賈德利，劉合，張吉群，龔斌，裴曉含，王全賓，楊清海

（1.中國石油勘探開發(fā)研究院，北京 100083；2.中國地質(zhì)大學(xué)（武漢）資源學(xué)院，武漢 430074）

0 引言

中國大多數(shù)油田為砂巖油田，為實現(xiàn)高產(chǎn)穩(wěn)產(chǎn)和提高采收率的目的，油田一般采用注水開發(fā)且成效顯著，中國水驅(qū)開發(fā)技術(shù)一直處于國際領(lǐng)先地位[1-3]。目前多數(shù)油田陸續(xù)進入了“雙高階段”，大慶、勝利等主力油田已進入特高含水階段，剩余油高度分散、油水關(guān)系極其復(fù)雜，穩(wěn)油控水難度大[4-6]。開發(fā)生產(chǎn)階段，一方面長井段開采導(dǎo)致縱向上層間動用差異大；另一方面由于老井套損以及套變嚴重，導(dǎo)致平面上難以構(gòu)成完善的注采井網(wǎng)[7-8]；此外，由于儲集層非均質(zhì)性強，長期注水沖刷后形成優(yōu)勢水流通道，注入水無效、低效循環(huán)。上述問題嚴重制約了開發(fā)效果，提高采收率幅度下降，增加可采儲量難度加大。因此，開展水驅(qū)油藏精細智能化分析研究對提高老油田采收率具有重要的工程意義。

筆者團隊近些年攻關(guān)井下永置式層段調(diào)節(jié)、層段計量和井筒雙向通信等核心技術(shù)，研制了分層注水實時監(jiān)測與自動控制系列工藝，實現(xiàn)了注水井分層壓力和流量的數(shù)字化實時監(jiān)測及油藏注水動態(tài)監(jiān)測的網(wǎng)絡(luò)信息化，推進分層注水工藝向數(shù)字化、自動化、集成化方向發(fā)展[9-11]，減少了單井層段劃分日益精細后的測調(diào)工作量，解決了人員和設(shè)備投入大幅度增加導(dǎo)致的生產(chǎn)成本成倍增長的矛盾。更重要的是該成果可為實施精細智能油藏分析提供必要的工程基礎(chǔ)和手段，本文結(jié)合分層注采監(jiān)測的數(shù)據(jù)更加精準地開展油藏建模、歷史擬合等分析，以降低對剩余油分布及注水效果預(yù)測的不確定性，達到進一步提高采收率的目的。

1 大數(shù)據(jù)應(yīng)用于油藏分析的特點

圖1 傳統(tǒng)注水方案優(yōu)化模擬流程

傳統(tǒng)注水優(yōu)化方法建立在數(shù)值模擬的基礎(chǔ)上，流程如圖 1所示，首先根據(jù)油藏動靜態(tài)數(shù)據(jù)建立地質(zhì)模型，對油藏進行數(shù)值模擬，即根據(jù)油藏工程師的經(jīng)驗進行人工歷史擬合，達到一定的擬合率后設(shè)計多套注水調(diào)整方案，再應(yīng)用油藏數(shù)值模擬對每套方案進行產(chǎn)量預(yù)測，最終優(yōu)選出一套較優(yōu)的方案。該工程方法周期長、依賴于油藏工程師經(jīng)驗且優(yōu)化方案有限，若融合大量動態(tài)注水生產(chǎn)數(shù)據(jù)將進一步增加數(shù)值模擬的計算量，此外在現(xiàn)有數(shù)?？蚣芟聼o法充分利用動態(tài)數(shù)據(jù)。

近幾年，大數(shù)據(jù)技術(shù)的發(fā)展為石油勘探與開發(fā)各技術(shù)環(huán)節(jié)的算法升級提供了新的啟發(fā)，并且已經(jīng)率先在提高測井與地震解釋質(zhì)量、采油工程功圖優(yōu)化、智能鉆井等領(lǐng)域?qū)崿F(xiàn)了富有成效的應(yīng)用。將人工智能算法應(yīng)用到油藏分析中，提高對油藏認識的精度，并據(jù)此提出更加高效的油藏工程實施方案成為新的研究目標。然而由于油藏作為測量、數(shù)據(jù)解釋及方案實施的目標，在大數(shù)據(jù)算法應(yīng)用上存在特殊的挑戰(zhàn)：①油藏解釋及觀測數(shù)據(jù)在時空分布上具有高度的不均勻性；②對油藏地質(zhì)特征及物性的認識存在高度的不確定性[12]；③油藏動態(tài)測量數(shù)據(jù)極度單一和稀缺，尤其缺少直接服務(wù)于決策的測量數(shù)據(jù)，比如隨時間變化的分層注水及產(chǎn)油/產(chǎn)水量。這些挑戰(zhàn)直接導(dǎo)致機器學(xué)習(xí)算法無法獲得足夠的、有效的訓(xùn)練樣本。

鑒于此，本文在傳統(tǒng)的數(shù)值模擬及優(yōu)化算法基礎(chǔ)上，結(jié)合分層注采實時監(jiān)測與自動控制工藝技術(shù)所監(jiān)測的“硬數(shù)據(jù)”，提出一種大數(shù)據(jù)驅(qū)動下的老油田精細注水優(yōu)化方法。首先利用數(shù)據(jù)同化算法對地質(zhì)模型進行自動歷史擬合，獲得精細分層注采“硬數(shù)據(jù)”約束下的油藏流體飽和度和壓力場的演化模型；然后在此基礎(chǔ)上通過機器學(xué)習(xí)算法量化和評價井組（層段）注水的效果指標，分析注水調(diào)整方向，最終形式多井分層的優(yōu)化注水方案。隨著動態(tài)數(shù)據(jù)的不斷增加和更新，本文的算法和流程能夠深化對油藏非均質(zhì)性及流動條帶的認識，從而降低剩余油分布及注水效果預(yù)測的不確定性，不斷優(yōu)化精細注水調(diào)整方案。

2 系統(tǒng)方案設(shè)計

大數(shù)據(jù)驅(qū)動下注水優(yōu)化模擬的整體流程與傳統(tǒng)注水優(yōu)化模擬流程一樣分為兩步，但每一步的實現(xiàn)均融入了大數(shù)據(jù)分析算法（見圖2）。第一步建立油藏預(yù)測模型時融入了數(shù)據(jù)同化算法，使得地質(zhì)模型參數(shù)場的校正可在持續(xù)的數(shù)據(jù)驅(qū)動下自動進行；第二步注水方案優(yōu)化與預(yù)測過程中運用機器學(xué)習(xí)算法來量化和評價多井分層注水效果、分析注水調(diào)整方向，最終通過大數(shù)據(jù)智能優(yōu)化算法求解最優(yōu)注水調(diào)整方案。

圖2 大數(shù)據(jù)驅(qū)動下注水優(yōu)化模擬流程

2.1 建立符合油藏地質(zhì)及動態(tài)特征的模擬模型

采集油藏的靜態(tài)數(shù)據(jù)及注采井層段累計流量、瞬時流量和壓力等實時“硬數(shù)據(jù)”，應(yīng)用地質(zhì)建模技術(shù)建立油藏構(gòu)造與靜態(tài)屬性模型。在地質(zhì)模型基礎(chǔ)上，借助數(shù)據(jù)同化算法，自動擬合出油藏數(shù)值模擬模型。本文采用集合卡爾曼濾波方法，根據(jù)生產(chǎn)動態(tài)數(shù)據(jù)對油藏模型進行調(diào)整和校正[13]。

傳統(tǒng)的卡爾曼濾波方法是一種基于最小二乘估計原理，結(jié)合貝葉斯理論的參數(shù)反演方法。集合卡爾曼濾波方法是卡爾曼濾波方法的一種蒙特卡羅實現(xiàn)形式。首先根據(jù)先驗信息產(chǎn)生一組初始模型（初始樣本集合），利用該組模型平行地進行模型預(yù)測，并根據(jù)預(yù)測結(jié)果與實際生產(chǎn)歷史之間的差異調(diào)整初始模型樣本集合，即計算兩者的誤差協(xié)方差矩陣。逐步更新數(shù)值模型不確定參數(shù)，從而減小預(yù)測值與觀測值之間的誤差，該方法在處理大規(guī)模問題上有著明顯的優(yōu)勢。

在擬合過程中，選擇可靠性較低且對模擬結(jié)果較敏感的各小層基質(zhì)孔隙度、滲透率、垂向滲透率與水平滲透率比值、初始油水界面毛管壓力值（影響初始油水分布）4類參數(shù)作為待調(diào)整變量進行調(diào)整，根據(jù)地質(zhì)背景和測井解釋分析確定各參數(shù)的調(diào)整范圍（見表1）。

表1 待擬合參數(shù)的取值范圍

使用集合卡爾曼濾波方法進行歷史擬合，設(shè)置20個實現(xiàn)，分4次進行數(shù)據(jù)同化。圖3為擬合過程中所有實現(xiàn)的計算含水率與實際油藏綜合含水率的對比曲線?？梢婋S著同化的進行，計算結(jié)果迅速向?qū)嶋H數(shù)據(jù)靠攏，最后收斂到真實生產(chǎn)數(shù)據(jù)附近。在模擬過程中第24年開始的預(yù)測階段各實現(xiàn)的表現(xiàn)與實際生產(chǎn)數(shù)據(jù)基本吻合，驗證了擬合的正確性。

圖3 擬合收斂過程

在擬合過程中，4類待調(diào)整參數(shù)也隨著擬合的進行快速收斂，某主力小層 4個參數(shù)隨數(shù)據(jù)同化次數(shù)的收斂情況如圖 4所示。對該油藏的地質(zhì)模型，孔隙度乘數(shù)、滲透率乘數(shù)、初始油水界面毛管壓力收斂較好，說明敏感性極高；滲透率比值收斂較差，表明該油藏由于隔層發(fā)育，縱向連通性差，流體的縱向流動比例較小，因此不敏感。

選擇擬合得到的最佳模型開展后續(xù)研究，該模型結(jié)果基本能夠反映油藏開發(fā)過程及滲流規(guī)律。

2.2 智能優(yōu)化注水方案

在擬合率達標的油藏數(shù)值模擬模型基礎(chǔ)上，通過調(diào)整單井或各層段配注量，對區(qū)塊的注采系統(tǒng)進行優(yōu)化，達到控水穩(wěn)油和減緩遞減的目的，具體的優(yōu)化目標包括提高區(qū)塊產(chǎn)油量和降低區(qū)塊含水率。該方法解決了人工僅能制定有限套方案進行優(yōu)選的問題，方案優(yōu)化分為6步。

圖4 待調(diào)整參數(shù)的收斂過程

2.2.1 識別注采井間分層流動關(guān)系

在上一步自動歷史擬合得到的地質(zhì)模型基礎(chǔ)上，根據(jù)分層注采流動關(guān)系自動識別方法[14]，計算區(qū)塊歷年分層注采井間的流動關(guān)系。該方法應(yīng)用儲集層物性、單砂體的展布與形態(tài)、斷層形態(tài)與封閉性、生產(chǎn)動態(tài)資料、吸水產(chǎn)液剖面、油水井射孔及措施層位、油水井相對位置、示蹤劑監(jiān)測等資料進行自動識別，識別原則如下：①同一砂體中合適的井距井網(wǎng)下注采井間具有連通流動關(guān)系；②分布在不同砂體中的注采井不連通；③泥巖區(qū)的注水井或采油井不連通；④有封閉斷層或泥巖區(qū)遮擋的注采井不連通；⑤砂體形態(tài)造成注采井間流動路徑過長，則注采井間不流動或弱流動；⑥合適條件下注入水可以繞開遮擋物流動；⑦處于同一方向的二線油井難以受效；⑧油井可以多向受效；⑨合適的角度和井距條件下，一口注水井可以有多口油井受效；⑩注采井在某層不是同時為射開狀態(tài)時不流動；?流線不能交叉。

2.2.2 量化井組注水效果指標

在識別分層注采流動關(guān)系的基礎(chǔ)上，根據(jù)多層多向產(chǎn)量劈分技術(shù)[15]計算采油井分層分方向的產(chǎn)液量與產(chǎn)油量。該方法力求“用全和用準”老油田積累的各類生產(chǎn)資料，充分考慮井網(wǎng)分布特征、儲集層靜態(tài)物性、補孔改層措施、壓裂措施、注采動態(tài)、吸水剖面、水淹層測井、壓力恢復(fù)/降落、注采反應(yīng)和壓力分布等多種因素，結(jié)合分層注采井間的流動關(guān)系計算結(jié)果，應(yīng)用滲流力學(xué)理論、油藏工程方法和油藏生產(chǎn)數(shù)據(jù)，對注水井的注水量和采油井的產(chǎn)液量及含水率進行分層分方向的劈分。

根據(jù)產(chǎn)量劈分結(jié)果，以注水井為中心分 3個級別量化注水效果。注水效果指標包括注水井周圍的受效油井數(shù)、注水井驅(qū)出的液量和油量、注采比、耗水率、存水率、水驅(qū)指數(shù)、瞬時注水量和累計注水量等，還包括累計沖刷時間、注水強度等指標[16]。3級注水效果指標分別為：①注水井組全井注水效果指標，即以注水井全井為中心的注水效果指標；②注水井組層段注水效果指標，即以注水井的一個注水層段為中心的注水效果指標；③注水井組單層注水效果指標，即以注水井一個單層為中心的注水效果指標。以注水井組3個級別的耗水率為例，說明注水效果指標的計算方法。

2.2.3 評價注水效果

應(yīng)用機器學(xué)習(xí)的聚類算法對每個注水井組的所有注水效果指標進行聚類，分成好（大）、較好（較大）、中、較差（較?。?、差（小）5類。如所有井組的耗水率分為好、較好、中、較差、差 5類；所有井組的注水強度分為大、較大、中、較小、小 5類，本文采用K-means算法對各種指標進行聚類。

2.2.4 定性分析注水調(diào)整方向

根據(jù)注水井組多個注水效果指標的評價結(jié)果，應(yīng)用機器學(xué)習(xí)的聚類算法，實現(xiàn)注水井組中增注、減注、維持注水量的判斷，構(gòu)建定性分析注水調(diào)整方向的決策樹（見圖5）。

2.2.5 優(yōu)化注水方案

本文多目標優(yōu)化采用多目標粒子群優(yōu)化算法。粒子群優(yōu)化算法[16]是Kennedy和Eberhart通過模擬鳥群覓食過程中的遷徙和群聚行為而提出的一種基于群體智能的全局隨機搜索算法。粒子群優(yōu)化算法初始化為一群隨機粒子（隨機解），通過迭代找到最優(yōu)解。在每一次迭代中，粒子通過跟蹤兩個極值以進行更新：粒子本身所找到的最優(yōu)解，稱為個體極值；整個種群目前找到的最優(yōu)解，稱為全局極值。經(jīng)過多目標粒子群優(yōu)化算法優(yōu)化后，將得到一組非劣解粒子，作為“精英集”；通過小生境技術(shù)計算“精英集”中非劣解粒子的適應(yīng)度值，聚集程度越大的粒子適應(yīng)度越小，最終選取適應(yīng)度最大的粒子作為最優(yōu)解。

在確定區(qū)塊總注入量、井組注水調(diào)整方向和配注量調(diào)整范圍的基礎(chǔ)上，針對兩個優(yōu)化目標，應(yīng)用粒子群優(yōu)化算法和小生境算法，對配注量進行優(yōu)化，即依據(jù)產(chǎn)油量、含水率等指標定量優(yōu)化增注井組（或井組層段）增注量和減注井組減注量。

圖5 決策樹算法示例圖（效果指標包括好、較好、中、較差和差；注水調(diào)整方向包括增注、維持注水量和減注）

2.2.6 預(yù)測產(chǎn)量

根據(jù)優(yōu)化的配注方案，應(yīng)用擬合好的油藏數(shù)值模擬模型預(yù)測區(qū)塊的產(chǎn)油量和含水率等指標。

3 工程案例分析

以中國東部某復(fù)雜斷塊油藏為例，該區(qū)塊含油面積2.93 km2，地質(zhì)儲量1.655×107t，共有42個小層，區(qū)塊整體構(gòu)造為兩條北東走向的正斷層夾持的地壘式長軸背斜，內(nèi)部構(gòu)造為兩邊高，中間低的地塹；儲集層巖性以細砂巖、粉砂巖為主，巖性變化大，砂泥巖互層特征明顯；物性屬中孔中滲。區(qū)塊開發(fā)分為 4個階段，分別為：①產(chǎn)能建設(shè)、全面投產(chǎn)階段；②細分開發(fā)層系、井網(wǎng)加密調(diào)整階段；③合注合采、局部加密、含水率上升、產(chǎn)量遞減階段；④控水穩(wěn)油階段。目前區(qū)塊井總數(shù)237口，其中油井開井數(shù)102口，水井開井數(shù)60口，區(qū)塊綜合含水率89.12%。根據(jù)地質(zhì)情況和測井數(shù)據(jù)建立的研究區(qū)油藏地質(zhì)模型共42個網(wǎng)格層、143 000個有效網(wǎng)格（見圖 6）。通過自動歷史擬合，獲得了區(qū)塊不同時期的含油飽和度分布（見圖7）。該區(qū)塊單井含水擬合率達到85%以上，圖8所示為其中兩口油井的計算含水率與實際含水率數(shù)據(jù)對比?；跀M合后的油藏地質(zhì)模型，利用分層注采井間流動關(guān)系自動識別技術(shù)，計算歷年各小層的注采流動關(guān)系（見圖9）。

圖6 示例區(qū)塊地質(zhì)模型

圖7 示例區(qū)塊某小層含油飽和度變化

在分層注采流動關(guān)系計算的基礎(chǔ)上，根據(jù)多層多向產(chǎn)量劈分方法，計算每個注水井組的含水率、耗水率、產(chǎn)油量、產(chǎn)液量、注采比和動用油層總厚度等多項注水效果評價指標，圖 10為所有注水井組采油井的含水率、產(chǎn)油量和耗水率指標對比圖。應(yīng)用機器學(xué)習(xí)的聚類算法，把所有注水井組的各注水效果指標聚成 5類（好、較好、中、較差、差），圖11為所有注水井組耗水率、注采比、含水率和產(chǎn)油量聚類結(jié)果。根據(jù)注水效果評價結(jié)果，應(yīng)用決策樹算法，把所有注水井組評定為增注、維持、減注3類，結(jié)果如圖12所示，其中187井是減注井、73井是維持井、95井是增注井。

圖8 兩口單井實際含水率與計算含水率對比曲線

應(yīng)用粒子群優(yōu)化算法和小生境算法，對增注井和減注井的配注量進行優(yōu)化，達到區(qū)塊累計產(chǎn)油量較大、含水率較低的目標，示例區(qū)塊優(yōu)化后12個月內(nèi)累計產(chǎn)油量比未優(yōu)化時相對增加8.2%，配注量優(yōu)化結(jié)果如表2所示。

根據(jù)優(yōu)化的注水井組配注量，在12個月內(nèi)不實施任何措施條件下，預(yù)測了區(qū)塊的含水率與月產(chǎn)油量；同時預(yù)測了未進行注水優(yōu)化時區(qū)塊在未來12個月內(nèi)的含水率與月產(chǎn)油量（見圖13）。進行注水優(yōu)化后區(qū)塊在第12個月的綜合含水率比未進行注水優(yōu)化時區(qū)塊綜合含水率降低了1.11%，月產(chǎn)油量增加了1 138.2 t。

圖9 示例區(qū)塊目前注采井間分層流動關(guān)系

圖10 示例區(qū)塊采油井指標對比

圖11 注水效果定性評價結(jié)果

圖12 注水調(diào)整方向分析結(jié)果

表2 定量優(yōu)化配注量表

圖13 示例區(qū)塊含水率與產(chǎn)油量曲線

4 結(jié)論

針對水驅(qū)老油田分層注水的迫切需求，提出了大數(shù)據(jù)驅(qū)動下的精細注水方案優(yōu)化方法：在動態(tài)生產(chǎn)數(shù)據(jù)的約束下，通過數(shù)據(jù)同化算法實現(xiàn)了地質(zhì)模型參數(shù)的自動擬合；通過機器學(xué)習(xí)算法量化和評價多井分層的注水效果、分析注水調(diào)整方向；最終通過智能優(yōu)化算法求解最優(yōu)注水調(diào)整方案。與傳統(tǒng)方法相比，該方法和流程充分利用了數(shù)據(jù)驅(qū)動和機器學(xué)習(xí)算法的自動化、智能化優(yōu)勢，數(shù)據(jù)模擬的擬合率可達到 85%，示例區(qū)塊優(yōu)化后12個月內(nèi)的累計產(chǎn)油量與未優(yōu)化時相比增加8.2%，將原來耗時耗力并無法保證效果的油藏歷史擬合和注水方案優(yōu)化工作通過機器學(xué)習(xí)算法高效完成，能夠精準指導(dǎo)老油田精細注水方案的設(shè)計和實施。

隨著第四代分層注水工藝技術(shù)的不斷發(fā)展，井下永置式層段調(diào)節(jié)、層段計量和井筒雙向通信等核心技術(shù)取得突破，獲取了豐富的生產(chǎn)數(shù)據(jù)。在此基礎(chǔ)上，結(jié)合大數(shù)據(jù)驅(qū)動下的老油田精細注水優(yōu)化算法，可實現(xiàn)以注水方案設(shè)計、智能優(yōu)化和同步調(diào)整為特色的油藏和采油工程一體化。

符號注釋：

Bg——天然氣體積系數(shù)；Bo——原油體積系數(shù)；k——油井序號；No——有流動關(guān)系的油井總數(shù)；ρ——原油密度，t/m3；Qg,T,k——注水井全井/某層段/某小層驅(qū)出的第k口油井相應(yīng)層位的累計溶解氣量，m3；Qo,T,k——注水井全井/某層段/某小層驅(qū)出的第k口油井相應(yīng)層位的累計產(chǎn)油量，t；W——累計注水量，m3；WCR——耗水率。下標：T——表示3個級別，全井、層段或小層。