石工大赛方案设计赛题延伸思考

Joseph

准备做一个小系列罢。很抱歉，没有找到特别合适的数据，可能有点儿纸上谈兵。
我们想要讨论的是“开发方案”或者“调整方案”、“产能建设方案”中地质和油藏部分的核心价值所在。

本次大赛的数据我也下载了，初步看起来数据中最为缺乏的是断层描述：虽然有非常多文字描述，但是无法形成对于断层位置和展布的直接支撑。这件事，为了大赛公平，我可能需要等到各位提交资料以后才能谈谈我的真实感受。

跟静态数据不同，动态数据的资料相对比较翔实。




射开D1a+D1b，厚度170米，多达42个小层。



很明显，我们的油藏是一个相对比较粗放的生产规划为基础进行长期生产的。虽然后来的静态研究工作逐步进入了单纱层对比的精细程度，但是动态计量资料来看，仍然无法将现在看到的几十个渗透层的贡献比例进行合理拆解、分析层间干扰情况并组织起更为合理的配产方案。所以，出现了精细研究和粗放生产的矛盾。

（未完待续）

海阔天空2012

支持！

wuhouweiwu

927736436

赞一个

Joseph

精细油藏管理，是我们现在必须要重视的一个方向，尤其是很多在产油田已经开始高含水，已经在比较粗的框架内实验过各种增产手段，各种增产手段在显效期过去之后仍然是一个较为明显的衰减。——就好像强心针对于一个孱弱病人的效果相仿。

需要更多精力将静态研究与生产规划相结合才能真正有的放矢，比较切实联系到油田生产实际上来。

习惯来说，这么多产层我们肯定需要劈分产量，因为只有劈分了产量，静态模型的单砂层才与产量产生了对应。

但是对于产量劈分，吐槽的情况却非常常见：

http://www.sunpetro.cn/thread-41097-1-1.html

关于这位楼主提及的方法，请参考：

层状油气藏多层合采油气井产量劈分方法.pdf (4.8 MB, 下载次数: 21)

2018-3-19 17:04 上传

点击文件名下载附件

文章中的参考文献尤其可以作为我们了解这种工作的优化途径。

（未完待续）

Joseph

需要大家关注的就是，为什么我们会普遍意识到【K*H参数】在产量劈分中有不合理？

换言之，为什么产量劈分不能以“静态参数”为主要依据？

其实，K，渗透率本身是一个描述流动性的参数，只是为了简化油藏描述的过程，也为了更大程度让油藏范围内的渗透率场有个基本分布，我们会基于孔隙度与渗透率的线性关系来反推一个渗透率空间分布：



应该说，这样的应用是有其合理性的，但是却忽略了在相同的孔隙度值却对应着很大的渗透率变化，就比如上图（我随手在网上找的，应该是一类教程用图）孔隙度15%的时候渗透率从0.2到5，孔隙度20%的时候渗透率1-100。

我学《Petrophysics》教程的情况似乎更不乐观：




（未完待续）

Joseph

再继续多说几句关于产量劈分。

为了能够更合理建立一个产量劈分方案，很多油田都尝试过各种办法来摸索和推测。也有考虑产液剖面和吸水剖面的，也有考虑相对渗透率的。产液、吸水剖面当然是最为直接的依据，也是现在很多动态分析人员手边最为看重的数据基础。

我们应该说产液、吸水剖面作为数据的权威性不容置疑，只是我们也知道测量产液、吸水剖面的时间长度毕竟跟连续生产无法比较，而且我们常常在连续生产表象正常的时候并不及时进行产液、吸水剖面的测量（生产测井）和压降、压恢等等测试（试井）。即以大赛赛题来说，我们看到的8口井均是1971年开始有产量记录，但是看到的监测数据只有W2井的时间略早，但也都在注水开发全面实施以后相当长时间了，油层早在1990年代已经普遍水淹。

我们都知道东部油田的温压系统，只是因为强注强采才会产液量达到百余方。连续几十年的这个过程肯定也极大损害了储层，估计很多砂层水窜严重，注水并未真正受效。

现在残余油/剩余油的分布研究肯定在油田也已经搞过很多轮次，实际井网密度也已经突破了经济极限。

跟剩余油分布研究同样迫切的还有加紧对于水窜层的封堵和隔离，合理规划实施注水、注气、注聚。前者我们可以叫做“增效”，后者是实实在在的“降本”。

肯定油田都是想过一些技术手段来追踪水驱效果的，也肯定尽量规划了水驱效率。但是到了含水97-98%，水驱效率根本顾不及不说，甚至都没有谁还敢尝试模拟一下降低注水生产，难做的事情已经是一个累积效应。

（未完待续）

Joseph

一个老油田，开发后期，超高含水。影响油田开发效率的因素很多都是在粗放生产条件下的积累至今的。甚至我们可能已经早就没有了机会了解最初油藏的动态情况，因为很多相对比较可靠的试井数据都是在含水超过80%以后做的。估计也会做过很多生产测井来进行注采关系的梳理和调整，只是实际生产结果却极为可能并不让人感觉乐观。毕竟赛题所涉及的这个油田（可能是某个大型油田的一部分）的个别井含水持续攀升到98%，没一口井能随着注水带出来的油都少得可怜。

这个数据里有些显见的问题我们还是要说一下的。

否则可能会对我们后续的数据规律性分析极为不利。


这是典型输入错误（typo），漏了小数点。但是同样说明原制表中更大的问题——数据关联性缺失。在这个明显例子中，含水饱和度跟日均数据并不相关。这说明所有数据都是单独录入的，如果没有出现这样明显的 typo 则我们就看不到错误。明显的错误变得不可怕（因为容易判别），不明显的错误却更加可怕（因为我们会当成正常数据使用）。


严格来说，这些还不算是错误，至多算是存疑。当然，更多的验证工作其实应该交给数值模拟过程才能针对性的分析出是不是真的需要落实这个月内工作制度是否存在调整等等。

捎带跟大家说一个可能只是发生在哈萨克某些石油公司运行中的情况：因为井口测量数据不准确（普遍缺乏流量计），不仅仅是产层需要产量劈分，连单井产量也存在劈分。更进一步，因为计量存在积累误差，所以隔一段时间产量就会根据销售数字进行“平差”操作。所有这些都会直接影响到相关的产水量和含水饱和度的数值。所以在有很多流程和很多人手工输入的数据中常常也伴随着数据有很多“故事”，理不清这些“故事”的话就去讨论数据常常会觉得完全没有抓手。

有时候我们以为所有的石油人都是这样的工作环境：


但是，更多时候是这样



加上累积误差的消除会滞后，也不能简单确认就是前线职工或者后线职工的操作上存在过失，只是需要大家怀着更大的包容心来理解生产数据记录中可能存在的“不确定性（Uncertainty）”。

很多时候，生活中的不确定性并不能用单纯的“好”与“坏”的辨别，就好比各位在完成手中的学业/工作的具体部分的时候都存在着一定比例的质量好和质量差，正是这样的质量差异才让我们在选择和决策过程中有了经验基础。事实上，任何的决策都伴随着各种信息的不确定性干扰，也不断在生活经验积累中逐步理解不确定性的干扰程度。换言之，就是量化不确定性影响的过程本身也是统计学过程，也是根据样本积累而来的。

但是，从另一个角度来说，正因为是统计学可以参与的过程，所以“量化不确定性”过程本身也是可以进行各种统计学考虑的。先举一个简单的例子：采样的问题。

油藏分析领域，量化不确定性是一个长链条的工序：


而其中最为关键的一个就是变量选取和变量取值范围（包括值域、分布等等）设置。变量选取可以通过“敏感性分析（Sensitivity Analysis）”来实现，但是变量的取值范围有很多是来自其它经验的类比或者有限的数据样本，对于数据样本的代表性和适用性的分析就成了不确定性分析的一个主要方向。


（未完待续）

justbetoo

很有意义的探讨，可惜一直没有续