Well network densification and recovery evaluation of tight sandstone gas reservoirs

  • Qi LI , 1, 2, 3 ,
  • Shu-sheng GAO , 3, 4 ,
  • Hua-xun LIU 3, 4 ,
  • Li-you YE 3, 4 ,
  • Hong-hui WU 5 ,
  • Wen-qing ZHU 3, 4 ,
  • Jie ZHANG 1, 2, 3 ,
  • Yi YANG 1, 2, 3 ,
  • Mao-hong YANG 6
Expand
  • 1. University of Chinese Academy of Sciences, Beijing 100049, China
  • 2. Institute of Porous Flow and Fluid Mechanics, Chinese Academy of Sciences, Langfang 065007, China
  • 3. Department of Porous Flow and Fluid Mechanics, PetroChina Research Institute of Petroleum Exploration & Development, Langfang 065007, China
  • 4. Research Institute of Petroleum Exploration and Development Company Limited, China National Petroleum Corporation, Beijing 100083, China
  • 5. CNOOC Energy⁃Development Drilling and Production Company, Tianjin 300459, China
  • 6. CNPC CCDC Drilling & Production Technology Research Institute, Xi’an 710018, China

Received date: 2019-11-13

  Revised date: 2020-02-25

  Online published: 2020-06-17

Supported by

The China National Science and Technology Major Project(SL31909)

The Major Science and Technology Projects of CNPC(2016B⁃15)

Highlights

Tight sandstone gas reservoirs have large differences in physical properties and their uncertainty seriously restricts the stable production and efficient development of gas reservoirs. In order to effectively develop the unutilized reserves of tight sandstone gas reservoirs and improve gas production and recovery, it is necessary to optimize well pattern density of tight sandstone gas reservoirs with complex reservoir conditions. By analyzing the effects of seven reservoir physical parameters on single well dynamic control area, including permeability, porosity, effective thickness, water saturation, threshold pressure gradient, productivity coefficient and storage capacity coefficient, the relationship between reservoir physical parameters and single well dynamic control area without interference between wells is inferred by using fuzzy mathematics method. The calculated fuzzy prediction value of the single well dynamic control area is compared with the geological well control area to determine whether there will be interference between wells after the well pattern is encrypted under different reservoir physical conditions, and the interference probability curve that changes with the well pattern density is obtained. Furthermore, a recovery evaluation model is constructed based on the inter-well interference probability, which is applied in Su 6 well area. The results show that using the new evaluation method for tight sandstone gas reservoirs, the average cumulative gas production per well and recovery evaluated through the physical properties of the reservoir are consistent with the actual production dynamics results. Under certain conditions, this method is reasonable and reliable. The new method of recovery evaluation provides new ideas for well pattern optimization of tight sandstone gas reservoirs.

Cite this article

Qi LI , Shu-sheng GAO , Hua-xun LIU , Li-you YE , Hong-hui WU , Wen-qing ZHU , Jie ZHANG , Yi YANG , Mao-hong YANG . Well network densification and recovery evaluation of tight sandstone gas reservoirs[J]. Natural Gas Geoscience, 2020 , 31(6) : 865 -876 . DOI: 10.11764/j.issn.1672-1926.2020.02.009

0 引言

中国致密砂岩气藏具有巨大的资源潜力和客观的规模储量,已成为中国天然气藏的重要组成部分[1,2,3]。苏里格气田作为中国致密砂岩气藏典型代表,截至目前,其已探明(含基本探明)储量规模达到5.16×1012 m3,开发动用地质储量为3.24×1012 m3,年产量规模在(220~230)×108 m3之间,占全国总产气量的16%[3]。但是由于致密砂岩气藏普遍具有低渗透、低压、低丰度、强烈非均质性等特征,导致气井对储量控制程度低、稳产期较短,气藏产能低、采收率低等问题,仍然面临着诸多困难与挑战[4]。国内外致密砂岩气藏的开发实践表明:井网加密是提高井间剩余储量动用程度最有效的技术措施,可以通过不断地投入新井来保证气田长期稳定生产[5]。对加密后井网的评价方法主要有地质统计法、移动窗口法、动态评价法等[6,7]。地质统计法是在典型气井选取的基础上,利用气井泄气面积得到加密井最终产气量并与经济产量对比,评价加密可行性;移动窗口法是利用生产数据评价不断移动的“窗口”内是否存在井间干扰,通过筛选可加密潜力区进行加密。这2种方法虽然可以快速对加密井网进行评价,但是未能考虑储层物性的差异与强烈非均质性,缺乏对采收率等指标的评价,难以达到复杂气田的开发需求;动态评价法是以井间不产生大量干扰作为合理加密井网确定的重要前提条件,通过分析井间干扰概率与井网密度之间的关系,建立开发井网优化数学模型,得到气田采收率和井网密度之间的定量描述。但该方法若想得到干扰数据则需要选择典型井并且干扰试井需长时间关井,在生产任务极为紧张的时候,这些技术均难以付诸实施,会对气田生产造成影响,同时所选择的井也不能代表所有井的干扰情况。
本文从全国致密砂岩气藏的储层物性特征出发,以不同储层物性参数对井控能力的影响为基础,运用模糊数学方法建立了平面上表征井控能力的单井动态控制面积与物性参数之间的关系式,提出了在无需长时间等待干扰试井结果的情况下,利用储层物性参数可以先对该区块的气井进行单井动态控制面积的预测,给出了致密砂岩气藏单井动态控制面积图版。同时在致密砂岩气藏一次井网密度条件下,根据单井动态控制面积大于地质上井控面积就产生干扰的井间干扰概率定义,来确定不同井网密度下井间干扰概率的变化曲线。最后基于井间干扰概率并结合采收率定义,推导出有关井网密度和采收率以及单井产气量的计算公式,构建了致密砂岩气藏采收率评价新方法。该方法围绕储层物性特征得到的一系列评价模型并应用到苏里格气田特定加密试验区,预测结果与加密区生产动态基本一致,适用于大部分致密砂岩气藏。

1 致密气藏单井动态控制面积影响因素及预测

1.1 等效的单井动态控制面积

在致密砂岩气藏中,井网密度是影响气藏采收率和储量动用程度的关键因素,气藏井网密度的大小决定于储层的渗流能力,而渗流能力又决定于储层物性的优质与否。因此,运用储层物性参数表征井网密度是合理的、可行的。若区块储层物性越好,单井控制能力越强,可控制范围越大,那么在保证气田经济效益下所需井网密度就越小;反之,所需井网密度就越大。为了在一定经济效益范围内增加气田的产量,井网密度优化则必不可少。井网密度优化是依据每口井的井控能力大小而进行的,井控能力强,则布井时可采用较小的井网密度。同时,单井平均产量及气藏采收率也与单井动态控制储量和控制能力有关,当单井控制储量越大,则会有更高的井控能力,对应的生产井生产效果会更好。
本文根据生产井实际动态生产数据,利用气藏工程方法计算单井动态控制储量,再将其转化为平面上等效的单井动态控制面积,这样可以在平面上对井控能力进行表征。首先,根据物质平衡方程,得到无干扰时视地层压力P/Z与单井累计产气量G p的线性关系[8]
P Z = P i Z i ( 1 - G P G )
式中:P i为原始地层压力,MPa;Z i为原始状态下天然气压缩因子;P为地层压力,MPa;Z为天然气压缩因子;G p为单井累计产气量,104 m3G为单井动态控制储量,104 m3
然后通过单井累计产气量G p与视地层压力P/Z生产指示曲线的线性段延长线在G p坐标轴上的截距,获取单井动态控制储量G
再根据单井动态控制储量G和储层物性参数关系,求取等效单井动态控制面积A s
A s = G B g i ϕ h S g
式中: ϕ为孔隙度,%;h为储层厚度,m;S g为含气饱和度,%;B gi为原始状态下天然气体积系数。
另外,利用丰度和储量的关系式也可以计算得到等效面积,但是与式(2)计算得到的等效单井动态控制面积意义不同。储量丰度的值是以某一个区块或者某一小片区域为单位计量的,当用储量丰度计算得到的面积就是相应划分区域的平面面积,并不能准确地量化出单井所能控制的等效平面面积。而式(2)表示的是井所在小范围内的井控面积,同时相对应的地层物性不同就可以得到不同的等效单井动态控制面积[9],因此式(2)方法更适合此情况。
需要注意的是,每口井有且仅有一个孔隙度 ϕ、含气饱和度S g和有效储层厚度h。但由于大部分国内致密砂岩气藏尤其是苏里格气田,其有效储层在纵向上多层叠置,直井钻遇多个有效储层且以多层合采的方式生产。为使计算更符合实际,采用纵向钻遇有效储层厚度的算术平均值作为有效厚度,孔隙度和含气饱和度分别采用厚度加权后的加权平均值。表达式分别为:
h = i = 1 n h i
S g = i = 1 n S g i h i i = 1 n h i
ϕ = i = 1 n ϕ i h i i = 1 n h i
式中:n为纵向有效储层层数;i为各储层的序号。
使用全国14个典型致密砂岩气藏中具有代表性的共197口生产井的动态生产数据,通过上述动态分析方法计算相对应的等效单井动态控制面积,并统计累计百分比,绘制等效单井动态控制面积累计百分比曲线(图1)。从生产井累计百分比曲线可以看出,可控制的等效平面面积介于0.01~2.1 km2之间,中值为0.29 km2,平均值为0.46 km2。其中,面积在1.2 km2以内的井约占全部井的90%,可见致密砂岩气藏井控范围远远小于常规气藏。尤其是在苏里格气田,由于致密砂岩气藏储层流体流动性差,单井动态控制面积更小,一般介于0.03~1.3 km2之间,中值为0.19 km2,平均值为0.26 km2。在气井生产时,理论上讲单井动态控制体积是更能够表征井控能力的参数,但这里使用井控面积首先是因为它包含了井控体积所反映的大部分特征因素,其次就是有利于计算气井的平面控制程度,这对判断相邻井之间是否产生干扰有着重要作用。所以面对致密砂岩气藏单井动态控制面积的差异性和重要性,分析其影响因素是十分必要的。
图1 全国低渗致密砂岩气藏等效单井动态控制面积统计

Fig.1 Statistical map of equivalent single well dynamic control area of low permeability tight sandstone gas reservoirs in China

1.2 影响因素

致密砂岩气藏储层非均质性强,具有孔隙度低、渗透率低、含水饱和度高等显著特征,导致其开发难度大,储层动用程度不一致,对单井动态控制面积的计算有一定影响[10]。准确地分析单井动态控制面积的影响因素,不仅可以更深入地理解单井动态控制面积,而且关系着气井的产量、井网密度的调整以及对气藏的客观综合评价。本文研究了渗透率、孔隙度、有效厚度、含水饱和度这4个重要的单项影响因素,但对单项因素研究是片面的。为更加综合、准确地分析单井动态控制面积,对3项综合参数阈压梯度、产能系数、储容系数再进行深入分析,需注意的是3项综合参数是由4项单影响因素组合而成。
所使用样本来源于上述14个致密砂岩气藏的不同区块共197口数据完整的典型井,7项物性参数情况如表1所示。
表1 全国致密砂岩气藏典型井7项参数数据

Table 1 Seven parameters data table of typical wells in national tight sandstone gas reservoirs

渗透率/(10-3 μm2 孔隙度/% 有效厚度/m 含水饱和度/% 阈压梯度/(MPa/m) 产能系数/(10-3 μm2·m) 储容系数/(m·%)
均值 0.205 8 7.95 34.80 35.48 0.267 0 14.300 6 301.112
中值 0.112 1 7.60 15.60 33.80 0.036 0 2.368 6 116.428
P5 0.012 3 4.60 5.00 16.60 0.003 0 0.128 2 35.800
P10 0.019 7 5.56 6.40 22.57 0.005 3 0.182 6 50.000
P50 0.112 1 7.60 15.50 33.78 0.035 8 2.279 8 116.354
P90 0.565 5 10.67 98.75 49.90 0.304 8 44.184 4 786.240

1.2.1 渗透率

图2可以看出,单井动态控制面积与渗透率呈很好的正相关性,且随着渗透率的增加,单井动态控制面积呈幂函数增长。正是由于渗透率作为表征储层物性的一个重要参数,当储层渗透率增加时,参与气体流动的有效孔喉半径逐渐变大,气体的渗流阻力随之减少,储层流动能力变强,平面上动用范围就越广,对应的单井动态控制面积就越大。此外研究发现,井控半径与储层有效渗透率之间符合双对数关系[11]。所以渗透率增大,井控半径增大,井控面积也就越大。
图2 单井动态控制面积与渗透率关系

Fig.2 Relationship between dynamic control area and permeability of single well

1.2.2 孔隙度

孔隙度作为表征储层宏观物性的重要参数之一,与渗透率关系密切。储层的有效渗透率取决于其有效孔隙度,二者之间并不存在固定规律,只能定性分析[12]。国内学者研究表明:渗透率大于0.01×10-3 μm2同时孔隙度大于5%的储层,其含气饱和度明显增加,渗流能力明显提高,在致密砂岩气藏开发过程中视为优质储层。
单井动态控制面积与孔隙度关系统计曲线(图3)表明:单井动态控制面积与孔隙度相关性很弱,并且在后续研究中发现孔隙度与大部分参数相比对单井动态控制面积的影响较小。虽然孔隙度是重要的储层物性参数且是地质储量计算中不可或缺的因素,但是由于它主要表征储层的静态储集能力,对储层流动能力影响小,即对单井动态控制面积的影响小。
图3 单井动态控制面积与孔隙度的关系

Fig.3 Relationship between dynamic control area and permeability of single well

1.2.3 有效厚度

致密砂岩气藏是准连续性气藏,有效砂体无规律分布,尤其是苏里格气田有效砂体横向上连片展布,纵向上多层叠置,且各小层有效厚度不均一。从气藏成藏角度可知,多个储层叠置后,纵向上有效厚度变大,平面上展布会越宽,成藏几率变高,一定程度上能表征优质储层,单井动态控制面积也可能相对变大。从图4可以看出,有效厚度与单井动态控制面积相关性较弱,前者对后者的影响程度较小。这是由于有效厚度只可以表征储层是否优质,但是并不能直接影响生产时储层泄流能力,所以有效厚度对单井动态控制面积的影响十分小,两者相关性不强。
图4 单井动态控制面积与有效厚度的关系

Fig.4 Relationship between dynamic control area and effective thickness of single well

1.2.4 含水饱和度

据统计,致密砂岩气藏储层普遍含水饱和度较高,受高含水的影响较常规气藏更为明显。从图5可以看出含水饱和度与单井动态控制面积存在一定的相关性。在含水饱和度小于40%时,含水饱和度越大且越接近40%,单井动态控制面积曲线呈下滑的趋势,这是因为水逐渐占据大部分致密储集层的有效喉道,导致储层的渗流能力降低,单井控制能力变弱,使得单井动态控制面积变小;在含水饱和度到达40%以后,含水严重致使储层气相几乎没有渗流能力,导致开发困难,此时单井动态控制面积已变得很小。此外含水饱和度主要通过影响阈压梯度来间接影响单井动态控制面积。
图5 单井动态控制面积与含水饱和度的关系

Fig.5 Relationship between single well dynamic control area and water saturation

1.2.5 阈压梯度

研究表明,阈压梯度是关于岩心渗透率和束缚水饱和度的函数,其中含水是气体渗流时产生阈压梯度的主要原因。因此,阈压梯度作为表征储层流动能力的综合性指标,它影响着单井动态控制面积、储量动用程度,将阈压梯度作为单井动态控制面积的一个影响因素是很有必要的[11,13]。以苏里格气田为代表,阈压梯度的关系式为[14,15]
λ = a K - b
式中: λ为阈压梯度,MPa/m;K为绝对渗透率, ×10-3 μm2;且系数ab都与含水饱和度呈幂函数关系。ab的关系式分别为:
a = 2    234.4 S w 18.411 b = 0.187    9 S w - 2.454    7
式(6)式(7)可以看出,阈压梯度包含了渗透率与含水饱和度2个参数的影响,对单井动态控制面积的影响程度超过后两者。阈压梯度随含水饱和度的增加呈指数式增加,随着渗透率的增加而逐渐下降[16,17]。如图6所示,单井动态控制面积与阈压梯度呈现很好的负相关性,阈压梯度越大,单井动态控制面积越小。这是由于在阈压梯度关系式中起到主要作用的因素是含水饱和度。当阈压梯度变大时,代表储层可动水饱和度变大,气相渗透率变低,气体在储层孔隙中渗流阻力变大,导致生产井的平面控制范围就变小。因此单井动态控制面积随着阈压梯度的增加而减少。
图6 单井动态控制面积与阈压梯度关系

Fig.6 Relationship between single well dynamic control area and threshold pressure gradient

1.2.6 产能系数

产能系数与基本物性参数不同,它不仅能判断出优质储层,还能评价该储层的产气能力。储层的产能系数越大,储层物性越好,产气能力就越强,平面上单井可控制的产气范围越大,表征在平面上的单井动态控制面积就越大。即使单井动态控制面积与产能系数正相关性不强(图7),但除去特殊点后整体趋势保持一致。同时在生产现场中,可使用产能系数快速确定低渗透致密气藏单井动态控制面积和动态控制储量。
图7 单井动态控制面积与产能系数关系

Fig.7 Relationship between single well dynamic control area and capacity coefficient

1.2.7 储容系数

图8统计的单井动态控制面积与储容系数关系图表明,随着储容系数的增大,单井动态控制面积增大的幅度不明显,两者呈相对较弱的相关性。首先因为储容系数是表征气藏储集能力的综合性指标,只能反映储层是否具备优良储集气体的条件,与储层动态的流动能力无直接联系;其次储容系数变大,要么是由于有效厚度变大导致的,要么是由于孔隙度变大导致的,而这2个单项参数对单井动态控制面积的影响相对较小,所以储容系数对气井单井动态控制面积的影响较小。
图8 单井动态控制面积与储容系数关系

Fig.8 Relationship between dynamic control area and storage capacity of single well

由此可见,对单井动态控制面积影响最大的参数就是阈压梯度、渗透率和含水饱和度,即使存在个别差异较大的点,但是整体对单井动态控制面积影响程度较高;后面4个参数对单井动态控制面积的影响程度从大到小依次为产能系数、储容系数、孔隙度和有效厚度,且相关性都不高,存在明显的不确定性。其中,阈压梯度和含水饱和度对单井动态控制面积的影响存在各自的临界值,一旦达到或者超过该临界值,才会对单井动态控制面积产生影响或者趋势发生变化。经过对上述影响因素综合分析,相关性大小与影响程度占比相结合,利用专家评判法[18]确定各项因素的权重W,以上因素由小到大权重值依次为:0.3、0.25、0.15、0.1、0.08、0.07、0.05。上述分析结果可运用到多参数模糊综合评价模型的建立。

1.3 多参数模糊综合评价模型

根据单井动态控制面积与这7项因素的综合关系,使用模糊综合评价法建立数学评价模型,能较好地解决模糊的、难以量化的问题[18,19,20],适合各种非确定性问题的解决,实现单井动态控制面积定量描述。

1.3.1 模糊综合评价法

(1)建立7个表示上述因素的评价指标,n个评价单元的矩阵C(n×7),分别用不同的相对隶属度公式[19]计算7个评价参数中的每个观测值,可将每个观测值无因次化。于是可将上面的矩阵C转换成R矩阵。同时建立1个表示单井动态控制面积的被评价指标、n个评价单元的向量 B,同理根据相对隶属度公式将被评价指标向量无因次化,得到向量 D。其中,矩阵C、向量B、矩阵R和向量D为:
C = c 11 c 12 c 17 c 21 c 22 c 27 c n 1 c n 2 c n 7
R = r 11 r 12 r 17 r 21 r 22 r 27 r n 1 r n 2 r n 7 B = B 11 B 21 B n 1   D = d 11 d 21 d n 1
式中:R矩阵为无因次化后7个因素的评价指标矩阵;D向量为无因次化后单井动态控制面积的被评价指标向量。
完成无因次化后,整理并拟合无因次化前与无因次化后单井动态控制面积关系曲线,可得出两者之间呈幂指数关系,即A s与无因次单井动态控制面积[A s]关系如下:
A s = 0.008    2 e 7.245 [ A s ]
(2)计算模糊综合评价值β
β = R ω T
式中:w T为权重系数向量w=(w 1w 2w 3,…w 6)的转置向量,上文给出阈压梯度、渗透率、含水饱和度、产能系数、储容系数、孔隙度和有效厚度的权重分别赋值为W=0.3,0.25,0.15,0.1,0.08,0.07,0.05。无因次化评价指标矩阵 R与各项指标权重转置向量w T相乘,得到n个模糊综合评价值。

1.3.2 建立模糊评价模型

由于数据分布的非均匀性和权重系数的随机性,可能会出现综合评价值相比于被评价值偏小或偏大的情况,因此需要建立无因次单井动态控制面积[A s]与综合评价值β相关函数,实现依据综合评价值β更准确地确定模糊综合评价值A m,即单井动态控制面积模糊评价值。无因次单井动态控制面积[A s]与模糊综合评价值β关系:
A s = 1.006    3 β
式(11)代入式(9),并重新定义为单井动态控制面积模糊预测值A m
A m = 0.008    2 e 7.290    6 β
式(12)即包含储层物性参数的综合评价值与单井动态控制面积的关系式。因此,当已知储层物性参数时,可根据式(10)式(12)计算单井动态控制面积预测值。依据储层物性参数计算的单井动态控制面积模糊预测值与后期依据动态分析确定的单井动态控制面积等效动态统计值,具有很好的一致性 [图9(b)],表明运用测井资料得出的储层物性数据,根据上述新方法可计算出有效的单井动态控制面积,具有可行性。模糊预测结果证明了该方法可用于气藏开发早期根据储层物性来确定单井动态控制面积,无需等待致密气藏气井长时间生产,这在确定单井动态控制面积和合理的井网密度等方面是一个很好的方法。
图9 苏里格气田苏6区块和子洲气田的单井动态控制面积

(a) 对比3个井区模糊预测值与等效动态值; (b) 模糊预测值A m与等效动态值A s相关性

Fig.9 Single well dynamic control area in Su6 block of Sulige gas field and Zizhou gas field

1.4 预测单井动态控制面积——以苏里格气田为例

苏6区块作为“低孔、低渗、低丰度”的苏里格气田的代表区块,具有储层物性较差、有效砂体连通性较差、非均匀性强、气井产能低等复杂特征[21]。同样位于鄂尔多斯盆地的子洲气田,其物性条件比苏6区块物性条件好,单井动态储量较高。以苏里格气田苏6区块80口井和子洲气田58口井为例,分析研究每个区块的储层物性特征,并运用上述新模型计算单井动态控制面积模糊预测值A m
根据式(12)和储层物性参数分别计算出2个目标区的单井动态控制面积预测值A m,从小到大将这2个区域的单井动态控制面积模糊预测值和等效单井动态控制面积值分别进行排序,得到累计百分比,并拟合2种控制面积曲线,最后对比分析[图9(a)]可知:苏6区块生产动态分析统计的单井动态控制面积等效动态值介于0.029 3~0.802 km2之间,新方法计算得到的单井动态控制面积模糊预测值介于0.040 1~0.856 km2之间,2种方法计算得到的单井动态控制面积值不完全重合,造成该结果的原因是:多循环计算过程中易出现多种误差,导致最后结果具有不确定性。但整体上看,2种面积值具有很好的相关性[图9(b)],且变化速度大体一致,在误差范围内该新方法具有可靠性。为了使曲线更光滑、更符合自然规律,用玻尔兹曼概率分布函数分别对苏6区块的2种单井动态控制面积数据点进行拟合,且拟合效果很好,说明即使位于同一个区块的不同生产井,其单井动态控制面积的差异性很大,井控面积分布具有很强的随机性。子洲气田单井动态控制面积明显好于苏6区块,且符合高斯概率分布,证明了储层物性条件越好,其单井动态控制面积就越大,也解释了同一地区存在不同的单井动态控制面积,这一认识有利于区块进行井网优化研究。
无论是等效动态值A s还是模糊预测值A m,都反映出苏里格致密砂岩气田与常规中、高渗气田相比单井可控制范围较小,根据模糊预测值百分比曲线能够预测大约80%的单井动态控制面积在0.3 km2以下。也可根据图版对干扰概率进行初步预测,例如当井网密度为5口/km2时,有60%的井单井动态控制面积比当前井网密度下的井控面积小,即40%的井会产生干扰现象。通过气田测井的方式得到储层物性参数,确立了储层物性参数数据库,再以模糊预测方法建立的单井动态控制面积预测新方法能够有效计算未开发气田的单井动态控制面积,这样能够从平面上判断井间是否产生干扰,进而算出气田的井间干扰概率,评价采收率。

2 致密气井间干扰概率与井网密度关系

由于低渗透致密砂岩气藏储层流体流动性差,气藏基质物性较差,在一次井网条件下与其他常规气藏相比,其单井动态控制面积一般较小,造成各个气井的井控能力较低且差异性很大。根据全国致密气藏的开发经验,要提高单井平均产气量,保证气田稳产,就要对气田进行井网加密,以提高气井的井控能力,使地质上的井控面积相对变小,甚至小于单井动态控制面积。但随着气井加密到一定程度,相邻井之间开始发生干扰,干扰严重时,会使产气能力本来就很低的致密气藏的单井产气量及采收率下降,影响经济收益[22]。所以为了得到合理的井网密度,井间干扰是气藏开发必须要面对和解决的问题。李跃刚等[23]首次提出井间干扰概率概念,即干扰井数与总井数的比值。因此,可根据致密砂岩气藏早期一次井网密度下计算的单井动态控制面积模糊预测值与地质上的井控面积比较,得出不同井网密度下的井间干扰概率,从而确定不同储层物性的致密砂岩气藏在可接受的井间干扰概率范围下的合理井网密度。这样既可以不受干扰试井长时间关井的影响,又可以大批量地对未开发的致密砂岩气藏气井的井控能力进行系统预估。

2.1 井间干扰概率分析

井网加密是在一次井网且井间无干扰条件下完成的,在进行井网加密时,井距变小,到达某一值时,相邻井之间开始发生干扰,表明井间存在连通关系,此条件下单井累计采气量与井网密度紧密相关。井网密度越大,井间干扰越严重,单井累计采气量越小。为了衡量研究区域是否产生干扰以及干扰时气井产气量的情况,提出了使用井间干扰概率这个指标。
在不同井网密度下,根据每个区块的不同储层物性条件来计算单井动态控制面积预测值A m,按照井间产生干扰时的基本判断标准——生产井的单井动态控制面积大于或等于地质上的井控面积,来对相邻井之间的干扰现象做出定量表征。此时干扰概率表达式为:
F ( s ) = 1 - P { A m 1 s } = 1 - n s N
式中:S为井网密度,口/km2P{A m≤(1/s)}为单井动态控制面积模糊预测值A m小于井控面积1/S的概率,小数;n s为无干扰时井数,口;N为总井数,口。

2.2 井间干扰概率与井网密度关系

以苏6区块为例,运用储层物性参数和式(12)计算苏6区块单井动态控制面积模糊预测值,然后再根据式(13)判断井间是否产生干扰以及给出井间干扰概率,最后绘制成苏6区块的井网密度与井间干扰概率关系曲线(图10)。结果表明:达到干扰条件后,累计井间干扰概率随井网密度的增加而增加,井网密度越大,井间干扰概率就越大,且干扰逐渐趋于严重。直至井网密度达到一个较大值时,井间干扰概率达到100%,即所有井都产生干扰。从图10中可以看出,苏6区块相邻井之间开始发生井间干扰时的井网密度一般在1.5~1.7口/km2,井网密度在3口/km2时干扰概率达到30%左右。在实际生产中,井间干扰概率在30%时,井区的井网平面控制程度已经达到80%[24],说明井间的相互干扰在一定程度上有助于气田的生产。同时可以观察到苏6区块井间干扰概率与井网密度呈现很好的相关性,对图10预测值曲线数据点进行快速拟合发现,井间干扰概率与井网密度基本呈线性关系。为了计算方便,可以将这种线性关系用在采收率模型的建立,苏6区块的线性关系式可分别近似表达为:
F ( S ) 6 = 14.8 S - 12
图10 苏6区块井间干扰概率预测值与实际生产值对比

Fig.10 Comparison of predicted value of inter-well interference probability and actual production value in Su 6 block

苏6区块在早期稀疏的井网条件下,井网密度为0.7口/km2,对应地质上的井控面积为1.429 km2,此时对井网需要进一步加密,以提高区块采收率。目前苏6区块经过二次加密,井网密度达2.8口/km2,对应地质上的井控面积为0.357 km2,可见对这种井间干扰概率与井网密度关系的认识与苏6区块实际生产实践的认识基本一致,苏6区块实际生产动态分析统计值曲线与模糊预测值曲线具有很好的一致性(图10),证明了这种方法的可实施性,可以利用该方法预测实际目标区块的井间干扰情况,为后期对气田采收率评价起到很好的辅助作用。

3 致密砂岩气藏采收率评价

致密砂岩气藏气井普遍表现为产量低、稳产期短,且储集层各个物性参数表现出强烈的分布不均匀特性,导致该类气藏对剩余储量的控制程度低、产能低、采收率低,有大量的剩余致密气依靠目前的井网无法开采动用。

3.1 采收率评价模型

采收率是衡量气藏的综合指标,一个气田采收率的高低是油气田动态分析重点关注的问题。在评价采收率前需要做一系列的准备工作。以研究气藏的储层物性特征为起点,统计不同强烈非均质性储层的物性参数数据,并利用气田已有的生产动态信息建立每个重要物性参数数据库,且每个物性参数符合一定的随机分布。根据式(12)计算无干扰时的模糊预测单井动态控制面积A m,再根据式(13)计算不同井网密度S时井间干扰概率。在实际生产中,一个致密砂岩气藏可采气量分为2个部分,一部分为产生干扰的井的产气量;另一部分为不产生干扰的井的产气量。根据井间干扰概率理论,相邻井之间发生干扰现象时,单井动态控制面积要大于地质上的井控面积1/S。但由于受到实际地质条件的限制,发生干扰的井的单井动态控制面积只能小于或者等于地质上的井控面积1/S,那么在计算时就按照地质上的井控面积值代入。井间不发生干扰时气井的单井动态控制面积小于地质上的井控面积1/S,对于非均质性强烈的地层,不同位置的井单井动态控制面积都不相同,以概率函数的形式分布在单井最小的单井动态控制面积A min和地质上的井控面积1/S之间。那么2个部分的产气量加起来除以井数为单井累计平均产气量,即井网密度为S时单井平均累产气量Q
Q = β B ( F ( s ) S + S 1 / A m i n 1 S F ( s ) s d s )
式中:B为储量丰度,108 m3/km2,计算式为B= ϕ hS g/B gi,其中B gi为地层原始体积系数,小数;β为可采气量与动态控制储量比值,也称为衰竭效率,对于苏里格气田致密气藏,该值在0.6左右[25]S为井网密度,口/km2F(s)为不同井网密度下的干扰概率;A min为最小的单井动态控制面积,km2/口。
采收率定义为气藏的可采气量与其地质储量的比值,所有井的累加产气量与地质储量的比值则得到采收率为:
η = B β N ( F ( s ) S + S 1 / A m i n 1 S F ( s ) s d s ) N B / S × 100 %
这样就得到了基于致密砂岩气藏储层基本物性条件并且考虑了井间存在干扰时的新采收率评价模型,可以根据模型得到不同井网密度下的单井累计产量和采收率曲线,对目标井区进行产量及采收率评价。

3.2 苏里格气田目标区块采收率模型应用

为证明上述模型的可靠性,以苏里格气田加密试验目标区苏6区块进行采收率评价。苏6区块位于苏里格气田中部,此区块在一次布井时,单井动态控制面积普遍较低,井控能力弱,基本不存在井间干扰,且单井产量小于经济极限产量,所以无论从提高气田的采收率还是提高气田的经济效益来考虑,都需要对一次井网下的目标区块进行井网加密。目前苏6区块加密试验区已经从一次开发井网的井距1 200 m左右和井网密度0.7口/km2,经过二次加密,井网井距达到600 m左右和井网密度达到2.8口/km2,使得单井动态控制面积相对变大,采收率也相应的提高。选择苏6区块加密前生产时间较长的气井,运用采收率评价新方法,对该井区开展井网优化与采收率评价,验证采收率评价模型的可靠性。
根据苏6区块储层物性数据库,运用式(10)式(12)计算单井动态控制面积模糊预测值,图9(a)中已给出含有苏6区块的单井动态控制面积模糊预测值累计百分比曲线版图;根据式(13)计算得出区块井间干扰概率与井网密度关系曲线(图10);最后将式(14)分别代入式(15)式(16),对目标区进行井网优化和采收率评价。
将上述计算结果绘制成单井平均产气量、采收率优化曲线(图11),结果表明:当井网密度很小时,井间几乎不产生干扰,单井平均产量随井网密度变化不大,气藏采收率与井网密度呈线性关系;随着井网密度的增加,井间开始产生干扰,继续加密,采收率有所增加,但单井平均产气量下降;随着井网密度变得越来越大,采收率增加的幅度变小,逐渐趋于平缓。从技术角度讲,由图11(a)可知,苏6区块最大产气量在3 500×104 m3左右,极限产气量在1 500×104 m3左右,即使用新模型计算的单井平均累产量与实际生产基本一致。并且当井网密度为2.8口/km2时,采收率可达到39.3%[图11(b)],也与这个区块的开发动态结果吻合[26]。由此证明,新模型计算得到的规律可用于分析评价目标区块的采收率,可以为井网优化提供一定的技术指导,进一步证明采收率评价新方法应用于实际生产中具有可靠性。
图11 苏6区块单井平均累计产量与采收率优化曲线

Fig.11 The curve of average well yield and recovery rate of single well in Su 6 block

综上所述,以苏6区块的储层物性参数为依据,运用采收率评价新方法对该目标区进行评价,得到该目标区块单井平均累产量与采收率优化曲线,既满足了气田生产时的动态规律,又能在技术上评价出最适合目标区块的井网密度并得到采收率,即使有不同程度的井间干扰也是可以接受的。研究结果表明,致密砂岩气藏采收率评价新方法与实际结果相当,证明了此方法的可靠性,可以为致密砂岩气藏井网优化与采收率评价提供新思路。

4 结论

(1) 考虑了致密砂岩气藏有效储层强烈非均质性和物性参数的差异性对气藏井控能力的影响,运用模糊数学方法建立了有关单井动态控制面积的多参数模糊综合评价模型,该模型与动态分析法得到的单井动态控制面积具有很好的一致性,表明该模型的应用具有可行性。
(2) 结合井间干扰概率定义,提出了以致密砂岩气藏物性参数为基础的井间干扰概率新方法,给出了以苏里格苏6区块为例的井间干扰概率累计曲线,得到物性参数、井网密度和井间干扰概率之间的定量描述。
(3) 建立了一套考虑了井间干扰概率的致密砂岩气藏单井平均产气量与采收率评价模型,在苏6区块得以应用,并绘制出该目标区块单井平均累产量与采收率优化曲线,最后评价结果表明该新方法与实际结果相当,在一定程度上可以为致密砂岩气藏井网优化与采收率评价提供新思路。
1
马新华,贾爱林,谭健,等.中国致密砂岩气开发工程技术与实践[J].石油勘探与开发,2012,39(5):572-579.

MA X H, JIA A L, TAN J, et al. Tight sand gas development technologies and practices in China[J]. Petroleum Exploration and Development,2012,39(5):572-579.

2
邹才能,杨智,何东博,等.常规—非常规天然气理论、技术及前景[J].石油勘探与开发,2018,45(4):575-587.

ZOU C N, YANG Z, HE D B, et al. Theory, technology and prospects of conventional and unconventional natural gas[J]. Petroleum Exploration and Development,2018,45(4):575-587.

3
贾爱林.中国天然气开发技术进展及展望[J].天然气工业,2018,38(4):77-86.

JIA A L. Progress and prospects of natural gas development technologies in China[J].Nature Gas Industry,2018,38(4):77-86.

4
卢涛,刘艳侠,武力超,等.鄂尔多斯盆地苏里格气田致密砂岩气藏稳产难点与对策[J].天然气工业,2015,35(6):43-52.

LU T, LIU Y X, WU L C, et al. Difficulties and countermeasures for stable production of tight sandstone gas reservoirs in Sulige Gasfield, Ordos Basin[J].Nature Gas Industry,2015,35(6):43-52.

5
贾爱林,王国亭,孟德伟,等.大型低渗—致密气田井网加密提高采收率对策——以鄂尔多斯盆地苏里格气田为例[J].石油学报, 2018,39(7):802-813.

JIA A L, WANG G T, MENG D W, et al. Well pattern infilling strategy to enhance oil recovery of giant low-permeability tight Gasfield:A case study of Sulige Gasfield, Ordos Basin[J].Acta Petrolei Sinica,2018,39(7):802-813.

6
万玉金,罗瑞兰,韩永新.透镜状致密砂岩气藏井网加密技术与应用[J].科技创新导报,2014,11(28):41-48.

WAN Y J, LUO R L, HAN Y X. Well pattern encryption technology and application of lenticular tight sandstone gas reservoir[J]. Science and Technology Innovation Report,2014,11(28):41-48.

7
MCCAIN W, VONEIFF G, HUNT E, et al. A tight gas field study:Carthage (Cotton Valley) Field[C]//SPE Gas Technology Symposium, Calgary, Alberta, Canada: Society of Petroleum Engineers.1993

8
陈元千.油气藏工程计算方法[M].北京:石油工业出版社.1990.

CHEN Y Q. Oil and Gas Reservoir Engineering Calculation Method[M]. Beijing:Petroleum Industry Press, 1990.

9
QANBARI F, CLARKSON C. Rate-transient analysis of liquid-rich tight/shale reservoirs using the dynamic drainage area concept: Examples from North American reservoirs[J]. Journal of Natural Gas Science and Engineering, 2016, 35(2):24-36.

10
AL-HADRAMI H, TEUFEL L. Influence of permeability anisotropy and reservoir heterogeneity on optimization of infill drilling in naturally fractured tight-gas Mesaverde sandstone reservoirs, San Juan Basin[C]//SPE Rocky Mountain Regional/Low-Permeability Reservoirs Symposium and Exhibition, Denver, Colorado: Society of Petroleum Engineers. 2000.

11
高树生,熊伟,钟兵,等.川中须家河组低渗砂岩气藏渗流规律及开发机理研究[M].北京:石油工业出版社,2011.

GAO S S, XIONG W, ZHONG B, et al. Study on Seepage Law and Development Mechanism of Low Permeability Sandstone Gas Reservoir of Xujiahe Formation in central Sichuan Province[M].Beijing: Petroleum Industry Press, 2011.

12
D布佳, C唐纳森.著.油层物理[M].沈平平,秦积舜,等.译.北京:石油工业出版社, 2007.

JEBBAR D, DONALDSON C,et al.Petrophysics[M]. SHEN P P, QIN J S, et al, Translated. Beijing:Petroleum Industry Press, 2007.

13
叶礼友,钟兵,熊伟,等.川中地区须家河组低渗透砂岩气藏储层综合评价方法[J].天然气工业,2012,32(11):43-46.

YE L Y, ZHONG B, XIONG W, et al. An integrated evaluation method of Xujiahe low-permeability sandstone gas reservoirs in middle Sichuan Basin[J].Nature Gas Industry,2012,32(11):43-46.

14
高树生,杨朝蓬,冯全乐,等.致密砂岩气藏阈压梯度对采收率的影响[J].天然气地球科学,2014,25(9):1444-1450.

GAO S S, YANG C P, FENG Q L, et al. Influence of the threshold pressure gradient on tight sandstone gas reservoir recovery[J]. Natural Gas Geoscience,2014,25(9):1444-1450.

15
杨朝蓬,李星民,刘尚奇,等.苏里格低渗致密气藏阈压效应[J].石油学报,2015,36(3):347-354.

YANG C P, LI X M, LIU S Q, et al. Threshold pressure effect of low permeability tight gas reservoirs in Sulige Gasfield[J]. Acta Petrolei Sinica,2015,36(3):347-354.

16
叶礼友,高树生,杨洪志,等.致密砂岩气藏产水机理与开发对策[J].天然气工业,2015,35(2):41-46.

YE L Y, GAO S S, YANG H Z, et al. Water production mechanism and development strategy of tight sandstone gas reservoirs[J]. Nature Gas Industry,2015,35(2):41-46.

17
高树生,熊伟,刘先贵,等.低渗透砂岩气藏气体渗流机理实验研究现状及新认识[J].天然气工业,2010,30(1):52-55.

GAO S S, XIONG W, LIU X G, et al. Experimental research status and several novel understandings on gas percolation mechanism in low-permeability sandstone gas reservoirs[J].Nature Gas Industry,2010,30(1):52-55.

18
KARKEVANDI-TALKHOONCHEH A, SHARIFI M, AHMADI M. Application of hybrid adaptive neuro-fuzzy inference system in well placement optimization[J]. Journal of Petroleum Science and Engineering,2018,166(9):24-47.

19
张数球.模糊优化理论在优选油气田开发方案中的应用[J].天然气工业,1993,13(2):45-48.

ZHANG S Q. Application of fuzzy optimization theory in optimal oil and gas field development plan[J]. Nature Gas Industry, 1993, 13(2):45-48.

20
陈志刚.油气田开发方案综合评价与优选的模糊决策方法[J].石油勘探与开发,1988,15(5):75-78.

CHEN Z G. Comprehensive evaluation and optimization of fuzzy decision-making methods for oil and gas field development programs[J].Petroleum Exploration and Development,1988,15(5):75-78.

21
ZHANG J, LU T, LI Y G, et al. Study on well pattern optimization of tight sandstone gas reservoir with the strong heterogeneity[C]//The 6th International Petroleum Technology Conference(IPTC 17190), Beijing: IPTC,2013.

22
GURBANOV R S, MUSAYEVA S, GURBANOV R, et al. Advanced well spacing system application in the development of oil and gas fields[J]. Procedia Computer Science,2016,102(4):46-52.

23
李跃刚,徐文,肖峰,等.基于动态特征的开发井网优化——以苏里格致密强非均质砂岩气田为例[J].天然气工业,2014, 34(11):56-61.

LI Y G, XU W, XIAO F, et al. Development well pattern optimization based on dynamic characteristics case study from the Sulige tight sandstone gas field with great heterogeneity[J]. Nature Gas Industry,2014,34(11):56-61.

24
高树生,刘华勋,叶礼友,等.致密砂岩气藏井网密度优化与采收率评价新方法[J].天然气工业,2019,39(8):58-65.

GAO S S, LIU H X, YE L Y, et al. A new method for well pattern density optimization and recovery factor evaluation of tight sandstone gas reservoirs[J].Nature Gas Industry,2019,39(8):58-65.

25
毛美丽,李跃刚,王宏,等.苏里格气田气井废弃产量预测[J].天然气工业,2010,30(4):64-66.

MAO M L, LI Y G, WANG H, et al. Prediction of gas well abandonment production in the Sulige Gas Field[J]. Nature Gas Industry, 2010,30(4):64-66.

26
王赞.苏里格气田苏6区块开发效果评价[D].成都:西南石油大学, 2014.

WANG Z. Development Effect Evaluation of Su 6 Block in Sulige Gasfield[D].Chengdu: Southwest Petroleum University,2014.

Outlines

/