一种凝析气藏流体组成反演计算方法与流程

1.本发明属于油气田开发领域所用油气藏工程领域，具体涉及一种凝析气藏流体组成反演计算方法。


背景技术：

2.凝析气藏原始流体组成的确定是相态特征研究、数值模拟计算等方面的基础。但是凝析气藏在开发过程中伴随着相态变化，其井流物组成也不断变化。受限于实际情况(例如错过取样时机等)，生产中获取的流体样品有可能无法代表原始流体组成情况。
3.在封闭边界条件下缺少流体补充，凝析油在地层中析出后，由于油气两相渗流能力的差异导致油相(重组分)滞留于地层孔隙中，致使井流物中流体组成不断变轻。因此不同时期取得的凝析气样品组成不断变化，难以代表凝析气藏原始条件下的流体特征。如何通过已获取的流体样品反演计算得到凝析气藏的原始流体组成，相关方面的研究极少。
4.郭平等在2001年的《凝析气藏相态恢复理论研究》中给出了凝析气藏相态恢复一般原理，研究了地层压力下降到不同程度采出井流物直接进行相态恢复和将此井流物进行一级分离后，用目前分离器油和分离器气按原始生产气油比进行配样而得到的原始流体相态特征以及按地层压力等于露点压力配样，对比了两种不同的恢复方式对原始流体样品代表性的影响。
5.张家良等在2005年的《凝析气藏流体样品恢复方法及应用》中总结出了目前凝析气藏流体样品恢复的方法，并结合凝析气藏流体相态特性讨论了3种样品恢复法的适用性。
6.赵晓亮等在2009年发表的《一种凝析气藏相态恢复方法》提出了一种直接相态恢复法，但是在应用过程中，原始地层压力不能下降较大，否则会影响恢复后流体的可靠性。
7.总结来说，目前通常采用以下三种方法：
8.(1)按露点等于原始地层压力进行配样；
9.(2)按原始生产气油比和目前压力下一级分离器油气摩尔组成配样；
10.(3)模拟衰竭降压过程，找出组分随压力变化规律，再由此反推到原始露点压力情况，得出原始露点压力下流体的组成。
11.实际生产中凝析气井工作制度的变化、生产时间等因素都会对样品组成产生影响，但目前的三种方法都没有结合考虑凝析气井实际生产历史数据，导致恢复后的流体组成与原始条件存在偏差。
12.基于以上原因，迫切需要建立一种能够考虑凝析气藏物性和实际生产历史数据，利用不同阶段取得流体样品反演计算出原始条件下流体组成的方法。


技术实现要素：

13.本发明的目的是提出一种能够考虑凝析气藏物性和实际生产历史数据，利用不同阶段取得流体样品反演计算出原始条件下流体组成的凝析气藏流体组成反演计算方法。
14.为了实现上述目的，本发明提供一种凝析气藏流体组成反演计算方法，包括：获取
流体样品的相态数据；基于所述相态数据，获取状态方程及参数；建立凝析气藏的组分数值模拟模型；基于所述状态方程及参数和实际生产数据，对所述凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分。
15.可选的，所述基于所述状态方程及参数和实际生产数据，对所述凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分包括：将所述状态方程及参数填入所述组分数值模拟模型中，利用遗传算法对所述凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分。
16.可选的，设置所述遗传算法的参数，利用遗传算法中的选择方式、复制方式、交叉方式或变异方式，获得适应度评价第一优化指标和第二优化指标。
17.可选的，当所述适应度评价第一优化指标大于第一预设阈值或所述第二优化指标大于第二预设阈值时，重新设置所述遗传算法的参数。
18.可选的，当所述适应度评价第一优化指标小于第一预设阈值且所述第二优化指标小于第二预设阈值时，将设置的所述遗传算法的参数作为流体样品的原始组分。
19.可选的，通过以下公式获得所述适应度评价第一优化指标和第二优化指标，
[0020][0021][0022]
其中，fitness1为适应度评价第一优化指标，n
c
为组分数目，为实际组分的摩尔百分数，为模拟组分的摩尔百分数，fitness2为适应度评价第二优化指标，为实际累积产油量，为模拟累积产油量。
[0023]
可选的，对所述流体样品进行室内pvt物理模拟实验，获得流体样品的相态数据。
[0024]
可选的，所述基于所述相态数据，获取状态方程及参数包括：采用相态模拟软件建立状态方程，设置所述状态方程的参数，使得所述状态方程的相态数据与所述流体样品的相态数据相同。
[0025]
可选的，采用数值模拟软件，利用凝析气藏地质资料和实际生产数据，建立所述凝析气藏的组分数值模拟模型。
[0026]
可选的，所述相态数据包括组成和泡露点。
[0027]
本发明的有益效果在于：本发明的凝析气藏流体组成反演计算方法，获取流体样品的相态数据，建立状态方程及参数和凝析气藏的组分数值模拟模型，通过对组分数值模拟进行优化拟合，反演计算得到原始条件下的凝析气藏流体组成与参数，为数值模拟和凝析气藏开发提供基础流体资料。
[0028]
本发明具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的，或者将在并入本文中的附图和随后的具体实施例中进行详细陈述，这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
[0029]
通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其
它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。
[0030]
图1示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的流程图。
[0031]
图2示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的优化pareto front图。
[0032]
图3示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的累积产量拟合结果图。
[0033]
图4示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的井底流压和生产气油比拟合结果图。
[0034]
图5示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的第一组样本流体组成拟合结果图。
[0035]
图6示出了根据本发明的又一个实施例的一种凝析气藏流体组成反演计算方法的第二组样本流体组成拟合结果图。
具体实施方式
[0036]
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
[0037]
根据本发明的一种凝析气藏流体组成反演计算方法，包括：获取流体样品的相态数据；基于相态数据，获取状态方程及参数；建立凝析气藏的组分数值模拟模型；基于状态方程及参数和实际生产数据，对凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分。
[0038]
具体的，基于流体样品的相态数据，获取状态方程及参数，将状态方程及参数代入凝析气藏的组分数值模拟模型，利用算法对凝析气藏的组分数值模拟模型进行优化拟合，获得流体样品的原始组分。
[0039]
根据示例性的实施方式，本发明的凝析气藏流体组成反演计算方法，获取得的流体样品的相态数据，建立状态方程及参数和凝析气藏的组分数值模拟模型，通过对组分数值模拟进行优化拟合，反演计算得到原始条件下的凝析气藏流体组成与参数，为数值模拟和凝析气藏开发提供基础流体资料。
[0040]
作为可选方案，基于状态方程及参数和实际生产数据，对凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分包括：将状态方程及参数填入组分数值模拟模型中，利用遗传算法对凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分。
[0041]
具体的，组分数值模拟模型中需要给定状态方程及相关参数，在组分数值模拟文件中按数值模拟器要求格式填入状态方程和相关参数，利用遗传算法对凝析气藏的组分数值模拟模型进行优化拟合，将优化后的结果与实际生产数据做比对，当优化后的数据与实际生产数据相同或小于预设误差范围时，停止优化，将优化后的结果作为流体样品的原始组分。
[0042]
用组分数值模拟模型模拟生产开发过程，可以得到开发过程中任意时刻的流体组分，通过不断拟合调节组分数值模拟模型的组分，使得某一时刻生产的流体组成与取得样品的流体组成(pvt得到的)一致，就认定组分数值模拟模型中给定的原始流体组成是对的，而这个拟合调节的过程用的是遗传算法，遗传算法设置的变量就是原始组分。
[0043]
遗传算法是是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。下面阐明遗传算法中的关键术语及含义：
[0044]
种群(population)和代(generation)：每一代所有个体的集合称为种群。
[0045]
适应度(fitness)：评价个体优劣的指标。
[0046]
选择(selection)：以一定方式和概率从种群中选取若干个体作为父辈。
[0047]
复制(reproduction)：由父辈个体直接遗传给子辈。
[0048]
交叉(crossover)：将两个父辈以一定方式结合起来生成子辈。
[0049]
变异(mutation)：对父辈个体施加随机变化来生成子辈。
[0050]
作为可选方案，设置遗传算法的参数，利用遗传算法中的选择方式、复制方式、交叉方式或变异方式，获得适应度评价第一优化指标和第二优化指标。
[0051]
作为可选方案，当适应度评价第一优化指标大于第一预设阈值或第二优化指标大于第二预设阈值时，重新设置遗传算法的参数。
[0052]
作为可选方案，当适应度评价第一优化指标小于第一预设阈值且第二优化指标小于第二预设阈值时，将设置的遗传算法的参数作为流体样品的原始组分。
[0053]
在一个示例中，第一预设阈值和第二预设阈值根据实际生产数据设定。
[0054]
具体的，通过公式(1)和公式(2)计算获得适应度评价第一优化指标和第二优化指标，判断优化指标是否符合要求，当适应度评价第一优化指标小于第一预设阈值且第二优化指标小于第二预设阈值时，即符合要求，将设置的遗传算法的变量参数作为流体样品的原始组分；当适应度评价第一优化指标大于第一预设阈值或第二优化指标大于第二预设阈值时，即不符合要求时，再重新设置遗传算法的变量参数，重新计算获得适应度评价第一优化指标和第二优化指标，重新判断是否符合要求，如果不符合要求，再重新设置遗传算法的变量参数，重新计算获得适应度评价第一优化指标和第二优化指标，重新判断是否符合要求，一直到适应度评价第一优化指标小于第一预设阈值且第二优化指标小于第二预设阈值时，即符合要求，将符合要求时重新设置的遗传算法的变量参数作为流体样品的原始组分。
[0055]
作为可选方案，通过以下公式获得适应度评价第一优化指标和第二优化指标，
[0056][0057][0058]
其中，fitness1为适应度评价第一优化指标，n
c
为组分数目，为实际组分的摩尔百分数，为模拟组分的摩尔百分数，fitness2为适应度评价第二优化指标，为实际累积产油量，为模拟累积产油量。
[0059]
具体的，设置遗传算法的各项参数：如组分数目、组分上下限、约束方程、种群数
量、适应度评价以及迭代停止条件等。具体设置如下：
[0060]
组分：z
i0
，原始组分摩尔百分数，i＝1,2,...,n
c
；
[0061]
组分数目：n
c
，组分数目；
[0062]
组分上下限：0～100mol％；
[0063]
组分约束方程：
[0064][0065]
种群数量：200(建议)；
[0066]
极限代数：100(建议)；
[0067]
初始种群：取样样品组成(建议)；
[0068]
选择准则：tournament联赛算法(建议)；
[0069]
复制/交叉比例：20％/80％(建议)；
[0070]
交叉准则：intermediate加权平均(建议)；
[0071]
变异概率：1％(建议)；
[0072]
变异准则：自适应约束(建议)；
[0073]
优化指标：
①
井流物组成，
②
累积产油量；
[0074]
适应度评价方程：
[0075][0076][0077]
式中，fitness1为适应度评价第一优化指标，n
c
为组分数目，为实际组分的摩尔百分数，为模拟组分的摩尔百分数，fitness2为适应度评价第二优化指标，为实际累积产油量，为模拟累积产油量。
[0078]
利用遗传算法中的选择、复制、交叉、变异等方式，反复设置算法的各项参数，演算不同初始组成条件下至特定时间段的流体组成变化，直至获得的流体组分与已知流体样本的组成已知，最终演化计算出最符合实际条件的变量组合，将算法设置的组分参数作为流体的原始组分。
[0079]
作为可选方案，对流体样品进行室内pvt物理模拟实验，获得流体样品的相态数据。
[0080]
具体的，具体的，将现场取得的流体样品进行室内pvt物理模拟实验，确定其组成、泡露点等相态数据。
[0081]
作为可选方案，基于相态数据，获取状态方程及参数包括：采用相态模拟软件建立状态方程，设置状态方程的参数，使得状态方程的相态数据与流体样品的相态数据相同。
[0082]
具体的，采用相态模拟软件建立状态方程，对pvt实验获得的相态参数进行拟合，反复设置状态方程的参数，一直到状态方程的相态数据与流体样品的相态数据相同，得到组分模拟所需的状态方程及参数。
[0083]
作为可选方案，采用数值模拟软件，利用凝析气藏地质资料和实际生产数据，建立
凝析气藏的组分数值模拟模型。
[0084]
具体的，采用商用数值模拟软件，利用凝析气藏地质资料和现场实际生产数据，建立该凝析气藏的组分数值模拟模型。
[0085]
作为可选方案，相态数据包括组成和泡露点。
[0086]
实施例
[0087]
图1示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的流程图。
[0088]
如图1所示，凝析气藏流体组成反演计算方法，包括：
[0089]
s102：获取流体样品的相态数据；
[0090]
其中，对流体样品进行室内pvt物理模拟实验，获得流体样品的相态数据。
[0091]
其中，相态数据包括组成和泡露点。
[0092]
具体的，将现场取得的流体样品进行室内pvt物理模拟实验，确定其组成、泡露点等相态数据。
[0093]
s104：基于相态数据，获取状态方程及参数；
[0094]
其中，基于相态数据，获取状态方程及参数包括：采用相态模拟软件建立状态方程，设置状态方程的参数，使得状态方程的相态数据与流体样品的相态数据相同。
[0095]
具体的，采用相态模拟软件建立状态方程，对pvt实验获得的相态参数进行拟合，反复设置状态方程的参数，一直到状态方程的相态数据与流体样品的相态数据相同，得到组分模拟所需的状态方程及参数。
[0096]
s106：建立凝析气藏的组分数值模拟模型；
[0097]
其中，采用数值模拟软件，利用凝析气藏地质资料和实际生产数据，建立凝析气藏的组分数值模拟模型。
[0098]
具体的，采用商用数值模拟软件，利用凝析气藏地质资料和现场实际生产数据，建立该凝析气藏的组分数值模拟模型。
[0099]
s108：基于状态方程及参数和实际生产数据，对凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分。
[0100]
其中，基于状态方程及参数和实际生产数据，对凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分包括：将状态方程及参数填入组分数值模拟模型中，利用遗传算法对凝析气藏的组分数值模拟模型进行优化，获得流体样品的原始组分。
[0101]
其中，设置遗传算法的参数，利用遗传算法中的选择方式、复制方式、交叉方式或变异方式，获得适应度评价第一优化指标和第二优化指标。
[0102]
其中，当适应度评价第一优化指标大于第一预设阈值或第二优化指标大于第二预设阈值时，重新设置遗传算法的参数。
[0103]
其中，当适应度评价第一优化指标小于第一预设阈值且第二优化指标小于第二预设阈值时，将设置的遗传算法的参数作为流体样品的原始组分。
[0104]
其中，通过以下公式获得适应度评价第一优化指标和第二优化指标，
[0105]
[0106][0107]
其中，fitness1为适应度评价第一优化指标，n
c
为组分数目，为实际组分的摩尔百分数，为模拟组分的摩尔百分数，fitness2为适应度评价第二优化指标，为实际累积产油量，为模拟累积产油量。
[0108]
具体的，设置遗传算法的各项参数：如组分数目、组分上下限、约束方程、种群数量、适应度评价以及迭代停止条件等。具体设置如下：
[0109]
组分：原始组分摩尔百分数，i＝1,2,...,n
c
；
[0110]
组分数目：n
c
，组分数目；
[0111]
组分上下限：0～100mol％；
[0112]
组分约束方程：
[0113][0114]
种群数量：200(建议)；
[0115]
极限代数：100(建议)；
[0116]
初始种群：取样样品组成(建议)；
[0117]
选择准则：tournament联赛算法(建议)；
[0118]
复制/交叉比例：20％/80％(建议)；
[0119]
交叉准则：intermediate加权平均(建议)；
[0120]
变异概率：1％(建议)；
[0121]
变异准则：自适应约束(建议)；
[0122]
优化指标：
①
井流物组成，
②
累积产油量；
[0123]
适应度评价方程：
[0124][0125][0126]
式中，fitness1为适应度评价第一优化指标，n
c
为组分数目，为实际组分的摩尔百分数，为模拟组分的摩尔百分数，fitness2为适应度评价第二优化指标，为实际累积产油量，为模拟累积产油量。
[0127]
利用遗传算法中的选择、复制、交叉、变异等方式，反复设置算法的各项参数，演算不同初始组成条件下至特定时间段的流体组成变化，直至获得的流体组分与已知流体样本的组成已知，最终演化计算出最符合实际条件的变量组合，将算法设置的组分参数作为流体的原始组分。
[0128]
图2示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的优化pareto front图。图3示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的累积产量拟合结果图。图4示出了根据本发明的一个实施例的一种凝析气藏流体
组成反演计算方法的井底流压和生产气油比拟合结果图。图5示出了根据本发明的一个实施例的一种凝析气藏流体组成反演计算方法的第一组样本流体组成拟合结果图。图6示出了根据本发明的又一个实施例的一种凝析气藏流体组成反演计算方法的第二组样本流体组成拟合结果图。
[0129]
某凝析气藏基本参数如表1所示：
[0130]
表1 l凝析气藏基本参数
[0131]
原始地层压力地层温度孔隙度地层渗透率射孔层段31.41mpa110.4℃6.76％0.99md3140.8-3167.4m
[0132]
该气藏有一口井2014.9.20-开井投产；2015.3.17-第1次取样；2016.8.16-第2次取样，累积产油量5995m3。
[0133]
第二次取样流体组分及参数如表2所示：
[0134]
表2第二次取样流体组成与参数表
[0135][0136]
根据建立的凝析气藏组分数值模拟模型和凝析气井实际生产数据，根据本发明的凝析气藏流体组成反演计算方法最终优化得到pareto front图，如图2所示。
[0137]
如图2所示，最终优化到137代由于迭代参数变化过小而停止，选取pareto前沿上的最优目标点optim(6.93，162.69)，表示第二次取样流体组成优化误差6.93mol％，累积产油量优化误差162.69m3。
[0138]
优化后生产指标拟合效果良好，累积产油量误差为2.71％，如图3所示，；井底流压、生产气油比的模拟结果同样符合实测生产数据如图4所示。
[0139]
第一次取样日期为2015/3/17，生产气油比无明显波动，但对应井底压力低于露点压力，已错过取样时机，取样样品不能有效代表原始凝析气藏流体，第一次取样结点模拟井流物组分误差10.03mol％，拟合结果如图5，在图5中横坐标component为组分，纵坐标mole percent为摩尔百分比。第二次取样结点模拟井流物组分误差6.93mol％，比第一次取样结点模拟井流物组分误差10.03mol％，拟合结果较好，符合应用要求，图6所示，在图6中横坐标component为组分，纵坐标mole percent为摩尔百分比。
[0140]
对比两次取样结点处的井流物组分的模拟和实验结果，以及对优化之后的模拟结果与生产历史数据进行拟合结果验证了方法的有效性。
[0141]
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。