智能固体示踪剂在海上水平井产液剖面测试中的应用

刘子民 李海涛 杨靖文 聂松 马欣 高素娟

刘子民,李海涛,杨靖文,聂松,马欣,高素娟. 智能固体示踪剂在海上水平井产液剖面测试中的应用[J]. 石油钻采工艺,2022,44(2):217-224 doi:  10.13639/j.odpt.2022.02.013
引用本文: 刘子民,李海涛,杨靖文,聂松,马欣,高素娟. 智能固体示踪剂在海上水平井产液剖面测试中的应用[J]. 石油钻采工艺,2022,44(2):217-224 doi:  10.13639/j.odpt.2022.02.013
LIU Zimin, LI Haitao, YANG Jingwen, NIE Song, MA Xin, GAO Sujuan. Application of intelligent solid tracers in production profile testing of offshore horizontal wells[J]. Oil Drilling & Production Technology, 2022, 44(2): 217-224 doi:  10.13639/j.odpt.2022.02.013
Citation: LIU Zimin, LI Haitao, YANG Jingwen, NIE Song, MA Xin, GAO Sujuan. Application of intelligent solid tracers in production profile testing of offshore horizontal wells[J]. Oil Drilling & Production Technology, 2022, 44(2): 217-224 doi:  10.13639/j.odpt.2022.02.013

智能固体示踪剂在海上水平井产液剖面测试中的应用

doi: 10.13639/j.odpt.2022.02.013
基金项目: 国家科技重大专项“渤海油田高含水水平井智能控水技术研究与示范”(编号:2016ZX05058-003-022)
详细信息
    作者简介:

    刘子民(1992-),在读博士研究生,现从事水平井产液剖面理论与技术研究的工作。通讯地址:(610500)四川省成都市新都区新都大道8号西南石油大学石油与天然气工程学院。E-mail:dmlwasas@163.com

    通讯作者:

    李海涛(1965-),2004年毕业于西南石油大学油气田开发工程专业,获博士学位,现从事完井优化与水平井控水技术研究的工作,教授,博士生导师。通讯地址:(610500)四川省成都市新都区新都大道8号西南石油大学石油与天然气工程学院。E-mail:lihaitao@swpu.edu.cn

  • 中图分类号: TE355

Application of intelligent solid tracers in production profile testing of offshore horizontal wells

  • 摘要: 针对海上油田水平井产液剖面测试条件苛刻、费用昂贵且准确性较差等问题,提出了一种基于智能固体示踪剂的海上水平井产液剖面测试方法。研究了智能固体示踪剂的释放规律和影响因素,实验结果表明:固体示踪剂与流体接触初期释放速率较快,随接触时间的推进释放速率变慢并逐渐趋于稳定;固体示踪剂的耐温和耐盐能力良好,释放速率与温度呈正比,与矿化度呈反比,且冲刷速率不影响释放速率。以固体示踪剂释放规律和水平井单相流稳态模型为理论基础,建立了水平井产液剖面的解释方法,并与主动开关控水和AICD控水技术同时在海上水平井进行了现场应用。结果表明:试验井调整控水工具前跟段、中段和趾段的产液贡献率分别为88.57%、5.43%和6%,调整控水工具后分别变为50%、17.19%和32.81%,说明调整控水工具后达到了均衡各段产液贡献的效果。该技术对于促进我国海上水平井高效经济开发具有重要实际意义。
  • 图  1  智能固体示踪剂实物及在完井管柱安装

    Figure  1.  Photo of intelligent solid tracers and diagram of completion string assembly

    图  2  3种智能固体示踪剂释放速率和累积释放浓度随时间变化曲线

    Figure  2.  Release rate and cumulative concentration vs. time, three types of intelligent solid tracers

    图  3  不同温度下SRWT-1固体示踪剂累积释放浓度随时间变化曲线

    Figure  3.  Cumulative concentration vs. time at different temperatures, SRWT-1 solid tracer

    图  4  SRWT-1固体示踪剂在不同矿化度流体中累积释放浓度随时间变化曲线

    Figure  4.  Cumulative concentration vs. time in fluids with different salinities, SRWT-1 solid tracer

    图  5  不同流量下SRWT-1固体示踪剂释放速率随时间变化曲线

    Figure  5.  Release rate vs. time at different flow rates, SRTW-1 solid tracer

    图  6  产液剖面解释模型

    Figure  6.  Production profile interpretation model

    图  7  Q井更换管柱后的生产动态曲线

    Figure  7.  Production performance of Well Q after changing the tool string

    图  8  第1次取样示踪剂浓度归一化处理曲线

    Figure  8.  Normalized tracer concentrations for the 1st sampling

    图  9  第2次取样示踪剂浓度归一化处理曲线

    Figure  9.  Normalized tracer concentrations for the 2nd sampling

    图  10  Q井2次测试产液贡献占比解释结果

    Figure  10.  Interpreted liquid production contributions of the two tests of Well Q

    图  11  Q井2次产液贡献占比软件模拟结果

    Figure  11.  Simulated liquid production contributions of the two tests of Well Q

    表  1  静态实验取样设计

    Table  1.   Sampling design for static tests

    样品编号取样时间/min样品编号取样时间/min
    1107300
    2208420
    3409690
    46010960
    5120111 230
    6180121 500
    下载: 导出CSV

    表  2  智能固体示踪剂适用技术指标

    Table  2.   Technical specifications of intelligent solid tracers

    项目适用技术指标
    完井方式裸眼完井、射孔完井、筛管完井
    水平段段数两段及以上
    水平段长度≥50 m
    分段长度≥10 m
    示踪剂类型油溶性、水溶性
    最小安装数量6条/段
    生产排量不限
    下载: 导出CSV

    表  3  产液剖面解释模型参数

    Table  3.   Parameters of the production profile interpretation model

    取样程序示踪剂型号示踪剂峰值到达井口时间/min到井口井筒体积/m3生产排量/(m3·h−1)
    第1次取样SRWT-112218.27
    SRWT-213718.47
    SRWT-318718.757
    第2次取样SRWT-112718.27
    SRWT-213018.47
    SRWT-313818.757
    下载: 导出CSV
  • [1] LUO W, LI H T, WANG Y Q, et al. Optimization of the number of openhole packers in horizontal wells completed by inflow control devices for different types of reservoirs[J]. Journal of Engineering Research, 2015, 3(1): 149-171. doi:  10.7603/s40632-015-0009-4
    [2] LUO W, LI H T, WANG Y Q, et al. A new completion methodology to improve oil recovery for horizontal wells completed in highly heterogeneous reservoirs[J]. Arabian Journal for Science and Engineering, 2014, 39(12): 9227-9237. doi:  10.1007/s13369-014-1417-8
    [3] ZHANG N, LI H T, LIU Y G, et al. A new autonomous inflow control device designed for a loose sand oil reservoir with bottom water[J]. Journal of Petroleum Science & Engineering, 2019, 178: 344-355. doi:  10.1016/j.petrol.2019.03.034
    [4] 罗伟, 林永茂, 李海涛, 等. 非均质底水油藏水平井ICD完井优化设计[J]. 石油学报, 2017, 38(10):1200-1209. doi:  10.7623/syxb201710011

    LUO Wei, LIN Yongmao, LI Haitao, et al. ICD completion optimization design of horizontal wells in heterogeneous bottom-water reservoirs[J]. Acta Petrolei Sinica, 2017, 38(10): 1200-1209. doi:  10.7623/syxb201710011
    [5] HUTAMIN N, YAABOK A A, SA’AID H, et al. Benefit of better understanding by production logging tool: A case study of a malaysia reservoir[C]//Paper presented at the SPE/IATMI Asia Pacific Oil & Gas Conference and Exhibition, October 2017, Jakarta, Indonesia: SPE-186278-MS.
    [6] WILSON A. Production-Logging tools facilitate well testing in challenging environments[J]. Journal of Petroleum Technology, 2016, 68(2): 79-80. doi:  10.2118/0216-0079-JPT
    [7] 高兴军, 徐薇薇, 余义常, 等. 智能化学示踪剂技术及其在油藏监测中的应用[J]. 地球科学进展, 2018, 33(5):532-544. doi:  10.11867/j.issn.1001-8166.2018.05.0532

    GAO Xingjun, XU Weiwei, YU Yichang, et al. Intelligent chemical tracer technology and its application to reservoir surveillance[J]. Advances in Earth Science, 2018, 33(5): 532-544. doi:  10.11867/j.issn.1001-8166.2018.05.0532
    [8] NAPALOWSKI R, LORO R, ANDERSON C, et al. Successful application of well inflow tracers for water breakthrough surveillance in the Pyrenees development, offshore western australia[C]//Paper presented at the SPE Asia Pacific Oil and Gas Conference and Exhibition, October 2012, Perth, Australia: SPE-158423-MS.
    [9] ABAY H K, GARBHAN G, NYHAVN F, et al. Monitoring multilateral flow and completion integrity with permanent intelligent well tracers[C]//Paper presented at the SPE Annual Technical Conference and Exhibition, September 2013, New Orleans, Louisiana, USA: SPE166076-MS.
    [10] SEMIKIN D, SENKOV A, SURMAEV A, et al. Autonomous ICD well performance completed with intelligent inflow tracer technology in the Yuri Korchagin Field in Russia[C]//Paper presented at the SPE Russian Petroleum Technology Conference, October 2015, Moscow, Russia: SPE-176563-MS.
    [11] MOROZOV O N, ANDRIYANOV M A, KOLODA A V, et al. Well performance wireless monitoring with stationary intelligent tracer systems on the Prirazlomnoye Oilfield[C]//Paper presented at the SPE Russian Petroleum Technology Conference, October 2017, Moscow, Russia: SPE-187767-MS.
    [12] ARMSTRONG A, HAYON S, CROWDER S, et al. Designing a high resolution chemical surveillance network in a deepwater field Off NW Borneo , East Malaysia[C]//Paper presented at the Offshore Technology Conference-Asia, March 2014, Kuala Lumpur, Malaysia: OTC-24999-MS.
    [13] BAKHSHI A, SCAIFE P, MICKELBURGH L, et al. Using chemical tracers for flow profiling a subsea horizontal well with an open hole gravel pack lower completion: Field results[C]//Paper presented at the SPE Asia Pacific Oil and Gas Conference and Exhibition, October 2008, Perth, Australia: SPE-116914-MS.
    [14] SIDDIQUI M A, AL-MUTAIRI M, MANKALA R, et al. On/off ICD well performance assessment below an ESP using intelligent chemical inflow tracer technology in a brown field in Kuwait[C]//Paper presented at the SPE Annual Technical Conference and Exhibition, October 2017, San Antonio, Texas, USA: SPE-187185-MS.
    [15] NYHAVN F, DYRLI A D. Permanent tracers embedded in downhole polymers prove their monitoring capabilities in a hot offshore well[C]//Paper presented at the SPE Annual Technical Conference and Exhibition, September 2010, Florence, Italy: SPE-135070-MS.
    [16] DYRLI A D, LEUNG E. Ten years of reservoir monitoring with chemical inflow tracers-what have we learnt and applied over the past decade?[C]//Paper presented at the SPE Kuwait Oil & Gas Show and Conference, October 2017, Kuwait City, Kuwait: SPE-187677-MS.
    [17] MONTES A, NYHAVN F, OFTEDAL G, et al. Application of inflow well tracers for permanent reservoir monitoring in North amethyst subsea tieback ICD wells in Canada[C]//Paper presented at the SPE Middle East Intelligent Energy Conference and Exhibition, October 2013, Manama, Bahrain: SPE-167463-MS.
    [18] CHRISTIAN A, WILLIAMS B, MORGAN M, et al. Interventionless surveillance in a multi-lateral horizontal well[C]//Paper presented at the IADC/SPE Drilling Conference and Exhibition, March 2012, San Diego, California, USA: SPE-151241-MS.
    [19] 朱洪征, 常莉静, 雷宇, 等. 低渗透油藏水平井贴片示踪剂找水技术与应用[J]. 大庆石油地质与开发, 2021, 40(1):68-73. doi:  10.19597/J.ISSN.1000-3754.201909045

    ZHU Hongzheng, CHANG Lijing, LEI Yu, et al. Water detection technology with patch tracer in the horizontal well in low permeability reservoirs and its application[J]. Petroleum Geology & Oilfield Development in Daqing, 2021, 40(1): 68-73. doi:  10.19597/J.ISSN.1000-3754.201909045
    [20] SHESTAKOV D, GALIEV M, BADRTDINOV I, et al. Application of alternative tracer technologies for production logging[C]//Paper presented at the SPE Annual Caspian Technical Conference, October 2019, Baku, Azerbaijan: SPE-198396-MS.
  • [1] 李金蔓, 周守为, 孙金声, 林杨, 霍宏博, 程林松.  数字技术赋能海上油田开发 . 石油钻采工艺, 2022, 44(3): 1-8.
    [2] 宋辉辉, 任从坤, 任兆林, 张福涛, 田俊, 刘艳霞.  海上油田分层防砂分层注水高效集成技术 . 石油钻采工艺, 2021, 43(3): 384-388. doi: 10.13639/j.odpt.2021.03.017
    [3] 任美鹏, 杨向前, 刘书杰, 王元娇, 丁矿.  海上钻井井控期间液气分离器处理能力研究 . 石油钻采工艺, 2020, 42(2): 172-180. doi: 10.13639/j.odpt.2020.02.009
    [4] 罗建伟, 刘传刚, 李瑞丰, 王尧, 王世强, 张云驰.  海上油田新型机械防污染工具研究与应用 . 石油钻采工艺, 2019, 41(6): 806-810. doi: 10.13639/j.odpt.2019.06.020
    [5] 任从坤, 宋辉辉, 魏新晨, 周景彩, 聂文龙, 张剑.  海上油田大斜度井同心双管注水技术 . 石油钻采工艺, 2019, 41(1): 96-100. doi: 10.13639/j.odpt.2019.01.016
    [6] 高永华, 陈钦伟, 刘华伟, 高宁波, 于洪旭.  海上油田分层开采压力膨胀式插入密封技术 . 石油钻采工艺, 2018, 40(2): 205-209. doi: 10.13639/j.odpt.2018.02.011
    [7] 张永涛, 张俊斌, 张伟国, 秦世利.  海上稠油油藏同井采注热水驱完井设计与应用 . 石油钻采工艺, 2018, 40(4): 444-447, 467. doi: 10.13639/j.odpt.2018.04.008
    [8] 薛建泉, 黄宇轩, 王通, 赵建, 虞欣睿.  海上射流泵井井筒温度场模型 . 石油钻采工艺, 2018, 40(6): 782-786. doi: 10.13639/j.odpt.2018.06.017
    [9] 魏爱拴, 陈胜宏, 许杰, 左凯, 郝宙正, 王明杰.  海上油田固井防砂一体化技术 . 石油钻采工艺, 2017, 39(5): 570-573. doi: 10.13639/j.odpt.2017.05.007
    [10] 高智梁, 郑旭, 任宜伟, 邓永祥, 潘彬.  海上X油田水平井智能分采管柱卡堵水潜力井筛选及应用效果分析 . 石油钻采工艺, 2017, 39(1): 88-91. doi: 10.13639/j.odpt.2017.01.017
    [11] 曾春珉, 韦龙贵, 黄亮, 冯雪松, 简成.  超长跨距多点起爆负压射孔技术在海上油田的应用 . 石油钻采工艺, 2016, 38(2): 181-185. doi: 10.13639/j.odpt.2016.02.010
    [12] 王珊, 曹砚锋, 姜文卷, 周定照, 靳勇, 刘尧.  渤海某油田绒囊暂堵流体修井工艺 . 石油钻采工艺, 2015, 37(3): 114-117. doi: 10.13639/j.odpt.2015.03.026
    [13] 李敢.  埕岛海上油田分层注水井电动通井打捞技术改进及应用 . 石油钻采工艺, 2015, 37(2): 79-81. doi: 10.13639/j.odpt.2015.02.021
    [14] 邹阿七.  海上薄油层多分支水平井钻井技术 . 石油钻采工艺, 2014, 36(3): 15-19. doi: 10.13639/j.odpt.2014.03.004
    [15] 朱骏蒙.  水平井裸眼砾石充填防砂完井工艺在胜利海上油田的应用 . 石油钻采工艺, 2010, 32(2): 106-108.
    [16] 李文勇, 韦红术, 陈斌, 张力, 逄淑华.  流花11-1油田大位移井尾管作业技术 . 石油钻采工艺, 2010, 32(6): 115-117.
    [17] 康晓东, 张健, 张贤松, 冯国智, 杨光.  海上油田注聚过程中的井间窜流与防窜对策 . 石油钻采工艺, 2009, 31(5): 97-100.
    [18] 汪志明, 洪玉奎, 郭晓乐, 李明.  泡沫质量和环空返速对泡沫携岩能力影响的数值模拟 . 石油钻采工艺, 2008, 30(3): 34-37.
    [19] 张峙, 范远洪.  同心集成细分注水工艺在海上油田的应用 . 石油钻采工艺, 2007, 29(6): 41-44. doi: 10.3969/j.issn.1000-7393.2007.06.014
    [20] 许永志, 王波, 郑韬, 赵玉娟, 谢凤臣, 郝立志.  侧钻水平井钻井液研究与应用 . 石油钻采工艺, 1999, 21(1): 33-35. doi: 10.3969/j.issn.1000-7393.1999.01.007
  • 加载中
图(11) / 表 (3)
计量
  • 文章访问数:  0
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 修回日期:  2022-01-21
  • 网络出版日期:  2022-09-19
  • 刊出日期:  2022-09-19

智能固体示踪剂在海上水平井产液剖面测试中的应用

doi: 10.13639/j.odpt.2022.02.013
    基金项目:  国家科技重大专项“渤海油田高含水水平井智能控水技术研究与示范”(编号:2016ZX05058-003-022)
    作者简介:

    刘子民(1992-),在读博士研究生,现从事水平井产液剖面理论与技术研究的工作。通讯地址:(610500)四川省成都市新都区新都大道8号西南石油大学石油与天然气工程学院。E-mail:dmlwasas@163.com

    通讯作者: 李海涛(1965-),2004年毕业于西南石油大学油气田开发工程专业,获博士学位,现从事完井优化与水平井控水技术研究的工作,教授,博士生导师。通讯地址:(610500)四川省成都市新都区新都大道8号西南石油大学石油与天然气工程学院。E-mail:lihaitao@swpu.edu.cn
  • 中图分类号: TE355

摘要: 针对海上油田水平井产液剖面测试条件苛刻、费用昂贵且准确性较差等问题,提出了一种基于智能固体示踪剂的海上水平井产液剖面测试方法。研究了智能固体示踪剂的释放规律和影响因素,实验结果表明:固体示踪剂与流体接触初期释放速率较快,随接触时间的推进释放速率变慢并逐渐趋于稳定;固体示踪剂的耐温和耐盐能力良好,释放速率与温度呈正比,与矿化度呈反比,且冲刷速率不影响释放速率。以固体示踪剂释放规律和水平井单相流稳态模型为理论基础,建立了水平井产液剖面的解释方法,并与主动开关控水和AICD控水技术同时在海上水平井进行了现场应用。结果表明:试验井调整控水工具前跟段、中段和趾段的产液贡献率分别为88.57%、5.43%和6%,调整控水工具后分别变为50%、17.19%和32.81%,说明调整控水工具后达到了均衡各段产液贡献的效果。该技术对于促进我国海上水平井高效经济开发具有重要实际意义。

English Abstract

刘子民,李海涛,杨靖文,聂松,马欣,高素娟. 智能固体示踪剂在海上水平井产液剖面测试中的应用[J]. 石油钻采工艺,2022,44(2):217-224 doi:  10.13639/j.odpt.2022.02.013
引用本文: 刘子民,李海涛,杨靖文,聂松,马欣,高素娟. 智能固体示踪剂在海上水平井产液剖面测试中的应用[J]. 石油钻采工艺,2022,44(2):217-224 doi:  10.13639/j.odpt.2022.02.013
LIU Zimin, LI Haitao, YANG Jingwen, NIE Song, MA Xin, GAO Sujuan. Application of intelligent solid tracers in production profile testing of offshore horizontal wells[J]. Oil Drilling & Production Technology, 2022, 44(2): 217-224 doi:  10.13639/j.odpt.2022.02.013
Citation: LIU Zimin, LI Haitao, YANG Jingwen, NIE Song, MA Xin, GAO Sujuan. Application of intelligent solid tracers in production profile testing of offshore horizontal wells[J]. Oil Drilling & Production Technology, 2022, 44(2): 217-224 doi:  10.13639/j.odpt.2022.02.013
  • 水平井生产段出水是海上油田开采过程中面临的重要问题,随着近年来流入控制装置(AICD)在水平井控水完井技术上的成功应用,有效提高了水平井分段产液平衡控制能力[1-3],为海上油田稳油控水提供了新方法。水平井AICD完井的控水效果要根据水平井各段产液贡献变化来分析和评价[4],因此如何监测水平井产液剖面是AICD完井的关键。目前监测水平井生产动态常用方法是生产测井工具(PLT)[5],但海上平台开发的复杂性、恶劣的环境以及昂贵的设备费用导致其应用范围较窄,并且在测试过程中需要降低水平井生产速度,无法达到与正常生产相匹配,又导致测试结果不准确,因此无法在整个海上油田水平井进行推广使用[6]。为解决上述问题,提出一种智能固体示踪剂监测水平井生产动态的新方法[7-10],该方法基于水平井分段完井和AICD控水完井技术,将不同类型的智能固体示踪剂安装在水平井不同生产分段的管柱外侧,通过关井静置使其与目标流体接触从而释放示踪物质,形成高浓度示踪剂团。开井后在井口对产出流体进行取样化验,分析示踪剂返排浓度分布,将结果通过特定的解释模型进行分析计算,以获取各段产液剖面、见水时间和见水位置等重要生产参数。

    笔者针对智能固体示踪剂产液剖面监测技术进行了研究,首先对自研智能固体示踪剂的释放规律进行实验评价,又通过耐温耐盐实验评价固体示踪剂在井下环境的释放能力,验证固体示踪剂在现场应用的适用性;根据实验得到固体示踪剂释放规律与冲刷流量的关系建立分段水平井产液剖面解释方法;最后,设计了安装示踪剂的配套完井管柱,将智能固体示踪剂与AICD和主动控水开关同时在渤海油田某水平井进行了现场应用,通过示踪剂返排浓度解释出了该井产液剖面,解释结果对AICD控水效果和主动控水工具调整起到了指导性作用。

    • 智能固体示踪剂由高分子聚合物骨架和示踪物质两部分组成[11],高分子骨架本身具有较强的耐温耐盐性并且不溶于地层流体,其作用是作为示踪物质的载体;示踪物质以分子或微粒形式均匀分散在高分子聚合物骨架表面或者内部,当与流体接触后示踪物质释放并溶出[12-13]。示踪物质自身具有单一敏感性,油溶性固体示踪剂与油相流体接触释放示踪物质,水溶性固体示踪剂与水相流体接触释放示踪物质。固体示踪剂在制备过程中可以改变形状,安装在生产管柱外侧,图1为自研水溶性固体示踪剂实物图与其在生产管柱上安装图。

      图  1  智能固体示踪剂实物及在完井管柱安装

      Figure 1.  Photo of intelligent solid tracers and diagram of completion string assembly

      智能固体示踪剂的释放规律是决定其工作寿命和产液剖面解释方法的主要依据[14],因此应用前需要通过室内实验对其释放规律进行量化研究,以此来设计示踪物质的用量、解释方法及安装位置等。此外,固体示踪剂能否适应井下环境是保障其测试准确度的重要前提,现场应用前需要对其在不同温度、矿化度条件下的释放能力进行评价和对比,确定其在不同环境下的适应能力[15]

    • 药品:自研水溶性固体示踪剂(SRWT-1、SRWT-2、SRWT-3),乙腈(色谱纯),甲酸,纯水。

      仪器:液相色谱-质谱联用仪,冷冻超速离心机,恒温箱,恒速恒流泵,夹持器。

    • 静态实验是为了评价示踪剂的释放规律及井下环境对其影响,通过将固体示踪剂放入水中浸泡从而获得累积释放浓度随时间的变化关系来进行定量评价。实验方法是将3种水溶性固体示踪剂分别放入装有1 L纯水的烧杯中,并将烧杯放置于实验条件下,每隔一段时间进行一次取样,每次取样2 mL,取样后将烧杯中的水继续补至1 L,实验具体取样时间见表1

      表 1  静态实验取样设计

      Table 1.  Sampling design for static tests

      样品编号取样时间/min样品编号取样时间/min
      1107300
      2208420
      3409690
      46010960
      5120111 230
      6180121 500
    • 动态实验是为了评价不同冲刷流量对固体示踪剂的释放速率的影响。实验采取恒速恒流泵驱替的方法,评价在相同时间下不同流量(2、6、10 mL/min)对示踪剂释放的影响,具体实验操作步骤:(1)将固体示踪剂放入特定夹持器中,关闭出口阀门;(2)打开恒速恒流泵调节流速;(3)待泵压开始上升说明流体已经充满整个流动系统,打开阀门准备取样。具体取样方法和时间间隔与静态实验一致(见表1)。

    • 图2是3种水溶性固体示踪剂在常温、纯水中累积释放浓度与释放速率随时间变化的曲线,可以看出,3种水溶性固体示踪剂的释放速率变化规律基本一致,与流体接触初期释放速率较快,随时间推移释放速率逐渐放缓直至稳定。出现该现象的原因是水溶性固体示踪剂与流体接触初期,流体进入聚合物骨架孔隙中,在短时间内填满所有孔隙并与示踪物质的接触面积达到最大,搭载在骨架孔隙表面上的示踪物质开始迅速向水中扩散,此时的扩散路径最短,释放速率最快;随时间的推移,骨架孔隙表面的示踪物质的释放逐渐稳定,骨架内部的示踪物质开始释放,并向流体中逐渐扩散,而此时的扩散路径变长,示踪物质释放速率放缓直至稳定[16]

      图  2  3种智能固体示踪剂释放速率和累积释放浓度随时间变化曲线

      Figure 2.  Release rate and cumulative concentration vs. time, three types of intelligent solid tracers

      此外,虽然3种水溶性固体示踪剂的制备工艺一致,但在相同流体中释放速率存在横向差异。实验结果是累积释放浓度与接触时间的关系曲线,通过计算得出3种水溶性固体示踪剂的释放速率分别是0.0045、0.014、0.028 (μg/L)/min。造成释放速率差异的原因是由于3种示踪物质在水中溶解能力的不同导致其溶解浓度出现高低变化。根据固体示踪剂的工作原理,这种差异不会对产液剖面的解释结果造成影响,因为固体示踪剂测试是基于封隔器分段完井技术,将生产段划分成独立的分段,在关井释放期间流体处于静置状态与固体示踪剂接触释放,在各油管附近会形成独立的示踪剂团,开井后各段示踪剂团先后流入井口,所得到是每一种示踪剂在取样阶段的浓度随取样时间的变化规律,横向产生的浓度差异可通过数学方法处理,将各段浓度随时间变化规律进行直观对比。

    • 地层温度、地层水矿化度对固体示踪剂的释放性能的影响决定了其在井下的工作能力,因此需要在模拟地层环境下对固体示踪剂释放能力进行实验评价。图3为温度对SRWT-1固体示踪剂缓释性能影响的实验结果,可以看出,随着温度的升高固体示踪剂的释放速率加快,常温下SWRT-1固体示踪剂1 500 min的累积释放浓度9.26 μg/L,而80 ℃时累积释放浓度上升至29.01 μg/L,上升趋势明显。温度影响释放能力变化的主要原因是由于分子热运动,温度越高示踪物质在高分子骨架内的扩散运动越快,示踪物质在水中溶解速率也相应加快,相同时间下释放浓度比低温高,因此会呈现温度高释放速率快的变化趋势。图4为SRWT-1固体示踪剂在不同矿化度流体中累积释放浓度变化曲线,可以看出随着矿化度从0增至10 000 mg/L,1 500 min累积释放浓度由9.26 μg/L降低至5.96 μg/L,表明矿化度的增加对固体示踪剂的释放起抑制作用,导致这种现象的原因是示踪物质的溶解速率受流体矿化度的影响,矿化度越高,示踪物质分子在水中的溶解度越低,相对应的释放速率越慢。

      图  3  不同温度下SRWT-1固体示踪剂累积释放浓度随时间变化曲线

      Figure 3.  Cumulative concentration vs. time at different temperatures, SRWT-1 solid tracer

      图  4  SRWT-1固体示踪剂在不同矿化度流体中累积释放浓度随时间变化曲线

      Figure 4.  Cumulative concentration vs. time in fluids with different salinities, SRWT-1 solid tracer

    • 水平井分段完井是通过封隔器将水平段划分为若干个独立的生产段,在生产过程中由于每一段地层渗透率和生产压差的差异会导致每段的产出流量有明显的差异,因此每段示踪剂的流体冲刷流量不同。图5为不同冲刷速度下固体示踪剂SRWT-1释放速率随时间变化曲线,可以看出,高流量下固体示踪剂释放初始阶段的释放速率要稍快于低流量,随冲刷时间推移,稳定后各流量下的释放速率基本一致,因此可以明确冲刷速度对智能固体示踪剂释放速率无明显影响。

      图  5  不同流量下SRWT-1固体示踪剂释放速率随时间变化曲线

      Figure 5.  Release rate vs. time at different flow rates, SRTW-1 solid tracer

    • 由上述实验结果得知,固体示踪剂系统释放示踪物质的速度取决于自身性质和井下环境,与地层流体的冲刷流量无关,因此产液剖面无法直接从正常生产过程释放的示踪物质浓度中获取,需要通过特定的解释方法来求取。固体示踪剂测试产液剖面解释方法的理论依据是示踪物质的溶解、扩散机理和水平井单相流稳态理论[17]。据此,将固体示踪剂测试产液剖面流程分为4个步骤:(1)示踪剂安装:智能固体示踪剂与完井管柱下入井下;(2)关井静置:使智能固体示踪剂与井筒周围的流体充分接触形成示踪物质段塞;(3)重新开井取样;(4)样品地面化验分析与解释。

    • 智能固体示踪剂产液剖面解释模型是通过示踪剂浓度峰值到达井口的时间和各段示踪系统之间井筒体积差值来计算各位置产液贡献[18]。该方法在进行取样之前需要进行关井,目的是让各段流出的流体与示踪剂充分接触,使示踪剂短节附近释放出高浓度的示踪物质团。由于采取了封隔器分段完井方式,各段流体流入筛管后会与安装的固体示踪剂所对应,保证示踪剂可以与各段流体准确接触。

      假设固体示踪剂附近高浓度示踪物质团在关井重启后以段塞形式运移至井口取样点,运移过程不发生扩散、沉降等作用。开井后,环空内释放出的高浓度示踪物质团随流体由AICD进液口进入井筒内并流至井口。因各段产液量的差异,示踪物质团到达井口的真实时间会偏离模拟均衡生产的到达时间,而通过取样化验可获得每段示踪物质浓度峰值真实到达井口时间。图6为各个示踪系统之间井筒体积、各段流量与到达时间的关系示意图[19]。第1段(跟端)示踪物质浓度峰值到达井口的时间对应流量是各段流量之和,即油井生产总流量,第2段峰值到达井口的时间对应的流量是第2段至最后一段流量的总和,以此类推,最末段(趾端)峰值到达井口的时间对应最末段的流量,准确获取各个参数并将其代入到模型中可以计算出各段的产液贡献。该解释模型称为到达时间模型,见式(1)~(3)。

      图  6  产液剖面解释模型

      Figure 6.  Production profile interpretation model

      $$ {q_{\text{t}}} = \sum\limits_{i = 1}^n {{q_i}} $$ (1)
      $$ V = \sum\limits_{i = 1}^n {{V_i}} $$ (2)
      $$ \left\{ \begin{gathered} {q_{\text{t}}} = \frac{{{V_1}}}{{{t_1}}} \\ {q_{\text{t}}} - {q_1} = \frac{{{V_2}}}{{{t_2} - {t_1}}} \\ {q_{\text{t}}} - {q_1} - {q_2} = \frac{{{V_3}}}{{{t_3} - {t_2}}} \\ \vdots \\ {q_{\text{t}}} - {q_1} - {q_2} - \cdot \cdot \cdot - {q_{i - 1}} = \frac{{{V_i}}}{{{t_i} - {t_{i - 1}}}} \\ \end{gathered} \right. $$ (3)

      式中,qi为第$ i $段产液流量,m3/d;qt为总产液流量,m3/d;V1为第1段示踪剂安装点到井口的井筒体积,m3Vi(i=2, 3, 4,···, n)为第i段到第i−1段之间的井筒体积,m3V为井筒总体积,m3 titi−1分别为第i 段、第i−1段示踪物质浓度峰值到井口时间,min。

    • 用于产液剖面解释的取样方法称为瞬态采样,是在油井关井重新生产后的取样方法[20]。当水平井关井后,固体示踪剂与环空内流体充分接触,释放出大量的示踪剂物质,形成示踪物质团,此时示踪剂浓度远高于正常生产时的释放浓度形成浓度差。开井后高浓度的示踪物质团以段塞形式随流体流出井口,根据水平井单相流稳态模型,可以计算出高浓度示踪剂分子团流至井口的时间范围,在该时间段加密取样,以获取示踪剂峰值到达井口的准确时间,减小模型计算误差。

    • 智能固体示踪剂测试水平井产液剖面基于水平井分段完井技术,通常与AICD控水完井技术协同应用,实现找水控水一体化,具体适用技术指标见表2。该技术选井范围较广,新井老井均适用,对于新井可测试投产初期水平段产液剖面,实时监测出水位置,以优化生产制度,实现高效开采;对于高含水老井可测试其各段产液贡献,准确找到高含水层位,以制定控水方案,实现稳油控水。

      表 2  智能固体示踪剂适用技术指标

      Table 2.  Technical specifications of intelligent solid tracers

      项目适用技术指标
      完井方式裸眼完井、射孔完井、筛管完井
      水平段段数两段及以上
      水平段长度≥50 m
      分段长度≥10 m
      示踪剂类型油溶性、水溶性
      最小安装数量6条/段
      生产排量不限
    • 水平井Q井位于渤海海域某海上平台,该井水平段储层非均质性较强,渗透率级差大,其中跟段和趾段渗透率在13 μm2左右,中间段渗透率4 μm2左右。该井当前日产液量在600 m3/d左右,日产油小于10 m3/d,含水率已经高达98%。根据对Q井井况与地层环境的分析讨论,选择更换含固体示踪剂的智能控水完井管柱进行找水和控水作业,明确各段产液能力并降低油井产水量。

      通过井下封隔器将水平段分为3段,每段完井工具中都安装有主动控水开关、AICD和固体示踪剂3种工作短节。由于Q井含水较高,本次试验只选择了安装水溶性固体示踪剂来进行产液剖面测试,安装的3种固体示踪剂分别是SRWT-1、SRWT-2 和SRWT-3。根据固体示踪剂释放影响因素的实验结果对Q井的井下工况进行了资料分析,Q井地层温度在65 ℃左右,产出水矿化度在7 100 mg/L 左右,与固体示踪剂适用环境相匹配,不会对固体示踪剂的释放性能产生负面影响。

    • 图7是Q井在更换完井管柱后的生产动态曲线,可以看出日产液量没有明显下降,含水率仍然高达98%以上,没有起到明显的增油降水效果,需要进行主动控水来调整各段产液能力。在进行主动控水前需要明确3段的产液贡献,以此为依据进行现场施工设计。2019年10月26日进行了第1次示踪剂取样作业,取样解释分析后得到3段产液贡献,确定了主动控水调整方案,进行了2次主动控水调整。调整后含水率由之前的98%降低至93%左右,日产油量维持在30 m3/d左右,控水增油效果明显。2019年12月10日进行了第2次取样,解释分析主动控水调整后3段产液贡献变化。

      图  7  Q井更换管柱后的生产动态曲线

      Figure 7.  Production performance of Well Q after changing the tool string

      通过模拟计算确定了3段示踪剂浓度峰值到达井口时间在开井生产后140~170 min之间,在该时间范围前取样称为预取样,主要是为了防止由于计算误差导致示踪剂浓度峰值提前达到,取样间隔为5 min;在模拟示踪剂峰值到达井口区间进行了取样间隔的加密,以此找到示踪剂峰值到达井口的准确时间,该区间取样间隔为3 min。当开井时间超过170 min后,此时关井释放的示踪剂已经全部随流体流出井口,但由于示踪剂的释放特性,生产过程示踪剂与流体接触会进行持续释放,此后释放的示踪剂来自正常生产过程,在该过程中示踪剂浓度会逐渐下降至稳定值。取样程序在不同的时间间隔有不同的采样频率,通常开始时较高,一段时间后降低。

    • Q井更换完井管柱后共进行2次示踪剂取样测试,第1次为更换管柱完成后,第2次为调整主动控水开关的状态后。由于3种示踪剂系统之间示踪浓度存在着差异,为了更好地比较各示踪系统的响应形状,将2次测试结果分别归一化处理(即通过给定示踪剂的所有示踪剂浓度除以该示踪系统的峰值,所有响应值都在0~1之间),得到了如图8图9所示的示踪剂浓度归一化变化曲线。

      图  8  第1次取样示踪剂浓度归一化处理曲线

      Figure 8.  Normalized tracer concentrations for the 1st sampling

      图  9  第2次取样示踪剂浓度归一化处理曲线

      Figure 9.  Normalized tracer concentrations for the 2nd sampling

      图8图9可以确定示踪剂浓度峰值到达井口的准确时间点,将到达时间和井筒体积等产液剖面解释模型所需的各种参数(表3)代入到模型中进行计算,得到2次取样测试的各段产液贡献。图10是主动控水调整前后各段产液贡献对比,可以看出未进行主动控水调整前,跟段产液贡献最大,产水量占比88.57%;中段和趾段供液能力较弱,产水量占比分别5.43%和6%,油井总含水率为98%,说明跟段出水最严重。主动控水调整后,含水率下降至93%,水平段的产液剖面发生变化,跟段产液占比依旧最高为50%,而中段和趾段产液量提高至17.19%和32.81%,说明主动控水调整均衡了各段产液贡献,提高低产液段的供液能力,起到良好的增油控水效果。

      表 3  产液剖面解释模型参数

      Table 3.  Parameters of the production profile interpretation model

      取样程序示踪剂型号示踪剂峰值到达井口时间/min到井口井筒体积/m3生产排量/(m3·h−1)
      第1次取样SRWT-112218.27
      SRWT-213718.47
      SRWT-318718.757
      第2次取样SRWT-112718.27
      SRWT-213018.47
      SRWT-313818.757

      图  10  Q井2次测试产液贡献占比解释结果

      Figure 10.  Interpreted liquid production contributions of the two tests of Well Q

      为了验证解释结果的可靠性,使用完井优化软件对该井2次取样点控水状态下的各段产液贡献进行了模拟计算。从图11计算结果可以看出,模拟Q井跟段、中段和趾段在第1次取样点控水状态下的各段产液贡献分别为79.35%、9.08%和11.57%,第2次取样点控水状态下各段产液贡献分别为49.36%、15.69%和34.93%,与智能固体示踪剂解释结果相近,验证了智能固体示踪剂解释产液剖面的可靠性与准确性。

      图  11  Q井2次产液贡献占比软件模拟结果

      Figure 11.  Simulated liquid production contributions of the two tests of Well Q

    • (1)智能固体示踪剂的释放规律是当其与目标流体接触初期释放速率较快,接触一段时间后释放速率下降逐渐趋于平稳,体现为恒速释放,冲刷速度不会影响其释放速率。智能固体示踪剂具有较好的耐温耐盐性能,在井下复杂环境中具有良好的释放性能,能够满足海上油田水平井产液剖面监测条件。

      (2)根据智能固体示踪剂恒速释放的特点,提出了相应的产液剖面解释模型,设计现场应用方案,将智能固体示踪剂在渤海油田进行了现场应用,通过产液剖面解释模型,成功解释出了该水平井控水前后的产液剖面,与商业软件模拟结果接近,说明该项技术的测试结果具有可靠性,为海上油田水平井找水、控水及产液剖面定量解释提供了新的技术思路和实用手段。

      (3)智能固体示踪剂技术目前在我国处于发展阶段,存在较多的技术难点,后续研究研究重点应放在扩充示踪剂种类、提出更合理的分段设计、建立更精确的解释方法以及更简易的检测手段等方面。

参考文献 (20)

目录

    /

    返回文章
    返回