基于色谱指纹的合采井分层产能贡献计算研究(编辑修改稿)

基于色谱指纹的合采井分层产能贡献计算研究(编辑修改稿)内容摘要：

现了油藏动态监测技术的新突破。 同年， England 等人在对 fortiers 油田的地球化学 性质研究基础上首次将油藏流体的非均质性成藏机理联系起来 [6,7]。 随着研究的进一步深入，到上世纪 80 年代末，一门新兴的学科诞生了，那就是油藏地球化学 [8]，它标志着 传统的有机和无机地球化学与油藏工程紧密结合，成为地球化学领域一个新的研究热点。 作为 油藏工程与 有机、无机地球化学紧密结合的产物， 油藏地球化学 研究油藏流体的形成机理 及非均质性方面的分布规律；位于 油藏中 的 流体和矿物的作用 ； 探索油气充注、聚集历史 ；以及 定位 油藏的形成 机制。 油藏地球化学研究的主要内容包括：以油藏流体的非均质性为基础，利用地球化学分析技术 解决 如下问题 ：断层开启性，油层连通性以及封闭性评价； 合采井分层产能贡献预测问题；识别油气水层 ； 生产过程中 油管破裂 造成 的油气泄露 的检测问题。 这一新兴学科融合了很多学科知识和方法， 从产生到现在得到了很快的发展。 在国外，油藏地球化学在理论与实际应用上都取得了极大的进展。 自Kaufman 首次应用原油色谱指纹的峰高比参数计算了北海某油田两层混采原 四川大学硕士 学位 论文 3 油各单层的产油贡献率开始，目前这种技术已经成功应用于很多油田的生产管理 中。 如在扎伊尔 Motoba 油田，美国加利福尼亚 Midwaysanset 油田，犹他 Wosits 油田，印 度尼西亚、苏丹及中东等油田都取得了良好的应用及巨大的经济效益 [9]。 在国内，我国江汉石油学院，大庆石油大学以及石油大学等单位都对原油色谱指纹技术 应用于产能预测领域 进行了大量的研究工作，并在一些油田取得了不错的效果。 从上世纪 90 年代开始，王铁冠、林壬子、王培荣 [4,10,11]等人率先在中原油田，辽河油田等针对此技术进行了探索性的工作。 王培荣等 [12]于 1996 年研究用气相色谱法预测中原油田某断块合采井产能，取得了一定的效果。 卢延恩 [13]等于 1999 年运用高分辨率气相色谱技术对 LN 油田合采井单层产能进行 了预测，结果证明了高分辨气相色谱的可行性以及其他多方面的优点。 张居和等 [1](2020)对大庆油田主力产油区萨尔图实验区混采油井进行了试验，成功实现了四层合采井产能预测，并 提出了多层混采原油分层产能贡献色谱烃指纹浓度的非线性理论。 2020 年，薛磊，杨晓敏等利用支持向量回归计算三层原油产能，取得了很好的效果。 2020 年，王民，卢双舫 等 [14]将神经网络应用到产能预测领域，计算结果具有很高的精度。 存在的问题 对混采井单层产能贡献的定量预测有着极其重要的价值。 我国的陆相油田单层厚度薄，层数多 ，因此大 多数均为多层混合开采。 随着开采时间的推进，目前很多油田 (例如大庆以及华东很多油田 )都进入高含水开发阶段，开采出的原油含水率大大增加，产能严重下降。 因此必须采取措施进行 “稳油控水 ”[5]，首先就必须弄清楚合采井每个产油层的产能贡献，为油田开采方案的调整提供依据。 但是目前运用气相色谱进行产能预测和动态监测仍存在着很多问题，影响了该技术的推广。 首先是 色谱指纹特征 的选择问题。 特征的选取对产能的计算起着决定性的作用。 原油含有上千种化合物， 因而其全烃气相色谱图上也会 有上千条色谱，专业技术人员 可以根据其专业知识， 从中 选择一些能够表征 该原油 特 性 的色 四川大学硕士 学位 论文 4 谱 指纹建立该原油的色谱指纹数据库，然后依据原油指纹数据库 进行产能 建模计算。 目前常用的指纹特征选取原则多是定性的，例如：选择气相色谱图上分布稳定、特征明显、易于鉴定的指纹峰作为特征；在用一油层中有很强的重现性，变化微小；在不同的油层中，特征应具有很明显的差别。 这些特征提取办法取得了一定的效果，不过由于都是人为选取特征，因此效果还有待提高。 本文 将主要 研究如何用 数学 的 方法 从色谱指纹数据库中 进行特征选取。 另外，用色谱指纹技术进行产能预测的另一个关键步骤是数学计算模型的建立。 目前，很多 数学建模方法已经成功应用 于 两层产能预测问题，但对三层及以上的预测问题还缺乏有效的数学建模方法。 最早应用于该领域的回归方法是最小二乘法 (LS)，作为一种很经典的线性回归预测方法，其在两层产能预测问题中取得了不错的效果 [15]。 但在三层及以上的预测问题上效果很差，这是因为当层数比较多时，原油混合过程已经是一个比较复杂的非线性过程，因此用线性方法 效果很差。 为了解决三层以上的非线性预测问题，更多的回归预测方法被引入了进来。 其中人工神经网络 [16,17]作为一种广泛应用的非线性预测方法 ， 已经解决了某些油田的产能预测问 题。 深入的研究表明神经网络虽然具有较强的模式预测能力，但 由于 数学上缺乏严格的理论基础，确定网络结构及参数都具有很大的主观性 ，而且收敛速度较慢 易陷入局部极小 ， 故大大的影响了其在产能预测领域的推广性。 还有人将支持向量回归 方法 [1821]应用在产能预测中 [22]， SVR(Support Vector Regression)基于统计学习理论， 能有效 克服训练中出现的 小样本 情况，确保解是全局最优解，并能解决高维数模式 预测问题。 作为核方法的一种，可以 将非线性 数据 映射到高维线性 特征空间 ， 在解决预测问题中表现出许多特有的优 势 ，显示了其强大的非线性处理能力，但也存在着模型参数优化困难的问题。 近年来，随着研究的进一步深入， 一些新的回归方法 (如模拟退火等 )被引入到原油产能预测领域，并取得了一定的效果，但 对多层原油预测 问题的效果仍有待进一步提高。 由于多层产能预测的复杂性和非线性，回归方法如何更好的应用于产能预测，还需要深入的研究，并且用大量的实验数据进行验证。 四川大学硕士 学位 论文 5 研究内容及论文结构 利用 原油色谱指纹技术 进行原油开采产能监测 是一种经济和操作方便 的方法，尽管目前已经对其进行了大量的研究，也取得了一定的成果，但仍然存在着大量问题。 目前两层预测问题已经基本得到解决，但对于三层及以上的产能预测问题， 分层原油与混采原油色谱指纹浓度间呈现出一种很复杂的非线性关系，因此需要建立合理的回归预测模型来计算各分层产能贡献。 目前， 虽然有些方法 (如神经网络，支持向量回归等 )取得了一定的效果，但都缺乏推广 性 ，因此有必要深入研究多层产能预测问题。 主要 研究内容 包括 指纹特征提取方法以及回归模型建立方法。 采用较好的指纹特征建模才能 使得产能预测问题更好 的通过 数学方法 建模计算 ， 为油井的产能监测提供更为准确 、简便 、 经济的方法。 基于以上背景，本论文的主要工作有两个 方面： 一、指纹特征的提取。 由于以往的特征提取方法多是一些定性的准则，缺乏定量的，具有严格数学意义的办法，且都是在实验室直接从原油气相色谱图上进行提取。 本文将着重研究通过各种数学方法从建立好的色谱指纹 数据库中提取特征。 包括采用主成分分析，典型相关分析，线性相关度进行特征提取，同时还提出了利用变量重要性分析理论，以及结合线性相关和变量重要性理论进行特征提取。 实验结果表明我们提出的方法有很好的效果。 二、预测模型的建立。 由于目前已经应用于原油产能预测领域 的各种回归预测 方法效果有限，缺乏稳定性，因此本文将重点 研究 采用新的数学方法来建立 回归 预测模型。 本文的研究包括目前已经在原油产能预测领域得到应用各种线性及非线性回归方法，包括最小二乘，偏最小二乘，神经网络等。 同时，首次将将在统计学上得到广泛应用的非参数回归方法 —广义可加模型(Generalize additive models， GAM)引入到原油产能预测领域，为原油产能预测问题提供了新的解决思路。 同时提出应用集成学习方法提升回归模型的精度， 并 进行了大量的研究。 实验结果表明新引入的各种回归建模方法取得了很好的效果，有很好的实用价值。 本文具体组织形式如下 ： 第一章：介绍了原油产能预测的概念，国内外研究现状，目前尚待解决的 四川大学硕士 学位 论文 6 问题。 同时给出了本文的研究思路。 第二章：对原油产能预测的原理和各种问题进行了详细的阐述，并介绍了气相色谱指纹技术。 第三章：详细介绍了各种回归预测数学方法，最小二乘，偏最小二乘，神经网络以及非参数方法 GAM 等。 第四章：研究了色谱指纹提取的各种方法，包括主成分分析，典型相关分析，线性相关分析，变量重要性理论等方法。 第五章：建立起了各种回归预测模型，通过几组配比数据对模型进行了测试，并对结果进行了分析。 四川大学硕士 学位 论文 7 第二章 原油分层产能预测 原理 原油混采过程 油田的 实际 开采过程如图 所示，其显示了一个三层混采油井的开采过程。 三个油层分别记 为 I、 II、 III，来自这三个 油层 的原油 经过 油层 移动到 到生产井 底部 ，在井筒 、井底 中混合后经井口流入集输设备 [31]。 图 多层原油混采过程示意图 (据 Kaufman ,1990) 我们 用图 所示的物理模型来表示 图 所示的油井开采过程。 图中 1号、 2 号、 3 号容器中分别盛放来自图 中 I、 II、 III 层的单层纯油。 从 3个容器中按照  、  、  的比例分别取出一定的原油进行混合装入 4 号容器中。 图 模拟了混采油井的分层原油混合过程，  、  、  即 各个油层的产能贡献， 4 号容器中的混合油即代表油井所开采出来的原油。 由于不同的原油化合物组成及含量存在一定的差异，因此我们可以在 3个单层原油中找到一些化合物 (A,B,C)，这些化合物在每个油层中的含量为, , , 1, 2, 3iiia b c i 。 则混合原油中这些化合物 ( 444,a b c )的含量取决于各个分层原油的产能贡献。 根据这一原理我们可以通过模拟混采井的生产过程，建立相应的数学模型，从而实现对油井分层产能贡献的动态监测。 四川大学硕士 学位 论文 8 1号2号3号4号αβγa 1 b 1 c 1 a 2 b 2 c 2 a 3 b 3 c 3 a 4 b 4 c 4 图 多层混采油井物理模型 原油色谱指纹技术 气相色谱指纹技术最早由 Kaufman 于 1990 年引入原油产能预测领域，近几年来成为国内监测评价油田开发的重点研究方向。 原油色谱指纹指原油经过气相色谱 (GC)分析得到的气相色谱图上的一些可分辨的小峰，每个小峰代表某一种化合物或者某几种化合物的混合。 不同成因的原油，或者油田不同单层的原油，同一单层不同地区的的原油，其化合物的组成都存在可分辨的差异，从而其气相色谱图存在一定的差异，这种差异就为应用色谱指纹技术进行产能计算提高了 保证 [2]。 实际应用时， 首先对每个单层原油 进行全烃气相色谱分析 ， 关注色谱图中的每一小峰，尤其是那些代表非正构烷烃化合物的小峰，然后 从 色谱图中 选择一些相对稳定、有代表性的峰作为特征指纹峰。 然后通过实验室 不同比例的配方实验 得到不同的混合原油 ,分别作这些混合原油的气相色谱图，从色谱图中提取 出 与单层原油 对应的色谱峰。 再根据单层原油及混合原油中 特征 指纹间 的差异变化 建立计算模型 , 研究混采油和各单层油之间的相关关系 , 进而确定多层混采油井的各单层的产能贡献 [32]。 气相色谱技术 色谱法 [33,34]是目前 应用十分广泛的一种分离、分析方法。 和物理分离技术(比如蒸馏和类似的技术 )不同，色谱是基于时间的分离技术。 色谱这一概念最早是由俄国科学家 Michael Tswett 研究植物色素分离 时提出，它是根据待测组 四川大学硕士 学位 论文 9 分与固定相与流动相之间作用力 (分配、吸附、离子交换 )不同而达到分离。 固定相在色谱分离中对样品产生保留， 固定不动； 流动相与固定相处于平衡状态，带动 待测 样品 不断 向前移动。 色谱分离中首先将待测样品 置于 固定相上，然后用流动相去洗脱固定相上的待测样品。 在洗脱过程中，由于待测组分与固定相 及 流动相之间作用力不同，待测样 品中的不同组分随着时间不断从固定相中被洗脱，从而得到分离。 记录这一洗脱与分离过程的图谱就是色谱图。 气相色谱 过程是 ，将气化 后的 待测样品 通过含有 固定相 的管 道 ，基于管 道中 固定相 对不同化合物的保留性能不同而分离 待测样品。 这样，就是基于时间对化合物进行分离。 样品经过检测器以后，被记录的就是色谱图。 一个典型的色谱图如图 所示，横轴为出峰时间，纵轴为指纹峰含量。 峰出现的时间称为保留时间，不同的化合物出峰时间不同，从而其可以用来对每个组分进行定性，而峰的大小 (峰高或峰面积 )则是组分含量大小的度量，峰的大小与物质的浓度 成正比。 图 典型色谱图 (据安捷伦气相色谱仪说明 ) 一个气相色谱系统包括以下几个部分： I、 可控而纯净的载气源，它能将样品带入 GC 系统 II、 进样口 ，它同时还作为液体样品的气化室 III、 色谱柱，实现随时间的分离 IV、 检测器，当组分通过时，检测器电信号的输出值改变，从而对 组分做出。