CN112561356A - 一种页岩油压裂水平井生产动态模式与产能综合评价方法 - Google Patents
一种页岩油压裂水平井生产动态模式与产能综合评价方法 Download PDFInfo
- Publication number
- CN112561356A CN112561356A CN202011520433.1A CN202011520433A CN112561356A CN 112561356 A CN112561356 A CN 112561356A CN 202011520433 A CN202011520433 A CN 202011520433A CN 112561356 A CN112561356 A CN 112561356A
- Authority
- CN
- China
- Prior art keywords
- production
- level
- horizontal well
- initial
- productivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 321
- 238000011156 evaluation Methods 0.000 title claims abstract description 101
- 239000003079 shale oil Substances 0.000 title claims abstract description 76
- 230000003247 decreasing effect Effects 0.000 claims abstract description 66
- 238000011160 research Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 11
- 230000001186 cumulative effect Effects 0.000 claims description 34
- 239000003129 oil well Substances 0.000 claims description 22
- 238000011161 development Methods 0.000 claims description 19
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 238000012417 linear regression Methods 0.000 claims description 13
- 239000004576 sand Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 7
- 238000002791 soaking Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 3
- 239000003921 oil Substances 0.000 description 37
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000007619 statistical method Methods 0.000 description 8
- 238000009795 derivation Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 108010014173 Factor X Proteins 0.000 description 1
- 241000234314 Zingiber Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000009096 changqing Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004058 oil shale Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明提供了一种页岩油压裂水平井生产动态模式与产能综合评价方法；包括：获取待研究区压裂水平井的产能水平数据，以及潜在产能影响因素的数值；分别评价研究区压裂水平井初产水平与累产水平的主控因素；计算主控因素各自所占的权重比例；建立研究区压裂水平井初产水平综合评价系数和累产水平综合评价系数；建立研究区压裂水平井生产动态模式的综合评价标准；建立研究区压裂水平井的初产水平预测公式；获取每种生产动态模式下的递减指数和初始递减率；评价研究井的生产动态模式和初产水平，建立产能递减公式，预测其产能变化规律。本发明所预测产能与1口页岩油压裂水平井生产数据的相对误差小于5.9％，达到油田精度要求，能够满足生产预测需要。
Description
技术领域
本发明涉及页岩油开发技术领域；尤其涉及一种页岩油压裂水平井生产动态模式与产能综合评价方法。
背景技术
继北美地区的致密砂岩油、致密碳酸盐岩油和页岩凝析油等非常规油气获得重大突破之后，我国在鄂尔多斯、准噶尔、渤海湾、四川等盆地的页岩储层中也获重大发现，页岩油开始成为全球非常规油气的新亮点(邹才能等，2013a；高健，2019)。美国页岩油的迅猛开发使其原油对外依存度由2005年的60％降至2011年的45％。2010年，页岩油资源评价结果显示我国油页岩地质储量为11602亿吨，可回收页岩油资源量为160亿吨(贾承造等，2012)。考虑到页岩油的快速发展对美国石油供应格局产生的深远影响，我国在努力控制石油消费需求过快增长的同时，迫切需要高度重视页岩油的勘探开发工作，来缓解我国原油对外依存度高的局面，保障国家能源安全(王森，2016；金之钧，2019)。
长水平段快速钻完井、密切割水力压裂、井网井距优化是高效开发页岩油藏的关键技术(付锁堂等，2020；李国欣等，2020)。受页岩储层特征、流体性质、压裂措施和开发制度等因素的综合影响，页岩油压裂水平井的生产特征差异较大(连军利，2012；汪飞旭，2018)。同一页岩油区块的压裂水平井可能表现出完全不同的生产动态模式，导致油井产能预测面临极大的不确定性，严重制约页岩油藏的开发部署。准确评价页岩油压裂水平井的生产动态模式和产能对页岩油藏的高效开发至关重要，但目前缺少有效的评价手段。因此，亟待建立一套科学的页岩油压裂水平井生产动态模式和产能的综合评价方法，为页岩油藏的高效开发提供技术支持。
尽管国内外学者已开展压裂水平井生产动态模式和产能的评价研究工作，并取得一定的进展和认识，但相关研究多是针对常规油藏、低渗透油藏或致密油藏，对页岩油藏的研究较少。将有关研究成果直接用于页岩油藏，存在适用性问题，油井生产动态模式和产能的评价结果误差也较大。总体上，目前关于页岩油压裂水平井生产动态模式和产能的评价尚未形成有效的方法和技术。
第一方面：页岩油压裂水平井生产动态模式评价方法
生产动态模式属于油井生产动态分析的重要内容。目前未见专门针对页岩油压裂水平井生产动态模式评价的研究文献，但关于普通油井生产动态模式的研究较多，主要集中在两个方面：一是统计分析油井生产动态特征来评估油田生产现状，二是建立生产动态预测模型来评价油井产能变化规律。第一个方面的研究常见于油田现场的生产动态分析工作中，比如根据油井的产能数据将油井分为高产井、中产井和低产井等几类(潘晓梅等，2012；赵文琪，2016)，或者利用油井的生产曲线，将油井分为稳产型、缓慢递减型和快速递减型等几类(姜汉桥等，2006；折印楠，2015)，以此来判断油田的生产现状，预测油田未来的生产趋势。这方面研究有助于油田管理人员及时把握油田生产态势，制定开发策略，但这类研究多为粗放式的统计分析，对准确预测未来的生产趋势指导意义不大。第二个方面的研究主要是利用或修正经典油田动态预测模型评价油井产能变化规律。经典的油田动态预测模型有Arps产量递减模型(Arps，1945)、基于Poisson旋回的翁文波产油预测模型(姜汉桥等，2006)、基于灰色系统理论的GM(1，1)模型(周小平等，1996)等。这些动态预测模型多已默认油藏属于某种固定的生产动态模式，与页岩油藏生产动态模式多样化的特征相悖。同时，这些模型未考虑油藏类型、储层特征、开发制度和工程措施等因素，属于经验统计范畴，在油田开发初期资料有限时对开发部署有一定的指导作用，但是随着开发进行油藏资料逐渐丰富，仍然沿用这些动态预测模型，会使得生产预测的准确性明显降低。
受页岩储层孔渗较差的影响，压裂水平井往往呈现出投产初期产能高、中后期快速递减的特征，采用传统的生产模式分类或动态预测模型很难全面地反映页岩油压裂水平井的产能特征。系统地评价页岩油压裂水平生产动态模式，既要考虑油井投产后短期内的初产水平，也要考虑油井长期生产后的累产水平，二者统筹兼顾才能准确地评价页岩油压裂水平井的生产动态模式，进而才能有效地预测新投产井的生产规律。
第二方面，页岩油压裂水平井产能评价方法
目前页岩油压裂水平井产能评价方法主要是继承常规油藏、低渗透油藏或致密油藏的压裂水平井产能评价方法，主要包括数学推导法和统计分析法两类，前者以理论推导为主，后者以经验统计法为主。
数学推导法利用严格的数学理论，包括点源函数理论、复位势理论和叠加原理等渗流理论，建立压裂水平井渗流数学模型，通过解析法、半解析法或数值法求解模型得到压裂水平井的产能评价公式，如低渗透油藏的宁正福压裂水平井产能公式(宁正福等，2002)、耦合启动压力梯度和应力敏感系数的邓雪峰压裂水平井产能公式(邓学峰等，2013)、天然裂缝致密油藏中多角度人工裂缝压裂水平井的方思冬产能公式(方思冬等，2015)。数学推导法评价油井产能的缺点在于所建立的数学模型往往有许多假设条件，比如均质储层、单相流动、线性流动等，这与实际油藏情况存在差异。同时，由于数学理论的局限或快速求解的需要，很多关键参数都不能考虑到数学模型中。页岩储层具有诸多异于常规储层的地质特征，如脆性指数决定储层可压性，然而渗流数学模型很难将脆性指数考虑进去。因此，数学推导法所评价的压裂水平井产能结果准确性会较低，难以满足油田现场生产预测的需求。
统计分析法主要是利用灰色关联、神经网络、聚类分析等统计学方法探索现场生产数据与各种因素之间的关系，从而建立相应的产能评价模型。比如：王冲等(2018)采用灰色关联分析法，将水平段地质参数、储层含油性、渗透性、可压性和非均质性作为地质敏感性参数，将单井的总入地液量作为工程敏感性参数，进而利用对数预测模型预测致密油藏水平井产量；陈娟等(2020)首先利用灰色关联度确定影响长宁地区57口页岩气水平井压后产量的主控因素及权重，然后基于遗传算法优化的误差反向传播神经网络方法，建立页岩气水平井体积压裂产能预测模型；李晨阳(2020)利用K-means聚类分析方法研究页岩气产能的地质、压裂、钻井三个方面的影响因素，进行影响因素排序，建立起基于随机森林方法的产能预测模型。统计分析法在评价产能时的缺点是建立压裂水平井影响因素与产能之间的关系时未考虑因素内部之间的关系，并且在未区分主次因素的情况下，将所有因素笼统考虑进来建立产能预测模型，会导致所建立的模型考虑因素众多，模型过于复杂。页岩油压裂水平井的生产动态模式较多，笼统建立产能预测模型明显会导致预测结果精度较差。在明确页岩油压裂水平井生产动态模式和主要影响因素的基础上，结合二者建立产能评价模型才是行之有效的方法。
发明内容
本发明的目的是提供了一种页岩油压裂水平井生产动态模式与产能综合评价方法。
本发明是通过以下技术方案实现的：
本发明涉及一种页岩油压裂水平井生产动态模式与产能综合评价方法，具体步骤包括：
步骤1：采用初产水平和累产水平评价页岩油压裂水平井的产能水平，获取待研究区块压裂水平井的产能水平数据，以及潜在产能影响因素的数值；
步骤2：采用偏相关分析法计算初产水平、累产水平的潜在影响因素的偏相关系数，分别评价研究区压裂水平井初产水平与累产水平的主控因素；
步骤3：根据偏相关系数大小，依次计算研究区压裂水平井初产水平与累产水平的主控因素各自所占的权重比例；
步骤4：将主控因素数值标准化，结合相应的权重比例，分别建立研究区压裂水平井初产水平综合评价系数Z1和累产水平综合评价系数Z2；
步骤5：计算投产压裂水平井的产能水平评价系数Z1和Z2，结合典型生产动态模式，建立研究区压裂水平井生产动态模式的综合评价标准；
步骤6：对投产压裂水平井的初产水平和相应的主控因素数值进行多元线性回归，建立研究区压裂水平井的初产水平预测公式；
步骤7：选取研究区生产时间大于4年的准自然能量开发井，按照生产动态模式分类建立平均日产油量与生产时间的关系，采用Arps递减模型拟合计算，获取每种生产动态模式下的递减指数和初始递减率；
步骤8：评价新投产压裂水平井的生产动态模式和初产水平，结合该井对应生产动态模式下的递减指数和初始递减率，建立该井产能递减公式，预测其产能变化规律。
优选地，步骤1中，待研究页岩油区块压裂水平井的产能水平数据包括初产水平和累产水平，分别采用排液结束后的前3月平均日产油量和第1年累计产油量作为评价参数；潜在产能影响因素包括：视储能系数、渗透率、非均质系数、脆性指数、井距、水平段长、裂缝密度、焖井时间、返排率、返排时间、生产压差、用液强度、加砂强度、砂比和总排量。
优选地，步骤2中，每个潜在影响因素与初产水平、累产水平之间的偏相关系数可根据偏相关分析法的相关公式编程计算得出(唐资昌等，2010)，也可采用SPSS软件计算得到(周兆丁等，2019)。偏相关系数越大，该因素对初产水平或累产水平影响越强。分别选取偏相关系数较大的前8个影响因素作为研究区压裂水平井初产水平和累产水平的主控因素。
优选地，所述步骤3中，主控因素所占权重比例的计算公式为：
式中：ai、bi分别为初产水平和累产水平的第i个主控因素的权重比例，无因次；rai、rbi分别为初产水平和累产水平的第i个主控因素的偏相关系数，无因次。
优选地，步骤4中，主控因素标准化采用极大值标准化法，使每个因素归一为0-1的无量纲数值。对正相关因素由单个因素数值除以本因素最大值得到，对负相关因素由极大值减去单个因素数值之差除以最大值得到。
正相关因素标准化数值计算公式如下：
负相关因素标准化数值计算公式如下：
式中：λmi为初产水平或累产水平的第i个主控因素的标准化数值，无因次；mi为初产水平或累产水平的第i个主控因素对应于某压裂水平井的数值，单位取决于具体因素；mi max为初产水平或累产水平的第i个主控因素在所有压裂水平井中的最大值，单位取决于具体因素。
优选地，步骤4中，初产水平综合评价系数Z1和累产水平综合评价系数Z2的计算公式分别为：
式中：Z1和Z2分别为初产水平、累产水平的综合评价系数，无因次；ai、bi分别为初产水平和累产水平的第i个主控因素的权重比例，无因次；λmi为初产水平或累产水平的第i个主控因素的标准化数值，无因次。
优选地，步骤5中，研究区压裂水平井生产动态模式综合评价标准的建立方法为将投产压裂水平井的产能水平综合评价系数和生产动态模式关联。其中，已投产压裂水平井生产动态模式的判断是根据其生产曲线，包括中高初产稳产型、中高初产递减型和持续低产型三种典型模式。结合已投产井的生产动态模式和所计算的产能评价系数Z1和Z2，以Z1＝Z1 *为界限，将初产水平分为中高初产和低初产两类，以Z2＝Z2 *为界限，将累产水平分为中高累产和低累产两类。关联产能水平综合评价系数和生产动态模式，建立待研究页岩油区块压裂水平井生产动态模式的综合评价标准如表1所示。其中，界限值Z1 *和界限值Z2 *视研究区情况而定。
表1页岩油压裂水平井生产动态模式综合评价标准
优选地，步骤6中，多元线性回归建立的研究区压裂水平井初产水平预测公式如下：
式中：Qi为研究区压裂水平井的初产水平，吨/天；Xi为研究区初产水平的第i个主控因素对应于某压裂水平井的数值，单位取决于具体因素；Ai为研究区初产水平的第i个主控因素的线性回归系数，无因次；B为线性回归常数，无因次。
优选地，步骤7中，获取每种生产动态模式的递减指数和初始递减率的方法为：针对每种生产动态模式的压裂水平井，分类建立平均日产油量与生产时间的关系，对中高初产稳产型采用Arps调和递减模型拟合计算出，对中高初产递减型采用Arps双曲递减模型拟合计算出，对持续递减型采用Arps指数递减模型拟合计算出(Arps，1945；姜汉桥等，2006)。
优选地，步骤8中，新投产压裂水平井的生产动态模式和初产水平分别参考步骤5和步骤6评价得到，对应产能递减公式通过以步骤6计算的初产水平作为初始产能，结合步骤7计算的该井对应生产动态模式下的递减指数和初始递减率，参照Arps递减模型建立得到。
本发明具有以下优点：
(1)本发明在于借助偏相关分析法评价的产能水平主控因素权重比例，分别建立初产水平和累产水平的综合评价系数，关联产能综合评价系数和典型油井生产动态模式建立起页岩油压裂水平井生产动态模式的综合评价标准。采用初产水平和累产水平作为页岩油压裂水平井的产能评价参数，弥补了传统生产动态分析中采用单一参数评价产能的不足，符合页岩油压裂水平井的生产特征；关联产能综合评价系数和油井生产动态模式建立页岩油压裂水平井生产动态模式的综合评价标准，统筹兼顾短期和长期、理论和实际，解决了现有技术方案中油井生产动态模式评价针对性不强导致误差大的问题。本发明提高了页岩油压裂水平井生产动态模式评价的准确度，能够满足页岩油生产需要。
(2)本发明在于以生产动态模式综合评价标准和多元线性回归初产水平预测公式为基础，评价建立新投产压裂水平井的产能递减公式，实现对其产能变化规律的预测。借助生产动态模式综合评价标准确定的新投产井生产动态模式，选取该井的递减指数和初始递减率，同时结合多元线性回归初产水平预测公式计算出的新投产井初产水平，建立该井的产能递减公式，既避免了现有技术方案中数学推导法建立产能预测模型过于理想化的问题，又解决了现有技术方案中利用统计分析法建立的产能预测模型适用性差、准确度低的缺点。利用本发明提出的页岩油压裂水平井产能评价公式所预测的产能与现场生产数据基本吻合，实施例中1口水平井的产能数据与预测结果对比，相对误差小于5.9％，预测精度较高，能够满足生产需求。
附图说明
图1为本发明实施例的页岩油压裂水平井生产动态模式与产能综合评价方法流程图；
图2为庄183区压裂水平井初产水平影响因素的偏相关分析结果图；
图3为庄183区压裂水平井累产水平影响因素的偏相关分析结果图；
图4为庄183区中高初产稳产型压裂水平井产能递减拟合结果图；
图5为庄183区中高初产递减型压裂水平井产能递减拟合结果图；
图6为庄183区持续低产型压裂水平井产能递减拟合结果图；
图7为庄183区固平39-54井产能预测结果与实际生产数据对比图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。应当指出的是，以下的实施实例只是对本发明的进一步说明，但本发明的保护范围并不限于以下实施例。
实施例
陇东地区合水庄183区块属于长庆油田的典型页岩油区块，体积压裂和长水平井是其主要开发技术手段。该区块于2013年生产至今，已投产的压裂水平井长期面临生产动态变化趋势和新井产能评价难度大的难题，新井部署和开发调整都存在诸多不确定性。利用本发明所提供的方法能够快速准确地评价该研究区压裂水平井的生产动态模式和产能，进而可为庄183区块的开发部署提供科学依据。下面以庄183区块作为本发明具体实施例的研究区，本发明技术方案的实施步骤过程如图1所示。
步骤S101：采用初产水平和累产水平评价页岩油压裂水平井的产能水平，获取待研究区块压裂水平井的产能水平数据，以及潜在产能影响因素的数值。
针对庄183区块已投产的压裂水平井，获取每口压裂水平井的产能水平评价参数的对应数据，包括：排液结束后的前3月平均日产油量和第1年累计产油量；获取每口压裂水平井的潜在产能影响因素的对应数据，包括：视储能系数、渗透率、非均质系数、脆性指数、井距、水平段长、裂缝密度、焖井时间、返排率、返排时间、生产压差、用液强度、加砂强度、砂比和总排量。整理上述相关数据，为后续的偏相关分析奠定基础。
步骤S102：采用偏相关分析法计算初产水平、累产水平的潜在影响因素的偏相关系数，分别评价研究区压裂水平井初产水平与累产水平的主控因素。
开展偏相关分析，以庄183区块每口压裂水平井对应潜在产能影响因素数值为自变量，分别以每口井排液结束后的前3月平均日产油量和第1年累计产油量为因变量，采用SPSS软件的偏相关分析模块计算出每个影响因素与初产水平、累产水平之间的偏相关系数，计算结果如图2和图3所示。偏相关系数越大，该因素对初产水平或累产水平影响越强。选取偏相关系数较大的前8个影响因素作为产能水平主控因素，因此庄183区块压裂水平井初产水平的主控因素排序依次为：裂缝密度、水平段长、加砂强度、用液强度、生产压差、视储能系数、砂比、非均质系数；累产水平的主控因素排序依次为：水平段长、裂缝密度、视储能系数、井距、加砂强度、用液强度、返排率、渗透率。可见，庄183区块压裂水平井初产水平和累产水平的主控因素有所差异。
步骤S103：根据偏相关系数大小，依次计算研究区压裂水平井初产水平与累产水平的主控因素各自所占的权重比例。
根据步骤S102的初产水平与累产水平的主控因素评价结果，结合公式(1)可计算出每个主控因素各自所占的权重比例，具体结果如表2所示。
表2庄183区块压裂水平井产能主控因素的权重比例
步骤S104：将主控因素数值标准化，结合相应的权重比例，分别建立研究区压裂水平井初产水平综合评价系数Z1和累产水平综合评价系数Z2。
根据庄183区块投产压裂水平井产能水平主控因素的相关数据，采用极大值标准化法将每个因素归一为0-1的无量纲数值。正相关因素参考公式(2)，负相关因素参考公式(3)。庄183区块产能水平主控因素中除非均质系数为负相关因素外，其余因素均为正相关因素。按照公式(4)和(5)，结合标准化后的主控因素和相应权重比例，建立庄183区块压裂水平井初产水平综合评价系数Z1和累产水平综合评价系数Z2计算公式如下：
式中：FD、L、SI、LI、Pd、SC、SR、HC、WS、FR、K依次为研究区某投产压裂水平井的裂缝密度、水平段长、加砂强度、用液强度、生产压差、视储能系数、砂比、非均质系数、井距、返排率和渗透率，单位取决于具体主控因素；Xmax对应于某主控因素X在研究区投产压裂水平井中的最大值，单位同样取决于具体主控因素。
步骤S105：计算投产压裂水平井的产能水平评价系数Z1和Z2，结合典型生产动态模式，建立研究区压裂水平井生产动态模式的综合评价标准。
将庄183区块已投产压裂水平井的相关主控因素数值带入公式(7)和(8)，计算出相应的初产水平综合评价系数Z1和累产水平综合评价系数Z2。根据已投产压裂水平井的生产曲线，判断其生产动态模式，包括中高初产稳产型、中高初产递减型和持续低产型三种常见模式。结合已投产井生产动态模式和计算出的产能评价系数Z1和Z2，以Z1＝0.45为界限，将初产水平分为中高初产和低初产两类，以Z2＝0.35为界限，将累产水平分为中高累产和低累产两类。关联产能水平综合评价系数和生产动态模式，可建立庄183区块压裂水平井生产动态模式的综合评价标准，具体如下表所示：
表3庄183区块压裂水平井生产动态模式综合评价标准
步骤S106：对投产压裂水平井的初产水平和相应的主控因素数值进行多元线性回归，建立研究区压裂水平井的初产水平预测公式。
对庄183区块已投产压裂水平井的初产水平及其主控因素数据进行多元线性回归，可得到该区块压裂水平井的初产水平预测公式：
Qi＝-6.959+0.447FD+0.007L+2.871SI+0.002LI+0.008Pd+0.006SC+0.015SR-1.011HC(9)
式中：Qi为庄183区块压裂水平井的初产水平，吨/天；FD、L、SI、LI、Pd、SC、SR、HC依次为研究区某投产压裂水平井的裂缝密度、水平段长、加砂强度、用液强度、生产压差、视储能系数、砂比和非均质系数，单位取决于具体主控因素。
步骤S107：选取研究区生产时间大于4年的准自然能量开发井，按照生产动态模式分类建立平均日产油量与生产时间的关系，采用Arps递减模型拟合计算每种生产动态模式下的递减指数和初始递减率。
针对庄183区块已投产压裂水平井的三种生产动态模式，分类建立平均日产油量与生产时间的关系。在此基础上，对中高初产稳产型压裂水平井采用Arps调和递减模型进行拟合，可计算出该种生产动态模式水平井的递减指数和初始递减率分别为1和0.3％，见图4所示；对中高初产递减型压裂水平井采用Arps双曲递减模型进行拟合，可计算出该种生产动态模式水平井的递减指数和初始递减率分别为0.985和4.1％，见图5所示；对持续递减型压裂水平井采用Arps指数递减模型进行拟合，可计算出该种生产动态模式水平井的递减指数和初始递减率分别为2.53和10.8％，见图6所示。
步骤S108：评价新投产压裂水平井的生产动态模式和初产水平，结合该井对应生产动态模式下的递减指数和初始递减率，建立该井产能递减公式，预测其产能变化规律。
固平39-54井为合水庄183区块开发早期投产的一口压裂水平井，现以该井为例，利用本发明方案评价其生产动态模式和初产水平，并预测其产能变化规律。将该井的产能主控因素数值代入公式(7)和公式(8)，计算出其初产水平综合评价系数Z1和累产水平综合评价系数Z2分别为0.48和0.29。根据本方案建立的研究区压裂水平井生产动态模式的综合评价标准，评价出固平39-54井的生产动态模式为中高初产递减型。同时，将该井产能主控因素数值代入该区块压裂水平井的初产水平预测公式(9)，评价出固平39-54井的初产水平为5.24吨/天。结合步骤S107计算出的研究区中高初产递减型压裂水平井的递减指数和初始递减率，可建立固平39-54井排液结束后的产能递减预测公式：
式中：Qpre为固平39-54井的日产油量，吨/天；t为排液结束后的生产时间，月。
利用该公式预测的油井产能变化规律与实际生产情况的对比结果如图7所示，本专利方案预测的产能递减规律与实际情况基本吻合，相对误差小于5.9％。因此，本专利的技术方案能够满足页岩油压裂水平井生产动态模式和产能综合评价预测的生产需求。
本发明与现有技术相比，具有以下优点：
(1)在于借助偏相关分析法评价的产能水平主控因素权重比例，分别建立初产水平和累产水平的综合评价系数，关联产能综合评价系数和典型油井生产动态模式建立起页岩油压裂水平井生产动态模式的综合评价标准。采用初产水平和累产水平作为页岩油压裂水平井的产能评价参数，弥补了传统生产动态分析中采用单一参数评价产能的不足，符合页岩油压裂水平井的生产特征；关联产能综合评价系数和油井生产动态模式建立页岩油压裂水平井生产动态模式的综合评价标准，统筹兼顾短期和长期、理论和实际，解决了现有技术方案中油井生产动态模式评价针对性不强导致误差大的问题。本发明提高了页岩油压裂水平井生产动态模式评价的准确度，能够满足页岩油生产需要。
(2)在于以生产动态模式综合评价标准和多元线性回归初产水平预测公式为基础，评价建立新投产压裂水平井的产能递减公式，实现对其产能变化规律的预测。借助生产动态模式综合评价标准确定的新投产井生产动态模式，选取该井的递减指数和初始递减率，同时结合多元线性回归初产水平预测公式计算出的新投产井初产水平，建立该井的产能递减公式，既避免了现有技术方案中数学推导法建立产能预测模型过于理想化的问题，又解决了现有技术方案中利用统计分析法建立的产能预测模型适用性差、准确度低的缺点。利用本发明提出的页岩油压裂水平井产能评价公式所预测的产能与现场生产数据基本吻合，实施例中1口水平井的产能数据与预测结果对比，相对误差小于5.9％，预测精度较高，能够满足生产需求。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质。
Claims (11)
1.一种页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，包括如下步骤：
步骤1：采用初产水平和累产水平评价页岩油压裂水平井的产能水平，获取待研究区块压裂水平井的产能水平数据，以及潜在产能影响因素的数值；
步骤2：采用偏相关分析法计算初产水平、累产水平的潜在影响因素的偏相关系数，分别评价研究区压裂水平井初产水平与累产水平的主控因素；
步骤3：根据偏相关系数大小，依次计算研究区压裂水平井初产水平与累产水平的主控因素各自所占的权重比例；
步骤4：将主控因素数值标准化，结合相应的权重比例，分别建立研究区压裂水平井初产水平综合评价系数Z1和累产水平综合评价系数Z2；
步骤5：计算投产压裂水平井的产能水平评价系数Z1和Z2，结合典型生产动态模式，建立研究区压裂水平井生产动态模式的综合评价标准；
步骤6：对投产压裂水平井的初产水平和相应的主控因素数值进行多元线性回归，建立研究区压裂水平井的初产水平预测公式；
步骤7：选取研究区生产时间大于4年的准自然能量开发井，按照生产动态模式分类建立平均日产油量与生产时间的关系，采用Arps递减模型拟合计算，获取每种生产动态模式下的递减指数和初始递减率；
步骤8：评价新投产压裂水平井的生产动态模式和初产水平，结合该井对应生产动态模式下的递减指数和初始递减率，建立该井产能递减公式，预测其产能变化规律。
2.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤1中，所述待研究区块压裂水平井的产能水平数据，包括：初产水平和累产水平；初产水平和累产水平分别采用排液结束后的前3月平均日产油量和第1年累计产油量作为评价参数；所述潜在产能影响因素，包括：视储能系数、渗透率、非均质系数、脆性指数、井距、水平段长、裂缝密度、焖井时间、返排率、返排时间、生产压差、用液强度、加砂强度、砂比和总排量。
3.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤2中，所述潜在影响因素的每个因素与初产水平、累产水平之间的偏相关系数根据偏相关分析法的相关公式编程计算得出；或采用SPSS软件计算得到。
4.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤2中，评价研究区压裂水平井初产水平与累产水平的主控因素的原则为偏相关系数越大，该因素对产能水平影响越强，分别选取偏相关系数较大的前8个影响因素作为研究区压裂水平井初产水平与累产水平的主控因素。
5.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤3中，所述主控因素所占权重比例的计算公式(1)所示：
式(1)中：ai、bi分别为初产水平和累产水平的第i个主控因素的权重比例，无因次；rai、rbi分别为初产水平和累产水平的第i个主控因素的偏相关系数，无因次。
6.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤4中，主控因素标准化采用极大值标准化法，使每个因素归一为0-1的无量纲数值；对正相关因素由单个因素数值除以本因素最大值得到，见式(2)所示，对负相关因素由极大值减去单个因素数值之差除以最大值得到，见式(3)所示；
正相关因素标准化数值计算公式如下：
负相关因素标准化数值计算公式如下：
式中：λmi为初产水平或累产水平的第i个主控因素的标准化数值，无因次；mi为初产水平或累产水平的第i个主控因素对应于某压裂水平井的数值，单位取决于具体因素；
为初产水平或累产水平的第i个主控因素在所有压裂水平井中的最大值，单位取决于具体因素。
7.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤4中，所述初产水平综合评价系数Z1和累产水平综合评价系数Z2的计算公式分别为式(4)和式(5)：
式中：Z1和Z2分别为初产水平、累产水平的综合评价系数，无因次；ai、bi分别为初产水平和累产水平的第i个主控因素的权重比例，无因次；λmi为初产水平或累产水平的第i个主控因素的标准化数值，无因次。
8.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤5中，所述研究区压裂水平井生产动态模式的综合评价标准的建立方法为：以Z1＝Z1 *为界限，将初产水平分为中高初产和低初产两类，以Z2＝Z2 *为界限，将累产水平分为中高累产和低累产两类；界限值Z1 *和Z2 *视研究区情况而定；关联投产压裂水平井的产能水平综合评价系数和典型的油井生产动态模式，建立综合评价标准；典型页岩油压裂水平井生产动态模式，包括：中高初产稳产型、中高初产递减型和持续低产型。
9.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤6中，所述建立研究区压裂水平井的初产水平预测公式如式(6)：
式中：Qi为研究区压裂水平井的初产水平，吨/天；Xi为研究区初产水平的第i个主控因素对应于某压裂水平井的数值，单位取决于具体因素；Ai为研究区初产水平的第i个主控因素的线性回归系数，无因次；B为线性回归常数，无因次。
10.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤7中，所述获取每种生产动态模式的递减指数和初始递减率的方法具体为：针对每种生产动态模式的压裂水平井，分类建立平均日产油量与生产时间的关系，对中高初产稳产型采用Arps调和递减模型拟合计算出，对中高初产递减型采用Arps双曲递减模型拟合计算出，对持续递减型采用Arps指数递减模型拟合计算出。
11.如权利要求1所述的页岩油压裂水平井生产动态模式与产能综合评价方法，其特征在于，步骤8中，所述新投产压裂水平井的生产动态模式和初产水平分别参考步骤5和步骤6评价得到，对应产能递减公式通过以步骤6计算的初产水平作为初始产能，结合步骤7计算的该井对应生产动态模式下的递减指数和初始递减率，参照Arps递减模型建立得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011520433.1A CN112561356B (zh) | 2020-12-21 | 2020-12-21 | 一种页岩油压裂水平井生产动态模式与产能综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011520433.1A CN112561356B (zh) | 2020-12-21 | 2020-12-21 | 一种页岩油压裂水平井生产动态模式与产能综合评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112561356A true CN112561356A (zh) | 2021-03-26 |
| CN112561356B CN112561356B (zh) | 2021-09-28 |
Family
ID=75032069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011520433.1A Active CN112561356B (zh) | 2020-12-21 | 2020-12-21 | 一种页岩油压裂水平井生产动态模式与产能综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112561356B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113323656A (zh) * | 2021-06-16 | 2021-08-31 | 中海石油(中国)有限公司 | 封闭凝析气藏的开发指标预测方法及计算机可读存储介质 |
| CN113719265A (zh) * | 2021-09-10 | 2021-11-30 | 中国石油大学(北京) | 一种页岩油水平井重复压裂选井方法、装置及设备 |
| CN113988475A (zh) * | 2021-11-25 | 2022-01-28 | 长江大学 | 一种基于核磁测井t2谱等效面积值法的页岩油产能预测方法 |
| CN114417564A (zh) * | 2021-12-22 | 2022-04-29 | 中国石油天然气股份有限公司 | 一种页岩油水平井压裂参数优化方法 |
| CN115330060A (zh) * | 2022-08-17 | 2022-11-11 | 中国科学院大学 | 基于储层与工程因素分析的页岩油水平井产能计算方法 |
| CN116128162A (zh) * | 2023-04-13 | 2023-05-16 | 中国石油大学(华东) | 基于小样本的压裂井初期产能预测方法、系统及存储介质 |
| CN117541082A (zh) * | 2024-01-05 | 2024-02-09 | 中国石油大学(华东) | 基于油藏-井筒-设备评价指标集成的综合评价方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104832166A (zh) * | 2015-03-20 | 2015-08-12 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩气水平井初期产能预测方法 |
| US20160042272A1 (en) * | 2013-03-15 | 2016-02-11 | Intelligent Solutions, Inc. | Data-driven analytics, predictive modeling & opitmization of hydraulic fracturing in marcellus shale |
| CN109184660A (zh) * | 2018-09-07 | 2019-01-11 | 中国石油集团川庆钻探工程有限公司 | 一种基于生产测井资料的页岩气产能评价方法 |
| CN109882163A (zh) * | 2019-03-27 | 2019-06-14 | 中国石油大学(华东) | 一种用于致密油藏压裂水平井的产能预测方法 |
| CN111502652A (zh) * | 2020-07-01 | 2020-08-07 | 西南石油大学 | 一种三孔介质气藏水平井产量递减及生产动态预测方法 |
| CN111611673A (zh) * | 2019-02-25 | 2020-09-01 | 中国石油化工股份有限公司 | 一种碳酸盐岩油藏古暗河型储层建模方法 |
-
2020
- 2020-12-21 CN CN202011520433.1A patent/CN112561356B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160042272A1 (en) * | 2013-03-15 | 2016-02-11 | Intelligent Solutions, Inc. | Data-driven analytics, predictive modeling & opitmization of hydraulic fracturing in marcellus shale |
| CN104832166A (zh) * | 2015-03-20 | 2015-08-12 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩气水平井初期产能预测方法 |
| CN109184660A (zh) * | 2018-09-07 | 2019-01-11 | 中国石油集团川庆钻探工程有限公司 | 一种基于生产测井资料的页岩气产能评价方法 |
| CN111611673A (zh) * | 2019-02-25 | 2020-09-01 | 中国石油化工股份有限公司 | 一种碳酸盐岩油藏古暗河型储层建模方法 |
| CN109882163A (zh) * | 2019-03-27 | 2019-06-14 | 中国石油大学(华东) | 一种用于致密油藏压裂水平井的产能预测方法 |
| CN111502652A (zh) * | 2020-07-01 | 2020-08-07 | 西南石油大学 | 一种三孔介质气藏水平井产量递减及生产动态预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 姚飞: "致密油藏压裂水平井溶解气驱产能评价方法及应用", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
| 王铭显: "多层疏松砂岩气藏生产动态多因素影响研究", 《西安石油大学学报(自然科学版)》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113323656A (zh) * | 2021-06-16 | 2021-08-31 | 中海石油(中国)有限公司 | 封闭凝析气藏的开发指标预测方法及计算机可读存储介质 |
| CN113323656B (zh) * | 2021-06-16 | 2023-07-07 | 中海石油(中国)有限公司 | 封闭凝析气藏的开发指标预测方法及计算机可读存储介质 |
| CN113719265A (zh) * | 2021-09-10 | 2021-11-30 | 中国石油大学(北京) | 一种页岩油水平井重复压裂选井方法、装置及设备 |
| CN113719265B (zh) * | 2021-09-10 | 2022-06-10 | 中国石油大学(北京) | 一种页岩油水平井重复压裂选井方法、装置及设备 |
| CN113988475A (zh) * | 2021-11-25 | 2022-01-28 | 长江大学 | 一种基于核磁测井t2谱等效面积值法的页岩油产能预测方法 |
| CN114417564A (zh) * | 2021-12-22 | 2022-04-29 | 中国石油天然气股份有限公司 | 一种页岩油水平井压裂参数优化方法 |
| CN114417564B (zh) * | 2021-12-22 | 2024-05-31 | 中国石油天然气股份有限公司 | 一种页岩油水平井压裂参数优化方法 |
| CN115330060A (zh) * | 2022-08-17 | 2022-11-11 | 中国科学院大学 | 基于储层与工程因素分析的页岩油水平井产能计算方法 |
| CN116128162A (zh) * | 2023-04-13 | 2023-05-16 | 中国石油大学(华东) | 基于小样本的压裂井初期产能预测方法、系统及存储介质 |
| CN117541082A (zh) * | 2024-01-05 | 2024-02-09 | 中国石油大学(华东) | 基于油藏-井筒-设备评价指标集成的综合评价方法 |
| CN117541082B (zh) * | 2024-01-05 | 2024-04-05 | 中国石油大学(华东) | 基于油藏-井筒-设备评价指标集成的综合评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112561356B (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112561356B (zh) | 一种页岩油压裂水平井生产动态模式与产能综合评价方法 | |
| CN112561144B (zh) | 一种致密油压裂水平井产能主控因素评判与产能预测方法 | |
| CN109184660B (zh) | 一种基于生产测井资料的页岩气产能评价方法 | |
| CN104832166A (zh) | 一种页岩气水平井初期产能预测方法 | |
| CN109214026A (zh) | 一种页岩气水平井初期产能预测方法 | |
| WO2020192675A1 (zh) | 一种用于致密油藏压裂水平井的产能预测方法 | |
| CN104899411B (zh) | 一种储层产能预测模型建立方法和系统 | |
| CN102536200A (zh) | 致密碳酸盐岩气层初始产能预测方法 | |
| CN110807541B (zh) | 一种气藏开发井型的选择方法 | |
| CN115345378B (zh) | 一种基于机器学习的页岩气井产量评价方法 | |
| CN116127675A (zh) | 一种页岩油水平井体积压裂最大可采储量的预测方法 | |
| CN116658155A (zh) | 一种页岩气井产量预测的方法 | |
| CN110347720B (zh) | 基于流程化的压裂选井选层方法 | |
| CN113445988B (zh) | 一种低渗碳酸盐岩气藏气井产能评价方法 | |
| CN113762614A (zh) | 一种基于静态油气田数据的页岩气井产能预测的方法 | |
| CN116950654A (zh) | 一种低渗致密砂岩气藏开发效果评价方法 | |
| CN116562428A (zh) | 一种基于机器学习的压裂施工参数优化方法 | |
| CN113705917A (zh) | 一种致密油藏压裂水平井初期产能预测方法 | |
| Xiong et al. | Re-Fracturing Wells Selection by Fuzzy Comprehensive Evaluation Based on Analytic Hierarchy Process—Taking Mahu Oilfield as An Example | |
| Chen et al. | GINI coefficient: An effective way to evaluate inflow profile equilibrium of horizontal wells in Shengli Oil Field | |
| CN112465218A (zh) | 海上薄互层砂岩油田层系划分及射孔方案优化方法 | |
| RU2300632C1 (ru) | Способ оценки дебита горизонтальной скважины | |
| CN116757096B (zh) | 深薄致密砂岩气藏开发井型确定方法、装置、设备及介质 | |
| CN114417564B (zh) | 一种页岩油水平井压裂参数优化方法 | |
| CN114169616A (zh) | 一种低产低效井的判别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |