CN108804862A - 一种用于碳酸钙结垢趋势的预测方法 - Google Patents

Abstract

本发明提供了一种用于碳酸钙结垢趋势的预测方法，改善了现有技术因忽略以上因素而造成的计算偏差，也通过建立修正系数的数学模型，避免了查图法的人为操作误差，提高了预测结果可靠性；首先将水样进行均质化处理，保证样品具有代表性；再分离去除水样中的悬浮固体和浮油，再进行组分含量分析测定，可避免杂质对分析结果造成的干扰；同时根据不同温度、压力条件下流体pH的变化，避免了用常温常压下水样pH值代替，可提高公式预测结果准确性；而且通过建立数学模型将标准方法中修正系数图表数学化，防止操作者读图造成的错误和误差，简单快速，实时性和准确性提高，提高了预测结果的准确性，进而采取相应的防治措施减缓或消除碳酸钙结垢的影响。

Description

一种用于碳酸钙结垢趋势的预测方法

技术领域

本发明涉及油气田开发技术领域，尤其涉及一种适用于现场、简单快捷的用于碳酸钙结垢趋势的预测方法。

背景技术

近年来，随着油气开采难度的加大，为了维持地层压力，提高采收率，注水增产成了油气田开发重要的方式之一。然而，许多油气田开采实践都表明，当注入水与矿物含量较高的地层水相遇或返排水的矿化度较高时，易发生化学反应生产无机盐沉淀，使得从地层到地面的各个部位都有水垢生成，这对油层、井筒、地面管线和设备都造成了严重的损害，导致正常生产和经济效益受到极大影响。垢物沉积在设备底部的情况已经被充分的认识到，但是对生产系统中的结垢仍有待深入研究。据文献报道，油田最常见的水垢类型主要有碳酸钙、硫酸钙、硫酸钡、硫酸锶等，占比例最高的是碳酸盐垢。

测定油气田水结垢趋势的标准方法是SY/T 0600-2009《油田水结垢趋势预测》，标准提供的碳酸钙结垢趋势预测法是基于沉淀溶解平衡理论和现场实际经验建立的计算公式，包括：Davis-Stiff饱和指数法、Ryznar稳定指数法和侵蚀性二氧化碳测定法。其中，Davis-Stiff饱和指数法是和Ryznar稳定指数法综合考虑了热力学和矿化度因素，计算相对简单，是油气田最常用的方法，但是由于公式中引入了与离子强度和温度有关的修正系数K，需要内插法查表获得，过程相对麻烦，容易因实验人员操作不当或个人习惯造成误差。

除了传统方法，另一种普遍应用的现有技术是软件预测法，该方法是利用综合了热力学、动力学和流体力学等方面建立数学模型编制的计算软件来实现结垢趋势的预测。常用的预测软件有Scale Chem、SDCQPC等。采用计算机软件计算速度快，但是计算必需的参数较多，部分参数在现场条件无法直接测定得到，或只能提供经验估计值，将影响计算结果准确性。因此，现有技术有待于更进一步的改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种用于碳酸钙结垢趋势的预测方法，以提高预测结果的准确性。

为解决上述技术问题，本发明方案包括：

一种用于碳酸钙结垢趋势的预测方法，其包括以下步骤：

A、采集油田水样进行均质化处理去除油田水样中的杂质，采集油田水样的pH值与组分含量，并获取待预测集输管线或井筒部位的相关参数；

B、计算分析上述油田水样的离子强度，并获得油田水样与待预测集输管线或井筒的修正参数K；

C、根据步骤B获得对应参数建立相应数学模型，将步骤A与步骤B获得的相关参数导入相应数学模型中获得碳酸钙结垢趋势。

所述的预测方法，其中，上述步骤A具体的还包括：上述去除油田水样杂质的方法包括重力沉降分离、离心过滤、微孔滤膜过滤以及静置分层。

所述的预测方法，其中，上述步骤A具体的还包括：上述油田水样的组分含量包括K⁺、Na⁺、Ca²⁺、Mg²⁺、Fe²⁺、SO₄ ^2-、Cl^-、HCO₃ ^-、CO₃ ²-、NO₃ ^-和S^2-，其组分含量通过离子色谱法、原子吸收光谱法、离子选择电极测量法和滴定法获得。

所述的预测方法，其中，上述步骤B具体的还包括：根据步骤A中所得到组分的离子浓度，计算得到油田水样中混合电解质溶液的离子强度。

所述的预测方法，其中，上述步骤C具体的还包括：上述相应数学模型包括线性模型、对数模型、指数模型、幂函数模型、倒指数模型和多项式逼近模型，并对上述相应数据模型基于温度分段和离子强度分段进行优化，优选的，低离子强度段范围为0-1.0，高离子强度段范围为3.0-7.0。

所述的预测方法，其中，上述步骤B具体的还包括：通过计相应软件完成模型拟合，建立修正系数K随离子强度和温度变化的关系式，并将上述离子强度和待预测集输管线或井筒之温度、压力参数，输入获得的模型拟合关系式中，计算得到上述修正系数K。

所述的预测方法，其中，上述步骤A具体的还包括：使用便携式的多参数离子分析仪测定油田水样的组分。

所述的预测方法，其中，上述步骤B具体的还包括：通过式(1)与式(2)得到待预测集输管线或井筒的pH值：

pH＝pH₀+ΔpH (1)

ΔpH＝4.05×10^-7(T-T₀)+4.58×10^-7-3.07×10^-7(P-P₀) (2)

其中，T为待预测集输管线或井筒的温度、P为待预测集输管线或井筒的压、pH为待预测集输管线或井筒之流体pH值，T₀、P₀、pH₀为采集油田水样实验条件下的温度、压力和pH值，而且上述温度、压力的单位分别是℃和Pa。

所述的预测方法，其中，上述步骤B具体的还包括：通过式(3)得到对应离子强度；

其中C_i为油田水样中离子i的摩尔浓度，Z_i为油田水样中离子i的价数。

所述的预测方法，其中，上述步骤C具体的还包括：上述修正系数K与离子强度和温度的多项式逼近数学模型为：

K＝A₀+A₁μ+A₂T+A₃μ²+A₄μ³+A₅μ⁴+A₆μ⁵+A7μ⁶

+A₈T²+A₉T³+A₁₀T⁴+A₁₁T⁵+A₁₂T⁶+A₁₃μT (4)

其中，T为待预测集输管线或井筒的温度，μ为对应例子强度，A为相应数学模型的拟合系数。

本发明提供的一种用于碳酸钙结垢趋势的预测方法，改善了现有技术因忽略以上因素而造成的计算偏差，也通过建立修正系数的数学模型，避免了查图法的人为操作误差，提高了预测结果可靠性；首先将水样进行均质化处理，保证样品具有代表性；再分离去除水样中的悬浮固体和浮油，再进行组分含量分析测定，可避免杂质对分析结果造成的干扰；同时根据不同温度、压力条件下流体pH的变化，避免了用常温常压下水样pH值代替，可提高公式预测结果准确性；而且通过建立数学模型将标准方法中修正系数图表数学化，防止操作者读图造成的错误和误差，简单快速，实时性和准确性提高，提高了预测结果的准确性，进而采取相应的防治措施减缓或消除碳酸钙结垢的影响。

附图说明

图1为本发明中预测方法的流程示意图。

具体实施方式

本发明提供了一种用于碳酸钙结垢趋势的预测方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种用于碳酸钙结垢趋势的预测方法，如图1所示的，其包括以下步骤：

步骤一，采集油田水样进行均质化处理去除油田水样中的杂质，采集油田水样的pH值与组分含量，并获取待预测集输管线或井筒部位的相关参数；

步骤二，计算分析上述油田水样的离子强度，并获得油田水样与待预测集输管线或井筒的修正参数K；

步骤三，根据步骤二获得对应参数建立相应数学模型，将步骤一与步骤二获得的相关参数导入相应数学模型中获得碳酸钙结垢趋势。

而且上述步骤一具体的还包括：上述去除油田水样杂质的方法包括重力沉降分离、离心过滤、微孔滤膜过滤以及静置分层。上述油田水样的组分含量包括K⁺、Na⁺、Ca²⁺、Mg^{2 +}、Fe²⁺、SO₄ ^2-、Cl^-、HCO₃ ^-、CO₃ ²-、NO₃ ^-和S^2-，其组分含量通过离子色谱法、原子吸收光谱法、离子选择电极测量法和滴定法获得。

更进一步的，上述步骤二具体的还包括：根据步骤一中所得到组分的离子浓度，计算得到油田水样中混合电解质溶液的离子强度。而且上述步骤三具体的还包括：上述相应数学模型包括线性模型、对数模型、指数模型、幂函数模型、倒指数模型和多项式逼近模型，并对上述相应数据模型基于温度分段和离子强度分段进行优化，其中，低离子强度段范围为0-1.0，高离子强度段范围为3.0-7.0。

并且步骤二具体的还包括：通过计相应软件完成模型拟合，建立修正系数K随离子强度和温度变化的关系式，并将上述离子强度和待预测集输管线或井筒之温度、压力参数，输入获得的模型拟合关系式中，计算得到上述修正系数K。而上述步骤一具体的还包括：使用便携式的多参数离子分析仪测定油田水样的组分。

在本发明的另一较佳实施例中，上述步骤二具体的还包括：通过式(1)与式(2)得到待预测集输管线或井筒的pH值：

pH＝pH₀+ΔpH (1)

ΔpH＝4.05×10^-7(T-T₀)+4.58×10^-7-3.07×10^-7(P-P₀) (2)

其中，T为待预测集输管线或井筒的温度、P为待预测集输管线或井筒的压、pH为待预测集输管线或井筒之流体pH值，T₀、P₀、pH₀为采集油田水样实验条件下的温度、压力和pH值，而且上述温度、压力的单位分别是℃和Pa。

并且通过式(3)得到对应离子强度；

其中C_i为油田水样中离子i的摩尔浓度，Z_i为油田水样中离子i的价数。

优选的，上述修正系数K与离子强度和温度的多项式逼近数学模型为：

K＝A₀+A₁μ+A₂T+A₃μ²+A₄μ³+A₅μ⁴+A₆μ⁵+A₇μ⁶

+A₈T²+A₉T³+A₁₀T⁴+A₁₁T⁵+A₁₂T⁶+A₁₃μT (4)

其中，T为待预测集输管线或井筒的温度，μ为对应例子强度，A为相应数学模型的拟合系数。

为了更进一步描述本发明，以下列举更为详尽的实施例进行说明。

步骤1样品预处理

1-1、采集油田水样进行均质化处理，对于含有大量悬浮固体的样品适当增加处理时间。

1-2、取适量均质化处理后的水样进行高速离心分离去除固体悬浮物，若水样含油，于分液漏斗中静置分层去除浮油。

步骤2采集水样分析数据

2-1、采用便携式的多参数离子分析仪对去杂质后水样的组成进行测定，pH计测定样品的pH值。所述水样的组分含量包括K⁺、Na⁺、Ca²⁺、Mg²⁺、Fe²⁺、SO₄ ^2-、Cl^-、HCO₃ ^-、CO₃ ^2-、NO₃ ^-和S^2-等。

2-2、获取待预测集输管线或井筒部位的温度、压力条件。

2-3、计算在步骤2-2条件下水样的pH值，计算式为：

pH＝pH₀+ΔpH (1)

ΔpH＝4.05×10^-7(T-T₀)+4.58×10^-7-3.07×10^-7(P-P₀) (2)

T、P、pH为所述步骤2-2测得的待预测集输管线或井筒部位的温度、压力和流体的pH值，T₀、P₀、pH₀为采集油田水样实验条件下的温度、压力和pH值，而且上述温度、压力的单位分别是℃和Pa。

步骤3计算水样的离子强度和离子的活度系数

3-1、根据所述步骤2-1中各离子的浓度，计算水样中混合电解质溶液的离子强度，计算式为：

其中C_i为油田水样中离子i的摩尔浓度，Z_i为油田水样中离子i的价数。步骤4建立修正系数数学模型。

3-2、输入步骤2-1获取的Ca²⁺、HCO₃ ^-、CO₃ ^2-浓度，利用如下公式计算：

pCa＝-lg(C_Ca ²⁺) (5)

pAlK＝-lg(2C_COs ^2-+C_HCOs-) (6)

4-1、利用getdata软件并结合文献查阅，收集修正系数与离子强度和温度的数据。

4-2、建立修正系数K与离子强度和温度的多项式逼近数学模型(以多项式逼近数学模型为例)，

K＝A₀+A₁μ+A₂T+A₃μ²+A₄μ³+A₅μ⁴+A₆μ⁵+A₇μ⁶

+A₈T²+A₉T³+A₁₀T⁴+A₁₁T⁵+A₁₂T⁶+A₁₃μT (4)

4-3、将离子强度μ分为三段：0＜μ＜0.5，0.5≤μ≤3.5，3.5＜μ＜6.5。

4-4、按照所述步骤4-3的分段范围，利用Excel回归分析完成模型拟合，得到拟合系数A₀～A₁₃值，建立修正系数K随离子强度和温度变化的关系式。

4-5、输入步骤3-1中获取的离子强度和步骤2-2中获取的待预测条件下的流体温度，通过步骤4-4中获得的拟合关系式，计算修正系数K值。

步骤5碳酸钙结垢趋势预测分析

根据步骤2和步骤3获取的待预测条件下水样中的组分含量、温度压力和pH数据，通过Davis-Stiff饱和指数法计算完成碳酸钙结垢趋势预测。

比如某油田温度、压力和采出水组成数据如表1、表2所示，表1为油田水样的工艺条件参数，为油田水样的组分数据

表1

表2

根据式(5)、(6)计算得，pCa＝1.769，pAlK＝2.362，利用Excel回归分析功能进行6次多项式拟合，拟合结果如表3所示，表3为不同离子强度分段的拟合系数。

表3

在离子强度μ＝0.6832mol/L、温度T＝82.69℃的情况下，计算K值为1.74。根据Davis-Stiff饱和指数法，SI＝pH-K-pCa-pAlK，计算得SI＝0.31，有结垢趋势。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (9)

1.一种用于碳酸钙结垢趋势的预测方法，其包括以下步骤：

A、采集油田水样进行均质化处理去除油田水样中的杂质，采集油田水样的pH值与组分含量，并获取待预测集输管线或井筒部位的相关参数；

B、计算分析上述油田水样的离子强度，并获得油田水样与待预测集输管线或井筒的修正参数K；

C、根据步骤B获得对应参数建立相应数学模型，将步骤A与步骤B获得的相关参数导入相应数学模型中获得碳酸钙结垢趋势。

2.根据权利要求1所述的预测方法，其特征在于，上述步骤A具体的还包括：上述去除油田水样杂质的方法包括重力沉降分离、离心过滤、微孔滤膜过滤以及静置分层。

3.根据权利要求1所述的预测方法，其特征在于，上述步骤A具体的还包括：上述油田水样的组分含量包括K⁺、Na⁺、Ca²⁺、Mg²⁺、Fe²⁺、SO₄ ^2-、Cl^-、HCO₃ ^-、CO₃ ²-、NO₃ ^-和S^2-，其组分含量通过离子色谱法、原子吸收光谱法、离子选择电极测量法和滴定法获得。

4.根据权利要求1所述的预测方法，其特征在于，上述步骤B具体的还包括：根据步骤A中所得到组分的离子浓度，计算得到油田水样中混合电解质溶液的离子强度。

5.根据权利要求1所述的预测方法，其特征在于，上述步骤C具体的还包括：上述相应数学模型包括线性模型、对数模型、指数模型、幂函数模型、倒指数模型和多项式逼近模型，并对上述相应数据模型基于温度分段和离子强度分段进行优化，低离子强度段范围为0-1.0，高离子强度段范围为3.0-7.0。

6.根据权利要求5所述的预测方法，其特征在于，上述步骤B具体的还包括：通过计相应软件完成模型拟合，建立修正系数K随离子强度和温度变化的关系式，并将上述离子强度和待预测集输管线或井筒之温度、压力参数，输入获得的模型拟合关系式中，计算得到上述修正系数K。

7.根据权利要求3所述的预测方法，其特征在于，上述步骤A具体的还包括：使用便携式的多参数离子分析仪测定油田水样的组分。

8.根据权利要求1所述的预测方法，其特征在于，上述步骤B具体的还包括：通过式(1)与式(2)得到待预测集输管线或井筒的pH值：

pH＝pH₀+ΔpH (1)

ΔpH＝4.05×10^-8(T-T₀)+4.58×10^-7-3.07×10^-8(P-P₀) (2)

其中，T为待预测集输管线或井筒的温度、P为待预测集输管线或井筒的压、pH为待预测集输管线或井筒之流体pH值，T₀、P₀、pH₀为采集油田水样实验条件下的温度、压力和pH值，而且上述温度、压力的单位分别是℃和Pa。

9.根据权利要求4所述的预测方法，其特征在于，上述步骤B具体的还包括：通过式(3)得到对应离子强度；

其中C_i为油田水样中离子i的摩尔浓度，Z_i为油田水样中离子i的价数。