CN111173507B - 高含水油田剩余油预测方法 - Google Patents

Abstract

本发明提供一种高含水油田剩余油预测方法，该高含水油田剩余油预测方法包括：步骤1，建立样本库，并进行模型训练；步骤2，整理研究区地质静态及开发历史数据；步骤3，进行开发阶段及井对划分；步骤4，标定地层有效厚度；步骤5，进行分区界限预测及叠加；步骤6，调整方案设计，并进行效果评价。该高含水油田剩余油预测方法可实现高含水油田开发后期剩余油的定量评价，为油藏生产管理决策提供有效指导，在高含水老油田开发调整部署中具有广阔的应用前景。

Description

高含水油田剩余油预测方法

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种高含水油田剩余油预测方法。

背景技术

目前我国东部老油田已普遍进入高含水、特高含水开发阶段，剩余油分布复杂，开发效果不断变差。预测剩余油分布位置的效率和精度，直接决定了开发调整工作的效率和实施效果。然而，受开发历史和开发条件复杂等因素影响，剩余油分布主控因素难以判识，高含水老油田渗流及驱动机制复杂，剩余油预测模型建立难，数值模拟方法虽然能够实现定量评价，但操作过程繁琐耗时，预测结果具有滞后性，难以满足矿场局部、零散开发调整需求。

在申请号：201710882860.6的中国专利申请中，涉及到一种水驱油藏高含水储层剩余油分布预测方法，该预测方法包括以下步骤：1)根据油藏地质研究资料，确定表征剩余油分布所需的特征参数，所述的特征参数包括油藏的地层、岩石物理参数和流体性质参数；2)根据所确定的特征参数建立油藏高含水储层中油气的运移模型，并根据所建立的运移模型确定油井停产期间内圈闭中聚集的油气数量。该专利将单个圈闭平均处理为一组参数，通过达西定律推导建立了油气运移速度模型，计算多个圈闭的运移结果确定有利圈闭位置，该方法不能满足空间精细化剩余油研究的需求。

在申请号：201710080315.5的中国专利申请中，涉及到一种复杂断块油藏高含水后期剩余油二次富集的快速识别方法，该方法包括以下步骤：步骤S10，对目标油藏进行测量，以获得目标油藏的地质参数和井网参数；步骤S11，根据目标油藏的地质参数和井网参数，建立目标油藏的初步物理模型；步骤S12，基于目标油藏的初步物理模型，根据流线流管法进行拟合计算，以获得采油井的动态拟合特征和剩余油二次富集前的饱和度场，并对目标油藏的初步物理模型进行修正，以得到修正后的物理模型；步骤S13，基于修正后的物理模型，对剩余油富集过程中各节点分别进行垂直富集和水平富集的计算，以得到各节点的储层饱和度和含水率；完成目标油藏高含水后期剩余油二次富集的识别。该专利针对倾角断块油藏考虑油水自然分异过程的剩余油的快速预测，通过流管法理论计算获得修正后的饱和度预测结果，以弥补常规剩余油预测方法不适合考虑二次富集条件的缺陷，预测方法还是基于理论公式的计算。

为此我们发明了一种新的高含水油田剩余油预测方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种可实现高含水油田开发后期剩余油的定量评价的高含水油田剩余油预测方法。

本发明的目的可通过如下技术措施来实现：高含水油田剩余油预测方法，该高含水油田剩余油预测方法包括：步骤1，建立样本库，并进行模型训练；步骤2，整理研究区地质静态及开发历史数据；步骤3，进行开发阶段及井对划分；步骤4，标定地层有效厚度；步骤5，进行分区界限预测及叠加；步骤6，调整方案设计，并进行效果评价。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，采用油藏数值模拟方法建立典型概念模型，对一口注水井一口采油井模型，改变注水井到采油井间距离(L)、地层厚度(h)、孔隙度

渗透率(k)、原油粘度(μ_o)、油相相对渗透率(k_ro)、水相相对渗透率(k_rw)、地层倾角(α)这些参数，采用定压方式，生产至含水率>95％，统计累注水(N_i)、累产油(N_o)、含水率(f_w)数据，建立生产动态样本库。

在步骤1中，对含油饱和度(S_o)计算结果开展统计，通过聚类分析算法确定用于分区的含油饱和度界限值(S_o1、S_o3)，将平面区域划分为强驱替区(3区：S_o≤S_o1)、弱驱替区(2区：S_o1＜S_o＜S_o2)、未动用区(1区：S_o≥S_o2)三个区域，分别统计三个区域的分界点距离，其中1区与2区分界点距离为L_c1，2区与3区分界点距离为L_c2，从而建立分区界限样本库，通过深度学习算法分别建立f₁(x)、f₂(x)两个分区界限预测模型：

在步骤2中，整理研究区地质静态及开发历史数据，包括：油藏边界数据，井位坐标及深度数据，油藏地质参数包括油藏厚度、孔隙度、渗透率，流体物性参数，井网转换数据，各井生产动态数据包括产油量、产油量、注水量。

在步骤3中，将目标区开发历史划分为若干井网调整阶段(S₁，S₂，...，S_n)，根据注采对应关系划分为若干个注采井对(w₁，w₂，...，w_n)，整理各井对累积注入水量，以注水井为起点，采油井为终点，标注各井对的注采箭头方向及累注水量数据。

在步骤4中，采用生产动态曲线标定方法，统计各采油井实际生产数据，作累注水与含水率散点图(N_i～f_W)和累注水与累产油散点图(N_i～N₀)，从步骤1建立的样本库中查找形态相似性最高的参数组合，取多井厚度(h)平均值，即为标定有效厚度。

在步骤5中，采用步骤1训练获得的分区界限预测模型f₁(x)、f₂(x)，根据步骤3得到的井对参数

获得各井对分区界限位置参数(L_c1，L_c2)，根据该参数重构三个区域，分别赋值对应区域编号(3、2、1)，从而获得分区矩阵(w_i)；

当同一个位置被两个“井对”覆盖时，取两个矩阵对应元素最大值(3式)，从而获得该阶段的分区矩阵(S_i)；

S_i＝max{w₁，w₂，...，w_n}              (3)

当同一位置被两个阶段覆盖时，取两个阶段矩阵对应元素最大值进行叠加(4式)，从而获得最终分区矩阵(S)；

S＝max{S₁，S₂，...，S_n}              (4)。

在步骤6中，设计N种开发调整方案，采用步骤2-5计算新方案的分区结果，统计1区或1+2区面积进行，面积最小则代表该方案的效果最好，其井网对剩余油的控制作用最强。

本发明中的高含水油田剩余油预测方法，采用数值模拟与矿场统计相结合的方法，建立不同注采条件下注水井驱替作用区域样本库，通过深度学习算法建立影响因素与作用范围的关系模型，将油藏多个井组的驱替作用范围叠加后生产剩余油预测结果，克服了传统动态分析方法定量化不足，数值模拟方法效率低的缺陷。该高含水油田剩余油预测方法可实现高含水油田开发后期剩余油的定量评价，为油藏生产管理决策提供有效指导，在高含水老油田开发调整部署中具有广阔的应用前景。

附图说明

图1为本发明的高含水油田剩余油预测方法的一具体实施例的流程图；

图2为本发明的一具体实施例中典型模型驱替区域划分示意图；

图3为本发明的一具体实施例中开发阶段及井对划分示意图；

图4为本发明的一具体实施例中有效厚度标定示意图；

图5为本发明的一具体实施例中分区界限预测及叠加示意图。

图3a—第一阶段，图3b—第二阶段,图3c—第三阶段。

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，下文特举出较佳实施例，并配合附图所示，作详细说明如下。

如图1所示，图1为本发明的高含水油田剩余油预测方法的流程图。

步骤101，样本库建立及模型训练

采用油藏数值模拟方法建立典型概念模型，通常为一口注水井一口采油井模型(图2)，改变注水井到采油井间距离(L)、地层厚度(h)、孔隙度

渗透率(k)、原油粘度(μ_o)、相对渗透率曲线(k_ro、k_rw))、地层倾角(α)等参数，采用定压方式，生产至含水率>95％，统计累注水(N_i)、累产油(N_o)、含水率(f_w)数据，建立“生产动态样本库”。

对含油饱和度(S_o)计算结果开展统计，通过聚类分析算法确定用于分区的含油饱和度界限值(S_o1、S_o2)，将平面区域划分为强驱替区(3区：S_o≤S_o1)、弱驱替区(2区：S_o1＜S_o＜S_o2)、未动用区(1区：S_o≥S_o2)三个区域。

进入高含水生产阶段，油水井间驱替作用分界线通常呈现“纺锤形”、“椭圆形”等相对稳定形态(图2)，因而只需获得分界线中点到油水井连线中点的距离(分界点距)即可实现分界区域的近似重构，分别统计三个区域的分界点距离(L_c1，L_c2)，从而建立“分区界限样本库”，通过深度学习算法分别建立f₁(x)、f₂(x)两个分区界限预测模型。

步骤102，研究区数据准备

整理研究区地质静态及开发历史数据，包括：油藏边界数据、井位坐标及深度数据、油藏地质参数(油藏厚度、孔隙度、渗透率等)、流体物性参数、井网转换数据、各井生产动态数据(产油量、产油量、注水量等)。

步骤103，开发阶段及井对划分。

将目标区开发历史划分为若干井网调整阶段(S₁，S₂，...，S_n)，根据注采对应关系划分为若干个注采“井对”(w₁，w₂，...，w_n)，整理各“井对”累积注入水量，以注水井为起点，采油井为终点，标注各“井对”的注采箭头方向及累注水量数据(图3)。

步骤104，地层有效厚度标定

油藏厚度通常指地质静态厚度，然而实际流动只是其中一部分，为了获取较为精准的油藏厚度参数，采用生产动态曲线标定方法。

统计各采油井实际生产数据(图4)，作累注水与含水率散点图(N_i～f_w)和累注水与累产油散点图(N_i～N_o)，从步骤1建立的“生产动态样本库”中查找形态相似性最高的参数组合，取多井厚度(h)平均值，即为标定有效厚度。

步骤105，分区界限预测及叠加

采用步骤101训练获得的“分区界限预测模型”f₁(x)、f₂(x)，输入步骤103得到的“井对”参数

获得各“井对”分区界限位置参数(L_c1，L_c2)，根据该参数重构三个区域(图5)，分别赋值对应区域编号(3、2、1)，从而获得分区矩阵(w_i)。

当同一个位置被两个“井对”覆盖时，取两个矩阵对应元素最大值(3式)，从而获得该阶段的分区矩阵(S_i)；

S_i＝max{w₁，w₂，...，w_n}              (3)

当同一位置被两个阶段覆盖时，取两个阶段矩阵对应元素最大值进行叠加(4式)，从而获得最终分区矩阵(S)；

S＝max{S₁，S₂，...，S_n}              (4)

该分区结果可指导剩余油挖潜调整，例如未动用区(1区)是零散新井的目标对象，弱驱替区(2区)是注采调整的目标对象。

步骤106，调整方案设计及效果评价

设计N种开发调整方案，采用步骤102-105计算新方案的分区结果，统计1区(或1+2区)面积进行，面积最小则代表该方案的效果最好，其井网对剩余油的控制作用最强。

在应用本发明的一具体实施例中，包括了以下步骤：

步骤1，采用油藏数值模拟软件建立一注一采概念模型(图2)，设计考虑储层及流体等7个参数

每个参数2-5个水平的模拟计算方案，共获得2500个方案。在模型上开展模拟计算，生产至含水大于95％结束，统计各方案含油饱和度数据([S_o])、生产动态数据(累注水、累产油、含水率等)，建立“生产动态样本库”。

采用聚类算法对含油饱和度数据进行分析，获得用于分区的含油饱和度界限值分别为S_o1＝0.35，S_o2＝0.56，从而将各方案平面区域划分为强驱(3区)、弱驱(2区)、未动(1区)三个区域，分别统计各方案“分界点距离”(L_c1，L_c2)，从而建立“分区界限样本库”，采用深度学习算法训练获得7个参数与分界点距离间的关系，形成“分界点预测模型”。

步骤2，整理研究区地质静态及开发历史数据，包括：油藏边界数据、井位坐标及深度数据、油藏地质参数(油藏厚度、孔隙度、渗透率等)、流体物性参数、井网转换数据、各井生产动态数据(产油量、产油量、注水量等)。

步骤3，划分开发阶段及“井对”(图3)，某区块生产历史上可划分为三个阶段：第一阶段(图3a)，I1-P1井对注水3.6万方，I1-P2井对1.2万方，I2-P2井对2.2万方；第二阶段(图3b)I1-P1井对注水1.6万方，I2-P1对注水量1.9万方；第三阶段(图3c)，I2-P1井对2.6万方，P2-P1井对1.9万方。

步骤4，地层有效厚度标定，统计各井组实际生产数据(图4)，作累注水与含水率关系图(N_i～f_w)和累注水与累产油关系图(N_i～N_o)。从步骤101建立的“生产动态样本库”中查找形态相似性最高的参数组合，取厚度(h)平均值为有效厚度。

步骤5，采用步骤1建立的“分界点预测模型”，代入每个“井对”的参数，从而获得各“井对”分区界限位置(L_c1，L_c2)，根据该参数重构三个区域(图5)，分别赋值对应区域值(3、2、1)，获得对应分区矩阵(w_i)。

当同一个位置被两个“井对”或两个阶段覆盖时，两个矩阵对应元素取最大值进行叠加，计算过程见(5)式。

步骤6，设计3种开发调整方案，采用2-5计算过程，分别计算各方案的分区结果，对未动用区(1区)的面积进行统计，面积最小为最优方案。

本发明解决高含水老油田剩余油预测难题，提供了一种数值模拟与矿场统计相结合的样本库建立方法，通过深度学习算法建立驱替作用分区界限预测模型，将各井组分区结果叠加后获得整个区块剩余油分布。

Claims (1)

1.高含水油田剩余油预测方法，其特征在于，该高含水油田剩余油预测方法包括：

步骤1，建立样本库，并进行模型训练；

步骤2，整理研究区地质静态及开发历史数据；

步骤3，进行开发阶段及井对划分；

步骤4，标定地层有效厚度；

步骤5，进行分区界限预测及叠加；

步骤6，调整方案设计，并进行效果评价；

在步骤1中，采用油藏数值模拟方法建立典型概念模型，对一口注水井一口采油井模型，改变注水井到采油井间距离L、地层厚度h、孔隙度

渗透率k、原油粘度μ_o、油相相对渗透率k_ro、水相相对渗透率k_rw、地层倾角α这些参数，采用定压方式，生产至含水率>95％，统计累注水N_i、累产油N₀、含水率f_w数据，建立生产动态样本库；

对含油饱和度S_o计算结果开展统计，通过聚类分析算法确定用于分区的含油饱和度界限值(S_o1、S_o2)，将平面区域划分为强驱替区3区：S_o≤S_o1、弱驱替区2区：S_o1＜S_o＜S_o2、未动用区1区：S_o≥S_o2三个区域，其中1区与2区分界点距离为L_c1，2区与3区分界点距离为L_c2，从而建立分区界限样本库，通过深度学习算法分别建立f₁(x)、f₂(x)两个分区界限预测模型：

在步骤2中，整理研究区地质静态及开发历史数据，包括：油藏边界数据，井位坐标及深度数据，油藏地质参数包括油藏厚度、孔隙度、渗透率，流体物性参数，井网转换数据，各井生产动态数据包括产油量、产油量、注水量；

在步骤3中，将目标区开发历史划分为若干井网调整阶段(S₁，S₂，...，S_n)，根据注采对应关系划分为若干个注采井对(w₁，w₂，...，w_n)，整理各井对累积注入水量，以注水井为起点，采油井为终点，标注各井对的注采箭头方向及累注水量数据；

在步骤4中，采用生产动态曲线标定方法，统计各采油井实际生产数据，作累注水与含水率散点图(N_i～f_w)和累注水与累产油散点图(N_i～N_o)，从步骤1建立的样本库中查找形态相似性最高的参数组合，取多井厚度h平均值，即为标定有效厚度；

在步骤5中，采用步骤1训练获得的分区界限预测模型f₁(x)、f₂(x)，根据步骤3得到的井对参数

获得各井对分区界限位置参数(L_c1，L_c2)，根据该参数重构三个区域，分别赋值对应区域编号(3、2、1)，从而获得分区矩阵(w_i)；

当同一个位置被两个“井对”覆盖时，取两个矩阵对应元素最大值3式，从而获得该阶段的分区矩阵(S_i)；

S_i＝max{w₁，w₂，...，w_n}    (3)

当同一位置被两个阶段覆盖时，取两个阶段矩阵对应元素最大值进行叠加4式，从而获得最终分区矩阵(S)；

S＝max{S₁，S₂，...，S_n}    (4)；

在步骤6中，设计N种开发调整方案，采用步骤2-5计算新方案的分区结果，统计1区或1+2区面积进行，面积最小则代表该方案的效果最好，其井网对剩余油的控制作用最强。

Images