基于气井产水量预测的泡排剂加注制度优化*

2023-09-11陈怀兵于晓明

广州化工 2023年10期

陈怀兵，张云，于晓明，任磊，郭亮

(1 川庆钻探工程有限公司钻采工程技术研究院，陕西西安 710018；2 低渗透油气田勘探开发国家工程实验室，陕西西安 710018；3 中国石油长庆油田分公司第一采气厂，陕西靖边 718500)

气田开发过程中水伴随天然气一起产出，产出水主要为凝析水或地层水，也可能是工作液返排。有水气藏天然气产量低时，气速低于临界携液流速，在井底形成积液，造成气井产量下降[1-2]。泡沫排水采气是目前最常用的排水采气方式，但由于无法准确预测气井产水量，一般都采用周期性投加泡排剂的加注制度，导致泡排效果差，增产效率低。因此，准确掌握气井产水规律对于低压低产气井的排水采气治理措施具有重要意义。

目前，气井产水量预测方法主要有两种，一种是基于岩心分析，利用测井资料定量计算储层中各种类型水的饱和度，通过统计分析得出影响产水量的主要影响因素，并采用多元线性回归法建立地层水含量预测模型。该方法在苏里格气田西区应用效果良好，满足生产要求[3]。另一种是根据岩心分析得出气水相渗曲线，结合生产井测井、试气资料求出气、水两相渗流时的水相渗透率，进而可以得到气井产气量一定时对应的地层产水量[4]。目前预测气井产水量的两种方法实验操作复杂，尤其是到了气井生产中后期，密闭取芯作业费用高昂，因此，亟需一种能够操作简便的气井产出水量预测方法，用于优化泡排剂加注制度。时间序列预测技术就是通过对预测目标自身时间序列的处理，来研究其变化趋势的，已经广泛应用于经济和工业领域[5-7]，在石油行业也有应用[8-9]。本文以苏南气田产水数据为基础，通过对比几种时间序列模型对气井产水量的预测结果，得出适合于苏南气田的产水量预测方法，根据气井产水量预测结果，优化泡排剂加注制度，并进行现场验证。

1 数据来源

本文数据来自苏南气田两口产水气井在2021年1月和2月的实际生产数据，研究过程中以前30天产水数据为样本数据，后30天产水数据为预测对照数据。图1为气井日产水量数据分布图。

图1 气井日产水量数据分布图Fig.1 Daily water production data distribution of gas well 1 and 2

2 时间序列模型预测方法及效果评价方法

2.1 时间序列模型预测方法

预测方法参照《时间序列模型及预测》[10]中的简单移动平均法、加权移动平均法、趋势移动平均法和指数平滑法。

2.2 预测效果评价方法

2.2.1 均方根误差(RMSE)

均方根误差是指参数估计值与参数真值之差平方期望值的算术平方根，RMSE可以评价数据的变化程度，RMSE的值越小，说明预测模型描述实验数据具有更好的精确度。计算方法如下：

(1)

式中：Xt为观察值，Yt为预测值。

2.2.2 期望值绝对偏差(EVAD)[11]

预测数据期望值绝对偏差显示的是预测数据和实际观察值期望的误差，EVAD越小，说明预测的精确度越高。计算方法如下：

(2)

2.2.3 总产水量相对误差

预测数据总和与实际观察值总和的相对误差，总产水量相对误差越小，说明预测的精确度越高。

3 模型应用及结果分析

3.1 简单移动平均法应用及分析

取两口井前30天的产水量为样本数据，分别取N=10、20、30，预测结果见图2。

图2 简单移动平均法预测结果对比Fig.2 Prediction results comparison of simple moving average method

由图2可得：对于1#井，N=10、20、30时，误差范围分别为3.90%～293.00%、1.71%～244.50%、8.51%～223.67%，30天的产水总量误差较小，分别为1.84%、2.43%、2.33%。2#井，N=10、20、30时，误差范围分别为1.67%～302.50%、0.48%～608.75%、5.45%～744.17%，30天的产水总量误差分别为17.22%、24.57%、21.20%。两口井的日产水量误差范围变化大，主要原因是个别实际产水量出现突变导致。1#井的预测总产水量误差较小，2#井的预测总产水量误差较大，主要原因是1#井实际产水量相对平稳，2#井实际产水量在前30天有上升趋势，而后30天有下降的趋势。整体来说，N取值小的时候，预测结果更准确，说明近期数据对预测结果的影响更大一些。

3.2 加权移动平均法应用及分析

取两口井前30天的产水量为样本数据，分别取N=10、20、30，权数W分别取1～10、1～20、1～30，预测结果见图3。

图3 加权移动平均法预测结果对比Fig.3 Prediction results comparison of weighted moving average method

由图3可得：对于1#井，N=10、20、30时，误差范围分别为2.48%～300.00%、0.95%～276.57%、2.93%～248.30%，30天的产水总量误差较小，分别为2.20%、0.30%、1.53%。2#井，N=10、20、30时，误差范围分别为1.82%～302.50%、3.98%～608.75%、0.85%～744.17%，30天的产水总量误差分别为12.22%、19.66%、21.93%。1#井的预测结果较好，2#井的预测结果较差，主要原因是1#井实际产水量相对平稳，2#井实际产水量在前30天有上升趋势，而后30天有下降的趋势。

3.3 趋势移动平均法应用及分析

本研究采用一次趋势移动平均法，取两口井前30天的产水量为样本数据，分别取N=5、10，预测结果见图4。

图4 趋势移动平均法预测结果对比Fig.4 Prediction results comparison of trend moving average method

由图4可得：对于1#井，N=5、10时，误差范围分别为2.10%～579.00%、0.13%～128.44%，30天的产水总量误差较小，分别为22.22%、6.73%。2#井，N=5、10时，误差范围分别为21.43%～4275.00%、1.79%～2980.22%，30天的产水总量误差分别为412.42%、274.59%。两口井的预测结果都很差，因为1#井不具有直线增加或者减少的趋势，而2#井的样本数据有上升趋势，而实际生产数据为下降趋势。

3.4 指数平滑法应用及分析

本研究采用一次指数平滑法，取两口井前30天的产水量为样本数据，取N=30，α分别取0.2、0.5、0.8，预测结果见图5。

图5 指数平滑法预测结果对比Fig.5 Prediction results comparison of exponential smoothing method

由图5可得：对于1#井，α=0.2、0.5、0.8时，误差范围分别为0.57%～268.73%、0.31%～251.83%、5.23%～234.93%，30天的产水总量误差较小，分别为0.47%、1.16%、1.86%。2#井，α=0.2、0.5、0.8时，误差范围分别为0.39%～188.83%、6.16%～397.08%、1.96%～605.33%，30天的产水总量误差分别为6.63%、12.09%、17.56%。两口井的预测日产水量趋势与实际产水量趋势基本一致，α越小，预测结果越精确。说明一次指数平滑法的预测结果能够很好的满足气井产水量预测。

3.5 预测结果对比

表1为四种时间序列模型预测结果参数对比表，由图3～图5及表1可得：趋势移动平均法总产水量相对误差大，不适合两口井的日产水量预测，其他三种预测方法的总产水量相对误差差别不大，其中指数平滑法预测精度最高，尤其是α=0.2时。加权移动平均法的预测精度较简单移动平均法略高，可能与权数的选取有关。由RMSE和EVAD值的对比也能得到相同的结论。对于简单移动平均法和加权移动平均法，N值的选取对预测结果的影响不是太大。四种方法对于1#气井的预测结果的精度均好于2#气井。主要原因是1#气井的产水量相对平稳，而2#气井的产水量变化较大，样本数据呈上升趋势，实际生产数据呈下降趋势。

表1 模型预测结果参数对比Table 1 Comparison of model prediction parameter results

经过上面的比较，对于产水量比较稳定，数据变化范围较小的气井，采用简单移动平均法、加权移动平均法和指数平滑法三种时间序列预测方法均能取的较好的预测结果，指数平滑法的预测精度更高一些。对于产水量波动较大的气井，也可采用上述三种预测方法，但在预测过程中需要注意基础数据的选取。

4 泡排剂加注制度优化及现场应用

1#气井和2#气井均使用UT-11B泡排剂，最佳使用浓度为0.3%，在泡排剂加注制度优化前的加注制度为8 L/周和20 L/周。由于气井产水量是动态变化的，一般在气井产量下降时，根据经验进行泡排剂加量调整，使得药剂加量难以和产水量匹配，药剂浓度达不到最佳使用浓度范围，影响泡排效果。以1#气井和2#气井采用指数平滑法中α=0.2的气井产水量预测结果进行泡排剂加注制度优化，为不提高泡排作业施工成本，还是按照每周一次的频次进行加注，改变泡排剂加量，使得泡排剂浓度为0.3%左右，泡排剂加量优化前后气井日产气量数据见图6。