砾岩油藏由于岩性复杂,普遍存在储层非均质性强的问题,注水开发过程中不同区域、不同层位的动用程度差异较大,水驱开发潜力的精确评价对砾岩油藏来说尤为重要。以往单一的开发潜力评价指标具有其片面性,需要综合考虑各种因素的影响。多因素条件下进行开发潜力评价时,须根据评价参数的界限值进行分级评价,但定性分析法精度较差,而定量评价法在确定各因素权重和分类标准方面存在较多的人为因素[1-3],因此,对于岩性复杂、非均质性强的砾岩油藏其适用性较差,需要建立一种客观、合理的综合评价方法。
模糊C均值聚类分析方法可以定性、定量地确定研究对象之间的“亲疏关系”,并能够在分类对象没有预先给定标识的情况下,依据对象之间的相似程度,自动将其划分为有意义的类别,使评价结果更加客观地体现结果的合理性。聚类结果的最终聚类中心能够定量表征该类别所有样本的相似性属性特征[4-6]。
目前,许多学者[7-9]已采用聚类分析方法并对储层的分类评价进行了大量研究,但以油藏内不同面积单元为研究对象,在综合考虑多种影响因素的基础上,对开发潜力的分级评价则研究较少。针对以上问题,从储层的非均质性、剩余储量和流体的流动能力这3个方面,建立砾岩油藏水驱开发潜力评价指标集,提出应用模糊C均值聚类算法对开发潜力分级进行评价。
1 砾岩油藏水驱开发特点砾岩油藏岩性复杂、储层非均质性强,水驱开发时,由于渗透率和连通性的影响,层间、层内动用程度差异较大;注入水指进严重,含水上升快,驱替效率低;油井单方向见效、见水,造成无效水循环,水驱后期储层性质更加复杂[10-12]。因此,需要建立一种适宜的方法对砾岩油藏的开发潜力进行综合评价。
新疆BH油田砾级颗粒组分占到了50%左右,属典型的砾岩油藏,其储层平均孔隙度为12.21%,平均渗透率为65.7 mD,渗透率级差高达68.4倍,储层孔隙度低、渗透率低、非均质性强。经过长时间的注水开发,综合含水率达到83%,逐步进入高含水开发阶段。由于BH油田不同区域动用程度差异较大,因此,根据不同区域特征,分级评价油田的开发潜力,以明确挖潜方向。
BH油田在纵向上可分为3个层段,即B1,B2和B3,进一步又可细分为23个小层。由于储层受非均质性和连通性的影响,储层动用程度差异较大(折算后的平面剩余油分布如图 1所示);另外,从油相流动能力(K·Kro)分布(图 2)可以看出,虽然在构造的东北部及中部部分区域剩余油饱和度较高,但油相流动能力很低,相应的水驱开发潜力较小。因此,单一的开发潜力评价指标具有其片面性,而现有的多因素开发潜力评价方法人为主观性较强、精确性较低,对于岩性复杂、储层非均质性强的砾岩油藏适用性较差,需要建立一种客观、合理的综合评价方法。
砾岩油藏非均质性强,注水开发后储层油水关系复杂,剩余油分散,其开发潜力受储层非均质性、储层剩余储量的多少和流体在多孔介质中的流动能力等因素的影响。
储层非均质性越强,目标区域的水驱开发潜力就越小。储层剩余储量的多少体现了面积单元现阶段剩余油的富集程度,剩余储量越大,水驱开发潜力就越大。流体的流动能力决定了原油在多孔介质中的渗流能力,流动能力越强,目标区域的水驱开发潜力就越大。
2.1 评价指标集的建立基于剩余潜力存在的类型、油田开发实际动态及影响因素,以明确砾岩油藏水驱后期的开发潜力[13-15]。本次研究以油藏内不同面积单元为研究对象,从储层非均质性、储层剩余储量和油相流动能力这3个方面构建了适合砾岩油藏水驱开发潜力的综合评价指标集。选取的评价指标及其对评价结果的影响如表 1所列。
计算各评价参数之前,先将目标区域纵向各层的属性折算到平面上。其中,储层渗透率采用厚度加权平均,储量采用算数加和,饱和度采用体积加权平均。平面上任意面积单元(m,n)的属性反映了油藏纵向上的综合特征。
2.2.1 储层非均质性评价指标计算(1)邻近面积单元平面变异系数
该系数用面积单元周围一定范围内的渗透率标准偏差与渗透率平均值的比值来表示,它能够描述储层的平面非均质性,其计算公式为
$ {V_{\rm{k}}} = \frac{\sigma }{{\bar K}} $ | (1) |
其中:
$ \sigma = {\left[ {\sum {{{\left( {{K_{ij}} - \bar K} \right)}^2}/\left( {l - 1} \right)} } \right]^{1/2}} $ | (2) |
$ \bar K = \frac{{\sum {{K_{ij}}} }}{l} $ | (3) |
式中:Vk为邻近面积单元变异系数;σ为渗透率标准偏差,mD;
(2)面积单元纵向突进系数
该系数用面积单元垂向各层渗透率的最大值与平均值的比值表示,它能够描述储层的纵向非均质性,其表达式为
$ {T_{\rm{k}}} = \frac{{{K_{\max }}}}{{{{\bar K}_{\rm{z}}}}} $ | (4) |
式中:Kmax为垂向各层渗透率的最大值,mD;
(1)面积单元可动油饱和度
储层面积单元内未被采出,采取进一步措施后即可采出的原油饱和度,即为面积单元可动油饱和度,其表达式为
$ {S_{{\rm{ok}}}} = \frac{{{k_{{\rm{ro}}}}}}{{{\mu _{\rm{o}}}}}\frac{{{\mu _{\rm{w}}}}}{{{k_{{\rm{rw}}}}}} \cdot {S_{\rm{o}}} $ | (5) |
式中:kro为油相相对渗透率;krw为水相相对渗透率;μo为原油黏度,mPa·s;μw为水的黏度,mPa·s;So为面积单元油相饱和度;Sok为面积单元可动油饱和度。
(2)面积单元储量丰度
面积单元储量丰度用面积单元单位面积上的剩余储量来表示,其表达式为
$ {\mathit{\Omega }_{\rm{o}}} = \frac{{{N_{\rm{k}}}}}{{{A_{\rm{k}}}}} $ | (6) |
式中:Nk为面积单元剩余储量,万m3;Ak为面积单元面积,m2;Ωo为面积单元储量丰度,万m3/m2。
(3)邻近面积单元可动油饱和度
面积单元周围一定范围内的可动油饱和度,即为邻近面积单元可动油饱和度,其表达式为
$ {S_{{\rm{okq}}}} = \frac{{\sum {{\varphi _{ij}}{V_{ij}}{S_{{\rm{ok}},ij}}} }}{{\sum {{\varphi _{ij}}{V_{ij}}} }} $ | (7) |
式中:φij为面积单元(i,j)的孔隙度;Vij为面积单元(i,j)的体积,m3;Sok, ij为面积单元(i,j)的可动油饱和度;i和j为对于第m行第n列的邻近面积单元,取i = m-1,m,m+1;j = n-1,n,n+1;Sokq为邻近面积单元可动油饱和度。
(4)邻近面积单元储量丰度
该丰度用储层面积单元周围一定范围内单位面积上的剩余储量来表示,其计算公式为
$ {\mathit{\Omega }_{{\rm{oq}}}} = \frac{{\sum {{N_{{\rm{k}},ij}}} }}{{\sum {{A_{{\rm{k}},ij}}} }} $ | (8) |
式中:Nk, ij为面积单元(i,j)的剩余储量,万m3;Ak, ij为面积单元(i,j)的面积,m2;i,j为对于第m行第n列的邻近单元,取i = m-1,m,m+1;j = n-1,n,n+1;Ωoq为邻近面积单元储量丰度,万m3/m2。
2.2.3 油相流动能力评价指标计算(1)储层渗透率
用面积单元纵向上各层渗透率的厚度加权平均值来表示储层渗透率,其表达式为
$ K = \frac{{\sum\limits_{i = 1}^n {{K_i}{h_i}} }}{{\sum\limits_{i = 1}^n {{h_i}} }} $ | (9) |
式中:Ki为纵向上第i层的渗透率,mD;hi为纵向上第i层的有效厚度,m;K为平面上任意面积单元的渗透率,mD。
(2)油相渗透率
通过对相对渗透率曲线进行回归计算,得到含水饱和度与油相渗透率的关系表达式,再根据单元含水饱和度求取其相应的油相渗透率值。油相渗透率反映了多相流体流动条件下原油在多孔介质中的相对渗流能力。
3 基于模糊聚类开发潜力评价方法 3.1 开发潜力分级评价流程基于砾岩油藏的地质和开发状况,并根据确定的评价指标集,按照以下步骤对不同面积单元的水驱开发潜力进行分级评价。
(1)基于油田实际情况,在平面上将油田划分为等面积或不等面积的若干区域,将其定义为面积单元。
(2)根据所建立的评价指标集,统计每个面积单元的属性参数,并按照前述各项指标的计算方法,建立评价指标数据库。
(3)基于所建立的评价指标数据库,应用模糊C均值聚类算法,对不同面积单元的水驱开发潜力进行分级评价:①将样本分类,并确定聚类数的值;②依托评价指标数据库,应用模糊C均值聚类算法对样本自动分级;③通过分析每一类别的属性特征(最终聚类中心)定量表征每一类别的特点,定性确定其相应的开发潜力级别。
(4)根据油藏水驱开发潜力评价结果,绘制评价结果分布图,并结合油田地质、开发状况,给出每一类别相应的调整挖潜建议。
3.2 模糊C均值聚类算法针对实际问题,建立样本集T ={α1, α2, α3, …, αn},每个样本αj(j = 1, 2, …, n)都含有m个评价指标,并将n个样本分成C类(2 ≤ C ≤ n)。其中,每个样本不只隶属于某一类,而是以一定的隶属度属于某一类[16-18]。定义Ti(i = 1, 2, …, C)为第i类的聚类中心,其中Ti ={T1, T2, …, Tc}。
将模糊C均值聚类目标函数定义为
$ {J_m}\left( {U,T} \right) = \sum\limits_{j = 1}^n {\sum\limits_{i = 1}^C {\mu _{ij}^\beta d_{ij}^2} } $ | (10) |
式中:μij为样本αj的第i类隶属度,且μij ∈ [0, 1];U = (μij)C × n为隶属度矩阵;T为聚类中心;Jm为目标函数;β为加权指数,缺省状态下取值为2;dij为样本αj与聚类中心Ti之间的欧式距离,可表示为dij =||αk - Ti||。
模糊C均值聚类就是求隶属度矩阵U和聚类中心T,使目标函数Jm(U, T)达到最小[19]。具体步骤如下:
(1)确定聚类中心个数C(2 ≤ C ≤ n),初始化隶属度矩阵U(0),给定迭代精度阈值ε,定义迭代次数为p。
(2)计算隶属度矩阵U(p)下的聚类中心T(p)
$ T_i^{\left( p \right)} = \frac{{\sum\limits_{j = 1}^n {\mu _{ij}^\beta {\alpha _j}} }}{{\sum\limits_{j = 1}^n {\mu _{ij}^\beta } }},i = 1,2, \cdots ,C $ | (11) |
(3)由聚类中心T(p)重新计算隶属度矩阵U(p)
$ \mu _{ij}^{\left( p \right)} = \frac{1}{{\sum\limits_{k = 1}^C {{{\left( {\frac{{{d_{ij}}}}{{{d_{kj}}}}} \right)}^{\frac{2}{{\beta - 1}}}}} }} $ | (12) |
(4)计算目标函数Jm(p)
$ J_m^{\left( p \right)} = \left( {{\mathit{\boldsymbol{U}}^{\left( p \right)}},{T^{\left( p \right)}}} \right) = \sum\limits_{j = 1}^n {\sum\limits_{i = 1}^C {\mu _{ij}^\beta d_{ij}^2} } $ | (13) |
(5)判断目标函数是否达到精度要求。如果
根据各指标参数公式计算得到BH油田开发潜力评价指标数据集(表 2),应用本次研究所建立的方法对新疆BH油田水驱后期的开发潜力进行分级评价,即依据每一类别最终聚类中心(表 3)所对应的剩余储量、流动能力和非均质性,定量表征各类别的特点,定性对其开发潜力进行分级。从图 3可以看出:与以往油藏开发潜力评价指标剩余油饱和度分布和油相流动能力分布(参见图 1、图 2)相比,虽然有些区域的剩余油饱和度较高、油相流动能力较强,但其开发潜力低,而本次研究所建立的评价方法,综合考虑了储层非均质性、储层的剩余储量和流体的流动能力等,并依据对象之间的相似程度自动地划分出了类别,所得的评价结果能够更加客观、合理地反映储层的实际情况。
基于BH油田不同潜力区的储层剩余储量、油相流动能力和非均质性特征等,结合潜力区的地质和开发特点,确定不同潜力区存在的主要问题,进而制定了相应的开发调整对策[20-22]。
对于一类区,针对储层物性差、普遍剩余油饱和度低而局部剩余油富集的特点,建议对剩余油富集区进行储层改造,提高储层油相流动能力。对于二类区,针对储层非均质强、局部水淹严重,优势窜流通道发育的问题,建议实施调剖堵水、细分层系等措施,提高注水利用效率,提高注水效率及储层动用范围;对于三类区,针对井间渗流场固化、低效水循环的特点,建议采取水动力学调整措施,改变地下渗流场;对于四类区,针对储层物性好、剩余油富集,但井网控制程度低的特点,建议提高井网控制程度,部署加密调整井(表 4)。
(1)针对砾岩油藏储层非均质性强、水驱过程中不同区域动用程度差异较大的特点,以不同面积单元为研究对象,从储层非均质性、储层剩余储量和流体的流动能力这3个方面,建立了砾岩油藏水驱后期开发潜力综合评价指标集。
(2)根据所建立的评价指标集,结合模糊C均值聚类算法,建立了砾岩油藏水驱开发潜力分级评价方法。该方法综合考虑了多种评价指标的影响,可对研究对象进行无监督分级,客观性较强,所得的评价结果更加符合实际。
(3)基于建立的分级评价方法,对新疆BH油田的开发潜力进行分级评价,所得到的评价结果与油田的地质和开发状况呈区域性、单元性分布的特点相符,并针对不同潜力区存在的问题,提出了相应的开发调整对策,为砾岩油藏水驱后期的调整挖潜提供了依据。
[1] |
吕建荣, 谭锋奇, 许长福, 等. 拉玛依砾岩油藏储层分类特征及水驱油规律. 东北石油大学学报, 2015, 39(4): 21-30. LYU J R, TAN F Q, XU C F, et al. Reservoir classification characteristics and water displaced oil laws of conglomerate reservoir in Karamay oilfield. Journal of Northeast Petroleum University, 2015, 39(4): 21-30. DOI:10.3969/j.issn.2095-4107.2015.04.003 |
[2] |
马峥, 张春雷, 高世臣. 主成分分析与模糊识别在岩性识别中的应用. 岩性油气藏, 2017, 29(5): 127-133. MA Z, ZHANG C L, GAO S C. Lithology identification based on principal component analysis and fuzzy recognition. Lithologic Reservoirs, 2017, 29(5): 127-133. DOI:10.3969/j.issn.1673-8926.2017.05.015 |
[3] |
杨希濮, 杨小丽, 刘钧, 等. 一体化储层精细分类方法在非均质储层定量表征中的应用. 岩性油气藏, 2017, 29(1): 124-129. YANG X P, YANG X L, LIU J, et al. Application of integrated reservoir classification method to the quantitative characterization of heterogeneity reservoir. Lithologic Reservoirs, 2017, 29(1): 124-129. |
[4] |
方辉煌, 宫云鹏, 张娅婷. 基于灰色模糊理论的页岩气储层评价——以重庆南川地区龙马溪组页岩为例. 岩性油气藏, 2016, 28(5): 76-81. FANG H H, GONG Y P, ZHANG Y T. Evaluation of shale gas reservoirs based on gray fuzzy theory:a case study from Longmaxi formation in Nanchuan area, Chongqing. Lithologic Reservoirs, 2016, 28(5): 76-81. DOI:10.3969/j.issn.1673-8926.2016.05.009 |
[5] |
谭锋奇, 李洪奇, 许长福, 等. 基于聚类分析方法的砾岩油藏储层类型划分. 地球物理学进展, 2012, 27(1): 246-254. TAN F Q, LI H Q, XU C F, et al. Reservoir classification of conglomerate reservoir base on clustering analysis method. Progress in Geophysics, 2012, 27(1): 246-254. |
[6] |
张琪琛, 陈民锋, 乔聪颖, 等. 基于模糊C均值聚类的油水井稳油控水能力分类评价. 中国海上油气, 2016, 28(6): 66-71. ZHANG Q C, CHEN M F, QIAO C Y, et al. Oil and water well classification and evaluation of the capacity of stabilizing oil production and controlling water based on fuzzy C-mean. China Offshore Oil and Gas, 2016, 28(6): 66-71. |
[7] |
冯国庆, 张烈辉, 沈勇伟, 等. 应用模糊聚类分析方法评价油藏质量. 西南石油学院学报, 2004, 26(3): 33-36. FENG G Q, ZHANG L H, SHEN Y W, et al. Reservoir quality evaluation by fuzzy clustering analysis method. Journal of Southwest Petroleum Institute, 2004, 26(3): 33-36. DOI:10.3863/j.issn.1674-5086.2004.03.009 |
[8] |
殷代印, 项俊辉, 王东琪. 大庆油田长垣外围特低渗透扶杨油层综合分类. 岩性油气藏, 2018, 30(1): 150-154. YIN D Y, XIANG J H, WANG D Q. Classification of Fuyang oil reservoir with ultra-low permeability around placanticline of Daqing Oilfield. Lithologic Reservoirs, 2018, 30(1): 150-154. DOI:10.3969/j.issn.1673-8926.2018.01.015 |
[9] |
侯健, 陈月明, 赵红兵, 等. 特高含水油藏综合调整效果的模糊评价方法. 中国石油大学学报(自然科学版), 2007, 31(4): 70-73. HOU J, CHEN Y M, ZHAO H B, et al. Fuzzy evaluation method of reservoir comprehensive adjustment effect in ultra-high water cut stage. Journal of China University of Petroleum(Natural Science Edition), 2007, 31(4): 70-73. DOI:10.3321/j.issn:1000-5870.2007.04.014 |
[10] |
姚约东, 雍洁, 朱黎明, 等. 砂砾岩油藏采收率的影响因素与预测. 石油天然气学报, 2010, 32(4): 108-113. YAO Y D, YONG J, ZHU L M, et al. Prediction and influential factors of recovery efficiency in sand-gravel reservoirs. Journal of Oil and Gas Technology, 2010, 32(4): 108-113. DOI:10.3969/j.issn.1000-9752.2010.04.023 |
[11] |
朱龙权, 粟娥, 彭明超, 等. 低渗透砾岩油藏注水开发效果综合评价. 重庆科技学院学报(自然科学版), 2015, 17(5): 56-58. ZHU L Q, LI E, PENG M C, et al. The evaluation methods on water flooding effectiveness in low permeability conglomerate reservoir development. Journal of Chongqing University of Science and Technology(Natural Science Edition), 2015, 17(5): 56-58. DOI:10.3969/j.issn.1673-1980.2015.05.016 |
[12] |
邹妞妞, 张大权, 钱海涛, 等. 准噶尔盆地玛北斜坡区扇三角洲砂砾岩储层主控因素. 岩性油气藏, 2016, 28(4): 24-33. ZOU N N, ZHANG D Q, QIAN H T, et al. Main controlling factors of glutenite reservoir of fan delta in Mabei slope, Junggar Basin. Lithologic Reservoirs, 2016, 28(4): 24-33. DOI:10.3969/j.issn.1673-8926.2016.04.004 |
[13] |
苏彦春, 王月杰, 缪飞飞. 水驱砂岩油藏开发指标评价新体系. 中国海上油气, 2015, 27(3): 60-65. SU Y C, WANG Y J, MIAO F F. A new evaluation system for water flooding sandstone reservoirs. China Offshore Oil and Gas, 2015, 27(3): 60-65. |
[14] |
武毅, 肖红林. 辽河油田低渗油藏水驱开发潜力评价标准建立. 特种油气藏, 2012, 19(6): 91-94. WU Y, XIAO H L. The establishment of evaluation criteria of water flooding development potential in low permeability reservoirs of Liaohe Oilfield. Special Oil and Gas Reservoirs, 2012, 19(6): 91-94. DOI:10.3969/j.issn.1006-6535.2012.06.022 |
[15] |
马奎前, 黄安琪, 陈民锋. 基于可拓理论的海上油田注采效率综合评价. 陕西科技大学学报, 2017, 35(2): 103-109. MA K Q, HUANG A Q, CHEN M F. Comprehensive evaluation injection-production efficiency in offshore oilfield based on extension theory. Journal of Shaanxi University of Science & Technology, 2017, 35(2): 103-109. DOI:10.3969/j.issn.1000-5811.2017.02.020 |
[16] |
SIENA M, GUAD A, DELLA R E, et al. A novel enhanced-oilrecovery screening approach based on Bayesian clustering and principal-component analysis. SPE Reservoir Evaluation & Engineering, 2016, 19(3): 382-390. |
[17] |
武小红, 周建江. 可能性模糊C-均值聚类新算法. 电子学报, 2008(10): 1996-2000. WU X H, ZHOU J J. A novel possibilistic fuzzy C-means clustering. Acta Electronica Sinica, 2008(10): 1996-2000. DOI:10.3321/j.issn:0372-2112.2008.10.024 |
[18] |
丁帅伟, 姜汉桥, 陈民锋, 等. 基于模糊C均值聚类算法和贝叶斯判别函数研究深水油藏分类评价. 西安石油大学学报, 2014, 29(2): 43-49. DING S W, JIANG H Q, CHEN M F, et al. Classification and evaluation of deep water oil reservoirs by combining clustering algorithm based on fuzzy C-mean with Bayesian discrimination function. Journal of Xi'an Petroleum University, 2014, 29(2): 43-49. DOI:10.3969/j.issn.1673-064X.2014.02.009 |
[19] |
曲福恒, 崔广才. 模糊聚类算法及应用. 北京: 国防工业出版社, 2011, 61-66. QU F H, CUI G C. Fuzzy clustering algorithm and its application. Beijing: National Defense Industry Press, 2011, 61-66. |
[20] |
胡浩. 基于砂体结构的剩余油挖潜调整措施研究. 岩性油气藏, 2016, 28(4): 113-120. HU H. Adjustment measures of remaining oil tapping based on sand body structure. Lithologic Reservoirs, 2016, 28(4): 113-120. DOI:10.3969/j.issn.1673-8926.2016.04.016 |
[21] |
SERIGHT R, ZHANG G, AKANNI O, et al. A comparison of polymer flooding with in-depth profile modification. Journal of Canadian Petroleum Technology, 2011, 51(5): 393-402. |
[22] |
覃建华, 周锡生, 唐春荣, 等. 克拉玛依砾岩油藏高含水区块井网加密潜力. 新疆石油地质, 2010, 31(3): 269-272. QIN J H, ZHOU X S, TANG C R, et al. The potentials of well pattern infill development of high water-cut blocks in Karamay conglomerate reservoirs. Xinjiang Petroleum Geology, 2010, 31(3): 269-272. |