低渗油藏注入水构成岭回归量化评价方法

2022-10-05郑宪宝王宏伟苗志国李美芳

特种油气藏 2022年4期

郑宪宝，王宏伟，苗志国，李美芳

(1.中国石油大庆油田有限责任公司，黑龙江大庆 163712；2.黑龙江省油层物理与渗流力学重点实验室，黑龙江大庆 163712)

0 引言

朝5区块位于松辽盆地中央坳陷区东部朝阳沟阶地朝阳沟背斜构造轴部，区块构造平缓，构造内断层发育，均为正断层。储层孔隙度为8%～20%，渗透率为0.05～50.00 mD，属低孔低渗储层[1-3]。区块于1988年8月投入开发，初期采用反九点井网，平均单井日产油为6.0 t/d。1989年4月转注水开发，1993年8月开始调整注采系统，逐步实现线性注水，2007年采用“对角线交点”方式进行加密，多年的高强度注水使得区块注采比普遍较高(在1.2以上)，部分井区达到3.0左右。在如此高强度的注水下，产油量并未得到有效的提升，严重影响油田下一步开发[4-6]。困惑研究人员的主要问题在于注入水去向和无效注水的定量表征。需要找到一个合适有效的方法来量化注入水构成。

国内学者在无效注水领域进行了大量的研究工作，研究方向主要为无效注水的识别和调控[7-9]。前者研究主要集中在优势渗流通道的识别，常用的方法有试井法、测井法、油水监测法等。郝金克[10]利用无因次压力指数识别优势渗流通道，并且认为无因次压力指数越小，地层无效注水的可能性越大。徐志涛等[11]利用物质平衡原理与Logistic旋回理论推导了无效注水比例的理论计算方法。钟睿鸿[12]在油水两相渗流规律实验基础上，利用油水井注采动态特征，划分油藏无效注水区域。由文献调研情况可知，目前还没有一套成熟的理论和方法对注水构成进行定量化评价[13-20]。常规数值模拟评价方法存在计算求解过程复杂和拟合难度大的问题，为了实现水驱开发油田的有效注水，提高油田的注水开发水平，通过岭回归方法建立高注采比区块注水构成量化评价模型来代替数值模拟，进而量化油田注水构成。研究成果能够为油田注水开发技术提供有力支撑。

1 注入水构成分析

朝5区块低渗透油藏累计注采比为1.5～2.0，往往存在“注不进、采不出”的问题。水注入地层后主要有4个去向(图1)：①油藏天然能量枯竭，注入的水进入储层孔隙，对孔隙中的剩余油进行驱替，从而提高油井产量和采收率，这部分水为二次采油过程中的有效注水，也称储层吸水；②低渗透油藏纵向储层非均质性强，在储层附近存在大段的泥质粉砂岩，其地层渗透率低，地层厚度大，吸水能力强。这部分地层最开始并未被划分为储层，但后来由于开发技术的提高，其中的油也能够采出，被称为未划储层段。部分注入水进入未划储层段，在长期高注采比注水过程中存在未划储层段吸水现象。③地层砂岩泥岩交互，厚度较大的泥岩也吸收了大量的注入水。④由于低渗透油藏一般采用接近地层破裂压力注水，隔夹层在长期水化过程中，存在抗张强度下降趋势，因此，注入水沿隔夹层外溢，进入上部或下部地层。此外，低渗透油藏天然裂缝发育，局部存在一定规模的断层，长期注水过程中，天然裂缝和断层开启，存在注入水外溢。这4部分构成了高注采比区块的注水去向，后续将对这4种情况开展定量化表征。

图1 注入水去向构成分析

2 全地层地质模型建立及数值模拟研究

2.1 地质模型的建立

根据上文分析，对测井资料进行二次解释，根据储层测井岩性-物性交会图(图2)，划分了泥岩段、未划储层段、储层的范围。储层段孔隙度大于10%，渗透率大于0.20 mD。未划储层孔隙度为4%～10%，渗透率为0.04～0.20 mD。泥岩段孔隙度低于4%，渗透率低于0.04 mD。朝5区块地层厚度约为50 m，平均储层厚度约为10 m，以划定的储层、未划储层和泥岩段的界限，建立考虑3种不同地层的全地层地质模型，模型连井剖面如图3所示。

图2 测井岩性-物性交会图

图3 朝5区块全地层连井剖面

建立的模型中，新增未划储层段厚度约为7 m，泥岩段约为30 m。

2.2 数值模拟量化研究

基于上述地质模型，网格粗化建立数值模型。平面上，采取非均匀网格，井间网格数在5个以上；纵向上，根据朝5区块的地层对比、储层划分及物性解释，将油藏细分为46个单层，各层纵向采用不等距网格。将油藏参数、流体参数输入油藏数值模拟器Eclipse中，建立全地层注水数值模拟模型，如图4所示。为了验证模型的可靠性，采用定日产液量方式进行历史拟合(表1)。由表1可知，储量拟合误差为0.36%，日产油量拟合误差为0.59%，含水率拟合误差为1.28%，拟合效果好，说明数值模拟模型较为可靠。

表1 数值模拟拟合结果

图4 朝5井区全地层数值模拟模型

simulation model of Block Chao 5

根据模型中储层、未划储层和泥岩的地层的厚度情况，分别对3种地层吸水的比例进行劈分。各历史生产时间的劈分结果如图5所示。根据劈分结果可知，2019年朝5区块储层吸水比例为52%，未划储层段吸水比例为28%，泥页岩吸水比例为8%，外溢水量比例为12%。利用这种方法，对每口注水井在不同层位的注水量进行劈分，得到每口井的注水量化构成，再结合每口井的其他参数，就构成了注水量化评价模型的基础数据。

图5 朝5区块不同类型地层吸水比例变化曲线

3 岭回归模型量化研究

影响注入水去向的因素众多，且多因素之间存在相互影响，不能以简单的线性函数来拟合注水量和各因素之间的关系，采用常规油藏工程方法也无法定量评价注入水量。针对上述问题，采用机器学习的方法进行评价。机器学习中的岭回归分析是一种专用于共线性数据分析的有偏估计回归方法，放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价，最大程度找到因变量与非线性自变量之间的关系。因此，岭回归分析方法更符合实际、更可靠。将朝5区块注水的影响因素作为岭回归模型的输入变量，通过回归学习训练岭回归模型，从而获得适用于朝5区块的岭回归注水量化分析模型，指导后期注水构成评价过程。

ratio of different types of formations in Block Chao 5

3.1 岭回归分析数学模型

岭回归是为了约束自变量来解决数据集之间具有的多重共线性的问题，即预测变量之间具有相关性的问题。其通过在损失函数中引入正则化项来达到目的。一般的线性回归方程如下：

(1)

式中：Y为因变量，是训练集中的样本；p为样本点总数；βi为待求系数；Xi为自变量；β0为偏差；i为样本点编号。

(2)

(3)

βmin=(XTX+λI)-1XTY

(4)

3.2 注水量化模型

选择注水含水率、产液强度、油水井数比、注水强度、平均单井年产液量、平均单井年注水量、年注采比、年平均压力、累计亏空量这些影响地层吸水的参数作为分析的基础参数。从数据分析角度上讲，上述参数存在一些的问题：同一工区内同一口井不同年份的储层厚度、渗透率是相同的，这些高度一致的变量，会降低注水量量化模型的预测精度。为了消除这种不利影响，重新定义参数：产液强度为产液量和地层系数(地层厚度和地层渗透率的乘积)的比值、注水强度为注水量和地层系数的比值。将地层压力(A1)、含水率(A2)、注采比(A3)、孔隙度(A4)，渗透率(A5)、储层产液强度(A6)、未划储层产液强度(A7)，平均产液强度(A8)、泥岩产液强度(A9)、储层注入强度(A10)、未划储层注入强度(A11)、泥岩注入强度(A12)以及平均注入强度(A13)作为模型输入的自变量，以数值模拟中劈分所得到的储层吸水比例(B1)、未划储层吸水比例(B2)、泥岩吸水比例(B3)、外溢水量(B4)作为模型的因变量，来拟合岭回归模型，各参数值如表2所示。

表2 注水量化构成岭回归分析模型学习参数

通过岭回归模型最终得到的外溢水量评价模型的矩阵形式如式(5)所示，泥岩吸水评价模型的矩阵形式如式(6)所示，未划储层砂岩段吸水评价模型的矩阵形式如式(7)所示，储层段吸水评价模型的矩阵形式如式(8)所示。

(5)

(6)

(7)

(8)

3.3 注水量化模型检验

输入参数计算所得的外溢水量比例、泥页岩吸水比例、储层吸水比例、未划储层吸水比例4个参数的计算值与通过数值模拟得到真实值对比(图6)。由图6可知，除泥页岩吸水占比外，其他3个变量的平均相对误差均小于10%，说明注水量化构成模型对累计外溢水量占比、未划储层段砂岩吸水占比以及储层吸水占比解释良好。对泥岩吸水量预测效果较差，说明输入参数对泥岩吸水影响较小，这与实际认识也是相符的，泥岩吸水主要与泥岩中的黏土含量有关，黏土含量越多，泥岩吸水越多，而储层和未划储层中黏土含量极少，因此，输入参数中并没有黏土含量这个参数。