分層注水方法進(jìn)展及展望

陶德碩

（中國(guó)石化勝利油田分公司勘探開發(fā)研究院，山東東營(yíng) 257061）

強(qiáng)非均質(zhì)儲(chǔ)層水井籠統(tǒng)注水時(shí)各油層會(huì)產(chǎn)生層間干擾現(xiàn)象，表現(xiàn)為高滲層吸水量多，低滲層吸水量少，甚至不吸水，特高含水期層間吸水極不均衡，注水利用率低，開發(fā)效果差。分層注水是減緩層間干擾、控制含水上升速度、改善開發(fā)效果的技術(shù)，利用封隔器將儲(chǔ)層物性和開發(fā)狀況相近油層組合在同一個(gè)層段內(nèi)注水，把差異較大的油層分隔開，再用配水器進(jìn)行分層按需配水，控制高滲高采出程度油層注水量，加強(qiáng)低滲低采出程度油層注水量，充分挖潛各類油層潛力，實(shí)施分層注入的一種注水方式。目前已成為解決特高含水油田開發(fā)過程中層間矛盾、提高注水利用率的有效手段。分層注水技術(shù)要想實(shí)現(xiàn)較好的開發(fā)效果，需考慮分層級(jí)段數(shù)劃分及組合方式、分層配注量等參數(shù)合理優(yōu)化。中低含水期分層注水優(yōu)化主要考慮靜態(tài)因素，特高含水動(dòng)態(tài)非均質(zhì)嚴(yán)重，需進(jìn)一步考慮油藏動(dòng)態(tài)因素。本文系統(tǒng)分析了分層注水層段劃分級(jí)段數(shù)及組合方式、分層配注量等優(yōu)化方法研究進(jìn)展，并進(jìn)一步展望了分層注水優(yōu)化方法發(fā)展趨勢(shì)。

1 分層注水層段劃分及組合優(yōu)化方法研究進(jìn)展

分層注水通過優(yōu)化分層的劃分級(jí)段數(shù)、小層數(shù)、滲透率級(jí)差、厚度等參數(shù)，使縱向動(dòng)靜態(tài)性質(zhì)相近油層組合在同一個(gè)層段內(nèi)注水，實(shí)現(xiàn)精細(xì)高效注水。

1.1 油藏?cái)?shù)值模擬法

針對(duì)整裝砂巖油藏，早期通過建立具有滲透率差異概念模型，利用油藏?cái)?shù)值模擬技術(shù)，研究分層注水最優(yōu)分段數(shù)；后來發(fā)展到將油藏?cái)?shù)值模擬技術(shù)和灰色關(guān)聯(lián)法相結(jié)合，分析分層注水影響因素與采出程度關(guān)系，利用優(yōu)化系數(shù)定量?jī)?yōu)化分層注水層段劃分及組合方式；有學(xué)者針對(duì)儲(chǔ)層非均質(zhì)特征及開發(fā)狀況，將油藏?cái)?shù)值模擬技術(shù)與油藏工程方法結(jié)合，深入系統(tǒng)動(dòng)靜結(jié)合研究最佳層段組合方式。針對(duì)斷塊油藏，建立水驅(qū)油全過程單位體積注入水沿豎直、地層兩個(gè)方向運(yùn)移的滲流速度公式。研究表明，斷塊油藏分層注水效果與絕對(duì)滲透率、水相相對(duì)滲透率、注入水黏度、壓力梯度、注水井啟動(dòng)壓力梯度、含水飽和度、地層傾角、油水密度差等相關(guān)。針對(duì)斷塊中低滲油藏，研究認(rèn)為除了考慮滲透率級(jí)差、小層數(shù)等外，還要考慮油井射開有效厚度，且要避免較厚的低滲層與較薄中高滲層合采。也有學(xué)者在油藏?cái)?shù)值模擬技術(shù)中引入水嘴前后流壓和井底流壓、地層網(wǎng)格壓力互相耦合的分層注水?dāng)?shù)學(xué)模型，為精確模擬分層注水提供依據(jù)。

1.2 吸水剖面預(yù)法

該類方法利用吸水剖面、分層測(cè)試等監(jiān)測(cè)資料，考慮吸水剖面變化的影響因素，量化不同因素影響程度，并選擇關(guān)鍵主控因素作為輸入?yún)?shù)，以注水井小層相對(duì)吸水量作為輸出參數(shù)，運(yùn)用支持向量機(jī)法、神經(jīng)網(wǎng)絡(luò)法、ANFIS模型法、粒子群智能算法等，建立不同井不同時(shí)間點(diǎn)吸水剖面演化預(yù)測(cè)模型，預(yù)測(cè)不同分層條件下注水井吸水剖面變化，優(yōu)化評(píng)價(jià)分層注水措施。如果吸水剖面預(yù)測(cè)模型計(jì)算結(jié)果表明吸水剖面分布較為均勻，則確定該分層注水劃分方式合理，如果計(jì)算結(jié)果表明吸水剖面仍然不均勻，則重新劃分注水層段，最終達(dá)到各油層相對(duì)均衡吸水。

1.3 洛倫茲曲線法

考慮分段結(jié)構(gòu)、配水方案和地層物性，確定影響分層注水效果動(dòng)靜態(tài)因素，與吸水剖面資料相結(jié)合，建立描述單井累計(jì)射開砂巖厚度與累計(jì)吸水量相關(guān)關(guān)系的洛侖茲曲線模型，并提出無因次注水強(qiáng)度、油層動(dòng)用程度和吸水非均衡程度評(píng)價(jià)等指標(biāo)，定量評(píng)價(jià)注水強(qiáng)度、有效動(dòng)用油層厚度所占比例以及吸水均衡狀況，評(píng)價(jià)不同時(shí)間點(diǎn)精細(xì)分層注水效果。

2 分層注水層段配注方法研究進(jìn)展

2.1 支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)法

將分層注水的分層段數(shù)、滲透率變異系數(shù)、原油黏度、含水率等作為樣本輸入?yún)?shù)，無因次增油量為樣本輸出參數(shù)，利用支持向量機(jī)法，建立分層注水效果預(yù)測(cè)模型；進(jìn)一步有學(xué)者考慮儲(chǔ)層參數(shù)時(shí)變影響，分析滲透率、孔隙度、射孔厚度及井間連通系數(shù)等對(duì)分層注水效果影響，利用BP神經(jīng)網(wǎng)絡(luò)方法，建立分層注水層段配注優(yōu)化調(diào)配方法。研究及應(yīng)用表明，該類方法通過選用合適的學(xué)習(xí)樣本進(jìn)行回歸訓(xùn)練，具有較高的預(yù)測(cè)精度，考慮影響因素更加全面，可在實(shí)際油田中預(yù)測(cè)分層注水取得較好效果。

2.2 剩余油分布優(yōu)化法

綜合運(yùn)用油藏工程、油藏?cái)?shù)值模擬和最優(yōu)化理論方法，基于縱向剩余油分布狀況，建立分層注水井各油層合理配注量模型。研究表明，剩余油法按需分層配注在特高含水期明顯優(yōu)于厚度法和地層系數(shù)法，可實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化分層注水調(diào)配，對(duì)特高含水油田精細(xì)注水、智能注采具有重要指導(dǎo)意義。

2.3 油藏工程分析法

早期通過統(tǒng)計(jì)層段孔隙體積、含水率和累計(jì)注水量與含水率相關(guān)關(guān)系，基于均衡驅(qū)替，將高含水與低含水層段含水率同時(shí)達(dá)到98%，以此來確定各層段配注量；進(jìn)而發(fā)展到通過先利用動(dòng)用程度和孔隙注入倍數(shù)之間的關(guān)系評(píng)價(jià)注水動(dòng)用狀況，再利用模糊綜合評(píng)判方法選取動(dòng)靜態(tài)參數(shù)組成潛力評(píng)價(jià)因素集，對(duì)注水井分注層段進(jìn)行模糊綜合評(píng)價(jià)，結(jié)合層段評(píng)價(jià)結(jié)果、層段水驅(qū)控制程度和射開砂巖厚度確定各層段配注量。進(jìn)一步發(fā)展通過分析措施改造系數(shù)、注采井距、射開砂巖厚度、和位置系數(shù)等因素對(duì)分層注水量劈分影響，采用灰色關(guān)聯(lián)分析法確定它們?cè)谂窒禂?shù)中權(quán)重，確定注水井分層配注量。更進(jìn)一步，從水驅(qū)油滲流理論出發(fā)，考慮儲(chǔ)層靜態(tài)因素和開發(fā)動(dòng)態(tài)，以各小層出口端含水飽和度相等為目標(biāo)，基于Buckley-Leverett非活塞式水驅(qū)油理論，建立注水井分層配注量計(jì)算模型。

3 分層注水優(yōu)化方法研究展望

分層注水優(yōu)化方法研究目前主要是從儲(chǔ)層靜態(tài)特征和開發(fā)動(dòng)態(tài)特征兩方面來考慮，優(yōu)化分注層段級(jí)段數(shù)、層段組合方式、分層配注量等，從定性發(fā)展到定量，充分結(jié)合礦場(chǎng)動(dòng)態(tài)監(jiān)測(cè)資料，既有油藏工程方法，也有油藏?cái)?shù)值模擬技術(shù)，也有統(tǒng)計(jì)理論技術(shù)方法，取得了較多成果，并得到了較好的應(yīng)用。但目前的研究方法與分層注水管柱、測(cè)調(diào)等分層注水工藝結(jié)合比較少；同時(shí)只是從注水井分注減緩層間干擾，油井層間干擾并沒有考慮，分層注水應(yīng)用效果受到限制。因此，建議分層注水優(yōu)方法應(yīng)緊緊圍繞高含水老油田效益開發(fā)需求，探索與分層注水工藝、地面配套相結(jié)合，結(jié)合不同類型油藏地質(zhì)和開發(fā)特點(diǎn)，由分層注水優(yōu)化向智能注采優(yōu)化發(fā)展；充分利用油藏?cái)?shù)據(jù)，運(yùn)用大數(shù)據(jù)、深度學(xué)習(xí)等技術(shù)，分層注采向人工智能實(shí)時(shí)優(yōu)化方向發(fā)展。