本發明涉及一種用于油田注采井網驅替開發的產能預測方法，屬于油田產能預測技術領域。

背景技術：

隨著油田開發難度的增大，采取先進的開采技術提高油田原油采收率，是原油產量實現穩產上產的重要途徑。強化采油作為提高原油采收率的主要手段，在油田開發中具有廣闊前景，多年來不斷有新的強化采油方法出現并得到推廣應用，主要的驅替開發方法包括化學驅、注氣驅、熱力驅和微生物驅等。

由于上述驅替開發方法的操作過程以及提高原油采收率的驅油機理十分復雜，并具有投資大、成本高、風險大等特點，因此我國對提高采收率方法的潛力評價工作非常重視。潛力評價可用于指導我國提高采收率的發展方向，對油田現場工作部署及規劃的科學合理發揮著重要作用，而針對某種驅替開發方法的產能做出準確預測，正是對其進行潛力評價的重要基礎，是確保潛力評價結果可靠性的有力保障。

目前常見的產能預測方法有三種，即經驗公式法、解析方法以及數值模擬方法。經驗公式法來自于統計分析，大多數經驗公式僅建立在油藏參數之上，往往不考慮具體的開發過程，缺乏充分的理論分析；解析方法通常建立在分流或流線等滲流理論基礎上，可以在一定的參數范圍內得到較為準確的結果，但為了便于求解，一般需要大量的簡化假設，同時具有原理復雜、操作不便的特點；數值模擬方法可以較全面的考慮多種驅油過程的機理，但預測結果的準確程度依賴于刻畫油藏特征及相關生產數據的準確性，在搜集和處理數據時需要花費大量時間與精力。

以上幾種現有方法的共性還在于：①沒有在產能預測模型中突出不同注采井網類型的特征，較少體現其對產能預測結果的影響；②沒有直觀體現實際開發參數對產能預測結果造成的影響，原理復雜且可操作性較弱，同時較少體現不同驅替開發方式的特征；③沒有將多種驅替開發方式行在理論上進行統一，普遍適用性較弱，使得不同開發方式對應的產能預測結果之間，不能進行快速有效的對比分析。

技術實現要素：

針對現有技術的上述缺點，本發明公開了一種用于油田注采井網驅替開發的產能預測方法。本發明的目的是通過引入驅替綜合系數概念，且綜合使用經驗公式、解析以及數值模擬三種研究方法，使得多種驅替開發方式在理論上進行統一，實現多種常見研究方法的優勢互補，最終為解決油田注采井網驅替開發的產能預測問題，提供一種原理簡單、適用性強、操作方便且結果準確的方法。

為了實現上述目的，本發明的技術方案如下。

一種用于油田注采井網驅替開發的產能預測方法，該方法包括如下步驟：

(1)針對不同的井網類型，利用等值滲流阻力法，建立常規油藏水驅井網開發產能預測模型；

(2)利用注采形式上的相似性，在步驟(1)建立的產能預測模型中引入驅替綜合系數，將其向多種油藏類型以及驅替開發方式進行推廣；

(3)分析篩選能夠體現該驅替開發方式特征且對產能結果有重要影響的相關參數；

(4)根據油田現場的實際參數，利用油藏數值模擬方法建立所研究井網類型與驅替開發方式下的數值模型；

(5)利用步驟(2)中建立的產能預測模型及步驟(4)中建立的數值模型，計算分析步驟(3)中的特征參數與驅替綜合系數的單因素相關關系；

(6)選取影響該驅替方式開發效果的主要參數，利用正交設計表產生多組數值模擬研究方案，經計算得到多組產能結果；

(7)根據步驟(5)中得到的單因素相關關系，以步驟(6)中得到的產能結果為基礎，經多元線性回歸得到驅替綜合系數的經驗方程，繼而得到相應注采井網驅替開發方式的產能預測模型；

(8)利用人工神經網絡方法、數值模擬方法以及現場實例計算，分別對該產能預測模型進行準確性驗證。

進一步地，驅替綜合系數的基本形式為：

α＝F(X₁,X₂,...,X_n)

式中：α為驅替綜合系數，無因次；X₁，X₂，…，X_n分別為所研究驅替開發方式的相關特征參數。

該發明的有益效果在于：與現有方法相比，本發明所提供的一種用于油田注采井網驅替開發的產能預測方法具有下述優點：①綜合使用經驗公式、解析以及數值模擬三種研究方法，實現多種常見研究方法的優勢互補；②直觀體現出多種注采井網類型與驅替開發方式的特征，突出實際開發參數對產能預測結果造成的影響，原理簡單且可操作性強；③引入驅替綜合系數將多種驅替開發方式在理論上進行統一，普遍適用性較強，使不同開發方式對應的產能預測結果之間，可以進行快速有效的對比分析。

附圖說明

圖1為本發明中一種用于油田注采井網驅替開發的產能預測方法的流程圖。

圖2為本發明一個實施例中反九點直井井網示意圖。

圖3為本發明一個實施例中不同方式產能預測結果示意圖。

具體實施方式

本發明中的用于油田注采井網驅替開發的產能預測方法，該方法步包括如下步驟：

(1)針對不同的井網類型，利用等值滲流阻力法，建立常規油藏水驅井網開發產能預測模型；

(2)利用注采形式上的相似性，在步驟(1)建立的產能預測模型中引入驅替綜合系數，將其向多種油藏類型以及驅替開發方式進行推廣；

(3)分析篩選能夠體現該驅替開發方式特征且對產能結果有重要影響的相關參數；

(4)根據油田現場的實際參數，利用油藏數值模擬方法建立所研究井網類型與驅替開發方式下的數值模型；

(5)利用步驟(2)中建立的產能預測模型及步驟(4)中建立的數值模型，計算分析步驟(3)中的特征參數與驅替綜合系數的單因素相關關系；

(6)選取影響該驅替方式開發效果的主要參數，利用正交設計表產生多組數值模擬研究方案，經計算得到多組產能結果；

(7)根據步驟(5)中得到的單因素相關關系，以步驟(6)中得到的產能結果為基礎，經多元線性回歸得到驅替綜合系數的經驗方程，繼而得到相應注采井網驅替開發方式的產能預測模型；

(8)利用人工神經網絡方法、數值模擬方法以及現場實例計算，分別對該產能預測模型進行準確性驗證。

上述驅替綜合系數的基本形式為：

α＝F(X₁,X₂,...,X_n)

式中：α為驅替綜合系數，無因次；X₁，X₂，…，X_n分別為所研究驅替開發方式的相關特征參數。

下面結合附圖和實施例對本發明的具體實施方式進行描述，以便更好的理解本發明。

實施例

本實施例以稠油油藏反九點直井井網蒸汽驅為實施例。如圖1所示，在實施例中，稠油油藏反九點直井井網蒸汽驅產能預測方法的過程主要包括以下步驟：

步驟101，針對反九點直井井網，利用等值滲流阻力法，建立常規油藏水驅井網開發產能預測模型。

通常對于一個均勻布井且有界的面積注采系統，都可將其劃分為以注入井為中心的有限個既互相關聯又互相獨立的單元。如圖2所示，為以一口注入井為中心的反九點直井井網單元。

對于常規油藏水驅開發，假設油水流度比是1且為活塞式驅油，考慮油藏各向異性，利用水電相似原理將滲流阻力分為注入井到生產坑道和生產坑道到采油井井底兩個部分，得到常規油藏反九點直井井網水驅產能預測模型，如公式(1)：

式中：Q_o為地面條件下的常規油藏反九點直井井網水驅產能，cm³/s；K為地層平均滲透率，10^-3μm²；β為各向異性因子；h為地層有效厚度，cm；ΔP為生產壓差，MPa；B_o為原油體積系數；μ_o為50℃下的原油粘度，mPa·s；D為井網特征尺度半長，cm；r_w為油井半徑，cm。

步驟102，利用稠油油藏蒸汽驅與常規油藏水驅開發在注采形式上的相似性，在公式(1)中引入蒸汽驅綜合系數，將產能模型向稠油油藏蒸汽驅進行推廣。

假設常規油藏水驅的驅替綜合系數為1，在本實施例中的驅替綜合系數即為蒸汽驅綜合系數，推廣得到的稠油油藏反九點直井井網蒸汽驅產能預測模型，如公式(2)：

Q＝α·Q_o (2)

式中：Q為地面條件下的稠油油藏反九點直井井網蒸汽驅產能，cm³/s；其中α＝F(X₁,X₂,...,X_n)；X₁，X₂，…，X_n分別為稠油蒸汽驅的相關特征參數。

步驟103，分析篩選出公式(2)的解析部分中不能充分考慮的，但能突出稠油油藏蒸汽驅的相關特征，且對其產能結果有重要影響的相關參數，用于對蒸汽驅綜合系數的研究；

一般情況下，在蒸汽去之前要進行蒸汽吞吐，通過蒸汽吞吐可以預熱部分地層，并可解除近井地帶油層的污染，為汽驅創造有利條件。此模型中選擇蒸汽驅前的初始含油飽和度來反映蒸汽吞吐階段。公式(2)的解析部分沒有考慮熱采過程中稠油粘度的非線性變化特征，同時蒸汽驅綜合系數需要考慮對產能有重要影響的主要注汽參數，包括注汽速度、注汽溫度與注汽干度。

步驟104，根據油田現場的實際參數，利用油藏數值模擬方法建立稠油油藏反九點直井井網蒸汽驅的數值模型。

以XJ油田FC區塊為例，應用CMG-STARS軟件建立其數值模型，其中基本參數為：油層中部海拔110m，平均井深230m，原始地層壓力為2.27MPa，原始地層溫度為17.7℃，油層有效厚度約17.58m，孔隙度平均為32.5％，含油飽和度平均為69.1％，滲透率平均為3151×10^-3μm²，油藏溫度下脫氣原油粘度在10000-15000mPa·s之間，且溫度每升高10℃，粘度降低50％-60％。

步驟105，設計多組研究方案，由步驟104中建立的數值模型對其進行計算，再利用步驟102中建立的產能預測模型反求蒸汽驅綜合系數，并分析步驟103中的特征參數與該系數的單因素相關關系。

分別以初始含油飽和度、50℃下的原油粘度、注汽速度、注汽溫度與注汽干度這5個特征參數為研究對象，依次設計多組單因素變量數值模擬實驗方案，假定采注比為1.2，利用步驟四中建立的數值模型對其進行計算。

由數模計算結果與公式(2)反求蒸汽驅綜合系數，并分別研究其與上述5個參數的單因素相關關系，作為求解蒸汽驅綜合系數經驗方程的依據。通過對影響規律的進行趨勢擬合，可知蒸汽驅綜合系數與初始含油飽和度呈乘冪關系；其與原油粘度和注汽速度分別呈二次式關系；其與注汽干度和注汽溫度分別呈對數關系。且該蒸汽驅綜合系數皆隨著5個因素的增大而增大。

步驟106，選取影響稠油蒸汽驅開發效果的主要參數，利用正交設計表產生多組數值模擬研究方案，并用步驟104中建立的數值模型對其進行計算，得到多組產能結果；

選取油層有效厚度、初始含油飽和度、50℃下的原油粘度及注汽速度等8個主要開發參數，參照新疆風城油田重32區塊的油藏條件，給出各參數的取值范圍，并分別劃分為8個水平，如表1所示。利用正交設計表產生64組數值模擬方案，并用步驟四中建立的數值模型對其進行計算，得到多組產能結果。

表1正交試驗因素與水平表

步驟107，根據步驟105中得到的單因素相關關系，以步驟106中得到的產能結果為基礎，經多元線性回歸得到蒸汽驅綜合系數的經驗方程，繼而得到稠油油藏反九點直井井網蒸汽驅的產能預測模型，其中預測模型的參數適用范圍，即為步驟106所設計研究方案中的參數取值范圍；

根據蒸汽驅綜合系數與其對應的5個特征參數的單因素相關關系研究結果，經變量代換及多元線性回歸，得到蒸汽驅綜合系數的經驗模型，如公式(3)。從公式(3)中可以看出，在本次研究范圍內，注汽溫度與注汽干度相對于其他因素而言，對汽驅綜合系數的影響較小，即對水平井蒸汽驅的產能結果影響較小。將公式(3)代入到公式(2)中，最終得到稠油油藏反九點直井井網蒸汽驅的產能預測模型。

式中：So為含油飽和度；v為注汽速度，m³/d；T為注汽溫度，℃；G為注汽干度。

步驟108，設計多組檢驗方案，利用人工神經網絡方法、數值模擬方法以及現場實例計算，分別對步驟107中得到的產能預測模型進行準確性驗證。

人工神經網絡方法具有良好的自適應性，在油氣田開發等多個領域中，常用于對多變量、不確定的非線性系統進行預測，且準確性較高。建立人工神經網絡模型關鍵在于其結構層數、輸入與輸出參數。本文選擇3層人工網絡對稠油油藏反九點直井井網蒸汽驅產能進行預測，網絡輸入結點為表1中提出的影響產能的8個因素，網絡輸出節點為產能結果。

學習訓練樣本的不完整性和離散性會直接影響網絡預測結果的準確性，在此選擇步驟106中的64組數值模擬結果組成學習樣本集，將其輸入并進行數萬次的運算訓練，誤差控制在極小的范圍以內，由此找出產能預測結果與8個主要因素之間的內部聯系。訓練得到網絡權值和閥值后，將8個因素重新組合后得到不同于學習訓練樣本的10組檢驗數據，如表2所示，進而對其產能結果做出預測。將網絡預測和數模計算結果同時與步驟107中的產能預測模型結果進行對比分析，如表3與圖3所示，從中可以看出產能預測模型的誤差約為10％，滿足工程要求。

表2檢驗樣本數據表

表3產能預測結果對比分析表

XJ油田FC區塊內一個反九點直井井網單元，其初期進行蒸汽吞吐，后期轉為蒸汽驅開發。基本參數如下：原始地層壓力為2.27MPa，平均孔隙度為32.5％，平均滲透率為3151×10^-3μm²，剩余含油飽和度為67.2％，50℃下原油粘度為12000mPa·s，注汽速度60m³/d，注汽溫度270℃，注汽干度為0.8，井網特征尺度半長為50m，油井半徑為0.1m，油層厚度為17.23m，原油體積系數為1.05。應用上述公式計算產油量為129.14m³/d，而實際測得的產油量為137.48m³/d，誤差為6.07％。

上述多種方法檢驗結果說明，本發明中的油田注采井網驅替開發的產能預測方法具有科學性、準確性及實用性。

以上所述是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發明的保護范圍。