Y油田低渗透油藏高含水阶段提高采收率研究

低渗透砂岩油藏储量丰富,约占全国储量的2/3以上,开发潜力巨大。该类油藏具有孔渗条件差、储层非均质性强、吸水能力差等特点,开发后期油藏进入高含水阶段,存在水驱效果差、开发难度大、采收率较低等问题,因此亟需探究提高采收率的有效手段。以Y油田低渗透油藏为例,在地质模型和精细油藏描述的基础上,通过生产动态分析和剩余油表征,针对全区水驱储量控制程度低、油井含水高、注采井网不完善的问题,提出了精细注水、注气和水气交替等措施。通过数值模拟方法,对比不同措施的开发效果,优选最佳方案,预测实施调整方案15年后,全区采收率提高12%。该研究成果可为低渗透砂岩油藏高含水期的高效开发提供参考依据和借鉴。     

基于数值模拟的油藏生产动态优化算法

对于大规模油藏开发优化,常规优化算法存在收敛速度慢、寻优效率低、难以与现场结合等问题。针对这些问题,建立了油水井动态调控优化模型,并结合模拟退火遗传算法和拉丁超立方采样算法寻找模型全局最优解,同时,利用同步扰动随机逼近算法提高了模型局部求解收敛速度,研发编制了油水井动态调控优化软件,并应用于大庆油田H区块。对比油田常规油水井生产制度,油水井动态调控优化模型的最优方案使H区块累计产油量在5年内增加了5.68×10⁴ m³,较好地解决了油水井生产动态控制优化问题,也为大规模油田高效开发提供了一种新的方法。     

基于注意力机制的长短期记忆网络的油田采收率预测新方法

油田产量的预测对油田开发具有重要意义,而目前常用的产量预测的方法主要有经验公式法、递减指数法、水驱曲线法、数值模拟法等,这些方法不能挖掘数据的关系,也不能使用油田数据中的时序关系,从而导致预测出现偏差。因此提出使用注意力机制的长短时神经记忆网络的模型来预测采收率,并分析了损失函数、Dropout比例、神经元个数对模型的预测影响,结果表明三个参数值分别为100、0.9、128时,模型预测的表现最优。在网络训练后,模型预测目标区块油田2021年的产油量为98615t,预测偏差绝对值为1524t;模型预测目标区块油田的采收率为19.15%,与常规方法水驱曲线法的计算结果偏差较小。由此可见,基于注意力机制的长短期记忆网络模型对油田采收率预测具有较高的精确度。研究结果可应用于国内油田生产开发动态方案的编制,对国内油田开发决策提供了一种新型的方法。