
2. 中海油研究总院, 北京 朝阳 100028
2. Research Center of CNOOC, Chaoyang, Beijing 100028, China
渤海油田从2003年的单井注聚试验成功,到目前的3个油田注聚,聚合物驱增油降水的效果已见成效。渤海油田具有储层胶结疏松,油层厚、纵向上渗透率级差大,层间非均值性强的特点[1-2],经过多年的注水开发,由于注入水的长期冲蚀,加剧了地层的非均质性,导致地层中形成大孔道,使得聚合物溶液容易沿窜流通道突进发生窜流现象[3-4],导致个别油井过早见聚,产出液中聚合物质量浓度高,既影响了聚合物驱的开发效果又增加了产出液的处理难度。
掌握储层中窜流通道的发育情况是制定调剖、堵水等稳油控水措施方案的重要依据。现有的窜流通道判识方法,主要分生产动态监测、试井识别、示踪剂监测、测井资料识别等几类[5-7],这些方法都需要大量的测试资料,而且只能对一个时间点进行判识,不能对后期发展趋势进行预警。对于海上油田来说,现场测试的资料少、成本高、获取周期长,应用以上方法来对海上油田的聚窜情况进行实时监测不现实。
因此针对以上问题,以渤海J油田为例,结合油藏工程、数值模拟和数学方法3种手段,建立了一套油藏聚窜的预警方法,对窜流通道的发育位置及规律进行判识,从而改善和提高聚合物驱效率,最大限度地提高动用储量,为聚合物驱开发阶段优化和调整提供理论指导。
1 聚合物驱窜流预警方法建立的原理建立聚合物窜流预警方法的原理图如图 1所示,关键步骤主要有以下3步:
![]() |
图1 聚合物驱窜流预警方法建立的原理图 Fig. 1 Early warning method for crossflow of polymer flooding |
(1) 寻找警源
基于现场生产的动静态和监测资料,应用统计分析的方法,分别对油井、水井和井组的各项生产指标进行分析研究,寻找储层中形成窜流通道的影响因素和具体表现特征。
(2) 分析警兆
根据聚驱动态特征,对各项指标与聚窜的关联程度进行总结,在筛选出合理判定指标的基础上确定聚窜预警指标体系及其界限。
(3) 预报警度
建立聚窜预警评价模型,定量评价聚合物驱过程中已经形成的窜流通道,并在此基础上通过对聚窜指标体系中的动态指标进行预测,从而对后期窜流通道的发展趋势进行预测。
2 聚合物驱窜流特征分析 2.1 采油井表现特征聚合物驱见效和聚合物产出之间的关系一般有3种情况,即先见效后见聚、同时见聚见效和先见聚后见效,3种情况井组的聚驱效果依次变差,说明见聚越晚,聚合物推进越均匀,聚驱效果越好。见聚越快,聚合物的有效波及体积越小,可能存在窜流。
为了表征聚合物窜流的强弱,定义了聚合物驱窜流因子
$ M = Q_{\rm{p}} \times V_{\rm{p}} \times \omega $ | (1) |
其中
$ Q_{\rm{p}} = Q_{\rm{o}} /Q_{\rm{i}}\\ V_{\rm{p}} = L/T_{\rm{p}}\\ \omega = \left\{ \begin{array}{l} T_{\rm{e}} /(T_{\rm{e}} - T_{\rm{p}} ) \\ 1 \\ (T_{\rm{p}} - T_{\rm{e}} )/T_{\rm{p}} \\ \end{array} \right. $ |
式中:
M—聚合物驱窜流因子,m/d;
Qp—无因次产聚量,无因次;
Qo—油井产聚量,m3/d;
Qi—劈分注聚量,m3/d;
Vp—聚合物突破速度,m/d;
ω—见效因子,无因次,当见聚时间早于见效时间时,ω = Te /(Te -Tp);当见聚时间等于见效时间时,ω=1;当见聚时间晚于见效时间时,ω = (Tp -Te)/Tp;
L—井距,m;
Tp—见聚时间,d;
Te—见效时间,d。
聚合物驱窜流因子综合考虑了聚合物注入、井网以及油藏条件对聚窜的影响。通过对J油田各油井聚合物驱窜流因子的计算发现(图 2),窜流因子较高的井的含水率和产聚浓度都较高,具有明显的窜流特征,说明聚合物驱窜流因子可以作为表征聚窜情况的重要参数。
![]() |
图2 聚合物驱窜流因子与产聚浓度和含水率的关系 Fig. 2 The relationship between crossflow factor and polymer concentration in produced fluid and water cut |
在储层性质不发生变化的情况下,注聚井的吸水指数变化平稳,窜流通道形成后,日注水量不变时井底压力下降,视吸水指数增加。通过对比目前视吸水指数相对初期视吸水指数的变化来跟踪聚窜发生的可能性,聚窜后,初期视吸水指数与目前视吸水指数的比值小于1,其值越小说明窜流越厉害。通过对注聚井的视吸水指数变化率和累积注入量对比发现(图 3),累积注入量越大的井,视吸水指数变化率越小,说明水驱倍数高的地方,冲刷越严重,也越容易形成窜流通道,吸水能力增加。
![]() |
图3 注聚井累积注入量与视吸水指数变化率的关系 Fig. 3 Relationship between cumulative injection and change rate of apparent injectivity index |
优势通道形成后,由于大量注入水的直接产出,导致地层存水率降低,同时优势通道将油水井直接连通起来,注采关联性非常强,注采连通性非常明显。通过2008年和2012年部分井组的存水率和连通率的统计(图 4)可以看出,可能存在优势通道发育的井组存水率明显降低,连通性普遍变好,具有明显的窜流特征。
![]() |
图4 注采井组存水率和连通率的关系 Fig. 4 The relationship between water storage rate and connectivity rate of well group |
形成窜流通道的影响因素很多,但考虑因素过多,各因素之间又存在关联,容易导致主次不分,操作不便,因此通过对全指标体系进行筛选,利用灰色关联方法计算各指标与聚窜的关联性大小[8-9],对各指标进行排序,选取关联度为密切级以上的指标组成聚合物窜流指标体系。经过分析,最终建立的有效评判指标体系见图 5。
![]() |
图5 聚合物驱窜流评价指标体系 Fig. 5 Evaluation index system for crossflow of polymer flooding |
由于不同油田的开发生产特征不一样,因此针对不同的油田应确定不同的聚窜指标界限。
以J油田为例,建立了基础渗透率为250,500,1 000 mD的典型数值模型,分别模拟渗透率级差在1、2、5、8、10、12、15条件下的聚窜情况。
图 6为不同渗透率级差下聚合物驱阶段的含水率下降幅度。从图中可以看出,在同一级差下,随着基础渗透率的升高,含水率下降幅度不断下降;对于同一基础渗透率,随着级差的增大,含水率下降幅度先上升后下降。
![]() |
图6 不同渗透率级差模型的含水率下降幅度 Fig. 6 The decline of water cut of different permeability contrast models |
根据含水下降幅度,对聚窜界限进行了标定,含水率下降幅度开始下降的级差为聚窜观测区,含水率下降幅度快速下降的级差为聚窜发育区,具体各指标的界限见表 1。
表1 不同级差模型的窜流界限 Table 1 The crossflow boundaries of different permeability contrast models |
![]() |
从表 1可以看出,随着基础渗透率增大,聚窜级差界限不断下降。
3.3 聚合物驱窜流指标权重在前面典型数值模型的基础上,应用控制变量法来确定聚合物驱窜流指标体系中各个聚窜指标的权重。单一指标值按照+10%和-10%改变,应用式(1) 计算对应的窜流因子,不同指标对聚窜的影响程度不同,单一指标值改变+10%和-10%后,对应窜流因子变化的绝对值比上全部指标对应的窜流因子变化的绝对值的总和,即为每个单一指标的权重(表 2)。
表2 聚窜评价指标的权重 Table 2 Weight of evaluation index |
![]() |
在确定聚合物窜流指标体系及其界限和权重的基础上引入模糊综合评判方法建立聚窜判识模型[10-12]。判识步骤为
(1) 评价要素指标体系的设置
根据确定的指标体系建立评价要素集合为
$ U = \left\{ {u_1, u_2, \cdots, u_i } \right\} $ | (2) |
(2) 评语集合的确定
根据聚窜发生程度,将评判等级标准划分为“无聚窜”、“聚窜观察”、“聚窜发育”3个等级。即评语集合为
$ V = \left\{ {{v_1}, {v_2}, {v_{\rm{3}}}} \right\} = \left\{ {{\rm{无聚窜, 聚窜观察, 聚窜发育}}} \right\} $ | (3) |
(3) 评价要素权重子集的确定
根据各指标的权重建立权重子集为
$ A = \left\{ {a_1, a_2, \cdots, a_i } \right\} $ | (4) |
(4) 评判的实施
建立各子集ui中单要素的评价决策矩阵Ri
$ {\mathit{\boldsymbol{R}}}_i = \left[{\begin{array}{*{20}c} {r_{11} }&{r_{12} }& \cdots &{r_{1m} } \\ {r_{21} }&{r_{22} }& \cdots &{r_{2m} } \\ \cdots & \cdots & \cdots & \cdots \\ {r_{n1} }&{r_{n2} }& \cdots &{r_{nm} } \\ \end{array}} \right] $ | (5) |
各单要素的权重系数向量Ai与评价决策矩阵Ri进行合成运算即可得到评判结果Bi
$ {\mathit{\boldsymbol{B}}}_i ={\mathit{\boldsymbol{A}}}_i \times {\mathit{\boldsymbol{R}}}_i $ | (6) |
将实时的动态指标代入聚窜判识模型就可以对现阶段的聚窜情况进行评价,通过建立聚窜指标预测模型对各个聚窜评价指标的趋势进行预测,就可以对后期聚窜的发生情况进行预警。
为了减小单一模型预测的误差,通过将灰色预测与支持向量机模型得到的预测值求算术平均来最终确定各项评价指标[13-15]
$ L_i = \left( {L_{i\text{灰}} + L_{i\text{支}} } \right)/2 $ | (7) |
和实际值相比,灰色预测的平均误差为23%,支持向量机的平均误差为28%,两者相结合的平均误差为17%,增加了预测精度,从而减少了下一步聚窜预测的误差。
5 现场应用利用聚合物驱窜流预警模型对渤海J油田的聚窜情况进行了判识和预测,其结果图 7所示。
![]() |
图7 J油田不同时期聚窜实际与预测对比图 Fig. 7 Actual crossflow of polymer flooding compared with prediction during different periods in J Oilfield |
由图 7a与图 7c图对比发现,随着注聚时间的延长,窜流区域有所扩大,红色区域的井由4口增加到7口,黄色区域的井由3口增加到4口。由图 7b与图 7c对比发现,预警与实际结果不同的总共有4口井,全区有28口生产井,预测精度为86%。
6 结论(1) 在聚合物驱油过程中,储层物性发生较大变化,特别是渗透率级差较大的地层,容易形成优势通道,导致聚合物溶液沿优势通道突进发生严重的窜流现象,降低了聚合物驱油的效果。
(2) 基于模糊综合评判方法建立了聚合物驱窜流判识模型,并结合评价指标组合预测模型形成了聚合物驱窜流预警方法。利用该方法可以对聚合物驱过程中的窜流情况进行实时监控,并对后期聚窜发育趋势进行预测。
(3) 渤海J油田的应用实例表明该方法的操作性强,预测精度高,计算结果准确可靠,可为聚合物驱开发阶段优化调整措施的实施提供理论指导。
[1] |
周守为, 韩明, 向问陶, 等. 渤海油田聚合物提高采收率技术研究及应用[J].
中国海上油气, 2006, 18(6): 386–389.
ZOU Shouwei, HAN Ming, XIANG Wentao, et al. Application of EOR technology by means of polymer flooding in Bohai Oilfields[J]. China Offshore Oil and Gas, 2006, 18(6): 386–389. doi: 10.3969/j.issn.1673-1506.2006.06.-006 |
[2] |
梁丹, 冯国智, 谢晓庆, 等. 聚合物驱阶段注采动态特征及影响因素分析[J].
特种油气藏, 2014, 21(5): 75–78.
LIANG Dan, FENG Guozhi, XIE Xiaoqing, et al. Analysis on features and influencing factors of injection-production performance during polymer flooding[J]. Special Oil and Gas Reservoirs, 2014, 21(5): 75–78. doi: 10.3969/j.issn.-1006-6535.2014.05.018 |
[3] |
彭仕宓, 史彦尧, 韩涛, 等. 油田高含水期窜流通道定量描述方法[J].
石油学报, 2007, 28(5): 80–84.
PENG Shimi, SHI Yanyao, HAN Tao, et al. A quantitative description method for channeling-path of reservoirs during high water cut period[J]. Acta Petrolei Sinica, 2007, 28(5): 80–84. doi: 10.7623/syxb200705014 |
[4] |
郑强, 刘慧卿, 李芳, 等. 油藏注水开发后期窜流通道定量识别方法[J].
石油钻探技术, 2012, 40(4): 92–95.
ZHENG Qiang, LIU Huiqing, LI Fang, et al. Quantitative identification of breakthrough channel in water flooding reservoirs at later stage[J]. Petroleum Drilling Techniques, 2012, 40(4): 92–95. doi: 10.3969/j.issn.1001-0890.2012.-04.018 |
[5] |
李科星, 蒲万芳, 赵军, 等. 疏松砂岩油藏大孔道识别综述[J].
西南石油大学学报, 2007, 29(5): 42–44.
LI Kexing, PU Wanfen, ZHAO Jun, et al. Summarization of identification of macro-pores in unconsolidated sandstone oil reservoir[J]. Journal of Southwest Petroleum University, 2007, 29(5): 42–44. doi: 10.3863/j.issn.1000-2634.2007.05.11 |
[6] |
史有刚, 曾庆辉, 周晓俊. 大孔道试井理论解释模型[J].
石油钻采工艺, 2003, 25(3): 48–50.
SHI Yougang, ZENG Qinghui, ZHOU Xiaojun. Interpreting model of large pore well testing theory[J]. Oil Drilling & Production Technology, 2003, 25(3): 48–50. doi: 10.-3969/j.issn.1000-7393.2003.03.015 |
[7] |
丁帅伟, 姜汉桥, 赵冀, 等. 水驱砂岩油藏优势通道识别综述[J].
石油地质与工程, 2015, 29(5): 132–136.
DING Shuaiwei, JIANG Hanqiao, ZHAO Ji, et al. General description of preferential migration passage in waterflood sandstone reservoir[J]. Petroleum Geology and Engineering, 2015, 29(5): 132–136. doi: 10.3969/j.issn.1673-8217.2015.05.038 |
[8] |
张雄君, 程林松, 李春兰. 灰色关联分析法在产量递减率影响因素分析中的应用[J].
油气地质与采收率, 2004, 11(6): 48–50.
ZHANG Xiongjun, CHENG Linsong, LI Chunlan. Application of the grey relative analysis method to the influencing factor analysis of production decline rate[J]. Petroleum Geology and Recovery Efficiency, 2004, 11(6): 48–50. doi: 10.3969/j.issn.1009-9603.2004.06.016 |
[9] |
彭得兵, 唐海, 李呈祥, 等. 灰色关联法在剩余油分布研究中的应用[J].
岩性油气藏, 2010, 22(3): 133–136.
PENG Debing, TANG Hai, LI Chengxiang, et al. Application of grey association analysis to the study of remaining oil distribution[J]. Lithologic Reservoirs, 2010, 22(3): 133–136. doi: 10.3969/j.issn.1673-8926.2010.03.027 |
[10] |
丁熊, 谭秀成, 罗冰, 等. 基于灰色模糊理论的多参数碳酸盐岩储层评价[J].
西南石油大学学报(自然科学版), 2008, 30(5): 88–92.
DING Xiong, TAN Xiucheng, LUO Bing, et al. Multi-parameter carbonate rock reservoirs evaluation based on grey fuzzy theory[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2008, 30(5): 88–92. doi: 10.3863/j.issn.1000-2634.2008.05.019 |
[11] |
刘亚平, 陈月明, 李春英, 等. 利用多层次模糊综合评判方法定量预测特高含水期油藏潜力[J].
系统工程理论与实践, 2009, 29(1): 181–185.
LIU Yaping, CHEN Yueming, LI Chunying, et al. Determining the development potential of reservoirs at ultrahigh water cut stage using comprehensive fuzzy analytical hierarchy evaluation method[J]. Systems EngineeringTheory & Practice, 2009, 29(1): 181–185. doi: 10.12011/-1000-6788(2009)1-181 |
[12] |
胡伟, 杨胜来, 李斯鸣, 等. 基于多层次模糊综合评价的剩余油分布研究方法[J].
西南石油大学学报(自然科学版), 2015, 37(4): 22–28.
HU Wei, YANG Shenglai, LI Siming, et al. Application of multi level fuzzy comprehensive evaluation method in the research of remaining oil distribution in xing 6 district[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2015, 37(4): 22–28. doi: 10.11885/j.-issn.1674-5086.2013.08.30.01 |
[13] |
张锋, 张星, 张乐, 等. 利用支持向量机方法预测储层产能[J].
西南石油大学学报, 2007, 29(3): 24–27.
ZHANG Feng, ZHANG Xing, ZHANG Le, et al. Prediction of reservoir productivity by support vector machine[J]. Journal of Southwest Petroleum University, 2007, 29(3): 24–27. doi: 10.3863/j.issn.1674-5086.2007.-03.007 |
[14] |
金志勇. 支持向量机在识别渗流优势通道中的应用[J].
大庆石油地质与开发, 2009, 28(6): 178–180.
JIN Zhiyong. Application of svm in identification of high permeability channels[J]. Petroleum Geology and Oilfield Development in Daqing, 2009, 28(6): 178–180. doi: 10.-3969/J.ISSN.1000-3754.2009.06.038 |
[15] |
李德庆. 利用GM(1, 1) 模型群预测油田产油量[J].
油气地质与采收率, 2008, 15(5): 82–85.
LI Deqing. A method of predicting oil production using GM (1, 1) model groups[J]. Petroleum Geology and Recovery Efficiency, 2008, 15(5): 82–85. doi: 10.3969/j.issn.-1009-9603.2008.05.024 |