基于静、动态参数的多因素调剖选井决策技术研究

The Choosing Decision Technique Study of Injector Well for Profile Control Based on Geology and Production Data

摘要: 调剖选井方法主要有PI决策和RE决策两大技术，整体上看两种技术对于目前油水井动、静态资料的综合利用不够全面，不能反映井组内部动、静态参数非均质的影响。针对目前调剖选井技术特点，利用突进系数计算方法量化各种非均质指标，建立了以井组纵向非均质性、平面非均质性和厚度等静态资料以及产油、产水、含水率等动态非均质参数为评价决策因子，以灰色关联多因素决策为评价方法的多因素调剖选井决策技术。现场应用表明，该方法考虑决策因素全面，评价决策选井结果合理，方法的建立进一步完善了现场调剖选井决策技术，为改善油田开发效果，提高采收率提供有力的技术支持。

Abstract: The methods of the well choice and profile control mainly concluded PI decision and RE decision On the whole, the comprehensive utilization of the static and dynamic data of the two technologies was not comprehensive enough to reflect the heterogeneity of the internal and static parameters within the wellblocks. In consideration of the characters of well choice and profile control, all kinds of heterogeneous indexes were quantified by means of the calculation method of breakthrough coefficient, the vertical heterogeneity, areal heterogeneity, thickness and oil production, water production, watercut were determined as the factors of decision, a grey related multifactor decision was used an evaluation method for a multi-factor well choice and profile control . The field application results show that the decision factors are fully considered in the method, the application result is reasonable, the method can be used for further promoting the technique of well choice and profile control, it provides powerful technical support for improving the development of the oilfield and enhancing oil recovery.

1. 引言

相对中高渗储层，特低渗储层受地应力及孔隙、孔喉影响，纵向、平面非均质的表现更强。长庆油田某区块为典型的特低渗油藏，加上压裂改造及自身微裂缝发育影响，地下非均质表现极为突出。为改善特低渗储层开发效果，通常采用水井调剖方式来降低水窜程度，从而提高注水波及系数。目前调剖选井方法主要有PI决策和RE决策两大类型 [1] [2] [3] [4] ，整体上两种技术对于目前油水井动、静态资料的综合利用不够全面，不能系统反映动、静态参数非均质程度对于选井决策的影响 [5] [6] [7] 。为此以长庆油田某区块为例，从储层静态非均质和油水井动态非均质角度，开展基于静、动态参数的多因素调剖选井决策技术研究，为进一步完善现场调剖选井决策技术，改善油田开发效果，提高采收率提供技术支持。

2. 调剖选井定量化决策指标

2.1. 非均质性表征方法

$T_K=\frac{K_{\max }}{\bar{K}}$

$\bar{K}=\frac{{\displaystyle \underset{i=1}{\overset{n}{\sum }}{K}_i{h}_i}}{{\displaystyle \underset{i=1}{\overset{n}{\sum }}{h}_i}}$

式中：T_K为突进系数，1；为渗透率最大值，mD； $\bar{K}$ 为渗透率平均值，mD； $K_i,h_i$ 分别为第i位置的渗透率及权重系数。

2.2. 静态非均质决策因子

1) 注水厚度决策：由于储层非均质及重力作用影响，注水井生产层位厚度越大，则吸水剖面不均匀可能性也越大，即需要调剖的可能性越大，可见注水厚度属于越大越优型。

2) 注水井纵向非均质决策：在注水开发过程中，注入水沿高渗层指进，造成水洗不均，渗透率差别越大，水洗的不均匀程度就越高，需要调剖的可能性也越大，该指标属于越大越优型。

3) 平面非均质渗透率：从注水井组内部平面非均质来看，平面非均质程度越强，则该井组需要调剖的可能性越大，该指标属于越大越优型。

2.3. 井组油井动态非均质决策指标

1) 油井产水量突进系数：注水井组内一线油井米产水、米累计产水突进系数大小反映了注采井间水窜程度的大小，可见油井米产水、米累计产水突进系数属于越大越优型。

2) 油井产液量突进系数：注水井组内一线油井米产液、米累计产液突进系数大小反映了油水井间连通性的强弱，可见油井米产液、米累计产液突进系数属于越大越优型。

3) 含水率突进系数：注水井组内一线油井含水率突进系数反映了注水井水窜方向及水窜程度，突进系数越大说明局部水窜情况越严重，可见含水率突进系数属于越大越优型。

2.4. 井组油井综合决策指标

1) 米累计产油量：注水井组米累计产油量反映井组产油量的相对多少，对于相同井网形式的注采井组，米累计产油量越大，说明地下剩余油越少，潜力越小，可见该指标属于越小越优型。

2) 综合含水率：注水井组由于平面矛盾的必然存在，综合含水率越高，则该井组需要调剖的可能性也越大，可见该指标属于越大越优型。

3. 灰色关联多因素决策技术

调剖选井决策受油藏动、静态各种资料的影响，各种因素影响程度不同，且各因素间的关系不完全清楚，所以调剖选井是一个信息不完全的灰色系统。灰色关联分析是邓聚龙教授创建的重要理论，其实质是比较数据到曲线几何形状的接近程度 [8] [9] 。

3.1. 确定分析序列

在对所研究问题目标分析的基础上，确定一个因变量和多个自变量因素。设因变量数据构成参考序列，自变量数据构成比较序列，分别记为：

$x_0\left\{x_0\left(1\right),x_0\left(2\right),\cdot \cdot \cdot ,x_0\left(n\right)\right\}$

$x_i\left\{x_i\left(1\right),x_i\left(2\right),\cdot \cdot \cdot ,x_i\left(n\right)\right\}i=1,2,\cdots ,m$

式中：x₀为参考序列；x_i为比较序列；n为序列长度；m为比较序列个数。

3.2. 初始序列数据预处理

由于系统中各因素的物理意义不同，导致原始变量序列数据量纲不同和数量级差悬殊。因此需要对原始数据进行无量纲化、归一化处理，消除其影响。

1) 越大越优型指标，其效用函数的计算为：

$b_{ik}=\frac{r_{ik}-{\left(r_{ik}\right)}_{\min }}{{\left(r_{ik}\right)}_{\max }-{\left(r_{ik}\right)}_{\min }}$

2) 越小越优型指标，其效用函数的计算为：

$b_{ik}=1-\frac{r_{ik}-{\left(r_{ik}\right)}_{\min }}{{\left(r_{ik}\right)}_{\max }-{\left(r_{ik}\right)}_{\min }}$

由此得到函数矩阵R:

$R={\left|b_{ik}\right|}_{\left(m+1\right)\times n}$

式中：r_ik为数据变量集合；(r_ik)_min、(r_ik)_max分别为数据变量集合中的最小值和最大值。

3.3. 求差序列、最大差和最小差

差序列是计算每个点上参考序列和比较序列差的绝对值 ${\Delta }_{0i}\left(k\right)$ ，即：

${\Delta }_{0i}\left(k\right)=\left|x_0\left(k\right)-x_i\left(k\right)\right|$

${\Delta }_{\max }=\underset{i}{\max }\underset{k}{\max }\left|x_0\left(k\right)-x_i\left(k\right)\right|$

${\Delta }_{\min }=\underset{i}{\min }\underset{k}{\min }\left|x_0\left(k\right)-x_i\left(k\right)\right|$

式中：x₀(k)为目标参数原始数据第k列最大值，最终形成由各列最大值组成的最佳组合x₀序列。x_i(k)为比较序列。

3.4. 计算关联系数矩阵

关联系数表示第i个比较序列与参考序列在k时刻的关联程度，其表达式为：

${\xi }_{0i}\left(k\right)=\frac{{\Delta }_{\min }+\rho {\Delta }_{\max }}{{\Delta }_{0i}\left(k\right)+\rho {\Delta }_{\max }}$

式中： ${\xi }_{0i}\left(k\right)$ 为关联系数；ρ为分辨系数，分辨系数的作用在于提高关联系数间的差异显著性，ρ越小，分辨力越大，ρ的取值区间为[0，1]，一般取0.5。

3.5. 计算权重值

3.6. 求关联度

计算关联度时，采用符合实际情况的非平权处理法，即：

${\gamma }_i={\displaystyle \underset{k=1}{\overset{n}{\sum }}{\xi }_i\left(k\right)W(k)}$

式中： ${\gamma }_i,W\left(k\right)$ 分别为灰色关联度值和各因素权重系数。

4. 现场应用及效果预测

4.1. 区块概况

长庆油田某区块长4 + 5储层可分为长4 + 5₁¹、长4 + 5₁²、长4 + 5₂三个小层，其中长4 + 5₁¹、长4 + 5₁²层为主产层，平均有效厚度18.9 m，岩心分析孔隙度14.5%，渗透率1.22 mD，电测平均孔隙度13.6%，平均渗透率5.23 mD，属特低渗透储层。自2006年8月第一口井投入开发，截止到2011年4月，综合含水率达到71.3%，井组内部矛盾加剧，有待进一步调整。

4.2. 调剖选井结果

利用灰色关联分析法，对该区块31个注水井组进行多因素评价决策，计算各口井关联度如表1所示。关联度大于平均值0.5的共有13口井，结合现场井组位置，确定首轮10口调剖井42-52井、42-56井、44-50井、44-52井、44-54井、46-52井、46-54井、48-52井、48-58井、50-52井。

Table 1. The result of multi-factor evaluation decision of the wellblock

表1. 井组多因素评价决策结果表

4.3. 调剖效果预测

利用3DSL软件聚合物调驱模块进行区块整体调剖参数优化及调剖效果预测。研究不同地下成胶黏度下，不同调剖半径 [10] 时，单位黏度累计增产油量，结果如图1所示。

从调剖参数理论优化及现场参数优化的效果预测对比来看：① 随着地下黏度的增大，调剖效果逐步变好，并且效果越发明显；② 调剖等效半径为20 m时，地下成胶黏度不低于60 mPa∙s；③ 地下成胶黏度为100 mPa∙s时，单位黏度增加累计产油量最大，对应调剖半径不低于40 m为最优，且调剖深度越大，增油效果越好。

Figure 1. The variation of cumulative oil increment per unit viscosity under different viscosity and profile control radius

图1. 不同黏度情况下各调剖半径对应的单位黏度累计增油量随时间的变化

4.4. 调剖前后液量分配变化

10口注水井调剖前后各口井液量分配情况如图2、图3所示。以调剖半径为60 m，地面成胶黏度为100 mPa∙s的条件进行调剖，调剖后注水井原液量分配较高的井分配比例开始降低，同时液量开始向原不进行液量分配的油井分配。由此可见，通过调剖改善了储层纵向、平面上的非均质性，并提高了采收率。

Figure 2. The fluid volume distribution of before profile control

图2. 调剖前调剖液量分配图

Figure 3. The liquid volume distribution after profile control

图3. 调剖后液量分配图

5. 结论

1) 建立了基于油藏静、动态参数的调剖选井定量化决策技术，并现场应用筛选首次调剖井10口。

2) 区块整体调剖参数优化结果表明，地下成胶黏度为100 mPa∙s时，单位黏度下累计产油量最大，对应调剖半径大于40 m为最优且调剖深度越大增油效果越好。