要想从根本上理解产量预测, 就应该从最简单、最不靠谱模型出发. 希望能通过逐渐增加相关因素, 获得比较切合实际生产的模型.
1. 产量时序模型
采用线性或准线性模型.
1.1 常数模型
在一个比较短的时期, 可采用本模型. 日产油量为常数
p
(1)
p \tag{1}
p(1).
模型优点:
- 对一个较短的时期 (如一个月) 可能非常有效.
- p p p 可以通过当前观测得出.
模型缺点:
- 很难称其为一个模型.
1.2 线性递减模型
油井生产分为若干阶段, 其开始的标志包括: 开始生产、措施 (洗井、清防蜡等) 结束后重新生产. 令阶段开始的产量为
p
p
p, 线性递减系数为
λ
\lambda
λ (如0.001), 则第
k
k
k 天的产量为
(
1
−
k
λ
)
p
(2)
(1 - k\lambda) p \tag{2}
(1−kλ)p(2)
模型优点:
- 考虑措施的影响, 在两次措施之间, 是比较稳定的.
- 如果 λ = 0 \lambda = 0 λ=0, 则退化为模型 1.1.
模型缺点:
- 不同阶段的 λ \lambda λ 值不同, 需要连续观测多天.
- 从数学上看, 产量会到负值.
1.3 产量衰减模型
接模型 1.2, 令衰减系数为
γ
\gamma
γ (如0.999), 则第
k
k
k 天的产量为
γ
k
p
\gamma^k p
γkp
模型优点:
- 产量永远不会为负值.
- 如果 λ = 0 \lambda = 0 λ=0, 则退化为模型 1.1.
模型缺点:
- γ \gamma γ 需要连续观测多天. 当然也可以通过历史经验来估计, 但需要专家经验, 或根据已有数据进行学习.
1.4 DCA 递减曲线
还没搞清楚具体如何工作的. 单从名字上来看, 递减曲线就是根据已有产量历史数据进行时序预测. 报歉我认为这个也是不靠谱的.
2. 油水比模型
油田开发后期, 常使用注水的方式将油带出来.
2.1 油液比常数模型
与模型 1.1 一致, 在一个比较短的时期, 可采用本模型.
令油液比为
α
\alpha
α, 产液速度为
q
l
q_l
ql, 则产油速度为
q
o
=
α
q
l
(3)
q_o = \alpha q_l \tag{3}
qo=αql(3).
一般可以假设注水速度与产液速度一致, 即用一些水跟地层换取了一些油.
也就是说, 想要提高当前阶段的产量, 多灌水就行了.
优缺点与模型 1.1 一致.
2.2 油液比线性递减模型
令阶段开始的油液比为
α
\alpha
α, 线性递减系数为
λ
\lambda
λ (如0.001), 则第
k
k
k 天的油液为
(
1
−
k
λ
)
α
(5)
(1 - k\lambda)\alpha \tag{5}
(1−kλ)α(5)
由此可以计算出产量.
优缺点与模型 1.2 一致.
2.3 油液比衰减模型
接模型 2.2, 令衰减系数为
γ
\gamma
γ (如0.999), 则第
k
k
k 天的油液比为
γ
k
α
(6)
\gamma^k \alpha \tag{6}
γkα(6)
优缺点与模型 1.3 一致.
3. 多阶段模型
可把油田生命周期分为多个阶段, 最粗的分法是前、中、后期, 或上升、稳定、下降期. 更细的分法我就不知道了.
令总储量为
V
V
V, 开发总共
k
k
k 个阶段, 占比为
(
r
1
,
r
2
,
…
,
r
k
)
(r_1, r_2, \dots, r_k)
(r1,r2,…,rk), 其中
∑
i
=
1
k
r
k
≤
1
\sum_{i = 1}^k r_k \leq 1
∑i=1krk≤1, 时长为
(
d
1
,
d
2
,
…
,
d
k
)
(d_1, d_2, \dots, d_k)
(d1,d2,…,dk). 则第
i
i
i 阶段的日产量为
V
r
i
d
i
(7)
\frac{V r_i}{d_i} \tag{7}
diVri(7)
该模型需要首先获得总储量
V
V
V. 而油田储量预测本身是个有意义的研究问题, 可能应根据静态数据, 如地质数据获得.
模型优点:
- 从总体进行估计, 具有大局观, 误差可能不会太大.
模型缺点:
- 在实际油田中, 不可能给这么多精确的参数. 没有足够的相似油田, 用平均值方法无法获得相应的参数.
- 不能根据当前的产量进行动态调整, 不具有修正油田储量估计的能力.
- 不能适应动态的变化.
在实际油田开发过程中, 就是应该根据每口井的产量、开发井个数的增加, 不断调整储量估计.
注意: 储量 (总储量, 可采储量) 估计与动态调整, 有可能比产量预测更有意义. 相应的标准包括 SEC 等.
从前期数据到顶层数据 (储量), 再回来预测产量, 有可能比直接预测产量更靠谱. 因为可以借助于其它油田的经验. 这种方式甚至于还可以预测一些突变, 即阶段的开始与结束.
4. 临时笔记
核心数据
- 产量 (包括历史所有的), 获取难度 (1-5, 越低越简单): 1
- 参考油田, 简单的油田数据比较多, 复杂的更少. 获取难度: 5
- 反演解释 (获得总储量 V), 获取难度: 3
- 油井布局, 与反演解释 (圈闭) 一起获得石油在地下的分布: 细粒度的、单井的产量预测, 获取难度: 3
5. 小结
线性模型的缺点:
- 只能进行短期预测, 好比开车松开油门挂空档滑行;
- 任何措施都会打破其线性的特点, 好比踩油门、刹车;
产量预测中长期 (3年, 或整个生命周期) 才有意义.
未完待续