鄂尔多斯盆地庆城油田页岩油水平井产能主控因素及开发对策优化

图1 庆城油田初期产量分布直方图

Fig.1 Early production distribution histogram in Qingcheng Oilfield

目前国内外学者针对北美页岩油压裂水平井产能影响因素的研究较多^［4-5］，主要采用空间统计法、神经网络法、灰色关联法等方法对巴肯、鹰滩页岩油的不同地质参数、流体性质、压裂参数对产能的影响进行了定量分析，但与北美海相页岩油相比，国内陆相页岩油优质储集层厚度小、非均质性强，且鄂尔多斯盆地页岩油压力系数低，研究结果不全适应于庆城油田页岩油。针对国内陆相页岩油，学者们主要通过数值模拟方法、理论解析模型法分析了地质因素或工程因素压裂改造参数、人工裂缝导流能力对产能的影响^［6-8］，分析因素不全且数值模拟方法不便于现场使用，亦有学者^［9］采用深度学习法综合分析了地质工程参数对松辽盆地、渤海湾盆地、准噶尔盆地3种类型致密油井产量的主控因素，但侧重于不同类型致密油地质参数对产能的影响。

为解决鄂尔多斯盆地庆城油田单井产能差异大的问题，本文从地质工程一体化角度出发，基于庆城油田地质数据、施工数据和生产数据，以180余口水平井为样本，采用灰色关联分析法、随机森林算法综合分析各地质工程因素对产能的影响程度，筛选出产能主控因素，并基于主控因素优化井位部署和压裂施工参数，为提高页岩油开发效果提供支撑。

1 研究区概况

1.1　地质特征

庆城油田区域地质构造处于鄂尔多斯盆地伊陕斜坡西南部（图2），其页岩油主要分布在上三叠统延长组7段（第7段），为一套半深湖—深湖相的细粒沉积，地层厚度约110 m，长7段砂泥叠合发育，受水动力条件、湖盆底形起伏特征等因素影响，纵向和横向储层非均质性强。自下而上可细分为长7₃亚段、长7₂亚段和长7₁亚段，长7₃亚段主要沉积一套富有机质的泥页岩；长7₂亚段和长7₁亚段主要沉积了多套大面积分布的细粒砂岩，整体岩性为粉砂—细砂岩，广覆式分布的泥页岩与大面积粉砂—细砂岩紧密接触或互层共生，富集了丰富的页岩油资源^［1，10］。

长7₁亚段、长7₂亚段储层为主力开发层位，具有储层非均质性强、岩性致密、压力系数低的特点，同时具有脆性指数高、含油饱和度高、原油性质好等优势^［10-11］。地面空气孔隙度主要在6%~11%之间，平均为9.2%，地面空气渗透率主要在（0.08~0.3）×10^-3μm²之间，平均为0.10×10^-3μm²；孔喉半径小，孔隙半径主要集中在2~8 μm之间、喉道为20~100 nm，属微纳米级孔喉系统；油藏埋深1 750~2 030 m，地层压力为14.7~15.8 MPa，压力系数低（0.77~0.82），属低压油藏；脆性指数与低渗—超低渗储层相比较高，平均为46.7%，有利于水平井体积压裂形成复杂缝网；长7段油气近源充注，原始含油饱和度较高。平均约为70%，原始气油比高，平均为70~120 m³/t，原油黏度低，平均为1.35 mPa·s，易于流动。

1.2　开发现状

庆城油田长7段页岩油自2011年起先后经历了评价探索、开发试验、示范建设3个阶段。

（1）2011—2013年：评价探索阶段。在X233区、Z183区、N89区开展水平井体积压裂攻关试验，实施水平井25口，平均水平段长度为1 560 m，井距为600~1 000 m，平均初期产量为12.1 t/d，平均第一年累积产油量为3 970 t/d，单井产量获得突破，明确了水平井分段多簇体积压裂是开发页岩油的主要手段^［12-13］。

（2）2014—2017年：开发试验阶段。在X233区、Z183区先后开展了短水平井五点井网七点井网注水开发、长水平井大井距自然能量开发试验，但水平井注水开发因储层致密难以建立有效压力驱替系统导致见效难、且裂缝沟通见水风险大，长水平井大井距自然能量开发采油速度低、递减较大，均无法规模效益开发^［14-15］。

（3）2018年至目前：示范建设阶段。采用水平井细分切割体积压裂准自然能量开发方式，长水平井、小井距、大井丛布井技术，快速推进了水平井规模效益开发。截至目前完钻水平井459口，平均水平段长度为1 682 m，井距为300~400 m，平均单井压裂22段，入地液量为27 165 m³，加砂量为2 995 m³，投产为230口，正常生产后满3个月井183口，初期日产油为15.2 t/d，含水为39.4%，平均一年累积产油为4 573 t。

但是单井产能差异大（图1），本文分析主要以同一开发技术政策下即示范建设阶段2018年以后投产且累积生产时间大于半年的183口正常水平井作为研究对象。

2 单井产能主控因素分析

庆城油田页岩油储层致密、压力系数低的特点决定了只有通过大规模改造才能获得工业产量，其产油量受地质和工程两大因素的影响^［16］。

2.1　地质因素

地质因素包括优质油层厚度、储层物性、含油性，储层脆性特征反应岩石可压性，直接影响页岩储集层压裂改造效果，也是影响产能的主要地质因素。

2.1.1　油层厚度

油层厚度越大，尤其单砂体油层厚度越大，单井控制储量就越多，在压裂规模一定的条件下，单井产量就越高，油层厚度与第一年累计产油量呈正相关关系（图3）。纵向上多薄层叠合的油层，泥质隔夹层较发育的区域相对低产。

图3

图3 油层厚度与第一年累积产油量关系

Fig.3 Oil layer thickness vs. cumulative oil production of the first year

2.1.2　储层物性

为排除水平井横向非均质性影响，储层孔隙度、渗透率物性参数及含油性、可压性的选取通过统计水平井钻遇一类油层相关测井数据与长度的加权平均值获得^［16］，储层物性基础越好，压裂改造后单井获得高产的潜力越大，单井产量与孔隙度、渗透率均呈正相关（图4）；相比渗透率，孔隙度与单井产量的相关性更强。

图4

图4 储层物性与第一年累积产油量关系

Fig.4 Reservoir property vs. cumulative oil production of the first year

2.1.3　储层含油性

地质参数中，电阻率、含油饱和度和全烃反映储层含油性的好坏，其与单井累产油均具较好的相关性，对页岩油产量影响较大。通过矿场统计，单井产量含油饱和度与气测全烃值成正相关，合水南部由于含油性差、油水关系复杂，整体单井产量低于合水北部及华池区（图5）。

图5

图5 储层含油性与第一年累积产油量关系

Fig.5 Reservoir oiliness vs. cumulative oil production of the first year

2.1.4　储层可压性

长7段储层脆性矿物含量高、岩石致密，可压性强于粉砂岩等岩相，脆性指数是影响压裂改造效果的一个关键参数，脆性指数越高，越容易形成人工缝网^［17］，进而影响单井产量。

本文采用Barnett页岩脆性指数计算方法，借助纵波时差、横波时差及岩石体积密度计算钻遇油层段脆性指数，由图6可以看出，水平段脆性指数与产量的相关性较好。

图6

图6 脆性指数与初期日产油量关系

Fig.6 Relationship between brittleness index and daily oil production

2.2　工程因素

2.2.1　有效水平段长度

庆城油田长7段页岩油储层非均质性强，横向连续性差，因此钻遇率对水平井单井产能影响较大，矿场实践统计显示，随着油层钻遇长度的增加，相同井距下能够增大水平井筒泄流面积，因此单井产量增加，但当有效水平段长度大于1 500 m时，产量增加的幅度变缓（图7）。

图7

图7 有效水平段长度与第一年累积产油量关系

Fig.7 Effective length of lateral section vs. cumulative oil production of the first year

2.2.2　压裂改造参数

细分切割体积压裂改造参数一方面影响改造后储层缝网发育程度，另一方面起到压裂补能的作用，压裂施工参数主要包括压裂段数、簇数、入地液量、加砂量^［17］。

矿场实践结果表明，百米油层压裂段数、入地液量和加砂量的增加扩大了改造体积、提高了裂缝导流能力，直接影响造缝补能效果，与百米油层第一年累积产油呈成正相关关系（图8），但单段簇数与产量呈负相关关系，因单段簇数越多，越容易出现无效簇，簇间动用差异大，在有效水平段长度一定的条件下，单段簇数增多导致段间距越大压裂段数降低，非均衡起裂与延伸的程度越大，储量动用率越低进而影响产量，故细分切割体积压裂造缝单段簇数不易过多，应尽可能增加硬分割次数，即多段少簇。

图8

图8 百米油层压裂参数与第一年累积产油量关系

Fig.8 Fracturing parameters per hundred meter vs. cumulative oil production of the first year

2.3　主控因素分析

结合以上各影响参数与产量的相关性，以储层地质参数、钻井资料、测井解释资料、压裂资料、生产数据为数据集，采用灰色关联法确定各因素与产量的关联度、随机森林算法获得多因素对产能的影响因子，从而定量评价确定产能主控因素。灰色关联法对样本量的多少和样本有无规律都同样适用，而且计算量小，十分方便，因而具有广泛的实用性^［5，18］；随机森林法是新兴起的、高度灵活的一种机器学习算法，该方法以决策树为基础，直接从原始数据中挖掘自变量和因变量之间的潜在信息，最大程度避免误差的扩大，且相较于神经网络需要较少的预处理，训练过程更简单^［19］，因此采用这2种方法进行分析。

通过灰色关联法分析的各地质工程因素与初期日产油及一年累积产油的关联度排序如图9，随机森林算法各参数影响因子排序如图10，这2种方法虽分析过程与原理各不相同，但其结果相似度较高，地质参数孔隙度、含油饱和度、脆性指数均依次保持在前3位，优质储层是保证单井产量的物质基础，其次是工程参数有效水平段长度、单段砂量、压裂段数、入地液量，直接影响大规模压裂改造体积及效果，工程参数虽然2种算法略有差异，但均保持在4~7位。

图9

图9 灰色关联法各参数灰关联度排序

Fig.9 Parameter order using grey correlation method

图10

图10 随机森林算法各参数影响因子排序

Fig.10 Parameter order using random forest algorithm

综合2种方法平均排序依次为孔隙度、含油饱和度、脆性指数、有效水平段长度、压裂段数、单段加砂量、入地液量，为水平井产能主控因素。在生产初期阶段裂缝是主要渗流通道，对产量影响最大的参数是裂缝渗透率及基质孔隙度，因此基质渗透率对产能的影响很小；油层厚度对产能的影响并不靠前：一是由于研究区选择样本的油层厚度差别不大；二是大规模体积压裂后油层压开厚度难以定量描述，弱化了油层厚度对单井产能的影响。

3 开发对策优化

在实际生产中，可从影响产能的主控因素入手，优化地质选井、水平段长度和合理压裂施工参数，有效提高水平井单井产能。

3.1　甜点预测

根据主控地质参数中地质甜点指标（孔隙度、含油饱和度）和工程甜点指标（脆性指数），建立甜点指数综合评价方法，并通过数据分析确定评价综合甜点指数的各参数的权重系数（表1）。

表1 甜点指数的各参数的权重系数

Table 1 Weight coefficient of each parameter using sweet spot index

地质参数	影响因子	均一化系数	权重系数
孔隙度	0.100 7	0.275 2	ω₁
含油饱和度	0.097 4	0.266 2	ω₂
脆性指数	0.078 2	0.213 7	ω₃

新窗口打开| 下载CSV

综合甜点指数=ω₁*Φ+ ω₂*S_O+ ω₃* BI

式中：Φ为孔隙度（归一化）；S_O为含油饱和度（归一化）； BI为脆性指数（归一化）。

综合甜点指数模型用示范区建设阶段已有的水平井进行验证，吻合度较高，选取工程参数相近水平井的甜点指数和产量做对比，发现甜点指数高的地方对应的产量相应也较高（图11）。建立综合甜点指数三维模型可用于平面上优化水平井井位部署、纵向上优化水平井轨迹设计，在水平井完钻后也可根据水平段电测参数计算综合甜点指数来指导后期压裂段优选。

图11

图11 甜点指数与初期日产油量相关性

Fig.11 Dessert index and daily production during initial production period

3.2　水平段长度优化

水平段长度对单井产量影响较大，但受储层横向连续性特征影响，水平段越长，油层钻遇率提高难度越大，水平段长度大于2 000 m后油层钻遇率降低5%，后期生产等复杂问题也越突出，每百米单井产量较低（图12）；前期三维地震、地质研究对单砂体精细刻画，认为长7段单层砂体延伸长度多为1 500~4 000 m，按照大平台组合，水平段长度为1 500~2 000 m左右；现有钻井能力下，水平段小于2 000 m时钻井以一趟钻、两趟钻为主，钻井周期较短（20 d左右），且钻井试油费用较低，当超过2 000 m时，主要为三趟钻，钻井周期和投资成本明显上升，钻井试油费用百米水平段投资增幅由117万元上升至216万元。因此水平段长度并非越长越好，综合矿场实践、油藏特征、钻井经济性等因素，优化合理区间为1 500~2 000 m。

图12

图12 水平段长度与百米油层初期日产油量关系

Fig.12 Lateral length vs. daily production during initial production period per hundred meters

3.3　压裂施工参数优化

3.3.1　压裂段数

矿场实践显示，随着压裂改造段数的增加，百米有效初期产量（图13）和累积产量提高［图8（a）］，百米有效水平段改造段数在2.0~2.5段时，单井产量较高，超过该范围后，产量增幅较小，百米有效水平段改造段数增加0.5段，对应单井改造段数增加6段，预测单井EUR值增加7.9%，但对应单井投资增加14.7%，综合矿场实践并考虑经济性，优化百米有效水平段为2.0~2.5段。

图13

图13 百米油层初期产量与改造段数关系

Fig.13 Daily production during initial production period per hundred meter vs. number of fracturing section in oil layer per hundred meters

3.3.2　单段簇数

本文采用TET-Suite模拟软件对示范区北部41口井进行地质工程一体化压裂模拟，首先基于流固耦合压裂正演模拟方法进行压裂缝网模拟，并通过研究区3口微地震监测数据进行参数校正，精细刻画压裂缝网形态；再基于实际生产数据，进行压裂—生产全生命周期的历史拟合，通过油藏及人工裂缝参数校正与调整，生产动态符合率平均为88%。根据拟合结果，进行合理压裂施工参数优化。

不同压裂簇数模拟显示，受储层非均质性及人工裂缝应力干扰影响，当簇数到达5簇以上时，开始出现无效簇，影响储量动用程度（图14）；结合矿场实践单段簇数与百米油层第一年累产油关系［图8（b）］，确定最优单段压裂簇数为4~5簇。少段多簇可节约部分成本，但无法保证产能。

图14

图14 同一井段不同簇数压裂模拟结果

Fig.14 Fracturing simulation results under the conditions of different number of clusters in same well section

3.3.3　进液强度

随着进液强度的增加，改造体积增大，到达一定程度后，压裂改造体积（图15）、单井产量［图8（c）］增幅减小，结合压裂模拟研究及矿场统计方法，优化进液强度为20~25 m³/m。

图15

图15 不同进液强度下单段压裂体积

Fig.15 Fracturing volume of each section with different fluid inlet strength

3.3.4　加砂强度

随着加砂强度的增大，有效支撑缝长和裂缝导流能力提高，当加砂强度到达4 t/m之后，裂缝导流能力（图16）和累积产油曲线［图8（d）］出现拐点，因此优化加砂强度为4 t/m左右。

图16

图16 不同加砂强度下裂缝导流能力变化

Fig.16 Fracture diverting capacity with different sand adding strength

4 结论

（1）页岩油水平井产能差异是多种因素综合作用的结果，优质储层及有效水平段长度是保证单井产量的基础，在此基础上与大规模有效压裂改造之间的有机匹配是页岩油水平井高产的主控因素。

（2）利用灰色关联法、随机森林算法确定了7个页岩油产能主控因素，包括3个地质参数和4个工程参数，按照权重大小依次为孔隙度、含油饱和度、脆性指数、有效水平段长度、压裂段数、单段加砂量及入地液量。

（3）通过主控地质参数建立了甜点指数综合评价方法，与水平井产量吻合度较高，利用甜点指数优化水平井井位部署、井轨迹设计及后期压裂段优选。

（4）优化百米有效改造段数在2.0~2.5段，单段簇数为4~5簇，进液强度为20~25 m³/m，加砂强度为4 t/m左右。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

付金华，牛小兵，淡卫东，等.鄂尔多斯盆地中生界延长组长7段页岩油地质特征及勘探开发进展［J］.中国石油勘探，2019，24（5）：1-10.

FU J H，NIU X B，DAN W D，et al. The geological characteristics and the progress on exploration and development of shale oil in Chang7 Member of Mesozoic Yanchang Formation， Ordos Basin［J］. China Petroleum Exploration， 2019，24（5）：1-10.

[2]

高岗，刘显阳，王银会，等.鄂尔多斯盆地陇东地区长7段页岩油特征与资源潜力［J］.地学前缘，2013，20（2）：140-146.

GAO G， LIU X Y， WANG Y H ，et al. Characteristics and resource potential of the oil shale of Chang 7 Layer in Longdong area， Ordos Basin［J］. Earth Science Frontiers， 2013，20（2）：140-146.

[3]

李国欣，吴志宇，李桢，等.陆相源内非常规石油甜点优选与水平井立体开发技术实践——以鄂尔多斯盆地延长组７段为例［J］.石油学报，2021，42（6）：1-10.

LI G X，WU Z Y，LI Z，et al.Optimal selection of unconventional petroleum sweet spots inside continental sourse kitchens and actual application of three-dimensional development technology in horizontal wells： A case study of the Member 7 of Yanchang Formation in Ordos Basin［J］. Acta Petrolei Sinica，2021，42（6）：1-10.

[4]

LUO G F ， TIAN Y ， BYCHINA M ， et al. Production-strategy insights using machine learning： Application for Bakken shale［J］. SPE Reservoir Evaluation & Engineering， 2019， 22（3）：800-816.

[5]

梁涛，常毓文，郭晓飞，等.巴肯致密油藏单井产能参数影响程度排序［J］. 石油勘探与开发， 2013， 40（3）：357-362.

LIANG T， CHANG Y W， GUO X F， et al. Influence factors of single well’s productivity in the Bakken tight oil reservoir［J］. Petroleum Exploration and Development， 2013， 40（3）：357-362.

[6]

黄世军，丁冠阳，薛永超，等.致密油藏压裂水平井非稳态产能评价方法研究［J］. 中国科技论文， 2017， 12（9）：1006-1010.

HUANG S J， DING G Y， XUE Y C， et al. Unsteady deliverability evaluation method of fractured horizontal wells in tight oil reservoirs［J］. China Science Paper，2017，12（9）：1006-1010.

[7]

彭晖，刘玉章，冉启全，等. 致密油储层水平井产能影响因素研究［J］.天然气地球科学， 2014， 25（5）：771-777.

PENG H， LIU Y Z， RAN Q Q， et al. Study on the horizontal well production in tight oil reservoirs［J］.Natural Gas Geoscience， 2014， 25（5）：771-777.

[8]

孙兵，刘立峰，丁江辉. 致密油水平井产能主控地质因素研究［J］. 特种油气藏， 2017， 24（2）：115-119.

SUN B， LIU L F， DING J H， et al. Main geologic factors controlling the productivity of horizontal wells in tight oil reservoirs［J］.Special Oil and Gas Reservoirs，2017，24（2）：115-119.

[9]

詹路锋，郭彬程，蔚远江，等. 基于深度学习方法的致密油产量主控因素分析［C］//CPS/SEG北京2018国际地球物理会议暨展览电子论文集，2018.

ZHAN L F，GUO B C， WEI Y J， et al. Dominating factors analysis of tight oil production based on the deep learning method［C］// CPS/SEG 2018 Beijing International Geophysical Meeting and Exhibition Electronic Proceedings，2018.

[10]

杨华，李士祥，刘显阳.鄂尔多斯盆地致密油、页岩油特征及资源潜力［J］.石油学报，2013，34（1）：1-11.

YANG H， LI S X，LIU X Y. Characteristics and resource prospects of tight oil and shale oil in Ordos Basin［J］.Acta Petrolei Sinica， 2013，34（1）：1-11.

[11]

付金华，喻建，徐黎明，等. 鄂尔多斯盆地致密油勘探开发进展及规模富集可开发主控因素［J］.中国石油勘探，2015，20（5）：9-19.

FU J H， YU J， XU L M， et al . New progress in exploration and development of tight oil in Ordos Basin and main controlling factors of large-scale enrichment and exploitable capacity［J］. Chnia Petroleum Exploration， 2015，20（5）：9-19.

[12]

李卫成，叶博，张艳梅，等.致密油水平井体积压裂攻关试验区单井产量主控因素分析［J］.石油地质与工程，2016，30（6）：111-114.

LI W C， YE B， ZHANG Y M， et al . Main factors controlling the productivity of the volume-fracturing horizontal wells in tight oil research area［J］. Petroleum Geology and Engineering，2016，30（6）：111-114.

[13]

李忠兴，李健，屈雪峰，等.鄂尔多斯盆地长7致密油开发试验及认识［J］.天然气地球科学，2015，26（10）： 1932-1939.

LI Z X， LI J， QU X F， et al. The experiment and recognition of the development of Chang 7 tight oil in Ordos Basin［J］.Natural Gas Geoscience，2015，26（10）： 1932-1939.

[14]

李忠兴，屈雪峰，刘万涛，等.鄂尔多斯盆地长7 段致密油合理开发方式探讨［J］.石油勘探与开发，2015，42（2）：217-221.

LI Z X，QU X F， LIU W T， et al. Development modes of Triassic Yanchang Formation Chang 7 Member tight oil in Ordos Basin，NW China［J］.Petroleum Exploration and Development，2015，42（2）：217-221.

[15]

赵继勇，樊建明，薛婷，等.鄂尔多斯盆地长7致密油储渗特征及分类评价研究［J］.西北大学学报（自然科学版），2018，48（6）：857-866.

ZHAO J Y， FAN J M， XUE T， et al. Classification and evaluation of Chang 7 tight oil reservoir seepage features in Ordos Basin［J］. Journal of Northwest University （Natural Science Edition），2018，48（6）：857-866.

[16]

王冲，屈雪峰，王永康，等. 鄂尔多斯盆地致密油体积压裂水平井产量预测［J］.西南石油大学学报（自然科学版），2018，40（4）：123-131.

WANG C， QU X F， WANG Y K， et al. Production prediction for the volume-fracturing horizontal wells of a tight oil reservior in the Ordos Basin［J］.Journal of Southwest Petroleum University（Science & Technology Edition），2018，40（4）：123-131.

[17]

樊建明，杨子清，李卫兵，等.鄂尔多斯盆地长7 致密油水平井体积压裂开发效果评价及认识［J］.中国石油大学学报（自然科学版），2015，39（4）：103-110.

FAN J M， YANG Z Q， LI W B， et al. Assessment of fracturing treatment of horizontal wells using SRV technique for Chang 7 tight oil reservoir in Ordos Basin［J］. Journal of China University of Petroleum，2015，39（4）：103-110.

[18]

孙敬，刘德华，张亮，等.低渗透油藏递减影响因素的灰色关联分析［J］.特种油气藏，2012，19（2）：90-93.

SUN J， LIU D H，ZHANG L， et al. The influence factor of diminishing of low permeability reservoirs based on the gray correlation analysis［J］. Special Oil and Gas Reservoirs，2012，19（2）：90-93.

[19]

纪磊，李菊花，肖佳林.随机森林算法在页岩气田多段压裂改造中的应用［J］.大庆石油地质与开发，2020，39（6）： 168-174.

JI L， LI J H， XIAO J L. Application of random forest algorithm in the multistage fracturing stimulation of shale gas field［J］. Petroleum Geology & Oilfield Development in Daqing，2020，39（6）： 168-174.