CN115422789A - 一种考虑全过程优化断块油藏水驱采收率预测方法及系统 - Google Patents

一种考虑全过程优化断块油藏水驱采收率预测方法及系统 Download PDF

Info

Publication number
CN115422789A
CN115422789A CN202211384610.7A CN202211384610A CN115422789A CN 115422789 A CN115422789 A CN 115422789A CN 202211384610 A CN202211384610 A CN 202211384610A CN 115422789 A CN115422789 A CN 115422789A
Authority
CN
China
Prior art keywords
oil reservoir
recovery ratio
water drive
fault block
water
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
Application number
CN202211384610.7A
Other languages
English (en)
Other versions
CN115422789B (zh
Inventor
侯健
刘帅
周康
杜庆军
刘永革
韦贝
安志斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Shandong University of Science and Technology
Original Assignee
China University of Petroleum East China
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China, Shandong University of Science and Technology filed Critical China University of Petroleum East China
Priority to CN202211384610.7A priority Critical patent/CN115422789B/zh
Publication of CN115422789A publication Critical patent/CN115422789A/zh
Priority to US18/067,793 priority patent/US20240152672A1/en
Application granted granted Critical
Publication of CN115422789B publication Critical patent/CN115422789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
    • E21B43/16—Enhanced recovery methods for obtaining hydrocarbons
    • E21B43/20—Displacing by water
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Fluid Mechanics (AREA)
  • Geology (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种考虑全过程优化断块油藏水驱采收率预测方法及系统，包括：确定断块油藏水驱采收率的影响因素；筛选断块油藏水驱采收率的主控参数；确定断块油藏水驱采收率与主控参数的单因素相关关系；设计多因素正交试验方案；针对每个试验方案，以水驱采收率最大为目标，进行分层注采、井型转换、注采调整等全过程水驱优化，获取最大水驱采收率值；基于正交试验全过程优化结果，采用最小二乘法拟合确定断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。本发明能更准确的预测断块油藏水驱采收率，对于评价认识断块油藏水驱老油田开发潜力及合理制定开发优化方案具有重要意义，可有效辅助矿场做优规划部署。

Description

一种考虑全过程优化断块油藏水驱采收率预测方法及系统
技术领域
本发明属于油气田开发技术领域，具体涉及一种考虑全过程优化断块油藏水驱采收率预测方法及系统。
背景技术
断块油藏在我国广泛发育，目前已探明的断块油藏地质储量巨大，极具开发价值。断块油藏地质构造独特，断层发育程度高，油水系统复杂，储层非均质性强，勘探开发难度大。注水开发仍是当前国内外油田应用最广泛的原油开采方式，众多水驱断块油藏开发单元已进入高含水期，各开发单元水驱效果差异巨大，部分可达60%以上，个别不足10%，准确预测不同开发单元水驱采收率是矿场有针对地做优规划调整的关键。目前，水驱采收率预测主要采用岩心分析法、水驱特征曲线法、产量递减法和经验公式法。岩心分析法基于岩心模型驱油实验，由于岩心模型尺寸限制，无法准确模拟断层特征。水驱特征曲线法和产量递减法基于整装油藏水驱开发效果分析，没有考虑断块面积、断层密度、水体倍数等断块油藏特有参数的影响。经验公式法依赖于具体的油藏类型，可推广性有限。因此，现有采收率预测方法无法准确把握断块油藏水驱开发潜力空间，亟需提供一种特别针对断块油藏的水驱采收率预测方法。
发明内容
针对现有技术的不足以及断块油藏开发特点，本发明提出一种考虑全过程优化断块油藏水驱采收率预测方法，以便更准确的预测断块油藏水驱采收率。对于评价认识水驱断块老油田开发潜力及合理制定开发优化方案具有重要意义，可有效辅助矿场做优规划部署。
本发明还提出了一种考虑全过程优化断块油藏水驱采收率预测系统。
术语解释：
1、水驱采收率：油田采用注水驱油方式开发结束时，累积采油量占地质储量的比值。
2、油藏综合含水率：以一个油藏或生产单元为整体计算的所有生产井总产出液量中水所占的比值，表示油藏的整体含水情况。
本发明采用的技术方案为：
一种考虑全过程优化断块油藏水驱采收率预测方法，包括步骤如下：
(1) 确定断块油藏水驱采收率的影响因素
搜集目标区块断块油藏地质信息，结合矿场生产资料确定油藏静态物性参数和生产动态参数；基于断块油藏基本特征及该油藏实际开发情况，确定影响该断块油藏水驱采收率的断块特征参数；
(2) 筛选断块油藏水驱采收率的主控参数
采用单因素分析法，分别改变各影响因素的取值大小，调用水驱数值模拟器计算 断块油藏水驱采收率，采用方差
Figure 734687DEST_PATH_IMAGE001
作为评价影响因素主次的标准，进行影响因素显著度分 析，方差
Figure 789755DEST_PATH_IMAGE001
越大表示影响因素的显著度越高，选择方差大于1的影响因素作为断块油藏水驱 采收率的主控参数；
(3) 确定断块油藏水驱采收率与主控参数的单因素相关关系
采用非线性回归方法，确定断块油藏水驱采收率与各主控参数之间的相关关系，包括：幂函数关系、对数函数关系及多项式函数关系；
(4) 基于主控参数设计多因素正交试验方案
结合断块油藏矿场实际允许的参数取值范围确定每个主控参数的水平个数及取值大小，选取合适的正交试验设计表；
(5) 针对每个正交试验方案进行全过程水驱优化
以水驱采收率最大为目标，在投入生产时刻优化实施分层注采；在油藏综合含水率达到90%时优化实施井型转换；在油藏综合含水率达到95%时优化实施注采调整；
(6) 建立断块油藏水驱采收率预测模型
根据步骤(3)确定的水驱采收率与主控参数的单因素相关关系，确定断块油藏水驱采收率与所有主控参数相关关系模型的公式，基于正交试验全过程优化结果，采用最小二乘法拟合确定断块油藏水驱采收率与所有主控参数相关关系模型的公式的未知参数，从而得到断块油藏水驱采收率预测模型；
（7）求取断块油藏水驱采收率
根据步骤（6）建立的断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。
进一步优选的，步骤（1）中，选取的油藏静态物性参数包括：地下原油粘度
Figure 617028DEST_PATH_IMAGE002
、地层 有效厚度
Figure 918565DEST_PATH_IMAGE003
、渗透率
Figure 358161DEST_PATH_IMAGE004
、层间渗透率级差
Figure 61544DEST_PATH_IMAGE005
、渗透率变异系数
Figure 92342DEST_PATH_IMAGE006
；选取的生产动态参数包括： 井网密度
Figure 146754DEST_PATH_IMAGE007
、采出倍数
Figure 91839DEST_PATH_IMAGE008
；选取的断块油藏特征参数包括：断块面积
Figure 121499DEST_PATH_IMAGE009
、断层密度
Figure 54689DEST_PATH_IMAGE010
与水 体倍数
Figure 35545DEST_PATH_IMAGE011
。
进一步优选的，步骤（2）中，方差
Figure 262348DEST_PATH_IMAGE001
的计算公式如式（
Figure 21881DEST_PATH_IMAGE012
）所示：
Figure 594814DEST_PATH_IMAGE013
（
Figure 361169DEST_PATH_IMAGE012
）
式（
Figure 913635DEST_PATH_IMAGE012
）中，
Figure 383800DEST_PATH_IMAGE001
表示方差；
Figure 661722DEST_PATH_IMAGE014
表示样本个数；
Figure 584548DEST_PATH_IMAGE015
表示某影响因素第
Figure 471863DEST_PATH_IMAGE016
个取值时对应的水 驱采收率，%；
Figure 533885DEST_PATH_IMAGE017
表示
Figure 448620DEST_PATH_IMAGE014
个水驱采收率的平均值，%。
进一步优选的，步骤（3）中，幂函数关系、对数函数关系及多项式函数关系式分别 如式（
Figure 914802DEST_PATH_IMAGE018
）、式（
Figure 107274DEST_PATH_IMAGE019
）、式（
Figure 286451DEST_PATH_IMAGE020
）所示：
Figure 139132DEST_PATH_IMAGE021
（
Figure 773900DEST_PATH_IMAGE018
）
Figure 501554DEST_PATH_IMAGE022
（
Figure 600484DEST_PATH_IMAGE019
）
Figure 624066DEST_PATH_IMAGE023
（
Figure 743201DEST_PATH_IMAGE020
）
式（
Figure 277475DEST_PATH_IMAGE018
）、式（
Figure 667130DEST_PATH_IMAGE019
）、式（
Figure 625728DEST_PATH_IMAGE020
）中，
Figure 8388DEST_PATH_IMAGE024
表示采收率，%；
Figure 48151DEST_PATH_IMAGE017
表示主控参数；
Figure 118744DEST_PATH_IMAGE025
表示函数 关系的待定系数，其中，下标
Figure 454435DEST_PATH_IMAGE026
。
根据本发明优选的，步骤（4）的具体实现过程包括：
首先，基于矿场测试得到的即步骤（1）确定的油藏静态物性参数和断块特征参数分布区间，确定开展正交试验分析所需的各参数取值上限和下限；
其次，根据已开发同类型油藏采用的生产动态参数分布区间，确定所需的生产动态参数取值上限和下限；在正交试验分析中每个参数取若干个水平，各水平取值分别在每个参数的取值上限和下限之间均匀取样；
最后，根据确定的主控参数个数和每个参数的若干个水平取值，确定正交试验设计表，编制多因素正交试验方案。
根据本发明优选的，步骤（5）的具体实现过程包括：
针对每个断块油藏的正交试验方案，在水驱投入生产时刻，将多油层油藏在纵向上划分为两套开发层系，具体为：对多油层的不同组合方式，分别调用水驱油藏数值模拟器进行计算，其中取得最大水驱采收率的方案所对应的多油层组合方式即为优选实施的分层注采方式；
在油藏综合含水率达到90%时，将生产井隔一转换为注水井，即将原生产井排转换为生产井与注水井间隔排列；
在油藏综合含水率达到95%时，以各注水井的注入量和各生产井的采液量为可调变量，分别调用水驱油藏数值模拟器进行计算，其中，水驱采收率取得最大值的方案所对应的各注水井的注入量和各生产井的采液量组合即为优选得到的注采方案。
进一步优选的，步骤（6）中，断块油藏水驱采收率与所有主控参数相关关系模型的 公式如式（
Figure 79320DEST_PATH_IMAGE027
）所示：
Figure 486555DEST_PATH_IMAGE028
（
Figure 116382DEST_PATH_IMAGE027
）
式（
Figure 620044DEST_PATH_IMAGE027
）中，
Figure 702532DEST_PATH_IMAGE024
表示采收率，%；
Figure 585562DEST_PATH_IMAGE029
表示断块面积，km 2；
Figure 834009DEST_PATH_IMAGE030
表示采出倍数；
Figure 308241DEST_PATH_IMAGE031
表示地下原 油粘度，mPa·s；
Figure 235614DEST_PATH_IMAGE032
表示断块密度，条/km 2；
Figure 241045DEST_PATH_IMAGE033
表示渗透率，10-3 µm 2；
Figure 346929DEST_PATH_IMAGE034
表示层间渗透率级差；
Figure 785869DEST_PATH_IMAGE035
表示渗透率变异系数。
一种考虑全过程优化断块油藏水驱采收率预测系统，包括：
断块油藏水驱采收率的影响因素确定模块，被配置为：确定断块油藏水驱采收率的影响因素；
断块油藏水驱采收率的主控参数筛选模块，被配置为：筛选断块油藏水驱采收率的主控参数；
断块油藏水驱采收率与主控参数的单因素相关关系确定模块，被配置为：确定断块油藏水驱采收率与主控参数的单因素相关关系；
多因素正交试验方案设计模块，被配置为：基于主控参数设计多因素正交试验方案；
试验方案全过程水驱优化模块，被配置为：针对每个试验方案进行全过程水驱优化；
断块油藏水驱采收率预测模型建立模块，被配置为：建立断块油藏水驱采收率预测模型；
断块油藏水驱采收率求取模块，被配置为：根据建立的断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。
本发明的有益效果为：
1、通过确定影响水驱采收率的断块特征参数，可以在采收率预测模型中准确反映具有显著影响的断块油藏特征，有效提高预测模型的针对性。
2、通过筛选断块油藏水驱采收率的主控参数，可以把对采收率影响较小的因素排除在预测模型之外，在保证预测精度的同时提高预测模型的简洁性。
3、通过确定水驱采收率与主控参数的单因素相关关系，可以为多因素非线性回归模型的建立提供基础模型，大幅提高水驱采收率预测模型的准确性。
4、通过全过程水驱优化结果建立采收率预测模型，可以真实反映当前经济技术水平条件下矿场能够达到的最终采收率，为矿场做优规划部署提供指导。
附图说明
图1为本发明一种考虑全过程优化断块油藏水驱采收率预测方法的实施流程示意图；
图2为断块油藏水驱采收率预测模型的示意图；
图3为断块油藏水驱采收率预测模型验证结果的示意图。
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，下面将结合说明书附图与具体实施例作进一步详细说明。
实施例1
一种考虑全过程优化断块油藏水驱采收率预测方法，如图1所示，包括步骤如下：
(1) 确定断块油藏水驱采收率的影响因素
搜集目标区块断块油藏地质信息，结合矿场生产资料确定油藏静态物性参数和生产动态参数；基于断块油藏基本特征及该油藏实际开发情况，确定影响该断块油藏水驱采收率的断块特征参数；
(2) 筛选断块油藏水驱采收率的主控参数
采用单因素分析法，分别改变各影响因素的取值大小，调用水驱数值模拟器计算 断块油藏水驱采收率，采用方差
Figure 141152DEST_PATH_IMAGE001
作为评价影响因素主次的标准，进行影响因素显著度分 析，方差
Figure 425372DEST_PATH_IMAGE001
越大表示影响因素的显著度越高，选择方差大于1的影响因素作为断块油藏水驱 采收率的主控参数；
(3) 确定断块油藏水驱采收率与主控参数的单因素相关关系
采用非线性回归方法，确定断块油藏水驱采收率与各主控参数之间的相关关系，包括：幂函数关系、对数函数关系及多项式函数关系；
(4) 基于主控参数设计多因素正交试验方案
结合断块油藏矿场实际允许的参数取值范围确定每个主控参数的水平个数及取值大小，选取合适的正交试验设计表；
(5) 针对每个正交试验方案进行全过程水驱优化
以水驱采收率最大为目标，在投入生产时刻优化实施分层注采；在油藏综合含水率达到90%时优化实施井型转换；在油藏综合含水率达到95%时优化实施注采调整；
(6) 建立断块油藏水驱采收率预测模型
根据步骤(3)确定的水驱采收率与主控参数的单因素相关关系，确定断块油藏水驱采收率与所有主控参数相关关系模型的公式，基于正交试验全过程优化结果，采用最小二乘法拟合确定断块油藏水驱采收率与所有主控参数相关关系模型的公式的未知参数，从而得到断块油藏水驱采收率预测模型；
（7）求取断块油藏水驱采收率
根据步骤（6）建立的断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。
实施例2
根据实施例1所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其区别在于：
步骤（1）中，搜集M断块油藏目标区块地质信息，结合矿场生产资料确定油藏静态物性参数和生产动态参数；基于断块油藏基本特征及该油藏实际开发情况，确定影响该断块油藏水驱采收率的断块特征参数。
M断块属于扇形开启断块油藏，地层倾角在2~5°之间，地层上倾方向被两条相交断 层遮挡，向一方敞开，平面形态似扇子。基于矿场资料，结合区块开发特点，选取的油藏静态 物性参数包括：地下原油粘度
Figure 979237DEST_PATH_IMAGE002
、地层有效厚度
Figure 526762DEST_PATH_IMAGE003
、渗透率
Figure 431658DEST_PATH_IMAGE004
、层间渗透率级差
Figure 489875DEST_PATH_IMAGE005
、渗透 率变异系数
Figure 629738DEST_PATH_IMAGE006
；选取的生产动态参数包括：井网密度
Figure 351094DEST_PATH_IMAGE007
、采出倍数
Figure 943618DEST_PATH_IMAGE008
；选取的断块油藏特征 参数包括：断块面积
Figure 369308DEST_PATH_IMAGE009
、断层密度
Figure 98098DEST_PATH_IMAGE010
与水体倍数
Figure 498076DEST_PATH_IMAGE011
。
根据M断块矿场实际数据建立油藏数值模拟模型，模型采用角点网格系统，共划分62×145×5=44950个网格。考虑矿场实际情况，根据断块特点平行于油水边界线进行布井，井网形式采用行列式井网，油藏数值模拟模型如图2所示。
步骤（2）中，方差
Figure 577896DEST_PATH_IMAGE001
的计算公式如式（
Figure 977916DEST_PATH_IMAGE012
）所示：
Figure 626460DEST_PATH_IMAGE013
（
Figure 14584DEST_PATH_IMAGE012
）
式（
Figure 319051DEST_PATH_IMAGE012
）中，
Figure 490139DEST_PATH_IMAGE001
表示方差；
Figure 727609DEST_PATH_IMAGE014
表示样本个数；
Figure 755477DEST_PATH_IMAGE015
表示某影响因素第
Figure 343978DEST_PATH_IMAGE016
个取值时对应的水 驱采收率，%；
Figure 646652DEST_PATH_IMAGE017
表示
Figure 941892DEST_PATH_IMAGE014
个水驱采收率的平均值，%。
断块油藏水驱采收率影响因素及因子主次计算结果如表1所示：
表1
Figure 937002DEST_PATH_IMAGE036
如表1所示，各影响因素的因子主次为：地下原油粘度>采出倍数>渗透率变异系数>渗透率>断块面积>层间渗透率级差>断层密度>水体倍数>井网密度>地层有效厚度。选择方差大于1的影响因素作为断块油藏水驱采收率的主控参数，包括：地下原油粘度、采出倍数、渗透率变异系数、渗透率、断块面积、层间渗透率级差、断层密度。
步骤（3）中，幂函数关系、对数函数关系及多项式函数关系式分别如式（
Figure 935833DEST_PATH_IMAGE018
）、式（
Figure 12505DEST_PATH_IMAGE019
）、 式（
Figure 956059DEST_PATH_IMAGE020
）所示：
Figure 63079DEST_PATH_IMAGE021
（
Figure 357663DEST_PATH_IMAGE018
）
Figure 473912DEST_PATH_IMAGE022
（
Figure 209655DEST_PATH_IMAGE019
）
Figure 549894DEST_PATH_IMAGE023
（
Figure 535037DEST_PATH_IMAGE020
）
式（
Figure 923817DEST_PATH_IMAGE018
）、式（
Figure 351470DEST_PATH_IMAGE019
）、式（
Figure 266205DEST_PATH_IMAGE020
）中，
Figure 475994DEST_PATH_IMAGE024
表示采收率，%；
Figure 462273DEST_PATH_IMAGE017
表示主控参数；
Figure 408495DEST_PATH_IMAGE025
表示函数 关系的待定系数，其中，下标
Figure 90536DEST_PATH_IMAGE026
。
本实施例中，采用非线性回归方法，确定断块油藏水驱采收率与各主控参数之间的相关关系。其中，水驱采收率与渗透率、级差呈幂函数关系；水驱采收率与断块面积、采出倍数、地下原油粘度呈对数函数关系；水驱采收率与变异系数呈二次多项式函数关系；水驱采收率与断层密度呈线性关系。
步骤（4）的具体实现过程包括：首先，基于矿场测试得到的即步骤（1）确定的油藏静态物性参数和断块特征参数分布区间，确定开展正交试验分析所需的各参数取值上限和下限；其次，根据已开发同类型油藏采用的生产动态参数分布区间，确定所需的生产动态参数取值上限和下限；在正交试验分析中每个参数取若干个（5个）水平，各水平取值分别在每个参数的取值上限和下限之间均匀取样；最后，根据确定的主控参数个数和每个参数的若干个（5个）水平取值，确定正交试验设计表，编制多因素正交试验方案。
本实施例中，查找相关研究资料，结合油藏矿场实际参数取值范围确定每个主控参数的水平数为5个，其取值大小如表2所示。
表2
Figure 253533DEST_PATH_IMAGE037
在此基础上，选取7因素5水平正交试验设计表，得到的多因素正交试验方案如表3所示，表3为断块油藏水驱采收率主控参数正交试验方案及全过程优化结果。
表3
Figure 780854DEST_PATH_IMAGE038
Figure 283380DEST_PATH_IMAGE039
步骤（5）的具体实现过程包括：
针对每个断块油藏的正交试验方案，在水驱投入生产时刻，将多油层油藏在纵向上划分为两套开发层系，具体为：对多油层的不同组合方式，分别调用水驱油藏数值模拟器进行计算，其中取得最大水驱采收率的方案所对应的多油层组合方式即为优选实施的分层注采方式；
在油藏综合含水率达到90%时，将生产井隔一转换为注水井，即将原生产井排转换为生产井与注水井间隔排列；
在油藏综合含水率达到95%时，以各注水井的注入量和各生产井的采液量为可调变量，分别调用水驱油藏数值模拟器进行计算，其中，水驱采收率取得最大值的方案所对应的各注水井的注入量和各生产井的采液量组合即为优选得到的注采方案。基于全过程优化得到的断块油藏水驱采收率数值模拟结果如表3所示。
步骤（6）中，断块油藏水驱采收率与所有主控参数相关关系模型的公式如式（
Figure 244645DEST_PATH_IMAGE040
）所 示：
Figure 694605DEST_PATH_IMAGE041
（
Figure 225950DEST_PATH_IMAGE027
）
式（
Figure 444966DEST_PATH_IMAGE027
）中，
Figure 881591DEST_PATH_IMAGE024
表示采收率，%；
Figure 81497DEST_PATH_IMAGE029
表示断块面积，km 2；
Figure 685041DEST_PATH_IMAGE030
表示采出倍数；
Figure 958896DEST_PATH_IMAGE031
表示地下原 油粘度，mPa·s；
Figure 153642DEST_PATH_IMAGE032
表示断块密度，条/km 2；
Figure 44106DEST_PATH_IMAGE033
表示渗透率，10-3 µm 2；
Figure 451341DEST_PATH_IMAGE034
表示层间渗透率级差；
Figure 97480DEST_PATH_IMAGE035
表示渗透率变异系数。
预测模型验证结果如图3所示，拟合优度高达98.95%，说明预测模型的准确率较高。
实施例3
一种考虑全过程优化断块油藏水驱采收率预测系统，包括：
断块油藏水驱采收率的影响因素确定模块，被配置为：确定断块油藏水驱采收率的影响因素；
断块油藏水驱采收率的主控参数筛选模块，被配置为：筛选断块油藏水驱采收率的主控参数；
断块油藏水驱采收率与主控参数的单因素相关关系确定模块，被配置为：确定断块油藏水驱采收率与主控参数的单因素相关关系；
多因素正交试验方案设计模块，被配置为：基于主控参数设计多因素正交试验方案；
试验方案全过程水驱优化模块，被配置为：针对每个试验方案进行全过程水驱优化；
断块油藏水驱采收率预测模型建立模块，被配置为：建立断块油藏水驱采收率预测模型；
断块油藏水驱采收率求取模块，被配置为：根据建立的断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。

Claims (8)

1.一种考虑全过程优化断块油藏水驱采收率预测方法，其特征在于，包括步骤如下：
(1) 确定断块油藏水驱采收率的影响因素
搜集目标区块断块油藏地质信息，结合矿场生产资料确定油藏静态物性参数和生产动态参数；基于断块油藏基本特征及该油藏实际开发情况，确定影响该断块油藏水驱采收率的断块特征参数；
(2) 筛选断块油藏水驱采收率的主控参数
采用单因素分析法，分别改变各影响因素的取值大小，调用水驱数值模拟器计算断块 油藏水驱采收率，采用方差
Figure 962841DEST_PATH_IMAGE001
作为评价影响因素主次的标准，进行影响因素显著度分析，方 差
Figure 69862DEST_PATH_IMAGE001
越大表示影响因素的显著度越高，选择方差大于1的影响因素作为断块油藏水驱采收 率的主控参数；
(3) 确定断块油藏水驱采收率与主控参数的单因素相关关系
采用非线性回归方法，确定断块油藏水驱采收率与各主控参数之间的相关关系，包括：幂函数关系、对数函数关系及多项式函数关系；
(4) 基于主控参数设计多因素正交试验方案
结合断块油藏矿场实际允许的参数取值范围确定每个主控参数的水平个数及取值大小，选取合适的正交试验设计表；
(5) 针对每个正交试验方案进行全过程水驱优化
以水驱采收率最大为目标，在投入生产时刻优化实施分层注采；在油藏综合含水率达到90%时优化实施井型转换；在油藏综合含水率达到95%时优化实施注采调整；
(6) 建立断块油藏水驱采收率预测模型
根据步骤(3)确定的水驱采收率与主控参数的单因素相关关系，确定断块油藏水驱采收率与所有主控参数相关关系模型的公式，基于正交试验全过程优化结果，采用最小二乘法拟合确定断块油藏水驱采收率与所有主控参数相关关系模型的公式的未知参数，从而得到断块油藏水驱采收率预测模型；
（7）求取断块油藏水驱采收率
根据步骤（6）建立的断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。
2.根据权利要求1所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其特征 在于，步骤（1）中，选取的油藏静态物性参数包括：地下原油粘度
Figure 6856DEST_PATH_IMAGE002
、地层有效厚度
Figure 323437DEST_PATH_IMAGE003
、渗 透率
Figure 327690DEST_PATH_IMAGE004
、层间渗透率级差
Figure 838568DEST_PATH_IMAGE005
、渗透率变异系数
Figure 292552DEST_PATH_IMAGE006
；选取的生产动态参数包括：井网密度
Figure 681332DEST_PATH_IMAGE007
、 采出倍数
Figure 6003DEST_PATH_IMAGE008
；选取的断块油藏特征参数包括：断块面积
Figure 258141DEST_PATH_IMAGE009
、断层密度
Figure 671192DEST_PATH_IMAGE010
与水体倍数
Figure 391892DEST_PATH_IMAGE011
。
3.根据权利要求1所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其特征 在于，步骤（2）中，方差
Figure 105158DEST_PATH_IMAGE001
的计算公式如式（
Figure 223418DEST_PATH_IMAGE012
）所示：
Figure 855256DEST_PATH_IMAGE013
（
Figure 585839DEST_PATH_IMAGE012
）
式（
Figure 120988DEST_PATH_IMAGE012
）中，
Figure 439843DEST_PATH_IMAGE001
表示方差；
Figure 93066DEST_PATH_IMAGE014
表示样本个数；
Figure 358831DEST_PATH_IMAGE015
表示某影响因素第
Figure 374585DEST_PATH_IMAGE016
个取值时对应的水驱 采收率，%；
Figure 864341DEST_PATH_IMAGE017
表示
Figure 11116DEST_PATH_IMAGE014
个水驱采收率的平均值，%。
4.根据权利要求1所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其特征 在于，步骤（3）中，幂函数关系、对数函数关系及多项式函数关系式分别如式（
Figure 349081DEST_PATH_IMAGE018
）、式（
Figure 419674DEST_PATH_IMAGE019
）、式 （
Figure 348840DEST_PATH_IMAGE020
）所示：
Figure 504884DEST_PATH_IMAGE021
（
Figure 380960DEST_PATH_IMAGE018
）
Figure 40481DEST_PATH_IMAGE022
（
Figure 373504DEST_PATH_IMAGE019
）
Figure 19774DEST_PATH_IMAGE023
（
Figure 431032DEST_PATH_IMAGE020
）
式（
Figure 839667DEST_PATH_IMAGE018
）、式（
Figure 638864DEST_PATH_IMAGE019
）、式（
Figure 530288DEST_PATH_IMAGE020
）中，
Figure 807554DEST_PATH_IMAGE024
表示采收率，%；
Figure 975755DEST_PATH_IMAGE017
表示主控参数；
Figure 883537DEST_PATH_IMAGE025
表示函数关 系的待定系数，其中，下标
Figure 238820DEST_PATH_IMAGE026
。
5.根据权利要求1所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其特征在于，步骤（4）的具体实现过程包括：
首先，基于矿场测试得到的即步骤（1）确定的油藏静态物性参数和断块特征参数分布区间，确定开展正交试验分析所需的各参数取值上限和下限；
其次，根据已开发同类型油藏采用的生产动态参数分布区间，确定所需的生产动态参数取值上限和下限；在正交试验分析中每个参数取若干个水平，各水平取值分别在每个参数的取值上限和下限之间均匀取样；
最后，根据确定的主控参数个数和每个参数的若干个水平取值，确定正交试验设计表，编制多因素正交试验方案。
6.根据权利要求1所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其特征在于，步骤（5）的具体实现过程包括：
针对每个断块油藏的正交试验方案，在水驱投入生产时刻，将多油层油藏在纵向上划分为两套开发层系，具体为：对多油层的不同组合方式，分别调用水驱油藏数值模拟器进行计算，其中取得最大水驱采收率的方案所对应的多油层组合方式即为优选实施的分层注采方式；
在油藏综合含水率达到90%时，将生产井隔一转换为注水井，即将原生产井排转换为生产井与注水井间隔排列；
在油藏综合含水率达到95%时，以各注水井的注入量和各生产井的采液量为可调变量，分别调用水驱油藏数值模拟器进行计算，其中，水驱采收率取得最大值的方案所对应的各注水井的注入量和各生产井的采液量组合即为优选得到的注采方案。
7.根据权利要求1-6任一所述的一种考虑全过程优化断块油藏水驱采收率预测方法，其 特征在于，步骤（6）中，断块油藏水驱采收率与所有主控参数相关关系模型的公式如式（
Figure 523039DEST_PATH_IMAGE027
）所 示：
Figure 342484DEST_PATH_IMAGE028
（
Figure 421167DEST_PATH_IMAGE027
）
式（
Figure 231123DEST_PATH_IMAGE027
）中，
Figure 118701DEST_PATH_IMAGE024
表示采收率，%；
Figure 196247DEST_PATH_IMAGE029
表示断块面积，km 2；
Figure 183182DEST_PATH_IMAGE030
表示采出倍数；
Figure 713389DEST_PATH_IMAGE031
表示地下原油粘 度，mPa·s；
Figure 873500DEST_PATH_IMAGE032
表示断块密度，条/km 2；
Figure 80318DEST_PATH_IMAGE033
表示渗透率，10-3 µm 2；
Figure 500804DEST_PATH_IMAGE034
表示层间渗透率级差；
Figure 786816DEST_PATH_IMAGE035
表 示渗透率变异系数。
8.一种考虑全过程优化断块油藏水驱采收率预测系统，其特征在于，包括：
断块油藏水驱采收率的影响因素确定模块，被配置为：确定断块油藏水驱采收率的影响因素；
断块油藏水驱采收率的主控参数筛选模块，被配置为：筛选断块油藏水驱采收率的主控参数；
断块油藏水驱采收率与主控参数的单因素相关关系确定模块，被配置为：确定断块油藏水驱采收率与主控参数的单因素相关关系；
多因素正交试验方案设计模块，被配置为：基于主控参数设计多因素正交试验方案；
试验方案全过程水驱优化模块，被配置为：针对每个试验方案进行全过程水驱优化；
断块油藏水驱采收率预测模型建立模块，被配置为：建立断块油藏水驱采收率预测模型；
断块油藏水驱采收率求取模块，被配置为：根据建立的断块油藏水驱采收率预测模型，求取断块油藏水驱采收率。
CN202211384610.7A 2022-11-07 2022-11-07 一种考虑全过程优化断块油藏水驱采收率预测方法及系统 Active CN115422789B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211384610.7A CN115422789B (zh) 2022-11-07 2022-11-07 一种考虑全过程优化断块油藏水驱采收率预测方法及系统
US18/067,793 US20240152672A1 (en) 2022-11-07 2022-12-19 Method and system for predicting water flooding recovery of fault block reservoirs considering whole process optimization

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211384610.7A CN115422789B (zh) 2022-11-07 2022-11-07 一种考虑全过程优化断块油藏水驱采收率预测方法及系统

Publications (2)

Publication Number Publication Date
CN115422789A true CN115422789A (zh) 2022-12-02
CN115422789B CN115422789B (zh) 2023-03-24

Family

ID=84207159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211384610.7A Active CN115422789B (zh) 2022-11-07 2022-11-07 一种考虑全过程优化断块油藏水驱采收率预测方法及系统

Country Status (2)

Country Link
US (1) US20240152672A1 (zh)
CN (1) CN115422789B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011050509A1 (zh) * 2009-10-30 2011-05-05 华东理工大学 一种调控微生物采油的方法
CN104033137A (zh) * 2013-03-06 2014-09-10 中国石油化工股份有限公司 利用油田污水提高断块油藏采收率方法
CN105589987A (zh) * 2014-11-07 2016-05-18 中国石油化工股份有限公司 断块油藏人工气顶-边水双向驱开发油藏筛选评价方法
CN105626010A (zh) * 2016-03-16 2016-06-01 中国石油大学(华东) 一种分段注水井中注水层段合理划分方法
CN106351624A (zh) * 2015-07-16 2017-01-25 中国石油化工股份有限公司 特高含水期断块油藏分区调控提高采收率方法
CN106779211A (zh) * 2016-12-13 2017-05-31 中国石油大学(华东) 一种用于油田注采井网驱替开发的产能预测方法
CN107038516A (zh) * 2016-10-20 2017-08-11 中国石油化工股份有限公司 一种中渗复杂断块油藏水驱开发效果定量评价方法
CN110263439A (zh) * 2019-06-21 2019-09-20 中国石油大学(华东) 一种油藏见水前分层注水技术政策界限
CN110378010A (zh) * 2019-07-15 2019-10-25 西北大学 一种剩余油分布规律定量分析方法
CN111242490A (zh) * 2020-01-15 2020-06-05 长江大学 低渗透油藏特征主控因素提取方法、设备及可读存储介质
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
CN112836349A (zh) * 2021-01-08 2021-05-25 中国石油大学(北京) 基于井筒参数的注采联调智能决策方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011050509A1 (zh) * 2009-10-30 2011-05-05 华东理工大学 一种调控微生物采油的方法
CN104033137A (zh) * 2013-03-06 2014-09-10 中国石油化工股份有限公司 利用油田污水提高断块油藏采收率方法
CN105589987A (zh) * 2014-11-07 2016-05-18 中国石油化工股份有限公司 断块油藏人工气顶-边水双向驱开发油藏筛选评价方法
CN106351624A (zh) * 2015-07-16 2017-01-25 中国石油化工股份有限公司 特高含水期断块油藏分区调控提高采收率方法
CN105626010A (zh) * 2016-03-16 2016-06-01 中国石油大学(华东) 一种分段注水井中注水层段合理划分方法
CN107038516A (zh) * 2016-10-20 2017-08-11 中国石油化工股份有限公司 一种中渗复杂断块油藏水驱开发效果定量评价方法
CN106779211A (zh) * 2016-12-13 2017-05-31 中国石油大学(华东) 一种用于油田注采井网驱替开发的产能预测方法
CN110263439A (zh) * 2019-06-21 2019-09-20 中国石油大学(华东) 一种油藏见水前分层注水技术政策界限
CN110378010A (zh) * 2019-07-15 2019-10-25 西北大学 一种剩余油分布规律定量分析方法
CN111242490A (zh) * 2020-01-15 2020-06-05 长江大学 低渗透油藏特征主控因素提取方法、设备及可读存储介质
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
CN112836349A (zh) * 2021-01-08 2021-05-25 中国石油大学(北京) 基于井筒参数的注采联调智能决策方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘炳官 等: "水驱后期断块油藏CO2气顶与人工边水组合驱压力恢复规律", 《油气地质与采收率》 *

Also Published As

Publication number Publication date
US20240152672A1 (en) 2024-05-09
CN115422789B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN104747185B (zh) 非均质油藏储层综合分类评价方法
US20160376885A1 (en) Method and Apparatus for Performance Prediction of Multi-Layered Oil Reservoirs
CN102041995B (zh) 复杂油藏水淹状况监测系统
CN104750896B (zh) 一种缝洞型碳酸盐岩油藏数值模拟方法
CN103352693B (zh) 一种基于含油气含量的产能预测系统及其方法
CN110056346B (zh) 一种基于趋势变化函数的油藏三维原始含水饱和度模拟方法
CN107480349B (zh) 基于三维地质模型和反分析的高铁沿线地面沉降预测方法
CN105719063B (zh) 一种页岩气储量品质分类的综合评价方法
CN110130882A (zh) 一种基于测井测试资料的油藏区域评价方法
CN102747991A (zh) 一种确定合采井单层产量的方法
CN104747180A (zh) 一种用于注水开发的缝洞型油藏分析方法及其应用
CN103472484A (zh) 基于rs三维敏感地震属性分析的水平井轨迹优化方法
CN111706317B (zh) 一种确定加密调整区低渗储层剩余油分布状况的方法
CN110954944A (zh) 一种断层圈闭含油高度地震预测方法
CN104712328A (zh) 快速评价复杂油藏中单个流动单元动用状况的方法
CN109239783B (zh) 一种井震结合中取舍地震信息的方法
CN116305850A (zh) 一种基于随机森林模型的地层热导率预测方法
CN111444621A (zh) 基于动静态渗流界面的高含水油藏流动单元划分方法
Liu et al. The Control Theory and Application for Well Pattern Optimization of Heterogeneous Sandstone Reservoirs
CN112523744A (zh) 一种薄差层水平井井位设计及实时跟踪导向方法
CN111155980B (zh) 一种水流优势通道识别方法及装置
CN117131971A (zh) 基于Xgboost算法的储层优势渗流通道预测方法
CN115422789B (zh) 一种考虑全过程优化断块油藏水驱采收率预测方法及系统
CN113742962B (zh) 一种基于水平井的页岩储层属性三维建模方法
CN115705452A (zh) 整装砂岩油藏开发中后期的新型采收率预测方法

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