基于多因素分析提高采收率驅(qū)替方式優(yōu)選方法的研究

王婷婷，吳貴彬，陳建玲，孫勤江，王正波，馮笑含，趙萬(wàn)春

（1.東北石油大學(xué)電氣信息工程學(xué)院，黑龍江大慶163318；2.黑龍江省網(wǎng)絡(luò)與智能控制重點(diǎn)實(shí)驗(yàn)室，黑龍江大慶163318；3.中海石油（中國(guó)）有限公司天津分公司，天津300459；4.中國(guó)石油勘探開(kāi)發(fā)研究院提高采收率國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京1000835；5.東北石油大學(xué)石油工程學(xué)院，黑龍江大慶163318；6.東北石油大學(xué)非常規(guī)油氣研究所，黑龍江大慶163318；7.東北石油大學(xué)陸相頁(yè)巖油氣成藏及高效開(kāi)發(fā)教育部重點(diǎn)實(shí)驗(yàn)室，黑龍江大慶163318）

三次采油技術(shù)是提高采收率、穩(wěn)定老油田原油產(chǎn)量的一項(xiàng)重要技術(shù)[1]，主要包括采用注入蒸汽、二氧化碳和化學(xué)驅(qū)等開(kāi)采技術(shù)[2-4]。由于不同驅(qū)替方式受多種因素影響和限制，在某些區(qū)塊究竟選擇哪一種驅(qū)替方式能夠最大程度提高采收率還未形成統(tǒng)一的優(yōu)選方法，這嚴(yán)重制約著油氣的高效開(kāi)發(fā)[5-10]。為了不同研究區(qū)塊能夠優(yōu)選出最佳的驅(qū)替方式，提出了一種基于多因素分析提高采收率驅(qū)替方式優(yōu)選方法。

模糊綜合評(píng)判法是計(jì)算多因素影響下參數(shù)優(yōu)選的有效方法之一。苗德山等[11]對(duì)邊坡技術(shù)狀況評(píng)價(jià)指標(biāo)進(jìn)行等級(jí)劃分過(guò)程中引入模糊綜合判別法，解決邊坡穩(wěn)定狀態(tài)與判別指標(biāo)之間的界限問(wèn)題；雷柏茂等[12]采用模糊綜合判別法對(duì)中子管故障中不方便量化的系統(tǒng)合成模糊關(guān)系，將一些模糊因素定量化，從而對(duì)多個(gè)因素進(jìn)行了故障風(fēng)險(xiǎn)綜合評(píng)價(jià)；張?jiān)迄i等[13]在對(duì)遵化鳳良鐵礦地質(zhì)環(huán)境影響評(píng)價(jià)研究中，提出用模糊綜合評(píng)判法確定地質(zhì)災(zāi)害、地形地貌景觀、土地資源問(wèn)題等各項(xiàng)的隸屬度，進(jìn)而建立礦山地質(zhì)環(huán)境影響的模糊綜合評(píng)判模型；馬婧[14]運(yùn)用模糊綜合評(píng)判法，將模糊綜合評(píng)判法與層次分析法相結(jié)合，建立水驅(qū)開(kāi)發(fā)效果評(píng)價(jià)體系。模糊綜合評(píng)判法應(yīng)用在各行各業(yè)的多因素評(píng)價(jià)方法中，但在石油提高采收率方面鮮有報(bào)導(dǎo)。結(jié)合油田生產(chǎn)實(shí)際，調(diào)研得到影響三次采油的23 項(xiàng)關(guān)鍵參數(shù)，并通過(guò)精細(xì)量化篩選方法厘定了23 項(xiàng)參數(shù)的取值范圍，基于模糊綜合判別方法對(duì)選取的23項(xiàng)油藏參數(shù)在不同驅(qū)替方式下進(jìn)行選取并綜合打分，給出該油藏條件下的各影響參數(shù)的綜合分析，依據(jù)分值結(jié)果選取滿(mǎn)足該區(qū)塊較為合適的驅(qū)替方式。對(duì)選取的較為合適的幾種驅(qū)替方式，進(jìn)一步通過(guò)鄧氏關(guān)聯(lián)法預(yù)測(cè)目標(biāo)區(qū)塊在已選適合驅(qū)替方式下的最終采收率，根據(jù)預(yù)測(cè)采收率的結(jié)果來(lái)選取最佳的驅(qū)替方式。使用改進(jìn)的鄧氏關(guān)聯(lián)法，解決了原始鄧氏關(guān)聯(lián)法中不同油藏參數(shù)對(duì)驅(qū)替方式影響權(quán)重不同的問(wèn)題。原始的鄧氏關(guān)聯(lián)法是對(duì)所有的油藏關(guān)鍵參數(shù)累積取平均值，但在實(shí)際情況中，不同的油藏參數(shù)對(duì)不同的驅(qū)替方式的權(quán)重也不同[15-16]。為貼近油田實(shí)際情況，在原始鄧氏關(guān)聯(lián)法的基礎(chǔ)上稍加改進(jìn)，其改進(jìn)后的鄧氏關(guān)聯(lián)法是按照不同三次采油驅(qū)替方式中所占重要程度的比重來(lái)進(jìn)行分析目標(biāo)區(qū)塊與實(shí)例區(qū)塊的具體參數(shù)關(guān)聯(lián)度。根據(jù)關(guān)聯(lián)度優(yōu)選出與目標(biāo)區(qū)塊最匹配的實(shí)例區(qū)塊，并通過(guò)動(dòng)用地質(zhì)儲(chǔ)量之比，預(yù)測(cè)目標(biāo)區(qū)塊最終采收率，最后通過(guò)預(yù)測(cè)目標(biāo)區(qū)塊在不同驅(qū)替方式下的采收率，來(lái)優(yōu)選出新區(qū)塊最佳的驅(qū)替方式。

1 三次采油技術(shù)精細(xì)量化篩選方法

1.1 精細(xì)量化篩選模型建立

三次采油技術(shù)精細(xì)量化篩選方法主要是根據(jù)23項(xiàng)具體油藏條件，對(duì)每一種提高采收率技術(shù)可行性進(jìn)行綜合性打分，快速對(duì)油田三次采油方式進(jìn)行初步篩選及評(píng)估。綜合打分流程如下：

設(shè)集合U={xi|xi∈ }23項(xiàng)具體油藏參數(shù)，集合V={yi|yi∈ 9種三次采油驅(qū)油方式}；其中集合U和V的直積UV={(xi,yi)|xi∈23項(xiàng)油藏參數(shù)，yi∈9種三次采油驅(qū)油方式}中的模糊子集R被稱(chēng)為U到V的二元模糊關(guān)系，用矩陣表示為：

式中：Si={[a1∧μ(x1,yi) ]∨[a2∧μ(x2,yi) ]∨[a3∧μ(x3,yi)]∨… ∨[an∧μ(xn,yi) ]}；S為篩選綜合打分結(jié)果（Si代表使用第i種驅(qū)油方式的打分結(jié)果）；a1,a2,…,am為單參數(shù)根據(jù)篩選標(biāo)準(zhǔn)打分結(jié)果；μ(x1,yi)代表第i個(gè)油藏篩選參數(shù)在第j個(gè)三次采油驅(qū)油方式中的占比，ai,μ(x1,yi) ∈(0,1)。

1.2 精細(xì)定量篩選標(biāo)準(zhǔn)的制定

在三次采油過(guò)程中，針對(duì)不同驅(qū)油方式進(jìn)行精細(xì)量化評(píng)價(jià)時(shí)，選用不同三次采油方式所需考慮影響因素存在差異[17-21]。經(jīng)廣泛調(diào)研和專(zhuān)家論證，評(píng)選篩選參數(shù)共計(jì)23項(xiàng)，如表1所示。

表1 篩選參數(shù)匯總Table 1 Screening parameters

1.3 精細(xì)定量篩選法

根據(jù)不同的三次采油驅(qū)油方式確定對(duì)應(yīng)精細(xì)量化篩選標(biāo)準(zhǔn)，劃分不同油藏影響中參數(shù)所占的比重。并進(jìn)行賦值。根據(jù)此比例采用模糊判別方法計(jì)算目標(biāo)區(qū)塊在不同三次采油方式下的綜合打分。最后系統(tǒng)篩選出綜合打分結(jié)果大于0.5 的驅(qū)替方式作為目標(biāo)區(qū)塊三次采油驅(qū)替方式的備選方案。

2 三次采油潛力快速類(lèi)比模型研究

先將三次采油不同區(qū)塊影響參數(shù)給予打分，結(jié)果共5 個(gè)檔位，分別為0、0.25、0.50、0.75、1.00，并記作Xi，即Xi={x1i，x2i，x3i，…，xni}。

將目標(biāo)區(qū)塊的參數(shù)按照實(shí)例區(qū)塊的標(biāo)準(zhǔn)予以打分，并記作X0，即X0={x10，x20，x30，…，xn0}。

在對(duì)目標(biāo)區(qū)塊X0和若干實(shí)例區(qū)塊Xi中使用鄧氏關(guān)聯(lián)法可先計(jì)算目標(biāo)區(qū)塊和每個(gè)實(shí)例區(qū)塊的第k個(gè)關(guān)鍵油藏具體參數(shù)的關(guān)聯(lián)系數(shù)：

其中，Δi(k)代表目標(biāo)區(qū)塊與第i個(gè)實(shí)例區(qū)塊的第k個(gè)關(guān)鍵油藏具體參數(shù)的絕對(duì)差，Δi(k)=|xki-x0i|(k={1，2…n}，i={1,2…m})；a為兩者的最小差，即a=為兩者的最大差，{Δi(k)}；ξ為分辨系數(shù)，用來(lái)提高關(guān)聯(lián)系數(shù)之間差異的顯著性，通常情況下取ξ=0.5。

改進(jìn)的鄧氏關(guān)聯(lián)度算法為：

式中：Wi為第i個(gè)關(guān)鍵油藏參數(shù)的權(quán)重值，0≤Wi＜1，根據(jù)三次采油驅(qū)油方式的情況給出。

3 實(shí)例分析

以中國(guó)的實(shí)際油田研究區(qū)塊作為實(shí)例，利用模糊判別方法對(duì)不同驅(qū)替方式下目標(biāo)區(qū)塊23項(xiàng)油藏參數(shù)進(jìn)行綜合打分（圖1）。

圖1 不同方法篩選綜合打分結(jié)果Fig.1 Comprehensive scoring results of different screening methods

計(jì)算結(jié)果表明：目標(biāo)區(qū)塊在重力驅(qū)、堿聚二元驅(qū)、聚表二元驅(qū)、混相氣驅(qū)、非混相氣驅(qū)和蒸汽驅(qū)中，按照油田專(zhuān)家的評(píng)審結(jié)果，綜合打分結(jié)果低于0.5，不適合作為驅(qū)油方式。因此，上述6 項(xiàng)驅(qū)替方法，不適合作為該區(qū)塊的驅(qū)油方式；聚合物驅(qū)、三元復(fù)合驅(qū)、火燒油層綜合打分結(jié)果高于0.5，該區(qū)塊適合聚合物驅(qū)、三元復(fù)合驅(qū)、火燒油層驅(qū)替方式，但具體選用哪一種驅(qū)替方式仍需進(jìn)行潛力評(píng)價(jià)定量分析。將使用聚合物驅(qū)、三元復(fù)合驅(qū)和火燒油層驅(qū)替方式的油田分別標(biāo)注為實(shí)例區(qū)塊A、B、C，其區(qū)塊和目標(biāo)區(qū)塊的具體參數(shù)如表2 所示。對(duì)目標(biāo)區(qū)塊的油藏具體參數(shù)在不同實(shí)例區(qū)塊的驅(qū)替方式下予以打分結(jié)果為0、0.25、0.50、0.75、1.00，共5 個(gè)檔位（圖2—圖4）。通過(guò)改進(jìn)的鄧氏關(guān)聯(lián)法求解得出：目標(biāo)區(qū)塊與實(shí)例區(qū)塊A、B、C之間的關(guān)聯(lián)度分別為0.275、0.912和0.484，目標(biāo)區(qū)塊與實(shí)例區(qū)塊B 之間具有更高的關(guān)聯(lián)度。因此，可以選擇實(shí)例區(qū)塊B 作為參考目標(biāo)，采用火燒油層的驅(qū)油方式作為開(kāi)發(fā)手段。

表2 實(shí)例分析數(shù)據(jù)Table 2 Case analysis data

圖2 目標(biāo)區(qū)塊與實(shí)例區(qū)塊A在聚合物驅(qū)替方式下主要油藏參數(shù)打分結(jié)果對(duì)比Fig.2 Scoring results comparison of main reservoir parameters of target block and example Block-A under polymer flooding mode

圖3 目標(biāo)區(qū)塊與實(shí)例區(qū)塊B在火燒油藏驅(qū)替方式下主要油藏參數(shù)打分結(jié)果對(duì)比Fig.3 Scoring results comparison of main reservoir parameters of target block and example Block-B under fire flooding mode

圖4 目標(biāo)區(qū)塊與實(shí)例區(qū)塊C在三元復(fù)合驅(qū)替方式下主要油藏參數(shù)打分結(jié)果對(duì)比Fig.4 Scoring results of main reservoir parameters of target block and example Block-C under compound flooding mode

4 結(jié)論

1）以23項(xiàng)儲(chǔ)層及流體特征參數(shù)作為評(píng)價(jià)指標(biāo)，建立精細(xì)三次采油技術(shù)篩選標(biāo)準(zhǔn)；利用模糊判別方法，將原有定性篩選改進(jìn)為定量打分方式，可直觀、快速、準(zhǔn)確預(yù)測(cè)出研究區(qū)塊適宜的三次采油驅(qū)油方式。

2）通過(guò)改進(jìn)原始鄧氏關(guān)聯(lián)度計(jì)算方法，類(lèi)比得到代表區(qū)塊與數(shù)據(jù)庫(kù)中各油田實(shí)例區(qū)塊之間關(guān)聯(lián)度，根據(jù)類(lèi)比打分指定與代表區(qū)塊最匹配的實(shí)例區(qū)塊，預(yù)測(cè)代表區(qū)塊的最終采收率為34.26 %，與火燒油層驅(qū)替方式接近。