CN101769147A - 评价油田火驱方案的方法 - Google Patents

Abstract

一种评价油田火驱方案的方法，其特征在于将火驱过程看成是一个灰色系统，统计国内外火驱34个案例，从中选取与火驱方案成功相关的油层埋深、油层厚度、油层倾角、孔隙度、渗透率、流度储量系数、油层温度、油层压力、含油饱和度、原油密度、原油粘度、平均注气速度和水气比14种因素，用关联分析的方法分析各种影响因素对火驱效果的关联程度，进而选取主要的关联因素，建立火驱方案的评价模型。

Description

评价油田火驱方案的方法

一、技术领域

本发明为火驱选井、方案评价和效果预测提供依据，用于指导现场火烧油层试验性区块筛选和火烧油层的项目评价。具体地说是一种评价油田火驱方案的方法。

二、背景技术

火驱采油是一个受多因素影响的复杂系统，在这个系统中各因素之间的关联方式复杂多变，最终要确定的就是各种影响因素与火驱效果之间的关联关系。火驱过程中各种影响因素对火驱效果的影响程度不同，而且各因素的关系不完全清楚，可以看成是一个信息不完全的灰色系统。根据关联分析结论，选取十分密切和密切级参数作为影响火烧油层的主要因素，在此基础上经过综合分析后建立火驱方案评价模型。Chu在1977年回归了Y函数，Y是油藏埋深、孔隙度、渗透率、原始含油饱和度、原油粘度的函数，因为Y函数计算方便且结果可靠，在火驱油藏筛选时常作为必要的参考，但是Y函数没有考虑工程因素对火驱的影响，与实际情况有差异。

三、发明内容

为了克服现有的Y函数没有考虑工程因素对火驱的影响，与实际情况有差异的不足，本发明提供一种评价油田火驱方案的方法，用函数的回归过程考虑了工程技术参数和油藏开发后期的温度等因素。能够方便的指导现场火烧油层试验性区块筛选和火烧油层的项目评价。

本发明解决技术方案是：将火驱过程看成灰色系统，统计国内外火驱案例34个，选取含油饱和度等14种因素，用关联分析的方法分析各种影响因素对火驱效果的关联程度。进而选取主要的关联因素建立火驱方案评价模型。

关联分析步骤

关联分析是邓聚龙教授创建的灰色理论中的重要内容，是一种不确定的态势分析方法，其实质就是考察曲线间几何形状的差别，依其差值大小确定其密切程度。

这个灰色系统中，最终要确定的就是各种影响因素(比较数列)与措施效果(参考数列)之间的关联关系，影响措施效果的因素很多，通过定性分析可确定一些作用较明显的因素作为关联分析的比较数列，把能够代表措施效果的空气油比作为灰色关联分析参考数列。

由于系统中各因素的量纲不同，且有时数值的数量级相差悬殊，这样的数据很难直接进行比较，且它们的几何曲线比例也不同。因此，对原始数据需要消除量纲，转换为可比较的数据序列。

先求出各个序列的平均值，再用平均值去除对应序列中的各个原始数据，所得到的新的数据列，即为均值化序列。

$y_i=(\frac{x_{i\left(1\right)}}{{\stackrel{\‾}{x}}_i},\frac{x_{i\left(2\right)}}{{\stackrel{\‾}{x}}_i},...,\frac{x_{i\left(n\right)}}{{\stackrel{\‾}{x}}_i})---\left(1\right)$

(其中，

是第i个影响因素x_i平均值，i＝1，2，…，14.对应影响因素个数；n＝1，2，…，34.对应搜集样本个数)

在对原始数据进行数学处理之后，接下来就是计算他们之间的关联系数及关联度，用以考察影响因素(比较数列)和空气油比(参考数列)之间的关联关系，得出各参数的影响程度。

计算参考数列与比较数列各个样本处的关联系数ξ_i(k)，按式(2)计算：

式(2)中，ξ_i(k)为第k个样本比较曲线x_i对于参考曲线x_o的相对差值(k＝1，2，…，34)，这种形式的相对差值称x_i对于x_o的在k样本处的关联系数；ρ为分辨系数，取值在0至1之间，一般取0.5。

接下来用式(3)计算关联度。

$r_{\mathrm{oi}}=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ξ}}_i\left(k\right).---\left(3\right)$

式(3)中，r_oi为参考序列(空气油比)与第i个比较序列(影响因素)的关联度；n为比较序列i中的样本数；ξ_i(k)为第i比较序列的关联系数。

最后利用式(4)对关联度分级。

${\mathrm{\β}}_{\mathrm{oi}}=\frac{r_{\mathrm{oi}}}{r_{\max }}\·---\left(4\right)$

式中，β_oi为参考序列与第i比较序列的密切对比度；r_max为参考序列与比较序列的最大关联度，密切对比度的分级标准参见表1。

表1密切对比度分级标准

分析34个火驱案例的影响因素得到由十分密切、密切到低密切三个级次，结果见表2。分析不同级次内因素的组成，进而筛选出主要因素，在下一步的区块筛选和工程操作过程中对这些因素进行重点考虑。

表2比较序列与参考序列的关联度、密切对比度及评价

根据关联分析结论，选取十分密切和密切级参数作为影响火烧油层的主要因素。影响火烧油层的地质因素主要有：深度、流度、渗透率、孔隙度、含油饱和度；开发因素主要有：油层温度和储量系数；工程因素主要是平均注入速度。

为了预测火烧油层的驱油效果，必须首先选择目标函数，在此建立评价火驱方案可行性的J函数，J是油藏埋深、温度、渗透率、流度、注气速度和储量系数的多元线性函数，J函数的回归过程与Y函数相比考虑了工程技术参数和油藏开发后期的温度等因素。

Levenberg-Marquardt算法是使用最广泛的非线性最小二乘算法，中文名为列文伯格-马夸尔特法。它是利用梯度求最大(小)值的算法，形象的说，属于“爬山”法的一种，它同时具有梯度法和牛顿法的优点。该算法的计算机实现已经有公开书籍出版(《数值计算方法与算法》-2Editon-科学出版社P93)，Y函数的拟合即采用公开的Levenberg-Marquardt算法代码实现。

将J函数记为

式中，

Z——油藏埋深，m；

T——油层温度，℃；

K——油层平均渗透率，10^-3μm²；

h——油层厚度，m；

μ——原油粘度，mPa·s；

v——平均注气速度，Nm³/d；

φ——油层孔隙度，小数；

S_o——含油饱和度，小数；

分析34个火驱案例，归时J值含义定义如下：①方案在技术和经济上可行的J＝1；②方案技术上可行，经济上可能失败J＝0；③方案完全不可行J＝-1。

表3火烧油层部分实例数据

直接对(5)用最小二乘法，记残差平方和：

首先给待定参数一个初值a_i ⁰，其中i＝0，1，…，6，并记初值与真值a_i之差为Δ。

在a₁ ⁰的邻域内得一阶taylor展开式近似代替：

其中

当已知某一火驱实例时，f₀，

都可以算出，那么，要使残差平方和Q最小，必须使 $\frac{\∂Q}{\∂a_i}=0,$ 整理得，Δ要满足方程组

BΔ＝P                            (7)

其中

B＝(b_ij)_6×6，Δ＝(Δ₁，Δ₂，…，Δ₆)^T，P＝(b_1x，b_2x，…，b_6x)^T

由给定的火烧油层实例(x_k，j_k)，初值a₀ ⁰，b_ij，b_ix均可算出，因而由方程组解出Δi，进而得a_i值，当|Δi|值较大时，可令当前a_i值作为a₀ ⁰，并重新计算b_ij和b_ix，并得到新的a_i值。将这种过程反复进行，直至|Δi|值小的可以忽略不计时，最后得a_i即所求参数的近似值。

最终得方程：

    J＝-1.827+4.355×10^-4Z+0.014T+4.6864×10^-6K         (8)

    +1.755×10^-4Kh/μ-8.7655×10^-7v+10.286φS_o

式(5)即为火驱方案评价J函数，J函数在使用时，首先选取参数带入J函数计算J值，根据J值的大小筛选火驱区块、分析火驱参数合理性、评价火驱效果。统计技术和经济上都成功的项目，计算得到的J值在0.3～1.5之间；对于J值小于0.3的均为不成功或者经济上不成功的项目，总体看来J值越大越趋近于经济成功。

本发明的有益效果是，J函数可以为火驱选井、方案评价和效果预测提供依据，在评价蒸汽吞吐后火驱方案的性能上较Y函数优越，能够方便的指导现场火烧油层试验性区块筛选和火烧油层的项目评价。

四、附图说明

附图-本发明的火驱方案综合评价模型的方框示意图

五、具体实施方式

选用空气油比的大小考察Y函数与J函数的适应性，选取10个火烧油层实例进行分析并对计算结果对比分析。大多数空气油比较小的项目用Y函数^①和J函数得出的结论一致，但部分空气油比较大的火驱项目Y函数计算可行，而J函数认为不可行。对于高轮次蒸汽吞吐后实施火驱开采的区块，J函数也明显表现出其准确的判断性。

表4J函数与Y函数效果对比表

大多数空气油比较小的项目用Y函数和J函数得出的结论一致，值得注意的是，部分空气油比较大的火驱项目Y函数计算可行，而J函数认为不可行，如项目3和9，空气油比达到了6234m³/m³和5058m³/m³，而Y函数值为0.9005和0.4432，说明火烧油层具有较好的效果，而J函数值是0.2424和0.1772，明显较低(低于0.3)，可以评价得出经济性差的结论。

①Y＝0.12+0.00262h+0.000114K+2.23So+0.000242Kh/μ-0.000189D-0.0000625μ式中各参数单位同J函数，其中D为原油比重。该函数为美籍华人Chu于1977年提出。

Claims (1)

1.一种评价油田火驱方案的方法，其特征在于将火驱渍过程看成是一个灰色系统，统计国内外火驱34个案例，从中选取与火驱方案成功相关的油层埋深、油层厚度、油层倾角、孔隙度、渗透率、流度储量系数、油层温度、油层压力、含油饱和度、原油密度、原油粘度、平均注气速度和水气比14种因素，用关联分析的方法分析各种影响因素对火驱效果的关联程度，进而选取主要的关联因素，建立火驱油方案的评价模型；

a：关联分析步骤

1)确定各种影响因素与措施效果或者说确比较数列与参考数之间的关联关系，通过定性分析可确定一些作用较明显的因素作为关联分析的比较数列，把能够代表措施效果的空气油比作为关联分析的参考数列；

2)将原始数据转换为可比较的数据序列，先求出各个序列的平均值，再用平均值去除对应序列中的各个原始数据，所得到的新的数据列，即为均值化序列，公式为： $y_i=(\frac{x_{i\left(1\right)}}{{\stackrel{\‾}{x}}_i},\frac{x_{i\left(2\right)}}{{\stackrel{\‾}{x}}_i},\·\·\·,\frac{x_{i\left(n\right)}}{{\stackrel{\‾}{x}}_i})---\left(1\right)$

其中，是第i个影响因素x_i平均值，i＝1，2，…，14.对应影响因素个数；n＝1，2，…，34.对应搜集案例个数；

3)用比较数列和参数数列之间的关系，得出各参数的影响程度，计算参考数列与比较数列各个案例处的关联系数ξ_i(k)，按式(2)计算：

${\mathrm{\ξ}}_i\left(k\right)=\mathrm{\γ}(x_o\left(k\right),x_i\left(k\right))=\frac{\underset{i}{\min }\underset{k}{\min }|x_o\left(k\right)-x_i\left(k\right)|+\mathrm{\ρ}\·\underset{i}{\max }\underset{k}{\max }|x_o\left(k\right)-x_i\left(k\right)|}{|x_o\left(k\right)-x_i\left(k\right)|+\mathrm{\ρ}\·\underset{i}{\max }\underset{k}{\max }|x_o\left(k\right)-x_i\left(k\right)|}---\left(2\right)$

式(2)中，ξ_i(k)为第k个样本比较曲线x_i对于参考曲线x_o的相对差值k＝1，2，…，34，这种形式的相对差值称x_i对于x_o的在k样本处的关联系数；ρ为分辨系数，取值在0至1之间，一般取0.5；

4)用式(3)计算关联度。

$r_{\mathrm{oi}}=\frac{1}{n}\underset{k=1}{\stackrel{n}{\mathrm{\Σ}}}{\mathrm{\ξ}}_i\left(k\right).---\left(3\right)$

式(3)中，r_oi为参考序列(空气油比)与第i个比较序列(影响因素)的关联度；n为比较序列i中的样本数；ξ_i(k)为第i比较序列的关联系数；

5)利用式(4)对关联度分级；

${\mathrm{\β}}_{\mathrm{oi}}=\frac{r_{\mathrm{oi}}}{r_{\max }}.---\left(4\right)$

式中，β_oi为参考序列与第i比较序列的密切对比度；r_max为参考序列与比较序列的最大关联度，密切对比度的分级标准参见表1；

b、根据关联分析结论，选取十分密切和密切级参数作为影响火驱油层的主要因素，影响火驱油层的地质因素有深度、流度、渗透率、孔隙度、含油饱和度，开发因素主要有油层温度和储量系数，施工因素主要有平均注气速度；

c、利用麦夸特方法回归出评价火驱方案的可行性的J函数，使用麦夸特法对J函数进行回归分析，回归时J函数值含义为J＝1时说明火驱方案在技术和经上可行；J＝0时火驱方案技术上可行，经济上可能失败；J＝-1进火驱方案完全失败，最终得方程：

J＝-827+4.355×10^-4Z+0.014T+4.6864×10^-6K    (8)

+755×10^-4Kh/μ-8.7655×10^-7v+10.286φS_o

式中，

Z--油藏埋深，m；

T--油层温度，℃；

K--油层平均渗透率，10^-3μm²；

h--油层厚度，m；

μ--原油粘度，mPa·s；

v--平均注气速度，Nm³/d；

--油层孔隙度，小数；

S_o--含油饱和度，小数；

式(8)即为火驱方案评价J函数，该函数的多元相关系数是0.8911，J函数在使用时，首先选取参数带入J函数计算J值，根据J值的大小筛选火驱区块、分析火驱参数合理性、评价火驱效果；统计技术和经济上都成功的项目，计算得到的J值在0.3～1.5之间；对于J值小于0.3的均为不成功或者经济上不成功的项目，总体看来J值越大越趋近于经济成功。

Images