基于大數據的頁巖油區塊產量差異分析方法研究

肖 陽， 王家豪， 李志剛， 楊金元， 劉守昱

1成都理工大學能源學院 2成都理工陽光能源科技有限公司

0 引言

A83和X233均為鄂爾多斯盆地的頁巖油區塊，非均質性較強，無明顯油水界面，且都以長7層為主力產層。兩區塊巖性相近、物性類似，均使用了壓裂參數相似的水平井分段壓裂工藝。雖然X233的水平段長度為A83的近2倍(圖1a)，但當使用百米動態儲量[1]進行對比時，X233的百米動態儲量仍是A83的2倍(圖1b)，故二者單井產量差異性不單來自于水平段長度的影響。

圖1 A83和X233區塊水平段長度和百米動態儲量對比

常規方法是利用傳統的遞減曲線，結合產量數值模擬的方法來進行影響因素分析[2]，但是這種方法存在諸多問題。數值模擬方法在機理模型中適用性較好，但當加入多因素分析研究，如生產特征數據、地質力學數據，其模擬描述方法假設性條件太多，僅是理論上的可行性研究，實際達不到其模擬條件[3]。目前較為普遍的分析方法大致有幾種：運用一元或多元線性回歸分析(LRA)來分析泄流范圍、儲層特征、改造強度和產量影響因素[4]，或將其與插值方法結合來研究最終采收率(EUR)與生產參數之間的相關性[5]；運用灰色關聯法(GRA)和線性回歸分析相結合的方法來研究產量主控因素[6]；使用BP神經網絡[7]、綜合人工神經網絡(ANN)、Sobol全局敏感性分析[8]、正交實驗[9]、模糊集合理論[10]和灰色關聯等方法建立產量預測和影響因素分析模型，研究其主控因素。

目前的研究方法存在考慮因素不全面、建立模型較復雜、分析結果不直觀等弊端。針對A83和X233這兩個頁巖油區塊，首先進行了大數據相關性分析，從地質參數、地質力學參數、工程參數、生產特征數據和高壓物性參數入手，明確產量主控因素；再結合相關性分析的結果，對兩區塊的5類參數作差異性研究；最后基于相關性分析和差異性研究提出針對性的改造措施。

1 產量主控因素分析

1.1 產量主控因素的參數選擇

大數據相關性分析選用了A83區塊和X233區塊2011年至2020年共197口井的241組數據，完成了106口井的動態儲量計算，34口井、79段的單井壓后綜合解釋，最終形成了337組大數據分析。

針對A83區塊和X233區塊，短期產量選取了近3個月和近6個月的產量數據作為對比，長期產量選取了24個月、36個月和累積產量作為對比。為了消除實際生產時油嘴的影響，考慮壓力和產量的共同作用，引入動態儲量更能綜合評估相關性和主控因素，同時為了消除水平段長度的影響，采用百米動態儲量進行對比研究更具科學性。

研究的參數包括5類:①地質參數主要以測井解釋數據為基礎，包括伽馬、聲波時差、自然電位、電阻率、泥質含量等巖性參數，以及孔隙度、滲透率、飽和度、儲層厚度等物性參數；②地質力學參數在單軸、三軸巖石力學實驗的基礎上，綜合運用偶極聲波測井資料、單井巖石力學動靜態參數校正，同時結合壓裂施工特征曲線和動靜態擬合方法，來建立包括楊氏模量、泊松比、各向應力在內的一維巖石力學剖面數據，同時還結合了壓后解釋的最小水平主應力、閉合壓力和脆性指數等參數；③工程參數包括井軌跡、鉆遇率、水平段長等鉆完井數據，以及排量、液量、砂量、分段分簇數等壓裂施工數據；④生產特征數據主要是含水率；⑤高壓物性參數包括飽和壓力、溶解氣油比和飽和壓力下地層油密度。

1.2 大數據相關性分析方法

基于大數據相關性分析方法研究，采用了皮爾遜積矩相關系數(PCC)和斯皮爾曼等級相關系數(SRC)來研究不同類型參數對產量的影響。

皮爾遜積矩相關系數(PCC)是一種統計學方法，可以定量地衡量變量之間的相關性。皮爾遜積矩相關系數的特點為線性變化不會影響其結果，所以對橫坐標或者縱坐標進行單位的變化不會改變r的值，這樣不同單位的數據其r值也具有可比性。皮爾遜積矩相關系數r的計算公式如下[11]：

(1)

式中：∑X—所有x點坐標的集合；∑Y—所有y點坐標集合;N—樣本點的總個數。

斯皮爾曼等級相關系數(SRC)用來估計兩個變量之間的相關性，其優勢是無需考慮變量的總體分布形態和樣本容量的大小，具有快捷、穩定的特點[12]。設(x1，x2，…，xn)、(y1，y2，…，yn)分別為來自總體X、Y的樣本，令R(xj)、R(yj)分別表示xj、yj在(x1，x2，…，xn)、(y1，y2，…，yn)中的秩，則X和Y的斯皮爾曼秩相關系數定義為[13]：

(2)

式中:dj=R(xj)-R(yj)，j=1，2，…，n。

當對樣本進行計算時，相關系數由r值決定，它反映了兩個變量線性相關的程度，r的值域范圍從-1到+1。相關系數的標準見表1。

表1 相關系數的標準[14]

1.3 產量主控因素確定

綜合以上方法，完成了A83區塊地質、工程、地質力學參數、生產特征數據和高壓物性參數大數據的相關性分析，分析結果見表2。分析結果中相關性較高的是：地質參數中的厚度、孔隙度、含油飽和度，地質力學參數中的最小水平主應力，生產特征數據中的含水率，高壓物性參數中的飽和壓力、溶解氣油比、飽和壓力下地層油密度。X233區塊的相關性分析與A83區塊總體差別不大，但其地質力學參數、生產特征數據和高壓物性參數的相關性更高，說明這三類參數對其產量的影響較A83區塊更明顯。

表2 A83區塊產量主控因素大數據相關性分析

2 A83區塊和X233區塊產量主控因素差異分析

從地質參數、工程參數、地質力學參數、生產特征數據和高壓物性參數五個方面，對比A83區塊和X233區塊產量主控因素，分析其產量差異性原因。

2.1 地質參數和工程參數差異分析

從物性參數對比圖中可以看出(圖2)，X233區塊和A83區塊的儲層厚度、孔隙度、滲透率和含油飽和度差別不大，兩個區塊的儲層物性基本相同，產量差異不受地質參數控制。

圖2 A83和X233區塊地質參數對比圖

A83和X233區塊采用相同的體積改造方式進行生產，排量、液量、砂比、簇數和段數等施工參數基本相同，所以差異性不大，在此不作研究。故A83和X233區塊產量的差異性跟地質參數和工程參數的關系不大。

2.2 地質力學參數差異分析

從地質力學參數對比圖中可以看出(圖3)，兩個區塊的脆性指數、水平應力和閉合壓力有一定差異。X233區塊的脆性指數優于A83區塊，體積改造更容易形成復雜裂縫網絡體系，具有更大的縫網支撐面積和改造體積，改造后產量更高。X233區塊的最小水平應力和閉合壓力小于A83區塊，其壓開儲層和形成有效縫網的難度更小。綜合評判X233區塊可壓性更好。

圖3 A83和X233區塊地質力學參數對比圖

X233區塊和A83區塊地質力學參數有一定的差異性，但二者脆性指數僅相差0.9，最小水平應力僅相差1.7 MPa，閉合壓力僅相差3.1 MPa，其差異性并不足以使兩個區塊的百米動態儲量相差兩倍以上。故還需對X233區塊和A83區塊的生產特征數據和高壓物性參數進行差異性分析，綜合研究兩區塊產量差異的原因。

2.3 生產特征數據和高壓物性參數差異分析

生產特征數據主要研究區塊含水率的變化，由圖4可以看出A83區塊的含水率明顯高于X233區塊，較高的含水率會使產油量下降。

圖4 A83和X233區塊含水率對比

高壓物性參數主要分析了飽和壓力、溶解氣油比和飽和壓力下地層油密度。根據表3可以發現，A83區塊飽和壓力和溶解氣油比下降明顯，致使地層能量不足，原油中輕質組分大量產出，造成原油密度增大和含水率上升，抑制了產油量。

表3 X233和A83區塊原油高壓物性對比

綜上所述，X233區塊的最小水平主應力較小，閉合壓力較小，脆性指數較高，所以可壓性更好，體積改造后裂縫網絡體系也更好。同時X233區塊的溶解氣油比更高，地層能量足，且含水率也較低，所以X233區塊的產量更高。故A83區塊的開發需要更加優化壓裂施工參數，同時開發過程中需注氣吞吐保持地層能量，抑制含水率的上升，從而提高產量。

3 結論

(1)X233區塊和A83區塊同為鄂爾多斯盆地頁巖油長7儲層，在相同的體積改造方式下，其產量差異較大，故對兩個區塊的差異進行皮爾遜和斯皮爾曼大數據相關性分析，明確影響產量的主要因素是地質力學參數中的可壓性、生產特征數據中的含水率和高壓物性參數中的溶解氣油比。

(2)X233區塊和A83區塊的地質情況和物性基本相似，開發方式基本相同，但X233區塊地質力學參數、生產特征數據、高壓物性參數明顯優于A83區塊，因此X233區塊的產量更高。

(3)建議A83區塊改造工藝采用壓驅一體化，在壓裂后采用注氣吞吐方式保持地層能量，防止輕質組分大量產出和含水率的迅速上升。

(4)該方法可用于長慶頁巖油區塊的產量差異性及產量主控因素分析，可推廣應用于非常規油氣的產量影響因素分析，具有一定的借鑒意義。