港西油田分级治砂技术研究

王文玲

摘要：大港油田港西开发区位于渤海湾含油气盆地黄骅坳陷中部，是典型的断块油气藏，地层埋藏浅，胶结疏松以及注聚、频繁作业等因素的共同影响，是造成油水井出砂严重的主要原因。本文从油水井治砂分类治理角度入手，从而建立港西油田分级治砂体系，具有一定的借鉴意义。

关键词：港西；分级治沙；技术研究

大港油田港西开发区位于渤海湾含油气盆地黄骅坳陷中部，是典型的断块油气藏，以上第三系明化、馆陶为主的次生油藏，油区内断层发育，构造被22条断层划分为6个区域32个自然断块[1]。

地层埋藏浅，胶结疏松以及注聚、频繁作业等因素的共同影响，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种有效计量手段，是建立分级治砂体系的有效保障。这里，我们定义了出砂速度这一概念，如下：

港西油田出砂临界压差模型借鉴了Mohr-Coulomb准则，采用数据库智能修正技术，最大程度上提高了预测的准确性问题。

出砂预测技术的关键在于 ，它是预测准确性的保障。 是一个一对多的数据集合，包括出砂速度、邻井同层对比数据等数据，通过三维模糊处理建立多对多数据节点，从根本上形成生产压差、修正值、出砂速度的对应关系，从而形成出砂预测技术。

采用Qulnlna提出的归纳学习算法，从一个训练例子集合中归纳出知识。抽取出的知识以决策树的形式表示。

这里，我们阐明一下算法所要解决的问题：

（1）一个目标类的集合。

（2）数据集S中，包含属于多个属性对象。

令T为某个属性的任意测试集，O1，O2，…，On。T将产生S的一个分割{ S1，S2，…，Sn }，其中，Si = {x|T（x）= Oi}。此分割如图1-1所示。

然后利用ID3算法进行再分析，将自定义数据与已有钻、测、录等抓取融合，最终得出修正值 。同时，充分利用Linux、PHP、Apache、MySQL以及ThinkPHP等信息处理技术，搭建了“稳、固、排、防”修井数据采集系统，实现了修井数据的信息一体化[33]，为技术人员的分析决策提供了有效的支撑（如图1-2所示）。

图1-2 修井数据采集系统架构

Fig.1-2 Well repair data acquisition system architecture

为了更有效的取得港西油田的出砂情况，我们对过去三年的数据进行了跟踪与分析。通过将室内试验数据与油水井作业历史数据的拟合，可以很明显的发现，出砂速度与检泵周期呈明显的正相关性，尤其是检泵周期<200天的井，平均出砂速度为0.8-1.0m/井筒·d（如图1-3所示）。

在对港西油田油井含水与出砂速度的分析上，未发现明显的相关性，这与油井高含水后提液存在有一定关系（如图1-4所示）。

在对出砂速度与油井产液量关系的统计中发现，产液量在10-20方时，油井的出砂最为严重，如图1-5所示。

通过对港西油田油井出砂情况及地层联通的统计对比发现，该区域油井出砂具有如下特征（如图1-6所示）：

（1）、NmI油组：采液强度≥1.0m³/m·d，NmI开始出砂，且二者成线性关系；

（2）、NmII2-NmII6油组：采液强度≥1.4m³/m·d（NmII2出砂起始采液强度），能量补充充足油井，采液强度≤7m³/m·d，可以维持生产；

（3）、NmII7-NmII9油组：采液强度≥1.7m³/m·d（NmII2出砂起始采液强度），能量补充充足油井，采液强度≤8m³/m·d，可以维持生产；

（4）、NmIII油组：采液强度≥2.2m³/m·d，能量补充充足油井，采液强度≤10m³/m·d，可以维持生产；

（5）、Ng油组：采液强度≥2.5m³/m·d，能量补充充足油井，采液强度≤30m³/m·d（NgIINgIII），可以维持生产。

结合港西油田现场生产数据，将港西油田出砂程度划分为五级等级，分类如表1-1所示。

通过B-P神经网络模糊评判机制，将治砂手段分为4级（如表1-2所示），采用因素权重评价指标，最大程度地将专家经验、成功案例应用于治砂工艺的选择，从而不断优化治砂手段以适应不断变化的生产实际需要（如表1-3所示）。

利用评价指标M，构建港西油田出砂状态与港西油田治砂手段的对应关系，在实践中积累经验，让计算机产生自我学习的能力，为分级治砂提供理论支撑。

参考文献：

[1]张琪.采油工程原理与设计[M].山东东营：石油大学出版社，2001.

[2]许同海.油井出砂引起的套管柱损坏机理研究[D].山东青岛：中国石油大学（华东），2005.

[3]李宾元.油层出砂机理研究[J].西南石油学院学报，1994，16（1）：23–27.