CN104948177A - 一种基于米产液指数统计特征规律的产能预测方法 - Google Patents

Abstract

本发明公开了一种基于米产液指数统计特征规律的产能预测方法，属于含油气储层评价领域。所述方法是在研究区块试油资料分析基础上，通过研究试油层米产液指数在与对应的储层声波时差响应交汇中的分布规律，对控制米产液指数分布的主要其他因素进行分析，进而构建米产液指数计算模型，并编程实现基于米产液指数的储层产液能力预测功能。该模型利用现场资料刻度，模型中涉及了影响储层改造前产液能力的几个主要理论参数，并且在现场应用中取得较高的预测符合情况，可有效规避试油风险，指导新钻井下一步地质、工程措施的制定。

Description

一种基于米产液指数统计特征规律的产能预测方法

技术领域

本发明属于含油气储层评价领域，特别涉及一种基于米产液指数统计特征规律的产能预测方法。

背景技术

应用测井资料对储层产液量作出预测和评价，可有效提高勘探效果，为开发部署与规划提供决策依据。近几年随着勘探开发成本控制的加大，国内逐渐加大了这方面的研究力度，但目前仍然没有形成实用的技术。

按照概念模型分，储层产能可分为理想产能、井底流入产能和油井协调产能。通常情况下根据需求，产能预测目标为油井协调产能。按照产能建模方法，产能预测可分为理论模型法、储层分类及敏感因子统计建模法以及多参数非线性模型法。理论模型法包括以达西公式为基础的单相流模型以及以沃格尔(Vogel)公式为基础的两相流模型，通常用于预测井底流入产能，进而通过计算井筒压力连续性变化和多相流出能力的油井协调产能预测方法，还包括针对气藏以及压裂改造情况的以平面径向流公式为基础的各类产能指数修正模型。储层分类及敏感因子统计建模法通常以储层品质分类为核心，建立分类后基于试油资料的采油指数统计模型。多参数非线性建模法则以灰关联、神经网络、支持向量机等一系列智能算法为手段建立多敏感因子非线性模型。由于理论模型法无法解决测井计算渗透率、生产压差精确确定等问题，多参数非线性法存在收敛不确定性问题，应用上仍然存在较大的瓶颈，因而基于试油资料的统计建模成为一种可行性高的方法。

发明内容

本发明目的在于解决现有老油区复杂砂泥岩储层产能预测困难的问题，提供一种基于米产液指数统计特征规律的产能预测方法，该方法利用储层测井响应资料与试油资料，在储层产能敏感因子分析的基础上，通过统计交会中米产液指数的分布规律，构建产能预测模型，实现对复杂砂泥岩储层初期产液量预测。

为了实现上述目的，本发明采用的技术方案包括以下步骤：

步骤1)采用至少两种有效储层下限确定方法，互相印证确定当前条件下有效储层物性下限；

步骤2)统计米产液指数并确定试油法下限；

步骤3)三孔隙度-米产液指数交会基础模型建立；

步骤4)确定预测区间，预测产能的下限通过一定误差区间上的高泥质含量点给出，如当泥质误差区间为6％时，最小米产液指数的计算模型为：

I_yeildMin＝a*(AC-AC_cutoff)*(lg50-lg V_sh-lg6)/lg50

步骤5)层内非均质修正；

步骤6)变下限修正。

进一步的，步骤1)中，有效储层下限确定方法包括含油产状法、储能/产能丢失率法、试油法以及基于压汞资料的最小孔喉半径法。

进一步的，步骤2)中，统计米产液指数并确定试油法下限的具体方法是：对区块试油资料进行气、油、水初期日产量折算成无差别的产液量，并逐层统计有效厚度，扣除部分层内夹层的厚度，获取折算产液量与有效厚度的比值，得到储层的米产液指数；读取能够代表储层特征的三孔隙度测井响应值，利用三孔隙度响应值中的任意一个与米产液指数建立交会图，在米产液指数降为0且大量试油干层出现的地方确定三孔隙度测井的下限响应。

进一步的，步骤3)中，建立三孔隙度-米产液指数交会基础模型的具体方法是：根据统计特征，在步骤2)中建立的交会图上找到一条“纯岩石+充分成藏”边界线，代表该地区一定孔隙度的最纯岩石在地区地质油藏条件下最大产液能力；该线切向方向代表了有效孔隙变化方向，法线方向代表了泥质含量变化的方向；同时以下限点构建一系列等泥质线，得到基于声波时差、泥质的基本产能图版；该图版可以给出确定声波时差、泥质含量条件下，储层在局部地区的最大统计米产液指数，作为预测产能的上限。

进一步的，步骤5)中，层内非均质修正的具体方法是：

引入层内非均质参数对上述模型进行修正；利用加权后的层内标准方差修正基础产能公式，即I_yeild'＝I_yeild(1-I_he)；其中，I_he为归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差的均值。

进一步的，步骤6)中，变下限修正的具体方法是：

统计区块下限随深度变化的近似规律，某区块下限变化近似为：

AC_cutoff＝231.9-(VDep-3103)*21.2/799

其中VDep为储层垂深；

最终，预测产液量Q的表达式如下：

$Q=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(I_i\×H_i)\×(1-I_{\mathrm{he}})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(f(C_{\mathrm{\φ}},V_{\mathrm{sh}},\mathrm{VDep})\×H_i)\×(1-I_{\mathrm{he}})$

其中，N为层段内有效储层统计区间个数；I_i为最小统计区间内采油指数；H_i为统计区间厚度；C_φ为有效孔隙度测井响应值；V_sh为泥质含量值；VDep为储层垂深；I_he为层内非均质指标，由电阻率、伽马及孔隙度曲线层内非均质统计量共同组成。

与现有技术相比，本发明具有以下有益效果：

本发明以DG油田TJH地区沙河街组砂泥岩储层为研究对象，建立了一种米产液指数统计特征基础上的理论模型，并进行了储层产能预测检验，取得了较好的效果。本发明是在砂泥岩储层中，为了得到储层预期产液能力信息，而采取的一种利用米产液指数在声波时差的交会图版上所表现出来的分布规律，通过求取储层米产液指数进而求取储层产能的办法；本发明在有效储层物性下限确定的基础上，通过一定的法则统计分析目标研究区块和层位内所有试油层的米产液指数，进而分析米产液指数在与三孔隙度测井响应交会中的分布特征与规律，综合考虑储层泥质含量、层内非均质性、垂直深度等因素的影响，从而构建一个理论依据充分，并覆盖所有试油资料点的产能模型，达到有效预测储层产液量的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是含油产状法下限确定成果图；

图2是试油法下限确定及“纯岩石+充分成藏”边界线确定图版；

图3是给基于三孔隙度-米产液指数交会特征的基础产能模型确定图；

图4是层厚校正后的层内标准方差分布情况；

图5是产能预测模块在TJH区块G380-X井的处理效果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

参见图1至图5，本发明包括以下步骤：

步骤1)根据目前储层评价、储量计算中认可的几种下限确定方法，如含油产状法、丢失率法、试油法、基于压汞资料的最小孔喉半径法，用于互相印证确定当前条件下有效储层物性下限。如图1为含油产状法确定的储层物性下限，其他方法确定有效储层下限不再赘述。

步骤2)对区块试油资料进行气、油、水初产量折算，和部分层内夹层的厚度扣除，获取折算产液量与有效厚度的比值，以及能够代表储层特征的三孔隙度测井响应值(测井响应值得获取，也可以统一标准，计算层内平均中位数)。利用三孔隙度响应值中的任意一个与米产液指数建立交会图，在米产液指数降为0且大量干层出现的地方确定三孔隙度测井的下限响应。如图2，确定声波时差的下限响应AC_cutoff＝232。根据地区孔隙度计算模型，确认步骤1)中的实验孔隙度下限与声波时差下限吻合。

步骤3)根据统计特征，在图2的上找到一条“纯岩石+充分成藏”边界线，代表该地区一定孔隙度的最纯岩石在地区地质油藏条件下最大产液能力。该线切向方向代表了有效孔隙变化方向，法线方向代表了泥质含量变化的方向。同时以下限点构建一系列等泥质线，可得到基于声波时差、泥质的基本产能图版。该图版可以给出确定声波时差、泥质含量条件下，储层在局部地区的最大统计米产液指数，作为预测产能的上限。如图3为泥质含量分别为0，10％，20％，30％，40％时的最大米产液指数，基础计算模型为：

I_yeildMax＝a*(AC-AC_cutoff)*(lg50-lg V_sh)/lg50

其中，a为“纯岩石+充分成藏”线在双线性图版中的斜率；AC_cutoff为声波时差统计下限。

步骤4)预测产能的下限可通过一定误差区间上的高泥质含量点给出(可根据地区试油资料按照上述模型反算并统计得到，通常给定为4％-7％)。如当泥质误差区间为6％时，最小米产液指数的计算模型为：

I_yeildMax＝a*(AC-AC_cutoff)*(lg50-lg V_sh-lg6)/lg50

步骤5)根据实际资料处理中，发现上述模型在部分层内非均质性较强的储层中，预测产量偏大，故引入层内非均质参数对上述模型进行修正。为避免单曲线因仪器等因素造成的误差，综合考察归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差，利用加权后的层内标准方差修正基础产能公式，即I_yeild'＝I_yeild(1-I_he)。其中，I_he为归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差的均值。

步骤6)实际工作中进一步发现，上述模型在一定深度范围适应性良好，但当目标层段深度跨度较大时，预测效果符合性降低。典型现象为深层低孔渗层具备一定的产油气能力，上述模型却无法预测出产量，而浅层AC值较大时，预测值偏高。分析认为，上述公式中的AC_cutoff是在一定深度范围的试油层段中统计得到的(本次具体为2650-3550m)，因为压实作用的差异，储层下限AC_cutoff随深度存在渐变规律。根据深度跨度为2100-4700的一系列试油层的进一步统计分析，得出本研究区下限随深度变化的近似规律为：

AC_cutoff＝231.9-(VDep-3103)*21.2/799

其中VDep为储层垂深。

综上，形成一种基于米产液指数统计模型的产能预测方法，该方法模型涉及了产能影响因素分析中最主要的四个因素，即孔隙度测井值、泥质含量、垂直深度、层内非均质，预测产液量Q的表达式如下：

$Q=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(I_i\×H_i)\×(1-I_{\mathrm{he}})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(f(C_{\mathrm{\φ}},V_{\mathrm{sh}},\mathrm{VDep})\×H_i)\×(1-I_{\mathrm{he}})$

其中，N为层段内有效储层统计区间个数；I_i为最小统计区间内采油指数；H_i为统计区间厚度；C_φ为有效孔隙度测井响应值(与动态下限有关)；V_sh为泥质含量值；VDep为储层垂深；I_he为层内非均质指标，由电阻率、伽马及孔隙度曲线层内非均质统计量共同组成。

本发明的原理：

本发明是在砂泥岩储层中，为了得到储层预期产液能力信息，而采取的一种利用米产液指数在声波时差的交会图版上所表现出来的分布规律，求取储层米产液指数以及储层产能的办法。首先通过相关研究确定有效储层物性下限。具体方法包括，含油产状法、储能/产能丢失率法、最小孔喉半径法、试油法等。其中利用试油法确定储层下限是计算实现本技术的基础；试油法有效储层下限确定是将区块内全部试油层气、油、水初期日产量按照工业办法，折算成无差别的产液量(比例采取1000:1:1即可)，并逐层统计有效厚度，并利用折算产液量与储层有效厚度的比值，得到储层的米产液指数，并与储层三孔隙度测井响应值在双线性直角坐标系统中交会，构建米产液指数分布图版；

米产液指数分布图版中，几乎所有的区块，都可以在该图版上找到米产液指数递减并趋于取0的特征点A，该特征点对应的横坐标上任一三孔隙度测井响应值的取值，即为有效储层与无效储层分界处对应的测井响应取值，即下限响应值；几乎所有的区块，在跨度不大的层位和深度范围上得到的图版，都可以在其上找到一条特征线A，该特征线经过下限响应值点，在其一侧，全为无效储层，另一侧全为有效储层；特征线A可以代表研究区最纯净的砂岩储层，在特征线A的有效储层一侧，可以做一系列过特征点A的射线束，射线束覆盖全部图版上的试油点子。控制射线束斜率的因素可以用储层泥质含量来表征，从而可确定储层米产液指数的初步计算模型；米产液指数的计算模型M1可以表达为：

I_y max＝a(AC-AC_cutoff)(lg50-lg V_sh)/lg50

其中，I_y max为储层最大潜在米产液指数；a为特征线A的斜率；AC为储层声波时差测井响应值；AC_cutoff为有效储层下限点的声波时差测井响应值；V_sh为储层泥质含量；对该模型在资料处理中表现出来的局部不适应情况，需要进行修正，具体包括层内非均质性修正和变下限修正两个方面；

层内非均质修正是将层内非均质变量引入产能模型，校正部分层内非均质性强的储层产液量预测值偏高的情况。具体做法为：计算归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差，利用加权后的层内标准方差修正米产液指数的计算模型M1，得到模型M2，即I_y max'＝I_y max(1-I_he)，其中I_he为归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差的均值；

变下限修正的具体方法是：模型M2通常在一定深度范围适应性良好，但当目标层段深度跨度较大时，预测效果符合性降低。典型现象为部分深层低孔渗层具备一定的产油气能力，上述模型却无法预测出产量，而浅层AC值较大时，预测值偏高。分析认为，上述公式中的AC_cutoff是在一定深度范围的试油层段中统计得到的，因为压实及成岩作用的差异，有效储层下限值AC_cutoff随深度存在统计上的渐变规律。如在某区统计得到垂直深度跨度为2100-4700m范围中：

AC_cutoff'＝231.9-(VDep-3103)×21.2/796

其中，VDep为储层垂深；AC_cutoff'替换模型M2中的AC_cutoff，即得到了变下限修正模型M3；变下限修正模型M3可直接用于储层逐点计算米产液指数，继而通过层内逐点累加，得到储层产液量预测值。通常情况下，对储层泥质含量V_sh，考虑其计算精度问题，可给定一个3％-7％范围，因此，最终可以通过对模型M3输入两个泥质含量值V_sh，得到产液量预测范围。对于变下限修正模型M3及产液量范围模型，考虑到单孔隙度资料AC在计算产液量时可能存在的局部测量误差，实际工作中分别通过三孔隙度资料(声波时差、中子、密度)构建三个产液量预测模型，并将三个预测值的平均值作为最终的预测结果，消除局部误差。

实施例：

通过优选，以TJH地区(含油气盆地三级构造名)SHJ组(地层名)地层为例，按照以下步骤进行预测：

步骤1)确定有效储层物性下限；具体的仅以含油产状法确定的储层物性下限为例论述，如图1，该方法认为，在区块常规孔渗实验测试资料交会图版上，利用含油性进行分类标注，其中在孔渗变低方向上，无显示储层点大量出现的地方，可以认为该物性条件下，油气不易进入储层，即其有效储层下限。本次在TJH地区确定的孔隙度、渗透率下限值分别为：Por_cutoff＝8.6％、Perm_cutoff＝0.07mD；

步骤2)米产液指数统计及确定试油法下限；具体的，采用将任一三孔隙度资料与处理所得的米产液指数交会，重点分析在米产液指数降为0且大量干层出现的地方确定三孔隙度测井的下限响应。如图2，确定声波时差的下限响应AC_cutoff＝232。并需要根据地区孔隙度计算模型，确认步骤1)中的实验孔隙度下限与声波时差下限是否吻合，若吻合，说明该结论基本准确，如不吻合，请检查孔隙度计算模型和两个下限确定成果的合理性。

步骤3)三孔隙度-米产液指数交会基础模型建立；具体的，根据统计特征，在图2的上找到一条“纯岩石+充分成藏”边界线，特征为试油有效产层的点子分布在线的一侧，该侧范围为有效储层区，另一侧则为理论上的无效储层区。同时以下限点构建一系列射线束，即等泥质线，可得到基于声波时差、泥质的基本产能图版，如图3。根据“纯岩石+充分成藏”线的定义，该图版可以给出确定声波时差、泥质含量条件下，储层在局部地区的最大统计米产液指数，作为预测产能的上限。图3显示了泥质含量分别为0,10％，20％，30％，40％时的最大米产液指数，基础计算模型为：

I_yeildMax＝a*(AC-AC_cutoff)*(lg50-lg V_sh)/lg50

其中，a为“纯岩石+充分成藏”线在双线性图版中的斜率；AC_cutoff为声波时差统计下限。

而预测产能的下限可通过一定误差区间上的高泥质含量点给出(可根据地区试油资料按照上述模型反算并统计得到，通常给定为4％-7％)。如当泥质误差区间为6％时，最小米产液指数的计算模型为：

I_yeildMin＝a*(AC-AC_cutoff)*(lg50-lg V_sh-lg6)/lg50

步骤4)模型修正优化；其中包含两大方面，其一层内非均质修正，具体为引入归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差；如图4所示，利用加权后的层内标准方差修正基础产能公式，修正方法为I_yeild'＝I_yeild(1-I_he)。其中，I_he为归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差的均值。

其二则为变下限修正，主要针对统计层段跨度较大时，有效储层下限受储层沉积、成岩以及地层压力等因素影响，储层孔隙结构及启动压差发生了变化带来的有效储层下限响应值伴随变化的现象。通常可以通过对深度间距较大的三个以上层位的下限值做比较分析得出。本发明实施例通过多井试油资料及分层位下限分析认为，下限与储层垂深存在一定的线性关系。TJH区块深度跨度为2100-4700的储层下限随深度变化的近似规律为：

AC_cutoff＝231.9-(VDep-3103)*21.2/799

其中VDep为储层垂深。

将变下限认识代入基础产能模型，边形成一种基于米产液指数统计模型的产能预测方法。

在TJH区块SHJ组以及研究区相邻的BST区块SHJ组储层产能预测与检验工作中，见到了显著的效果，预测符合率高达87.8％以上，且具备可操作性强，目前已经将上述模型公式形成程序模块，挂接于中国石油集团测井有限公司自主研发的测井处理解释软件LEAD3.0上，用于资料处理解释，图5展示了基于上述产能模型编写的处理模块的应用效果，其中第8、9道分别为产液量范围及油、水两相产液指数。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于米产液指数统计特征规律的产能预测方法，其特征在于，包括以下步骤：

步骤1)采用至少两种有效储层下限确定方法，互相印证确定当前条件下有效储层物性下限；

步骤2)统计米产液指数并确定试油法下限；

步骤3)三孔隙度-米产液指数交会基础模型建立；

步骤4)确定预测区间，预测产能的下限通过一定误差区间上的高泥质含量点给出，如当泥质误差区间为6％时，最小米产液指数的计算模型为：

I_yeildMin＝a*(AC-AC_cutoff)*(lg50-lgV_sh-lg 6)/lg50

步骤5)层内非均质修正；

步骤6)变下限修正。

2.根据权利要求1所述的基于米产液指数统计特征规律的产能预测方法，其特征在于：所述步骤1)中，有效储层下限确定方法包括含油产状法、储能/产能丢失率法、试油法以及基于压汞资料的最小孔喉半径法。

3.根据权利要求1所述的基于米产液指数统计特征规律的产能预测方法，其特征在于：所述步骤2)中，统计米产液指数并确定试油法下限的具体方法是：对区块试油资料进行气、油、水初期日产量折算成无差别的产液量，并逐层统计有效厚度，扣除部分层内夹层的厚度，获取折算产液量与有效厚度的比值，得到储层的米产液指数；读取能够代表储层特征的三孔隙度测井响应值，利用三孔隙度响应值中的任意一个与米产液指数建立交会图，在米产液指数降为0且大量试油干层出现的地方确定三孔隙度测井的下限响应。

4.根据权利要求3所述的基于米产液指数统计特征规律的产能预测方法，其特征在于：所述步骤3)中，建立三孔隙度-米产液指数交会基础模型的具体方法是：根据统计特征，在步骤2)中建立的交会图上找到一条“纯岩石+充分成藏”边界线，代表该地区一定孔隙度的最纯岩石在地区地质油藏条件下最大产液能力；该线切向方向代表了有效孔隙变化方向，法线方向代表了泥质含量变化的方向；同时以下限点构建一系列等泥质线，得到基于声波时差、泥质的基本产能图版；该图版可以给出确定声波时差、泥质含量条件下，储层在局部地区的最大统计米产液指数，作为预测产能的上限。

5.根据权利要求1所述的基于米产液指数统计特征规律的产能预测方法，其特征在于：所述步骤5)中，层内非均质修正的具体方法是：

引入层内非均质参数对上述模型进行修正；利用加权后的层内标准方差修正基础产能公式，即I_yeild'＝I_yeild(1-I_he)；其中，I_he为归一化后自然伽马、声波时差、深电阻率、冲洗带电阻率四条曲线的层内标准方差的均值。

6.根据权利要求1所述的基于米产液指数统计特征规律的产能预测方法，其特征在于：所述步骤6)中，变下限修正的具体方法是：

统计区块下限随深度变化的近似规律，某区块下限变化近似为：

AC_cutoff＝231.9-(VDep-3103)*21.2/799

其中VDep为储层垂深；

最终，预测产液量Q的表达式如下：

$Q=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(I_i\×H_i)\×(1-I_{\mathrm{he}})=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(f(C_{\mathrm{\φ}},V_{\mathrm{sh}},\mathrm{VDep})\×H_i)\×(1-I_{\mathrm{he}})$

其中，N为层段内有效储层统计区间个数；I_i为最小统计区间内采油指数；H_i为统计区间厚度；C_φ为有效孔隙度测井响应值；V_sh为泥质含量值；VDep为储层垂深；I_he为层内非均质指标，由电阻率、伽马及孔隙度曲线层内非均质统计量共同组成。