CN115330060A - 基于储层与工程因素分析的页岩油水平井产能计算方法 - Google Patents
基于储层与工程因素分析的页岩油水平井产能计算方法 Download PDFInfo
- Publication number
- CN115330060A CN115330060A CN202210988361.6A CN202210988361A CN115330060A CN 115330060 A CN115330060 A CN 115330060A CN 202210988361 A CN202210988361 A CN 202210988361A CN 115330060 A CN115330060 A CN 115330060A
- Authority
- CN
- China
- Prior art keywords
- productivity
- horizontal well
- engineering
- shale oil
- geological
- 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.)
- Pending
Links
- 239000003079 shale oil Substances 0.000 title claims abstract description 125
- 238000004364 calculation method Methods 0.000 title claims abstract description 63
- 238000000556 factor analysis Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 238000004519 manufacturing process Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000003921 oil Substances 0.000 claims description 62
- 239000012530 fluid Substances 0.000 claims description 32
- 239000004576 sand Substances 0.000 claims description 30
- 239000010779 crude oil Substances 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 15
- 238000012986 modification Methods 0.000 claims description 13
- 230000004048 modification Effects 0.000 claims description 13
- 238000005553 drilling Methods 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000010187 selection method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 18
- 238000009826 distribution Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 5
- 235000014676 Phragmites communis Nutrition 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 6
- 244000273256 Phragmites communis Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000704 physical effect Effects 0.000 description 5
- 235000021185 dessert Nutrition 0.000 description 4
- 244000081757 Phalaris arundinacea Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Agronomy & Crop Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了基于储层与工程因素分析的页岩油水平井产能计算方法,涉及油田开发地质技术领域。步骤包括:确定页岩油已开发水平井产能数据;优选典型井并建立产能影响因素的数据集;分析影响产能的地质因素,确定其主控因素,并明确主控地质因素与产能之间的关系;分析影响产能的工程因素,确定其主控因素,并明确主控工程因素与产能之间的变化关系;构建水平井产能评价指数,依据地质主控因素、工程主控因素与产能的相关关系,构建页岩油水平井产能评价指数;建立水平井产能计算模型;产能预测与现场应用。本发明准确预测不同储层类型、不同压裂参数下水平井的产能,并给出累积产油量的平面分布特征,为页岩油的高效率、低成本开发提供技术支撑。
Description
技术领域
本发明涉及油田开发地质技术领域,更具体的说是涉及一种基于储层与工程因素分析的页岩油水平井产能计算方法。
背景技术
产能是评价油气井生产能力的重要指标,可以有效判断每口井是否具有经济开采潜力,无论对于直井还是水平井,产能的准确计算和预测都是油藏开发中的一项重要工作。目前,对于采用直井方式开发的油气生产井,国内外学者在产能的地质模型和控制因素等方面均进行了深入研究,形成了成熟的计算方法;然而,由于水平井与直井在井眼环境、流体渗流、地层各向异性上存在较大差异,直井产能的预测模型不能直接应用到水平井中。众所周知,为了增加储层的卸油面积,提高孔隙流体的渗流能力,非常规油气藏的开发基本上采用“水平井+体积压裂”的方式进行,因此,影响非常规储层水平井产能的因素不仅包括储层静态地质参数,而且与压裂工程条件密切相关,页岩油作为非常规油气藏的一种重要资源类型,其产能计算模型的建立也必须考虑基础地质与压裂工程两方面的因素。
目前,页岩油水平井的产能预测主要分为两大类:一是油藏动态方法;二是储层静态方法。油藏动态方法主要依据井筒流体渗流力学的理论,结合生产动态资料、井筒设计参数和压裂施工数据,应用渗流模型预测水平井的产能,该方法虽然可以实时监测油气产量数据,但是测量成本比较高,可操作性不强。储层静态方法主要依据各种测井曲线的测量结果,结合单井油气生产数据和岩心分析化验资料,在明确水平井产能地质和储层影响因素的基础上,建立基于测井曲线的水平井产能计算模型,进而对页岩油其他水平井的产能进行预测,该方法虽然成本较低,可操作性也比较强,但是缺少对压裂工程因素的考虑,而水平井的压裂方式和压裂结果对非常规油气的产能有着重要的控制作用。
对现有的水平井进行地质和工程因素分析,针对待预测水平井的产能、地质因素、工程因素进行全方位评估是本领域技术人员亟需解决的问题。
因此,本发明针对非常规的页岩油储层,基于已开发水平井的各种资料,分析影响其产能的储层地质和压裂工程等因素,确定不同影响因素的表征参数,进而构造产能评价指数,最终建立多因素综合约束的页岩油水平井产能计算模型,准确预测单井的产油能力,为油藏的高效、科学、低成本开发提供地质依据。
发明内容
有鉴于此,本发明提供了一种基于储层与工程因素分析的页岩油水平井产能计算方法,达到了明确影响页岩油水平井产能的储层地质与压裂工程等因素,进而优选相应的表征参数建立多因素约束的产能计算模型,提高页岩油水平井产能预测精度的目的。
为了实现上述目的,本发明采用如下技术方案:
基于储层与工程因素分析的页岩油水平井产能计算方法,具体步骤包括:
获取页岩油已开发水平井中的水平井产能;
在所述页岩油已开发水平井中选择出典型水平井,建立所述典型水平井地质参数、工程参数与产能之间的数据集,其中,地质参数与产能之间的数据集为地质数据集、工程参数与产能之间的数据集为工程数据集;
根据地质数据集中地质因素对水平井产能的影响权重获得地质主控因素,并确定地质主控因素与水平井产能之间的地质-产能函数关系;
根据工程数据集中工程因素对水平井产能的影响权重获得工程主控因素,并确定工程主控因素与水平井产能之间的工程-产能函数关系;
根据所述地质-产能函数关系和所述工程-产能函数关系使用数学模型构建水平井产能评价指数;
将水平井产能评价指数与所选典型井的产能数据进行拟合建立水平井产能计算模型;
通过水平井产能计算模型进行页岩油产能的定量预测与现场应用。
获取所述水平井产能具体方法包括:
基于研究区的所述页岩油已开发水平井,获得所述页岩油已开发水平井半年或一年累产油量的日平均值作为水平井产能。
所述典型水平井的选择方法包括:
在所述页岩油已开发水平井中选择出开采时间大于半年并且水平段的钻遇率大于95%的所述典型水平井。
所述地质数据集包括产能数据、储层地质、流体性质,所述工程数据集包括产能数据、压裂工程参数。
获得所述地质主控因素的方法包括:
基于所述地质数据集利用交会图、多因素分析、数据挖掘方法得到地质因素对水平井产能的地质影响权重;
根据地质影响权重得到地质因素中的地质主控因素。
获得所述工程主控因素的方法包括:
基于所述工程数据集利用交会图、多因素分析、数据挖掘方法得到工程因素对水平井产能的工程影响权重;
根据工程影响权重得到工程因素中的工程主控因素。
构建水平井产能评价指数的方法包括:
页岩油藏构建水平井产能评价指数公式的形式根据所述地质主控因素和所述工程主控因素的分析结果进行调整;
分析结果中的地质主控因素包括孔隙度、含油饱和度、原状地层电阻率、原油黏度;分析结果中的工程主控因素包括加砂强度、压裂液量、水平段改造长度,水平井产能评价指数计算公式具体如下:
式中:PCI表示水平井产能评价指数;So表示含油饱和度;Rt表示页岩储层原状地层电阻率;φ表示孔隙度;Bs表示加砂强度;Fl表示压裂液量;L表示水平段改造长度;μ表示原油黏度。
所述水平井产能计算模型为线性拟合公式,所述线性拟合公式具体如下:
PC=a*PCI+b (2);
式中:PC表示水平井产能;PCI表示水平井产能评价指数;a、b表示拟合的公式系数。
或所述水平井产能计算模型为指数拟合公式,所述指数拟合公式具体如下:
PC=a*eb*PCI+c (3);
式中:PCI表示水平井产能评价指数;a、b、c表示拟合的公式系数。
所述页岩油产能的定量预测与现场应用的方法包括:
利用建立的水平井产能计算模型对页岩油水平井的产能进行计算,对水平井的单井累计产油量进行预测;通过水平段改造长度、加砂强度、压裂液量的参数变化对页岩油水平井产能预测的影响,选出最佳的压裂施工参数,根据压裂施工参数对水平井进行压裂改造。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于储层与工程因素分析的页岩油水平井产能计算方法,从而可以得到以下有益效果:
1、通过对现有水平井的地质-产能函数关系和工程-产能函数关系使用数学模型构建水平井产能评价指数计算公式,将水平井产能评价指数与地质数据集、工程数据集进行拟合得到计算公式,可以准确预测不同储层类型、不同压裂参数下水平井的产能,并给出累积产油量的平面分布特征,为页岩油的高效率、低成本开发提供了技术支撑。
2、典型井的优选针对页岩油不同的开发区域尽可能多的选择符合条件的生产井,确保了建模数据能够兼顾特殊性与普遍性的原则。
3、在分析影响水平井产能储层地质和压裂工程等两方面因素的基础上,确定其主控因素并优选相应的表征参数,建立多因素约束的页岩油水平井产能定量计算模型,可以准确计算水平井的产能数据,预测单井累计产油量,大幅度提高了页岩油水平井产能评价的精度,为页岩油水平井的优化部署和压裂改造方案的合理设计提供了地质依据。
4、以页岩油已生产的水平井资料为基础,分析压裂施工后稳定的产能数据与储层特征和流体性质之间的相关性,确定其主控因素;其次,分析产能数据与压裂工程参数之间的相关性,明确其主控因素。在此基础上,优选能够表征储层与工程两方面主控因素的参数,构造产能评价指数,建立多因素约束的产能计算模型,为页岩油水平井产能的准确预测提供技术支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本发明的流程示意图;
图2为本发明的页岩油水平井产能储层地质因素分析图,其中图2(a)所示为产能与原状地层电阻率交会图、图2(b)所示为产能与补偿密度交会图、图2(c)所示为产能与原油黏度交会图;
图3为本发明的页岩油水平井产能压裂工程因素分析图,其中图3(a)所示为产能与加砂强度交会图、图3(b)所示为产能与压裂液量交会图、图3(c)所示为产能与水平段改造长度交会图;
图4为本发明的页岩油水平井产能评价指数与产能交会图;
图5为本发明的芦草沟组页岩油甜点层位产能评价与储量丰度平面图,其中图5(a)所示为PCI指数平面分布图、图5(b)所示为PCI预测累产油量平面分布图、图5(c)所示为储量丰度平面分布图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明实施例公开了一种基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,具体步骤包括:
获取页岩油已开发水平井中的水平井产能;
在页岩油已开发水平井中选择出典型水平井,建立典型水平井地质参数、工程参数与产能之间的数据集,其中,地质参数与产能之间的数据集为地质数据集、工程参数与产能之间的数据集为工程数据集;
根据地质数据集中地质因素对水平井产能的影响权重获得地质主控因素,并确定地质主控因素与水平井产能之间的地质-产能函数关系;
根据工程数据集中工程因素对水平井产能的影响权重获得工程主控因素,并确定工程主控因素与水平井产能之间的工程-产能函数关系;
根据地质-产能函数关系和工程-产能函数关系使用数学模型构建水平井产能评价指数;
将水平井产能评价指数与所选典型井的产能数据进行拟合建立水平井产能计算模型;
通过水平井产能计算模型进行页岩油产能的定量预测与现场应用。
获取水平井产能具体方法包括:
基于研究区页岩油已开发水平井,获得水平井半年或一年累产油量的日平均值作为水平井产能。
进一步的,对于页岩油水平井的开发,当储层水平段压裂施工完成后,由于地层压力系数较高以及人工裂缝开启程度较好的原因,初期水平井的产能会比较高,一般会形成1~2个月的高产期;当高产期结束后,地层压力系数下降,裂缝开启程度和分布范围也趋于稳定,这时水平井的产能变化幅度特别小,此时的产能数据可以代表该井真实的生产能力。因此,对于页岩油水平井产油能力的评价,一般会选择半年或者1年累产油量的日平均值作为水平井产能数据,用于产能计算模型的建立。
典型水平井的选择方法包括:
在页岩油已开发水平井中选择出开采时间大于半年并且水平段的钻遇率大于95%的典型水平井。
进一步的,建立产能数据与储层地质和压裂工程参数之间的对应关系,就必须选择一些已开发的生产井作为分析的依据,页岩油典型井的优选必须符合以下三个原则,一是单井的开采时间至少超过半年,并且原油日产量已经稳定;二是在油藏的不同区域尽可能多的选择生产井,以便所选井能够覆盖整个页岩油的储层特征,确保建模数据能够兼顾特殊性与普遍性的原则;三是水平段的钻遇率必须达到95%以上,当水平段的长度一定时,钻遇率越高,页岩油储层的卸油面积越大,其产量才能真实反映该水平井的产能,而当钻遇率太低时,大部分井筒在非储层段,其产量不能真实反映该水平井的产能。
地质数据集包括产能数据、储层地质、流体性质,工程数据集包括产能数据、压裂工程参数。
进一步的,根据典型水平井的特征参数和产能数据,分别建立产能数据与储层地质、流体性质之间的地质数据集和产能数据与压裂工程参数之间的工程数据集;
储层地质参数主要包括孔隙度、含油饱和度、页岩厚度、测井曲线等,流体性质参数则主要包括原油黏度、密度、体积系数等,储层压裂工程参数主要包括加砂强度、压裂液量、水平段改造长度、裂缝长度和宽度等。
获得地质主控因素的方法包括:
基于地质数据集利用交会图、多因素分析、数据挖掘方法得到地质因素对水平井产能的地质影响权重;
根据地质影响权重得到地质因素中的地质主控因素。
进一步的,通过建立的页岩油水平井产能与储层地质、流体性质之间的数据集,利用交会图、多因素分析、数据挖掘等方法研究不同参数对水平井产能的影响权重,确定其主控因素,并明确地质主控因素的不同参数与水平井产能之间的变化关系。
获得工程主控因素的方法包括:
基于工程数据集利用交会图、多因素分析、数据挖掘方法得到工程因素对水平井产能的工程影响权重;
根据工程影响权重得到工程因素中的工程主控因素。
进一步的,通过建立的页岩油水平井产能与压裂工程之间的数据集,利用交会图、多因素分析、数据挖掘等方法研究不同参数对水平井产能的影响权重,确定其主控因素,并明确工程主控因素的不同参数与产能之间的变化关系。
构建水平井产能评价指数的方法包括:
页岩油藏构建水平井产能评价指数公式的形式根据地质主控因素和工程主控因素的分析结果进行调整;
分析结果中的地质主控因素包括孔隙度、含油饱和度、原状地层电阻率、原油黏度;分析结果中的工程主控因素包括加砂强度、压裂液量、水平段改造长度,水平井产能评价指数计算公式具体如下:
式中:PCI表示水平井产能评价指数;So表示含油饱和度;Rt表示页岩储层原状地层电阻率;φ表示孔隙度;Bs表示加砂强度;Fl表示压裂液量;L表示水平段改造长度;μ表示原油黏度。
进一步的,对于水平井产能评价指数(PCI)的构建:在确定了影响页岩油水平井产能的地质和工程两方面主控因素的基础上,选择不同因素的定量表征参数,依据数学模型构建产能评价指数,一般情况下,不同的油藏类型其产能的主控因素可能会有差别。例如,对于某个页岩油储层,通过对地质主控因素和工程主控因素的综合研究,影响页岩油水平井产能的储层地质主控因素包括孔隙度、含油饱和度、原状地层电阻率、原油黏度等;而影响页岩油水平井产能的压裂工程主控因素包括加砂强度、压裂液量、水平段改造长度等。依据7个影响参数与产能的变化关系,构建页岩油水平井产能评价指数,具体计算公式如下:
式中:PCI—水平井产能评价指数,无量纲;So—含油饱和度,%;Rt—页岩储层原状地层电阻率,Ω·m;φ—孔隙度,%;Bs—加砂强度,m3/m;Fl—压裂液量,m3;L-水平段改造长度,m;μ—原油黏度,mPa·s。
水平井产能评价指数包含了储层地质和压裂工程两方面的主要控制参数,对于储层地质参数,当含油饱和度和原状地层电阻率越大、孔隙度越高,说明页岩储层的含油丰度越高,物质基础越好,三个参数与PCI指数呈现正相关的变化趋势;而原油黏度越大,则地层条件下页岩油的渗流性也越差,与PCI指数呈现负相关的变化趋势。对于压裂工程参数,当压裂液量和加砂强度越大,说明压裂施工的效果越好,裂缝的立体空间展布越广,颗粒对裂缝的支撑作用也越好,页岩油的渗流性会得到很大改善;另外,对于相同的页岩油储层,当水平段压裂改造越长,储层的卸油面积也就越大,会增加页岩油的有效渗流体积。因此,三个压裂施工参数均与PCI指数呈现正相关的变化趋势。由此可见,PCI指数越大,页岩油水平井的产能潜力也越高;然而,对于不同的页岩油储层,由于影响产能的储层地质和压裂工程两方面的主控因素可能有区别,因此,PCI指数的公式形式也就相应地需要进行调整。
水平井产能计算模型为线性拟合公式,线性拟合公式具体如下:
PC=a*PCI+b (2);
式中:PC表示水平井产能;PCI表示水平井产能评价指数;a、b表示拟合的公式系数。
或水平井产能计算模型为指数拟合公式,指数拟合公式具体如下:
PC=a*eb*PCI+c (3);
式中:PCI表示水平井产能评价指数;a、b、c表示拟合的公式系数。
进一步的,水平井产能计算模型建立:在产能评价指数计算模型建立的基础上,依据评价指数与产能的对应数据集,回归拟合页岩油水平井产能的计算公式,由于不同的页岩油储层本身性质的差异,最终拟合公式的形式可能会不同。常见的计算公式有以下两种:
线性拟合公式
PC=a*PCI+b (2)
指数拟合公式
PC=a*eb*PCI+c (3)
式中:PC—水平井产能,t/d;PCI—水平井产能评价指数,无量纲;a、b、c—拟合的公式系数。
产能预测与现场应用的方法包括:
利用建立的水平井产能计算模型对页岩油水平井的产能进行计算,对水平井的单井累计产油量进行预测;通过水平段改造长度、加砂强度、压裂液量等不同参数的变化对页岩油水平井产能预测的影响,选出最佳的压裂施工参数,根据压裂施工参数对水平井进行压裂改造,提高页岩油的渗流能力和动用程度。
进一步的,产能预测与现场应用:利用建立的模型对页岩油水平井的产能进行计算和预测,在页岩油储层条件一定的前提下,可以评价不同水平段改造长度、不同加砂强度、不同压裂液量等条件下页岩油水平井的产能情况;并可以预测不同开发时期内单井的累计产油量,优选最佳的压裂施工参数,为水平井压裂改造方案的合理设计提供技术支持,为水平井井位的优化部署提供地质依据,进而大幅度提高页岩油的开发效益。
下面结合具体实施例对本发明作进一步说明:
参照图1、图2、图3、图4、图5所示,一种基于储层与工程因素分析的页岩油水平井产能计算方法,主要包括以下步骤:
(1)页岩油已开发水平井产能确定:以吉木萨尔凹陷芦草沟组陆相页岩油为例,该油藏自2011年在吉25直井中首次获得工业油流后,经过10余年的立体开发,已成为中国首个国家级陆相页岩油规模建产示范区。吉木萨尔陆相页岩油水平井一般高产期为1个月(30天)左右,高产期过后,原油产量趋于稳定,因此,选择单井生产1年累产油量的日平均值作为产能指标,进行产能定量计算模型的建立。
(2)典型井的优选:按照确定的三个原则优选页岩油水平井,建立产能数据与储层地质和压裂工程参数之间的对应数据集(表1),在油藏的不同区域共计选择了17口生产井,累计产油天数均达到365天,可以确定每口井1年的稳定产能数据,作为指标参数进行产能控制因素的分析;另外,依据水平段储层钻遇率的判断标准,当钻遇率小于95%时,页岩油储层的卸油面积会变小,其产量不能真实反映该水平井的产能,在17口井中有四口井的钻遇率小于65%,井号分别为014~017,因此,这四口井的数据不参与产能计算模型的建立。
表1页岩油水平井产能影响因素分析数据集
(3)影响产能的储层地质因素分析:步骤(2)中建立了13口页岩油水平井产能与储层地质和流体性质之间的数据集,由于岩心分析资料有限,储层参数用测井曲线来间接表征,利用交会图和线性拟合的方法分析不同参数对产能的影响权重。由于储层含油性在测井曲线的响应特征主要体现在电性上,因而利用原状地层电阻率表示页岩油的含油性,原状地层电阻率与水平井产能呈线性正相关,相关系数的平方达到0.8321(图2a),随着电阻率变大,储层含油性变好,水平井产能增大。储层物性也是影响产能的重要因素,利用补偿密度测井曲线表征有效孔隙度,补偿密度与水平井产能呈线性负相关,相关系数的平方达到0.6838(图2b),随着补偿密度增大,储层物性变差,水平井产能降低。原油黏度会影响孔隙流体的渗流能力,进而影响水平井的产能,原油黏度与水平井产能呈线性负相关(图2c),随着原油黏度增加,水平井产能降低,但是在低黏区,原油黏度对产能的影响比较小,高黏原油对产能的影响则比较大。因此,通过对所有参数的综合分析,页岩油水平井产能的储层地质主控因素包括原状地层电阻率、补偿密度和原油黏度等。
(4)影响产能的压裂工程因素分析:步骤(2)中建立了13口页岩油水平井产能与压裂工程参数之间的数据集,利用交会图和线性拟合的方法分析不同参数对产能的影响权重。在页岩油储层物性和含油性基本相近的情况下,加砂强度可以表征人工裂缝形成的规模和有效性,加砂强度越大,说明进入储层的砂量越多,对裂缝的支撑越有效,进而改善页岩油的渗流通道,产能也就越高,加砂强度与水平井产能呈线性正相关,相关系数的平方达到0.6766(图3a),随着加砂强度增加,人工裂缝规模越大,有效性越好,水平井产能越高。压裂液的注入量与水平井的产能也具有一定的相关性,随着压裂液量的增加,水平井产能逐渐升高,两者相关系数的平方为0.4342(图3b),说明压裂液量对水平井的产能具有一定的影响。水平段的改造长度只能说明储层被人工改造过的具体尺寸,而储层的物性、含油性、渗流性以及加砂强度等参数有可能相差比较大,导致产能差异较大,整体上水平段改造长度与水平井产能呈线性正相关,但是两者的相关性不是很好(图3c),说明该工程参数对产能有影响,但控制作用有限。因此,通过对所有参数的综合分析,页岩油水平井产能的压裂工程主控因素包括加砂强度、压裂液量和水平段改造长度等。
(5)水平井产能评价指数(PCI)构建:通过步骤(3)和(4)的分析可知,控制吉木萨尔芦草沟组页岩油水平井产能的主控因素有6个,储层地质因素3个,压裂工程因素3个,其中,原状地层电阻率、加砂强度、压裂液量和水平段改造长度等4个参数与产能呈线性正相关的变化趋势,而补偿密度和原油黏度等2个参数与产能呈线性负相关的变化趋势。依据6个控制参数与产能的相关关系,构建芦草沟组页岩油水平井产能评价指数,具体计算公式如下:
式中:PCI—水平井产能评价指数,无量纲;Rt—页岩储层原状地层电阻率,Ω·m;Bs—加砂强度,m3/m;Fl—压裂液量,m3;L-水平段改造长度,m;μ—原油黏度,m3/m;ρ—补偿密度,g/cm3。
(6)水平井产能计算模型建立:在产能评价指数计算模型建立的基础上,依据评价指数与产能的对应数据集,建立两者的交会图(图4),进而回归拟合芦草沟组页岩油水平井产能的计算模型,具体公式如下:
PC=1.2709*lgPCI+1.6152
R2=0.8424 (2)
式中:PC—页岩油水平井产能,t/d;PCI—水平井产能评价指数,无量纲。
(7)产能预测与现场应用:利用建立的模型对芦草沟组陆相页岩油水平井的产能进行计算,确定不同开发时期内单井的累计产油量,并对不同水平段改造长度、不同加砂强度、不同压裂液量等条件下页岩油水平井的产能进行预测评价,优选最佳的压裂施工参数,为水平井压裂改造方案的合理设计提供技术支持,为水平井位的优化部署提供地质依据,进而大幅度提高页岩油的开发效益。
利用本实例建立的产能计算方法对吉木萨尔凹陷芦草沟组陆相页岩油水平井的产能进行综合评价,取得了很好的应用效果,产能计算模型可以准确预测页岩油水平段的产油能力。通过对2021年以来已开发新井的产能进行计算,并利用实际生产数据进行验证,模型计算的相对误差均控制在8%以内,达到了产能评价的精度要求,可以为水平井的科学设计提供准确的技术参数。在芦草沟组所有水平井单井产能计算的基础上,制作甜点层位产能评价指数(PCI)和预测累产油量的平面分布图(图5a、b),结合储量丰度平面分布图(图5c),可以明确页岩油水平井优先部署的区域。首先,研究区西北部PCI指数和基于PCI指数的预测累产油量均比较高,说明储层物性和含油性比较好,并且西北区域的储量丰度也比较大,具有很好的油气物质基础,是页岩油开发和水平井部署的有利区域。其次,研究区西南区域的PCI指数、预测累产油量和储量丰度的分布特征均与西北部类似,不过区域面积相对较小,同样是页岩油下步开发的有利区域。
在芦草沟组页岩油有利部署区域确定的基础上,依据建立的产能计算模型对不同油藏分区水平井压裂设计的最优参数进行评价,其中,西北区和西南区的甜点层位作为Ⅰ类油藏区,其他区域的甜点层位作为Ⅱ类油藏区。对于两类油藏区的开发,如果分别部署1500m和1700m两种长度的水平井,在加砂强度不同的情况下,预测水平井的产能和累积产油量。对于1500m水平段、2.0m3/m的加砂强度,Ⅰ类区预测产能24.2t/d,10年累产油量2.9万吨;而2.75m3/m的加砂强度,Ⅰ类区预测产能32.7t/d,10年累产油量3.86万吨。对于1700m水平段、2.0m3/m的加砂强度,Ⅰ类区预测产能29.2t/d,10年累产油量3.15万吨;而2.75m3/m的加砂强度,Ⅰ类区预测产能39.4t/d,10年累产油量4.65万吨(表2)。依据预测出的产能结果,针对不同的水平段设计长度,结合压裂施工的经济有效性,可以优选页岩油不同油藏分区最佳的压裂施工参数,为压裂改造方案的合理设计提供优化参数,最终保证芦草沟组陆相页岩油的高效开发。
表2芦草沟组页岩油不同水平段长度及加砂强度的产能预测结果表
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同、相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,具体步骤包括:
获取页岩油已开发水平井中的水平井产能;
在所述页岩油已开发水平井中选择出典型水平井,建立所述典型水平井地质参数、工程参数与产能之间的数据集,其中,地质参数与产能之间的数据集为地质数据集、工程参数与产能之间的数据集为工程数据集;
根据所述地质数据集中地质因素对水平井产能的影响权重获得地质主控因素,并确定地质主控因素与水平井产能之间的地质-产能函数关系;
根据所述工程数据集中工程因素对水平井产能的影响权重获得工程主控因素,并确定工程主控因素与水平井产能之间的工程-产能函数关系;
根据所述地质-产能函数关系和所述工程-产能函数关系使用数学模型构建水平井产能评价指数;
将水平井产能评价指数与所选典型井的产能数据进行拟合建立水平井产能计算模型;
通过水平井产能计算模型进行页岩油产能的定量预测与现场应用。
2.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
获取所述水平井产能具体方法包括:
基于研究区的所述页岩油已开发水平井,获得所述页岩油已开发水平井半年或一年累产油量的日平均值作为水平井产能。
3.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
所述典型水平井的选择方法包括:
在所述页岩油已开发水平井中选择出开采时间大于半年并且水平段的钻遇率大于95%的所述典型水平井。
4.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
所述地质数据集包括产能数据、储层地质、流体性质,所述工程数据集包括产能数据、压裂工程参数。
5.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
获得所述地质主控因素的方法包括:
基于所述地质数据集利用交会图、多因素分析、数据挖掘方法得到地质因素对水平井产能的地质影响权重;
根据地质影响权重得到地质因素中的地质主控因素。
6.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
获得所述工程主控因素的方法包括:
基于所述工程数据集利用交会图、多因素分析、数据挖掘方法得到工程因素对水平井产能的工程影响权重;
根据工程影响权重得到工程因素中的工程主控因素。
8.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
所述水平井产能计算模型为线性拟合公式,所述线性拟合公式具体如下:
PC=a*PCI+b (2);
式中:PC表示水平井产能;PCI表示水平井产能评价指数;a、b表示拟合的公式系数。
9.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
所述水平井产能计算模型为指数拟合公式,所述指数拟合公式具体如下:
PC=a*eb*PCI+c (3);
式中:PCI表示水平井产能评价指数;a、b、c表示拟合的公式系数。
10.根据权利要求1所述的基于储层与工程因素分析的页岩油水平井产能计算方法,其特征在于,
所述页岩油产能的定量预测与现场应用的方法包括:
利用建立的水平井产能计算模型对页岩油水平井的产能进行计算,对水平井的单井累计产油量进行预测;通过水平段改造长度、加砂强度、压裂液量的参数变化对页岩油水平井产能预测的影响,选出最佳的压裂施工参数,根据压裂施工参数对水平井进行压裂改造。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988361.6A CN115330060A (zh) | 2022-08-17 | 2022-08-17 | 基于储层与工程因素分析的页岩油水平井产能计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988361.6A CN115330060A (zh) | 2022-08-17 | 2022-08-17 | 基于储层与工程因素分析的页岩油水平井产能计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115330060A true CN115330060A (zh) | 2022-11-11 |
Family
ID=83924498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210988361.6A Pending CN115330060A (zh) | 2022-08-17 | 2022-08-17 | 基于储层与工程因素分析的页岩油水平井产能计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330060A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587674A (zh) * | 2022-11-15 | 2023-01-10 | 东北石油大学 | 油藏改建储气库扩容达产过程气井动态产能预测方法 |
CN117077573A (zh) * | 2023-10-16 | 2023-11-17 | 西安石油大学 | 一种页岩油储层压裂缝网形态的定量表征方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965979A (zh) * | 2015-06-16 | 2015-10-07 | 中国石油化工股份有限公司 | 一种致密砂岩有效储层识别方法 |
CN109492860A (zh) * | 2018-09-26 | 2019-03-19 | 中国石油天然气股份有限公司 | 一种基于气井产能的致密砂岩储层多参数定量评价方法 |
CN112196513A (zh) * | 2020-09-29 | 2021-01-08 | 中石化石油工程技术服务有限公司 | 基于水平井轨迹评价的龙马溪组页岩气井产能预测方法 |
CN112228052A (zh) * | 2020-10-30 | 2021-01-15 | 中国石油天然气股份有限公司 | 一种页岩、致密岩油气产能预测方法、评价方法及系统 |
CN112561144A (zh) * | 2020-12-07 | 2021-03-26 | 西安石油大学 | 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 |
CN112561356A (zh) * | 2020-12-21 | 2021-03-26 | 西安石油大学 | 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 |
CN113705917A (zh) * | 2021-09-02 | 2021-11-26 | 西南石油大学 | 一种致密油藏压裂水平井初期产能预测方法 |
-
2022
- 2022-08-17 CN CN202210988361.6A patent/CN115330060A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965979A (zh) * | 2015-06-16 | 2015-10-07 | 中国石油化工股份有限公司 | 一种致密砂岩有效储层识别方法 |
CN109492860A (zh) * | 2018-09-26 | 2019-03-19 | 中国石油天然气股份有限公司 | 一种基于气井产能的致密砂岩储层多参数定量评价方法 |
CN112196513A (zh) * | 2020-09-29 | 2021-01-08 | 中石化石油工程技术服务有限公司 | 基于水平井轨迹评价的龙马溪组页岩气井产能预测方法 |
CN112228052A (zh) * | 2020-10-30 | 2021-01-15 | 中国石油天然气股份有限公司 | 一种页岩、致密岩油气产能预测方法、评价方法及系统 |
CN112561144A (zh) * | 2020-12-07 | 2021-03-26 | 西安石油大学 | 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 |
CN112561356A (zh) * | 2020-12-21 | 2021-03-26 | 西安石油大学 | 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 |
CN113705917A (zh) * | 2021-09-02 | 2021-11-26 | 西南石油大学 | 一种致密油藏压裂水平井初期产能预测方法 |
Non-Patent Citations (1)
Title |
---|
孙敬等: "大数据挖掘技术评价致密气藏水平井产能", 《特种油气藏》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587674A (zh) * | 2022-11-15 | 2023-01-10 | 东北石油大学 | 油藏改建储气库扩容达产过程气井动态产能预测方法 |
CN117077573A (zh) * | 2023-10-16 | 2023-11-17 | 西安石油大学 | 一种页岩油储层压裂缝网形态的定量表征方法及系统 |
CN117077573B (zh) * | 2023-10-16 | 2024-01-26 | 西安石油大学 | 一种页岩油储层压裂缝网形态的定量表征方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109441422B (zh) | 一种页岩气井间距优化开采方法 | |
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 | |
CN110321595B (zh) | 一种测井提取静态品质系数的断层封闭性评价方法 | |
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
CN106150477B (zh) | 一种确定缝洞型油藏的单井控制储量的方法 | |
CN115330060A (zh) | 基于储层与工程因素分析的页岩油水平井产能计算方法 | |
CN102707333A (zh) | 页岩气资源量/储量的测量方法 | |
CN110952976B (zh) | 一种气藏开发模式下单井开采稳产潜力评价方法 | |
CN106503834A (zh) | 一种湖相超低孔渗储层致密油甜点区的预测方法 | |
CN110608023B (zh) | 稠油分层注汽的适应性界限分析评价方法 | |
CN105931125B (zh) | 一种致密油分段多簇体积压裂水平井产量预测方法 | |
CN107590550A (zh) | 有关超低渗透储层油田产能评价及预测的方法 | |
CN111706318B (zh) | 一种确定低渗储层剩余油分布状况的方法 | |
CN111927417A (zh) | 一种页岩气分段压裂水平井组储量动用状况评价方法 | |
CN116122801A (zh) | 一种页岩油水平井体积压裂可压性综合评价方法 | |
Tananykhin et al. | Investigation of the influences of asphaltene deposition on oilfield development using reservoir simulation | |
CN103698494B (zh) | 一种确定岩性圈闭含油气饱和度的方法及装置 | |
Hood et al. | Assessing the Mesaverde basin-centered gas play, Piceance Basin, Colorado | |
Sun et al. | Characteristics and prediction of weathered volcanic rock reservoirs: A case study of Carboniferous rocks in Zhongguai paleouplift of Junggar Basin, China | |
CN114109374B (zh) | 页岩气储层靶窗位置的确定方法及装置 | |
CN111101930B (zh) | 一种气藏开发模式下单井开采提产潜力评价方法 | |
QiulinGuo et al. | Predicting the distribution of the tight sandstone gas in the Hechuan play, Sichuan Basin, China | |
Zhou et al. | Numerical simulation of two-phase flow in glutenite reservoirs for optimized deployment in horizontal wells | |
Li et al. | Three-dimensional reservoir architecture modeling by geostatistical techniques in BD block, Jinhu depression, northern Jiangsu Basin, China | |
Lyster | Quantification of uncertainty in shale gas resource estimates |
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 |