A Method for Rapidly Predicting Recovery of Multi-Layer Oilfields Developed by Water-Flooding
-
摘要:
为了快速准确预测水驱开发油田的采收率，在考虑储层特征、流体性质等影响原油采收率因素的基础上，建立了基于反向传播神经网络优化算法的采收率快速预测方法。首先，以蓬莱19-3油田地质特征和流体性质为依据，建立了油藏数值模拟地质模型，选取渗透率变异系数、原油黏度、油层净毛比和生产压差等4个关键因素，每个因素选取5个水平，采用油藏数值模拟方法对625组数据进行了模拟，建立了625组采收率及其影响因素关系数据库；然后，基于BP网络及优化理论，建立了快速预测采收率的人工神经网络方法。选取500组数据作为算法训练集，125组数据进行测试，测试结果表明，125组测试数据的预测采收率相对误差范围为−2.91%～5.07%，平均相对误差为0.16%，满足工程精度要求。多层水驱开发油田采收率快速预测方法为蓬莱19-3油田及其他同类油田采收率快速预测提供了新的技术手段。
Abstract:In order to quickly and accurately predict the recovery of oilfields developed by water flooding, a method for rapidly predicting oil recovery was established based on a back propagation (BP) neural network optimization algorithm with consideration of factors influencing the recovery, such as reservoir characteristics and fluid properties. Firstly, geological models for numerical reservoir simulation were constructed according to the geological characteristics and fluid properties of Penglai 19-3 Oilfield. Four key factors including coefficient of permeability variation, oil viscosity, net to gross ratio of oil layers, and production pressure differential were selected, with each factor defined into five levels. 625 groups of reservoir simulation cases were analyzed numerically, and a database indicating the relationship between the oil recovery of the cases and the influencing factors was established. Secondly, an artificial neural network (ANN) method for rapidly predicting oil recovery was set up based on BP neural network and optimization theory. Finally, 500 groups of data were selected as the algorithm training set, and 125 groups of data were tested for recovery predicting. The test result showed that the predicted oil recovery of the tested data had a relative error ranging from −2.91% to 5.07% with an average relative error of 0.16%, which met the requirement for engineering accuracy. The method for rapidly predicting recovery of multi-layer oilfields developed by water-flooding provides a new technical approach to rapidly predict the recovery of Penglai 19-3 Oilfield and other similar oilfields.
-
Parahuacu油田位于南美奥连特盆地中北部，主要发育BT组、Napo组和Hollin组等3套砂岩储层，其中Napo组是主力储层。经过40多年的开发，目前Napo组储层压力低，应用常规密度水泥浆固井时（1.92～2.04 kg/L）易发生漏失，且油层边底水活跃，固井二界面水泥胶结质量差，储层区域易出现水窜现象，都严重影响后续开采效果，导致单井产量低、含水率高。针对Parahuacu油田固井中遇到的问题，采用悬挂尾管固井工艺降低储层区域环空压力，使用密度2.04 kg/L的水泥浆压稳活跃水层，在控制边底水窜流方面取得了一些效果，但水泥浆漏失问题依旧存在，储层因受到了污染，产油量仍然不高。
为此，笔者针对常规固井前置液功能单一、常规密度水泥浆现场应用效果不佳等突出问题，研制了多效固井前置液，达到改善水泥界面胶结质量、避免储层物性受到损害的目的；研发了一种防水窜胶乳低密度水泥浆，并确保其现场性能稳定，控制滤失量及增强防水窜性能，达到避免水泥浆向储层漏失和防止边底水窜流的目的，形成了厄瓜多尔Parahuacu油田固井技术，很好地解决了该油田固井中存在的问题，取得了优良效果。
1. 固井难点及针对性措施
1.1 固井技术难点
Napo组地层压力梯度13.6 kPa/m，孔隙度主要为10%～25%，渗透率主要为10～1000 mD，具有低压、高孔、高渗特性；砂岩储层间夹杂泥页岩，吸水性强、分散度高、易垮塌；孔喉粗大，孔隙直径主要为5～60 μm，分布范围广，富含敏感性矿物，易受有害液固相侵入损害[1]；含水饱和度高，油层边底水活跃。分析认为，其主要固井技术难点为：
1）为保证井眼稳定，主要采用聚合物钻井液，将石灰石粉作为加重材料，固相含量高，在井壁形成的致密滤饼用普通冲洗液无法清除，严重影响固井二界面胶结质量；
2）固井过程中，由于环空压差，水泥浆滤液及固相会侵入储层孔喉，改变其原有物性，对储层造成损害，影响后续开采效果；
3）储层具有低压、高孔、高渗特性，采用常规密度水泥浆固井时易发生漏失；
4）油层边底水活跃，储层区域易发生水窜，影响水泥环空封固质量。
1.2 针对性技术措施
针对Parahuacu油田Napo组砂岩储层的固井技术难点，依据酸蚀原理，研制出一种酸性冲洗液，用来清除井壁表面的结构性滤饼；依据“屏蔽暂堵”理论，优选了隔离液中加重剂的粒径范围，使其在储层表皮形成暂堵层，保护储层物性；依据结构性凝胶对界面胶结的促进作用，研制出一种界面胶结增强剂，用来提高固井二界面的胶结质量；另外，拟使用低密度的减轻材料，为此研制出一种低密度水泥浆，同时控制滤失量，避免水泥浆向储层漏失；拟选用新型防水窜剂，用来促进低密度水泥浆快速形成内部结构阻力，避免油层边底水窜流。
配套的技术措施：使用整体式弹性扶正器，利用居中度模拟软件设计裸眼段扶正器加放的数量及位置，保证套管居中度；控制固井流体的环空流态，同时考虑井眼稳定要求设计注替方案，以提高顶替效率，避免储层漏失。
2. 多效前置液的研制
固井前置液应具备驱替、隔离钻井液，清洗套管虚滤饼及井壁油污，清除结构性滤饼，防止有害液固相侵入储层孔喉，增加水泥界面胶结强度等作用。为此，决定在普通冲洗液基础上加入酸性冲洗液、暂堵型隔离液和界面胶结增强剂，以形成一套多效前置液体系。
2.1 酸性冲洗液
普通冲洗液能够清洗套管表面的虚滤饼及附在井壁的油污，但无法清除结构性滤饼。井眼中残留的滤饼会使水泥浆产生黏稠团块状絮凝物质，从而严重影响界面胶结质量[2]。分析钻井液滤饼发现，其主要成分为碳酸钙，加之井壁表面为亲油环境，形成的致密滤饼不易被清除，因此以15%（文中出现的百分数如未注明，皆为质量分数）盐酸作为酸性溶蚀剂、SMSS-44L作为酸性渗透剂，并对其加量进行优化，配合K+维持井眼稳定[3]，研制出一种酸性冲洗液。
2.1.1 酸性溶蚀剂的优化
15%盐酸是一种工业产品，密度为1.07 kg/L，加水稀释后可以制备得到不同质量分数的盐酸溶液。盐酸在水中可完全电离出H+，因此采用15%盐酸作为酸性溶蚀剂，可以方便、精确地控制冲洗液的酸蚀能力。
在实验室利用15%盐酸制备等量的质量分数分别为0.5%，1.0%，1.5%和2.0%的盐酸溶液。将模拟井壁分别置于不同盐酸溶液中冲洗，测算冲洗前后滤饼面积的差值，得到其冲洗效率依次为77.6%，82.7%，85.8%和86.8%。可以看出，随着盐酸质量分数增大，酸液的冲洗效率逐渐提高；质量分数为1.5%时，冲洗效率为85.8%；继续增大盐酸质量分数后，冲洗效率的提高不再明显。
2.1.2 酸性渗透剂的优化
SMSS-44L的主要成分是一种表面活性剂，在酸性溶液中发挥作用，作用原理是将滤饼的亲油性改变为亲水性，进一步提高酸性溶液的冲洗能力，促进井壁滤饼的剥蚀。
在实验室制备4份等量的质量分数为1.5%的盐酸溶液，然后依次加入0.5%，1.0%，1.5%和2.0%的SMSS-44L，搅拌使其分散均匀。通过模拟冲洗试验，得到其冲洗效率依次为89.6%，92.7%，95.1%和95.8%。可以看出，随着SMSS-44L加量增大，酸性溶液的冲洗效率逐渐提高；加量为1.5%时，冲洗效率达到95.1%；继续增大SMSS-44L加量，冲洗效率的提高不再明显。
综合以上结果，同时考虑井眼稳定要求，确定酸性冲洗液的配方为：1.5%盐酸+1.5%SMSS-44L+5.0%KCl。
2.2 暂堵型隔离液
固井过程中，水泥浆的滤液及固相颗粒（水泥及外掺料）在环空压差下容易侵入储层孔喉，造成损害[4]；传统隔离液使用高分子聚合物作为悬浮剂，虽然能够提黏增稠，增强隔离液的悬浮和携带能力，但其形成的“胶液”也会侵入孔喉，伤害储层[5]。因此，对隔离液中悬浮剂与加重剂的种类和加量进行优化，研制了一种暂堵型隔离液。该隔离液不仅能隔离环空中的钻井液与水泥浆，还对储层具有“屏蔽暂堵”效果。
2.2.1 悬浮剂的优化
选取高分子聚合物类悬浮剂G404SP、XC-HV和表面活性剂类悬浮剂BCS-010L进行室内试验，比较其悬浮能力，优选出最佳悬浮剂。
在实验室制备等量的质量分数为1.0%的G404SP、XC-HV和BCS-010L溶液，分别加入5.0%的325目碳酸钙，继续搅拌至分散均匀，倒入量筒。在温度70 ℃下水浴静置20 min后，观察并估算沉降率依次为6.0%、2.0%和2.0%；用六速旋转黏度计测定不同溶液的流变参数，结果见表1。
表 1 不同悬浮剂溶液的流变性能Table 1. Rheological performance of different suspending agents悬浮剂
溶液六速旋转黏度计读数 流性
指数n稠度系数/
(Pa·sn)ϕ600 ϕ300 ϕ200 ϕ100 ϕ6 ϕ3 G404SP 21 12 9 5 2 1 0.807 0.037 XC-HV 33 21 15 10 1 1 0.652 0.172 BCS-010L 32 21 15 12 2 1 0.608 0.227 由表1可知，相比G404SP，XC-HV和BCS-010L溶液的沉降率更低，流变性更好，是较好的悬浮剂。但XC-HV是高分子聚合物，而笔者采用了表面活性剂悬浮技术[6]，因此选用BCS-010L作为隔离液的悬浮剂，加量为1.0%。
2.2.2 加重剂的优化
碳酸钙作为隔离液加重剂，具有化学惰性强、热稳定性好、分散体系稳定及易被酸性溶液清除等诸多优点[7]。在实验室分别选取200和325目碳酸钙样品，对其粒径分布进行了分析，结果见表2。由表2可见，200目碳酸钙粒径分布较广，从细到粗均有，d90为73 μm；325目碳酸钙粒径分布较窄，在一个特定的范围内，d90为45 μm。根据屏蔽暂堵理论中的“三分之二架桥原则”[8]，选择325目碳酸钙作为加重剂，更有利于粒径匹配和暂堵储层。
表 2 碳酸钙粒径分布情况统计结果Table 2. Statistics of size distribution of calcium carbonate particles碳酸钙 d10/μm d50/μm d90/μm 酸蚀率，% 200目碳酸钙 6 37 73 98.6 325目碳酸钙 5 24 45 99.4 注：d10，d50和d90为特定粒径，粒径小于它们的颗粒分别占总颗粒的10%、50%和90%。 在实验室制备等量的质量分数1.0%的BCS-010L溶液，分别加入5.0%的200目和325目碳酸钙，搅拌至分散均匀，选取Napo组储层岩心，将上述2种溶液按照岩心入井流体储层伤害评价方法进行岩心驱替试验，以评估不同粒径范围碳酸钙的储层保护效果。根据结果，渗透率恢复率分别为64.0%和83.0%，随着碳酸钙粒径范围变窄，渗透率恢复率变大，这说明储层岩心孔隙用325目碳酸钙进行暂堵效果更好。继续对不同质量分数的325目碳酸钙溶液的储层保护效果进行评价，结果见图1。
![]()
图 1 不同加量下碳酸钙溶液的渗透率恢复率Figure 1. Permeability recovery of calcium carbonate solution with different adding amounts从图1可以看出，随着碳酸钙加量增大，岩心渗透率恢复率逐渐增大；碳酸钙加量为20.0%时，渗透率恢复率超过90.0%；继续增大加量，渗透率恢复率变化不大。而不添加碳酸钙条件下，渗透率恢复率仅60.0%左右，这说明隔离液的暂堵能力对储层保护具有重要作用。
综合以上结果，确定暂堵型隔离液配方为：1.0%BCS-010L+20.0%325目碳酸钙。固井施工时，需根据储层保护和环空压力要求来确定隔离液密度，密度一般为1.32～1.56 kg/L。隔离液密度为1.32 kg/L时，325目碳酸钙的加量为20.0%，如需提高密度，可增大碳酸钙加量。
2.3 界面胶结增强剂
ULTRA SS-5L是一种无机硅酸盐溶液，可提高水泥浆特别是低密度水泥浆的早期胶结强度。其作用原理是在井壁与水泥浆接触后，反应生成一种结构性凝胶，在水泥浆稠化早期阻止地层流体窜流，加快固井界面胶结过程。为此，选择ULTRA SS-5L作为界面胶结增强剂。
在实验室制备了等量的质量分数为2.5%，5.0%，7.5%和10.0%的ULTRA SS-5L溶液。首先用酸性冲洗液冲洗模拟井壁，然后用清水和不同质量分数的ULTRA SS-5L溶液冲洗，最后灌注水泥浆，在温度87 ℃下养护相应龄期后测定界面胶结强度，结果见表3。
表 3 ULTRA SS-5L加量对界面胶结强度的影响Table 3. Effect of different adding amounts of ULTRA SS-5L on interfacial cementing strengthULTRA SS-5L加量，% 界面胶结强度/MPa 1 d 3 d 7 d 14 d 0 0.3 0.3 0.4 0.5 2.5 1.2 1.4 1.6 1.7 5.0 1.7 1.8 2.0 2.1 7.5 2.2 2.3 2.4 2.5 10.0 2.3 2.4 2.5 2.6 由表3可知，随着ULTRA SS-5L加量增大，水泥界面胶结强度呈增加趋势；加量为7.5%时，3 d和14 d胶结强度分别为无ULTRA SS-5L组的7.7倍和5.0倍；加量继续增大，胶结强度增加幅度不大。
综合以上试验结果，确定界面胶结增强剂ULTRA SS-5L的加量为7.5%。
3. 防水窜胶乳低密度水泥浆的研制
选用空心玻璃微珠作为减轻材料，降低水泥浆密度。确定液固比设计窗口，保证低密度水泥浆现场性能稳定。同时，控制滤失量，增强其防水窜性能。
3.1 空心玻璃微珠的选择
空心玻璃微珠是一种中空的圆球状超轻质无机非金属材料，是近年来发展起来的一种用途广泛、性能优异的新型减轻材料，具有质量小、体积大、导热系数小、抗压强度高和流动性好等特点[9]。Parahuacu油田开发井垂深一般不超过3 048 m，储层压力不高于41.4 MPa。美国某公司生产的HGS6000型空心玻璃微珠抗压强度为41.4 MPa，在该压力范围内能保持较好的完整性，性能相对稳定，因此选其作为低密度水泥浆的减轻材料。
3.2 液固比设计
加入减轻材料会使水泥浆的强度发展受到影响，同时减轻材料在干灰混合物中含量的变化极易引起水泥浆性能的改变，现场应用中往往会导致环空封固质量不稳定，影响低密度水泥浆的使用效果。为了消除空心玻璃微珠密度低及干灰分层带来的影响，通过控制低密度水泥浆液固比来保证浆体性能稳定。
液固比可通过液体体积分数（liquid volume fraction，LVF）来量化，即水泥浆中的液体体积与水泥浆总体积的比率。通常情况下，LVF≤0.38时，水泥浆会因为黏度太大而无法用常规固井设备泵送；LVF≥0.50时，水泥浆浆体会不稳定，出现水泥颗粒沉降以及抗压强度发展差等结果。目前，水泥车混浆操作以水泥浆密度作为控制参数，当设计LVF=0.50时，现场所用干灰经过多次转混及运输颠簸，其内部减轻材料含量已发生变化或出现物料分层，如果继续按照设计密度混浆，水泥浆实际LVF可能已变为0.52，那么浆体将会变得极不稳定；当设计LVF=0.38时，同样的原因可能造成水泥浆难以混配及泵送。因此，为了保证现场低密度水泥浆的性能稳定及施工安全，LVF设计窗口确定为0.44～0.48。
3.3 水泥浆配方及性能
3.3.1 滤失性能
研究表明，水泥浆滤液对储层物性有较大影响。随着滤失量增大，储层渗透率下降，试验条件下渗透率损害率最大可达77.6%，因此控制水泥浆滤失量是固井储层保护的重要措施[10]。BXF-200L为AMPS类降滤失剂，耐温耐盐，具有一定的分散性能，不会增大水泥浆稠度，能在宽温度范围内保持优良的降滤失性能[11]。
在不同BXF-200L加量下，在实验室配制密度为1.74 kg/L的水泥浆，对其API滤失量进行了测试。试验结果表明：BXF-200L加量分别为0.5%，1.0%，1.5%，2.0%，2.5%和3.0%时，API滤失量依次为187，95，58，36，20和18 mL。可以看出，滤失量随BXF-200L加量增大而降低，BXF-200L加量为2.5%时，滤失量为20 mL；继续增大BXF-200L加量，效果不再明显。考虑降滤失剂加量过大对水泥浆胶凝强度发展速度、初凝终凝时间和抗压强度都有一定影响[12]，因此将BXF-200L的加量确定为2.5%。
3.3.2 防水窜性能
胶乳水泥浆具有一定的防油气水窜能力[13]，但就抑制边底水窜流而言，水泥浆胶凝结构快速形成而产生的内部结构阻力是关键[14]。CA-13L属于无机盐类防水窜剂，顶替结束后能在水泥浆内部产生胶凝网状结构，通过增大水泥浆胶凝强度来增大其内部结构阻力，阻止水泥浆凝固前发生边底水窜流[15]。
利用六速旋转黏度计测量分析CA-13L加量对水泥浆胶凝强度的影响，结果见表4。
表 4 CA-13L加量对水泥浆胶凝强度的影响Table 4. Effect of different adding amounts of CA-13L on gel strength of cement slurryCA-13L加量，% 胶凝强度/Pa 87 ℃，10 s 87 ℃，10 min 0 2.2 7.9 2 5.7 32.5 4 7.6 46.9 从表4可以看出，加入CA-13L后，水泥浆的胶凝强度明显增大，且加量增大后强度继续提高。
图2所示为87 ℃、35 MPa条件下，利用超声波水泥分析仪测绘的加入4.0%CA-13L后水泥浆的静胶凝强度发展曲线。
![]()
图 2 加入4.0%CA-13L后水泥浆的静胶凝强度发展曲线Figure 2. Static gel strength curve of cement slurry with 4.0% CA-13L added从图2可以看出，140 min后水泥浆的静胶凝强度迅速提高，48～240 Pa的过渡时间短于10 min。
综合考虑水泥浆防水窜性能及作业安全要求，确定CA-13L的加量为4.0%。
3.3.3 水泥浆配方及综合性能
综合以上研究结果，确定防水窜胶乳低密度水泥浆配方为：西班牙G级水泥+5.00%HGS6000+2.50%BXF-200L+4.00%CA-13L+2.00%BCT-800L+2.00%EXC-13+0.26%BXR-200L+0.20%D50+0.10%G603。该水泥浆的密度为1.74 kg/L，LVF为0.47，析水率为0，API滤失量为20 mL，沉降密度差小于0.02 kg/L；70 ℃、35 MPa条件下初始稠度22 Bc，70 Bc稠化时间110 min，稠化性能优良，如图3所示（0～60 min，模拟现场水泥浆批混过程）；87 ℃、35 MPa条件下水泥石强度发展良好，20 h抗压强度为22.4 MPa，如图4所示；水泥石渗透率小于0.05 mD，收缩率为0。
![]()
图 3 防水窜胶乳低密度水泥浆稠化曲线Figure 3. Thickening test curve of the low-density cement slurry with anti-channeling latex![]()
图 4 防水窜胶乳低密度水泥浆强度曲线Figure 4. Strength curve of the low-density cement slurry with anti-channeling latex4. 现场应用
Parahuacu油田固井技术已在5口井进行了现场应用，施工中储层区域未发生漏失、水窜，施工后固井质量优良，单井产量较高。下面以PRH-X井为例介绍具体应用情况。
PRH-X井为三开定向开发井，ϕ215.9 mm三开井段下入ϕ177.8 mm尾管固井，完钻井深3 648.30 m，井底垂深3 061.40 m，井底水平位移1 864.00 m，3 390.40～3 648.30 m为裸眼段，平均井斜角26.6°。下尾管钻具组合ϕ139.7 mm钻杆×1 735.20 m+ϕ 127.0 mm钻杆×1 376.00 m+ϕ127.0 mm加重钻杆×225.70 m，悬挂器下至井深3 336.90 m，ϕ177.8 mm尾管下至井深3 336.90～3 648.30 m。
PRH-X井共使用35个扶正器。储层段每根套管加放2个扶正器。根据模拟结果，套管居中度达到85.8%，满足大斜度井段固井要求。该井ϕ177.8 mm尾管固井流体注替方案设计结果见表5。
表 5 PRH-X井ϕ177.8 mm尾管固井流体注替方案Table 5. Fluid displacement scheme for ϕ177.8 mm liner cementing in Well PRH-X序号 名称 体积/m3 排量/
（m3·min–1）时间/
min1 暂堵型隔离液 4.77 0.954 5.0 2 普通冲洗液 1.59 0.636 2.5 3 酸性冲洗液 3.18 0.795 4.0 4 普通冲洗液 1.59 0.636 2.5 5 暂堵型隔离液 4.77 0.954 5.0 6 普通冲洗液 1.59 0.636 2.5 7 酸性冲洗液 4.77 0.795 6.0 8 界面胶结增强剂 3.98 0.795 5.0 9 清水 1.59 0.636 2.5 10 防水窜胶乳低密度水泥领浆 2.23 0.795 2.8 11 防水窜胶乳低密度水泥尾浆 5.25 0.795 6.5 12 清水替量 17.50 1.113 15.7 13 钻井液替量 15.90 0.954 16.7 14 钻井液替量 6.36 0.477 13.3 15 钻井液替量 1.75 0.397 4.4 根据表5的注替方案，使用注替模拟软件对环空顶替效率进行了模拟，结果如图5所示，可看出储层段顶替效率能达到95.0%以上；同时，对储层区域环空压力进行了模拟，结果如图6所示，可看出注替后期环空水力静压与地层孔隙压力相当，说明能够避免水泥浆向储层漏失。
![]()
图 5 PRH-X井顶替效率模拟结果Figure 5. Simulation results of displacement efficiency in Well PRH-XPRH-X井ϕ177.8 mm尾管固井作业顺利，候凝24 h后进行声波幅度测井，储层段固井优质率达到100%，套后成像测井显示井筒整体为固相填充，质量优良。正式投产之后，该井日产原油约191 m3，含水率仅4%。
5. 结论与建议
1）Parahuacu油田主要固井技术难点为：井壁表面结构性滤饼难以清除；储层孔喉粗大，易受有害液固相侵害；Napo组储层低压、高孔、高渗，使用常规密度水泥浆易漏失；油层边底水活跃，环空水窜风险高。
2）针对结构性滤饼难以清除、储层孔喉易受侵害、固井二界面水泥胶结差等问题，研制了多效前置液体系，主要包括酸性冲洗液、暂堵型隔离液、界面胶结增强剂。针对储层区域漏失及边底水窜问题，研制了防水窜胶乳低密度水泥浆。
3）室内试验表明，多效前置液能清除95.0%的结构性滤饼，储层渗透率恢复率超过90.0%，水泥浆界面胶结强度提高5倍以上。防水窜胶乳低密度水泥浆现场性能稳定，API滤失量不超过20 mL，静胶凝强度过渡时间短于10 min。
4）Parahuacu油田固井技术现场应用效果良好，能够提高单井产油量。但目前关于固井水泥浆对砂岩储层物性伤害的研究较少，建议针对不同储层的特点分析水泥浆液固相对其造成的损害，完善相关基础理论。
-
![]()
图 1 预测采收率的三层BP神经网络典型架构
Figure 1. Typical architecture of three-layer BP neural network predictiong oil recovery
![]()
图 2 500组训练集的数值模拟采收率与神经网络预测值交会图
Figure 2. Intersection of oil recovery values from numerical simulation and neural network prediction (500 groups of data from training set)
![]()
图 3 125组测试集的数值模拟采收率与神经网络预测值交会图
Figure 3. Intersection of oil recovery values from numerical simulation and neural network prediction (125 groups of data from test set)
![]()
图 4 125组测试集的BP神经网络预测结果误差分析
Figure 4. Error analysis of prediction by BP neural network (125 groups of data from test set)
![]()
图 5 预测采收率相对误差分布直方图
Figure 5. Relative error distribution histogram of predicted oil recovery
表 1 概念地质模型基本参数
Table 1 Basic parameters of conceptual geological model
层位编号 对应油组 层厚/m 顶深/m 孔隙度，% 1 L50 8.80 1 050.00 30.8 2 L54 2.50 1 058.80 23.1 3 L60 2.50 1 061.30 18.4 4 L62 13.70 1 063.80 20.7 5 L64 2.20 1 077.50 20.6 6 L72 7.80 1 079.70 16.7 7 L76 3.50 1 087.50 16.9 
下载: 导出CSV
表 2 影响因素的不同水平取值
Table 2 The values of the level of different influencing factors
水平 影响因素 A：渗透率
变异系数B：原油黏度/
（mPa·s）C：净毛比 D：生产压差/
MPa1 0.1 5 0.6 0.7 2 0.2 15 0.7 1.4 3 0.5 25 0.8 2.1 4 0.7 35 0.9 2.8 5 0.8 45 1.0 3.5
下载: 导出CSV
表 3 采收率及其影响因素关系的数据库
Table 3 Database indicating the relationship between oil recovery and influencing factors
序号 生产压差/
MPa渗透率
变异系数原油黏度/
（mPa·s）净毛比 采收率，% 1 2.8 0.7 5 0.7 64.93 2 3.5 0.8 5 0.9 62.95 3 3.5 0.1 25 0.7 66.85 4 1.4 0.5 25 1.0 49.81 5 1.4 0.8 5 0.6 58.69 6 2.8 0.2 5 0.9 71.54 7 0.7 0.8 35 0.6 42.98 8 2.8 0.5 15 0.9 61.67 9 2.8 0.5 25 0.8 57.07 10 2.1 0.2 15 0.8 65.91 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 623 3.5 0.5 45 0.6 56.43 624 1.4 0.8 5 0.8 56.58 625 2.8 0.8 35 0.6 52.52
下载: 导出CSV
-
[1] 薛永安,邓运华,王德英,等. 蓬莱19-3特大型油田成藏条件及勘探开发关键技术[J]. 石油学报,2019,40(9):1125–1146. XUE Yongan, DENG Yunhua, WANG Deying, et al. Reservoir formation conditions and key exploration & development technoloiges in PL 19-3 giant oilfield[J]. Acta Petrolei Sinica, 2019, 40(9): 1125–1146.
[2] 邓运华,李秀芬. 蓬莱19-3油田的地质特征及启示[J]. 中国石油勘探,2001,6(1):68–71. doi: 10.3969/j.issn.1672-7703.2001.01.016 DENG Yunhua, LI Xiufen. The geological characters and enlightenment of Penglai 19-3 Oilfield[J]. China Petroleum Exploration, 2001, 6(1): 68–71. doi: 10.3969/j.issn.1672-7703.2001.01.016
[3] 张章. 高含水期薄互层状油藏储层精细刻画研究[D]. 西安: 西北大学, 2019: 15-16. ZHANG Zhang. Detail characterization study on thin-interbedded reservoirs at high water cut stage[D]. Xi’an: Northwest University, 2019: 15-16.
[4] 卢异,夏国朝,吕栋梁,等. 缝洞型火成岩油藏注水提高采收率研究[J]. 特种油气藏,2020,27(1):96–101. doi: 10.3969/j.issn.1006-6535.2020.01.014 LU Yi, XIA Guochao, LYU Dongliang, et al. Enhancing oil recovery by waterflooding in fracture-cave igneous reservoir[J]. Special Oil & Gas Reservoirs, 2020, 27(1): 96–101. doi: 10.3969/j.issn.1006-6535.2020.01.014
[5] 王清辉,朱明,冯进,等. 基于渗透率合成技术的砂岩油藏产能预测方法[J]. 石油钻探技术,2021,49(6):105–112. doi: 10.11911/syztjs.2021122 WANG Qinghui, ZHU Ming, FENG Jin, et al. A method for predicting productivity of sandstone reservoirs based on permeability synthesis technology[J]. Petroleum Drilling Techniques, 2021, 49(6): 105–112. doi: 10.11911/syztjs.2021122
[6] 耿昌浩,葛丽萍,构小婷. 童氏图版在采收率预测中的应用与修正[J]. 中国石油和化工标准与质量,2013,33(16):233–235. GENG Changhao, GE Liping, GOU Xiaoting. Application and correction of Tong’s chart in oil recovery prediction[J]. China Petroleum and Chemical Standard and Quality, 2013, 33(16): 233–235.
[7] 孙强,黄世军,李权. 多层稠油油藏水驱动用程度评价方法[J]. 断块油气田,2020,27(3):323–326. SUN Qiang, HUANG Shijun, LI Quan. Evaluation method of water driving degree of multi-layer heavy oil reservoir[J]. Fault-Block Oil & Gas Field, 2020, 27(3): 323–326.
[8] 咸玉席,陈超峰,封猛,等. 页岩油藏裂缝网络多相渗流数值模拟研究[J]. 石油钻探技术,2021,49(5):94–100. doi: 10.11911/syztjs.2021090 XIAN Yuxi, CHEN Chaofeng, FENG Meng, et al. Numerical simulation of multiphase flow in fracture networks in shale oil reservoir[J]. Petroleum Drilling Techniques, 2021, 49(5): 94–100. doi: 10.11911/syztjs.2021090
[9] 杨金辉,李立,李钟洋,等. 滑脱和应力敏感效应对页岩气开发动态影响的数值模拟研究[J]. 石油钻探技术,2017,45(1):83–90. doi: 10.11911/syztjs.201701015 YANG Jinhui, LI Li, LI Zhongyang, et al. Numerical simulation on the effects of slippage and stress sensibility on the performance of shale gas development[J]. Petroleum Drilling Techniques, 2017, 45(1): 83–90. doi: 10.11911/syztjs.201701015
[10] 王朝明,孔令军,袁凯旋,等. 特高含水后期油藏水驱效果评价方法[J]. 石油钻探技术,2020,48(3):108–113. doi: 10.11911/syztjs.2020020 WANG Chaoming, KONG Lingjun, YUAN Kaixuan, et al. Evaluation method of water flooding effect in reservoirs with ultra-high water cut[J]. Petroleum Drilling Techniques, 2020, 48(3): 108–113. doi: 10.11911/syztjs.2020020
[11] 孙成龙. 水驱曲线上翘时机的判定方法[J]. 石油地质与工程,2014,28(3):69–70. SUN Chenglong. Determining method of water drive curve upturning timing[J]. Petroleum Geology and Engineering, 2014, 28(3): 69–70.
[12] 陈元千,陶自强. 高含水期水驱曲线的推导及上翘问题的分析[J]. 断块油气田,1997,4(3):19–24. CHEN Yuanqian, TAO Ziqiang. Derivation of water drive curve at high water-cut stage and its analysis of upwarding problem[J]. Fault-Block Oil & Gas Field, 1997, 4(3): 19–24.
[13] 孙红霞. 高含水期水驱特征曲线上翘新认识[J]. 特种油气藏,2016,23(1):92–95. doi: 10.3969/j.issn.1006-6535.2016.01.020 SUN Hongxia. New understanding of upward waterflooding characteristic curve in high water-cut stage[J]. Special Oil & Gas Reservoirs, 2016, 23(1): 92–95. doi: 10.3969/j.issn.1006-6535.2016.01.020
[14] 严子铭,王涛,柳占立,等. 基于机器学习的页岩气采收率预测方法[J]. 固体力学学报,2021,42(3):221–232. doi: 10.19636/j.cnki.cjsm42-1250/o3.2021.027 YAN Ziming, WANG Tao, LIU Zhanli, et al. Machine-learning-based prediction methods on shale gas recovery[J]. Chinese Journal of Solid Mechanics, 2021, 42(3): 221–232. doi: 10.19636/j.cnki.cjsm42-1250/o3.2021.027
[15] 王涛. 人工神经网络在CO2驱采收率预测中的应用[J]. 特种油气藏,2011,18(4):77–79. doi: 10.3969/j.issn.1006-6535.2011.04.021 WANG Tao. Application of artificial neural network in recovery factor forecast of carbon dioxide flooding[J]. Special Oil & Gas Reservoirs, 2011, 18(4): 77–79. doi: 10.3969/j.issn.1006-6535.2011.04.021
[16] 陈小龙,李宜强,管错,等. 基于量纲分析的优化神经网络模型预测GAGD非混相开发油藏采收率[J]. 石油科学通报,2019,4(3):288–299. CHEN Xiaolong, LI Yiqiang, GUAN Cuo, et al. An optimized neural network prediction model for gas assisted gravity drainage recovery based on dimensional analysis[J]. Petroleum Science Bulletin, 2019, 4(3): 288–299.
[17] 樊灵,赵孟孟,殷川,等. 基于BP神经网络的油田生产动态分析方法[J]. 断块油气田,2013,20(2):204–206. doi: 10.6056/dkyqt201302017 FAN Ling, ZHAO Mengmeng, YIN Chuan, et al. Analysis method of oilfield production performance based on BP neural network[J]. Fault-Block Oil & Gas Field, 2013, 20(2): 204–206. doi: 10.6056/dkyqt201302017
[18] 何顺利,田冷,顾岱鸿. 改进的神经网络模型在储层敏感性预测中的应用[J]. 石油钻探技术,2006,34(1):28–31. doi: 10.3969/j.issn.1001-0890.2006.01.008 HE Shunli, TIAN Leng, GU Daihong. Improved neural network model predicts formation sensitivity[J]. Petroleum Drilling Techniques, 2006, 34(1): 28–31. doi: 10.3969/j.issn.1001-0890.2006.01.008
[19] 邢明海,陈祥光,王渝. 基于人工神经网络组合预测油田产量[J]. 计算机仿真,2004,21(5):116–120. doi: 10.3969/j.issn.1006-9348.2004.05.034 XING Minghai, CHEN Xiangguang, WANG Yu. Oilfield output’s combined forecast based on artificial neural networks[J]. Computer Simulation, 2004, 21(5): 116–120. doi: 10.3969/j.issn.1006-9348.2004.05.034
[20] REN Ningning, FAN Le, ZHANG Zan. Sensorless PMSM control with sliding mode observer based on sigmoid function[J]. Journal of Electrical Engineering & Technology, 2021, 16(2): 933–939.
[21] ELFWING S, UCHIBE E, DOYA K. Sigmoid-weighted linear units for neural network function approximation in reinforcement learning[J]. Neural Networks, 2018, 107: 3–11. doi: 10.1016/j.neunet.2017.12.012
[22] LI Rongyu, RUAN Yongfen, LI Shisheng, et al. Study on deformation prediction of landslide based on grey theory and BP neural network[J]. Applied Mechanics and Materials, 2012, 204/205/206/207/ 208: 520–525. doi: 10.4028/www.scientific.net/AMM.204-208.520
[23] YETILMEZSOY K, TURKDOGAN F I, TEMIZEL I, et al. Development of ANN-based models to predict biogas and methane productions in anaerobic treatment of molasses wastewater[J]. International Journal of Green Energy, 2013, 10(9): 885–907. doi: 10.1080/15435075.2012.727116
[24] 张良杰,李衍达,陈惠民. 基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法[J]. 电子学报,1996,24(11):6–115. doi: 10.3321/j.issn:0372-2112.1996.11.003 ZHANG Liangjie, LI Yanda, CHEN Huimin. A new global learning algorithm for fuzzy neural networks based on modified quasi-newton method and genetic searching techniques[J]. Acta Electronica Sinica, 1996, 24(11): 6–115. doi: 10.3321/j.issn:0372-2112.1996.11.003
[25] MIRJALILI S. Dragonfly algorithm: a new meta-heuristic optimization technique for solving single-objective, discrete, and multi-objective problems[J]. Neural Computing and Applications, 2016, 27(4): 1053–1073. doi: 10.1007/s00521-015-1920-1
[26] 吴伟民,吴汪洋,林志毅,等. 基于增强个体信息交流的蜻蜓算法[J]. 计算机工程与应用,2017,53(4):10–14. WU Weimin, WU Wangyang, LIN Zhiyi, et al. Dragonfly algo-rithm based on enhancing exchange of individuals’ information[J]. Computer Engineering and Applications, 2017, 53(4): 10–14.
-
期刊类型引用(4)
1. 张强. 文23储气库储层段钻井液及储层保护技术. 断块油气田. 2023(03): 517-522 . 
百度学术
2. 杨昆鹏，李鹏晓，敖康伟，张天意，夏元博，侯薇. 富满油田长封固段低摩阻超低密度水泥浆固井技术. 石油钻探技术. 2023(06): 64-70 . 本站查看
3. 路飞飞，于洋，王伟志，李明军. 顺北油气田防漏固井用封隔式分级箍研制与应用. 石油钻探技术. 2022(04): 31-36 . 本站查看
4. 李万东，吴阳，兰小林. 厄瓜多尔东部油区平衡法悬空水泥塞固井技术. 石油钻探技术. 2022(04): 83-89 . 本站查看
其他类型引用(0)
计量
- 文章访问数: 171
- HTML全文浏览量: 120
- PDF下载量: 23
- 被引次数: 4
