相似油田定量筛选的方法及应用

凡玉梅，赵庆飞，张英利

（1.中国石化石油勘探开发研究院，北京100083；2.中国石油国际勘探开发有限公司，北京100083）

随着勘探开发深入，新发现储量或者保有剩余储量的品位越来越差，开发难度越来越大，如何快速评价筛选相对有潜力的区块，为下步开展动用可行性精细评价是一项意义重大的工作。类比法作为初步快速筛选，在现场应用广泛。研究人员根据经验法选择不同类比参数，导致类比的结果多样化；在筛选相似油田时，油田相似度计算仅仅考虑参数数值，忽略了参数的地质意义，导致筛选结果与研究油田差异大，类比结果可靠性差。

近年来，在油气田开发中有关于类比法定量模型的研究，重点介绍了相似度定量类比方法，运用油田开发相似准则，比如常用的储量相似准则、采收率相似准则、采油速度相似准则以及产量相似准则等[1]，计算类比对象相似度，根据计算相似度推演类比对象的相似特征，得出新对象的类比结论。该研究提供了一种类比法的定量模型，但计算相似度采用的油藏微观参数具体且难以收集，针对未开发油田或者开发初期油田，难以应用该研究进行快速有效的筛选相似油气田。

针对这些问题，该文应用灰关联方法和地质因素分析方法，采用常规的储层、流体参数，定量确定权重，引入参数阈值使筛选的相似油气田更加符合被类比对象的物理意义，使类比研究的客观基础更加科学合理。

1 多元多系统定量类比方法

根据相似原理，如果2个渗流系统满足油藏地质特征相似、油藏流体相似、开发方式相似，则它们满足相似关系，可以进行类比研究[2]。在勘探开发中，为了类比结果的可靠性，需要尽可能地确认对象间的相同点，相同点越多，二者的关联度就会越大，结论就可能越可靠[1]。多元多系统定量类比方法是针对孔隙性油藏，基于灰色关联理论和相似性理论，综合应用统计方法、地质因素分析方法、类比方法[3]，完善了多元多系统定量类比分析方法。方法应用的关键是基准参数定量筛选和样本油田的定量筛选。

采收率是表征油藏开发效果的关键指标[4]，影响采收率的主要因素为地质特征、油田开发和采油技术。针对未开发油藏或处于开发初期油藏，影响采收率的因素主要是油藏地质特征，如油层物性参数、原油物性参数、地层条件等[5]。因此，通过筛选一组相似度高、开发时间长的油田作为样本油田，统计分析这些样本油田的开发技术政策，如开发层系划分、布井方式和井网密度、地层压力保持方式及保持程度、开采工艺工程技术等，从而指导被类比油气田开展提高采收率研究。

研究采用灰关联方法，设定类比目标为采收率，类比参数包括油藏储层、流体参数、地层参数等，研究技术流程见图1。

图1 多元多系统定量类比方法流程Fig.1 Flow of quantitative analogy method for multiple systems

1.1 基准参数定量筛选方法

通过单一因素分析法和多因素定量分析法定量确定类比基准参数[6]，减小因单一因素造成的片面性以及因经验取值的主观性造成的类比偏差。

1.1.1 单一因素初步筛选

影响油田采收率的地质因素为圈闭类型、储集层性质、流体驱动类型、原油性质等[7]，采用二维关系图分析采收率和地质参数的相关性。如果曲线反映出两因素变化的态势基本一致或相反，则它们之间具有一定的相关性，以此初步确定相关性地质参数。根据相关研究成果[4]，不同圈闭类型油藏采收率存在明显差异，构造油藏相对最高，其次为断块油藏、岩性油藏，岩溶缝洞块状油藏采收率最低。针对碎屑岩储集层，含砾砂岩采收率相对最高，粉砂岩相对最低；储层渗透率越高，采收率越大，呈明显的正相关性。流体驱动类型以水驱类型采收率最好，溶解气驱最差。原油黏度对采收率影响重大，呈现较明显的负相关性[8]。

1.1.2 灰关联方法定量筛选类比基准参数

为定量描述地质参数对采收率的敏感程度，引入灰关联理论[9]，用关联度来描述各参数间关系的强弱、大小和次序，灰关联度越大，说明该比较数列与参考数列的变化趋势越一致，或对参考数列的影响程度越大，反之影响程度也较小[10]。为了便于类比分析，删除权重较小的参数，重新确定关联度，最终确定基准类比参数[11]。

1.2 油田相似度计算方法

根据确定的基准类比参数及权重，计算油田的相似度。在进行相似油田筛选时，将类比法的相似性与统计法的准确性有机结合[12]，经过三个步骤处理，筛选相似度高的油气田作为类比的样本油田：一是样本油田无因次化处理[13]；二是根据研究油田的油藏类型，确定参数阈值[14]，将被类比油田地质参数标定为“1”，不属于该油藏类型的参数被赋值0.05，油藏类型范围内参数，在[0.2 1]范围内分别按照正态分布进行标准化处理；三是权重加和，得出相似度综合评价指标。相似度越接近于1，则油田地质特征越相似，类比的最终开发指标可靠性越高[15]。

设综合评价相似度为S，Wi为各因素权重系数，则相似度计算公式为：

式中：Por为孔隙度，%；Per为渗透率，10-3μm2；API为原 油重度，API°（API°=141.5/d-131.5，d为温度在15.6 ℃时的相对密度）；Dep为油藏埋深，m；Rog为气油比，m3/t；Thk为有效厚度，m。

相似度计算流程见图2。

图2 样本油田相似度计算流程Fig.2 Flow of sample oilfield similarity calculation

2 定量类比方法在油田筛选中的应用

某研究油田属于高孔高渗中质原油砂岩油藏，油藏埋深518 m，油层厚度8 m，孔隙度33%，渗透率1 500×10-3μm2，原油重度22°，气油比16 m3/t，设定类比目标为采收率，筛选与被类比油田相似的样本油田集合。

2.1 基准参数确定

假设类比系统C，设基准参数共有N元，比较系统共有K个油田，应用德尔菲法初步确定采收率与地质参数的定性关系[6]，同时应用多元回归分析法，进一步统计分析地质参数与采收率的相关性。根据某数据库参数完整性特点，以孔隙性砂岩油藏为例，筛选与采收率具有相关性的参数（图3、图4）。油藏埋深、有效厚度、渗透率、孔隙度、原油重度、原油黏度、驱动能量、气油比、最终可采储量等。

图3 渗透率与采收率的相关性Fig.3 Correlation between permeability and oil recovery

图4 原油重度与采收率的相关性Fig.4 Correlation between API gravity and oil recovery

应用灰关联方法[16]，进一步确定参数的权重系数。设定采收率为参考序列，比较序列为影响采收率的地质因素，计算关联系数、关联度以及各参数权重。

设参考序列采收率：

比较序列样本油田：

式2—式4 中：RF为采收率，%；fk为样本油田；pkn为第K个油田的第n个参数；；R为关联度；r为各参数的关联度。

根据关联度大小，筛选确定6个基准参数分别为油藏埋深，孔隙度，渗透率、原油重度、气油比，油层厚度，参数权重分别为0.17，0.18，0.12，0.19，0.14，0.20（图5）。

图5 普通稠油砂岩油藏基准参数权重Fig.5 Weight of benchmark parameters for common heavy oil sandstone reservoir

2.2 样本油田筛选及类比结果

研究油田为普通稠油砂岩油藏，以表征原油性质的参数为例说明参数标准化。根据油藏分类标准，原油重度大于31.1°以上为轻质原油，22.3°～31.1°为中质原油，10.0°～22.3°为重质原油，小于10.0°为超重油。根据中国石化砂岩油藏不同原油性质与采收率的关系（图6），不同原油性质的采收率幅度也不一样[2]。

图6 不同原油性质与采收率关系Fig.6 Relation between different crude oil properties and oil recovery

在进行归一化时，将研究油田的原油重度值设为1，样本油田原油重度大于31.1°和小于10.0°原油重度值设为0.05，其他样本油田原油重度值呈正态分布在0.2～1.0（图7）。根据参数权重加权和排序，筛选相似度大于0.8 的20 个油田作为类比样本油田。类比结果：该类型油藏最终采收率为37.8 %。在二次采油阶段主要以注水开发方式为主[17]，其次为注气和天然气回注[18]，注水平均提高采收率13.9%，注气平均提高采收率为6.9%；转换开发方式方面[19]，采用蒸汽驱平均提高采收率26.5%，聚合物驱平均提高采收率9.0%。

图7 原油重度归一化Fig.7 Normalization chart of API gravity

2.3 检验

以研究油田为标准，分别以基准参数的0.9倍和1.1倍进行人工筛选样本油田，以相同样本数据量检验以上方法的可靠性，计算样本油田基准参数的平均值，标准偏差以及综合评价结果的标准偏差[20]。设定量筛选为方法1，人工筛选为方法2。定量筛选的结果明显好于人工筛选，方法1的基准参数不论是平均值和标准偏差都好于方法2，特别是关键参数孔隙度和原油重度的标准偏差相差近一倍。方法1 和方法2 涉及的几个关键参数综合评价标准偏差分别为0.61，1.12，说明方法1筛选的样本油田与研究油田更加相似（表1）。

表1 方法1和方法2检验结果对比Table 1 Comparison of test results of method-1 and method-2

3 结论

1）基于灰色关联和相似性的理论，建立了快速筛选相似油气田的定量类比的方法流程，确定了类比参数以及相关权重，类比筛选过程更注重客观性与相似筛选的物理意义。

2）数据库的参数分布特点对筛选基准参数有一定的影响，该数据库渗透率中值为偏中高渗透，导致权重不敏感。因此，在实际应用中，需要结合油藏类型与概率分布相结合进行筛选：采用油藏参数阈值划分归一化范围，综合分析处理筛选类比样本油田，使样本油田与被研究油田在物理意义上保持一致，提高类比可靠性。

3）该方法适用于孔隙性油藏，由于样本库参数的完整性，一些参数没有参入讨论，如储层非均值性、地层倾角等，但提供的研究方法适合所有的参数讨论。