港西油田分級治砂技術研究

王文玲

摘要：大港油田港西開發區位于渤海灣含油氣盆地黃驊坳陷中部，是典型的斷塊油氣藏，地層埋藏淺，膠結疏松以及注聚、頻繁作業等因素的共同影響，是造成油水井出砂嚴重的主要原因。本文從油水井治砂分類治理角度入手，從而建立港西油田分級治砂體系，具有一定的借鑒意義。

關鍵詞：港西；分級治沙；技術研究

大港油田港西開發區位于渤海灣含油氣盆地黃驊坳陷中部，是典型的斷塊油氣藏，以上第三系明化、館陶為主的次生油藏，油區內斷層發育，構造被22條斷層劃分為6個區域32個自然斷塊[1]。

地層埋藏淺，膠結疏松以及注聚、頻繁作業等因素的共同影響，是造成油水井出砂嚴重的主要原因[2]。

出砂速度是表征油水井出砂程度的一種有效計量手段，是建立分級治砂體系的有效保障。這里，我們定義了出砂速度這一概念，如下：

港西油田出砂臨界壓差模型借鑒了Mohr-Coulomb準則，采用數據庫智能修正技術，最大程度上提高了預測的準確性問題。

出砂預測技術的關鍵在于 ，它是預測準確性的保障。 是一個一對多的數據集合，包括出砂速度、鄰井同層對比數據等數據，通過三維模糊處理建立多對多數據節點，從根本上形成生產壓差、修正值、出砂速度的對應關系，從而形成出砂預測技術。

采用Qulnlna提出的歸納學習算法，從一個訓練例子集合中歸納出知識。抽取出的知識以決策樹的形式表示。

這里，我們闡明一下算法所要解決的問題：

（1）一個目標類的集合。

（2）數據集S中，包含屬于多個屬性對象。

令T為某個屬性的任意測試集，O1，O2，…，On。T將產生S的一個分割{ S1，S2，…，Sn }，其中，Si = {x|T（x）= Oi}。此分割如圖1-1所示。

然后利用ID3算法進行再分析，將自定義數據與已有鉆、測、錄等抓取融合，最終得出修正值 。同時，充分利用Linux、PHP、Apache、MySQL以及ThinkPHP等信息處理技術，搭建了“穩、固、排、防”修井數據采集系統，實現了修井數據的信息一體化[33]，為技術人員的分析決策提供了有效的支撐（如圖1-2所示）。

圖1-2 修井數據采集系統架構

Fig.1-2 Well repair data acquisition system architecture

為了更有效的取得港西油田的出砂情況，我們對過去三年的數據進行了跟蹤與分析。通過將室內試驗數據與油水井作業歷史數據的擬合，可以很明顯的發現，出砂速度與檢泵周期呈明顯的正相關性，尤其是檢泵周期<200天的井，平均出砂速度為0.8-1.0m/井筒·d（如圖1-3所示）。

在對港西油田油井含水與出砂速度的分析上，未發現明顯的相關性，這與油井高含水后提液存在有一定關系（如圖1-4所示）。

在對出砂速度與油井產液量關系的統計中發現，產液量在10-20方時，油井的出砂最為嚴重，如圖1-5所示。

通過對港西油田油井出砂情況及地層聯通的統計對比發現，該區域油井出砂具有如下特征（如圖1-6所示）：

（1）、NmI油組：采液強度≥1.0m3/m·d，NmI開始出砂，且二者成線性關系；

（2）、NmII2-NmII6油組：采液強度≥1.4m3/m·d（NmII2出砂起始采液強度），能量補充充足油井，采液強度≤7m3/m·d，可以維持生產；

（3）、NmII7-NmII9油組：采液強度≥1.7m3/m·d（NmII2出砂起始采液強度），能量補充充足油井，采液強度≤8m3/m·d，可以維持生產；

（4）、NmIII油組：采液強度≥2.2m3/m·d，能量補充充足油井，采液強度≤10m3/m·d，可以維持生產；

（5）、Ng油組：采液強度≥2.5m3/m·d，能量補充充足油井，采液強度≤30m3/m·d（NgIINgIII），可以維持生產。

結合港西油田現場生產數據，將港西油田出砂程度劃分為五級等級，分類如表1-1所示。

通過B-P神經網絡模糊評判機制，將治砂手段分為4級（如表1-2所示），采用因素權重評價指標，最大程度地將專家經驗、成功案例應用于治砂工藝的選擇，從而不斷優化治砂手段以適應不斷變化的生產實際需要（如表1-3所示）。

利用評價指標M，構建港西油田出砂狀態與港西油田治砂手段的對應關系，在實踐中積累經驗，讓計算機產生自我學習的能力，為分級治砂提供理論支撐。

參考文獻：

[1]張琪.采油工程原理與設計[M].山東東營：石油大學出版社，2001.

[2]許同海.油井出砂引起的套管柱損壞機理研究[D].山東青島：中國石油大學（華東），2005.

[3]李賓元.油層出砂機理研究[J].西南石油學院學報，1994，16（1）：23–27.