CN104794361A - 一种水驱油藏开发效果综合评价方法 - Google Patents

Abstract

一种水驱油藏开发效果综合评价方法，包括以下步骤：A.确定影响水驱开发效果因素集并分类；B.确定评价评语集；C.采用熵权法获得客观权重，采用层次分析法获得主观权重，利用动态赋值方法确定最终各因素权重；D.对水驱开发效果进行一级模糊评价；E.采用多重模糊合成算子对评价结果进行修正；F.迭代上述的计算过程，实现对水驱油藏开发效果的多级模糊综合评估。该方法对因素进行分类，使评价结果更为可靠；获得的因素权重值更加符合油藏实际生产状况，可以根据需求动态的调整主客观权重结构；采用多重模糊合成算子对评估结果进行修正，使评价结果更加科学、准确、公正、合理。

Description

一种水驱油藏开发效果综合评价方法

技术领域

本发明涉及一种水驱油藏开发效果综合评价方法，尤其涉及一种采用改进的模糊综合评判方法对水驱开发效果进行评判分析，利用动态组合赋权方法从主客观角度对指标权重进行动态确定，利用多重模糊合成算子对评价结果进行修正，最终实现水驱油藏开发效果综合评价方法。

背景技术

油田开发实践表明，水驱开发油田可以获得较高的最终采收率。在我国和其它国家都有部分油藏，具有较强的天然边底水能量，这类油藏可以充分和合理利用其自身存在的天然能量，实现天然水驱开发。并且因其地质与驱替剂特点，这类油藏无水采收率和最终采收率都较高。但国内外大部分油藏都因地层的非均质性和天然水体能量的不足，为了改善驱替效率和维持地层能量，提高油藏最终采收率，必须辅以人工注水。对这些水驱开发油藏，如何综合评价水驱开发效果，掌握油藏的生产动态，是油田管理者关心和研究的重要内容。

众多研究学者经过几十年的发展，形成了多种水驱开发评价方法，当前较为明显的发展趋势是运用各种数学方法，如模糊数学、运筹学、多元统计分析、系统分析等对各种指标或参数进行综合评价，以期得到合理、正确的评价结果。如(1)状态对比法，是指将理论曲线与实际的生产曲线进行对比，根据两者之间偏离情况来进行评价。该方法简单、明了，但由于该方法在生产数据的可靠性和理论公式的准确性等方面存在不足；(2)系统动态分析法，该方法考虑因素较多，能合理地模拟油田开发实际，但由于其数学模型建立较困难，实际应用较少；(3)模糊综合评判法，该方法提供的评价信息比其他方法丰富，适用性强，可用于主客观因素的综合评。但也有局限性，模糊综合评价过程中，评价因素过多时，某些因素权值过小，会导致其在参与模糊合成时被忽略，同时人为确定因素的权重主观性较大，可能会偏离客观实际；(4)灰色系统理论法，该方法对样本量的多少和样本有无规律性没有特殊要求，使用十分方便，不会出现量化结果与定性分析结果不相符的情况，但是该方法的数据处理能力、预测能力一般，其适用范围虽广但稳定性差，精确度低。因此，为了确保水驱油藏开发效果评价结果的合理性与准确性，迫切的需要一种新的水驱油藏开发效果综合评价方法，合理的综合评价开发效果，有助于及时地对油藏已实施的开发方案进行各种调整，有利于高效开发油藏，提高采收率。

发明内容

本发明是从模糊理论角度，将众多水驱效果评价指标进行分组，引入上层指标，形成层次结构进行逐层多级评价，解决因指标多导致评价结果不可靠问题，利用动态组合赋权方法从主客观角度，根据油田的实际生产状况对指标权重进行动态调整、确定，利用多重模糊算子对评价结果进行综合分析，得到最终的水驱效果综合评价结果，实现水驱油藏开发效果评价结果更加准确、合理。

为达到上述目的，提供一种新的水驱油藏开发效果综合评价方法，主要包括以下步骤：

A.确定评估因素集

根据油田的实际生产状况，选取各影响因素，并对各指标因素进行分类，形成指标层次结构，确定指标因素集。评价对象的因素集一般用U表示，假设影响水驱开发效果评价的因素类有m个，评估对象的因素集可表示为：

U＝{u₁，u₂，…，u_m}

u_i(i＝1,2,…,m)代表每个评价因素；

B.确定评语集

对水驱油藏开发效果评价的结果进行评定，确定评定的评语集，假设水驱油藏开发效果评价结果的分级情况有n种，评估评语集可以表示为：

V＝{v₁，v₂，…，v_n}

v_j(j＝1，2，…，n)代表每个评语；

C.确定因素权重

权重确定考虑各个因素对水驱开发效果影响重要程度，根据步骤A中确定的层次结构因素集，分别对每一层的因素进行权重分析确定。

(1)针对各个因素，根据油田水驱开发的历史数据，假设某一层中第i个因素集u_i有k个因素，u_i＝{u_i1，u_i2，…，u_ik}，利用熵权法得到各个因素的客观权重为A_i＝{α_i1，α_i2，…，α_ik}；

(2)根据因素集的层次结构，利用层次分析法计算各准则层的权重和上层准则权重。设某一层中因素集u_i＝{u_i1，u_i2，…，u_ik}，利用几何平均法计算各权重为B_i＝{β_i1，β_i2，…，β_ik}；

(3)确定动态权重系数ρ，根据评价油藏的实际生产状况，将熵权法和层次分析法确定的权重进行动态调整，最终综合主客观两种权重，获得最终权重W_i＝{ω_i1,ω_i2,…,ω_ik}，权重计算方法如下：

ω_ij＝ρa_ij+(1-ρ)β_ij，j＝1，2，…，k；0≤ρ≤1；

D.单因素模糊综合评价

单因素模糊综合评价又称为一级模糊综合评价。

(1)对于每类因素u_i，因素ui_j对评语v_k(k＝1,2,…,n)的隶属度为r_ijk，r_ijk可表示为相应的评价矩阵如下所示：

其中，f_i表示第i类因素中构成因素的个数。构建一级模糊综合评价矩阵：

$B_i=W_i\⊗R_i=(b_{i1},b_{i2},...,b_{\mathrm{in}})$

(2)为模糊合成算子，算子的选择关系到最终的评价结果，为保重评价结果的合理与准确，首先采用算子，通过该算子获得综合评价矩阵，并分析评价结果。然后分别采用M(∧,∨)算子和算子，获得综合评价矩阵并分析评价结果，对算子的评价结果进行修正，最终获得的综合评价结果。三种合成算子特征如下：

算子： $b_{\mathrm{ik}}=\min (1,\underset{j=1}{\overset{f_i}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}{r}_{\mathrm{ijk}}),$ 该算子权重作用体现明显，综合程度较强，可以充分利用评价矩阵R的信息，属于加权平均型算子；

M(∧,∨)算子：该算子权重作用体现不明显，综合程度较弱，R的信息利用不太充分，属于主因素突出型算子；

算子： $b_{\mathrm{ik}}=\min (1,\underset{j=1}{\overset{f_i}{\mathrm{\Σ}}}\min ({\mathrm{\ω}}_{\mathrm{ij}},r_{\mathrm{ijk}})),$ 该算子权重作用体现不明显，综合程度较强，R的信息利用比较充分，属于加权平均型算子；

E.模糊多级综合评价

在一级模糊综合评判的基础上，根据对因素类的分层情况，进行二级以及多级模糊综合评判。迭代上述方法，最终实现对水驱油藏开发效果的综合评价。

本发明的有益效果是，对众多因素进行分类，使评价结果更为可靠，较之一般的熵权-层次分析法获得的因素权重值更加符合油藏实际生产状况，可以根据需求动态的调整主客观权重结构，构建多级模糊综合评估模型，采用多重模糊合成算子对评估结果进行修正，使评价结果更加科学、准确、公正、合理。

附图说明

图1是水驱油藏开发效果综合评价方法流程图。

图2是水驱油藏开发效果综合评价指标因素层次结构图。

具体实施方式

下面结合附图对本发明作进一步详细的描述。

第一步：确定评估因素集

根据油田的实际生产状况，选取各影响因素，并对各指标因素进行分类，形成指标层次结构，确定指标因素集。评价对象的因素集一般用U表示，假设影响水驱开发效果评价的因素类有m个，评估对象的因素集可表示为：

U＝{u₁，u₂，…，u_m}

u_i(i=1，2，…，m)代表每个评价因素；

在附图2中，将水驱油藏开发效果评价因素共分为4类，即m＝4，各个子因素评价集：

u₁＝{u₁₁,u₁₂,u₁₃}

u₂＝{u₂₁,u₂₂,u₂₃,u₂₄,u₂₅,u₂₆,u₂₇,u₂₈}

u₃＝{u₃₁,u₃₂,u₃₃,u₃₄}

u₄＝{u₄₁,u₄₂,u₄₃,u₄₄,u₄₅,u₄₆}

可以根据油藏实际生产状况和评价需求将子层因素集继续细化，形成多层次评价因素结构。

第二步：确定评语集

对水驱油藏开发效果评价的结果进行评定，确定评价的评语集，设水驱油藏开发效果评价结果的分级情况有5种，评价评语集可以表示为：

V＝{v₁,v₂,v₃,v₄,v₅}＝{很好，好，中等，较差，差}

第三步：确定因素权重

权重确定考虑各个因素对水驱开发效果影响重要程度，根据第一步中确定的层次结构因素集，分别对每一层的因素进行权重分析确定。

(1)针对各个因素，根据油田水驱开发的历史数据，如底层因素集u₂＝{u₂₁,u₂₂,u₂₃,u₂₄,u₂₅,u₂₆,u₂₇,u₂₈}，利用熵权法得到各个因素的客观权重为A₂＝{α₂₁,α₂₂,α₂₃,α₂₄,α₂₅,α₂₆,α₂₇,α₂₈}；

(2)根据因素集的层次结构，利用层次分析法计算各准则层的权重和上层准则权重。如底层中因素集u₂＝{u₂₁,u₂₂,u₂₃,u₂₄,u₂₅,u₂₆,u₂₇,u₂₈}，利用几何平均法计算各主观权重为B₂＝{β₂₁,β₂₂,β₂₃,β₂₄,β₂₅,β₂₆,β₂₇,β₂₈}，其中，判断矩阵E＝(e_ij)_8×8，计算方法如下：

${\mathrm{\β}}_{2k}=\frac{{\left(\underset{j=1}{\overset{8}{\mathrm{\Π}}}{e}_{\mathrm{ij}}\right)}^{\frac{1}{8}}}{\underset{i=1}{\overset{8}{\mathrm{\Σ}}}{\left(\underset{j=1}{\overset{8}{\mathrm{\Π}}}{e}_{\mathrm{ij}}\right)}^{\frac{1}{8}}},k=\mathrm{1,2},...,8$

(3)确定动态权重系数ρ，根据评价油藏的实际生产状况，来动态调整、确定熵权法和层次分析法确定的因素权重的比重，最终综合主客观两种权重，获得因素集最终权重，如W₂＝{ω₂₁,ω₂₂,ω₂₃,ω₂₄,ω₂₅,ω₂₆,ω₂₇,ω₂₈}，权重计算方法如下：

ω_2i＝ρ₂a_2i+(1-ρ₂)β_2i，i＝1，2，…，8；0≤ρ₂≤1；

第四步：单因素模糊综合评价

单因素模糊综合评价又称为一级模糊综合评价。

(1)对于每类因素u_i，因素u_ij对评语v_k(k＝1,2,…,n)的隶属度为r_ijk，如因素类u₂中因素u_2j对评语V＝{v₁,v₂,v₃,v₄,v₅}＝{很好，好，中等，较差，差}的隶属度为r_2jk可表示为相应的评价矩阵如下所示：

因此，得到一级模糊综合评价矩阵：

$B_2=W_2\⊗R_2=(b_{21},b_{22},b_{23},b_{24},b_{25})$

按照如上方法，可以对因素集u₁,u₃,u₄进行一级综合评判，获得各因素集的一级综合评价集分别如下：

$B_1=W_1\⊗R_1=(b_{11},b_{12},b_{13},b_{14},b_{15})$

$B_3=W_3\⊗R_3=(b_{31},b_{32},b_{33},b_{34},b_{35})$

$B_4=W_4\⊗R_4=(b_{41},b_{42},b_{43},b_{44},b_{45})$

(2)为模糊合成算子，算子的选择关系到最终的评价结果，为保重评价结果的合理与准确，首先采用算子，通过该算子获得综合评价矩阵，并分析评价结果。然后分别采用M(∧,∨)算子和算子，获得综合评价矩阵并分析评价结果，对算子的评价结果进行修正，最终获得的综合评价结果。三种合成算子特征如下：

算子： $b_{\mathrm{ik}}=\min (1,\underset{j=1}{\overset{f_i}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}{r}_{\mathrm{ijk}}),$ 该算子权重作用体现明显，综合程度较强，可以充分利用评价矩阵R的信息，属于加权平均型算子；

M(∧,∨)算子：该算子权重作用体现不明显，综合程度较弱，R的信息利用不太充分，属于主因素突出型算子；

算子： $b_{\mathrm{ik}}=\min (1,\underset{j=1}{\overset{f_i}{\mathrm{\Σ}}}\min ({\mathrm{\ω}}_{\mathrm{ij}},r_{\mathrm{ijk}})),$ 该算子权重作用体现不明显，综合程度较强，R的信息利用比较充分，属于加权平均型算子；

第五步：模糊多级综合评价

在一级模糊综合评判的基础上，根据对评价影响因素的分层情况，进行二级以及多级模糊综合评判。迭代上述方法，最终实现对水驱油藏开发效果的综合评价。如图2中，进行二级模糊综合评判即可获得最终的评价结果，由上述一级模糊综合评价集B₁,B₂,B₃,B₄得到二级综合评判矩阵为

$R=\left[\begin{array}{c}{B}_1\\ B_2\\ B_3\\ B_4\end{array}\right]=\left[\begin{array}{ccccc}{b}_{11}& b_{12}& b_{13}& b_{14}& b_{15}\\ b_{21}& b_{22}& b_{23}& b_{24}& b_{25}\\ b_{31}& b_{32}& b_{33}& b_{34}& b_{35}\\ b_{41}& b_{42}& b_{43}& b_{44}& b_{45}\end{array}\right]$

各个因素的权重为W＝{ω₁,ω₂,ω₃,ω₄}

获得二级模糊综合评价集： $B=W\⊗R=(b_1,b_2,b_3,b_4,b_5)$

采用多重模糊算子进行综合分析，最终获得水驱油藏开发效果评价结果。

当然，本发明上述实施方案仅是对本发明的说明而不能限制本发明，本技术领域的普通技术人员在本发明的实质范围内所做的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (1)

1.一种水驱油藏开发效果综合评价方法其特征在于，主要包括以下步骤：

A.确定评估因素集

根据油田的实际生产状况选取各影响因素，并对各指标因素进行分类，形成指标层次结构，确定指标因素集，评价对象的因素集一般用U表示，设影响水驱开发效果评价的因素类有m个，评估对象的因素集可表示为：

U＝{u₁,u₂,…,u_m}

u_i(i＝1,2,…,m)代表每个评价因素；

B.确定评语集

对水驱油藏开发效果评价的结果进行评定，确定评价的评语集，设水驱油藏开发效果评价结果的分级情况有n种，评价评语集可以表示为：

V＝{v₁,v₂,…,v_n}

v_j(j＝1,2,…,n)代表每个评语；

C.确定因素权重

权重确定考虑各个因素对水驱开发效果影响重要程度，根据步骤A中确定的层次结构因素集，分别对每一层的因素进行权重分析确定：

(1)针对各个因素，根据油田水驱开发的历史数据，设某一层中第i个因素集u_i有k个因素，u_i＝{u_i1,u_i2,…,u_ik}，利用熵权法得到各个因素的客观权重为A_i＝{α_i1,α_i2,…,α_ik}；

(2)根据因素集的层次结构，利用层次分析法计算各准则层的权重和上层准则权重，设某一层中因素集u_i＝{u_i1,u_i2,…,u_ik}，利用几何平均法计算各权重为B_i＝{β_i1,β_i2,…,β_ik}；

(3)确定动态权重系数ρ，根据评价油藏的实际生产状况，将熵权法和层次分析法确定的权重进行动态调整，最终综合主客观两种权重，获得最终权重W_i＝{ω_i1,ω_i2,…,ω_ik}，权重计算方法如下：

ω_ij＝ρa_ij+(1-ρ)β_ij,j＝1,2,…,k；0≤ρ≤1；

D.单因素模糊综合评价

单因素模糊综合评价又称为一级模糊综合评价：

(1)对于每类因素u_i，因素u_ij对评语v_k(k＝1,2,…,n)的隶属度为r_ijk，r_ijk可表示为相应的评价矩阵如下所示：

其中，f_i表示第i类因素中构成因素的个数，构建一级模糊综合评价矩阵：

$B_i=W_i\⊗R_i=(b_{i1},b_{i2},\·\·\·,b_{\mathrm{in}})$

(2)为模糊合成算子，算子的选择关系到最终的评价结果，为保重评价结果的合理与准确，首先采用算子，通过该算子获得综合评价矩阵，并分析评价结果；然后分别采用算子和算子，获得综合评价矩阵并分析评价结果，对算子的评价结果进行修正，最终获得的综合评价结果，三种合成算子特征如下：

算子： $b_{\mathrm{ik}}=\min (1,\underset{j=1}{\overset{f_i}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}{r}_{\mathrm{ijk}}),$ 该算子权重作用体现明显，综合程度较强，可以充分利用评价矩阵R的信息，属于加权平均型算子；

算子：该算子权重作用体现不明显，综合程度较弱，R的信息利用不太充分，属于主因素突出型算子；

算子： $b_{\mathrm{ik}}=\min (1,\underset{j=1}{\overset{f_i}{\mathrm{\Σ}}}({\mathrm{\ω}}_{\mathrm{ij}},r_{\mathrm{ijk}})),$ 该算子权重作用体现不明显，综合程度较强，R的信息利用比较充分，属于加权平均型算子；

E.模糊多级综合评价

在一级模糊综合评判的基础上，根据对评价影响因素的分层情况，进行二级以及多级模糊综合评判，迭代上述方法，最终实现对水驱油藏开发效果的综合评价。