EUR evaluation workflow and influence factors for shale gas well

  • Hai-jing Song , 1 ,
  • Yun-he Su 1 ,
  • Xiao-lin Xiong 2 ,
  • Yong Liu 3 ,
  • Si-cun Zhong 4 ,
  • Jian-jun Wang 5
Expand
  • 1. PetroChina Research Institute of Petroleum Exploration and Development, Langfang 065007, China
  • 2. Sichuan Shale Project Department, CNPC Greatwall Drilling Company,Panjin 124010, China
  • 3. Shale Exploration and Development Department, PetroChina Southwest Oil and Gas Field Company, Chengdu 610050, China
  • 4. CCDC Shale Project Department, Chengdu 610050, China
  • 5. Research Institute of Exploration & Development of Zhejiang Oilfield Company, PetroChina, Hangzhou 310000, China

Received date: 2018-11-05

  Revised date: 2019-02-27

  Online published: 2020-03-23

Highlights

EUR is the basis of the development for shale gas reservoirs. Complex flow characteristics and variable working schedules lead to a long period of transient flow stage of shale gas wells. EUR evaluation exists big uncertainty. Because of different assumptions, evaluation method of EUR is not fully applicable to the whole life cycle of shale gas well. Firstly, application conditions of multi-methods are discussed. Different methods should be suitable for different flow regimes. Secondly, data quality is the key to the production dynamic analysis, poor data quality results in large uncertainties for EUR evaluation. In order to improve the accuracy, valid data is filtered by the production curve and normalized production/pressure-material balance time. Flow regime is identified by data diagnostic chart of linear flow and modern production decline analysis. Comprehensive consideration of data quality and flow regimes, the EUR evaluation process of shale gas well is put forward. i.e. EUR evaluation method selected is confirmed by history matching and prediction for long time, probability EUR is gained by the distribution of input parameters. Finally, compared to the result of numerical simulation, the method is just right. Reservoir geological sweetness and formation pressure and stimulated reservoir volume are the important influencing factors for shale gas well.

Cite this article

Hai-jing Song , Yun-he Su , Xiao-lin Xiong , Yong Liu , Si-cun Zhong , Jian-jun Wang . EUR evaluation workflow and influence factors for shale gas well[J]. Natural Gas Geoscience, 2019 , 30(10) : 1531 -1538 . DOI: 10.11764/j.issn.1672-1926.2019.02.005

0 引言

我国陆相及海相页岩气分布广泛,具有广阔的勘探开发前景。对于资源量巨大的页岩气,要想准确评估其开发潜力,并实现规模效益开发,EUR(Estimated Ultimate Recovery,即最终可采储量)的评价尤为重要。EUR是页岩气藏开发的基础,关系着气井产量及工作制度的制定,开发井网的部署和调整,是气田高效、科学开发的基础,实现气田长期高产、稳产的前提条件。
具有纳米尺度的孔隙特征和“非定压、非定产”的生产模式使得页岩气流动特征比常规气井更复杂[1]图1),页岩气井产量递减指数不再是0~1之间(常规气井),而是随流动阶段的变化而变化。现有EUR计算方法适用于不同的流动阶段,极少有页岩气井能够经历完整的生产周期[2,3],很难用经验模型准确地预测出来,并分析哪些因素引起了产量递减曲线的变化[4,5,6,7],这使得无法判断哪种钻井或压裂设计更好,同样也无法对钻井或压裂工艺进行优化。
图1 页岩气流动形态及双对数诊断示意[1]

Fig.1 Flow regime and LogLog diagnose diagram [1]

为了降低页岩气井EUR评价的不确定性及明确EUR的主要控制因素,本文分析了EUR各计算方法的适用条件,结合国内页岩气的开发特征,优选了EUR的评价流程,并评价了EUR的主要控制因素,从而为提高页岩气井EUR奠定了工作基础。

1 EUR计算方法研究现状

利用气井的生产数据资料,评估EUR的计算方法,是目前石油工业界日益重视并将被广泛应用的方法[2,3]。总的来说有七大类评估方法:经验产量递减法、现代产量递减法、线性流分析法、物质平衡法、解析模型法、数值模拟法及其他方法(表1)。
表1 页岩气井EUR常用评价方法和适用条件

Table 1 EUR evaluation method and condition for shale gas well

序号 方法 特点 适用性
1 经验产量递减法 未考虑气体PVT随压力变化,未考虑页岩气的解吸附特性,主要分析产量数据预测EUR 适用于工作制度基本不变(定压生产)、生产历史较长、边界控制流(气藏开发的中后期),其预测结果的不确定性较大
2 现代产量递减法 考虑解吸附特性和PVT随压力变化,同时分析压力和产量数据,利用Blasingame和Wattenbarger 2类方法为代表的图版,预测EUR 适用于工作制度基本不变,变压变产量生产。该类方法仅做了图版拟合,未做产量和压力历史拟合,拟合结果与人为操作有很大的关系,存在不确定性
3 线性流分析法 利用页岩气长期处于复合线性流动阶段(晚期线性流动)的特点,通过归一化压力和时间平方根关系图计算线性流结束时间, 结合Arps递减方程计算EUR 线性流得到最小预测EUR和产气量, 边界流后Arps方程中的递减指数的取值存在不确定性
4 物质平衡法 以物质守恒为基础,考虑页岩气的解吸附特性,利用压力的变化和累产气量来计算EUR 静态物质平衡法要求气井至少2个测压点,且采出程度>10%;流动物质平衡法适用于流动达到边界控制,若井筒存在两相流时,井口折算到井底时误差大,导致EUR预测存在不确定性
5 解析模型法 储层为单相流,基于储层物性、裂缝导流能力、生产数据等,考虑页岩气的解吸附特征,使用叠加模型拟合生产历史,预测EUR 由于可调参数较多,要求操作者经验丰富、基础参数准确。气井出现多相流时,预测误差大
6 数值模拟法 考虑了多相流动和各向异性,可以通过各种场图观察在排采面积内压力的波动 要求地质模型及其他基础参数准确,操作者经验丰富,但计算时间较长
7 其他方法 弹性两相法 定产生产+封闭,适用于早期
改进衰减法 累产—时间关系(未考虑压力),适用于中后期
预测模型法(翁氏模型、胡—陈(HC)模型、威布尔(Weibull)模型和胡—陈—张(HCZ)模型、Logistic增长模型法) 产量—时间关系(未考虑压力),适用于中后期
类比法 地质、工程条件及生产方式相似,适用于早期
批量预测法 在大量动静数据分析基础上,通过单因素或多因素分析,建立EUR主控因素与EUR的量化评价模型,并用此批量预测新井EUR,适用于中后期
表1可知,经验产量递减法[6,8,9,10,11,12,13,14,15,16,17,18]适用于工作制度基本不变(定压生产)、生产历史较长、边界控制流。现代产量递减法[3,6,13,19] 适用于工作制度基本不变,变压变产量生产,仅做了图版拟合,未做产量和压力历史拟合,拟合结果与人为操作有很大的关系。线性流分析法[14,20,21,22,23]得到最小预测EUR和产气量, 边界流后Arps方程中的递减指数的取值存在不确定性。物质平衡法[2,3,13]需要至少2个以上的压力点,若井筒出现多相流时,流动物质平衡法预测误差大。解析模型法[22,23]可调参数较多,要求操作者经验丰富、基础参数准确,当气井出现多相流时,预测误差大。数值模拟法[24]要求地质模型及其他基础参数准确,操作者经验丰富,但计算时间较长。其他方法适用于地质、工程条件及生产方式等条件相似的单井或区块EUR的预测。

2 EUR评价流程及影响因素分析

为降低EUR的不确定性,综合考虑流动阶段、适用条件等因素将EUR计算分单井和批量预测2种情况。
(1)预测单井EUR:①在未达到边界流之前,以线性流分析法和Wattenbarger图版相结合的方法为主,物质平衡法和多段拟合法为辅计算EUR,接着代入解析模型或数值模型中进行压力产量历史拟合,最后用修正的扩展指数递减方法和Duong法检验其结果的合理性,若计算结果不在二者范围之内,则需重新评估。②若达到边界流,以Blasingame图版和物质平衡相结合为主,Arps递减为辅计算EUR,接着代入解析模型或数值模型中进行压力产量历史拟合,最后用微地震、压裂规模、静态法等检验其结果的合理性,若计算结果不在合理范围之内,则需重新评估。
(2)基于大数据批量预测新井EUR:首先根据前2种方法求解典型井的EUR,然后通过地质工程一体化分析确定影响EUR的主控因素,并用单因素或多因素分析建立EUR主控因素与EUR的量化评价模型,最后,通过逐步引入新样品点修正模型,从而批量预测新井的EUR。

2.1 评价流程

数据质量的好坏直接决定了EUR的分析精度。由于生产数据属于低频、低分辨率的日数据/月数据,需要通过生产曲线或图版来诊断数据是否合理,筛选出有效的数据,再根据各方法的适用条件,结合流动阶段选择EUR的评价方法,经历史拟合验证后,求取概率EUR。其步骤如下(图2):
图2 推荐EUR评价流程

Fig.2 A workflow proposed of EUR evaluation in shale gas well

(1)基于生产曲线,判别压力与产量的相关性,再根据现代产量递减分析图版判别井筒是否积液、井间干扰等,最后,清除异常点,筛选出有效的数据。
(2)利用通过归一化压力和时间平方根关系图和现代产量递减分析图版识别气井的流动阶段,若气井处于不稳定流动阶段选择,用线性流法、不稳定流动阶段的RTA法。反之,选择边界控制流的计算方法。
(3)把步骤(2)的计算结果作为初值代入解析模型中,通过迭代计算,拟合压力和产量历史,并修正步骤(2)的模型。若解析模型不能很好地拟合生产历史,可以此为基础利用数值模拟法拟合求解。
(4)在生产历史拟合的基础上,采用不同的工作制度进行预测,求解EUR。
(5)结合地质研究成果和微地震测试成果,以修正的扩展指数递减分法为下限,Duong法为上限。设定输入参数的范围,进行敏感性分析,再通过概率计算求取概率EUR[4]
(6)设定输入参数的范围,建立气井EUR与各主要影响参数的关系矩阵,应用蒙特卡罗法和主成分分析法评价各主要因素的影响程度。

2.2 方法验证

首先利用数值模拟方法建立页岩气井的生产历史,再利用图2推荐的EUR评价流程计算EUR,最后对比各方法与数值模拟结果的差异。其数值模拟参数如下:原始地层压力为30MPa,中深为1 800m,孔隙度为6%,基质渗透率为9×10-7μm2X方向长度为2 000m,Y方向长度为200m, 厚度为30m,水平井段长度为1 600m,压裂段数15段,裂缝半长均为30m,无因次裂缝导流能力为5 000,含气饱和度为80%,Langmuir体积为2cm3/g, Langmuir压力为5MPa,页岩块密度为2.6 g/cm3,气体相对密度为0.65g/cm3,相渗透曲线见图3。气井配产8×104 m3/d,井底压力以1.5MPa为约束条件,预测20年可知EUR为7 500×104m3
图3 气水相渗曲线

Fig.3 Gas-water relative permeability curve

以数值模拟前3年的生产数据为基础,首先利用Blasigame图版及规整化压力—线性叠加时间的关系图版评价模型的数据质量,由图4图5可以看出,数据质量好。同时还可以看出,生产已进入边界控制流阶段,即可以用现代产量递减法、FMB、解析模型等方法评价气井的EUR,经历史拟合验证(图6),最后通过改变原始地层压力、基质渗透率、裂缝半长等参数,求得EUR概率分布范围,其中,P10为8 800×104m3,P50为7 600×104m3,P90为5 800×104m3。P50值与数值模拟结果的相对误差为1.3%。
图4 Blasigame拟合曲线

Fig.4 Blasigame type curve

图5 规整化压力与线性叠加时间的关系曲线

Fig.5 A relative curve with normalized pressure and square root time

图6 生产历史拟合曲线

Fig.6 History math curve

2.3 影响因素分析

以拟合的解析模型为基础,设定裂缝半长、储层厚度、水平井段长度、含气饱和度、孔隙度、原始地层压力等参数的变化幅度为±10%,应用蒙特卡罗法和主成分分析法建立EUR与各主要影响参数的关系矩阵,计算其对EUR的影响(图7)。
图7 EUR概率密度分布

Fig.7 Probability distribution for EUR

图8可以看出,储层厚度或原始地层压力的输入误差为±10%时,EUR计算值变化为±9%,即主要影响因素为优质储层的钻遇体积、原始地层压力和改造程度(裂缝条数及裂缝半长)。所以,要想获得较高的EUR,首先要把井打在储层厚度大、含气饱和度高、孔隙度高、原始地层压力高和含气性高的甜点区,且要保证一定的钻井长度;其次是采用密切割、缩小簇间距、高加砂强度等技术提高储层改造程度,增大渗流面积,缩小渗流距离,增大储量动用程度,从而提高EUR。
图8 EUR影响因素评价

Fig.8 Tornado of influence factors for EUR

3 结论与认识

(1)复杂的流动特征和生产模式致使某一种EUR计算方法不能完全适用于页岩气井全生命周期,需根据生产方式和流动阶段选择相应的EUR计算方法,并以压力产量数据作为检验标准。
(2)通过归一化压力和时间平方根关系图版和现代产量递减分析图版可以识别气井的流动阶段,若气井处于不稳定流动阶段,选择用线性流法、不稳定流动阶段的RTA法。反之,选择边界控制流的计算方法。
(3)优质储层的钻遇体积、原始地层压力和改造程度是页岩气井EUR的主要控制因素。
CSIS关注能源影响范围的变化
2019年9月6日,美国国际战略研究中心(Center for Strategic and International Studies,CSIS)发布题为《能源影响范围》(Energy Spheres of Influence)报告。该报告从对能源格局、地缘政治、燃料或技术领域、未来的能源安全等方面的影响进行了分析。具体影响如下:
(1)能源格局变化。能源行业正在经历几次重大动荡,有可能重新整顿全球能源市场。目前的能源体系主要由化石燃料、石油、煤炭和天然气组成,近年来,可再生能源(风能、太阳能和生物质能)增长最快,在一些国家的发电燃料过程中可再生能源所占比例很高(超过25%)。
(2)在地缘政治方面,能源版图也发生了很大变化。几年前,发展中经济体占据了能源需求的最大份额,而目前仍占能源总需求和几乎所有需求增长的大部分。美国曾经是世界上最大的能源消耗国,现在是世界上最大的石油和天然气生产国。中东国家越来越多地将目光投向亚洲,俄罗斯和中国已经在北极地区寻求扩大该地区的商业和军事活动,能源投资为非洲能源市场供需提供了保障。
(3)燃料或技术领域的影响。在这种快速变化的形势下,各国希望对特定类型的能源施加影响,如欧佩克在石油市场的重新出现和扩张。另一个日益增长的战略竞争领域是天然气。核能也是能源技术的一个领域,美国、法国、日本和韩国正努力在国内外建造核反应堆,而俄罗斯和中国正在取得显著进展。
(4)未来的能源安全。2014年,七国集团(G7)制定《能源安全倡议》,确定了加强、重建和重塑促进能源安全的原则。能源安全的未来可能更多地取决于电力系统和信息系统的安全和可靠性。
1
Liu Xiaoxu , Yang Xuefeng , Chen Yuanlin , et al . Seepage behavior and well testing in horizontal shale gas wells under multi-stage fracking[J]. Natural Gas Industry, 201333(12):77-81.

刘晓旭,杨学锋,陈远林,等 .页岩气分段压裂水平井渗流机理及试井分析[J].天然气工业201333(12):77-81.

2
James, Ramsay Giles Hooker . Dynamic Data Analysis[M]. Berlin: Springer-Verlag, 2017.

3
FAST RTA technical document-theory and equations [EB/OL].

4
Wang H Y . What factors control shale-gas production and production-decline trend in fractured systems: A comprehensive analysis and investigation[C]//SPE 179967, Presented at the SSPE/IAEE Hydrocarbon Economics and Evaluation Symposium, Houston, Texas, USA,17-18 May 2016.

5
Wan Yujin , Li Xizhe , Su Yunhe , et al. Characteristics and Influencing Factors of Shale Gas Performance in Weiyuan Gas Field , China[R]. ACE 283 4357, 2018.

6
Su Yunhe , Li Xizhe , Wan Yujin . EUR Evaluation Workflow and Influence Factors for Shale Gas Well in Weiyuan Gas Field,China[R].EAGE,2018.

7
Li Xizhe , Li Yang , Su Yunhe , et al . Current Status and Prospect of Shale Gas Development Under the Circum-stances of Rapid Natural Gas Growth in China[R].WGC,2018.

8
Arps J J . Analysis of decline curves[J]. Transactions of the AIME,1945,160(1):228-247.

9
Ilk D , Rushing J A , Perego A D , et al. vs Exponential . hyperbolic decline in tight gas sands: Understanding the origin and implications for reserve estimates using ARPS’ decline curves[C]//SPE 116731, Presented at the 2008 SPE Annual Technical Conference and Exhibition,Denver,Colorado,USA,21-24 September 2008.

10
Kupchenko C L , Gault B W , Mattar L , et al . Tight gas producing performance using decline curves[C]//SPE 114991, Presented at the CIPC/SPE Gas Technology Symposium 2008

Joint Conference Calgary, Alberta, Canada, June ,2008.

11
Johnson N L , Currie S M , Ilk D , et al . A simple methodology for direct estimation of gas-in-place and reservoirs using rate-time data[C]//SPE Rocky Mountain Petroleum Technology Conference, Denver, Colorado, 14-16April, 2009.

12
Valkó P P , Assigning value to stimulation in the Barnett Shale: A simultaneous analysis of 7000 plus production histories and well completion records[C]//SPE 119369-MS, SPE Hydraulic Fracturing Technology Conference, The Woodlands, Texas, 19-21

January ,2009.

13
Yu Shaoyong , Yao Jun . Methods of Unconventional Gas Reservoir Engineering[M].Beijing: Petroleum Industry Press,2013.

虞绍永,姚军 .非常规气藏工程方法[M].北京:石油工业出版社,2013.

14
Duong A N . An unconventional rate decline approach for tight and fracture-dominated gas wells[C]//SPE 137748, Presented at the Canadian Unconventional Resources and International Petroleum Conference, Calgary, Alberta, Canada, 19-21October, 2010.

15
Krunal J , John Lee W . Comparison of various deterministic forecasting technique in shale gas reservoirs[C]//SPE 163870, Presented at the SPE Hydraulic Fracturing Technology Conference, The Woodlands, Texas, USA, 4-6February,2013.

16
Rushing J A , Perego A D , Sullivan R B , et al . Estimating reserves in tight gas sands at hp/ht reservoir conditions: use and misuse of an arps decline curve methodology[C]//SPE 109625, Presented at the 2007SPE Annual Technical Conference and Exhibition, Anaheim, California, USA ,11-14 November, 2007.

17
Bingxiang Xu, Haghighi Manouchehr , Cooke Dennis , et al . Production data analysis in eagle ford shale gas reservoir[C]//SPE 153072, Presented at the SPE/EAGE European Unconventional Resources Conference and Exhibition, Vienna, Austria, 20-22 March , 2012.

18
Yu S Y . Best practice of using empirical methods for production forecast and EUR estimation in tight/shale gas reservoirs[C]// SPE 167118, Presented at the SPE Unconventional Resources Conference, Calgary, Alberta, Canada,5-7 November , 2013.

19
Bello R O , Wattenbarger A , Muti-stage hydraulically fractured shale gas rate transient analysis[C]//SPE 126754, Presented at the North Africa Technical Conference and Exhibition, Cairo, 14–17 February , 2010.

20
Su Yuliang , Sheng Guanglong , Wang Wendong , et al . A multi-media coupling flow model for shale gas reservoirs[J]. Natural Gas Industry, 2016, 36(2): 52-59.

苏玉亮,盛广龙,王文东,等 .页岩气藏多重介质耦合流动模型[J]. 天然气工业,2016,36(2):52-59.

21
Jochen V , Malpani R , Moncada K , et al . Production data analysis: unraveling rock properties and completion parameters[C]//SPE 147535, Presented at the Canadian Unconventional Resources Conference, Calgary, Alberta, Canada,15-17, November , 2010.

22
Li Xin , Duan Shengkai , Hou Dali , et al . An analysis of unsteady production data of multi-fractured horizontal shale gas wells[J].Natural Gas Industry,201232(12):44-48.

李欣,段胜楷,侯大力,等 .多级压裂页岩气水平井的不稳定生产数据分析[J].天然气工业201232(12):44-48.

23
Jiang Ruizhong , Teng Wenchao , Xu Jianchun . Transient pressure and production analysis methods for composite shale gas reservoirs stimulated by fracturing[J].Natural Gas Industry,201535(9):42-47.

姜瑞忠,滕文超,徐建春 .压裂改造复合页岩气藏不稳定压力与产量分析方法[J] .天然气工业201535(9):42-47.

24
Zhang Xiaotao , Wu Jianfa , Feng Xi , et al . Numerical simulation of seepage flow characteristics of multi-stage fracturing(MSF) in horizontal shale gas wells[J]. Natural Gas Industry,201333(3):47-52.

张小涛,吴建发,冯曦,等 .页岩气藏水平井分段压裂渗流特征数值模拟[J].天然气工业201333(3):47-52.

Outlines

/