CN104680244B

CN104680244B - 一种油气田产能预测方法及装置

Info

Publication number: CN104680244B
Application number: CN201410816660.7A
Authority: CN
Inventors: 钱其豪; 田昌炳; 钱欣; 闫为格; 李保柱; 赵昀; 杜宜静
Original assignee: China Petroleum and Natural Gas Co Ltd
Current assignee: China Petroleum and Natural Gas Co Ltd
Priority date: 2014-12-24
Filing date: 2014-12-24
Publication date: 2018-05-04
Anticipated expiration: 2034-12-24
Also published as: CN104680244A

Abstract

本发明提供了一种油气田产能预测方法及装置，方法包括：从油田生产数据中获取油气田的水驱特征曲线；根据水驱特征曲线确定油气田的阶段产油量‑产液量的函数关系；根据油田生产数据中的产能数据与油气田的阶段产油量‑产液量的函数关系生成油气田产能预测结果。本发明利用水驱油田的水驱特征曲线进行油气田产能预测，结合油田计划中的生产指标，可以计算出完成产油量指标所需排液量和产水量，也可以计算在某产液计划下的油水产量，实现了将产量波动的影响考虑到产能预测模型中，实现精度更高的产量拟合。

Description

一种油气田产能预测方法及装置

技术领域

本发明涉及石油勘探领域，特别是关于水驱油藏的开发技术，具体的讲是一种油气田产能预测方法及装置。

背景技术

水驱特征曲线反映了油田中高含水阶段的生产规律，其合理性在多个完备记录产量的海上油田得到验证，海上油田计量设备完备，计量方便，为水驱特征曲线的应用提供了必要条件。

现有技术中的产能预测方法的研究多基于油气渗流基本规律，结合不同的储层类型，井型，开发方式等做深入拓展，但这些研究方法都是以生产数据的线拟合作为拟合目标，没有办法将拟合目标放在每一个月甚至每一天的点数据上，因而拟合精度并不是很高，一旦遇有油田生产措施或者生产工况发生重大变化，这些产量预测方法无法对突发的时间做出有效响应，在这种情况下产量预测就会发生较大的变化。

发明内容

为了实现将产量波动的影响考虑到产能预测模型中，实现精度更高的产量拟合，本发明实施例提供了一种油气田产能预测方法，包括：

从油田生产数据中获取油气田的水驱特征曲线；

根据所述水驱特征曲线确定油气田的阶段产油量-产液量的函数关系；

根据油田生产数据中的产能数据与所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果。

本发明具体实施例中，所述水驱特征曲线包括：甲型水驱特征曲线、乙型水驱特征曲线、丙型水驱特征曲线、丁型水驱特征曲线、俞型水驱特征曲线。

本发明具体实施例中，油田生产数据中的产能数据包括：油田计划产油量或预设生产计划下的产液量。

本发明具体实施例中，根据油田生产数据中的产能数据和所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果包括：

根据所述油田计划产油量和所述油气田的阶段产油量-产液量的函数关系确定完成所述油田计划产油量所需的产液量。

本发明具体实施例中，根据油田生产数据中的产能数据和所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果还包括：

根据所述预设生产计划下的产液量和所述油气田的阶段产油量-产液量的函数关系确定预设生产计划下的产液量对应的产油量。

此外，本发明还提供了一种油气田产能预测装置，装置包括：

获取模块，用于从油田生产数据中获取油气田的水驱特征曲线；

函数关系确定模块，用于根据所述水驱特征曲线确定油气田的阶段产油量-产液量的函数关系；

产能预测模块，用于根据油田生产数据中的产能数据与所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果。

本发明具体实施例中，产能预测模块包括：

产液量预测单元，用于根据所述油田计划产油量和所述油气田的阶段产油量-产液量的函数关系确定完成所述油田计划产油量所需的产液量。

本发明具体实施例中，产能预测模块还包括：

产油量预测单元，用于根据所述预设生产计划下的产液量和所述油气田的阶段产油量-产液量的函数关系确定预设生产计划下的产液量对应的产油量。

本发明利用水驱油田的水驱特征曲线所体现的直线规律，反映油田中高含水阶段产油量与产水量比例关于累积产水量、累积产液量、累积产油量之间的数学关系，可以逐时间节点计算油水产出比例，结合油田计划中的生产指标，可以计算出完成产油量指标所需排液量和产水量，也可以计算在某产液计划下的油水产量，实现了将产量波动的影响考虑到产能预测模型中，实现精度更高的产量拟合。

为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种油气田产能预测方法的流程图；

图2为本发明实施例中中国南海东部某油田动态数据与方法预测对比图；

图3为本发明实施例中中国南海东部某油田动态数据与方法预测对比图；

图4为本发明提供的一种油气田产能预测装置的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供了一种油气田产能预测方法，包括：

步骤S101，从油田生产数据中获取油气田的水驱特征曲线；油田生产数据中的产能数据包括：油田计划产油量或预设生产计划下的产液量。

步骤S102，根据水驱特征曲线确定油气田的阶段产油量-产液量的函数关系；

步骤S103，根据油田生产数据中的产能数据与油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果。

本发明具体实施例中，水驱特征曲线包括：甲型水驱特征曲线、乙型水驱特征曲线、丙型水驱特征曲线、丁型水驱特征曲线、俞型水驱特征曲线。

本发明利用水驱油田的水驱特征曲线所体现的直线规律，反映了油田中高含水阶段产油量与产水量比例关于累积产水量、累积产液量、累积产油量之间的数学关系，依据此数学关系，可以逐时间节点计算油水产出比例，据此，结合油田计划中的生产指标，可以计算出完成产油量指标所需排液量和产水量，也可以计算在某产液计划下的油水产量。通过该方法，实现了将产量波动的影响考虑到产能预测模型中，可以实现精度更高的产量拟合。本发明实施例中涉及的各种水驱特征曲线及涉及的产能预测说明如下：

甲型水驱特征曲线预测：

甲型水驱特征曲线预测法是基于甲型水驱特征曲线的预测方法。本实施例中，甲型水驱曲线(马克西莫夫-童宪章水驱特征曲线)为：

lgW_p＝a+bN_p

式中W_p为累计采水量，N_p为累计采油量，a、b为水驱特征曲线图中的基本拟合参数。

在油田开发过程中，某时刻t₀满足此关系，

lgW_p0＝a+bN_p0 (1)

其中，W_p0为某时刻t₀的累计采水量，N_p0为某时刻t₀的累计采油量；

对此后接着的某时刻t，此关系依然满足：

lg(W_p0+Q_W)＝a+b(N_p0+Q_o) (2)

式中Q_W为阶段产水量，Q_o为阶段产油量；

上述(1)和(2)两式相减得：

lg[(W_p0+Q_W)/W_p0]＝bQ_o (3)

根据式(3)可得：

lg[(W_p0+Q_L-Q_o)/W_p0]＝bQ_o (4)

其中，Q_L为阶段产液量，根据油田生产数据中的产能数据获取油田计划产油量或预设生产计划下的产液量，即获取阶段产液量Q_L或阶段产油量Q_o，根据式(5)可编程求取Q_o数值解，给定Q_o可求得相对应Q_L。

同样，乙型水驱特征曲线预测法为：

乙型水驱曲线(沙卓诺夫水驱特征曲线)：

lgL_p＝a+bN_p

式中L_p为累计采液量；

对某时刻t0满足此关系：

lgL_p0＝a+bN_p0

对此后接着的某时刻t此关系依然满足：

lg(L_p0+Q_L)＝a+b(N_p0+Q_o)

两式相减得：

lg(1+Q_L/L_p0)＝bQ_o

给定下一时间段产液量Q_L可求得产油量Q_o。

同时给定Q_o,可以求得Q_L。

丙型水驱特征曲线预测法：

丙型水驱曲线(西帕切夫水驱曲线)：

对某时刻t₀满足此关系：

此后的某时刻t此关系依然满足：

两式相减得：

Q_o＝(N_p0Q_L-N_p0 ²bQ_L)/(N_p0bQ_L+L_p0)

给定Q_L可求取Q_o。

给定Q_o可求取Q_L。

丁型水驱特征曲线预测法推导：

丁型水驱曲线(纳扎罗夫水驱特征曲线)：

对某时刻t₀满足此关系：

此后的某时刻t此关系依然满足：

两式相减：

Q_LN_p0-L_p0Q_o＝b(Q_L-Q_o)N_p0 ²+Q_oN_p0b(Q_L-Q_o)

bN_p0Q_o ²+(bN_p0 ²-L_p0-bN_p0Q_L)Q_o+N_p0Q_L-bN_p0 ²Q_L＝0

二次方程判别式：

丁型水驱曲线中，随着开发的进行，油田含水率上升，因此是一个随W_p增长的函数，所以b>0，同时L_p0-N_p0>0，所以Δ>0。

给定Q_L可计算出对应的Q_o。

给定Q_o可计算出对应的Q_L。

俞型水驱特征曲线预测法推导：

俞型水驱曲线：

对某时刻t₀满足此关系：

此后的某时刻t此关系依然满足：

两式相减：

给定Q_L可计算出对应的Q_o的数值解。

给定Q_o可计算出对应的Q_L。

依据上述推导过程建立的油水产出关系，可以直接进行产油量、产液量、出水量的预测：

1、保持产液水平不变的情况下，未来的产量递减状况；计划内提液、关井或降低排量等措施条件下的预测产油量；

2、完成生产计划所需产液量、产出水量等。

本发明实施例根据实际油田生产数据，选定合适的水驱特征曲线，建立开发中后期油水产出关系，即可结合油田生产现状和调整措施来预测油田产能。

以中国南海东部某油田生产数据为例，验证适合丁型水驱曲线的油藏动态是否可用于逐年递推法预测产能。

根据图2，可以看出，该油田动态数据用逐年递推法拟合产能时，产生了前高后低的现象，这是由于水驱特征曲线拟合时，选取数据段靠前，不能正确反映目前油藏水驱状况。后重新选段，重新确定水驱曲线函数关系，确定斜率b为0.0063而非此前的0.0064，从而得出更理想的拟合段，如图3所示。所以，此方法也可反过来用于验证水驱特征曲线选段是否合适。表1为中国南海东部某油田动态数据与采用本方案进行预测的对比表。

表1 中国南海东部某油田动态数据与方法预测对比表

对于开发中后期的油田，产油量等油田生产指标，成为有计划的生产指标，产液量和产水量，也经常成为油田生产的约束条件。对于能量供应充足的油藏，产液量主要受泵排量影响，是一个人为可控因素；对于能量供应不足的油藏，可以给定产液量Arps递减关系，依据产液递减计算产油量递减曲线。

虽然这种方法只适用于水驱油田，其他类型油田的产能预测问题，也可将产量或者生产压差作为一个参数引进预测模型中，这样就可以实现高精度拟合，其预测结果也会更准确。

本发明通过油田的实际生产数据，确定不同时刻的水驱特征曲线，根据水驱特征曲线和油田的产能数据对油气田的产能进行预测，具体的其发明效果如下：

1、本方法拟合过程不受关井提液等措施影响，解决了波动的产液产油数据的拟合精度低的问题；

2、可有效控制拟合初始点选择对产能预测结果的影响；

3、预测结果可对可预见的油井油田生产措施变化做出响应，更符合生产实际；

4、产能递减预测不再局限于连续函数近似处理，实现了递减曲线的散点更准确的拟合。

5、拟合段拟合效果可以用来作为水驱特征曲线研究结果是否准确的判断依据。

此外，如图4所示，本发明还公开了油气田产能预测装置，装置包括：

获取模块401，用于从油田生产数据中获取油气田的水驱特征曲线；

函数关系确定模块402，用于根据所述水驱特征曲线确定油气田的阶段产油量-产液量的函数关系；

产能预测模块403，用于根据油田生产数据中的产能数据与所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果。

本发明具体实施例中，产能预测模块包括：

本发明具体实施例中，产能预测模块还包括：

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种油气田产能预测方法，其特征在于，所述的方法包括：

从油田生产数据中获取油气田的水驱特征曲线；

根据油田生产数据中的产能数据与所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果；

所述的水驱特征曲线包括：甲型水驱特征曲线、乙型水驱特征曲线、丙型水驱特征曲线、丁型水驱特征曲线、俞型水驱特征曲线；

其中，甲型水驱特征曲线为：

lgW_p＝a+bN_p

式中，W_p为累计采水量，N_p为累计采油量，a、b为甲型水驱特征曲线图中的基本拟合参数；

根据甲型水驱特征曲线所确定的油气田的阶段产油量-产液量的函数关系为：

式中，Q_L为阶段产液量，Q_o为阶段产油量，W_p0为某时刻t₀的累计采水量；

其中，乙型水驱曲线为：

lgL_p＝a+bN_p

式中，L_p为累计采液量，N_p为累计采油量，a、b为乙型水驱特征曲线图中的基本拟合参数；

根据乙型水驱特征曲线所确定的油气田的阶段产油量-产液量的函数关系为：

式中，Q_L为阶段产液量，Q_o为阶段产油量，L_p0为某时刻t₀的累计采液量；

其中，丙型水驱曲线为：

式中，L_p为累计采液量，N_p为累计采油量，a、b为丙型水驱特征曲线图中的基本拟合参数；

根据丙型水驱特征曲线所确定的油气田的阶段产油量-产液量的函数关系为：

式中，Q_L为阶段产液量，Q_o为阶段产油量，N_p0为某时刻t₀的累计采油量，L_p0为某时刻t₀的累计采液量；

其中，丁型水驱曲线为：

式中，L_p为累计采液量，N_p为累计采油量，W_p为累计采水量，a、b为丙型水驱特征曲线图中的基本拟合参数；

根据丁型水驱特征曲线所确定的油气田的阶段产油量-产液量的函数关系为：

其中，俞型水驱曲线为：

式中，L_p为累计采液量，N_p为累计采油量，W_p为累计采水量，a、b为俞型水驱特征曲线图中的基本拟合参数；

根据俞型水驱特征曲线所确定的油气田的阶段产油量-产液量的函数关系为：

式中，Q_L为阶段产液量，Q_o为阶段产油量，N_p0为某时刻t₀的累计采油量，L_p0为某时刻t₀的累计采液量，W_p0为某时刻t₀的累计采水量。

2.如权利要求1所述的油气田产能预测方法，其特征在于，所述的油田生产数据中的产能数据包括：油田计划产油量或预设生产计划下的产液量。

3.如权利要求2所述的油气田产能预测方法，其特征在于，所述的根据油田生产数据中的产能数据和所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果包括：

4.如权利要求2所述的油气田产能预测方法，其特征在于，所述的根据油田生产数据中的产能数据和所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果还包括：

5.一种油气田产能预测装置，其特征在于，所述的装置包括：

产能预测模块，用于根据油田生产数据中的产能数据与所述油气田的阶段产油量-产液量的函数关系生成油气田产能预测结果；

其中，甲型水驱特征曲线为：

lgW_p＝a+bN_p

其中，乙型水驱曲线为：

lgL_p＝a+bN_p

其中，丙型水驱曲线为：

其中，丁型水驱曲线为：

其中，俞型水驱曲线为：

6.如权利要求5所述的油气田产能预测装置，其特征在于，所述的油田生产数据中的产能数据包括：油田计划产油量或预设生产计划下的产液量。

7.如权利要求6所述的油气田产能预测装置，其特征在于，所述的产能预测模块包括：

8.如权利要求6所述的油气田产能预测装置，其特征在于，所述的产能预测模块还包括：