APP下载

渤海稠油储层产能主控因素分析及应用

2022-05-16赵洪涛于伟强房鑫磊

复杂油气藏 2022年1期
关键词:稠油测井渗透率

赵洪涛,于 喜,于伟强,房鑫磊

(中法渤海地质服务有限公司,天津 300457)

稠油油藏具有原油密度大、黏度高、流动性差、生产过程易出砂等特点,在探井测试中,随着开井时间延长及生产压差的增大,井筒附近常常由于砂粒的产出而形成“蚯蚓洞”网络[1],使得井筒附近渗流能力逐步增强。储层的物性变化造成利用“系统试井”方法建立的产能方程异常,无法有效求取极限产量,对于这类储层,油田多将比采油指数作为评价储层产能的重要指标。在油田投产后,以探井测试比采油指数为基础,通过经验校正系数进行相关校正,指导合理生产压差的制订[2],所以,对稠油储层产能评价工作可以将比采油指数作为研究目标进行间接分析。

前人针对稠油储层产能影响因素及产能预测做过相关研究,孙恩慧等[3]建立了利用泥质含量和电阻率校正水平井比采油指数的方法。候连华等[4]利用录井地化热解资料求取原油黏度和含油饱和度,建立油相渗透率与含油饱和度的关系,结合流体渗流理论,预测比采油指数。董红等[5]利用岩心分析资料、试油资料和测井资料,建立测井储层参数及油相渗透率的解释模型,通过解释的油相渗透率计算比采油指数。本文在前人研究认识的基础上,结合渤海油田近两年稠油储层的试油成果,将探井测试前可以获取的测井、地化分析成果作为研究对象,选取影响比采油指数的测井、地化参数及它们的组合参数,利用灰色关联法分析各参数与比采油指数的关联度,确定主控因素并建立比采油指数的预测模型,以期为区域稠油储层探井测试层位的优选及测试前的产能预估提供一定指导依据。

1 产能主控因素分析

当油井生产达到拟稳定流后,产量与压差之间的关系可以用裘比依公式表示,即:

式中:QO为油产量,m3/d;Ko为油相渗透率,10-3µm2;h为储层厚度,m;pe为供给压力,MPa;pwf为井底流压,MPa;re为供油半径,m;rw为井眼半径,m;B为原油体积系数,1;μo为50℃原油黏度,mPa·s;S为表皮系数,1。

比采油指数定义为单位生产压差下单位厚度油层的产量,结合裘比依公式,表达式可以写为:

式中:Jos为比采油指数,(m3/d)/(MPa·m)。公式表明,比采油指数与流度(Ko/μo)成正比,同时受体积系数、供油半径、表皮系数等因素影响。由于渤海油田稠油储层均采用TCP、PCP 电加热与APR三联作测试工艺,测试时间相近,原油体积系数、表皮系数和re/rw值相差不大,油相渗透率(Ko)及原油黏度(μo)是区域稠油储层比采油指数的主要影响因素。渗透率是反映储集层物性的重要参数,公式(1)中的油相渗透率(Ko)指油层有效渗透率,代表单相原油在岩石中通过能力的大小,而测井解释渗透率是通过测量储层地球物理特性,利用相关经验公式计算获得,代表井筒附近(一般在1 m 以内)储层的绝对渗透率,二者数值通常差异较大,但对于均质性较好的砂岩储层,二者线性相关性较强[6],可以使用测井解释空气渗透率代替油相渗透率进行比采油指数的相关性分析。同时,一些学者的统计分析显示,稠油储层渗透率与孔隙度一般具有较好正相关性[7-9],地面原油黏度及密度的大小则与原油中胶质、沥青质含量等重质组分含量密切相关,二者具有较好的一致性[10]。基于前人关于比采油指数影响因素的认识,结合探井测试前获取的测井、地化分析成果,本文选取测井解释渗透率(Km)、孔隙度(φ)、20 ℃原油密度(ρo)、50 ℃原油黏度(μo)、地化热解烃含量(S2)、重质组分指数(HI)等参数,以及依据它们与流度(Ko/μo)的相关性建立的组合参数作为比较序列,比采油指数作为参考序列(详见表1),利用灰色关联分析方法进行比采油指数影响因素分析,对关联度进行排序,找出区域稠油储层产能的主控因素。

表1 渤海稠油储层测试参数数据

灰色关联分析法是通过分析参考序列与比较序列的相似或相异程度,来衡量并描述其间的关联程度[11],主要分析步骤包括比较序列的确定、比较序列数据无量纲化处理、灰色关联系数的计算及关联度的计算和排序等,最核心的部分是关联系数的计算,相关计算公式如下:

式中,x0为参考序列;xi(i=1,2,3…)为比较序列;|x0(k) -xi(k) |为序列x0与xi在第k点的绝对值;mn mn |x0(k) -xi(k) |为两序列的两极最小绝对值;maixmx |x0(k) -xi(k) |为两序列的两极最小绝对值;ρ为分辨系数,通常取0.5。

利用表1 的数据进行灰色关联系数的计算,计算结果如表2 所示,将关联系数求平均即为各影响因素与比采油指数的关联度。分析结果显示,与比采油指数的关联度由高到低依次为Km/μo、φ/HI、φ、ρo、Km、HI、μo、S2。可以看出,依据流度(Ko/μo)建立的组合参数相较于单一影响参数关联度明显提高,可采用相关度较高的参数组合表征流度(Ko/μo),建立比采油指数预测模型。

表2 产能各影响因素灰色关联分析结果

2 产能预测模型

基于前文研究认识,分别建立了测井渗透率/地面50℃原油黏度(Km/μo)、孔隙度/重质组分指数(φ/HI)与比采油指数(Jos)的相关性模型,相关回归结果分别如图1、图2 所示,相关性方程及相关系数见表3:

图1 测井渗透率/地面50 ℃原油黏度与比采油指数相关性

图2 孔隙度/重质组分指数与比采油指数相关性

表3 比采油指数预测公式及相关系数

相关性分析结果证实,上述两组参数与比采油指数相关度较高,相关系数分别达到了0.974 9 和0.965 7。利用渤海最新的稠油储层探井X 井实测结果对两种预测模型的效果进行验证,该井分别对明化镇组和馆陶组稠油储层进行测试,测前已知的测井解释渗透率(Km)、孔隙度(φ)及相关地化热解参数见表4,其中,黏度数据(μo)参考区域地化黏度预测模型的预测结果。将两种预测模型的预测结果与X 井的实测结果进行对比,结果如表5所示,模型A 对明化镇组、馆陶组的稠油储层比采油指数预测相对误差分别为10.41%和10.37%,模型B则分别为5.68%和9.72%,预测误差在可接受范围内,对区域稠油储层测前产能预测具有一定指导意义。

表4 探井X测试层测井解释结果及地化热解参数

表5 预测结果与实测结果对比(Jos单位为(m3·d-1·MPa-1·m-1))

3 结论

(1)应用灰色关联法分析渤海稠油储层比采油指数的主控因素,依据流度进行参数组合较单一参数关联度明显提升,Km/μo、φ/HI两组参数与比采油指数关联度最高。

(2)利用Km/μo、φ/HI参数建立了两种比采油指数预测模型,经实例验证预测误差介于5.68%~10.41%,相对误差较小,可用于渤海地区稠油储层探井测试前的产能预测。

猜你喜欢

稠油测井渗透率
本期广告索引
我国首个海上特超稠油储量规模化开发油田投产
稠油热采区块冷采降粘技术应用
我国IPTV总用户数3.07亿户,同比增长6.7%
资源勘查工程专业《地球物理测井与解释》课程的教学改革
我国测井评价技术应用中常见地质问题分析
稠油降粘的有效方法探讨
稠油热采技术现状及发展趋势分析
预计明年智能网联新车渗透率达51.6%
纸尿裤市场每年1000亿却只开发了四成