改進(jìn)的天然氣儲產(chǎn)量生命旋回預(yù)測模型

何琰陸家亮唐紅君段永剛彭炎

1.西南石油大學(xué) 2.中國石油勘探開發(fā)研究院廊坊分院

改進(jìn)的天然氣儲產(chǎn)量生命旋回預(yù)測模型

何琰1陸家亮2唐紅君2段永剛1彭炎1

1.西南石油大學(xué) 2.中國石油勘探開發(fā)研究院廊坊分院

何琰等.改進(jìn)的天然氣儲產(chǎn)量生命旋回預(yù)測模型.天然氣工業(yè),2010,30(4):54-57.

生命旋回預(yù)測方法是目前運用最為廣泛、技術(shù)成熟的油氣田儲產(chǎn)量趨勢預(yù)測方法。但目前所使用的生命旋回模型在預(yù)測中難以考慮多個與儲產(chǎn)量增長息息相關(guān)因素的影響,使得預(yù)測效果不好、精度不高。針對目前的生命旋回模型預(yù)測中存在的不足,通過儲產(chǎn)量數(shù)據(jù)序列優(yōu)化技術(shù)降低了異常數(shù)據(jù)帶來的預(yù)測風(fēng)險,并提出了在傳統(tǒng)生命旋回預(yù)測模型中引入儲產(chǎn)量增長影響因素的新方法。采用上述新方法對某氣區(qū)天然氣儲量進(jìn)行了預(yù)測,結(jié)果表明:改進(jìn)的生命旋回模型對天然氣的儲量增長趨勢預(yù)測有著很好的效果,預(yù)測結(jié)果與實際情況吻合度更高。

天然氣 儲量 產(chǎn)量 預(yù)測 生命旋回法 靜態(tài) 數(shù)據(jù) 優(yōu)化

1 傳統(tǒng)生命旋回模型的弊端

傳統(tǒng)的生命旋回模型[1-7](翁氏模型、龔帕茲模型、哈伯特模型等)預(yù)測儲產(chǎn)量的方法,能有效控制有效資源的生命發(fā)展規(guī)律,對于中長期預(yù)測具有較好的指導(dǎo)作用,但存在以下不足:①均以歷史數(shù)據(jù)擬合為基礎(chǔ),天然氣儲產(chǎn)量增長影響因素考慮有限,這種僅僅依賴歷史數(shù)據(jù)序列進(jìn)行單純的數(shù)學(xué)模型擬合難免脫離生產(chǎn)實際;②天然氣儲產(chǎn)量增長是一個復(fù)雜的綜合工程,地質(zhì)條件等客觀因素及認(rèn)識程度、工作量等人為因素對其影響很大,如果沒有把這些與儲量增長息息相關(guān)的動、靜態(tài)因素考慮進(jìn)去,則預(yù)測效果不好,預(yù)測精度不高。

2 歷史數(shù)據(jù)優(yōu)化處理

由于油氣田勘探開發(fā)是一項很復(fù)雜的工程,與很多不確定因素有關(guān),因而天然氣新增儲產(chǎn)量的躍動很大,部分時間段的數(shù)據(jù)根本不能有效反映全局趨勢,對預(yù)測模型構(gòu)成擾動,因而本研究采用選段擬合預(yù)測的方式。在此基礎(chǔ)上,對儲產(chǎn)量原始?xì)v史數(shù)據(jù)進(jìn)行優(yōu)選及平滑預(yù)處理,達(dá)到對儲產(chǎn)量數(shù)據(jù)整體趨勢的有效把握,進(jìn)而得到可靠預(yù)測結(jié)果。

2.1 分段優(yōu)選

根據(jù)專家意見,選取儲產(chǎn)量原始?xì)v史數(shù)據(jù)中對未來發(fā)展趨勢有代表性的時間段,利用選取的數(shù)據(jù)段進(jìn)行預(yù)測及相關(guān)分析計算。在該過程中主要注意兩個方面:①數(shù)據(jù)選取段應(yīng)根據(jù)當(dāng)?shù)貙嶋H生產(chǎn)的歷史規(guī)律,將異常點盡量排除;②由于資源量的有限性,在選段計算的過程中,應(yīng)當(dāng)考慮排除選取段之前的探明資源量或者累計產(chǎn)量。

2.2 均值平滑

傳統(tǒng)生命旋回模型是依靠研究對象的數(shù)據(jù)序列歷史擬合而建立的,對歷史數(shù)據(jù)序列是否平滑依賴度很高。但天然氣的勘探、開發(fā)及銷售等環(huán)節(jié)受到多種影響因素制約,天然氣儲產(chǎn)量時間數(shù)據(jù)序列規(guī)律性明顯不強(qiáng),僅僅依靠儲產(chǎn)量歷史數(shù)據(jù)擬合很難得到可靠的發(fā)展趨勢。為了能更符合實際生產(chǎn)的發(fā)展規(guī)律,在運用傳統(tǒng)生命模型對天然氣儲產(chǎn)量趨勢預(yù)測之前,有必要對實際時間數(shù)據(jù)序列進(jìn)行初步平滑優(yōu)化。

以翁氏模型預(yù)測天然氣儲產(chǎn)量為例,假設(shè)天然氣儲產(chǎn)量原始?xì)v史數(shù)據(jù)序列為 Q={q1,q2,…,qn},通過歷史數(shù)據(jù)擬合建立起初始模型及初步預(yù)測結(jié)果為Qt={,,…,,…}。

計算初步預(yù)測結(jié)果與原始?xì)v史數(shù)據(jù)的誤差均值為:

逐一考察原始?xì)v史數(shù)據(jù)序列Q中每個數(shù)據(jù)點,進(jìn)行預(yù)處理:如果|qi-|>E,那么 di=;如果|qi-|≤E,那么 di=qi,其中i=1,2,…n。該點誤差超出誤差均值范圍,則認(rèn)為該點的歷史數(shù)據(jù)為異常點,即不符合數(shù)據(jù)應(yīng)有的整體趨勢。

原始?xì)v史數(shù)據(jù)序列Q={q1,q2,…,qn}經(jīng)過平滑預(yù)處理后,得到一個新的時間數(shù)據(jù)序列 D={d1,d2,…, dn},再利用生命旋回模型對新時間數(shù)據(jù)序列 D進(jìn)行預(yù)測,將得到規(guī)律性更強(qiáng)的預(yù)測結(jié)果:QT={,,…,,…}。

3 生命旋回模型改進(jìn)

3.1 影響因素權(quán)重確定

對于 Hubbert模型、廣義翁氏等模型而言,靜態(tài)影響因素不具備時間序列屬性,模型中無法直接引進(jìn)影響因素的時間序列。通過采用統(tǒng)計分析法給出影響因素對預(yù)測變量的權(quán)重估計,結(jié)合層次分析法等專家干預(yù)手段確定最終的影響權(quán)重。這樣不僅保證了預(yù)測變量歷史發(fā)展的規(guī)律性,也將專家意見有效引入,確保預(yù)測的有效性和權(quán)威性。

假設(shè):Q(i)為時間序列上某一年的年新增儲產(chǎn)量實際值,Qa(i)為其傳統(tǒng)預(yù)測模型預(yù)測值,如果預(yù)測精度達(dá)到100%,那么有:

事實上,預(yù)測誤差幅度C(i)≠0,而預(yù)測誤差幅度C(i)是由影響因素產(chǎn)生的。系統(tǒng)通過誤差幅度序列平均值作為引入影響因素,修正誤差權(quán)重參考值,有效降低預(yù)測誤差。如何確定系統(tǒng)給定的影響因素權(quán)重范圍呢?

令 E∈[-e,+e],E即為影響因素權(quán)重。則年新增儲產(chǎn)量實際時間序列值為:Q={Q(1),Q(2),…, Q(n)};年新增儲產(chǎn)量預(yù)測時間序列值為:Qa= {Qa(1),Qa(2),…,Qa(n)}。那么,

3.2 影響因素權(quán)重分配

通過上述方法確定權(quán)重的范圍后,專家可根據(jù)經(jīng)驗指定影響因素總體權(quán)重,但是不能超出該權(quán)重的變化范圍,否則視為誤操作。在此基礎(chǔ)上,采用層次分析法對影響因素進(jìn)行權(quán)重分配。

3.2.1 建立層次結(jié)構(gòu)模型

所建立層次結(jié)構(gòu)模型見圖1。

圖1 層次分析法結(jié)構(gòu)示意圖

3.2.2 構(gòu)造成對比較矩陣

設(shè)儲產(chǎn)量預(yù)測中共有 n個影響因素,那么 X= {x1,x2,…,xn},在實例中,x1是資源量,x2為探明程度,xn為勘探思路及勘探技術(shù)。構(gòu)造判斷矩陣[8]:A= (aij)n×n。比較每個因素對上一層某一準(zhǔn)則(或目標(biāo))的影響程度,確定各因素在該層中相對于某一準(zhǔn)則所占的比重,即aij表示第i個因素相對于第j個因素對目標(biāo)層的影響重要程度,若 ai和aj同等重要為1,ai比aj稍微重要為3,ai比aj重要為5,以此類推,若處于其中,可取2、4、6、8,令

可得成對比較判斷矩陣:

3.2.3 影響因素權(quán)重分配

用定義計算矩陣的特征值和特征向量相當(dāng)困難,特別是階數(shù)較高時;成對比較矩陣通過定性比較得到結(jié)果,對它進(jìn)行精確計算沒有必要。鑒于此,采用最為常用的“求和法”計算成對比較矩陣的相關(guān)值。具體辦法如下[8]。

1)將矩陣列向量歸一化

2)將歸一化的判斷矩陣按行相加

3.3 影響因素敏感性分析

基于科學(xué)假設(shè),認(rèn)為模型誤差完全由全部影響因素所致,具體體現(xiàn)在模型的誤差均值中,對于給出的影響因素在中的程度由層次分析法得到。不同的影響因素及權(quán)重系數(shù)可以得到不同的 ET,即得到更為合理的擬合數(shù)據(jù)序列。

具體分析過程如下。

第一步:對原始時間數(shù)據(jù)序列進(jìn)行分段優(yōu)選,得到分析時間數(shù)據(jù)序列段Q={q1,q2,…,qn}。

第二步:進(jìn)行第一次校正擬合,得到初始預(yù)測序列Qt={,,…,,…}。

第三步:應(yīng)用歷史數(shù)據(jù)序列段優(yōu)化方法,得到新的時間數(shù)據(jù)序列QT={q1T,q2T,…,qnT}。其中qiT根據(jù) E/n得到,如果|qi-|>E,其中i=1,2,…,n,那么 qiT=,否則 qiT=qi。

第四步:根據(jù)影響因素(氣藏地質(zhì)條件、市場需求、政策等),運用層次分析法,得到 ET= EW=w/n,其中 ET為專家賦予權(quán)重的數(shù)據(jù)修正范圍,W為權(quán)重方案。

第五步:根據(jù)因素影響程度的大小,可分為影響因素正向極大、正向較大、正向較小、負(fù)向極大、負(fù)向較大、負(fù)向較小等多種層次,運用層次分析法即可得到多個權(quán)重方案(W1,W2,Wk),根據(jù)第三、四步,可以得出對應(yīng)的多種權(quán)重方案下的多個更具合理的修正序列。

氣藏條件正向極大:Q1={q11T,q12T,…,q1nT}。

氣藏條件正向較小:Q2={q21T,q22T,…,q2nT}。

氣藏條件負(fù)向較小:Q3={q31T,q32T,…,q3nT}。

運用預(yù)測模型對上述多種影響程度下優(yōu)化序列進(jìn)行模擬預(yù)測,得到多種預(yù)測趨勢(體現(xiàn)在模型參數(shù)變化中),進(jìn)而得到綜合分析中影響因素變化下的多種趨勢預(yù)測結(jié)果。

4 改進(jìn)方法預(yù)測實例

根據(jù)上述方法,在WINDOWS下基于ORACL E、ACCESS數(shù)據(jù)庫,用VB.NET語言開發(fā)了一套天然氣儲量產(chǎn)量中長期變化趨勢預(yù)測的軟件系統(tǒng)。通過該軟件系統(tǒng),將上述方法應(yīng)用到國內(nèi)某氣區(qū),通過探明儲量預(yù)測實例來檢驗改進(jìn)方法的適用性。

4.1 資源量(地質(zhì)因素)的影響

由圖2不難看出,資源量越大,預(yù)測模型曲線的凹凸性越顯著,年新增儲量達(dá)到峰值的時間越靠后,峰值也越大。因此,同樣的原始數(shù)據(jù),使用同樣的模型,資源量不同時預(yù)測結(jié)果是不同的。因此,在儲產(chǎn)量預(yù)測時一定要考慮資源量(地質(zhì)因素)對預(yù)測結(jié)果的影響。

圖2 同種模型中不同資源量及相同資源探明率的預(yù)測圖

4.2 探明程度(地質(zhì)因素)的影響

從圖3不難看出,較高探明程度時,年新增探明儲量的峰值更高、達(dá)到峰值的時間越長。在相同經(jīng)濟(jì)技術(shù)狀況下,探明程度為35%的預(yù)測曲線顯示,天然氣年新增探明儲量在2009年達(dá)到峰值6325.8×108m3;探明程度為45%的預(yù)測曲線顯示,天然氣年新增探明儲量2010年達(dá)到峰值8123.2×108m3;探明程度為55%的預(yù)測曲線顯示,天然氣年新增探明儲量大致將在2011年達(dá)到峰值9930.5×108m3;探明程度為65%的預(yù)測曲線顯示,天然氣年新增探明儲量大致將在2012年達(dá)到峰值11748.0×108m3。探明程度越大,峰值越大,達(dá)到峰值的時間越長。因此,同樣的原始數(shù)據(jù),使用同樣的模型,探明程度不同時預(yù)測結(jié)果是不同的。因此,在儲產(chǎn)量預(yù)測時一定要考慮探明程度對預(yù)測結(jié)果的影響。

圖3 不同探明程度下的預(yù)測數(shù)據(jù)結(jié)果曲線對照圖

4.3 市場需求、新技術(shù)等因素的影響

每一個影響因素對儲產(chǎn)量都會產(chǎn)生正向或負(fù)向的影響。利于儲產(chǎn)量增長的因素,在一定程度上應(yīng)該加快其峰值的到來時間,而弊于儲產(chǎn)量增長的,在一定程度上則會延緩頂峰到來的時間。新技術(shù)、市場需求、工作量、國家政策等因素均具有雙重性,將利于儲量增長的,稱為儲量增長正向影響因素,反之為儲量增長負(fù)向影響因素。本實例僅以“新技術(shù)”為例,結(jié)合層次分析法,將其引入傳統(tǒng)生命旋回預(yù)測模型中,說明其對新增探明儲量的影響。

從圖4可以看出,在正向影響因素(新技術(shù))增大的情況下,龔帕茲曲線更早達(dá)到峰值。也就是說,正向的影響因素(如市場需求增大等)會迫使人們采取相關(guān)措施加大勘探力度(增大工作量),使用新的勘探技術(shù)等。這些因素的必然結(jié)果就會使得天然氣探明氣區(qū)面積增加、探明程度提高,當(dāng)然儲量增長就加快,在其他條件相同的情況下,峰值到達(dá)時間就越早;反之,市場需求變小,新增探明儲量的峰值時間自然會適當(dāng)延后。

圖4 相關(guān)影響因素(新技術(shù))敏感度預(yù)測圖示

以上分析可以看出,新技術(shù)、市場需求、工作量等因素均會影響預(yù)測結(jié)果。因此,在進(jìn)行儲產(chǎn)量中長期預(yù)測時應(yīng)考慮這些因素的影響。

4.4 常規(guī)模型與改進(jìn)后模型的對比

從表1可以看出,進(jìn)行了數(shù)據(jù)處理以及引入影響因素的改進(jìn)模型比常規(guī)的生命旋回模型的相關(guān)度好,峰值時間與實際情況也更吻合。

表1 某氣區(qū)天然氣新增儲量傳統(tǒng)模型與改進(jìn)模型預(yù)測結(jié)果對比表

5 結(jié)論

1)資源量越大,預(yù)測模型曲線的凹凸性越顯著,年新增儲量達(dá)到峰值的時間越靠后,峰值也越大。

2)探明程度越高,年新增探明儲量的峰值越高、達(dá)到峰值的時間越長。

3)正向的影響因素(比如市場需求增大,勘探力度加大,新技術(shù)的開發(fā)使用,勘探思路的轉(zhuǎn)變等),這些因素影響的必然結(jié)果就會使得天然氣探明氣區(qū)面積增加、探明程度提高,當(dāng)然儲量增長加快;在其他條件相同的情況下,峰值到達(dá)時間就越早;反之,市場需求變小,新增探明儲量的峰值時間自然會適當(dāng)延后。

4)從以上分析可以看出,地質(zhì)因素(資源量、探明程度)、新技術(shù)、市場需求、工作量等因素均會影響預(yù)測結(jié)果,因此,在進(jìn)行儲產(chǎn)量中長期預(yù)測時應(yīng)考慮這些因素的影響。從預(yù)測結(jié)果可以看出,進(jìn)行了數(shù)據(jù)處理以及引入影響因素的改進(jìn)模型比常規(guī)的生命旋回模型的相關(guān)度好,峰值時間與實際情況也更吻合。

[1]翁文波.預(yù)測論基礎(chǔ)[M].北京:石油工業(yè)出版社,1984.

[2]陳元千.廣義翁氏預(yù)測模型的推導(dǎo)與應(yīng)用[J].天然氣工業(yè),1996,16(2):22-26.

[3]張抗.油氣田的生命周期和戰(zhàn)術(shù)戰(zhàn)略接替[M].北京:地質(zhì)出版社,2000.

[4]王思聰,馮連勇,趙林.石油峰值問題及油氣田生命周期理論研究——中外石油專家石油峰值理論要論評析[J].石油科技論壇,2006(2):27-32.

[5]張抗,周總瑛,周慶凡.中國石油天然氣發(fā)展戰(zhàn)略[M].北京:地質(zhì)出版社,2002.

[6]董蔚凱,靳濤,王嶼濤,等.準(zhǔn)噶爾盆地油氣儲量、產(chǎn)量增長趨勢預(yù)測[J].新疆石油地質(zhì),2007(5):622-624.

[7]隋風(fēng)貴,羅佳強(qiáng).應(yīng)用翁氏旋回模型預(yù)測濟(jì)陽凹陷的最終勘探儲量[J].成都理工大學(xué)學(xué)報:自然科學(xué)版,2003(2):175-177.

[8]演克武,朱金福,何濤.層次分析法在多目標(biāo)決策中的不足與改進(jìn)[J].統(tǒng)計與決策,2007(9):10-11.

DOI:10.3787/j.issn.100020976.2010.04.012

He Yan,associate professor,was born in1971.He holds a Ph.D degree and working as a postdoctoral at the station,being engaged in comprehensive research in petroleum geology.

Add:No.8,Xindu Avenue,Xindu District,Chengdu,Sichuan610500,P.R.China

Tel:+86228283032276 E2mail:swpuheyan@163.com

An improved lifecycle model for predicting natural gas reserves and production

He Yan1,Lu Jialiang2,Tang Hongjun2,Duan Yonggang1,PenYan1
(1.Southwest Petroleum University,Chengdu,Sichuan610500,China;2.L angf ang B ranch,Research Insti2tute ofEx ploration and Development,PetroChina,L angf ang,Hebei065007,China)

At present,the life2cycle model is a mature technology and has been widely used for forecasting oil and gas reserves and production trend.However,the life2cycle model currently used cannot take account of many influencing factors closely interrelated to reserves and production growth,so it will result in low accuracy and bad results in prediction.Therefore,aiming at the deficiencies in the current life2cycle model,an optimization technique on reserves and production data array has been used to mitigate the forecas2ting risk brought by the abnormal data.Moreover,a new method has been proposed,which introduces the influencing factors of re2serves and production increment into the traditional life2cycle model.A case study in a gas field was performed by this improved life2cycle model with good forecasting results,which showed a good coincidence with the actual results.

natural gas,reserves,production,prediction,life2cycle model,static data,optimization

book=54,ebook=369

10.3787/j.issn.1000-0976.2010.04.012

2009-11-09 編輯 韓曉渝)

中國博士后基金項目(編號:國201,中博基字〔2006〕17號20060400307);國家重大專項基金項目(2008ZX05007)。

何琰,1971年生,副教授,博士,在站博士后;從事石油地質(zhì)綜合研究工作。地址:(610500)四川省成都市新都區(qū)新都大道8號。電話:(028)83032276。E-mail:swpuheyan@163.com

NATUR.GAS IND.VOLUME30,ISSUE4,pp.54257,4/25/2010.(ISSN100020976;In Chinese)