测井车研究报告 2015 2020年中国测井车行业投资战略及前景预测分析...
摘 要：影响油气产能的因素可分为储层自身条件和外部工程因素两类，一个具体的生产开发区块，外部施工环境基本一致，产能主要取决于储集层性质。从达西定律出发，研究了产能的理论方程。基于储层产能的理论公式，以鄂尔多斯盆地延长组长7-1 油层30口井99个试油层数据为基础，优选孔隙度、渗透率、储层有效厚度、含油饱和度等储层参数构建产能综合指数F，并以孔隙度9%为界限，分别建立了高低产能预测模型，预测模型精度高，应用效果好，证实了该方法的有效性。
关键词：超低渗透；产能；测井参数；产能综合指数；预测
DOI：10.16640/j.cnki.37-1222/t.2017.18.057
0 引言
低渗透储层成岩演化过程中历经了复杂的物理化学变化，造成了储层岩性成分，储集空间类型亦即孔喉微观结构的复杂多样，储层的非均质性严重；同时由于储集层岩性致密，储集空间狭小，测井信息中的有效信息大大降低，利用测井资料进行产能预测的不确定性增大。
本文以长庆油田陇东油区庄230井区延长组长7-1油藏为研究对象，基于测井资料，优选储层参数，构建产能综合指数F，并根据孔隙度分别建立了高低产能预测模型，在实践中取得了比较满意的效果。
1 产能预测理论基础及影响因素
1.1 描述产能的理论方程
1.2 影响产能的主要因素
影响储层产能的因素大致可分为两类，一是储层自身条件，包括储层岩性、孔隙结构、含油气性质等；二是外部工程因素，素主要有井眼大小和表皮系数等，其中表皮系数是多项工程因素的一个综合反映，这些工程因素包括储层改造措施、钻完井等对储层的伤害或改善、射孔状况等[1]。
对于某一具体的开发生产区块，往往具有相对规范统一的作业方式以及较为规整的井网布置，外部工程环境相对一致，此时储层的自身性质就上升为储层产能的主要控制因素了。
2 产能预测模型
根据前文的论述，本文基于储层因素，根据本区长7-1段单层测试数据，测井资料等，以数理统计方法建立研究区域的产能预测模型。由前面理论分析中可以发现，油井流量与储层厚度、渗透率、含油饱和度、压力、流体粘度等因素有关，其中储层厚度、渗透率、含油饱和度等反映储层性质。另外由于孔隙度与渗透率、饱和度等皆息息相关，本文选择孔隙度、渗透率、储层有效厚度、含油饱和度等构建综合指数，建立产能预测模型。
定义产能综合指数：，其中、均取百分数，有效厚度的单位为，渗透率的单位为。
以本区长7-1段试油资料中，选取单层测试或者各射孔段相距较近的合试段共计99个油层或者油水层作为样本点，拟合它们的综合指数与试油日产油量之间的关系，如图2所示。
从图2可以看出，发现整体而言，试油日均产量与产能综合指数之间的相关性并不好，相关度只有0.62。反映储层动态特征的产能其影响因素复杂，在未进行储层分类的情况下，直接拟合关系产能综合指数与试油日均产量之间的关系，不能取得较好效果。
本文尝试基于孔隙度大小将99个单层测试样本点分类，然后寻找产能综合指数与试油日均产量之间的关系。发现以孔隙度9%为界限，将样本点分为两大类（φ>9%，38个；φ<9%，61个），分别拟合产能综合指数与试油日均产量之间的关系，两类均能达到较高的相关度，其中一类斜率较大，即试油日均产量受产能综合指数的影响大；另一类呈斜率较小的线性关系，产能综合指数的变化量对试油日均产能的影响小。这一发现也相应证实，孔隙度大的储层，产能变化显著，而孔隙度小的储层产能则相对平稳，储层孔隙空间是影响和决定产能的关键参数之一。将上述两类关系定义为高产模型和低产模型，如图3所示。两类模型下的产能综合指数与试油日均产量之间的关系式见式（12）与式（13）。
根据上述建立的高低产能预测模型，对99个单层测试样本点进行预测，验证其预测效果，发现实际试油日均产量与预测试油日均产量之间的吻合度较好，整体误差86.2%，达到了实际生产要求。其中误差较12个样本点被发现集中分布在3口井之中，這可能是由于这3口井特殊复杂的储层环境或者施工偏差所致，深层次的原因探讨有待进一步的证实。预测结果与实际结果对比见图4。
3 结论
（1）基于测井资料，构建产能综合指数，并以数理统计方法建立研究区域的产能预测模型，方法有效、实用。
（2）笔者提出的产能预测方法实现了通过测井手段预测试油产量，进而达到优选试油、压裂层位，指导油田勘探开发的目的。
参考文献：
[1]彭智，赵文杰等.胜利油田基山砂岩体产能预测模型[J].测井技术，2004，28（05）：1-5.
作者简介：邓健（1990-），男，湖北宜昌人，硕士研究生，助理工程师，主要从事油藏评价及测井解释相关工作。endprint
