西南石油大学学报(自然科学版)  2019, Vol. 41 Issue (6): 124-131
页岩气井EUR快速评价新方法    [PDF全文]
赵玉龙1 , 梁洪彬1, 井翠2, 商绍芬3, 李成勇4    
1. 油气藏地质及开发工程国家重点实验室·西南石油大学, 四川 成都 610500;
2. 四川长宁天然气开发有限责任公司, 四川 成都 610051;
3. 中国石油西南油气田分公司蜀南气矿, 四川 泸州 646001;
4. 成都理工大学能源学院, 四川 成都 610059
摘要: 页岩气井通常采用控压进行生产,这既可降低储层应力敏感效应,又可改善气井生产效果,提高气井最终可采储量(EUR)。同时,频繁变更工作制度又会导致气井生产数据波动剧烈,给准确预测气井EUR带来了新的挑战。因此,通过对现有气井生产数据处理方法的综合分析,首先,开展了变工作制度下波动数据降噪方法的研究,结果表明双对数坐标系下的压力规整化产量-物质平衡时间图版能使波动数据得到有效的收敛;然后,基于降噪处理后的数据形态特征,建立了页岩气井EUR评价新模型,提出了一套页岩气井EUR评价新方法。实例分析表明,新方法与经典方法的评价结果相近,确保了新方法的可靠性;同时,新方法操作更简便,计算更高效,避免了经典方法中参数多、拟合难的问题,可更加快速地完成页岩气井EUR评价。
关键词: 页岩气     最终可采储量     控压生产     产量递减模型     数据处理    
A New Method for Quick EUR Evaluation of Shale Gas Wells
ZHAO Yulong1 , LIANG Hongbin1, JING Cui2, SHANG Shaofen3, LI Chengyong4    
1. State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation, Southwest Petroleum University, Chengdu, Sichuan 610500, China;
2. Sichuan Changning Natural Gas Development Company Limited, Chengdu, Sichuan 610051, China;
3. Southern Sichuan Gas District, PetroChina Southwest Oil & Gas Field Company, Luzhou, Sichuan 646001, China;
4. College of Energy, Chengdu University of Technology, Chengdu, Sichuan 610059, China
Abstract: Managed pressure drilling (MPD) is usually applied to shale gas, which can reduce reservoir stress sensitivity, improve production and increase the estimated ultimate recovery (EUR) of gas wells. However, the frequent change of working system leads to the fluctuation of production data, and brings new challenges to accurately EUR prediction. Therefore, based on the analysis of data processing methods, the method of noise reduction for data fluctuation is firstly completed, and the data can effectively converge in the double logarithmic coordinate after using pressure normalization production and material balance time. Then, the EUR model of shale gas well is established based on the data characteristics after noise reduction. Finally, a new evaluation method of EUR for shale gas wells is proposed. Compared with the results of the new method and classical method based on the field production data of the shale gas well, the new method is proved reliable. It is easier to operate and calculate than the classical method, which is difficult to fit due to multiple parameters. Therefore, this method can be applied to quick EUR evaluation of shale gas wells.
Keywords: shale gas     EUR     restrict rate     production decline model     data processing    
引言

页岩气藏通常十分致密,自然条件下难以获得工业油气流,因此,常采用分段式压裂水平井技术进行储层改造,并采用控压生产制度进行商业开发。国内外生产实践表明,控压生产有助于抑制支撑剂回流,降低储层应力敏感效应,改善气井生产效果,提高气井最终可采储量(EUR)[1]。但与此同时,由于频繁变更气井工作制度,导致气井生产数据波动剧烈[2-3],增大了数据拟合难度,降低了EUR计算效率。因此,如何快速、准确预测控压生产下的页岩气井EUR显得尤为重要,而现有手段和方法仍存在一定的不足。

在页岩气井数据处理时通常会去除关井阶段数据,有时为降低数据波动频率还会剔除明显偏离总体递减规律的数据点[4-5],该过程人为因素影响较大,特别是当气井存在明显的多段递减时,数据点不合理的剔除可能会改变气井递减规律。尽管规整化方法[6-8]能在一定程度上降低数据的波动,但对波动剧烈的页岩气井生产数据仍难以取得较好的效果,需进一步开展波动数据降噪方法研究。

页岩气井EUR评价方法主要有解析模型法[9-11]、数值模拟法[12-14]、物质平衡法[15-16]、现代产量递减法[17]、经验产量递减法(经验法)[18-20]和概率法[21-22],由于各种方法的理论不同,对数据要求也不同,如表 1所示。其中,前4种方法涉及物理参数多,所需数据体大,模型复杂,且计算量较大;经验法虽然形式简便,计算量小,但计算结果受数据波动性影响较大,这些都降低了页岩气井EUR评价精度。因此,本文首先开展了波动数据降噪处理方法的研究,提出了能够有效地降低数据波动的处理方法,然后,基于降噪处理后的数据特征建立了一个新的页岩气井EUR评价模型,最终形成了一套快速评价页岩气井EUR的新方法,并结合实际典型页岩气井生产数据开展了新方法的可行性分析与应用。

表1 页岩气井EUR评价方法 Tab. 1 EUR evaluation methods for shale gas wells
1 页岩气井经验产量递减模型分析

经验法由于仅考虑产量与时间间的关系,使得该方法应用简便,现已被广泛应用于现场。基于经验法建立的页岩气井EUR评价模型可归纳为两类:一类是对经典递减模型的修正,如广义Arps模型[20],SEPD模型[24];一类是基于页岩气流动特征建立的新模型,但模型中仍未涉及产量与时间以外的物理参数,如Duong模型[25],EEDCA模型[26],组合模型[27]等。其中,广义Arps模型、SEPD模型和Duong模型是目前在页岩气井评价中应用最为广泛的3个经典模型。

1.1 广义Arps模型

经典Arps模型递减指数$b$在0~1。并根据$b$值范围可将递减划分为指数递减($ b=0$)、双曲递减($0<b<1$)和调和递减($b=1$)3种类型,如式(1)~式(3)所示。然而,由于页岩气在储层内流动机理极为复杂,使得$b$值通常大于1。因此,通过扩展$b$值范围提出了广义Arps模型[20]。该模型中的指数递减模型和调和递减模型均为双参数模型,双曲递减模型则为三参数模型。

指数递减($b=0$)

$ {q_{\rm{g}}} = {q_{{\rm{gi}}}}{{\rm{e}}^{ - {D_{\rm{i}}} t}} $ (1)

双曲递减($0<b<1$)

$ {q_{\rm{g}}} = \dfrac{{{q_{{\rm{gi}}}}}}{{{{\left( {1 + b {D_{\rm{i}}} t} \right)}^{{1 / b}}}}} $ (2)

调和递减($b=1$)

$ {q_{\rm{g}}} = \dfrac{{{q_{{\rm{gi}}}}}}{{1 + {D_{\rm{i}}} t}} $ (3)

式中:

${q_{\rm{g}}}$—气井日产量,m$^3$

${q_{\rm{gi}}}$—气井初始日产量,m$^3$

$b$—递减指数,无因次;

${D_{\rm{i}}}$—初始递减率,1/d;

$t$—生产时间,d。

1.2 SEPD模型

Valko[24]在2010年提出了SEPD模型,该模型在经过大量井的检验后已成为页岩气井递减分析的常用方法之一。与Arps模型中的指数模型对比可知,SEPD模型是指数递减的修正模型,但属于三参数模型。

$ {q_{\rm{g}}} = {q_{{\rm{gi}}}} {\rm e} ^ {-( t/\tau )^n} $ (4)

式中:

$\tau$—特征松弛时间,d;

$n$—时间指数,无因次。

1.3 Duong模型

Duong模型是基于页岩气井生产过程中以裂缝主导流为主,长期处于线性流阶段,较难达到晚期稳定流阶段的假设而提出来的[25]。该模型形式较复杂,为三参数模型,且评价结果多偏高。

$ {q_{\rm{g}}} = {q_{\rm{gi}}} {t^{ - m}}{\rm e} ^ {{{a ({t^{1 - m}} - 1)} /{\left( {1 - m} \right)}}} $ (5)

式中:

$m$—幂函数指数,无因次;

$a$—递减系数,1/d。

2 页岩气井EUR评价模型的建立 2.1 页岩气井生产动态数值模拟

实际页岩气井生产数据点多且波动大,难以对其进行有效分析,因此,以表 2所示的长宁区块资料为基础,建立了页岩气藏压裂水平井数值模拟理论模型,对气井控压生产中4次变压5个阶段的生产情况进行模拟,结果见图 1,从而获得了气井生产动态数据。

表2 页岩气藏压裂水平井数值模拟理论模型物理参数表 Tab. 2 Physical parameters of theoretical model for fractured horizontal well in shale gas reservoir
图1 页岩气藏压裂水平井控压生产模拟曲线 Fig. 1 Simulation curve of fractured horizontal well in shale gas reservoir with control pressure production
2.2 数据处理与模型建立 2.2.1 数据处理

由于规整化产量可纵向放缩产量,时间函数转换可延长横向真实时间[28]。因此,结合压力规整化产量和物质平衡时间,分别对模拟产量和时间进行处理,发现处理后的数据在半对数坐标系下和双对数坐标系下均得到了有效的收敛,如图 2图 3所示。特别是双对数坐标系下数据可收敛于一条直线,更有利于数据分析。因此,采用双对数坐标系下压力规整化产量-物质平衡时间图版来进行气井生产数据分析。

图2 半对数坐标系下模拟数据处理图 Fig. 2 Simulation data in the semilog coordinate
图3 双对数坐标系下模拟数据处理图 Fig. 3 Simulation data in the double logarithmic coordinate
$ {\bar q_{\rm{g}}} = {{{q_{\rm{g}}}} / {\left( {{p_{\rm{i}}} - {p_{{\rm{wf}}}}} \right)}} $ (6)
$ {t_{\rm{m}}} = {Q /{{q_{\rm{g}}}}} $ (7)

式中:

${\bar q_{\rm{g}}}$—规整化产量,m$^3$/(d·MPa);

$p_{\rm{i}}$—初始地层压力,MPa;

$p_{\rm{wf}}$—井底流压,MPa;

$Q$—气井累积产量,m$^3$

$t_{\rm{m}}$—物质平衡时间,d。

2.2.2 模型建立

根据双对数坐标下的处理后数据点晚期线性特征,建立特征线方程如下

$ \dfrac{{{q_{\rm{g}}}}}{{{p_{\rm{i}}} - {p_{{\rm{wf}}}}}} = A \lg {t_{\rm{m}}} + B $ (8)

式中:

$A$—直线斜率,无因次;

$B$—直线纵截距,无因次。

由式(6)~式(8)可得页岩气井累积产量与日产量间的关系为

$ Q= q_{\rm{g}} \cdot {10^{\left( {\rm lg} \dfrac{q_{\rm{g }}}{{p_{\rm{i}}} - {p_{\rm{wf}}}} - B \right)/A}} $ (9)

由于页岩气井是定井底流压下的控压生产,因此,气井最小井底流压$p_{\rm{wf\_min}}$是已知的。当气井产量达到废弃产量$q_{\rm{g\_ab}}$时,气井累积产量$Q$即为气井的EUR,由此,可以建立页岩气井EUR评价模型

$ {Q_{{\rm{EUR}}}} = {q_{{\rm{g }}\_{\rm{ ab}}}} \cdot {10^{\left( {{\lg} \dfrac{{{q_{{\rm{g }}\_{\rm{ ab}}}}}}{{{p_{\rm{i}}} - {p_{{\rm{wf }}\_{\rm{ min}}}}}} - B} \right)/A}} $ (10)

式中:

$p_{\rm{wf\_min}}$—最小井底流压,MPa;

$q_{\rm{g\_ab}}$—气井废弃产量,m$^3$/d;

${Q_{{\rm{EUR}}}}$—气井最终累积产量,m$^3$

3 页岩气井EUR评价模型应用 3.1 页岩气井EUR快速评价流程的建立

根据建立的数据处理方法与EUR评价模型,提出了一套页岩气井EUR评价流程,即在原始数据中去除关井数据点后,仅需在双对数坐标系下获取压力规整化产量-物质平衡时间图版中线性部分数据点的直线斜率与截距便可完成页岩气井EUR评价,如图 4所示。该流程较基于多参数非线性经验模型(如Duong模型)所建立的评价流程[5]不仅降低了数据波动造成的影响,同时也降低了参数拟合难度。因此,相较于以往的EUR评价流程,本文提出的评价流程操作更简便,计算更高效。

图4 页岩气井EUR快速评价流程 Fig. 4 The procedure of quick EUR evaluation for shale gas wells
3.2 页岩气井EUR评价算例

以长宁区块3口典型页岩气井生产数据为例进行气井EUR评价分析,如图 5所示。其中,H1井累计投产1 468 d,生产数据波动剧烈;H2井累计投产512 d,当生产256 d以后,气井日产量不到5.00×10$^4$ m$^3$,生产至272 d时因工作制度调整,气井日产量最大增至11.62×10$^4$ m$^3$,使得生产数据呈现为两段式形态;类似地,H3井在投产的472 d中,因生产工作制度更加频繁的变动导致气井生产数据呈现更为复杂的多段式形态。

图5 长宁区块3口典型页岩气井生产曲线 Fig. 5 Production curves of three typical shale gas wells in Changning block

利用本文提出的页岩气井EUR快速评价流程,通过对3口页岩气井的实测产量及时间分别进行规整化处理和物质平衡时间转换,再进行对数处理,由此可得图 6,不难发现3口典型气井的生产数据在处理后均取得了较好的收敛。由图 7可知,直线对后半部分数据点的拟合系数$R^2$均大于90%,表明此时3口气井均已达到了基质向裂缝供给的线性流阶段。

图6 处理后的3口典型页岩气井生产曲线 Fig. 6 Processed production curves of three typical shale gas wells after noise reduction
图7 数据点线性部分拟合结果图 Fig. 7 Fitting results in the range of linear points

将3口井拟合得到的直线斜率与截距分别代入页岩气井EUR评价新模型式(10)中进行气井的EUR评价,其评价结果与广义Arps模型、SEPD模型和Duong模型3种经典模型评价结果相近(表 3),由此确保了评价新方法的可靠性。

表3 不同方法对3口典型页岩气井EUR评价结果表 Tab. 3 Evaluation results of EUR for three typical shale gas wells with different methods
4 结论

(1) 针对页岩气井生产数据波动剧烈的问题,提出了双对数坐标系下建立压力规整化产量-物质平衡时间图版的数据处理方法,实例应用表明该方法能使波动数据获得较好的收敛,具有可行性。

(2) 建立了一个新的页岩气井EUR评价模型。通过对实际页岩气井进行EUR评价表明,新模型与经典模型计算结果相近,确保了新模型的可靠性。

(3) 提出了一套页岩气井EUR评价新方法。该方法操作简便,易计算,避免了经典方法中参数多、拟合难的问题,可用于页岩气井EUR快速评价。

参考文献
[1]
张德良, 吴建发, 张鉴, 等. 北美页岩气规整化产量递减分析方法应用——以长宁-威远示范区为例[J]. 科学技术与工程, 2018, 18(34): 51-56.
ZHANG Deliang, WU Jianfa, ZHANG Jian, et al. Application of the normalized production decline analysis method for shale gas of North America:Taking Changning-Weiyuan demonstration area as an example[J]. Science Technology and Engineering, 2018, 18(34): 51-56. doi: 10.3969/j.issn.1671-1815.2018.34.007
[2]
PANG Wei, DU Juan, ZHANG Tongyi. Production data analysis of shale gas wells with abrupt gas rate or pressure changes[C]. SPE 195134-MS, 2019. doi: 10.2118/195134-MS
[3]
WANG Ke, LI Haitao, WANG Junchao, et al. Predicting production and estimated ultimate recoveries for shale gas wells:A new methodology approach[J]. Applied Energy, 2017, 206: 1416-1431. doi: 10.1016/j.apenergy.2017.09.-11
[4]
宋海敬, 苏云河, 熊小林, 等. 页岩气井EUR评价流程及影响因素分析[J]. 天然气地球科学, 2019, 30(7): 1-7.
SONG Haijing, SU Yunhe, XIONG Xiaolin, et al. EUR evaluation work flow and influence factors for shale gas well[J]. Natural Gas Geoscience, 2019, 30(7): 1-7.
[5]
白玉湖, 陈桂华, 徐兵祥, 等. 页岩油气产量递减典型曲线预测推荐做法[J]. 非常规油气, 2017, 21(1): 49-53.
BAI Yuhu, CHEN Guihua, XU Bingxiang, et al. Stretched exponential decline model for shale gas well[J]. FaultBlock Oil & Gas Field, 2017, 21(1): 49-53. doi: 10.3969/j.issn.2095-8471.2017.03.008
[6]
CLARKSON C R, NOBAKHT M, KAVIANI D, et al. Production analysis of tight gas and shale gas reservoirs using the dynamic-slippage concept[C]. SPE 144317-MS, 2011. doi: 10.2118/144317-MS
[7]
LIANG P, RAHMANIAN M, MATTAR L. Superpositionrate as an alternative to superposition-time[C]. SPE 167124-MS, 2013. doi: 10.2118/167124-MS
[8]
ANIEMENA C, VERA F. RTA assisted production forecasting in shale reservoir development[C]. Houston: SPE/AAPG/SEG Unconventional Resources Technology Conference, 2018. doi: 10.15530/URTEC-2018-2870785
[9]
ZHANG Liehui, GAO Jie, HU Shuyong, et al. Five-region flow model for MFHWs in dual porous shale gas reservoirs[J]. Journal of Natural Gas Science and Engineering, 2016, 33: 1316-1323. doi: 10.1016/j.jngse.2016.05.063
[10]
吴永辉, 程林松, 黄世军, 等. 考虑页岩气赋存及非线性流动机理的产能预测半解析方法[J]. 中国科学:技术科学, 2018, 48(6): 691-700.
WU Yonghui, CHENG Linsong, HUANG Shijun, et al. A semi-analytical method of production prediction for shale gas wells considering multi-nonlinearity of flow mechanisms[J]. Scientia Sinica Technologica, 2018, 48(6): 691-700.
[11]
WU Minglu, DING Mingcai, YAO Jun, et al. Productionperformance analysis of composite shale-gas reservoirs by the boundary-element method[J]. SPE Reservoir Evaluation & Engineering, 2019, 22: 238-252. doi: 10.2118/191362-PA
[12]
ZHANG Liehui, SHAN Baochao, ZHAO Yulong, et al. Gas transport model in organic shale nanopores considering langmuir slip conditions and diffusion:Pore confinement, real gas, and geomechanical effects[J]. Energies, 2018, 11: 223. doi: 10.3390/en11010223
[13]
梁洪彬. CN-WY页岩气藏产能预测模型研究及应用[D].重庆: 重庆科技学院, 2018: 45-50.
LIANG Hongbin. Mathematical model for productivity prediction in CN-WY shale gas reservoir[D]. Chongqing: Chongqing University of Science and Technology, 2018: 45-50. http://cdmd.cnki.com.cn/Article/CDMD-11551-1018181995.htm
[14]
CHAI Di, FAN Zhaoqi, LI Xiaoli. A new unified gastransport model for gas flow in nanoscale porous media[C]. SPE 194208-PA, 2019. doi: 10.2118/194208-PA
[15]
梅海燕, 何浪, 张茂林, 等. 考虑多因素的页岩气藏物质平衡方程[J]. 新疆石油地质, 2018, 39(4): 456-461.
MEI Haiyan, HE Lang, ZHANG Maolin, et al. A multifactorial material balance equation for shale gas reservoirs[J]. Xinjiang Petroleum Geology, 2018, 39(4): 456-461. doi: 10.7657/XJPG20180411
[16]
郭小哲, 李景, 张欣. 页岩气藏压裂水平井物质平衡模型的建立[J]. 西南石油大学学报(自然科学版), 2017, 39(2): 132-138.
GUO Xiaozhe, LI Jing, ZHANG Xin. Study on the establishment of material balance model for fractured horizontal well in shale gas reservoir[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2017, 39(2): 132-138. doi: 10.11885/j.issn.1674-5086.2015.08.-05.02
[17]
魏明强, 段永刚, 方全堂, 等. 基于物质平衡修正的页岩气藏压裂水平井产量递减分析方法[J]. 石油学报, 2016, 37(4): 508-515.
WEI Mingqiang, DUAN Yonggang, FANG Quantang, et al. Production decline analysis method of fractured horizontal well in shale gas reservoirs based on modifying material balance[J]. Acta Petrolei Sinica, 2016, 37(4): 508-515. doi: 10.7623/syxb201604010
[18]
TAN Lei, ZUO Lihua, WANG Binbin. Methods of decline curve analysis for shale gas reservoirs[J]. Energies, 2018, 11(3): 1-18. doi: 10.3390/en11030552
[19]
OMAR M, MAZHER I, CHESTER P, et al. EUR prediction for unconventional reservoirs: State of the art and field case[C]. SPE 191160-MS, 2018. doi: 10.2118/191160-MS
[20]
于荣泽, 姜巍, 张晓伟, 等. 页岩气藏经验产量递减分析方法研究现状[J]. 中国石油勘探, 2018, 23(1): 109-116.
YU Rongze, JIANG Wei, ZHANG Xiaowei, et al. A review of empirical production decline analysis methods for shale gas reservoir[J]. China Petroleum Exploration, 2018, 23(1): 109-116. doi: 10.3969/j.issn.1672-7703.2018.01.-012
[21]
FANCHI J R, COOKSEY M J, LEHMAN K M, et al. Probabilistic decline curve analysis of Barnett, Fayetteville, Haynesville, and Woodford gas shales[J]. Journal of Petroleum Science and Engineering, 2013, 109: 308-311. doi: 10.1016/j.petrol.2013.08.002
[22]
徐兵祥, 白玉湖, 陈桂华, 等. 页岩油气不确定性产量预测方法及应用[J]. 兰州大学学报(自然科学版), 2017, 53(6): 757-763.
XU Bingxiang, BAI Yuhu, CHEN Guihua, et al. Uncertainty method for production forecasting and application in shale oil and gas reservoirs[J]. Journal of Lanzhou University (Natural Sciences), 2017, 53(6): 757-763. doi: 10.13885/j.issn.0455-2059.2017.06.007
[23]
ZHANG Liehui, SHAN Baochao, ZHAO Yulong, et al. Review of micro seepage mechanisms in shale gas reservoirs[J]. International Journal of Heat and Mass Transfer, 2019, 139: 144-179. doi: 10.1016/j.ijheatmasstransfer.-2019.04.141
[24]
VALKO P P, LEE W J. A better way to forecast production from unconventional gas wells[C]. SPE 134231-MS, 2010. doi: 10.2118/134231-MS
[25]
DUONG A N. Rate-decline analysis for fracture-dominated shale reservoirs[C]. SPE 137748-PA, 2011. doi: 10.2118/137748-PA
[26]
ZHANG He, ERIC N, DAN O, et al. Effective applications of extended exponential decline curve analysis to both conventional and unconventional reservoirs[C]. SPE 181536-MS, 2016. doi: 10.2118/181536-MS
[27]
王怒涛, 陈仲良, 祝明谦, 等. 页岩气压裂水平井产量递减组合模型分析[J]. 大庆石油地质与开发, 2018, 37(5): 138-143.
WANG Nutao, CHEN Zhongliang, ZHU Mingqian, et al. Analysis of the combined model for the production decline of the shale-gas fractured horizontal well[J]. Petroleum Geology & Oilfield Development in Daqing, 2018, 37(5): 138-143. doi: 10.19597/J.ISSN.1000-3754.201707046
[28]
徐兵祥. 变产-变压情况下的页岩油气生产数据分析方法[J]. 天然气工业, 2017, 37(11): 70-76.
XU Bingxiang. Production data analysis method of shale oil & gas wells with variable rates/pressures[J]. Natural Gas Industry, 2017, 37(11): 70-76. doi: 10.3787/j.issn.-1000-0976.2017.11.009