Table of Contents

Водные наводнения являются одним из наиболее широко применяемых методов вторичного восстановления в нефтегазовой промышленности, предназначенных для смещения остаточной нефти в сторону добывающих скважин путем поддержания давления в резервуарах. Хотя этот метод может значительно повысить конечные факторы восстановления, он вводит глубокую сложность в анализ кривой убывания - краеугольный инструмент для прогнозирования добычи, оценки оставшихся запасов и принятия экономических решений. Понимание взаимодействия между динамикой водного наводнения и прогнозами кривой убывания имеет важное значение для инженеров-резервистов, которые должны согласовать традиционные модели убывания с измененными режимами потока, которые сопровождают закачку воды. В этой статье рассматриваются теоретические основы, практические проблемы и передовые методологии, необходимые для создания надежных кривых убывания в водозатопленных резервуарах.

Основы анализа кривой упадка

Анализ кривой упадка (DCA) - это проверенный временем эмпирический метод, используемый для экстраполяции будущего производства из исторических данных о времени темпа. Метод предполагает, что при постоянных условиях эксплуатации скорость производства скважины будет следовать предсказуемой схеме снижения. Три классические модели - экспоненциальная, гиперболическая и гармоническая - образуют основу обычного DCA. Каждая модель определяется ее экспонентой упадка (b) и номинальной скоростью упадка (D), параметрами, которые соответствуют наблюдаемым историям производства.

Экспоненциальное снижение (b = 0) предполагает постоянное дробное снижение, что делает его пригодным для скважин, в которых преобладает несжимаемый поток или поток с преобладанием границ. Гиперболическое снижение (0 < b < 1) объясняет снижение скорости снижения с течением времени, которое часто соответствует раннему переходному поведению. Гармоническое снижение (b = 1) представляет собой ограничивающий случай, когда скорость снижения уменьшается пропорционально скорости. На практике гиперболические модели наиболее распространены, особенно для нетрадиционных резервуаров, но все три предполагают естественный, неоказанный механизм истощения.

Надежность ДЦА зависит от предположения о том, что механизм производства остается постоянным. Любое вмешательство, такое как наводнение, которое изменяет движущую силу резервуара или распределение жидкости, опровергает это предположение, что приводит к ошибкам прогноза, если их не устранить должным образом.

Как наводнение изменяет динамику водохранилища

Водные наводнения вводят воду в резервуар через специальные скважины для закачки, обычно в виде схемы (например, пятиточечного, линейного привода или периферийного), предназначенной для максимизации эффективности зачистки. Вводимая вода служит двум основным целям: она поставляет энергию для поддержания давления выше точки пузыря (предотвращая эволюцию раствора и поддерживая относительную проницаемость нефти), и она физически вытесняет нефть к производственным скважинам через вязкие и капиллярные силы.

По мере созревания наводнения нефтяной банк движется впереди наступающего водного фронта. Когда вводимая вода достигает производящего скважины — явление, известное как прорыв воды — образующийся поток жидкости переходит от почти 100% нефти к увеличивающейся фракции воды. Это сокращение воды (отношение воды к общей добыче) увеличивается с течением времени, часто после сигмоидальной кривой, описанной теорией дробного потока. Присутствие мобильной воды в поровой сети изменяет относительную проницаемость, уменьшает поток нефти в области вблизи скважины и изменяет эффективную сжимаемость — все факторы, которые резко меняют профиль снижения.

Влияние наводнений на поведение кривой упадка

Классическая кривая убывания естественно истощающегося водоема показывает монотонное снижение скорости нефти с пика.Под водным потопом эта картина заменяется многоступенчатой последовательностью, которую можно разделить на четыре отдельные фазы:

Фаза 1: Реакция на инъекции и стабилизация производства

Вскоре после начала инъекций давление в резервуаре стабилизируется или повышается, что часто приводит к тому, что цены на нефть выравниваются или даже временно повышаются. Этот «период реагирования» может длиться от нескольких месяцев до нескольких лет, в зависимости от интервала между скважинами, скорости инъекций и связности резервуара. На этом этапе обычные модели снижения, которые предполагают снижение ставок, дают неверные прогнозы, если их применять преждевременно.

Фаза 2: Досрочное производство в Нефтяном банке

По мере продвижения фронта наводнений, банк смещенной нефти накапливается перед водой. Показатели нефти остаются относительно неизменными или снижаются медленно. Эффективная относительная проницаемость нефти достигает максимума во время этого окна, и показатель снижения может казаться небольшим или отрицательным. Приведение гиперболической модели к этому сегменту дает оптимистичные прогнозы, которые терпят неудачу, когда происходит прорыв воды.

Фаза 3: Прорыв в воде и ранний подъем

Поступление закачиваемой воды на добывающую скважину вызывает резкое увеличение водосреза, часто с почти нулевого до 20-40% в течение короткого периода. Скорость нефти резко падает, поскольку вода начинает доминировать над общим потоком жидкости. Этот переход редко улавливается единой моделью непрерывного снижения; становятся необходимыми сегментированные или по частям подходы.

Фаза 4: Зрелое наводнение — ускоренное снижение

Помимо прорыва, сокращение воды продолжает расти, в конечном итоге достигая значений выше 90% во многих зрелых наводнениях. Снижение скорости нефти кружит, отражая как снижение относительной проницаемости нефти, так и уменьшение объема оставшейся мобильной нефти. Традиционные модели DCA, которые не включают сокращение воды или кумулятивный впрыск жидкости, систематически переоценивают оставшиеся запасы нефти к концу наводнения.

Проблемы применения классических моделей снижения к водозатопленным водохранилищам

Основная трудность заключается в том, что наводнение лишает законной силы предположение о постоянном водоснабжении, встроенное в классическую ДЦА. Экспонент снижения b становится зависящим от времени, а номинальный показатель снижения D изменяется в зависимости от скорости впрыска и сокращения воды. К числу ключевых проблем относятся:

  • Немонотонное поведение скорости: Начальное плато и возможное увеличение скорости нарушают монотонное предположение о снижении, встроенное во все стандартные модели.
  • Помехи от выреза воды: Скорость нефти больше не является функцией исключительно энергии резервуара; на нее сильно влияет доля воды в произведенном потоке, которая сама является функцией истории впрыска.
  • Изменяющиеся условия эксплуатации: Часто скорости впрыска корректируются с течением времени (например, для балансировки моделей или управления заменой пустоты), вводя дополнительную нестационарность в сигнал скорости масла.
  • Многослойные и гетерогенные эффекты: Наводнение усиливает контрасты проницаемости; слои с высокой проницаемостью испытывают ранний прорыв, в то время как зоны с низкой проницаемостью продолжают производить нефть, что приводит к композитным формам упадка, которые не захватываются одним экспонентом.
  • Поддержание давления: Поскольку давление в скважине поддерживается, давление в проточной скважине может оставаться почти постоянным, что еще больше отключает скорость нефти от истощения пластового давления.

Эти проблемы означают, что применение простой гиперболической или экспоненциальной модели к истории затопленной скважины может привести к ошибкам в расчетном конечном восстановлении (EUR) 30% или более, часто с оптимистической стороны в течение жизни в начале-середине и пессимистично настроены в сторону отказа.

Стратегии для улучшения прогнозов кривой убывания в водозатопленных водохранилищах

Для преодоления этих ограничений инженеры разработали несколько практических и теоретических расширений традиционного ДСА. Выбор метода зависит от наличия данных, сложности водохранилища и стадии зрелости водопоя.

Сегментированный анализ кривой упадка

Простейший подход — разделить историю производства на фазы, определяемые ключевыми событиями: предответ, плато, ранний прорыв и зрелый водный потоп. Каждый сегмент оснащён собственной моделью упадка, часто использующей гиперболические показатели, которые уменьшаются по мере увеличения водосреза. Этот метод уважает нестационарность процесса, не требуя сложной математики. Однако для выявления точек разрыва и может производить разрывы в прогнозах требуется субъективное суждение.

Модели кривой снижения воды (WCDC)

Несколько авторов предложили модели, которые явно связывают скорость нефти с кумулятивным производством воды или водоотведением. Распространенной формулировкой является кривая типа Watt-Bobson или Wattenbarger , где скорость масла выражается как функция кумулятивных производимых жидкостей. Нормализуя для отключения воды, эти модели расширяют применимость DCA к затопленным скважинам. Совсем недавно гибридная модель Arps-Stright включает зависящий от времени срок водоотведения в уравнение гиперболического снижения, что позволяет одно непрерывное соответствие в течение жизни наводнения.

Модели фракционного снижения потока

Поскольку наводнение регулируется теорией дробного потока, модели снижения, которые включают уравнение смещения Бакли-Леверетта, могут обеспечить альтернативу на основе физики. В этих моделях скорость нефти получена из производной кривой дробного потока по отношению к кумулятивному впрыску. В то время как более интенсивные данные (требующие относительных кривых проницаемости и объемов впрыска), они предлагают превосходную экстраполяцию, когда характеристика резервуара адекватна. Методы Йортсос и Эршаги являются примерами этого подхода, связывая снижение скорости с движением фронта насыщения воды.

Тип кривой, совпадающий с суперпозицией водяного потопа

Для более строгого анализа могут быть использованы методы суперпозиции, которые сочетают экспоненциальную модель снижения с функцией реагирования на водный потоп. Эти модели рассматривают инжекционные скважины как дополнительные источники энергии, влияние которых на производство задерживается константой времени, связанной с межлунным временем перемещения. Кривые типа Fetkovich , первоначально разработанные для естественно сломанных резервуаров, были адаптированы к водному потопу, включая второй параметр, который представляет отношение впрыскиваемой жидкости к производимой жидкости. Коммерческие пакеты программного обеспечения (например, Schlumberger OFM , IHS Harmony) предлагают модули, которые поддерживают эти гибридные модели.

Численное моделирование и сопоставление истории

В сложных резервуарах со значительной неоднородностью или множественными моделями впрыска численное моделирование резервуаров остается золотым стандартом. Модели моделирования могут соблюдать полную физику многофазного потока, изменения давления и пространственного размаха. Кривые упадка затем выводятся из смоделированных прогнозов скорости нефти. Однако для быстрого скрининга многие инженеры обращаются к прокси-моделям или , которые эмулируют результаты моделирования с использованием упрощенных математических форм, эффективно создавая промежуточную основу между полностью числовым и чисто эмпирическим DCA.

Тематическое исследование: влияние игнорирования последствий наводнения на оценки евро

Рассмотрим гипотетическое месторождение, разработанное с пятиточечным водным потопом. Раннее производство (первые 3 года) показывает экспоненциальное снижение на 10% в год. На 4 году начинается впрыск воды, и скорость нефти стабилизируется на уровне 500 баррелей в сутки в течение 18 месяцев до прорыва. После прорыва скорость нефти снижается на уровне 18% в год, поскольку сокращение воды повышается с 10% до 80% в течение 4 лет. Обычная гиперболическая модель, установленная на первые 3 года, прогнозирует оставшуюся историю добычи (включая плато и ускоренное после прорывного снижения), фактическая оставшаяся стоимость EUR составляет всего 850 000 баррелей - завышенная оценка 41%. Кроме того, гиперболическая модель прогнозирует производство продолжительностью 6 дополнительных лет, в то время как фактический хвост составляет всего 3,5 года из-за высокого сокращения воды. Этот пример подчеркивает критическую необходимость включить показатели наводнения в DCA.

Лучшие практики анализа кривой снижения в условиях затопления

Для обеспечения максимальной точности прогнозов и принятия оперативных решений практикующие специалисты должны принять следующие руководящие принципы:

  1. История производства сегмента по этапам сокращения воды. Используйте точки останова при 0%, прорыве, 50%, 80% и 95% сокращении воды. Подгоняйте каждый сегмент с соответствующей моделью, гарантируя, что показатель снижения уменьшается по мере увеличения сокращения воды.
  2. Включите данные о впрысках. Ставка масла в заготовке по сравнению с кумулятивной впрыскиваемой водой или кумулятивной чистой пустотой. Соотношение часто более линейное, чем скорость по сравнению со временем, что облегчает экстраполяцию.
  3. Проверить предположения с помощью анализа структуры. Сравнить производительность производителя с данными о смещении инжектора. Если изменения скорости масла коррелируют с корректировками скорости впрыска, модель суперпозиции оправдана.
  4. Используя вероятностное прогнозирование.] Поскольку поведение наводнений подвержено неопределенности в связности, относительной проницаемости и эффективности зачистки, моделирование параметров снижения Монте-Карло может обеспечить диапазон возможных результатов, а не одно детерминированное значение.
  5. Калибровка по аналогии с полевыми. Опубликованные тематические исследования из аналогичных типов резервуаров (песчаник, карбонат или мутидит) могут обеспечить ожидаемые диапазоны для эволюции сокращения воды и скорости снижения. SPE OnePetro База данных содержит тысячи примеров полевых исследований.
  6. Интегрировать баланс материала. Для зрелых наводнений простые расчеты баланса материала, которые учитывают кумулятивный впрыск и производство, могут ограничивать оставшуюся нефть на месте, снижая степень свободы в DCA.
  7. Переоценка по мере поступления новых данных.] Динамика водяного потопа не является статической; профили впрыска, переделки скважин и реконфигурации шаблонов изменяют характеристики снижения. Обновленный ежеквартальный прогноз на 12 или 24 месяца часто превосходит модель, построенную один раз и никогда не пересматриваемую.

Новые технологии и будущие направления

Появление машинного обучения и аналитики данных ввело новые возможности для прогнозирования кривой убывания в водозатопленных резервуарах. Нейронные сети, обученные на больших наборах данных истории производства и впрыска, могут захватывать нелинейные модели, которые упускают традиционные модели. Гибридные подходы, которые сочетают физические ограничения (например, уравнения дробного потока) с регрессией машинного обучения, показывают перспективы в снижении переобучения и улучшении экстраполяции. Кроме того, потоковая передача данных в реальном времени из интеллектуальных скважин позволяет адаптивное прогнозирование, которое может реагировать на события впрыска в течение нескольких часов - значительный шаг за пределы статического DCA.

Еще одной областью активных исследований является включение данных о насыщении замедленного действия с сейсмических или постоянных датчиков скважин 4D. Эти данные могут непосредственно измерять движение воды, подтверждая и обновляя параметры модели снижения, не полагаясь исключительно на данные о скорости. Поскольку эти технологии становятся более экономически эффективными, они, вероятно, станут стандартными входными данными для анализа кривой снижения в проектах по наводнению.

Заключение

Наводнение трансформирует поведение нефтяных скважин в условиях снижения, которое классические модели кривой снижения сами по себе не могут адекватно описать. Начальное плато, прорывное перегибание и ускоренное снижение при высоком водосборе вводят нестационарности, требующие сегментированных, физико-осведомленных или имитационных подходов. Признавая эти проблемы и применяя соответствующие методологии - от моделей снижения водосбора до сопоставления кривых типа и численного моделирования - инженеры могут значительно повысить точность оценок запасов и прогнозов добычи. В отрасли, где решения, стоящие миллионы долларов, зависят от прогнозируемых будущих ставок, инвестирование в надежный анализ кривой снижения для водосборных бассейнов - это не просто лучшая практика; это бизнес-необходимость.

Для дальнейшего чтения справочная библиотека SPE предлагает многочисленные статьи по анализу снижения уровня водного потопа, а портал нефтегазовых исследований Министерства энергетики США предоставляет тематические исследования и руководства по передовой практике для управления зрелым водным потопом.