一种用于油田注采井网驱替开发的产能预测方法与流程

本发明涉及一种用于油田注采井网驱替开发的产能预测方法，属于油田产能预测技术领域。

背景技术：

随着油田开发难度的增大，采取先进的开采技术提高油田原油采收率，是原油产量实现稳产上产的重要途径。强化采油作为提高原油采收率的主要手段，在油田开发中具有广阔前景，多年来不断有新的强化采油方法出现并得到推广应用，主要的驱替开发方法包括化学驱、注气驱、热力驱和微生物驱等。

由于上述驱替开发方法的操作过程以及提高原油采收率的驱油机理十分复杂，并具有投资大、成本高、风险大等特点，因此我国对提高采收率方法的潜力评价工作非常重视。潜力评价可用于指导我国提高采收率的发展方向，对油田现场工作部署及规划的科学合理发挥着重要作用，而针对某种驱替开发方法的产能做出准确预测，正是对其进行潜力评价的重要基础，是确保潜力评价结果可靠性的有力保障。

目前常见的产能预测方法有三种，即经验公式法、解析方法以及数值模拟方法。经验公式法来自于统计分析，大多数经验公式仅建立在油藏参数之上，往往不考虑具体的开发过程，缺乏充分的理论分析；解析方法通常建立在分流或流线等渗流理论基础上，可以在一定的参数范围内得到较为准确的结果，但为了便于求解，一般需要大量的简化假设，同时具有原理复杂、操作不便的特点；数值模拟方法可以较全面的考虑多种驱油过程的机理，但预测结果的准确程度依赖于刻画油藏特征及相关生产数据的准确性，在搜集和处理数据时需要花费大量时间与精力。

以上几种现有方法的共性还在于：①没有在产能预测模型中突出不同注采井网类型的特征，较少体现其对产能预测结果的影响；②没有直观体现实际开发参数对产能预测结果造成的影响，原理复杂且可操作性较弱，同时较少体现不同驱替开发方式的特征；③没有将多种驱替开发方式行在理论上进行统一，普遍适用性较弱，使得不同开发方式对应的产能预测结果之间，不能进行快速有效的对比分析。

技术实现要素：

针对现有技术的上述缺点，本发明公开了一种用于油田注采井网驱替开发的产能预测方法。本发明的目的是通过引入驱替综合系数概念，且综合使用经验公式、解析以及数值模拟三种研究方法，使得多种驱替开发方式在理论上进行统一，实现多种常见研究方法的优势互补，最终为解决油田注采井网驱替开发的产能预测问题，提供一种原理简单、适用性强、操作方便且结果准确的方法。

为了实现上述目的，本发明的技术方案如下。

一种用于油田注采井网驱替开发的产能预测方法，该方法包括如下步骤：

(1)针对不同的井网类型，利用等值渗流阻力法，建立常规油藏水驱井网开发产能预测模型；

(2)利用注采形式上的相似性，在步骤(1)建立的产能预测模型中引入驱替综合系数，将其向多种油藏类型以及驱替开发方式进行推广；

(3)分析筛选能够体现该驱替开发方式特征且对产能结果有重要影响的相关参数；

(4)根据油田现场的实际参数，利用油藏数值模拟方法建立所研究井网类型与驱替开发方式下的数值模型；

(5)利用步骤(2)中建立的产能预测模型及步骤(4)中建立的数值模型，计算分析步骤(3)中的特征参数与驱替综合系数的单因素相关关系；

(6)选取影响该驱替方式开发效果的主要参数，利用正交设计表产生多组数值模拟研究方案，经计算得到多组产能结果；

(7)根据步骤(5)中得到的单因素相关关系，以步骤(6)中得到的产能结果为基础，经多元线性回归得到驱替综合系数的经验方程，继而得到相应注采井网驱替开发方式的产能预测模型；

(8)利用人工神经网络方法、数值模拟方法以及现场实例计算，分别对该产能预测模型进行准确性验证。

进一步地，驱替综合系数的基本形式为：

α＝F(X₁,X₂,...,X_n)

式中：α为驱替综合系数，无因次；X₁，X₂，…，X_n分别为所研究驱替开发方式的相关特征参数。

该发明的有益效果在于：与现有方法相比，本发明所提供的一种用于油田注采井网驱替开发的产能预测方法具有下述优点：①综合使用经验公式、解析以及数值模拟三种研究方法，实现多种常见研究方法的优势互补；②直观体现出多种注采井网类型与驱替开发方式的特征，突出实际开发参数对产能预测结果造成的影响，原理简单且可操作性强；③引入驱替综合系数将多种驱替开发方式在理论上进行统一，普遍适用性较强，使不同开发方式对应的产能预测结果之间，可以进行快速有效的对比分析。

附图说明

图1为本发明中一种用于油田注采井网驱替开发的产能预测方法的流程图。

图2为本发明一个实施例中反九点直井井网示意图。

图3为本发明一个实施例中不同方式产能预测结果示意图。

具体实施方式

本发明中的用于油田注采井网驱替开发的产能预测方法，该方法步包括如下步骤：

(1)针对不同的井网类型，利用等值渗流阻力法，建立常规油藏水驱井网开发产能预测模型；

(2)利用注采形式上的相似性，在步骤(1)建立的产能预测模型中引入驱替综合系数，将其向多种油藏类型以及驱替开发方式进行推广；

(3)分析筛选能够体现该驱替开发方式特征且对产能结果有重要影响的相关参数；

(4)根据油田现场的实际参数，利用油藏数值模拟方法建立所研究井网类型与驱替开发方式下的数值模型；

(5)利用步骤(2)中建立的产能预测模型及步骤(4)中建立的数值模型，计算分析步骤(3)中的特征参数与驱替综合系数的单因素相关关系；

(6)选取影响该驱替方式开发效果的主要参数，利用正交设计表产生多组数值模拟研究方案，经计算得到多组产能结果；

(7)根据步骤(5)中得到的单因素相关关系，以步骤(6)中得到的产能结果为基础，经多元线性回归得到驱替综合系数的经验方程，继而得到相应注采井网驱替开发方式的产能预测模型；

(8)利用人工神经网络方法、数值模拟方法以及现场实例计算，分别对该产能预测模型进行准确性验证。

上述驱替综合系数的基本形式为：

α＝F(X₁,X₂,...,X_n)

式中：α为驱替综合系数，无因次；X₁，X₂，…，X_n分别为所研究驱替开发方式的相关特征参数。

下面结合附图和实施例对本发明的具体实施方式进行描述，以便更好的理解本发明。

实施例

本实施例以稠油油藏反九点直井井网蒸汽驱为实施例。如图1所示，在实施例中，稠油油藏反九点直井井网蒸汽驱产能预测方法的过程主要包括以下步骤：

步骤101，针对反九点直井井网，利用等值渗流阻力法，建立常规油藏水驱井网开发产能预测模型。

通常对于一个均匀布井且有界的面积注采系统，都可将其划分为以注入井为中心的有限个既互相关联又互相独立的单元。如图2所示，为以一口注入井为中心的反九点直井井网单元。

对于常规油藏水驱开发，假设油水流度比是1且为活塞式驱油，考虑油藏各向异性，利用水电相似原理将渗流阻力分为注入井到生产坑道和生产坑道到采油井井底两个部分，得到常规油藏反九点直井井网水驱产能预测模型，如公式(1)：

式中：Q_o为地面条件下的常规油藏反九点直井井网水驱产能，cm³/s；K为地层平均渗透率，10^-3μm²；β为各向异性因子；h为地层有效厚度，cm；ΔP为生产压差，MPa；B_o为原油体积系数；μ_o为50℃下的原油粘度，mPa·s；D为井网特征尺度半长，cm；r_w为油井半径，cm。

步骤102，利用稠油油藏蒸汽驱与常规油藏水驱开发在注采形式上的相似性，在公式(1)中引入蒸汽驱综合系数，将产能模型向稠油油藏蒸汽驱进行推广。

假设常规油藏水驱的驱替综合系数为1，在本实施例中的驱替综合系数即为蒸汽驱综合系数，推广得到的稠油油藏反九点直井井网蒸汽驱产能预测模型，如公式(2)：

Q＝α·Q_o (2)

式中：Q为地面条件下的稠油油藏反九点直井井网蒸汽驱产能，cm³/s；其中α＝F(X₁,X₂,...,X_n)；X₁，X₂，…，X_n分别为稠油蒸汽驱的相关特征参数。

步骤103，分析筛选出公式(2)的解析部分中不能充分考虑的，但能突出稠油油藏蒸汽驱的相关特征，且对其产能结果有重要影响的相关参数，用于对蒸汽驱综合系数的研究；

一般情况下，在蒸汽去之前要进行蒸汽吞吐，通过蒸汽吞吐可以预热部分地层，并可解除近井地带油层的污染，为汽驱创造有利条件。此模型中选择蒸汽驱前的初始含油饱和度来反映蒸汽吞吐阶段。公式(2)的解析部分没有考虑热采过程中稠油粘度的非线性变化特征，同时蒸汽驱综合系数需要考虑对产能有重要影响的主要注汽参数，包括注汽速度、注汽温度与注汽干度。

步骤104，根据油田现场的实际参数，利用油藏数值模拟方法建立稠油油藏反九点直井井网蒸汽驱的数值模型。

以XJ油田FC区块为例，应用CMG-STARS软件建立其数值模型，其中基本参数为：油层中部海拔110m，平均井深230m，原始地层压力为2.27MPa，原始地层温度为17.7℃，油层有效厚度约17.58m，孔隙度平均为32.5％，含油饱和度平均为69.1％，渗透率平均为3151×10^-3μm²，油藏温度下脱气原油粘度在10000-15000mPa·s之间，且温度每升高10℃，粘度降低50％-60％。

步骤105，设计多组研究方案，由步骤104中建立的数值模型对其进行计算，再利用步骤102中建立的产能预测模型反求蒸汽驱综合系数，并分析步骤103中的特征参数与该系数的单因素相关关系。

分别以初始含油饱和度、50℃下的原油粘度、注汽速度、注汽温度与注汽干度这5个特征参数为研究对象，依次设计多组单因素变量数值模拟实验方案，假定采注比为1.2，利用步骤四中建立的数值模型对其进行计算。

由数模计算结果与公式(2)反求蒸汽驱综合系数，并分别研究其与上述5个参数的单因素相关关系，作为求解蒸汽驱综合系数经验方程的依据。通过对影响规律的进行趋势拟合，可知蒸汽驱综合系数与初始含油饱和度呈乘幂关系；其与原油粘度和注汽速度分别呈二次式关系；其与注汽干度和注汽温度分别呈对数关系。且该蒸汽驱综合系数皆随着5个因素的增大而增大。

步骤106，选取影响稠油蒸汽驱开发效果的主要参数，利用正交设计表产生多组数值模拟研究方案，并用步骤104中建立的数值模型对其进行计算，得到多组产能结果；

选取油层有效厚度、初始含油饱和度、50℃下的原油粘度及注汽速度等8个主要开发参数，参照新疆风城油田重32区块的油藏条件，给出各参数的取值范围，并分别划分为8个水平，如表1所示。利用正交设计表产生64组数值模拟方案，并用步骤四中建立的数值模型对其进行计算，得到多组产能结果。

表1正交试验因素与水平表

步骤107，根据步骤105中得到的单因素相关关系，以步骤106中得到的产能结果为基础，经多元线性回归得到蒸汽驱综合系数的经验方程，继而得到稠油油藏反九点直井井网蒸汽驱的产能预测模型，其中预测模型的参数适用范围，即为步骤106所设计研究方案中的参数取值范围；

根据蒸汽驱综合系数与其对应的5个特征参数的单因素相关关系研究结果，经变量代换及多元线性回归，得到蒸汽驱综合系数的经验模型，如公式(3)。从公式(3)中可以看出，在本次研究范围内，注汽温度与注汽干度相对于其他因素而言，对汽驱综合系数的影响较小，即对水平井蒸汽驱的产能结果影响较小。将公式(3)代入到公式(2)中，最终得到稠油油藏反九点直井井网蒸汽驱的产能预测模型。

式中：So为含油饱和度；v为注汽速度，m³/d；T为注汽温度，℃；G为注汽干度。

步骤108，设计多组检验方案，利用人工神经网络方法、数值模拟方法以及现场实例计算，分别对步骤107中得到的产能预测模型进行准确性验证。

人工神经网络方法具有良好的自适应性，在油气田开发等多个领域中，常用于对多变量、不确定的非线性系统进行预测，且准确性较高。建立人工神经网络模型关键在于其结构层数、输入与输出参数。本文选择3层人工网络对稠油油藏反九点直井井网蒸汽驱产能进行预测，网络输入结点为表1中提出的影响产能的8个因素，网络输出节点为产能结果。

学习训练样本的不完整性和离散性会直接影响网络预测结果的准确性，在此选择步骤106中的64组数值模拟结果组成学习样本集，将其输入并进行数万次的运算训练，误差控制在极小的范围以内，由此找出产能预测结果与8个主要因素之间的内部联系。训练得到网络权值和阀值后，将8个因素重新组合后得到不同于学习训练样本的10组检验数据，如表2所示，进而对其产能结果做出预测。将网络预测和数模计算结果同时与步骤107中的产能预测模型结果进行对比分析，如表3与图3所示，从中可以看出产能预测模型的误差约为10％，满足工程要求。

表2检验样本数据表

表3产能预测结果对比分析表

XJ油田FC区块内一个反九点直井井网单元，其初期进行蒸汽吞吐，后期转为蒸汽驱开发。基本参数如下：原始地层压力为2.27MPa，平均孔隙度为32.5％，平均渗透率为3151×10^-3μm²，剩余含油饱和度为67.2％，50℃下原油粘度为12000mPa·s，注汽速度60m³/d，注汽温度270℃，注汽干度为0.8，井网特征尺度半长为50m，油井半径为0.1m，油层厚度为17.23m，原油体积系数为1.05。应用上述公式计算产油量为129.14m³/d，而实际测得的产油量为137.48m³/d，误差为6.07％。

上述多种方法检验结果说明，本发明中的油田注采井网驱替开发的产能预测方法具有科学性、准确性及实用性。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。