均誤差

分析數據知，相同壓裂段中，當q1=14 m3/min時，最小誤差N值為21.7 s，誤差值為0.48 MPa；當q2=16 m3/min 時，最小誤差N值為18.1 s，誤差值為0.42 MPa；當q3=18 m3/min 時，最小誤差N值為15.6 s，誤差值為0.28 MPa。總結規律如下：相同井筒容積條件下，最優N值隨著排量的增加而減小。由于該區塊套管內徑均為114.3 mm，因此可以推斷，最優N值與頂替時間T（替井筒時間）變化成正比。通過總結現場數據，得出不同頂替時間下最優N值圖版，如圖7所示。

圖7 不同頂替時間下的最優N值

2 數學模型與系統設計

獲取視點坐標(sx,sy)，該點為鼠標點擊屏幕時的屏幕坐標。系統將該坐標轉換成時間-壓力坐標(t，p)，轉換規則為：

其中：x0、x1為圖形區域橫向顯示區間；y0、y1為圖形區域縱向顯示區間；t0、t1為時間區間；p0、p1為油壓區間。將轉換后的點命名為點A。

通過二分法獲取點A 序號，具體過程為將秒點數據區間（a,b）分為兩個長度相等的子區間[a,x0]及[x0,b]，計算A 點時間t所在子區間，若t≥a且t≤x0則A 點落入[a,x0]區間；若t≥x0且t≤b則A 點落入[x0,b]區間。在所落入的子區間內繼續二分查找，直至找出A點對應的秒點數據序號。如果存在秒點數據不連續的特殊情況，此時x0所在區間位置有可能并不在實際秒點數據中，當出現該情況時，可遍歷兩個子區間，求出實際秒點數據所在位置。

設找到的秒點數據序號為i，則取i-k處秒點，命名為B 點，該點的時間-壓力坐標為(ti-k,pi-k)。按公式T=(V1+V2)/Q得出預測點T處時間值。在時間-壓力坐標系下,已知A、B 點,解出AB 延長線上T處的壓力預測值P。公式為：

系統工作流程為：①在EayFrac系統實時監測界面中，點擊“切線設置”，選擇“間隔設置”選項，輸入間隔數據點長度（N值）。②鼠標點擊壓力曲線上的實時數據點（A點），根據N值，通過獲取視點坐標自動轉換獲取B點坐標。③生成AB點連線的延長線，與A點頂替時間線相交，得到預測壓力值。如圖8所示。

圖8 系統設計結構圖

3 影響智能監控技術的因素

3.1 壓裂液

壓裂施工過程中，在切換壓裂液時，由于不同壓裂液降阻比的不同，以及交聯劑的使用情況沿程摩阻也發生變化。因此，施工壓力會隨壓裂液的切換而發生變化。由于“N值法”壓力預測技術僅適用于壓力單調增的實際情況中，局部的壓力下降將會直接影響壓力預測功能的效果。

3.2 砂濃度

施工過程中砂濃度的變化會造成凈液柱壓力的改變，在壓力單調上升的工況下，其常規影響方式主要分為兩種：當砂濃度增加時，凈液柱壓力逐漸升高，動態壓力會稍微降低，壓力曲線由斜率穩定型向斜率下降型轉變；當砂濃度降低時，凈液柱壓力逐漸降低，動態壓力會稍微上升，壓力曲線由斜率穩定型向斜率上升型轉變。

3.3 施工排量

排量的升高或降低會瞬間打破壓力單調變化的趨勢。因此，當采取升降排量等規避措施時，該技術無法進行壓力預測。

4 現場應用效果

在川渝頁巖氣X216 平臺進行現場試驗。該平臺摒棄了頁巖氣常規的“段塞式”加砂工藝，采用高低砂比相互替換，尾追高濃度陶粒的方式進行加砂。該壓裂設計工藝特點為加砂強度高、施工排量大，但會頻繁出現壓力上漲跡象，需及時進行停砂換膠液掃井筒等操作。

在對該平臺1井的17段壓裂實時監測中，共出現29次因壓力上漲的砂堵風險隱患，結合不同頂替時間下，最優N值推薦圖版（圖7）的基礎上，對其分別進行壓力曲線類型分類與壓力預測線誤差統計，結果見表1。

表1 X216平臺壓力上站類型及相應預測誤差統計

從表1 數據可知，斜率穩定型壓力曲線占比72.4%，斜率上升型占比20.7%，斜率下降型占比3.4%，綜合變化型占比3.4%。斜率穩定型壓力曲線占比較高的原因在于，該井施工排量高（16～18 m3/min），平均頂替時間在2.6～3.2 min，因此，在短時間內發生壓力曲線復雜變化的情況較為少見。由實驗數據得知，在選擇推薦的最優N值的前提下，斜率穩定型壓力曲線平均預測誤差僅在0.6～0.8 MPa，所有類型壓力曲線加權平均誤差為0.92 MPa。

在X216 平臺29 處砂堵風險隱患中，通過應用該項智能監控技術后，以人工識別方式采取的規避措施共有22 處（另外7 處被認定為低風險，無需采取規避）。工況復盤分析后，其中有意義的規避次數20 次，砂堵風險規避成功率90.1%。未應用智能監控技術的鄰平臺（X203 平臺4 口井），統計出平均單井砂堵風險隱患22 處，平均單井采取規避措施次數13 次，其中平均單井有意義的規避次數9 次，砂堵風險規避成功率為69.2%。通過對比應用前后的數據得出：在非常規油氣藏區塊中，通過智能壓裂曲線監控技術的輔助，人工識別的砂堵風險規避成功率平均提高了20.9%，如圖9、圖10 所示。

圖9 智能監控技術應用前后預警成功率對比

圖10 砂堵風險規避措施占比分布

5 結論

1）通過分析3種不同的實時壓力曲線上漲趨勢，展開壓力曲線走向類型調研與分類。調研可知：斜率穩定型曲線壓力上漲實際值最接近預測壓力值，斜率上升型油壓上漲實際值要高于預測壓力值，斜率下降型油壓上漲實際值要低于預測壓力值。

2）以施工排量為基礎進行先導研究，對不同施工排量下的最低預測誤差值進行統計。進一步對區塊壓裂套管內徑展開調研，最終建立了以頂替時間為變量的最優N值圖版。施工前，可根據頂替時間提前設置N值（AB點間隔時間）進行壓力預測。

3）壓裂曲線智能監控技術僅在壓力單調上升的工況下，對人工識別砂堵風險具有指導意義。現場切換壓裂液、提高或降低砂濃度、停砂等操作會導致預測能力的下降。施工排量的變化會直接導致功能的失效。

4）結合現場試驗，分別對壓力曲線類型分類與壓力切線預測進行誤差統計。結果表明：在選擇推薦的N值基礎上，斜率穩定型壓力曲線平均預測誤差僅在0.6～0.8 MPa。所有類型壓力曲線加權平均誤差為0.92 MPa。

5）在多平臺間展開智能監控技術應用前后對比，結果表明：在非常規油氣藏區塊中，通過智能壓裂曲線監控技術的輔助，人工識別砂堵風險的規避成功率平均提高了20.9%。