基于OFM软件功能提升油田动态分析水平

李竞，皮建，陈翰，蒋百召，郭胜

(1. 海洋石油高效开发国家重点实验室，北京 100028；2. 中海油研究总院有限责任公司，北京 100028；3. 中国海洋石油国际有限公司，北京 100028)

单井动态数据库是现代油田数字化建设的基础，数据的准确性不仅直接影响油藏跟踪人员的动态分析判断，也意味着对历史数据拟合是否有意义，进而间接影响到产量预测的水平和精度。规模较大、井数较多的大型、在生产油田的动态数据是海量的，且在不断增加，需要保证数据调用统计过程的稳定性和准确性。挪威大陆架石油公司(Norwegian Continental Shelf)从License2Share(L2S)数据平台自动下载不同作业公司提供的不同文件格式(Microsoft Access， Excel以及文本格式mdb或accdb，txt和xlsx)的日度、月度产量数据，集成后统一在一个数据平台，提供给科研人员用于质量控制[1]。在中海油国内成熟运营的油田中，有专人进行动态数据的录入和运维，科研人员通过网页版的信息系统，以及单机版的数据平台软件，实时查看最新的单井生产曲线。而对于笔者从事的中海油中东M油田项目，目前使用的是Microsoft Access数据文件，每月例行进行质量控制和更新动态数据。

本文从实例出发展示该项目组目前实现的一些标准化、数字化和程序化的功能流程和技术细节，以期达到抛砖引玉，共享和提高的目的。

1 整体工作流程

该油田群2019年4月在产、在注井150余口，其中自喷采油井40余口，潜油电泵井90余口，注水井10余口。目前现场生产井单井产量的劈分计算由国际雇员完成，每月5日左右与该石油公司开会最终确认，生产井单井的不定期计量产量数据每日更新，注水井相关数据定时更新，三类数据都为Microsoft Excel格式的文件，存放在共享服务器中，项目组人员可实时下载更新Access数据文件，需要注意新增的投产、投注井的井位靶点坐标、生产层位、隶属的脱气站，自喷井的核实、计量日产油、液量，含水率、油嘴直径、井口压力、回压、气油比等。对电泵井主要是录入泵吸入口压力、温度，对注水井主要是录入注水量和井口压力，录入过程中需要注意对数据进行质量控制，完成后用OFM软件检查数据的合理性。

在确认数据可靠后，可用OFM软件快速统计月报通报所需的基础数据，可灵活按单井、脱气站隶属的多井、油藏、油田级别灵活组合动态数据，如月均日产油能力的加和，井口油压的平均值，含水率的计算以及年度产油量、从投产日期算起的总产油量的累加等；通过生产曲线模板可绘制动态分析所需的单井、井组、任意级别灵活组合的生产曲线，包括日产油、日产液、含水率、单井泵吸入口压力、井口油压、泵频、油嘴直径、气油比，多井以及开井数等，任意组合的产量构成图，生产现状泡泡图——用单井液量控制泡泡半径，用含水率给出不同井的油水颜色比例。通过OFM软件自带的Arps递减分析模块，可以实现单井、任意多井组合的产量递减回归与预测，此外，还可生成Eclipse油藏数值模拟器历史拟合前处理所需要的VOL数据文件，从而为生成前处理Schedule文件提供历史数据，或直接将OFM软件工区文件导入Petrel RE，为生成开发策略文件提供基础数据。该项目组动态数据库更新如图1所示。

图1 油田动态数据库更新示意

2 油井月报与动态分析图的生成及数据输出

月报通报是该油田项目组多年来的例行工作，需要进行单井统计，起初存在统计数据易出错，部分成员采用单井复制粘贴，效率较低，且未能明确出错的原因。

通过软件培训和工作中的总结，逐渐掌握了OFM软件的计算变量、计算字段等功能。应用发现计算变量、字段多层嵌套供同一个报表调用，容易出现统计错误，为避免设置过多的彼此嵌套的计算变量和字段，先将每月的原始日度动态数据表转化为月度动态数据并更新Access数据文件，再生成月度动态数据表，在该表基础上设置月报通报表中所需的计算变量和字段，包括月均日产油能力、月均日产液能力、月均日产油水平、月均日产液水平、月度开井时率、年度产油量、月均含水率等，由于数据表统一为月度动态数据表，多井数据导出再未出现统计错误。使用时，可以一键生成月报表，提高了效率。

综合生产曲线是单井、井组动态跟踪的必要图形，通过调用OFM软件相关变量，实现了单井的生产曲线绘制，参数包括泵吸入口压力、井口油压、泵频、油嘴直径、含水率、日产油、液量，气油比等，且通过软件的筛选、组合功能，可灵活快速组合井组、油藏级别的多井数据。新井、老井产量构成图是分析老井自然、综合递减，新井新建产能的重要图件，同样利用软件可轻松实现筛选、组合、平面框选井组，按投产日期筛选井的功能。

油井生产现状泡泡图如图2所示。

通过油井生产现状泡泡图，可以直观了解油井液量、油量以及含水率的相对大小，泡泡的直径定量表示日产液量，泡泡中的黑色、灰色部分的比例大小分别定量表示含水率和含油率。每口井的油、水比例源自设置的月均日产油、月均日产水水平，左下角的图框表示新建的月均日产油、日产液量的计算变量，右上角的图框是月均日产油变量的具体定义函数。由于整个图件是与日期相关连的，因此图2可以动态显示油田生产井的产量变化情况。

图2 油井生产状态泡泡图示意

3 数据整合

月报与动态分析图标中使用到的输入变量、计算变量和计算字段如下。

1)日度输入变量。井号、地下靶点坐标、隶属脱气站、开发层位、井别等，统一存放在HeaderID表和静态分类表SortCategory里；油井日度劈分动态数据，统一存放在DailyProd_All表格中，包括日期，井号，日产油、液量，生产小时，油嘴直径，井口油压，井口回压，泵频等；油井日度计量动态数据，统一存放在DailyProd_Test表格中，包括日期，井号，计量日产油，日产液，日产水，电泵频率，电泵吸入口压力，井口油压等；注水井日度注水动态数据，统一存放在Daily-Inject_Test表格中，包括水嘴直径、注水量、井口压力等。

2)月度输入变量。油井月度劈分动态数据： 统一存在MonthlyData表格中，包括月生产小时、天数，月日历天数，月产液、油、水，月平均井口油压和油嘴直径等。

3)计算变量。计算变量包括如下：

投产日期cv.Date_of_First_Oil=@CFirst(date，Dailyprod_all.Dailyliquild_res > 0 | Dailyprod_all.Dailyoil_res > 0)；

月均日产油能力： Monthlydata.PDOil=Monthlydata.Oil_confirm/Monthlydata.PDHours * 24；

月均日产油水平： Monthlydata.CDOil=Monthlydata.Oil_confirm/@Dom(Date)；

月均日产液能力： Monthlydata.PDLiquid=Monthlydata.Liquid_confirm/Monthlydata.PDHours * 24；

月均日产液水平： Monthlydata.CDLiquid=Monthlydata.Liquid_confirm/@Dom(Date)；

当年累产油量： YearlyCumOil=@ClrTSum(Monthlydata.Oil_confirm，@Change(@Year(Date)))；

当年累计生产天数： YearlyActDay=@ClrTSum(Monthlydata.Activeday，@Change(@Year(Date)))；

累产油量_1： CumOil=@Tsum(Monthlydata.Oil_confirm)；

累产油量_2： RCumOil=@Rsum(Monthlydata.Oil_confirm)；

月均含水率： MonthlyData.Watercut=Monthlydata.Water_confirm/Monthlydata.Liquild_confirm*100。

4)计算字段主要有生产时率和生产天数：

生产时率(Monthlydata.Timefactor=Monthlydata.PDHours/CDHours * 100)；

生产天数(Monthlydata.ActiveDay=Monthlydata.PDHours/24)。

4 产量递减短期预测

动态数据库更新的主要目的是及时跟踪单井产量变化情况，发现潜在的生产问题，制定单井、井组级别的措施，制定宏观的油田开发政策。通过OFM软件的Arps递减分析模块，可以对单井进行Arps产量递减回归，求出递减率、可采储量并进行预测。同一个案例下的单井回归、预测结果变量可以保存在同一计算变量中，由此可及时进行下个月的短期产量预测。

该模板新增的输入变量、计算变量和字段如下：

1)Rate_Difference=DCATrack.Oil.Rate — MonthlyData.CDOil;

2)Relative_Rate_Difference=(DCATrack.Oil.Rate — MonthlyData.CDOil)/MonthlyData.CDOil;

3)Diagnostic=@IfStr(Relative_Rate_Difference <=-0.15，"very low"， @IfStr(Relative_Rate_Difference <=-0.02，"low"，@IfStr(Relative_Rate_Difference <0.02，"Expected"，@IfStr(Relative_Rate_Difference <0.15，"high"，"very high"))))。

通过对该油田13口自喷井，基于截至2019年1月的递减回归分析，完成了2019年2月月均日产油能力预测结果与2月实际的月均日产油能力的对比。其中每口井的历史数据均用指数函数回归。在每月新增数据更新后，可首先评价上月的预测，然后调整递减回归的相关参数，从而达到不断提高短期产量预测的精度。需要指出的是，每口井基于最新数据，完成回归并保存，下个月数据更新后，该表即可一键生成，有效提高了工作效率，同时将更多的时间用于分析和措施制定。

5 结束语

本文通过介绍该油田项目组使用OFM软件调用Access动态数据库进行例行月报统计、动态分析图表制作，以及产量递减分析的实例，分享了项目组原始动态数据录入库体的基本流程，以及通过逐步挖掘完善的OFM工区，在保证数据统计正确性的前提下，不断提高工作效率，节省时间用于分析工作，在标准化和程序化的数字油田方向指引下，在推动生产油田动态数据库建设上起到了良好的促进作用。