海上N油田蒸汽驱注采参数智能优化设计

2020-12-09孙玉豹王少华吴春洲

科技和产业 2020年11期

孙玉豹，王少华，吴春洲，肖洒

(中海油田服务股份有限公司油田生产事业部，天津 300459)

我国海上原油资源储量丰富，渤海油田是其中极为重要的一部分，其探明储量的一半以上均为稠油。N油田位于渤海湾中部，储层厚度大、地层平均渗透率高但非均质性较强，地层原油黏度大、水油流度比高[1]。

对于N油田现有的多元热流体开采方式已经无法进一步动用储量提高采收率[2-5]。采用蒸汽驱将高温蒸汽注入地层，通过加热降低原油黏度，能够有效的启动地层中的稠油，提高油田开发效果[6-8]。但是蒸汽驱开发过程中由于地层的非均质性，往往造成局部汽窜的发生，不利于蒸汽剖面的均匀推进，从而影响蒸汽利用率和整体开发效果，因此需要对蒸汽驱的注入井和生产井进行注采参数优化。目前国内常用的蒸汽驱注采参数优化方法是针对某一参数，将其设为变量取不同值，对各参数值分别使用数值模拟软件进行生产预测后对比其开采效果[9-11]，使用该方法进行优化得到的开发方案具有局限性，因为此类方法获得的优化方案往往是局部最优方案而非全局最优方案。因此，本文将粒子群优化算法引入注采参数优化研究中，以期得到开采方案设计的全局最优解[12-13]。

粒子群优化算法是由美国的心理学家Kennedy和电气工程师Eberhart首次提出来的一种新型的并行元启发式算法。该算法是通过模拟自然界生物群的觅食行为中的相互合作机制，从而找到问题的最优解，如图1所示。该算法的结构构造简单、所调节参数较少、因而相对容易实现。相较于PSO算法，常规的粒子群算法的初始粒子则是随机产生的，其收敛速率较慢、计算方案多且计算量大；而经过优化的粒子群算法，则能够提高粒子群算法的收敛速度和收敛精度，同时增强粒子的全局寻优能力，提高了解的精度[14-17]，如图2所示。

图1 PSO算法示意图

本文首先针对蒸汽驱不同阶段特征，确定目标函数、优化参数和约束条件，进而采用改进的粒子群算法，建立蒸汽驱注采智能优化模型，实现注采参数的优化。

图2 无梯度优化方法示意图

蒸汽驱方案中需要优化的参数包括：注汽速度、注采比，各单井配产配注、采注比、产液速度等。其约束条件包括：单井注入能力、锅炉能力、产液能力、最低油藏压力水平等。

本文首先对N油田试验区进行了历史拟合工作及蒸汽驱的注采参数优化设计研究，后对蒸汽驱开发进程进行分段参数优化，确认了各注采参数的优化范围；使用基于均匀设计的改进型粒子群优化算法(PSO算法)对蒸汽驱开采方案进行整体智能优化，并将预测的开发效果与其他优化方案进行对比。

1 历史拟合及预测

1.1 历史拟合

N油田2005年9月投产以来南区采用天然能量常规开发，局部采用点状注入的方式补充能量。截止到2017年12月底，南区共有33口油井，3口注水井和1口水源井，试验区井位图如图3所示。油田南区初期采用天然能量开发，表现出产能低(定向井平均产能10.0～18.0 m3/d，水平井平均产能30.0～35.0 m3/d)，采油速度低(0.3%)，预测采收率低(5%)的问题。为解决油田开发存在的矛盾，对油田进行多元热流体开发，在多元热流体开采过程中，试验区存在气窜影响产能，增油潜力小，工艺拓展困难及经济性逐渐变差等方面的问题。因此，计划对油田转蒸汽驱开发，但需要对蒸汽驱的参数进行合理设计避免汽窜，提高蒸汽利用率。

图3 试验区井位图

利用CMG软件通过对渗透率方向差异、边水区域参数和断层封闭性等参数的调整，对试验区地质储量、采油量及采出程度进行了拟合，拟合结果如图4及表1所示。地质储量拟合误差0.68%。区块累产油拟合相对误差3.38%。

以定液量生产制度模拟，单井产量和含水率拟合精度较高。同时较为精确的对油藏平均压力进行了历史拟合，地层平均压力5.0 MPa左右。

图4 6井区区块历史拟合结果

表1 单井产量拟合结果统计

1.2 冷采开发效果预测

停止多元热流体开采后，若利用前缘能量进行冷采开发至2030年，以2018年的年平均产液量作为配产液量依据，进行定液量生产，控制井底流压2.0 MPa，对持续进行冷采开发至2030年的开发效果进行预测(如图5所示)，以便与后期方案优化增产数据进行比较。

截止到2030年底，7口井最终产油量68.62 × 104m3，最终采收率25.80%。其中2020—2030年，7口井累积产油量12.71 × 104m3。

图5 冷采开发指标预测

2 蒸汽驱开发方案传统优化方法

2.1 整体注汽方案开发效果预测

2.1.1 基于静态资料的注汽配产方案

综合考虑井距、注采井控制体积占总体积百分比和气窜干扰3个因素进行初期产能设计。对N-2号井单井转驱生产10年及N-2号井单井转驱三年后N-2及N-3号井两井转驱两个方案的开发效果进行预测。

通过数模软件预测N-2号井单井转驱10年累产油21.02万方，相对冷采增油8.31万方。N-2号井单井转驱三年后N-2及N-3号井两井转驱，10年累产油39.19万方，相对冷采增油26.48万方。

2.1.2 基于动态资料的生产井配产优化方案

由于只考虑静态资料劈产的生产井配产欠合理，未实现均衡驱替，生产井容易发生汽窜，影响开发效果，配产方案应考虑实际驱替过程中的动态差异。因此，在配产过程中进行生产井含水上升率差异评价及饱和度分布差异评价，以对井距和流窜干扰进行校正。根据静态资料劈产的采液速度进行模拟后，根据结果差异模式，调整的对策的核心是优化不同注采方向的驱替压差，当注水井同侧出现两井超注两井欠注的情况，则在欠注方向油井提液，超注方向油井控液，对劈产比例进行校正。与基于静态资料的注汽配产方案相比，其采液速度在校正后与人工设计采液速度对比如表2、表3所示。

采液速度调配优化后，注采调配方案相对基于静态资料的静态配产方案含水率下降，10年累产油41.40万方，增产原油2.21万方。

表2 N-2号井单井转驱阶段单井采液速度

表3 N-2及N-3号井两井转驱阶段单井采液速度

2.2 蒸汽驱分阶段优化

通过调研，结合6井区地质油藏特点，针对蒸汽驱不同阶段特征，将蒸汽驱开发进程划分为蒸汽驱启动阶段、热流体控制阶段及蒸汽突破阶段，对油藏方案划分开发阶段分别进行参数优化。

首先对转蒸汽驱井网进行优化，根据注采对应关系，首先以N-2号井转驱，形成近反七点法井网，注蒸汽速度：350 m3/d，井底干度0.8。采用N-2号井转驱方案，可见受效井含水快速上升，如图6所示；其中N-3号井含水率上升最快，且含水率最高，最先产生窜流。因此，依据目前井网对应关系及采出程度统计结果，建议优先进行N-2号井转驱；综合考虑汽窜、累产油等因素，在热突破阶段适时转注N-3号井。

图6 N-2蒸汽驱受效井含水率变化

2.2.1 蒸汽驱启动阶段优化

对注入井的注汽能力进行优化，由视吸水指数确定最高允许注入速度，则N-2号井最大注入速度为350 m3/d，N-3号井为240 m3/d。考虑两口井注入时锅炉排量，确定两井最高注入速度合计为500 m3/d。

对注入井的注汽速度进行优化，保持产液速度480 m3/d，蒸汽驱启动阶段结束时刻为受效井产能爬坡结束或含水率达到40%的时刻。注汽速度越大，邻井含水上升时刻越早，阶段生产时间越短，阶段产油量越低；根据平均日产油优化结果，结合锅炉排量，最优注汽速度250～350 m3/d，如图7、图8所示。

图7 不同注入速度N-4号井含水率变化

图8 注汽速度优化结果

对注采比进行优化。采注比对生产时间影响较小；但由于采注比大，产液量高，累产油和日产油均增大。

2.2.2 热流体控制阶段优化

对注入井的注采比进行优化，热流体控制阶段结束时刻为受效井含水率达到80%时刻。采注比大，地层压力下降快；采注比越小，含水率上升越快，阶段末地层压力高，如下图9、图10所示。

图9 不同采注比条件下N-4号井含水率变化

图10 不同采注比平均日产油

采注比小，阶段生产时间短，平均日产油量低；该阶段应通过大采注比方式，降低油藏压力至合理压力水平。在蒸汽驱过程中，要求蒸汽具有高温、高热焓值和较大体积；地层压力应尽量低，根据油藏实际情况建议3.0～5.0 MPa左右。

2.2.3 蒸汽突破阶段优化

在蒸汽突破阶段，在保持注汽速度350 m3/d条件下，合理采注比能够保证地层平均压力保持稳定；6井区具有一定能量的边水，地层压力下降过快，会导致边水快速侵入；地层压力下降过慢，蒸汽能量不能充分发挥；考虑边水能量，优化合理采注比1.3，比一般稠油蒸汽驱油藏所采用的1.2略高，不同注采比地层平均压力变化如图11所示。

在保持注采比1.3的条件下，蒸汽突破阶段含水率已达高含水阶段，产油量递减快，应采用提液高速开采方式开发；在注汽井最高注入能力范围内，注汽速度越高越好。

图11 不同采注比地层平均压力变化

对于单井转两井驱时机，以井底温度达到220 ℃为汽窜评判标准，2023年1月，N-3号井蒸汽突破，开发效果变差，应在此时由单井驱转为两井驱。

根据上述优化结果，对蒸汽驱开发方案开发效果进行预测，其累产油量为100.34万方，其中2020-2030累产油43.68万方。

3 蒸汽驱分阶段无梯度智能优化

上述优化方法得到的开发方案具有局限性，无法综合各影响因素得到最优的开采方案。因此进行无梯度智能优化，能够综合各参数较快得到全局最优解。

3.1 单井注入时分阶段无梯度智能优化方案

根据上文对单井转两井驱时机的优化，预计单井注入时间为2020-2022年，因此对该时间段单井注汽开发效果进行智能优化预测。优化参数包括启动阶段采注比(产液速度)、6口生产井产液量、热流体控制阶段采注比(产液速度)、6口生产井产液量及热突破阶段注汽量。N-2号井单井驱阶段注汽速度250～350 m3/d；对注采比选取两个方案，一是采注比<1.3、二是采注比<1.6；总产液速度等于6口生产井产液量之和。

3.1.1 注采比<1.3

在注采比小于1.3的条件下，给出单井产液量的优化范围如表4所示，粒子群自动生成200套计算方案(如图12所示)并优化出其中最优的5套方案(如图13所示)，对比单井产液量分配，结果基本一致。

最优方案为142号，其累产油量为72.76万方，其中2020-2022累产油15.24万方。优化结果如图14所示。

表4 单井产液量优化范围

图12 粒子群自动生成的200套计算方案

图13 最优的5套产液量对比(m3/d)

图14 井组累产油优化结果

3.1.2 注采比<1.6

与方案(1)相同，给出单井产液量的优化范围，粒子群自动生成200套计算方案并优化出其中最优的5套方案，对比单井产液量分配。

最优方案为140号，其累产油量为76.05万方，其中2020-2022累产油18.54万方。

表5 单井产液量优化范围

图15 最优的5套产液量对比(m3/d)

图16 井组累产油优化结果

3.2 两井注入阶段无梯度智能优化方案

单井注入转两井注入后，预计两井注入时间为2023—2030年，因此对该时间段的累产油量进行智能优化预测。基于单井驱时采注比<1.6的方案，在两井驱阶段保持采注比<1.3，优化5口生产井产液量，2口注入井的注汽量。N-2i和N-3i注汽速度总量<500 m3/d；总产液速度=6口生产井产液量之和。

与单井注入的优化步骤相同，给出单井液量及注蒸汽量的优化范围后，粒子群自动生成200套计算方案并优化出其中最优的5套方案，对注汽量和产液量进行对比。

最优方案为193号，其累产油量为104.28万方，其中2020-2030累产油46.76万方。

表6 最优5套方案注汽量和产液量对比(m3/d)

图17 井组累产液优化结果

图18 井组累产油优化结果

根据上述优化过程可得出单井转两井注汽方案的分阶段智能优化方案。根据蒸汽驱的四个阶段：蒸汽驱启动阶段、热流体控制阶段、蒸汽突破单井驱阶段及蒸汽突破两井驱阶段进行优化设计，得到下述优化方案。

截止到2030年，最优方案累产油104.28万方，2020-2030年累产油46.76万方，相对冷采增油34.05万方，提高采收率12.80%；相对人工优化方案增油5.39万方，提高采收率2.03%。从2020年开始，油汽比随时间逐渐降低，截止到2029年油汽比降低到0.2以下；以水平井蒸汽驱经济极限油汽比0.2为截止条件，2029年后经济不盈利。

表7 蒸汽驱分阶段无梯度智能优化方案表

图19 智能优化方案累产油和含水率曲线

根据上述注采参数优化方案预测结果，对各方案配产参数及开发效果进行对比如表8、表9。

从表中数据可以看出，无论是从累计开发指标、阶段开发指标还是增有指标方面来看，经过PSO算法智能优化后的开采方案，其开发效果都明显优于其他方案。其原因在于，智能优化方法能够在约束条件内综合所有井的生产情况，找到全局最优解从而达到油田整体的最优开发效果，而传统的非智能优化方式，仅能从单一条件下使该条件下的产量最大化，得到的结果为局部最优解。因此，采用智能优化方法对油田开发方案进行优化，能够使开发效益最大化，更大程度的提升油田采收率，改善开发效果。