1. 引言
CO2驱油能够在高效采油的同时将CO2封存于地下,在提倡绿色发展的今天,CO2驱油越来越受到关注。CO2气体易注入地层,而且与原油接触后能改善流体流动,比如降低流体粘度,使流体膨胀等,随着低渗透油藏开采的日益增加,CO2驱油技术得到了持续发展。最小混相压力(MMP)是该技术重要的参考参数。研究表明,CO2驱油可以分为混相驱和非混相驱,当达到混相状态后,CO2与原油之间不存在界面张力,拥有非常好的驱油效果。因此在计划采用CO2驱油技术时,需要知道实施区块的MMP,以此为参考设计方案。
测定最小混相压力的方式包括实验测量、经验公式法和查图版法等[1] [2] [3] [4] [5]。实验测定法包括几种不同的方法[6],该类方法压力直接、准确,但是耗时较长。除实验法,又发展了根据CO2与原油接触特性的预测方法[7],利用神经网络技术的预测方法[8]等方法。经验公式法计算简单快捷,Yelling以油藏温度为主要因素推导了MMP计算模型[9]。Alston [10]等通过研究认为,除了温度,MMP与更多因素有关,中间组分和气体对MMP的影响同样重要,因此在MMP研究中考虑了其影响。基于Alston的研究,国外学者提出了使用GA计算模型预测此关键参数[11]。上述两种模型将C2-C4作为中间组分,Rathmell在研究中发现,除了C2-C4可以降低MMP,C5和C6也可以起到降低MMP的作用[12]。陈百炼[13]等其建立的计算模型中也将C2-C6作为中间组分,并认为考虑了中间组分和中间组分对MMP的影响不一样,改进了MMP的计算模型。经验公式包含的参数往往与原油性质有关,比如国外油田原油往往比国内原油轻,因此依据国外原油得出的经验公式在国内油田应用时,有时会存在较大误差,因此,曾隽等结合苏北原油数据,拟合出适于苏北油田的MMP计算模型[14],此外,还有众多专家学者对最小混相压力的计算做出了大量贡献[15] [16] [17] [18]。
2. 模型建立
基于目前存在的预测模型,选取油藏温度
,中间组分摩尔分数Int,挥发相摩尔分数Vol以及
作为MMP主要影响因素,模型认为Int和Vol对MMP的影响不同,因此分别赋予不同的参数。所建立的预测模型为
(1)
其中,Pmm为最小混相压力,a,b,c,d,e为系数。
选取不同区块的原油进行实验,利用实验室的最小混相压力实验数据,对模型进行回归计算,得到模型为
(2)
结合预测模型的形式和回归得到的参数可以看出,中间组分含量与MMP为负相关,挥发组分与MMP为正相关。系数的不同表明不同因素对MMP的影响程度是有差异的,油藏条件和原油性质都影响MMP的大小。
3. 模型的应用
图1为使用该模型计算的MMP与实验室测得的MMP的对比,可以看出计算值基本分布于y = x附近,表现出较好的拟合。由于目前实验数据不是很丰富,因此数据较为集中。通过下式计算模型的相对误差
(3)
其中expMMP表示实验测得的MMP,calMMP表示该模型计算的MMP。表1给出了使用模型计算的MMP与实验得到的MMMP的相对误差,可以看出大部分情况该模型的计算精度较好,少数点计算误差较大。
Figure 1. Curve: comparison of computed MMP with experimental MMP
图1. 计算MMP与实验值对比
Table 1. Relative error of the proposed model
表1. 模型计算相对误差
为了研究模型对胜利油田原油与CO2最小混相压力计算的准确性,将该模型与其他几个模型进行了对比,如Yelling-Metcalfe模型,Lee模型等。图2展示了在此油藏条件下不同计算模型对MMP的计算,图2表明,各模型均可以在一定程度上起到计算MMP的作用,但是新建立的模型更加适合该油田的原油性质,计算更加准确。
Figure 2. Curve: comparison of experimental MMP with MMP computed using different models
图2. 不同模型计算MMP与实验值对比
4. 结论
基于原油实验测试数据,结合当前的CO2与原油最小混相压力预测公式,建立了用于胜利油田的CO2与原油最小混相压力计算模型。基于实际油藏参数,计算了不同区块的最小混相压力,通过与实验数据对比,验证了该模型的准确性,并计算了模型的相对误差。最后通过与其他模型对比,可以看出该模型对胜利油田CO2与原油最小混相压力的计算更加准确。
由于目前实验数据数量有限,且混相压力数值较为集中,没有考虑性质差别较大的其他原油数据,因此模型不够完善,计算仍然会存在一定误差,随着实验的进行,数据的丰富,会对该模型持续完善,从而提高精度和适应性。对于油藏及原油性质差别较大的样本,可以回归出新的系数,进行MMP预测。
参考文献
[1] Alston, R.B., Kokolis, G.P. and James, C.F. (1985) CO2 Minimum Miscibility Pressure: A Correlation for Impure CO2 Streams and Live Oil Systems. SPE Journal, 25, 268-274. https://doi.org/10.2118/11959-PA
[2] 张可, 李实, 秦积舜, 等. 溶度差法计算地层油-CO2体系的最小混相压力[J]. 特种油气藏, 2013(1): 122-125.
[3] Ahmadi, K. and Johns, R.T. (2011) Multiple-Mixing-Cell Method for MMP Calculations. SPE Journal, 16, 733-742. https://doi.org/10.2118/116823-PA
[4] 韩培慧, 姜言里. 大庆油田二氧化碳驱油最小混相压力预测[J]. 油田化学, 1989, 6(4): 309-316.
[5] 杨学锋, 郭平, 杜志敏, 等. 细管模拟确定混相压力影响因素评价[J]. 西南石油大学学报(自然科学版), 2004, 26(3):41-44.
[6] 刘中春. 最小混相压力(MMP)预测方法的评价[J]. 国外油田工程, 1997(2): 10-11.
[7] 李菊, 李实. 基于多次接触特性曲线的二氧化碳驱最小混相压力预测方法[J]. 油气地质与采收率, 2014, 21(1): 51-54.
[8] 李虎, 蒲春生, 吴飞鹏. 基于广义回归神经网络的CO2驱最小混相压力预测[J]. 岩性油气藏, 2012, 24(1): 108-111.
[9] Yelling, W.F. and Metcalfe, R.S. (1980) Determination and Prediction of CO2 Minimum Miscibility Pressures. J Pet Technol, 32, 160-168. https://doi.org/10.2118/7477-PA
[10] Alston, R.B., Kokolis, G.P. and James, C.F. (1985) CO2 Minimum Miscibility Pressure: A Correlation for Impure CO2 Streams and Live Oil Systems. Soc Pet Eng J, 25, 268-274. https://doi.org/10.2118/11959-PA
[11] Emera, M.K. and Sarma, H.K. (2005) Use of Genetic Algorithm to Estimate CO2-Oil Minimum Miscibility Pressure—A Key Parameter in Design of CO2 Miscible Flood. J Pet Sci Eng, 46, 37-52. https://doi.org/10.1016/j.petrol.2004.10.001
[12] Rathmell, J.J., Stalkup, F.I. and Hassinger, R.C. (1971) A Laboratory Investigation of Miscible Displacement by Carbon Dioxide. Fall Meeting of the Society of Petroleum Engineers of AIME. https://doi.org/10.2118/3483-MS
[13] 陈百炼, 黄海东, 章杨, 等. 改进的CO2-原油最小混相压力计算模型[J]. 石油天然气学报, 2013, 35(2): 126-130.
[14] 曾隽, 高和群, 易明华, 等. 苏北区块最小混相压力预测[J]. 石油地质与工程, 2019, 33(4): 50-53.
[15] 鞠斌山, 秦积舜, 李治平, 等. 二氧化碳-原油体系最小混相压力预测模型[J]. 石油学报, 2012, 33(2): 274-277.
[16] 黄世军, 杨静宜, 王利明, 等. 二氧化碳驱最小混相压力动态预测方法[J]. 大庆石油地质与开发, 2016(4): 121-125.
[17] 张晨朔, 范子菲, 许安著, 赵伦. 改进的混合单元格法预测最小混相压力[J]. 断块油气田, 2016(23): 606-609.
[18] 尤启东, 吕广忠, 栾志安. 求解最小混相压力方法的改进[J]. 西安石油学院报(自然科学版), 2003, 18(2): 32-35.