姜立富，徐中波，張 章，李 冰，孟云濤

（中海石油（中國）有限公司天津分公司渤海石油研究院，天津 300459）

1 概述

L 油田位于渤海中部，為巖性-構(gòu)造層狀油藏，縱向上儲層數(shù)較多，可達40 余個小層，由于長期大段合采合注，注采矛盾突出[1]。油田開發(fā)面臨的突出 問題包括：部分油井產(chǎn)液受限、平面產(chǎn)液結(jié)構(gòu)不均衡，壓力保持狀況差、層間壓力差異大，局部井網(wǎng)不完善、水驅(qū)動用不均衡等[2-3]。隨著老區(qū)注水開發(fā)工作加重和綜合調(diào)整新平臺快速上產(chǎn)，亟需利用已有數(shù)據(jù)分析油田開發(fā)狀況，研究油田開發(fā)規(guī)律，以指導(dǎo)油井解堵、分層調(diào)配、完善井網(wǎng)等精細開發(fā)工作。但由于開發(fā)時間長、油水井數(shù)多、層間干擾大，油田開發(fā)規(guī)律復(fù)雜，傳統(tǒng)數(shù)據(jù)分析手段已難以滿足實際工作需求。大數(shù)據(jù)技術(shù)具有數(shù)據(jù)處理量大、處理速度快和方法靈活多樣等特點，目前在油田開發(fā)中已經(jīng)廣泛應(yīng)用。韓書婷等[4]指出了大數(shù)據(jù)在智能油田應(yīng)用中面臨的安全隱患及對策，劉珍[5]通過對大數(shù)據(jù)環(huán)境下油藏經(jīng)營管理系統(tǒng)研究實現(xiàn)了對油藏經(jīng)營大數(shù)據(jù)的快速并行分析，高翔等[6]利用大數(shù)據(jù)挖掘技術(shù)和算法優(yōu)選完成了不停機間抽工作制度優(yōu)化，賈德利等[7]使用數(shù)據(jù)驅(qū)動和機器學習算法提出了一套大數(shù)據(jù)驅(qū)動下的精細注水方案優(yōu)化方法。

結(jié)合L 油田開發(fā)工作需求，基于數(shù)據(jù)平臺建設(shè)和大數(shù)據(jù)程序開發(fā)，充分利用地質(zhì)油藏、測井、動態(tài)、測試等方面積累的大量數(shù)據(jù)，進行全面、準確、高效的計算分析，挖掘數(shù)據(jù)內(nèi)部規(guī)律，從而指導(dǎo)油田精細開發(fā)工作，達到提高油田開發(fā)效果的目的。

2 L 油田精細開發(fā)大數(shù)據(jù)應(yīng)用

數(shù)據(jù)平臺建設(shè)是大數(shù)據(jù)開發(fā)的基礎(chǔ)，目前油田常用的數(shù)據(jù)平臺包括Access、Oracle、Sybase、SQL Server 等，其中SQL Server 是微軟公司推出的大型數(shù)據(jù)庫管理系統(tǒng)，基于成熟而強大的關(guān)系模型和客戶機/服務(wù)器模式，能夠滿足各種類型數(shù)據(jù)的使用需求[8]。L 油田建立了企業(yè)級SQL Server 數(shù)據(jù)平臺，涵蓋了各專業(yè)常用數(shù)據(jù)，采用標準化數(shù)據(jù)結(jié)構(gòu)設(shè)計，實現(xiàn)了數(shù)據(jù)的高效調(diào)取和處理。在數(shù)據(jù)平臺的支撐下，通過python 程序開發(fā)，引入大數(shù)據(jù)處理技術(shù)，在油井產(chǎn)液規(guī)律分析與解堵提液、注水狀況綜合分析與優(yōu)化注水、優(yōu)勢產(chǎn)能區(qū)域分析與井位優(yōu)化等方面均取得了較好的應(yīng)用效果。

2.1 油井產(chǎn)液規(guī)律分析與解堵提液

產(chǎn)液結(jié)構(gòu)不均衡和大量油井產(chǎn)液下降是L 油田開發(fā)中面臨的一個很嚴重的問題[9]，針對這個問題需要對油井產(chǎn)液能力和相關(guān)參數(shù)進行相關(guān)性分析，進而更高效地做好解堵提液措施井的優(yōu)選工作。借助大數(shù)據(jù)多因素相關(guān)性分析技術(shù)，完成了油井日產(chǎn)液與含水率、流壓、壓差、靜壓等主要影響因素的分布統(tǒng)計和相關(guān)性分析（圖1）。圖中左上角至右下角連線上的圖為對應(yīng)參數(shù)的分布規(guī)律，其他橫縱坐標交叉點的圖為兩個參數(shù)間的相關(guān)性規(guī)律。針對油井產(chǎn)液狀況，從圖中可以看到兩方面問題：①日產(chǎn)液量方面，左上角油井日產(chǎn)液分布表現(xiàn)出一個長尾形類似正態(tài)分布的特征，曲線均值偏左表明油井產(chǎn)液量普遍偏低，橫向曲線跨度大表明單井產(chǎn)液量差異大、產(chǎn)液結(jié)構(gòu)不均衡，特別是曲線左側(cè)低液量區(qū)域有一定數(shù)據(jù)分布，說明部分油井處于低液狀態(tài)；②壓差因素方面，從第四列圖中可以看到在大壓差數(shù)據(jù)區(qū)有大量低液量、高含水數(shù)據(jù)點，表明部分油井在高含水階段、大壓差生產(chǎn)的情況下仍然處于低液狀態(tài)。

利用大數(shù)據(jù)技術(shù)進一步透視分析主要因素的影響狀況。首先對產(chǎn)液結(jié)構(gòu)進行分析，得到不同區(qū)塊油井產(chǎn)液能力分布（圖2）。由圖2 可以看出各區(qū)塊的產(chǎn)液峰值基本分布在200～300 m3/d，代表了L 油田目前油藏和井筒條件下的平均單井產(chǎn)液水平，而各區(qū)塊峰值左側(cè)均有一定低液量數(shù)據(jù)區(qū)，表明該部分油井產(chǎn)液能力偏低，是后續(xù)解堵增油措施優(yōu)選的重點，而峰值右側(cè)高液量區(qū)表明該部分油井產(chǎn)出能力強，代表區(qū)塊油井產(chǎn)液能力的提升目標，區(qū)塊提液改善開發(fā)效果的體現(xiàn)就是整體產(chǎn)液數(shù)據(jù)分布狀態(tài)向高數(shù)據(jù)區(qū)移動。利用數(shù)據(jù)透視進一步對不同產(chǎn)液能力油井的產(chǎn)液模式進行對比（圖3）。由圖3 可以看出油井產(chǎn)液量一般有四種狀態(tài)：①始終低液。產(chǎn)液量始終不高，該部分井低液的主要原因是鉆完井污染，影響了油井的初期產(chǎn)能；②快速下降。有一定高液量數(shù)據(jù)區(qū)，但大部分數(shù)據(jù)是低液的，該部分井表現(xiàn)為生產(chǎn)過程中產(chǎn)液量快速下降的特征，主要原因是大壓差生產(chǎn)過程中儲層微粒運移堵塞，導(dǎo)致產(chǎn)能降低；③解堵提液。數(shù)據(jù)呈多段式分布，即解堵前液量低，解堵后產(chǎn)能提高、液量增大，代表措施改善油井產(chǎn)能的效果；④高液上升。該部分油井初期即具有一定產(chǎn)液能力，后期可逐漸提液生產(chǎn)，代表了油井正常生產(chǎn)情況下的產(chǎn)液規(guī)律。

對于生產(chǎn)壓差，L 油田在實際生產(chǎn)中觀察到大量大壓差低液量油井，以及隨著提頻增大生產(chǎn)壓差油井液量下降的情況。通過對日產(chǎn)液與壓差、日產(chǎn)液變化率與壓差變化率數(shù)據(jù)進行統(tǒng)計分析（圖4），可以看出油田油井目前生產(chǎn)壓差普遍大于5.0 MPa，且日產(chǎn)液量低于200 m3的生產(chǎn)數(shù)據(jù)多集中于大壓差油井；在壓差變化率是正數(shù)（即增大壓差）的過程中，部分油井出現(xiàn)產(chǎn)液變化率是負數(shù)（即產(chǎn)液下降）的情況，分析表明大壓差導(dǎo)致微粒運移，從而堵塞儲層影響油井產(chǎn)液能力，導(dǎo)致產(chǎn)液量降低。

圖1 L 油田油井產(chǎn)液能力相關(guān)性分析

圖2 L 油田各區(qū)塊油井產(chǎn)液能力分布

圖3 L 油田不同油井產(chǎn)液模式

圖4 L 油田日產(chǎn)液（日產(chǎn)液變化率）與壓差（壓差變化率）關(guān)系

針對油井產(chǎn)液能力受限的問題，結(jié)合上述大數(shù) 據(jù)分析結(jié)果，通過優(yōu)選措施井位和嘗試新的解堵工 藝開展了油井產(chǎn)能恢復(fù)的研究工作，一方面通過產(chǎn)液狀況分析篩選出具有一定潛力的低液井（部分始終低液井與快速下降井）進行解堵，改善生產(chǎn)效果；另一方面通過合理控制油井生產(chǎn)壓差，減緩儲層堵塞對油井產(chǎn)液能力的影響。借助大數(shù)據(jù)完成效果統(tǒng)計并生成可視化雷達圖（圖5），將措施前后的油井生產(chǎn)狀況進行對比，可以看出解堵后油井整體增液、增油、提升流壓的效果明顯。在該方法指導(dǎo)下，油田優(yōu)選并實施措施51 井次，整體產(chǎn)液能力提高了5.0%。

圖5 L 油田油井解堵措施前后效果對比

2.2 注水狀況綜合分析與優(yōu)化注水

在L 油田注水開發(fā)的過程中，長期大段合注合采導(dǎo)致平面及縱向壓力不均衡現(xiàn)象突出。以C15-C10-C12ST1 井區(qū)為例（圖6a），該井區(qū)3 口注水井井口注入量差異較大，每口注水井均存在縱向吸水不均的問題，導(dǎo)致該井區(qū)平面井組間地層壓力差異超過1.2 MPa，縱向?qū)娱g壓力差異超過3.0 MPa，嚴重影響井區(qū)開發(fā)效果。

通過大數(shù)據(jù)技術(shù)，調(diào)用該井區(qū)儲層物性、注采動態(tài)、PLT、壓力測試等數(shù)據(jù)，完成細化至單井和縱向?qū)游坏淖⑺颗钟嬎?，實現(xiàn)了井區(qū)注水狀況可視化分析（圖6b）。圖6b 左側(cè)為3 口注水井，右側(cè)為井區(qū)縱向注水層位，連接條帶代表注采連通關(guān)系，條帶寬度代表階段注水量的大小。由圖可以看出井區(qū)注水不均衡問題突出，平面上C15 井總注入量最大，縱向上L50 層總注入量最大（注水量主要來自C15 井），而L90-L110 層整體注水不足，特別是C12ST1 井在L90-L110 層欠注嚴重，需要補充注水。

圖6 L 油田C15-C10-C12ST1 井區(qū)井位與注水狀況分析

通過上述平面與縱向注水狀況分析，針對注水不均的問題，采取多種措施結(jié)合的方式進行優(yōu)化注水工作：對超注的L50 層進行注水井分層調(diào)配，限 制注水量；對欠注的L90-L110 層分段酸化增注并增加2 口注水井，重點補充虧壓井組和層位的注水量。措施實施半年后，平面與縱向壓力差異分別下降了0.5 MPa 和1.2 MPa。按照上述思路，在L 油田進行推廣，推動分層調(diào)配、注水井分段酸化等優(yōu)化注水措施30 井次，提高了水驅(qū)開發(fā)效果，油田產(chǎn)能整體自然遞減率下降了3.5%。

2.3 優(yōu)勢產(chǎn)能區(qū)域分析與井位優(yōu)化

針對局部井網(wǎng)不完善、水驅(qū)動用不均衡的問題，L 油田不斷加強調(diào)整井與開發(fā)井實施力度，每年新增數(shù)十口新井以實現(xiàn)穩(wěn)產(chǎn)上產(chǎn)。隨著油田進入中高含水期，多層合注合采后剩余油分布復(fù)雜，在新井井位優(yōu)化方面，常規(guī)方法工作量大、經(jīng)驗與精細度依賴性高。通過結(jié)合油藏大數(shù)據(jù)體構(gòu)建和機器學習方法[10-11]（圖7），可以實現(xiàn)優(yōu)勢產(chǎn)能區(qū)域可視化分析，更高效地篩選出潛力高產(chǎn)井位，指導(dǎo)油田井位優(yōu)化工作。

上述方法具體步驟為：①可視化大數(shù)據(jù)體構(gòu)建。利用已鉆井的測井數(shù)據(jù)、生產(chǎn)動態(tài)和測試數(shù)據(jù)，通過差值方法建立包括有效厚度、滲透率、地層壓力、含油飽和度等產(chǎn)能相關(guān)參數(shù)的大數(shù)據(jù)體（圖8），數(shù)據(jù)體通過數(shù)據(jù)點的方式形成代表數(shù)字化油藏參數(shù)的數(shù)據(jù)集合。②油井產(chǎn)能機器學習模型建立與訓練。整理實際井產(chǎn)能及相關(guān)參數(shù)數(shù)據(jù)，形成機器學習訓練集與評估集，利用python 中的sklearn 模塊，通過算法優(yōu)選和訓練調(diào)試，建立L 油田油井產(chǎn)能評估模型，評估數(shù)據(jù)集驗證表明該模型產(chǎn)能判別準確率超過90.0%。③高產(chǎn)井位篩選。將油田大數(shù)據(jù)體導(dǎo)入機器學習模型，對數(shù)據(jù)體內(nèi)每個數(shù)據(jù)點進行掃描計算，評估該位置處油井的產(chǎn)能并形成可視化成果圖（圖9a），從圖中可以明顯的看出高產(chǎn)潛力井所在的優(yōu)勢區(qū)域。該方法源自實際生產(chǎn)數(shù)據(jù)，更加匹配油田開發(fā)現(xiàn)狀，并具有更高的工作效率和更好的可視化效果，對比表明上述方法的結(jié)果與常規(guī)數(shù)模方法及油藏動態(tài)認識基本一致（圖9b），已在優(yōu)勢高產(chǎn)區(qū)實施的5 口油井日產(chǎn)量也比周邊老井平均高30 m3。結(jié)合油田層系與井網(wǎng)設(shè)計，通過在高產(chǎn)井潛力區(qū)域部署油井，以及在儲層發(fā)育且連通狀況較好，但由于高含水導(dǎo)致的低潛力區(qū)域部署注水井，該方法已支持完成油田井位優(yōu)化20 口，進一步完善了注采結(jié)構(gòu)，提高了目標區(qū)塊水驅(qū)儲量動用程度8.0%。

圖7 基于大數(shù)據(jù)體與機器學習的井位優(yōu)化方法流程

圖8 L 油田N 區(qū)井位優(yōu)化大數(shù)據(jù)體可視化效果

圖9 L 油田N 區(qū)機器學習法高產(chǎn)潛力區(qū)（左）與數(shù)模剩余儲量（右）對比

3 結(jié)論

（1）結(jié)合數(shù)據(jù)平臺建設(shè)和大數(shù)據(jù)技術(shù)開發(fā)，已完成L 油田開發(fā)數(shù)據(jù)的高效分析和應(yīng)用，實現(xiàn)了復(fù)雜生產(chǎn)規(guī)律下的開發(fā)規(guī)律挖掘，并指導(dǎo)措施優(yōu)化以達到提高精細開發(fā)效果的目的。

（2）基于油井生產(chǎn)數(shù)據(jù)參數(shù)相關(guān)性及透視分析，進行油井產(chǎn)液規(guī)律研究，可實現(xiàn)油田解堵措施井位優(yōu)選及措施效果評價，保障油井產(chǎn)液能力。

（3）通過多專業(yè)數(shù)據(jù)綜合計算分析，完成平面與縱向注水狀況分析，推動油田優(yōu)化注水工作，可明顯改善地層壓力，減緩油田產(chǎn)能自然遞減。

（4）結(jié)合油藏大數(shù)據(jù)體構(gòu)建和機器學習方法，篩選優(yōu)勢產(chǎn)能區(qū)域，指導(dǎo)井位優(yōu)化，可進一步完善油田注采結(jié)構(gòu)，改善水驅(qū)儲量動用狀況。