预测数据分析法在中东某老油田提高采收率中的应用

发布时间：2021-09-28 16:29

　　基于中东地区某陆上碳酸盐岩油藏8年的开发数据以及超过37口井的试井和测井数据,经数据收集和准备、模型建立、模型训练和验证、模型应用4个主要步骤,开发了该油藏的自顶向下模型（TDM）,并利用该模型进行了产量预测和敏感性分析。该TDM包含5个相互连接的数据驱动人工神经网络模型,每个神经网络对一个关键的动态参数进行建模,一个模型的输出是下一个模型的输入。该TDM历史拟合效果较好,在时间和空间上均得到了验证,TDM应用于新数据时具有泛化能力并且可以准确预测3个月内的油藏动态。使用经过历史拟合和验证的TDM进行产量预测,结果表明在给定的操作条件下,随着时间的延续,该油藏产油量下降而产水量增加;通过改变水气交替注入的注入量、注入周期预测产量,结果表明,该油田提高注入量并不一定会使产油量增加,不同注入方案下注入周期为3个月的产油量比注入周期为6个月时更高。TDM为优化水气交替注入参数提供了一种快速而可靠的办法,同时能够优化加密井的位置及其深度。图11参10 

【文章来源】：石油勘探与开发. 2020,47(02)北大核心EISCICSCD

【文章页数】：6 页

【部分图文】：

TDM对产油量、产气量和产水量的历史拟合结果

图1 TDM对产油量、产气量和产水量的历史拟合结果此外，使用生产历史中最后两年的生产数据对TDM进行了时间上的盲测，这两年的数据未在TDM开发和训练中使用。通过实际生产历史、多相流测试、压力恢复和压力降落试井数据对预测的产量和压力进行了验证。由于测试压力的井数有限，因此未计算已知压力数据以外的TDM压力预测误差。图3a所示为盲测期间井各项预测参数的均方误差；图3b所示为每口井所有预测参数的平均误差（x），其中37%的井在两年中的预测误差在10%以内。预测误差随时间的增长主要由对产气量和产水量的预测误差引起。由于现场产水量和产气量的测量往往不如产油量测量结果准确，所以会影响TDM预测产水量和产气量的准确性。图4所示为TDM属性预测值的交会图。综合研究发现该油田的最佳预测窗口为3个月，在该时间段内，预测误差最小，准确预测的井数最大。

此外，使用生产历史中最后两年的生产数据对TDM进行了时间上的盲测，这两年的数据未在TDM开发和训练中使用。通过实际生产历史、多相流测试、压力恢复和压力降落试井数据对预测的产量和压力进行了验证。由于测试压力的井数有限，因此未计算已知压力数据以外的TDM压力预测误差。图3a所示为盲测期间井各项预测参数的均方误差；图3b所示为每口井所有预测参数的平均误差（x），其中37%的井在两年中的预测误差在10%以内。预测误差随时间的增长主要由对产气量和产水量的预测误差引起。由于现场产水量和产气量的测量往往不如产油量测量结果准确，所以会影响TDM预测产水量和产气量的准确性。图4所示为TDM属性预测值的交会图。综合研究发现该油田的最佳预测窗口为3个月，在该时间段内，预测误差最小，准确预测的井数最大。图4 TDM预测数据与实际数据对比


本文编号：3412266