高含水油田剩余油预测方法.pdf

《高含水油田剩余油预测方法.pdf》由会员分享，可在线阅读，更多相关《高含水油田剩余油预测方法.pdf（10页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010189293.8 (22)申请日 2020.03.17 (71)申请人 中国石油化工股份有限公司 地址 257000 山东省东营市东营区济南路 125号 申请人 中国石油化工股份有限公司胜利油 田分公司勘探开发研究院 (72)发明人 卜亚辉杨勇张世明邴绍献 曹小朋吕琦薛玉荣秦健飞 刘祖鹏孙强 (74)专利代理机构 济南日新专利代理事务所 (普通合伙) 37224 代理人 崔晓艳 (51)Int.Cl. E21B 49/00(2006.01) E21B 47/00(20。

2、12.01) E21B 43/30(2006.01) E21B 43/20(2006.01) G06F 30/20(2020.01) (54)发明名称 高含水油田剩余油预测方法 (57)摘要 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。

3、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。 权利要求书2页 说明书5页 附图2页 CN 111173507 A 2020.05.19 CN 111173507 A 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。 2.根据权利要求1所述的高含水油田剩余油预测方法， 其特征在于， 在步骤1中， 采用油 藏数。

4、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( 0)、 油相相对渗透率(kro)、 水 相相对渗透率(Krw)、 地层倾角( )这些参数， 采用定压方式， 生产至含水率95， 统计累注 水(Ni)、 累产油(No)、 含水率(fw)数据， 建立生产动态样本库。 3.根据权利要求2所述的高含水油田剩余油预测方法， 其特征在于， 在步骤1中， 对含油 饱和度(So)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(So1、 So2)， 将平面区域划分为强驱替区(3区： SoSo1)。

5、、 弱驱替区(2区： So1SoSo2)、 未动用区(1 区： SoSo2)三个区域， 其中1区与2区分界点距离为Lc1， 2区与3区分界点距离为Lc2， 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： 4.根据权利要求1所述的高含水油田剩余油预测方法， 其特征在于， 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。 5.根据权利要求1所述的高含水油田剩余油预测方。

6、法， 其特征在于， 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， .， Sn)， 根据注采对应关系划分为若干个注 采井对(w1， w2， .， wn)， 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。 6.根据权利要求1所述的高含水油田剩余油预测方法， 其特征在于， 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(Nifw)和累 注水与累产油散点图(NiNo)， 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。 7.。

7、根据权利要求1所述的高含水油田剩余油预测方法， 其特征在于， 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(Lc1， Lc2)， 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(wi)； 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(Si)； 权利要求书 1/2 页 2 CN 111173507 A 2 Simaxw1， w2， .， wn (3) 当同一位置被两个阶段覆盖时， 取两个阶段矩阵对应。

8、元素最大值进行叠加(4式)， 从而 获得最终分区矩阵(S)； SmaxS1， S2， .， Sn (4)。 8.根据权利要求1所述的高含水油田剩余油预测方法， 其特征在于， 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。 权利要求书 2/2 页 3 CN 111173507 A 3 高含水油田剩余油预测方法 技术领域 0001 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 0002 目前我国东部老油田已普遍进入高含水、 特高含水开。

9、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。 0003 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， 。

10、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。 0004 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S1。

11、1， 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。

12、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。 0005 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 0006 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。 0007 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， 说明书 1/5 页 4 CN 111173507 A 4 。

13、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。 0008 本发明的目的还可通过如下技术措施来实现： 0009 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 ( o)、 油相相对渗透率(kro)、 水相相对渗透率(krw)、 地层倾角( )这些参数， 采用定压方式， 生产至含水率95， 统计累注水(Ni)、 累产油(No)、 含水率(fw)数据， 建立生产动态样本 库。 0010 在步骤1中， 对含油饱和度(So)计算结果开展统计， 通过聚类分析算法确。

14、定用于分 区的含油饱和度界限值(So1、 So2)， 将平面区域划分为强驱替区(3区： SoSo1)、 弱驱替区(2 区： So1SoSo2)、 未动用区(1区： SoSo2)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Lc1， 2区与3区分界点距离为Lc2， 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： 0011 0012 0013 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。

15、井生产动态数据包括产油量、 产油量、 注水量。 0014 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， .， Sn)， 根据注 采对应关系划分为若干个注采井对(w1， w2， .， wn)， 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。 0015 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(Nifw)和累注水与累产油散点图(NiNo)， 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。 0016 在步骤5中， 。

16、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(Lc1， Lc2)， 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(wi)； 0017 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(Si)； 0018 Simaxw1， w2， .， wn (3) 0019 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)； 0020 SmaxS1， S2， .， Sn (4)。 0021。

17、 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。 0022 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 说明书 2/5 页 5 CN 111173507 A 5 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。

18、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 0023 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； 0024 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； 0025 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； 0026 图4为本发明的一具体实施例中有效厚度标定示意图； 0027 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。 具体实施方式 0028 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。 0029 如图。

19、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。 0030 步骤101， 样本库建立及模型训练 0031 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 ( o)、 相对渗透率曲线(kro、 krw)、 地层倾角( )等参数， 采用定压方式， 生产至含水率95， 统计累注水(Ni)、 累产油(No)、 含水率(fw)数据， 建立 “生产动态样本库” 。 0032 对含油饱和度(So)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(So1、 So。

20、2)， 将平面区域划分为强驱替区(3区： SoSo1)、 弱驱替区(2区： So1So So2)、 未动用区(1区； SoSo2)三个区域。 0033 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(Lc1， Lc2)， 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。 0034 0035 0036 步骤102， 研究区数据准备 0037 整理研究区地质静态及开。

21、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)。 0038 步骤103， 开发阶段及井对划分。 0039 将目标区开发历史划分为若干井网调整阶段(S1， S2， .， Sn)， 根据注采对应关系 划分为若干个注采 “井对” (w1， w2， .， wn)， 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)。 0040 步骤104， 地层有效厚度标定 说明书 3/5 页 6 C。

22、N 111173507 A 6 0041 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。 0042 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(Nifw)和累注水与 累产油散点图(NiNo)， 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。 0043 步骤105， 分区界限预测及叠加 0044 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。

23、参数(Lc1， Lc2)， 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(wi)。 0045 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(Si)； 0046 Simaxw1， w2， .， wn (3) 0047 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)； 0048 SmaxS1， S2， .， Sn (4) 0049 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。

24、的目标对象。 0050 步骤106， 调整方案设计及效果评价 0051 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。 0052 在应用本发明的一具体实施例中， 包括了以下步骤： 0053 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(So)、 生产动态数据(累注水、 累产油、 含水率等。

25、)， 建立 “生产动态样本库” 。 0054 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So10.35、 So20.56， 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” (Lc1， Lc2)， 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” 。 0055 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。

26、数据、 各井 生产动态数据(产油量、 产油量、 注水量等)。 0056 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。 0057 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(Nifw)和累注水与累产油关系图(NiNo)。 从步骤101建立的 “。

27、生产动态样本库” 中查 说明书 4/5 页 7 CN 111173507 A 7 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。 0058 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(Lc1， Lc2)， 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(wi)。 0059 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。 0060 0061 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。 0062 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。 说明书 5/5 页 8 CN 111173507 A 8 图1 图2 说明书附图 1/2 页 9 CN 111173507 A 9 图3 图4 图5 说明书附图 2/2 页 10 CN 111173507 A 10 。