CN104951842B

CN104951842B - 一种新的油田产量预测方法

Info

Publication number: CN104951842B
Application number: CN201410118229.5A
Authority: CN
Inventors: 王滨; 颜子; 赵伟; 彭国红; 张超; 张金铸; 张孝天; 孙颖; 丁力
Original assignee: China Petroleum and Chemical Corp; Sinopec Shengli Geological Scientific Reserch Institute
Current assignee: China Petroleum and Chemical Corp; Sinopec Shengli Geological Scientific Reserch Institute
Priority date: 2014-03-27
Filing date: 2014-03-27
Publication date: 2018-11-30
Anticipated expiration: 2034-03-27
Also published as: CN104951842A

Abstract

本发明提供一种新的油田产量预测方法，该新的油田产量预测方法包括：步骤1，初步筛选确定影响产量的因素；步骤2，对基础数据进行处理；步骤3，自变量白噪声化，建立自变量自身的时间序列模型；步骤4，确定影响产量的决定因素；以及步骤5，利用时间序列模型建立产量的预测模型，并检验模型合理性。该新的油田产量预测方法应用于油田开发中影响产量的因素筛选、产量预测及风险评价，能够识别真正影响油田产量的决定因素，对产量进行预测，并对预测产量进行风险评价。

Description

一种新的油田产量预测方法

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种新的油田产量预测方法。

背景技术

油田的产量预测是油田开发工作中的重要内容，对把握油田开发形势部署与调整个油田开发方案有着重要意义。用于油田产量预测的方法很多。从统计和信息型预测方法的角度，可以分为两个层面，一是单因素预测问题，二是多因素预测问题。在单因素预测领域，所采取的主要研究方法是曲线拟合,仅能考虑单个因素的变化，无法考虑多因素作用。而在多因素预测领域，要么方法无法考量产油量历史数据的作用,要么都是静态问题，无法考虑因素之间变化非同步、具有后效性的动态关系。因此急需一种针适应性好，操作性强的方法进行产量预测。为此我们发明了一种新的新的油田产量预测方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种应用于油田开发中影响产量的因素筛选、产量预测及风险评价的新的油田产量预测方法。

本发明的目的可通过如下技术措施来实现：新的油田产量预测方法，该新的油田产量预测方法包括：步骤1，初步筛选确定影响产量的因素；步骤2，对基础数据进行处理；步骤3，自变量白噪声化，建立自变量自身的时间序列模型；步骤4，确定影响产量的决定因素；以及步骤5，利用时间序列模型建立产量的预测模型，并检验模型合理性。

本发明的目的还可通过如下技术措施来实现：

该新的油田产量预测方法还包括，在步骤1之前，选取待预测的目标油田，开展产量预测及风险评价工作。

在步骤1中，初步考察影响油田产量的因素为反映油田开发阶段的综合含水，反映物质基础的采出程度、单井控制储量，反映开发条件的采油速度、新井投产井数、年注水量的因素。

在步骤2中，对初选因素数据序列中锯齿状波动、明显不符合运行规律的错误数据进行处理，对序列中缺失值进行填充，并将处理后的数据序列标准化。

在步骤3中，同时通过差分、自回归、移动平均方法对自变量进行处理，建立自变量时间序列模型。

在步骤3中，建立的自变量时间序列模型为：

1）综合含水：ARIMA(0，1，0)(2，1，0)¹²

2）单井控制储量：ARIMA(1，1，0)(1，0，0)¹²

3）采出程度：ARIMA(0，2，1)

4）采油速度：ARIMA(1，1，0)

5）新井投产井数：ARIMA(0,1,1)(1，1，0)¹²

6）年注水量：ARIMA(0，1，0)。

在步骤4中，检验分析井产量与自变量之间的相关性，删除相关性较低的自变量，保留相关性强的自变量作为影响产量的决定因素。

在步骤5中，预测模型影响因素为标准化后的新井投产井数，综合含水，因变量的残差这几个主要因素，同时检验结果显示拟合精度、系数检验、残差检验均通过检验。

该新的油田产量预测方法还包括，在步骤5之后，对预测结果进行风险分析。

本发明中的新的油田产量预测方法，能够识别真正影响油田产量的决定因素，并能分析决定因素与产量在时间上的动态关联以及产量的自相关性，对产量进行预测，并对预测产量进行风险评价。

附图说明

图1为本发明的新的油田产量预测方法的一具体实施例的流程图；

图2为本发明的一具体实例中的新井投产井数与产量的相关关系图；

图3为本发明的一具体实例中的A油田2013年新井年产油模拟分布直方图。

具体实施方式

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

如图1所示，图1为本发明的一种新的油田产量预测方法的一具体实施例流程图。在步骤101，选取待预测的目标A油田，开展产量预测及风险评价工作，流程进入到步骤103。

在步骤103，初步筛选确定影响产量的因素。从影响油田产量的因素入手，筛选得到可能对油田产量产生影响的因素。初步考察影响A油田新井产量的因素为反映油田开发阶段的综合含水，反映物质基础的采出程度、单井控制储量，反映开发条件的采油速度、新井投产井数、年注水量。流程进入到步骤105。

在步骤105，基础数据处理。对提供的数据源异常点、缺失值进行处理，同时对不同量纲的数据标准化。对初选因素数据序列中锯齿状波动、明显不符合运行规律的错误数据进行处理，对序列中缺失值进行填充，并将处理后的数据序列标准化。流程进入到步骤107。

在步骤107，自变量白噪声化。同时通过差分、自回归、移动平均等方法对自变量进行处理，建立自变量自身的时间序列模型。自变量白噪声化，即建立自变量的时间序列模型。

1）综合含水：ARIMA(0，1，0)(2，1，0)¹²

2）单井控制储量：ARIMA(1，1，0)(1，0，0)¹²

3）采出程度：ARIMA(0，2，1)

4）采油速度：ARIMA(1，1，0)

5）新井投产井数：ARIMA(0,1,1)(1，1，0)¹²

6）年注水量：ARIMA(0，1，0) 。流程进入到步骤109。

在步骤109，确定影响产量的决定因素。检验分析新井产量与自变量之间的相关性，删除相关性较低的自变量，保留相关性强的自变量作为影响产量的决定因素。经评价筛选，仅新井投产井数、综合含水为影响新井产量的决定因素，其他因素对产量几乎没有影响。同时分析得到，新井投产井数对新井产量影响具有一个月的滞后，综合含水对新井产量的影响具有半年的滞后。如新井投产井数与产量之间的相关关系见图2。流程进入到步骤111。

在步骤111，利用时间序列模型建立产量的预测模型，并检验模型合理性。预测模型影响因素为标准化后的新井投产井数，综合含水，因变量的残差几个主要因素。同时检验结果显示拟合精度、系数检验、残差检验均通过检验。预测结果见表1。

表1 2013年预测新井单井年产油期望值与实际值对比

流程进入到步骤113。

在步骤113，对预测结果进行风险分析。2013年新井年产油量概率最大产量16.5万吨，2013年新井年产油量以95%概率出现在14.3-19.3万吨之间，见图3。

Claims

1.一种新的油田产量预测方法，其特征在于，该新的油田产量预测方法包括：

步骤1，初步筛选确定影响产量的因素；

步骤2，对基础数据进行处理；

步骤3，自变量白噪声化，建立自变量时间序列模型；

步骤4，确定影响产量的决定因素；以及

步骤5，利用时间序列模型建立产量的预测模型，并检验模型合理性；

在步骤2中，对初选因素数据序列中锯齿状波动、明显不符合运行规律的错误数据进行处理，对序列中缺失值进行填充，并将处理后的数据序列标准化；

在步骤3中，同时通过差分、自回归、移动平均方法对自变量进行处理，建立自变量时间序列模型；

在步骤3中，建立的自变量时间序列模型为：

1）综合含水：ARIMA(0，1，0)(2，1，0)¹²

2）单井控制储量：ARIMA(1，1，0)(1，0，0)¹²

3）采出程度：ARIMA(0，2，1)

4）采油速度：ARIMA(1，1，0)

5）新井投产井数：ARIMA(0,1,1)(1，1，0)¹²

6）年注水量：ARIMA(0，1，0)；

在步骤4中，检验分析井产量与自变量之间的相关性，删除相关性较低的自变量，保留相关性强的自变量作为影响产量的决定因素；

2.根据权利要求1所述的新的油田产量预测方法，其特征在于，该方法还包括在步骤1之前，选取待预测的目标油田，开展产量预测及风险评价工作。

3.根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤1中，初步考察影响油田产量的因素为反映油田开发阶段的综合含水，反映物质基础的采出程度、单井控制储量，反映开发条件的采油速度、新井投产井数、年注水量的因素。

4.根据权利要求1所述的新的油田产量预测方法，其特征在于，该方法还包括在步骤5之后，对预测结果进行风险分析。