非常规油气藏压裂曲线智能监控技术研究

孙钦瑞

中国石油集团长城钻探工程有限公司工程技术研究院（辽宁盘锦 124000）

0 引言

水力压裂是以页岩气、致密砂岩气、煤层气为主的非常规油气藏开发中的主要增产手段。通过在目的层中泵入高速流体，形成水力裂缝，并以追加支撑剂的方式，提高填砂裂缝的导流能力。以页岩气、煤层气、致密砂岩气为主的非常规油气藏压裂作业，具有施工节奏快、压力排量高、砂堵与超压风险突发等特点。随着数字信息化技术在油气行业的推广与应用，对原始压裂曲线进行远程传输已成为业内主流趋势。国内外学者相继开展了实时施工压力预测技术的研究，尝试对砂堵风险与超压风险进行预警[1-8]。

在国外，斯伦贝谢的StimMAP HFM水力压裂监测软件已实现一体化施工决策系统的开发，可结合地质建模数据与微地震裂缝监控技术对实时砂堵风险进行评估，并实时整改压裂施工设计，该技术处于国际领先水平。国内，李彦尊等[9]利用数据挖掘、机器学习等手段,建立了大数据压裂参数优化方法,通过多元回归等方法分析参数关系,建立和训练机器学习预测模型，对压裂参数进行优化，进而减少砂堵风险的发生几率。代海洋[10]通过优选GRNN 神经网络算法，建立了依托时间序列的砂堵预警系统，并配套数据库。长城钻探依托EasyFrac平台，分别研发了基于LSTM 的砂堵风险预警模型与周期性预警模型。

人工智能预警技术的突破与发展为业内提供了智能、高效、全面的支持手段，但其逻辑思维的不可解释性也意味着人工经验的不可替代性。研究辅助现场作业人员自主进行辨识的预警监控技术同样重要。为此，针对非常规油气藏压裂施工特点，提出“N值法”压力预测线的概念，尝试对实时压力曲线进行预测。通过分析压力上涨斜率趋势，找出不同施工排量下N值的最优值，进而对压裂曲线监控方法进行智能化改造，从而达到提高作业者对压力曲线的自主预测与监控能力、强化砂堵风险规避措施的目的。

1 “N值法”压力曲线预测与监控技术研究

1.1 压力预测基本原理

取实时压力曲线上最新生成的数据点（A 点），再取该数据点生成N秒前的数据点（B 点），通过设置目标点（A点）与N秒前的数据点（B点）之间的连线，该连线即为压力预测线。AB两点的间隔时间值（以秒为单位），即为N值。

根据实时施工排量Q，该压裂段井筒容积V1，地面管线至混砂液罐总体容积V2,可实时计算目标点（A点）处流体从地面泵入地层的时间T:

当施工排量在目标点顶替时间计算过程中发生变化，由Q1变化为Q2时，目标点（A 点）顶替时间计算方法为:

其中，V3为排量变化时，目标点以后的流体已充满管柱的总体积（包含地面管线体积）。在实时综合监测曲线中，使用该算法进行实时计算，标记出目标数据点（A点）顶替时间的竖线。该竖线与压力预测线的相交点，即为目标点（A 点）流体入地时刻的压力预测值。如图1所示。

图1 预测压力与实际压力

对实际压力曲线趋势进行调研，充分考虑以页岩气、煤层气为主的非常规油气藏采用体积压裂工艺具有高排量的泵注特点，默认同一顶替阶段仅存在一种油压斜率变化，不考虑S型、双增型及其他综合曲线变化类型。因此将单阶段油压上涨曲线分为：斜率上升型、斜率稳定型、斜率下降型3种。根据3种油压上涨曲线类型可知：斜率上升型油压上涨实际值要高于预测压力（图2），斜率下降型油压上涨实际值要低于预测压力（图3），斜率稳定型曲线油压上涨实际值最接近该相交点预测压力（图4）。

图2 斜率上升型曲线预测值偏小

图3 斜率下降型曲线预测值偏大

图4 斜率稳定型曲线

1.2 最优N值的确定

N值的含义为压力曲线上的目标数据点（A点）与之前某一时刻的数据点（B 点）两点之间的时间间隔。在进行压裂曲线监控作业前，需提前设置该施工压裂段的N值。N值的实际物理意义反映在压力预测线的斜率k上。在压力单调上升的前提下，N值越大，压力预测线的斜率k越小，N值越小，压力预测线的斜率k则越大。如图5 所示，确定目标A 点后，当N值取20 s 时，预测线斜率k1为0.618，预测压力93.51 MPa(误差0.32 MPa)；当N值取40 s 时，预测线斜率k2为0.476，预测压力92.46 MPa(误差1.37 MPa)。因此,N值的选择决定了压力预测线的精度。

图5 不同N值下的压力预测线斜率

以川渝页岩气压裂井为例，选取一压裂段进行参数分析研究。当排量q1=14 m3/min，q2=16 m3/min，q3=18 m3/min 时，分别取不同的k值进行压力预测，预测平均误差结果如图6所示。

图6 不同排量下不同N值的压力预测平均误差

分析数据知，相同压裂段中，当q1=14 m3/min时，最小误差N值为21.7 s，误差值为0.48 MPa；当q2=16 m3/min 时，最小误差N值为18.1 s，误差值为0.42 MPa；当q3=18 m3/min 时，最小误差N值为15.6 s，误差值为0.28 MPa。总结规律如下：相同井筒容积条件下，最优N值随着排量的增加而减小。由于该区块套管内径均为114.3 mm，因此可以推断，最优N值与顶替时间T（替井筒时间）变化成正比。通过总结现场数据，得出不同顶替时间下最优N值图版，如图7所示。

图7 不同顶替时间下的最优N值

2 数学模型与系统设计

获取视点坐标(sx,sy)，该点为鼠标点击屏幕时的屏幕坐标。系统将该坐标转换成时间-压力坐标(t，p)，转换规则为：

其中：x0、x1为图形区域横向显示区间；y0、y1为图形区域纵向显示区间；t0、t1为时间区间；p0、p1为油压区间。将转换后的点命名为点A。

通过二分法获取点A 序号，具体过程为将秒点数据区间（a,b）分为两个长度相等的子区间[a,x0]及[x0,b]，计算A 点时间t所在子区间，若t≥a且t≤x0则A 点落入[a,x0]区间；若t≥x0且t≤b则A 点落入[x0,b]区间。在所落入的子区间内继续二分查找，直至找出A点对应的秒点数据序号。如果存在秒点数据不连续的特殊情况，此时x0所在区间位置有可能并不在实际秒点数据中，当出现该情况时，可遍历两个子区间，求出实际秒点数据所在位置。

设找到的秒点数据序号为i，则取i-k处秒点，命名为B 点，该点的时间-压力坐标为(ti-k,pi-k)。按公式T=(V1+V2)/Q得出预测点T处时间值。在时间-压力坐标系下,已知A、B 点,解出AB 延长线上T处的压力预测值P。公式为：

系统工作流程为：①在EayFrac系统实时监测界面中，点击“切线设置”，选择“间隔设置”选项，输入间隔数据点长度（N值）。②鼠标点击压力曲线上的实时数据点（A点），根据N值，通过获取视点坐标自动转换获取B点坐标。③生成AB点连线的延长线，与A点顶替时间线相交，得到预测压力值。如图8所示。

图8 系统设计结构图

3 影响智能监控技术的因素

3.1 压裂液

压裂施工过程中，在切换压裂液时，由于不同压裂液降阻比的不同，以及交联剂的使用情况沿程摩阻也发生变化。因此，施工压力会随压裂液的切换而发生变化。由于“N值法”压力预测技术仅适用于压力单调增的实际情况中，局部的压力下降将会直接影响压力预测功能的效果。

3.2 砂浓度

施工过程中砂浓度的变化会造成净液柱压力的改变，在压力单调上升的工况下，其常规影响方式主要分为两种：当砂浓度增加时，净液柱压力逐渐升高，动态压力会稍微降低，压力曲线由斜率稳定型向斜率下降型转变；当砂浓度降低时，净液柱压力逐渐降低，动态压力会稍微上升，压力曲线由斜率稳定型向斜率上升型转变。

3.3 施工排量

排量的升高或降低会瞬间打破压力单调变化的趋势。因此，当采取升降排量等规避措施时，该技术无法进行压力预测。

4 现场应用效果

在川渝页岩气X216 平台进行现场试验。该平台摒弃了页岩气常规的“段塞式”加砂工艺，采用高低砂比相互替换，尾追高浓度陶粒的方式进行加砂。该压裂设计工艺特点为加砂强度高、施工排量大，但会频繁出现压力上涨迹象，需及时进行停砂换胶液扫井筒等操作。

在对该平台1井的17段压裂实时监测中，共出现29次因压力上涨的砂堵风险隐患，结合不同顶替时间下，最优N值推荐图版（图7）的基础上，对其分别进行压力曲线类型分类与压力预测线误差统计，结果见表1。

表1 X216平台压力上站类型及相应预测误差统计

从表1 数据可知，斜率稳定型压力曲线占比72.4%，斜率上升型占比20.7%，斜率下降型占比3.4%，综合变化型占比3.4%。斜率稳定型压力曲线占比较高的原因在于，该井施工排量高（16～18 m3/min），平均顶替时间在2.6～3.2 min，因此，在短时间内发生压力曲线复杂变化的情况较为少见。由实验数据得知，在选择推荐的最优N值的前提下，斜率稳定型压力曲线平均预测误差仅在0.6～0.8 MPa，所有类型压力曲线加权平均误差为0.92 MPa。

在X216 平台29 处砂堵风险隐患中，通过应用该项智能监控技术后，以人工识别方式采取的规避措施共有22 处（另外7 处被认定为低风险，无需采取规避）。工况复盘分析后，其中有意义的规避次数20 次，砂堵风险规避成功率90.1%。未应用智能监控技术的邻平台（X203 平台4 口井），统计出平均单井砂堵风险隐患22 处，平均单井采取规避措施次数13 次，其中平均单井有意义的规避次数9 次，砂堵风险规避成功率为69.2%。通过对比应用前后的数据得出：在非常规油气藏区块中，通过智能压裂曲线监控技术的辅助，人工识别的砂堵风险规避成功率平均提高了20.9%，如图9、图10 所示。

图9 智能监控技术应用前后预警成功率对比

图10 砂堵风险规避措施占比分布

5 结论

1）通过分析3种不同的实时压力曲线上涨趋势，展开压力曲线走向类型调研与分类。调研可知：斜率稳定型曲线压力上涨实际值最接近预测压力值，斜率上升型油压上涨实际值要高于预测压力值，斜率下降型油压上涨实际值要低于预测压力值。

2）以施工排量为基础进行先导研究，对不同施工排量下的最低预测误差值进行统计。进一步对区块压裂套管内径展开调研，最终建立了以顶替时间为变量的最优N值图版。施工前，可根据顶替时间提前设置N值（AB点间隔时间）进行压力预测。

3）压裂曲线智能监控技术仅在压力单调上升的工况下，对人工识别砂堵风险具有指导意义。现场切换压裂液、提高或降低砂浓度、停砂等操作会导致预测能力的下降。施工排量的变化会直接导致功能的失效。

4）结合现场试验，分别对压力曲线类型分类与压力切线预测进行误差统计。结果表明：在选择推荐的N值基础上，斜率稳定型压力曲线平均预测误差仅在0.6～0.8 MPa。所有类型压力曲线加权平均误差为0.92 MPa。

5）在多平台间展开智能监控技术应用前后对比，结果表明：在非常规油气藏区块中，通过智能压裂曲线监控技术的辅助，人工识别砂堵风险的规避成功率平均提高了20.9%。