CN113255168B - 一种碳酸盐气藏生产初期气井井控半径的确定方法 - Google Patents

Abstract

本发明公开了一种碳酸盐气藏生产初期气井井控半径的确定方法，所述确定方法通过从测井资料、试油资料中得到的地质参数和动态参数，首先采用逻辑斯蒂回归对各类生产井进行量化分类，再采取同一套参数，对不同类型的生产井的井控半径采用多元线性回归方法进行回归，从而得到碳酸盐气藏生产初期气井的井控半径。本发明采取少量易得的地质参数、动态参数通过分类评价、多元回归的方式，解决了碳酸盐气藏不同类型气井井控半径差异大，不能量化评价生产初期气井井控半径的缺点，为证实已开发储量(PDP)评估的合理确定性及井网部署提供了重要依据。

Description

一种碳酸盐气藏生产初期气井井控半径的确定方法

技术领域

本发明涉及油气藏开发技术领域，特别涉及一种碳酸盐气藏生产初期气井井控半径的确定方法。

背景技术

证实已开发储量(PDP)的评估是油田开发过程中的一个重要工作，而井控半径是容积法评估PDP储量的关键参数，量化评价生产初期气井的井控半径可提高PDP储量的准确性。同时，量化评价生产初期生产井井控半径，可为后续井网部署提供一定依据。目前，油气田上评估生产井井控半径主要分为定性、定量评价两大类：

第一类定性评价主要采用类比法，类比法是油气田对生产初期生产井井控半径进行评价所广泛使用的方法。其主要步骤是寻找油气藏地质、工程条件与其相近且开发阶段已经进入中、后期油气藏，采用该油气藏的井控半径作为开发初期油气藏的生产井的井控半径。但由于碳酸盐油气藏储层发育受控因素复杂，非均质性强，储集类型多样，导致不同类型开发井井控半径差异大，采用类比法定性确定的井控半径，与该生产井实际的井控半径相差较大。

第二类定量评价主要包括动态储量反算法和生产动态分析法，其中动态储量反算法需要较为齐全的地质、工程参数且生产时间长、生产制度较为稳定的生产井来定量评价井控半径，由于生产初期的井尚不具备完备的生产动态资料，这对于开发初期的生产井显然并不适用；生产动态分析法较为复杂，需要的动态资料和静态资料较多，开发初期的油气井并不具备以上条件。

发明内容

针对上述问题，本发明旨在提供一种碳酸盐气藏生产初期气井井控半径的确定方法。

本发明的技术方案如下：

一种碳酸盐气藏生产初期气井井控半径的确定方法，包括以下步骤：

收集生产初期的目标井的基本资料一；收集所述目标井同一区块的生产中期和/或生产后期的生产井的基本资料二；所述基本资料二中包含所述基本资料一中的所有参数；

根据所述基本资料二确定所述生产井的动态储量，并计算得到所述生产井的井控半径；

根据所述基本资料二、所述动态储量、以及所述井控半径确定生产井的分类标准，并以此对所述生产井进行分类；

以所述生产井的分类结果为因变量，以所述生产井中属于基本资料一中的参数为自变量，采用逻辑斯蒂回归法建立生产井分类的逻辑斯蒂回归模型；

根据所述生产井的分类结果，以各类井的井控半径为因变量，以所述生产井中属于基本资料一中的参数为自变量，采用多元线性回归的方法对所述井控半径进行回归，得到各类生产井的井控半径多元线性回归模型；

根据所述逻辑斯蒂回归模型对所述目标井进行分类；

根据所述目标井的分类结果，采用相应的井控半径多元线性回归模型得到所述目标井的井控半径。

作为优选，所述基本资料一包括孔隙度、渗透率、含水饱和度、渗透率变异系数、泥质含量、储层厚度和测试产量。

作为优选，所述基本资料二包括所述生产井的地质资料、钻井资料、完井资料、测井资料、试油资料和生产动态资料。

作为优选，采用逻辑斯蒂回归法建立生产井分类的逻辑斯蒂回归模型时，采用前向变量选择法选择所述基本资料一中用于逻辑斯蒂回归分类的参数。

作为优选，采用前向变量选择法选择参数时，根据AIC指标决定各参数是否用于逻辑斯蒂回归分类。

作为优选，所述逻辑斯蒂回归模型为：

式中：P(Y＝1│x)、P(Y＝0│x)分别为生产井为某一类井、另一类井的概率；

为w的估计值；w为参数x的权重；x为基本资料一中的参数；

为

与x的内积；b为偏置。

作为优选，所述w的估计值通过梯度下降法或拟牛顿法得到。

作为优选，采用多元线性回归的方法对所述井控半径进行回归时，采用显著性检验剔除所述基本资料一中与井控半径显著不相关的参数。

作为优选，所述井控半径多元线性回归模型为：

式中：y为井控半径；

为w₁-w_N的估计值；w₁-w_N为参数x₁-x_N的权重；x₁-x_N为基本资料一中的参数。

作为优选，所述w₁-w_N的估计值通过最小二乘法获得。

本发明的有益效果是：

本发明利用目标井生产初期即可获得的基本资料便可对该目标井的井控半径做到量化评价，解决了不同类型碳酸盐气藏生产井井控半径差异大，需大量地质资料、生产资料才能量化评价井控半径的缺点，用该定量化评价得到的井控半径评估PDP储量，可提高PDP储量评估结果合理的确定性，对有类似情况的气藏PDP储量评估提供了一种新思路，同时，为后续井网部署提供了重要依据。

具体实施方式

下面结合实施例对本发明进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互结合。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。本发明公开使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

本发明提供一种碳酸盐气藏生产初期气井井控半径的确定方法，包括以下步骤：

S1：收集生产初期的目标井的基本资料一；收集所述目标井同一区块的生产中期和/或生产后期的生产井的基本资料二；所述基本资料二中包含所述基本资料一中的所有参数。

在一个具体的实施例中，所述基本资料一包括孔隙度、渗透率、含水饱和度、渗透率变异系数、泥质含量、储层厚度和测试产量。所述基本资料二包括所述生产井的地质资料、钻井资料、完井资料、测井资料、试油资料和生产动态资料。

需要说明的是，所述基本资料一为目标井在生产初期即可轻易获得的基本参数，除了上述实施例采用的参数外，还可包括其他可能和井控半径有关的在生产初期即可获得的基本参数。所述基本资料二中的基本参数除了包括所述基本资料一所包含的参数外，还包括了为了计算动态储量、井控半径等所需的基本参数，而生产中期和/或生产后期的生产井的动态储量和井控半径的计算方法为现有技术成熟的计算方法，根据后续选用的方法，确定本步骤除基本资料一包含的参数外所需的其他基本参数。

S2：根据所述基本资料二确定所述生产井的动态储量，并计算得到所述生产井的井控半径。

在一个具体的实施例中，采用产量递减法计算各生产井的动态储量，然后采用容积法计算各生产井的井控半径；所述动态储量和所述井控半径的计算公式如下所示：

式中：G为生产井的动态储量，10⁸m³；C_t为地层总压缩系数，MPa^-1；t_ca为气井物质平衡拟时间，d；t_caDd为Blasingame气井无因次物质平衡拟时间，无量纲；M为拟合点，无量纲；q为日产气量，m³/d；Δp_p为归整化拟压力差，MPa；q_Dd为Blasingame气井无因次产量，无量纲；S_w为含水饱和度，％；r_e为井控半径，m；H为储层厚度，m；φ为孔隙度，％；B_g为体积系数，m³/m³。

需要说明的是，除了上述实施例采用的生产井动态储量和井控半径的计算方法外，还可采用现有技术中其他生产中期和/或生产后期的生产井的动态储量和井控半径的计算方法进行计算。

S3：根据所述基本资料二、所述动态储量、以及所述井控半径确定生产井的分类标准，并以此对所述生产井进行分类。

S4：以所述生产井的分类结果为因变量，以所述生产井中属于基本资料一中的参数为自变量，采用逻辑斯蒂回归法建立生产井分类的逻辑斯蒂回归模型。

在一个具体的实施例中，采用逻辑斯蒂回归法建立生产井分类的逻辑斯蒂回归模型时，先采用前向变量选择法选择所述基本资料一中用于逻辑斯蒂回归分类的参数，减少模型复杂度的同时，拟合度最优。所述前向变量选择法具体包括以下子步骤：

(1)建立一个空模型，即只包含常数项不包含其他参数的模型，该模型提供了模型复杂度的下限。

(2)建立一个包含基本资料一中所有参数的完整模型，该模型提供了模型复杂度的上限。

(3)采用AIC指标来决定参数是否保留在模型中，所述AIC指标是一种基于残差平方和进行变形的指标，因此AIC越小模型拟合效果越好；所述AIC指标通过下式进行计算：

式中：k为变量数；n为观测数；SSR为残差平方和。

(4)基于AIC指标来选择逻辑斯蒂回归的特征子集：首先得到空模型的AIC指标，然后添加能够使得AIC指标能够变最小的参数，不断迭代，直到添加参数不再使AIC指标变小或直到达到步骤(2)的完整模型为止。

在一个具体的实施例中，以所述生产井的分类结果为因变量，上述实施例得到的参数为自变量，建立各类生产井的逻辑斯蒂回归量化公式：

式中：P(Y＝1│x)、P(Y＝0│x)分别为生产井为某一类井、另一类井的概率；w为参数x的权重；x为上述实施例得到的参数；w·x为w与x的内积；b为偏置。

上述逻辑斯蒂回归量化公式进行学习时，对于给定的训练数据集T＝{(x₁，y₁),(x₂,y₂),……,(x_N,y_N)}，其中，x_i∈Rⁿ，y_i∈{0,1}，可以应用极大似然估计法估计模型参数，通过该方法求解解析解较为困难，于是通过将似然函数转换为对数似然函数，从而将问题转换为以对数似然函数为目标函数的最优化问题，采用梯度下降法或拟牛顿法得到w的估计值

从而得到最终的逻辑斯蒂回归模型为：

S5：根据所述生产井的分类结果，以各类井的井控半径为因变量，以所述生产井中属于基本资料一中的参数为自变量，采用多元线性回归的方法对所述井控半径进行回归，得到各类生产井的井控半径多元线性回归模型。

在一个具体的实施例中，采用多元线性回归的方法对所述井控半径进行回归时，采用步骤S4优选的参数作为自变量。在另一个具体的实施例中，在上述实施例的基础上，再采用显著性检验剔除步骤S4优选的参数中与井控半径显著不相关的参数，以此减轻模型的复杂度。在另一个具体的实施例中，对所有基本资料一中的参数进行显著性检验。一般来说，显著性检验P值大于0.05即为显著不相关。需要说明的是，所述显著性P值也可根据精度需求选择其他的值，例如0.01。

在一个具体的实施例中，采用多元线性回归的方法对所述井控半径进行回归时，为消除量纲对回归结果的影响，对井控半径和上述实施例中选取的影响因素进行归一化，缩小至[0，1]区间。然后建立多元线性回归模型：

y＝w₁x₁+w₂x₂+...+w_Nx_N (9)

式中：y为井控半径；w₁-w_N为参数x₁-x_N的权重；x₁-x_N为上述实施例优选出的参数。

上述多元线性回归模型学习时，对于给定的训练数据集T＝{(x₁，y₁),(x₂,y₂),……,(x_N,y_N)}，采用最小二乘法可以得到各w的估计值

学到最终的各类生产的井控半径多元线性回归模型：

式中：

为w₁-w_N的估计值。

S6：根据所述逻辑斯蒂回归模型对所述目标井进行分类。

S7：根据所述目标井的分类结果，采用相应的井控半径多元线性回归模型得到所述目标井的井控半径。

在一个具体的实施例中，以某区块的碳酸盐岩气藏为例，该区块生产井的井控半径确定方法，包括以下步骤：

A、在各种资料中获取有关产量递减分析方法、逻辑斯蒂回归方法、多元线性回归方法所需要的资料。

B、如表1所示，采用Blasingame产量递减方法计算出生产井的动态储量，再由容积法计算出各井的井控半径。

表1碳酸盐气藏部分井动态储量及井控半径

C、如表2所示，结合动静态资料，将该区块的碳酸盐气藏的生产井分为3类，以减少各类生产井之间的差异。

表2碳酸盐气藏生产井分类表

D、依照C步骤的分类标准对碳酸盐岩气藏的生产井进行分类，结果如表3所示：

表3部分气井分类结果

E、如表4所示，从A步骤中的资料中选取孔隙度、渗透率、含水饱和度、渗透率变异系数、泥质含量、储层厚度和测试产量作为逻辑斯蒂回归的影响因素，这些参数对于开发初期的生产井来说较为易得，并且影响储层的渗流能力、储集能力、气体充注能力、气井产能，从而影响生产井分类。

表4碳酸盐气藏部分生产井逻辑斯蒂回归分类资料

F、E步骤中并不是所有因素都影响分类，采用前向变量选择法对因素进行选择，如表5所示，在每次迭代的过程中，计算每个影响因素加入子模型后的AIC值，从中选择使得AIC值最小的那个参数加入模型，直到第八次迭代后，AIC值不再变小为止。

表5各特征子集AIC值表

G、以生产井类型作为回归对象，F步骤中优选的六个参数作为回归参数，得到逻辑斯蒂回归模型，具体的，设：

T₂＝exp(45+37.4×φ-14.00×K+10.00×V_sh-1.20×H-20.5×V_k-1.10×Q_test) (10)

T₃＝exp(138+7.6×φ-43×K+25×V_sh-1.5×H-9.9×V_k-1.1×Q_test) (11)

式中：φ为孔隙度，mD；K为渗透率，mD；V_sh为泥质含量，％；H为储层厚度，m；V_k为渗透率变异系数，dless；Q_test为测试产量，10⁴m³/d。

一类井的逻辑斯蒂回归模型为：

二类井的逻辑斯蒂回归模型为：

三类井的逻辑斯蒂回归模型为：

H、以G步骤的逻辑斯蒂回归模型对该区块63口井进行生产井分类回归，回归结果显示，该模型63口井中有60口回归正确，该回归模型正确率达到95.23％。

I、以储层厚度、渗透率、含水饱和度、泥质含量、储层厚度、渗透率变异系数、测试产量为影响因素，对井控半径进行回归；如表6所示，采用显著性检验方法对上述参数进行进一步的筛选；具体的，对一类井多元线性回归中要使用的回归参数进行检验，剔除孔隙度、含水饱和度、渗透率变异系数这三个与井控半径显著不相关的影响因素，以其他4个因素作为回归参数；同样的方法，二类井选择储层厚度、渗透率、测试产量、孔隙度这四个影响因素对二类井井控进行回归；三类井选用储层厚度、渗透率变异系数、含水饱和度、孔隙度这四个影响因素对三类井井控进行回归；

表6一类井多元回归影响因素优选

J、以井控半径为因变量，以I步骤各类井优选出的参数为自变量，对井控半径进行多元回归；一、二、三类井的回归公式分别如下所示：

r₁＝4250.47-38.81×H+120.46×V_sh-13.69×Q_test+5.19×K (15)

r₂＝3113.90-11.95×H-7.77×Q_test-350.57×φ+63.37×K (16)

r₃＝-555.50-8.71×H-99.74×V_k+306.89×φ+38.98×S_w (17)

一、二、三类井的多元线性回归公式的决定系数R²分别为0.91、0.86、0.87，回归效果较好；各类井的井控半径与产量递减法得出的井控半径相比，如表7所示，回归误差在12％以内，表明了本发明的准确性，本发明可对生产初期气井井控半径进行量化评价。

表7部分气井井控半径回归误差表

K、如表8所示，将逻辑斯蒂回归公式和多元线性回归公式应用到碳酸盐气藏生产初期的气井中，得到的该目标井的分类结果和井控半径。

表8部分生产初期气井回归结果表

综上所述，本发明能够利用生产井生产初期即可获得的参数获得精确的井控半径，为PDP储量评估及井网部署等提供重要依据，与现有技术相比，具有显著的进步。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，包括以下步骤：

收集生产初期的目标井的基本资料一；收集所述目标井同一区块的生产中期和/或生产后期的生产井的基本资料二；所述基本资料二中包含所述基本资料一中的所有参数；

根据所述基本资料二确定所述生产井的动态储量，并计算得到所述生产井的井控半径；

根据所述基本资料二、所述动态储量、以及所述井控半径确定生产井的分类标准，并以此对所述生产井进行分类；

以所述生产井的分类结果为因变量，以所述生产井中属于基本资料一中的参数为自变量，采用逻辑斯蒂回归法建立生产井分类的逻辑斯蒂回归模型；

采用逻辑斯蒂回归法建立生产井分类的逻辑斯蒂回归模型时，先采用前向变量选择法选择所述基本资料一中用于逻辑斯蒂回归分类的参数；所述前向变量选择法具体包括以下子步骤：

(1)建立一个空模型，即只包含常数项不包含其他参数的模型，该模型提供了模型复杂度的下限；

(2)建立一个包含基本资料一中所有参数的完整模型，该模型提供了模型复杂度的上限；

(3)采用AIC指标来决定参数是否保留在模型中，所述AIC指标是一种基于残差平方和进行变形的指标，AIC越小模型拟合效果越好；所述AIC指标通过下式进行计算：

式中：k为变量数；n为观测数；SSR为残差平方和；

(4)基于AIC指标来选择逻辑斯蒂回归的特征子集：首先得到空模型的AIC指标，然后添加能够使得AIC指标能够变最小的参数，不断迭代，直到添加参数不再使AIC指标变小或直到达到步骤(2)的完整模型为止；

根据所述生产井的分类结果，以各类井的井控半径为因变量，以所述生产井中属于基本资料一中的参数为自变量，采用多元线性回归的方法对所述井控半径进行回归，得到各类生产井的井控半径多元线性回归模型；

根据所述逻辑斯蒂回归模型对所述目标井进行分类；

根据所述目标井的分类结果，采用相应的井控半径多元线性回归模型得到所述目标井的井控半径。

2.根据权利要求1所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，所述基本资料一包括孔隙度、渗透率、含水饱和度、渗透率变异系数、泥质含量、储层厚度和测试产量。

3.根据权利要求1所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，所述基本资料二包括所述生产井的地质资料、钻井资料、完井资料、测井资料、试油资料和生产动态资料。

4.根据权利要求1所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，所述逻辑斯蒂回归模型为：

式中：P(Y＝1│x)、P(Y＝0│x)分别为生产井为某一类井、另一类井的概率；

为w的估计值；w为参数x的权重；x为基本资料一中的参数；

为

与x的内积；b为偏置。

5.根据权利要求4所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，所述w的估计值通过梯度下降法或拟牛顿法得到。

6.根据权利要求1所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，采用多元线性回归的方法对所述井控半径进行回归时，采用显著性检验剔除所述基本资料一中与井控半径显著不相关的参数。

7.根据权利要求1所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，所述井控半径多元线性回归模型为：

式中：y为井控半径；

为w₁-w_N的估计值；w₁-w_N为参数x₁-x_N的权重；x₁-x_N为基本资料一中的参数。

8.根据权利要求7所述的碳酸盐气藏生产初期气井井控半径的确定方法，其特征在于，所述w₁-w_N的估计值通过最小二乘法获得。