曙光油田杜255断块稠油油藏出砂机理及防砂效果分析

通过杜255断块油藏储层物性，原油性质，开发方式等进行研究，分析了该块杜家台油层出砂机理及历年汉砂效果。该块出砂主要与储层性质，流体性质及开发方式有关，化学防砂比较适用该块的出砂治理。     

超稠油调剖防砂一体化工艺初步研究与试验

针对辽河油田曙一区杜84、杜229块超稠油藏高轮次吞吐油井油层动用不均、出砂等问题.开发了用于超稠油井高温调剖防砂一体化工艺的化学体系,该体系在地层蒸汽条件下发泡膨胀,形成质轻、呈蜂窝状的多孔固结体,能有效地防止地层出砂,同时,对高渗透层和大孔道有很好的封堵效果.2井次的现场试验表明,该工艺能够满足现场生产需要,具有较高的经济效益.     

热采井出砂套管损坏机理的有限元分析

热采井出砂套管损坏机理已成为桐油热采生产中迫切需要解决的问题。油层大量出砂造成的空洞、塌陷等引发套管弯曲，局部热应力集中，使套管应力增加而损坏。文章采用三维有限元法，对辽河油田杜84段二区内的若干口井，按照出砂量的不同进行数值计算．得到了热采井套管、水泥环、射孔与油层的应力场分布规律及套管的应力与出砂量的变化关系，并得出了热采出砂井套管损坏的机理。     

疏松砂岩油层出砂影响因素分析

油藏开发中出砂问题是影响产能的重要因素,分析油藏出砂影响因素对有效控制出砂以及选择合理的防砂方法具有重要意义.综合国内外文献及大量实例认为,地质因素、开采因素和完井因素是影响油层出砂的三大因素.进一步详细分析了油层出砂的影响因素,提出针对不同出砂原因应采取与之相对应的防砂方法.     

永8断块出砂预测及防砂技术的应用

永8断块是1999年总公司重点产能建设区块。该断块油藏地层胶结疏松，各层均存在出砂倾向，是典型的稠油出砂油藏。地层出砂造成油水井不能正常生产。为了保证该区块的正常开发，对该断块的出砂机理、出砂预测、储层及流体等方面进行研究，对防砂技术进行了优化，3年来共应用绕丝筛管砾石充填、金属毡滤砂管、脲醛树脂等防砂工艺施工24井次，累积增油131．268kt，保证了区块正常生产。     

钻井设计中井型对油井出砂风险分析

出砂是疏松砂岩油层开采过程中常遇到的问题,油井大量出砂不仅会导致产量下降,长时间的出砂还会损坏井下设备,导致筛管和套管破坏及变形,严重的出砂将导致油井停产,因此在油井前期设计中对油层出砂的预测是完井中重要的环节。目前,渤海地区常用的出砂预测方法主要以抗压强度法预测油井是否出砂,单轴抗
压强度法计算油层出砂特征参数只考虑了油层岩石的强度,并未考虑出砂特征随井周地应力分布以及井型变化所带来的影响,且抗压强度法中相关参数需要通过大量已出砂井数据统计确定,具有较强的地域性特征。文章以油层出砂原因和出砂机理为基础,通过分析不同井斜角、方位角以及井周应力分布情况结合岩石强度准则,建立了油井不同井型出砂临界生产压差预测模型,并进行敏感性分析,通过分析可以得到井眼轨迹参数（井斜角、方位角）、井周应力及岩石力学参数对油井临界出砂生产压差的影响,在油气田开采前期设计阶段通过调整和优化井眼轨迹参数可以提高油井临界出砂生产压差!降低油井出砂风险,减少油井防砂作业成本,对渤海油田设计阶段油气井出砂预测以及防砂方式选择具有指导。     

疏松稠油油藏压裂防砂效果分析

欢喜岭油田欢127东块兴隆台油藏属于以构造因素为主导的层状油藏,纵向上分上下两个油层组,含油面积1．46km^2,石油地质储量805×10^4t,油藏埋深740～850m,属扇三角洲辫状河道沉积。油层自北西向南东倾斜,低部发育边水,属于边底水油藏。欢127东块兴隆台油藏埋藏浅,岩石胶结疏松,油井出砂非常严重,尤其是东、西两个边部,出砂导致油井不能正常生产而关井。2005年对5口井进行了压裂防砂试验,取得了不错的增油效果,为类似稠油油藏防砂提供了借鉴。     

油层出砂机理与防砂方法综述

油井出砂可加速设备腐蚀，严重时，可造成设备无法工作。对于稠油油藏，由于稠油的长期作用，油层往往处于弱胶结状态。当油井处于中后期且油层亏空较大或油井见水时，油井出砂会加剧。本文在调研大量中外文献及结合现场实践经验基础上，对油井出砂机理及防砂方法进行综述...     

测试过程中砂堵处理及出砂控制

为防止油井出砂,一方面要针对油层及油井的条件正确选择固井、完井方式,制定合理的开采措施,提高管理水平;另一方面要根据油层及出砂情况采用防砂方法。防砂方法有化学防砂、机械防砂等。     

应用人工神经网络技术预测地层出砂

人工神经网络预测地层出砂是一种新型出砂预测方法。稠油油藏胶结疏松,成岩作用差,用传统出砂预测方法进行出砂预测与现场试验结果误差很大。结合辽河油田杜32区块和胜利油田埕北井区的现场情况,根据现场收集的地层、流体、测井解释、油井生产状况等资料,在分析影响地层出砂因素的基础上,应用BP网络模型对样本进行学习,预测地层出砂。结果表明,应用人工神经网络可将预测结果分为不出砂、轻微出砂、中等出砂、严重出砂4个等级,预测精度有很大提高。根据预测结果有针对性地选择防砂方法,取得了很好的防砂效果。