版权信息
省级大型综合性科技类期刊
主管部门:自治区科技厅
主办单位:自治区科学技术信息研究院 
协办单位:自治区科学技术情报学会
编辑出版:科技期刊编译室
刊社地址:呼和浩特新城西街149号本刊杂志社
邮政编码:010000
电      话:0471-2536371

E-mail  :

nmgkjzz@vip.163.com 

网站地址:www.nmgkjzz.com


往期杂志
当前位置: 首页>往期杂志>详细介绍

浅谈大数据技术在煤层气勘探开发中的应用

时间:2016-11-28来源: 作者: 点击: 522次


林炳龙

(中海油服中法渤海地质服务有限公司广东,深圳 518067)

摘要:随着增产技术的发展,非常规油气在石油行业的地位日渐凸显出来,已经成为油气产量的重要组成部分。而油藏工程师将常规油渗流理论应用于页岩气、煤层气和致密气时却遇到不少棘手的问题。首先是非常规气藏非均质性非常高,为地质建模带来不小的困难;其次复杂的储存机理(吸附气vs 游离气)和渗流机理(吸附解吸、应力敏感等)复杂混合难以进行动态预测,数值模拟等常规工具失去其用武之地。正因为这种情况,油藏专家把经验模型又重新引入到非常规油气生产动态分析当中,并取得了良好的效果。非常规气藏井距井数多,钻井和增产等过程中产生大数据体同时生产过程中积累大量的生产动态数据,如果以地质、钻井等静态数据为基础建立生产资料、测试资料和措施方面资料等在内的生产动态数据库将是有益的探索。本文将煤层气为例,讨论进一步将大数据与经验模型相结合,从而有效利用现有数据,提高储量估算、产能评价和工艺优化分析精度,有效动用原有数据库,降低生产成本。

关键词:大数据;煤层气;勘探开发

Discussion Application of Big Data Technology in Coalbed Methane Gas Exploration&Production

Lin Binglong

CHINA FRANCE BOHAI GEOSERVICES CO., LTD., Shen Zhen, Guang Dong.,518067

 

Abstract:With the development of stimulation techniques, the output of unconventional gas has become an important part of the oil and gas production. When reservoir engineer apply the theory of conventional formation on shale gas, coal-bed methane and tight gas,they are facing many difficult problems. The first is unconventional gas reservoir heterogeneity is very high, barely to build accurate geological model to describe reservoir; Secondly, complex storage mechanism (Adsorption and desorption) and flowing mechanism (diffusion, stress sensitivity, etc.) make it hard to predict production performance.Such as numerical simulation technique barely fix these problems. Reservoir expert effectively reintroducedempirical model into unconventional gas production analysis. Unconventional gas reservoir usually has large number of wells with small well spacing, accumulates huge data from exploration &production to drilling and stimulation operation.This paper will take coal bed methane as example to further discuss combining big data intoempirical model. It utilize VSD (variable shape distribution),Gauss equation and multiple regression with big data. This will effectively improve precision of reserve estimation, production evaluation and stimulation factors optimization, lower the production cost.

Keyword: Big data; CBM; Exploration and development

Key words:bigdata;CBM;exploration and development

0前言

非常规天然气一般包括页岩气、煤层气和致密气,都属于清洁天然气能源。中国近几年大力发展天然气能源消费,以缓解空气污染。中国属于天然气进口国,2010年天然气消费1097亿方,每年以7%的速度增长。随着美国非常规气成功地开发,中国也在大力开发国内非常规气体资源。其中致密气已经进入大规模开发阶段,煤层气和页岩气正进入快速增产阶段[1-4]

煤层气/致密气储层非均质程度非常高,地质精细描述难度大。煤层气存在吸附气,使得生产过程中除了达西流动还有解吸扩散等渗流机理[5-6],致密砂岩气藏存在应力敏感和启动压力梯度等复杂渗流机理,常规解析模型和数值模型往往陷入精度不够或者计算速度慢等不利局面中。如果采用常规油藏方法预测生产指标和采收率时,获得结果与实际偏差较大,难以达到起初的目的。储量估算、气井产能评价和压裂规模优化一直非常规天然气研究和应用的重点方向,可以获得区块产能及储量是很多石油天然气生产公司和投资公司的目标,通过大量生产数据利用生产递减规律分析等经验方法指导施工目标,因此大数据分析对于非常规油气开发而言更具有重要意义。大数据可以同时使用地震、钻井和生产数据,将储层的变化情况实时的提供给储层分析工程师,大数据可以用来引导气层压裂。本文将以煤层气为例,展示大数据在储量估算、产能评价和压裂规模优化三个方面的应用。

1 储量估算

目前沁水盆地南部有多个煤层气示范项目,包括潘庄、樊庄和柿庄南等,这些示范项目为中国煤层开发提供良好先导性示范作用[7]。鄂尔多斯盆地东缘韩城区块、辽宁阜新、铁法区块已实现商业化开发利用。其中韩城区块中仅WL1井,2008-20103月已累计产气12×1053,具有良好的煤层气开发前景[8]。除了上述地区外,珲春、寿阳、和顺、潞安、晋城、霍东、霍西、宁武、乡宁、大宁-吉县、石楼、三交等地已经经过勘探显示较好资源前景[4]。但煤层气开发成本较常规气田而言,成本高,回收期长[9]。由于大部分地区长期没有被作为主要勘探对象,储量认知程度较低。这种分布广泛但认识程度严重不均突出体现了部分盆地勘探与认识程度较高、大部分盆地勘探与认识程度较低的勘探特点。

本文利用VSD (variable shape distribution)模型,可以弥补对数正太分布和帕累托分布的缺点,可以灵活处理油气田规模与数目的关系[10]在沁水盆地和鄂尔多斯盆地内探明储量数据的基础上,评估81个登记煤层气勘探区块探明储量,为致密气的勘探部署和经济分析提供参考数据[11]

分形几何是70年代由法国数学家Mandelbrot创立的一门研究自然界中不规则形体的表现及其内在规律性的非线性科学。由于其研究对象的广泛性,目前正日益深入于自然科学和社会科学的各个领域。其中在地质领域内,分形几何学已被应用于矿场储量和油气预测[12-13]。分形分布常用函数主要有:帕累托分布(Pareto distribution)函数和对数正态分布(Lognormal distribution)函数。研究表明对数正态分布和帕累托分布都不能完全代表实际油气资源分布状况[14],一些学者认为正态分布模型预测结果往往过于悲观[15],而帕累托模型预测则过于乐观VSD(variable shape distribution)模型则弥补两者的缺点,可以灵活处理油气田规模与数目的关系。美国地质调查局及其他研究人员在油气资源评价中已经多次采用该模型[16-19]与帕累托模型相似,VSD模型表达为:

1

式中,Nt为累计气田数目,rt为气田的标准化储量,at为分形维数。

在帕累托模型中,分形维数是定值,而在VSD中,它是一个变量。方程(1)可以变形为:

2

在这里,Vm是统计气田中最小的储量值,Vx为帕累托直线在横坐标的截距,即统计数量N=1时在帕累托直线上的值;

rvrtrm的差值,即

ap是帕累托直线的斜率;Nx是累计频数的最大值,即参加评价的气田数目,Nm是最小值1

如图1所示,VSD 拟合储量规模Vt为:

                                      (3)

从图1可以看出,在曲线右下角,大规模气田与累计频数关系数据点并没有在帕累托直线上,为了提高模型精度,改进拟合,这里引入了一个函数:

                            (4)

式中S为严重维数(severity exponent),通过不同验证获得,它控制着VSD曲线与帕累托直线偏离程度。VsVSD评价曲线与帕累托直线开始偏离时的气田规模大小。另外一个参数是分散比y,表达式为:

                              (5)

 

1 VSD示意图

VSD模型的评价模型表达为:

          (6)

式中VSD模型计算的气田规模储量。

采用合适的Vx,ap,Vs,yS使式(7)成立,

                                      (7)

即实现VSD模型与实际数据拟合的最优值。而后同样利用这些参数预测未评价气田的储量,具体做法就是将Nx替代为评价的总气田数目,即可获得预测储量。

 

 

 

 

 

 

1 国内煤层区块储量

序号

区块

探明储量(×108m3)

1

樊庄

352.26

2

郑庄

779.72

3

枣园

137.87

4

潘庄

264.31

5

三交

435.42

6

韩城

338.38

7

铁法

77.30

8

阳泉

191.34

9

长子西部

142.42

10

慈林山区

16.37

11

柳林

124.36

 

2 VSD模型参数

VS

ap

S

ψ

325

1.69

1.225

0.8208

 

 

2气区规模与累计频数双对数关系图

同样利用表2中的参数,将NX等于81,则可以预测81个煤层气区块的总探明储量。在VSD模型下进行预测计算,可得81个煤层气区块总探明储量为10537亿方(见图3),说明在这些勘探程度较低的盆地致密气的前景良好。

 

3气田规模与累计频数关系图,预测81个煤层去区块

2 产能预测

影响煤层气开发的地质因素众多,主要包括煤储层厚度、渗透性、孔隙度、外生裂隙、割理、微裂隙、粘土矿物含量、类型等储层特征;温度、压力、含气量、水动力条件、地质构造、应力状态、煤层顶底板岩性、高度和厚度等储集状态;煤岩类型、煤体结构、煤层厚度、显微组分组成、变质程度、灰分等煤岩特征。

在做大数据分析时,考虑这么因素显然不现实,因此建立筛选参数时,所优选的参数需满足影响程度大、资料完整、容易获取、可定量表征、测量误差及受人为干扰程度小等五个特点。因此,我们选择煤层厚度(D)、孔隙度()来表征储层特征;选择煤层埋深(H)、储层温度(T)、储层压力(Psi)、含气量(Q含气量)来表征储集状态;选择等温吸附量(Q等温吸附量)、灰分(A)来表征煤岩特征。

每个煤层气井的资料难以保证是用同一类仪器、相同刻度标准化及统一操作方式而测得的。故各个单井数据必然存在以刻度因数为主的误差。为尽可能消除这种误差,对数据进行标准化处理,将这些非地质因素校正到一个水平。这里采用Z-SCORE法进行标准化,见式8)。

8

采用多元线性回归法建立累产气指数与各因素之间的关系,累产气指数与各因素之间的多元一次方程,以鄂尔多斯盆地东缘煤层气区块为例,该区块为中阶煤,将13口井生产数据进行回归,得到回归模型方程为

9

式中:J累产气指数;Pi储层压力;H储层埋深;Q等温吸附量;T储层温度;D煤层钻遇厚度;V含气量;φ孔隙度;A灰分含量

可以看出,储层压力、储层埋深、等温吸附量对累产气指数影响最大。

为验证模型的准确性,对13口井累产气指数数据进行拟合,如图4所示

 

4累产气指数拟合值与实际值对比

 

从图5可以看出,累产气指数拟合曲线与实际相近,模型拟合相关系数R2=0.919,拟合程度好。

对拟合的数据点进行残差分析,如图6

 

5累产气指数拟合标准化残差分析6累产气指数拟合残差分析P-P

 

从图6可以看出,P-P图数据点分布在拟合线附近。计算残差0.005,说明回归模型能较好的符合原始数据,没有奇异点。

拟合13口井累产气实际值和拟合值具体数据,准确率见表3

3累产气指数实际值与拟合值对比

井号

实际累产气指数(m³/m

拟合累产气指数(m³/m)

精度值

L-01

27173.02

30750.49

86.83%

L-02

33081.96

33385.78

99.08%

L-03

24584.05

22883.28

93.08%

L-04

45732.44

43763.99

95.70%

L-05

19018.60

29025.85

47.38%

L-06

29990.00

27363.70

91.24%

L-07

43750.87

36027.39

82.35%

L-08

29156.76

31920.27

90.52%

L-09

19517.54

16486.28

84.47%

L-10

25924.95

26406.77

98.14%

L-11

734.74

821.02

88.26%

L-12

689.34

721.21

95.38%

L-13

622.28

691.43

88.89%

平均精度87.79%

 

从表3可以看出,进行拟合的17口井精度在47.38%~99.08%之间,平均准确度为87.79%。累产气实际值和拟合值误差较小,准确率较高,说明拟合得到的式7-27煤层气井产能预测和诊断具有一定的参考作用。

另外我们利用Gauss模型尝试另一种大数据的应用方法,该公式是以时间为单因素变量的关系式,未包含影响煤层气产能的地质参数。

首先定义产能指标——累产气指数。同样利用该煤层气区块的生产数据,分析柳林煤层气14口典型直井产气曲线,曲线形态以单封型为主。尝试应用Gauss模型对典型直井进行拟合,Gauss模型公式如下:

10

式中,q为日产气量,t为生产时间,其他均为特征值。应用该模型对14口典型直井进行拟合,结果如图89所示,从而获得煤层气直井产能预测模型公式为:

11

利用该公式可以预测生产潜力,评定处于产气上升阶段还是产气下降阶段或者稳产气阶段。

 

 

 

8实际日产气量和理论曲线拟合对比

 

 

 

9累产气量实际值和拟合值误差对比

3总结

非常规天然气储层非均质程度高,地质建模符合率较低,,地质精细描述难度大而且渗流机理极其复杂,常规气藏工程方法难以有效得到应用。通过实践证明常规油藏方法预测生产指标和采收率时,获得结果与实际偏差较大,难以达到起初的目的。同时非常规天然气开发过程中工程量大,包括钻井和压裂等工艺措施井距井数多,这样会产生大量的井的数据体(包括静态数据和动态数据),是勘探开发过程中产生的数据财富,通过大数据的理念应用起来,可以有效地指导区块储量估算、气井产能评价和压裂规模优化因此大数据分析对于非常规油气开发而言更具有重要意义。

参考文献

[1] International Energy Agency. Golden rules for a golden age of gasWorld Energy Outlook Special Report on Unconventional gas[R], Paris, France, 2012:115-116.

[2] 邱中建,赵文智,邓松涛.我国致密砂岩气和页岩气的发展前景和战略意义[J].中国工程科学,2012, 146):4-8

[3] 杨涛,张国生,梁坤,等.全球致密气勘探开发进展及中国发展趋势预测[J].中国工程科学,2012, 146):64-68

[4] 贾承造,郑民,张永峰.中国非常规油气资源与勘探开发前景[J].石油勘探与开发,2012, 392):129-135

[5] 邹才能,朱如凯,吴松涛,等.常规与非常规油气聚集类型、特征、机理及展望——以中国致密油和致密气为例[J].石油学报,2012,332):173-187

[6] 刘晓冬,徐景祯,王兴涛.分形方法预测气田数量及其储量[J].石油学报,2000, 212):42-44

[7]叶建平.中国煤层气勘探开发进展综述[J].地质通报,2006,259~10:1074-7078.

[8]   薛光武,刘鸿福,要惠芳,等.渭北盆地韩城开发区煤层气储层特征分析[J].太原理工大学学报,2012, 432):185-189

[9]   宋岩,张新民,柳少波.中国煤层气基础研究和勘探开发技术新进展[J].天然气工业,2005,25(1):1-7.

[10] 卜小平.中国煤层产业发展途径与前景分析[博士论文].北京,中国地质大学,2011.

[11] 国土资源部咨询研究中心,国土资源部油气资源战略中心,中石油科学技术研究院廊坊分院.我国煤层气产业和市场机制发展战略研究报告[R]。研究报告,2011.

[12]   陈春仔,金渔友.分形理论在成矿预测中的应用[J].矿产与地质,1997,11(4):272-276.

[13]  刘晓冬,徐景祯,王兴涛.分形方法预测气田数量及其储量[J].石油学报,2000, 212):42-44

[14]  AGUILERA R F, RONALD D R. Using size distribution analysis to forecast natural gas resources in Asia Pacific[J]. Applied Energy, 88(2011): 4607-4620.

[15] DREW L J. Undiscovered petroleum and mineral resources, assessment and controversy [M]. New York and London: Plenum Press, 1997. 049.

[16] United States Geological Survey. Circum Arctic resource appraisal [R], 2008: Fact sheet 2008-3

[17] AGUILERA R F. Assessing the long run availability of global fossil energy resources [D]. [S.l.]: Colorado School of Mines, 2006. A

[18] GUILERA R F, HARDING T, KRAUSE F. Natural gas production from tight gas formation a global perspective[C].The 19th World Petroleum CongressMadrid, Spain, 2008.

[19]  AGUILERA R F. The future of the European natural gas market a quantitative assessment [J]. Energy, 35(2010): 3332-3339.

作者信息:林炳龙,(中海油服中法渤海地质服务有限公司,广东,深圳 518067   )    ;

林炳龙(1981-),男,工程师,2004年毕业于河北理工大学采矿工程专业,2015年获东北石油大学石油与天然气工程专业硕士学位,就职于中海油服中法渤海地质服务有限公司,主要从事油气田勘探开发地质方面的生产管理工作。

 

本刊创刊于1982年,是由自治区科技厅主管、自治区科技信息研究院主办,由自治区科技情报学会协办、国内外公开发行的省级综合性科技刊物,是反映内蒙古自治区科技与经济发展的窗口。杂志入选《中国期刊全文数据(CJFD)》全文收录期刊和《中国学术期刊综合评价数据(CAJCED)统计刊源期刊,《中国核心期刊(遴选)数据库》收录。本刊是公开发行的综合性科技期刊,为月刊,大16开本。本刊坚持以科技创新为目标,融科技、经济、信息、产业、市场为一体,是促进科技成果转化、推动科技进步、加强技术创新,促进经济发展的专业性期刊。