LogProp碎屑岩测井油气产能预测软件

章海宁，马修刚，杨林，孙佩，樊云峰，郭用梅

（中国石油集团测井有限公司，陕西 西安710077）

0 引 言

为满足油气生产对产能预测的迫切需要，许多学者开展了大量的研究工作，形成了一批有特色的产能预测方法，包括测试法、产能指数法、智能算法和压裂后产能预测方法等，配套开发了一些有特色的测井产能预测处理模块，取得了较好的应用效果。但是，这些测井产能预测软件均基于单一方法，适用于特定的地区和区块，软件的区域适用性限制了其推广应用。要大规模开展测井产能预测工作，必须推出一款集成化、适应性强的测井油气产能预测软件。本文对测井油气产能预测集成软件LogProp（Logging oil ＆gas Production prediction）进行总体设计，依托测井综合解释软件平台，优化集成3类7种测井产能预测方法，可满足不同区块、不同地质特点储层、不同资料信息获取情况下的产能预测工作的要求。

1 产能预测方法综述

产能是油气储层动态特征的一个综合指标，它是油气储层生产潜力和各种影响因素在互相制约过程中达到的某种动态平衡。影响产能的因素大致可分两大类。一类是储层因素，包括储层的岩性、物性、含油气性和流体性质；另一类是工程因素，包括表皮系数和油气半径等，其中表皮系数是一个综合参数，它是钻井、井下作业过程中对储层的污染，射孔的完善程度、酸化、压裂改造储层等因素的综合反映。

油气井产能预测方法主要可分为4类。第1类是在勘探阶段根据试井、钻杆地层测试（DST）、电缆地层测试资料，基于渗流力学理论通过分析测试储层获得的压力资料预测储层产能。第2类是综合指数类比法，这类方法根据试井、试油、测井等资料基于储层特性对产能的影响关系进行经验统计回归预测单井产能，或根据经验公式或产量下降曲线对油气井产能动态（IPR）进行历史拟合预测产能。第3类基于节点分析根据渗流力学油气井产能公式获得单井产能的解析解或半解析解。第4类在油气田开发阶段利用商业油藏模拟器进行油藏数值模拟得到区块内所有油气井的动态产能。在油气实际生产中，需要根据油气勘探开发的不同阶段、不同开发方式采用不同的产能预测方法。

测井资料主要反映地层的静态属性，采用较多的是产能指数法分析统计产能与地层渗透率、油气含量、孔隙结构、有效厚度等属性的关系，构建各种产能指数模型，利用测井资料计算产能指数。对渗流特性较好的储层，可基于地层测试资料通过节点法进行产能预测［1－4］。

2 测井油气产能预测软件集成化设计

测井产能预测方法存在差异性和区域性，主要表现在以下4个方面：①中国碎屑岩储层物性从中高孔隙度渗透率到特低渗透率均有分布，不同孔隙度、渗透率地层流体的流动特性存在差异，在产能预测中需要采用不同的方法和预测模型；②天然气具有黏度小、在地层中的流动能力强、压缩性强、流动过程中的状态变化大等特点，因此天然气产能预测方法必然与油层的产能预测方法存在差异；③对致密的碎屑岩储层，需要进行压裂改造才能获得工业产能，不同改造措施和参数均会对产能造成很大程度的影响，压裂后地层的产能预测必然不同于自然产能地层；④不同的油气勘探开发阶段，资料和信息的保有量存在明显差异，勘探阶段缺乏区域足够的开发资料进行建模，需要有直接的地层动态资料进行准确地产能预测，在有一定开发规模的区块，可以通过大量的试采资料获取产能信息、储层特性及油藏工程参数统计分析其关系，从而进行产能预测。测井产能预测工作的差异性和区域性表明，要开发出一种能推广应用的测井产能预测软件必须考虑针对各种应用目标，优化集成多种产能预测方法，满足各情况下的需求。测井产能预测在测井资料综合应用中只是其中的一个环节，单一的产能预测模块无法满足全流程工作需要。

为满足测井油气产能预测对软件方法适应性和功能全面性的要求，必须对测井油气产能预测软件进行统一设计，实现2个集成：产能预测方法的优化集成；各种功能模块有机集成，包括储层精细评价、产能预测、工程应用等，从而满足软件功能性和适应性要求。为了便于用户增加修改特色方法，软件必须提供方便的用户方法定制能力。

2．1 产能预测方法集成

针对测井产能预测不同的目标需求，LogProp软件对测井产能预测方法进行了科学分类，优化集成了静态产能预测、动态产能预测和智能产能预测3大方法和7个测井产能预测模块，满足不同目标需求的要求（见图1）。静态产能预测以测井储层精细评价为基础，根据储层孔隙度、渗透率、饱和度、孔隙结构等静态特性，对储层进行分类，通过构建产能指数建立储层静态特性与产能的联系，从而进行产能预测。静态产能预测包括中低渗透率储层产能预测、致密油层产能预测和致密气层产能预测模块。动态产能预测针对具有较好渗流能力的储层，通过地层测试方法准确获取地层压力和流体相渗透率，考虑井筒压降和摩阻，利用结点分析方法综合分析流入和流出特性，最终得到井口协调产能。智能产能预测方法，在已具有一定开发规模的区块，通过收集已开发井的产能与影响参数建立样本集，利用数学分析方法建立油气井产能与储层特性、储层改造工程等参数的预测模型，从而预测新井产能。该方法主控参数的选取、样本集的代表性、分析算法的泛化能力是产能预测结果准确性的关键。智能产能预测包括支持向量机、神经网络和模糊数学法产能预测模块。集成化的软件平台覆盖全流程。

图1 测井油气产能预测方法集成

2．2 产能预测功能集成

测井产能预测大体上可分成4个阶段：通过测井资料的处理解释进行测井储层精细评价，储层划分、油气水识别，获取储层静态特性；综合储层的各特征参数对储层进行分级；选取产能预测方法进行产能预测，并结合工程应用；产能动态跟踪及区域评价。图2是开展测井产能预测工作涉及到的不同环节及各环节对软件功能的要求。测井产能预测软件仅提供产能预测模块无法满足实际生产要求，需要

图2 产能预测全流程功能需求

测井油气产能预测软件依托测井综合解释软件平台［5］，采用典型的三层架构式设计。数据层与功能层用于实现灵活的数据存储、管理和通信、数据交互等服务，为产能预测应用层提供支撑（见图3）。

图3 测井油气产能预测软件集成框架

应用层覆盖整个产能预测流程，包括数据转换、预处理、储层评价、产能预测、工程应用及成果输出等6个部分。预处理部分包含深度校正、曲线拼接和斜井校正；储层评价包含孔隙结构分析、单孔隙度、泥质砂岩、黏土分析、复杂岩性、多组分分析等模块；产能预测包含静态产能预测、动态产能和智能产能预测方法；工程应用包含岩石力学参数计算、地应力分析、压裂高度预测和压裂效果分析。

软件采用集成化界面设计，用户可根据处理需要和个性化要求定制不同的布局，在一个集成化的界面下完成产能预测的各项工作，提高软件的可操作性和处理解释工作时效。

2．3 模块化用户方法定制

测井油气产能预测软件提供了丰富的开发接口，支持C／C＋＋和Fortran语言模块集成，用户可根据需求进行选择，方便地实现用户方法模块化定制。基于C／C＋＋开发接口可利用平台处理方法模块开发向导，快速生成方法模块模板，用户基于模板可快速将自己的核心处理方法移植到模板中的方法函数Method（）中，并根据自己的处理程序定义对应的输入曲线、输出曲线和处理参数，无需在操作和显示上进行任何开发，即可完成处理方法模块的挂接。

Fortran语言接口保持了与早期大量测井处理程序的兼容性，确保方法快速集成到软件平台。用户只需按集成要求配置4个文件，即Fortran编译的方法模块执行程序（＊．exe）、绘图模板（＊．ptt）、模块配置文件（＊．xml）和参数配置文件（＊．ini），最后在菜单配置文件（＊．xml）中对模块菜单进行配置

完成上述模块菜单配置后即可启动软件模块开始应用。

3 产能预测模块及优化

3．1 静态产能预测

静态产能预测包括中低渗透率产能预测、致密油产能预测和致密气产能预测3个模块。中低渗透率产能预测模块适用于中低渗透率的碎屑岩储层，致密油产能预测和致密气产能模块分别适用于致密砂岩油、致密砂岩气压后产能预测。该方法的核心是利用测井资料合理构建产能综合指数和产能预测模型。实际应用中较多采用的是以地层渗透率、孔隙结构参数、油气含量参数为核心构建多参数的产能指数模型［6－7］。

静态产能预测模块重点在软件的适应性和可操作性进行了改进和优化。

（1）静态产能预测模块为满足产能指数的多样性，提出了标准化程序框架、产能指数模型自定义化的实现思路，用户可方便修改定制产能指数模型，从而满足不同地区产能预测工作的要求。

（2）致密油的产能预测模块，由于压裂后储层的产能预测影响因素众多，特别是不同压裂改造措施对产能的影响很大，需立足于测井资料进行压后产能预测，在利用测井评价储层品质的同时，必须要考虑工程因素。为此，在致密油产能预测模块中，根据测井资料对储层进行分级，油田公司可根据不同的产能分级制定相应改造措施；产能预测时根据储层采取的改造措施选取对应的产能校正因子（见图4），结合产能校正因子确定产能。方法应用时需要以同一地区相同储层改造采用基本相同的措施参数（如排量、砂量等）为前提，同时需要大量的试采数据统计分析确定产能系数。

（3）静态产能预测对层位的选择过程进行了自动化和智能化改进，通过给出的预测起始和终止深度，软件自动选择符合产能预测标准的层位进行产能预测。同时对成果展示和提交进行了改进，实现一键导出产能预测成果表格。

3．2 智能算法产能预测

人工神经网络方法是智能产能预测中采用较多的方法，近年来引入支持向量机方法。与神经网络基于经验风险最小的策略不同，支持向量机采用了一种结构风险最小的原则，结构简单、泛化能力强［8－10］。

图4 长庆×××地区不同工程措施产能校正系数

智能算法产能预测的核心是主控因素的确定（输入层）、样本集的筛选和训练（隐层）。主控因素的分析可采用四步法：全样本、全参数敏感性分析；采用交会分析技术，逐类分析，初步优选每类参数中对产能级别影响最明显的一个参数；采用替换法定量确定每类中的最敏感参数，确定最优敏感参数组合；通过对比不同参数类型减少时样本的预测效果，确定最终的敏感参数组合。

软件考虑智能算法基于多样本数据分析的特点，以测井数据库为支持，可方便地从数据库中获取研究区域测井、试油、地质和录井等信息，完成样本集建立及训练分析，得到最优模型完成目标井产能预测。同时，成熟的分类标准、产能预测图版等研究成果可存入数据库，以便后期在产能预测时调用。在权限许可情况下，用户可通过网页方便查询已形成的研究成果，做到实时查询和调用。

3．3 动态产能预测

动态产能预测基于地层测试测量数据进行动态产能预测，适用于中、高孔隙度渗透率的碎屑岩地层。动态产能预测的核心是利用地层测试资料准确分析地层压力、渗透率、油气比重、气油比值、流度、体积系数（MDT的PVT取液测定）等油藏参数，结合油藏参数采用节点系统分析法预测单井各层的产量［11］。节点分析是将完整的油气井生产系统从油藏外缘边界到钻开的油层表层，从射孔炮眼、完井层段到油管入口，并且沿管柱向上地面油嘴和分离器所构成的整个油井生产系统按计算压力损失的公式或相关式分成段。油井稳定生产时，整个流动系统满足混合物的质量和能量守恒原理，其系统协调条件：每一过程衔接处的质量流量相等；前一过程剩余压力应该等于下一过程所需起点压力。通过井的流入动态特性和流出动态特性分析，利用二者之间的关系计算井口协调产能。

地层测试测量数据是以时间为标签的点测数据，同一深度点通常有多个测量数据，不同于静态产能预测的连续测井曲线；其次，动态产能预测方法首先要对同一深度的测井数据质量进行分析、筛选，需要对每个点测数据进行单独的处理分析。针对上述特点，软件开发了点测数据单点可视化分析处理功能，用户通过交互操作可实现流动压力的拾取和压力恢复斜率系数的计算等。

4 软件应用情况及效果分析

4．1 软件总体应用情况

LogProp软件已在鄂尔多斯盆地姬塬地区、苏里格南区、冀中饶阳凹陷、二连阿尔凹陷及准噶尔盆地莫116井区等区块进行应用。各个区块的具体应用情况见表1。产能预测符合率均达到70%以上，满足生产需要。

4．2 应用实例

（1）致密油压裂后产能预测。长庆罗×××井区江×××井长81地层发育一个砂体，砂体厚度较大，物性较好，集中射孔段2776．0～2782．0m，压裂参数为加砂量35m3，砂比35%，排量2．2m3／min，压开井段2772．0～2789．0m，有效厚度15．21m。从图5和表2产能预测成果表看，该砂体主要为Ⅰ类和Ⅱ类储层，Ⅰ类储层产量的贡献达到76．9%，Ⅱ类储层产量贡献率为23．1%，该砂体整体属于Ⅰ类储层，压裂方式为全陶粒压裂。应用LogProp软件致密油压后产能预测模块预测总产量为3．43t／d，考虑井网因素为注水开发区角井，该井预测产量为2．92t／d，实际投产产量2．65t／d，产量相差0．27t／d，产量预测结果与实际产量吻合。

表1 LogProp软件应用情况统计

图5 江×××井产能预测处理成果图

表2 江×××井产能预测成果表

（2）自然产能预测。宁×××井位于饶阳凹陷肃宁构造带北部地区，测井系列为三孔隙度＋阵列感应，基于物性分类自然产能定量评价模型进行自然产能处理评价。Es1段第83号层地层电阻率50．0Ω·m，电性较高，阵列感应为明显正差异，有效孔隙度为14．3%，物性好，LogProp软件自然产能预测模块判断为Ⅰ类储层，产能预测每米日产油量为6．1t。第83号层（3．0m）抽汲日产油17．83t（实际每米产油量5．94t），试油为油层。产能预测结果与试油结果吻合（见图6）。

图6 宁×××井产能预测成果图

（3）智能算法应用。图7为江×××井长81段储层分类与产能预测处理成果图。该井的射孔段为2795．5～2800．5m，在压裂打开的井段内共有1个油层、2个差油层。从储层分类的结果看，上下2个差油层为Ⅲ类储层，中间的油层为Ⅱ类储层。表3是各小层对产能的贡献率大小，其中，Ⅱ类储层的产能贡献率为93．36%，Ⅲ类储层对产能的贡献率为6．64%，产能的主要贡献来自于Ⅱ类储层。单井预测日产油量为1．21t，实际投产日产油量为1．28t，预测产油量与实际产油量吻合程度高，且同属Ⅱ类产能级别。

图7 江×××井长81段储层分类和产能预测处理成果图

表3 江×××井长81段产能预测处理结果统计表

（4）区域产能评价。以单井预测结果为基础，可综合分析产能级别在平面上的展布特征，为下步开发方案提供指导。图8为鄂尔多斯盆地姬嫄地区罗×××井区产能分布图，图8中分别给出了3类产能级别的分布区域，I类储层区域即为下步开发和部署有利区域。

利用该成果对后期的新井江×××－11井（图8中“☆”所示位置）的产能预测结果进行检验，从图8中该井所处区域可知，该井长8油层组产能较低，应为Ⅲ类储层。该井实际投产亦为Ⅲ类储层，产量为0．8d／t，与预测结果一致，表明平面预测的成果对于下步井位部署和规避大井组开发风险具有指导意义。

5 结 论

（1）LogProp是中国首套集成化测井产能预测软件，软件进行了整体设计，采用VC开发，具有系统性强、集成化高、可操作性好等特点。

（2）LogProp软件对测井产能预测方法进行了科学分类，集成了3类7种产能预测方法，并对方法进行了优化，适应不同地质和工程条件下地层的测井产能预测。

（3）LogProp碎屑岩测井油气产能预测软件实现了测井产能预测技术的有形化，在3个油田进行了初步应用，应用效果表明软件对不同储层有较好的适应能力，能够满足中国碎屑岩油气田油气勘探开发测井产能预测的要求，可以进行推广应用。

［1］毛志强，李进福．油气层产能预测方法及模型［J］．石油学报，2000，21（5）：58－61．

［2］孙建孟，运华云．测井产能预测方法与实例［J］．测井技术，2012，36（6）：628－634．

［3］秦开明，高乐．利用测井资料进行储层的产能评价［J］．国外测井技术，2001，16（4）：9－12．

［4］谭成仟，马娜蕊．储层油气产能的预测模型和方法应用［J］．天然气勘探与开发，2004，26（2）：42－45．

［5］余春昊，李长文．LEAD测井综合应用平台开发与应用［J］．测井技术，2005，29（5）：396－398．

［6］毛志强．储层产能和产液性质评价中的相对渗透率模型［J］．测井技术，1998，22（5）：311－314．

［7］时卓，石玉江．低渗透致密砂岩储层测井产能预测方法［J］．测井技术，2012，36（6）：641－646．

［8］张均，葛祥．神经网络技术在气田产能评价中的应用［J］．测井技术，2001，25（1）：53－56．

［9］许敏，赵芬霞．神经网络法在气井产能预测中的应用［J］．天然气工业，2000，20（3）：73－75．

［10］童凯军，单钰铭．支持向量回归机在气井产能预测中的应用［J］．新疆石油地质，2008，29（3）：381－284．

［11］袁云福，高楚桥．利用MDT和NMR资料确定储层产能预测参数［J］．江汉石油学院学报，2004，26（增刊）：68－69．