CN115726776A - 一种非常规油气藏经验产量递减模型优选方法 - Google Patents

Abstract

本发明公开了一种非常规油气藏经验产量递减模型优选方法，通过对研究区块生产时间超过3年的油气井计算EUR并求得标准EUR，然后根据不同生产时间数据拟合经验产量递减模型，利用适用井数判断经验产量递减模型在不同生产时间下的整体适用性，通过比较不同经验产量递减模型预测EUR与标准EUR的相对误差，寻找不同生产时间下的最优经验产量递减模型，为区块投产新井在不同生产时间下的递减分析提供依据。

Description

一种非常规油气藏经验产量递减模型优选方法

技术领域

本发明涉及非常规油气勘探开发技术领域，尤其涉及一种非常规油气藏经验产量递减模型优选方法。

背景技术

经验产量递减模型是一种对产量数据直接进行分析的方法，模型参数求解简便，能够快速、准确预测油气井产量，在现场已得到了广泛应用。借助经验产量递减模型，可以指导调整油气井合理工作制度，达到提高油气井最终可采储量即EUR，并降低开发成本的目的。

经验产量递减模型由Arps(1945)率先提出，并将油气产量递减趋势分为指数递减、双曲递减及调和递减三类。随后的几十年里，学者们提出了不同类型的经验产量递减模型，这些模型大多是对Arps模型的修正或扩展。

随着常规油气藏的不断枯竭，非常规油气藏成为了开发重点。由于非常规油气藏的低孔、低渗特征，现场以多级压裂水平井技术实现非常规油气藏经济开采。在开发过程中，非常规油气藏长期处于线性流动阶段。以Arps为代表的常规经验产量递减模型多适用于油气藏开发晚期的边界控制流动阶段，在非常规油气井递减分析中适用性不佳。针对上述情况，学者们提出了PLE模型(2008)、SEPD模型(2009)、Duong模型(2010)及RB-LGM模型(2020)等。此外，考虑非常规油气藏递减过程中出现的早期快速递减和晚期缓速递减特征，国内外学者基于“分段拟合”开展了组合递减模型的研究，比如：SEPD+Duong(2015)、Duong+Arps(2018)等。

在实际开发过程中，非常规油气井的流动阶段需结合试井分析、现代产量递减分析、数值模拟技术等多种方法进行综合判定，根据非常规油气井流动阶段选取经验产量递减模型较为繁琐和困难。因此，有必要提出一种非常规油气藏经验产量递减模型优选方法，明确区块不同生产时间下单井的经验产量递减模型适用情况，为区块投产新井快速递减分析提供依据。

发明内容

本发明主要是解决现有技术中的不足之处，本发明的目的是提供一种非常规油气藏经验产量递减模型优选方法。

为达到以上技术目的，本发明采用以下技术方案：

一种非常规油气藏经验产量递减模型优选方法，其特征在于，包括以下步骤：

S1：收集研究区块生产时间超过3年的油气井，获取它们的生产动态数据；

S2：划分出油气井产量递减阶段数据，并按比例8:2将产量递减阶段数据划分为拟合集和验证集；

S3：根据步骤S2中划分的各油气井的拟合集，计算各类经验产量递减模型的模型参数，根据验证集判断各类经验产量递减模型的适用性，决定各类经验产量递减模型是否通过验证集检验；

S4：针对每口油气井，分别采用所有通过验证集检验的经验产量递减模型预测EUR并计算出平均值，并以该平均值作为对应油气井的标准EUR；

S5：针对每口油气井的产量递减阶段数据，在不同生产时间下采用各类经验产量递减模型进行拟合，利用未参与拟合的产量递减阶段的实际生产数据判断各类经验产量递减模型在每口油气井不同生产时间下的适用性；

S6：在不同生产时间下，根据各类经验产量递减模型的适用井数，判断各类经验产量递减模型整体的适用性；

S7：在不同生产时间下，根据各类经验产量递减模型预测的EUR与标准EUR的平均相对误差表征经验产量递减模型预测EUR结果可靠程度，给出研究区块在不同生产时间下的优选经验产量递减模型。

进一步的，所述步骤S1中，油气井生产动态数据包括生产时间及其对应的实际产量。

进一步的，所述步骤S2具体包括以下步骤：

S21：以油气井产量最大值为标志，油气井产量最大值以后的生产动态数据为所划分的油气井产量递减阶段数据，同时剔除油气井产量递减阶段数据中产量为0的点；

S22：选择油气井产量递减阶段数据中前80％的生产动态数据作为拟合集，剩余的20％生产动态数据作为验证集。

进一步的，所述步骤S4中油气井的标准EUR计算公式如下：

式中：EUR_standard,j为第j口井的标准EUR，10⁸m³；EUR_i,j为第j口井中第i个通过验证集检验的经验产量递减模型的预测EUR，10⁸m³；n为第j口井中通过验证集检验的经验产量递减模型的数量。

进一步的，所述步骤S6中根据不同生产时间下各类经验产量递减模型的适用井数，判断各类经验产量递减模型整体的适用性的准则如下：在给定生产时间下，若某一模型的适用井数低于总井数的50％，则认为该模型不适用于该给定生产时间下的EUR预测；若某一模型的适用井数为总井数的50％～75％，则认为该模型较适用于该给定生产时间下的EUR预测；若某一模型的适用井数高于总井数的75％，则认为该模型适用于该给定生产时间下的EUR预测。

进一步的，所述步骤S7具体包括以下步骤：

S71：计算不同生产时间下各类经验产量递减模型预测EUR的平均相对误差；针对给定生产时间下的经验产量递减模型，计算平均相对误差公式如下：

式中：RE_average为平均相对误差，％；RE_j为第j口井的相对误差，％；EUR_method,j为第j口井的经验产量递减模型预测EUR，10⁸m³；EUR_standard,j为第j口井的标准EUR，10⁸m³；m为区块中收集的油气井总数。

S72：比较平均相对误差的绝对值大小，平均相对误差的绝对值越小代表模型预测EUR越可靠，对应平均相对误差的绝对值最小的经验产量递减模型即为最终优选经验产量递减模型。

本发明所提供的一种非常规油气藏经验产量递减模型优选方法，通过对研究区块生产时间超过3年的油气井计算EUR并求得标准EUR，然后根据不同生产时间数据拟合经验产量递减模型，利用适用井数判断经验产量递减模型在不同生产时间下的整体适用性，通过比较不同经验产量递减模型预测EUR与标准EUR的相对误差，寻找不同生产时间下的最优经验产量递减模型，为区块投产新井在不同生产时间下的递减分析提供依据。

有益效果：

与现有技术相比，本发明具有以下有益效果：

通过对研究区块生产时间超过3年的油气井计算EUR并求得标准EUR，然后根据不同生产时间数据拟合经验产量递减模型，利用适用井数判断经验产量递减模型在不同生产时间下的整体适用性，通过比较不同经验产量递减模型预测EUR与标准EUR的相对误差，寻找不同生产时间下的最优经验产量递减模型，为区块投产新井在不同生产时间下的递减分析提供依据。

附图说明

图1为四川盆地某区块60口页岩气井生产曲线示意图；

图2为四川盆地某区块60口页岩气井产量递减阶段曲线示意图；

图3为1井经验产量递减模型拟合示意图；

图4为不同生产时间下七种经验产量递减模型预测EUR相对误差；

图5为生产时间为6个月时七种递减模型预测EUR相对误差的绝对值；

图6为生产时间为12个月时七种递减模型预测EUR相对误差的绝对值；

图7为生产时间为18个月时七种递减模型预测EUR相对误差的绝对值；

图8为生产时间为24个月时七种递减模型预测EUR相对误差的绝对值。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例：

一种非常规油气藏经验产量递减模型优选方法，包括以下步骤：

S1：收集研究区块生产时间超过3年的油气井，获取它们的生产动态数据；

所述油气井生产动态数据包括生产时间及其对应的实际产量。

S2：划分出油气井产量递减阶段数据，并按比例8:2将产量递减阶段数据划分为拟合集和验证集；

具体包括以下步骤：

S21：以油气井产量最大值为标志，油气井产量最大值以后的生产动态数据为所划分的油气井产量递减阶段数据，同时剔除油气井产量递减阶段数据中产量为0的点；

S22：选择油气井产量递减阶段数据中前80％的生产动态数据作为拟合集，剩余的20％生产动态数据作为验证集。

S3：根据步骤S2中划分的各油气井的拟合集，计算各类经验产量递减模型的模型参数，根据验证集判断各类经验产量递减模型的适用性，决定各类经验产量递减模型是否通过验证集检验；

S4：针对每口油气井，分别采用所有通过验证集检验的经验产量递减模型预测EUR并计算出平均值，并以该平均值作为对应油气井的标准EUR；油气井的标准EUR计算公式如下：

式中：EUR_standard,j为第j口井的标准EUR，10⁸m³；EUR_i,j为第j口井中第i个通过验证集检验的经验产量递减模型的预测EUR，10⁸m³；n为第j口井中通过验证集检验的经验产量递减模型的数量。

S5：针对每口油气井的产量递减阶段数据，在不同生产时间下采用各类经验产量递减模型进行拟合，利用未参与拟合的产量递减阶段的实际生产数据判断各类经验产量递减模型在每口油气井不同生产时间下的适用性；

S6：在不同生产时间下，根据各类经验产量递减模型的适用井数，判断各类经验产量递减模型整体的适用性；

判断准则如下：在给定生产时间下，若某一模型的适用井数低于总井数的50％，则认为该模型不适用于该给定生产时间下的EUR预测；若某一模型的适用井数为总井数的50％～75％，则认为该模型较适用于该给定生产时间下的EUR预测；若某一模型的适用井数高于总井数的75％，则认为该模型适用于该给定生产时间下的EUR预测。

S7：在不同生产时间下，根据各类经验产量递减模型预测的EUR与标准EUR的平均相对误差表征经验产量递减模型预测EUR结果可靠程度，给出研究区块在不同生产时间下的优选经验产量递减模型；

具体包括以下步骤：

S71：计算不同生产时间下各类经验产量递减模型预测EUR的平均相对误差；针对给定生产时间下的经验产量递减模型，计算平均相对误差公式如下：

式中：RE_average为平均相对误差，％；RE_j为第j口井的相对误差，％；EUR_method,j为第j口井的经验产量递减模型预测EUR，10⁸m³；EUR_standard,j为第j口井的标准EUR，10⁸m³；m为区块中收集的油气井总数。

S72：比较平均相对误差的绝对值大小，平均相对误差的绝对值越小代表模型预测EUR越可靠，对应平均相对误差的绝对值最小的经验产量递减模型即为最终优选经验产量递减模型。

实施例1：

本实例以页岩气为例，所用页岩气井生产数据来自四川盆地某区块60口页岩气井，数据样本包括生产时间以及实际产气量，生产时间均超过3年，如图1所示。

首先，以页岩气井产量最大值为标志确定页岩气井产量递减阶段，同时剔除页岩气井产量递减阶段中产量为0的点，如图2所示。

进一步的，选择产量递减阶段数据中前80％的生产动态数据作为拟合集，剩余的20％生产数据作为验证集。根据拟合集计算不同经验产量递减模型参数，根据验证集判断经验产量递减模型预测效果好坏。图3展示了所选60口井中1井的经验产量递减模型拟合示意图，1井中，除ML模型不符合验证集数据的递减趋势外，其余各经验产量递减模型均适用。在本实施例中，利用七种不同的经验产量递减模型拟合其余井的拟合集数据，根据验证集确定经验产量递减模型，统计结果如表1所示，表1中：“√”代表经验产量递减模型通过验证集检验，“×”代表经验产量递减模型未通过验证集检验。

所述七种不同的经验产量递减模型Arps模型、PLE模型、SEPD模型、Duong模型、ML模型、广义K模型和Li递减模型，上述模型是行业内常用经验产量递减模型，具体表达式不予赘述。

表1不同经验产量递减模型适用性统计表(60口井)

进一步的，如表2所示，计算所有通过验证集检验的经验产量递减模型预测EUR平均值，并以该平均值作为标准EUR。

表2 60口井标准EUR统计表

进一步的，以生产时间为6、12、18和24个月为例，以生产6、12、18和24个月的数据作为拟合集，递减阶段中的剩余生产数据作为验证集。拟合集确定经验产量递减模型参数，验证集判断经验产量递减模型是否适用该口页岩气井。如表3所示，统计了不同拟合集下各模型的适用井数量。

表3不同生产时间下各模型的适用井数量统计表

模型名称	6个月	12个月	18个月	24个月
					Arps	9口井	23口井	35口井	45口井
PLE	2口井	13口井	18口井	39口井
					SEPD	16口井	25口井	34口井	45口井
Duong	22口井	34口井	37口井	45口井
					ML	10口井	14口井	38口井	51口井
广义K模型	30口井	30口井	36口井	47口井
					Li	23口井	32口井	38口井	48口井

进一步的，根据经验产量递减模型的适用井数判断递经验产量减模型适用性：不同生产时间下，若某一模型的适用井数低于总井数的50％(即小于30口井)，则认为该模型不适用；若某一模型的适用井数为总井数的50％～75％(即30～55口井)，则认为该模型较适用；若某一模型的适用井数高于总井数的75％(即大于55口井)，则认为该模型适用，统计结果如表4所示。

表4不同生产时间下各模型的适用性统计表

模型名称	6个月	12个月	18个月	24个月
					Arps	不适用	不适用	较适用	适用
PLE	不适用	不适用	不适用	较适用
					SEPD	不适用	不适用	较适用	适用
Duong	不适用	较适用	较适用	适用
					ML	不适用	不适用	较适用	适用
广义K模型	较适用	较适用	较适用	适用
					Li	不适用	较适用	较适用	适用

进一步的，计算不同生产时间下各个经验产量递减预测的EUR与标准EUR的平均相对误差，比较相对误差的绝对值大小，相对误差的绝对值越小代表模型预测EUR越可靠，即为不同生产时间下的最终优选模型。

结合表4、图4、图5、图6、图7和图8可知：生产时间为6个月时，仅有广义K模型达到了较适用的标准，因此建议使用广义K模型，且该模型预测EUR偏低；生产时间为12个月时，Duong、广义K和Li模型达到了较适用的标准，其中Duong模型平均相对误差的绝对值最小，为优选模型，且Duong模型预测EUR偏高；生产时间为18个月时，除PLE模型外，其余模型均达到了较适用的标准，其中Duong模型平均相对误差的绝对值最小，为优选模型，且Duong模型预测EUR偏高；当生产时间达到24个月，七种模型均达到了较适用或适用的标准，其中SEPD模型平均相对误差的绝对值最小，为优选模型，且SEPD模型预测EUR偏低。

本发明所提供的一种非常规油气藏经验产量递减模型优选方法，通过对研究区块生产时间超过3年的油气井计算EUR并求得标准EUR，然后根据不同生产时间数据拟合经验产量递减模型，利用适用井数判断经验产量递减模型在不同生产时间下的整体适用性，通过比较不同经验产量递减模型预测EUR与标准EUR的相对误差，寻找不同生产时间下的最优经验产量递减模型，为区块投产新井在不同生产时间下的递减分析提供依据。

以上所述，并非对本发明作任何形式上的限制，虽然本发明已通过上述实施例揭示，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些变动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.一种非常规油气藏经验产量递减模型优选方法，其特征在于，包括以下步骤：

S1：收集研究区块生产时间超过3年的油气井，获取它们的生产动态数据；

S2：划分出油气井产量递减阶段数据，并按比例8:2将产量递减阶段数据划分为拟合集和验证集；

S3：根据步骤S2中划分的各油气井的拟合集，计算各类经验产量递减模型的模型参数，根据验证集判断各类经验产量递减模型的适用性，决定各类经验产量递减模型是否通过验证集检验；

S4：针对每口油气井，分别采用所有通过验证集检验的经验产量递减模型预测EUR并计算出平均值，并以该平均值作为对应油气井的标准EUR；

S5：针对每口油气井的产量递减阶段数据，在不同生产时间下采用各类经验产量递减模型进行拟合，利用未参与拟合的产量递减阶段的实际生产数据判断各类经验产量递减模型在每口油气井不同生产时间下的适用性；

S6：在不同生产时间下，根据各类经验产量递减模型的适用井数，判断各类经验产量递减模型整体的适用性；

S7：在不同生产时间下，根据各类经验产量递减模型预测的EUR与标准EUR的平均相对误差表征经验产量递减模型预测EUR结果可靠程度，给出研究区块在不同生产时间下的优选经验产量递减模型。

2.如权利要求1中所述的一种非常规油气藏经验产量递减模型优选方法，其特征在于，所述步骤S1中，油气井生产动态数据包括生产时间及其对应的实际产量。

3.如权利要求1中所述的一种非常规油气藏经验产量递减模型优选方法，其特征在于，所述步骤S2具体包括以下步骤：

S21：以油气井产量最大值为标志，油气井产量最大值以后的生产动态数据为所划分的油气井产量递减阶段数据，同时剔除油气井产量递减阶段数据中产量为0的点；

S22：选择油气井产量递减阶段数据中前80％的生产动态数据作为拟合集，剩余的20％生产动态数据作为验证集。

4.如权利要求1中所述的一种非常规油气藏经验产量递减模型优选方法，其特征在于，所述步骤S4中油气井的标准EUR计算公式如下：

式中：EUR_standard,j为第j口井的标准EUR，10⁸m³；EUR_i,j为第j口井中第i个通过验证集检验的经验产量递减模型的预测EUR，10⁸m³；n为第j口井中通过验证集检验的经验产量递减模型的数量。

5.如权利要求1中所述的一种非常规油气藏经验产量递减模型优选方法，其特征在于，所述步骤S6中根据不同生产时间下各类经验产量递减模型的适用井数，判断各类经验产量递减模型整体的适用性的准则如下：在给定生产时间下，若某一模型的适用井数低于总井数的50％，则认为该模型不适用于该给定生产时间下的EUR预测；若某一模型的适用井数为总井数的50％～75％，则认为该模型较适用于该给定生产时间下的EUR预测；若某一模型的适用井数高于总井数的75％，则认为该模型适用于该给定生产时间下的EUR预测。

6.如权利要求1中所述的一种非常规油气藏经验产量递减模型优选方法，其特征在于，所述步骤S7具体包括以下步骤：

S71：计算不同生产时间下各类经验产量递减模型预测EUR的平均相对误差；针对给定生产时间下的经验产量递减模型，计算平均相对误差公式如下：

式中：RE_average为平均相对误差，％；RE_j为第j口井的相对误差，％；EUR_method,j为第j口井的经验产量递减模型预测EUR，10⁸m³；EUR_standard,j为第j口井的标准EUR，10⁸m³；m为区块中收集的油气井总数；

S72：比较平均相对误差的绝对值大小，平均相对误差的绝对值越小代表模型预测EUR越可靠，对应平均相对误差的绝对值最小的经验产量递减模型即为最终优选经验产量递减模型。

Images