文摘

位于中国四川盆地中央四川paleo-uplift跨越数四川地区的地质结构,形成于5亿年前。这是底层超过常规天然气资源丰富 ,和探明储量的30%左右,而回收率仅为1.4%。摘要哈伯特和高斯模型是用来研究天然气的最高产量。蒙特卡洛模拟方法是用来预测未来中长期的实现概率生产、评估风险水平的天然气生产,实现整个过程的研究规模预测风险量化的气藏。根据高斯模型,实现的概率P50下,气藏在四川中部paleo-uplift可以达到最高产量的价值 ,2040年,在2034 - 2046年维护一个稳定的生产状态。风险等级评价矩阵,通过离散程度C∈(5%和10%)上升阶段和快速产量递减阶段,和分散度C∈(10%和25%)稳定生产阶段和减缓产量递减阶段。离散程度和实现概率可以集成获取不同阶段的风险水平。

1。介绍

在四川中部地区,地表露头是上层Shaximiao侏罗纪地层,从华英山西南。中央四川paleo-uplift nose-shaped隆起,特点是基底隆起和上覆岩层变薄。石油和天然气的勘探研究结果发现和气体采集来自几个井证实,震旦低古生代地层古隆起斜坡带的也为multistrata具有良好的勘探潜力。研究区和地层结构的中央四川paleo-uplift参与本文图所示1。目前,九个气藏被发现在四川中央古隆起,探明储量约为6500亿立方米。探明储量的总和,储量,预测和控制储量超过万亿立方米。计算天然气资源的中央四川paleo-uplift中间三叠纪和更低的三叠纪资源占总数的1/8,二叠纪占2/8,和下古生代和震旦系Dengying形成占总数的5/8的资源。四川天然气资源在中央paleo-uplift有巨大的发展潜力1,2]。

目前,研究工作在中期和长期的预测石油和天然气产量的变化和风险量化已广泛开展世界各地。世界各国高度重视石油和天然气资源的研究趋势预测和风险量化(3]。为了制定能源开发计划和优化发展战略的气田中部四川paleo-uplift,有必要开展中期和长期预测的天然气生产和发展进行定量研究的风险。研究结果有重要指导意义的下一步天然气勘探和开发。

中央四川paleo-uplift位于四川盆地中部,占地面积约7000平方公里,主要包括Gaoshiti块、磨块,Longnvsi块。这个地区的天然气资源多 ,探明率约为30%,经济复苏程度的探明储量仅为1.4%,这是早期和中期阶段的探索(4,5]。天然气储层中部四川paleo-uplift富含资源勘探和开发潜力巨大,这可以极大地促进生产的增加和四川盆地的天然气中获益。

然而,气藏在中部四川paleo-uplift储层非均质性强,复杂压力系统和油气运移规律,和其他地质特征,这都是不利于确定气藏的生产规模在未来。在众多影响天然气产量的因素,最重要的是岩石的渗透率地层(6- - - - - -8]。一些学者研究了这一问题,建立了页岩气的流模型分形双孔隙度,并验证了实验数据。得出裂缝孔隙度的增加,页岩中的天然气运输天然裂缝逐渐变得更加优先的双孔隙岩石;一些学者利用真实气体模型和弹性硬球模型研究了页岩纳米孔自由气体的迁移规律;一些学者建立了气体表观渗透率模型基于高压致密砂岩储层渗流机制通过结合分子动力学、气体传输机制,视渗透率和意识到影响天然气运输渗透率(9- - - - - -11]。同时,通过合理的研究方法确定生产规模是气藏的高效开发的关键。因此,加强研究天然气产量增长趋势的预测和风险量化的天然气储层中部四川paleo-uplift可以进一步阐明资源勘探和开发的潜力四川paleo-uplift中部地区发挥重要指导作用在中长期科学和理性的规划在四川盆地的天然气生产(12- - - - - -15]。

中长期规划的石油和天然气,天然气储量和产量的预测模型主要包括峰值预测方法、灰色系统方法和神经网络方法。目前,峰值预测方法是一种常见和简单的中长期预测方法。天然气领域仍在开发的早期阶段和生产阶段,使用神经网络预测模型来预测天然气储量和产量在中长期预测具有较高的精度和实用性(16- - - - - -21]。近年来,有很多研究预测的天然气储存和生产:首先,根据历史数据,在多周期的哈伯特模型被用来预测中长期的石油生产,并确定生产高峰将出现在2030年。其次,使用基于倍数和指数模型校正方法校正系数,选择最优解来构建一个峰值预测模型符合实际生产的发展特点,从而达到准确预测中长期生产天然气的地区。第三,多种预测模型如翁单峰模型,单峰威布尔模型,改进的选择和multipeak高斯模型,和完整的生命周期进行定量预测。第四,自postfracturing生产预测具有重要影响建筑优化设计和经济评价结果,页岩气产量的预测模型建立的初期不稳定渗流通过分析一些因素,并预测结果非常类似于实际的结果。第五,利用渗流理论力学、气藏工程的原则,和数学和物理方法,气井的压力动态试井模型三个连续介质,骨折,矩阵,和洞穴,和产量递减分析方法的规范化压力积分是研究,以及气井的生产预测方法与固定生产压力固定生产后,为碳酸盐岩气藏的开发提供便利。第六,改进现有的单周期模型,并建立了多周期的预测模型。结果表明,多周期的预测模型比单模型更有效和实用的(22- - - - - -32]。

领域的油气勘探和开发的主要方法量化天然气储量和产量的风险包括概率方法、神经网络方法和模糊聚类分析方法。其中,概率方法已广泛应用于天然气产量风险的量化。目前,有一些储备风险的量化研究;一方面,风险量化技术的应用已经从四个方面分析:风险量化的基本原则,风险分类和参考标准,风险量化评价体系,有效的风险量化方法,加强了风险量化的影响钻井工程和避免风险的影响在钻井工程33]。另一方面,天然气产业链的风险被模拟和评估,传输仿真模型反映了风险的传播产业链构建,风险评价框架的天然气产业链相结合提出了短期和长期的风险评估,短期使用测量方法已经建立评价模型,和长期使用层次分析法评价已经实现了。并提出一些建议和意见的风险的预防天然气产业链和长远发展的产业链34,35]。

本文的创新是提供一个更多量化依据指导气藏中天然气的勘探和开发中部四川paleo-uplift。摘要峰值模型预测是首先进行的中期和长期的生产预测气藏在中部四川paleo-uplift,然后生产风险量化研究是根据预测结果进行。研究工作的步骤如图所示2。首先,计算的最终可采储量(URR)气藏在中部四川paleo-uplift和使用哈伯特和高斯模型来获得天然气产量的增长规律在不同URR场景。然后,基于蒙特卡罗模拟方法,生产的分布概率和累积概率计算,每年的天然气产量最高的概率实现确定在不同的年份,它提供了一个科学依据天然气产量的计划目标。

2。方法

2.1。天然气产量预测理论

2.1.1。哈伯特的预测模型

1956年,著名的石油地质学家m·哈伯特提出了哈伯特峰值产量预测模型,准确估计的最终可采资源天然气在美国,生产高峰,其发生时间(36]。哈伯特模型是一种常用的生命周期模型预测的天然气产量峰值(37,38]。模型认为,石油和天然气田投入开发后,输出将增加的扩展开发时间从0然后下降的扩展开发时间后到达高峰。开发时间趋于无穷时,生产曲线的面积和时间等于最终可采储量的石油和天然气领域39- - - - - -42]。哈伯特模型方程如下:

的公式,累计产量,单位是什么 ; 是最终可采储量,单位是什么 ; 是生产和开采时间,单位;代表了最高产量,单位;是模型参数,它可以代表的斜率在一定程度上达到顶峰。

公式(1)需要的导数年产量的计算公式。

的公式,代表了年产量,单位 。

当 ,产出增长达到高峰;在这个时候,累计输出的变化率是最大的, 是最大的。

的公式,最高年产量,单位是什么 ,

变换公式(3) ,代入公式(2)。

替代双曲余弦函数 到公式(4),获得年产量哈伯特模型的计算公式(38)如下:

哈伯特模型的变化过程曲线逐渐增加从一开始,然后一个稳定时期顶点,最后,快速下降,直到完全耗尽的资源。

哈伯特模型是相对成熟的预测可采储量的石油和天然气储层,但这需要相对应的累积产量的生产接近无穷最终可采储量。事实上,结果是技术可采储量大于所需的最终可采储量。

2.1.2。高斯的预测模型

高斯和哈伯特模型是基于增长曲线获得的生命周期,所以他们都存在对称的形状43,44]。高斯模型方程如下:

的公式,意思是;标准偏差。

天然气开采过程中,累计生产的开发时间在区间(0,∞)被认为是最终的可采储量 。乘以分布密度函数最终可采储量 ,年产量计算公式可以获得的45]。

微分公式(7)对挖掘时间 ,

当产量增长达到顶峰时,改变生产的年增长率 。这时,年生产的高峰时间如下:

替代 到公式(8)获得最高年产量 。

用公式(9)和(10)到公式(7),年产量高斯模型的计算公式。

公式,模型参数可以描述的波动在一定程度上达到顶峰。

2.2。生产风险量化理论

2.2.1。蒙特卡罗概率方法

蒙特卡罗方法也称为统计模拟方法和统计检验方法。它是一个数值模拟方法,以概率现象作为研究对象。这是一个估计未知的特徵量的计算方法获得的统计值根据抽样调查方法。蒙特卡罗概率方法基于概率论和数理统计理论。这种方法的思想是建立一个计算模型的发生概率,然后获得概率的统计特征通过一个“抽样测试”,以获得实现概率的近似结果(46]。

当蒙特卡罗概率方法用于概率计算,首先要解决的问题是转换为一个概率的期望值模型,然后建立预测模型是随机抽样。计算过程的模拟试验,足够的随机号码抽取和要解决的问题应该是统计分析;否则,计算精度将受到影响47,48]。

的方程建立数学期望和概率分布密度函数如下;然后,变量的数学期望是

是一个随机变量的函数;是随机变量的分布密度,根据分布密度函数。随机选择样品 。函数值的算术平均值对应样本点作为估计的积分值。

根据变量的概率分布密度函数,变量的值是在序列和随机选择的大量重复的独立变量的值的模拟。目标函数的概率密度分布,和蒙特卡罗模拟可以实现计算过程变量的随机抽样(49]。

蒙特卡罗方法的优点是:(1)该方法的误差问题的维数无关;(2)它可以直接解决统计问题;(3)它可以直接处理连续问题。应用蒙特卡罗模拟的前提是确定目标函数的数学模型,在模型中变量的概率分布。每个参数生成大量的随机抽样根据给定的概率分布和替代品的模型来计算目标函数的概率密度分布曲线。蒙特卡罗方法在实验中所扮演的角色是确保实验的客观性,避免偏差由于主观原因。具体步骤如图所示3。

2.2.2。风险等级评价矩阵

当量化生产风险水平,有必要结合两个指标(实现概率和分散程度 )。实现的可能性输出代表了实现的概率达到特定的输出在一个特定的一年。的离散程度输出的代表之间的差异程度,输出值和输出值。因此,较小的离散程度的价值 ,风险因素的影响越小,输出稳定性越强,风险越小。的主要公式应用于分散度产量变异系数公式。这个公式的优势超过标准差变异系数是不需要参考数据的均值。

计算输出的离散程度的公式如下:

公式中的参数的意义如下:意思是;标准偏差。

为了实现风险的评估水平,有必要全面实现概率的两个评价指标和分散度并建立一个风险评估矩阵。风险评估矩阵生产风险分为四个水平(图4)和量化风险根据天然气产量的预测结果。

地区的收益率风险矩阵和相应的风险水平如表所示1。

3所示。结果

3.1。估计URR和最高产量

将相关数据映射的天然气气藏的勘探和开发中心四川paleo-uplift(图5),清楚地显示生产的增长趋势的目的是实现从地图。从图可以看出,目前天然气生产保持快速增长的趋势,这是符合哈伯特和高斯的趋势预测模型(公式(5)和(11))的早期阶段曲线增长。因此,这两个预测模型可用于实现的目的预测气藏的天然气产量在东部四川paleo-uplift。

为了达到最终目的(天然气产量预测),一些相关数据需要初步解决。首先是做一个合理的估计大致范围的最终可采储量(以下简称 ),以确定的范围和确定后续研究的基础。然而,由于天然气的勘探和开发四川中部paleo-uplift气藏早期阶段,气藏的认识不高,和掌握合理的是不可能的估计方法。因此,本研究中采用的方法的近似估计是一个数值计算方法。

为了实现一个粗略的估计 ,需要确认一些相关数据 。首先,通过气藏的地质勘探中部四川paleo-uplift,发现该气藏的天然气资源 。然后,根据数据的四川盆地气藏,气藏的开发规律,和近似范围的天然气探明率和恢复率可以确定。根据现行法律的分析四川盆地天然气勘探和开发,发现探明的天然气储量约在40% - -70%的范围,和复苏的气藏30% - -70%的范围。粗略的范围的天然气可采储量可以从上面的数据中找到 。此外,由于一些限制,开采储量不能完全转化为最终开采储量 ,转化率是55% - -65%。的估计范围是 ,这个方法只是一个简单的数值计算方法。的近似分布URR图所示6。与气藏的认识的深化,计算方法也需要不断更新。

3.2。天然气产量增长趋势预测

为了更好地预测气藏的天然气产量峰值在中部四川paleo-uplift,有必要选择一个适合气藏预测模型。方法是使用哈伯特和高斯峰预测模型来预测天然气产量的增长趋势,最高产量在中部四川paleo-uplift气藏。本文中使用的模型主要分为三个部分:曲线包围的面积( ),曲线的峰值时间( ),和曲线的宽度系数( )。模型的主要原则是使用天然气产量的历史数据,根据预测得到的曲线模型;使用最小二乘法实现历史数据的拟合,找到最好的预测价值。除了URR,其他影响因素不需要添加计算,因为这些影响因素被包括在历史数据的趋势;历史数据与曲线时,这些因素已经扮演了一个角色,所以分析这些因素是不必要的。方法是将不同值到公式(5)和(11)获得对应的曲线。为了更深入了解天然气产量的增长规律 ,100年的估计范围内选择不同的值 ,和这些值放入上述两个公式来获得不同的生产预测的结果。曲线相结合来获取数据7(一)和8(一个)和相应的模型参数值中提取数据7 (b)和8 (b),以获得之间的变化关系 ,峰值和参数。

它的数据中可以看到7(一)和8(一个)这两个模型的预测结果哈伯特和高斯是高度相似,和生产两种类型的预测结果可以同时进行分析。找出峰值产量的变化趋势 ,也就是说,产量和峰值表现出正相关;也可以从图发现峰值产量也不断变化,显示出先增加然后减少的趋势,和峰值时间是2040年。时间从2023年到2057年,产出增长曲线展品轴对称 。

它的数据中可以看到7 (b)和8 (b)哈伯特模型中,不断增加的 ,峰值输出和参数逐步增长的趋势。当增加到一定值,参数将增加从快速增长逐渐增加。在高斯模型,增加了 ,峰值输出线性增加,参数显示一个相对平稳下降的趋势,和降低利率逐渐变得越来越小,最后,往往是平的。参数模型的变化可以反映输出的变化。因此,当增长率是一样的,输出高斯模型的预测结果有更稳定的增长趋势比哈伯特模型。

根据输出的变化速度增长,产出增长的过程分为4个时期,即产量上升的时期是2023 - 2033,稳定生产的时期是2034 - 2046,快速生产下降的时期是2047 - 2057,和减缓产量递减的时期是2057 - 2070。生产前的增长增加年直到2040年,在2040年达到峰值,然后开始下降多年来的发展,最后,渐渐地,接近0。

为了比较结果的准确性预测的两个预测模型,介绍了相关分析的过程。相关分析的优点是更好地确定的准确性预测曲线拟合历史数据和预测曲线,以便选择适合实际情况的曲线通过比较五种生产之间进行的两个模型预测数据和历史数据分布(表2)。从相关分析的结果,可以看出,收益率的相关系数两个模型的预测结果都高。前的平均相关系数约为0.98,而后者的平均相关系数约为0.99。可以看出,高斯模型的预测结果更准确。因此,选择高斯模型的预测方法预测的主要方法Sichuan-Chongqing隆起气藏的天然气。

4所示。讨论

4.1。概率计算的生产实现基于蒙特卡罗方法

众所周知从上述未来生产发展过程分为四个阶段,即增加生产阶段,生产稳定阶段,快速产量递减阶段,减缓产量递减阶段。为了实现最高产量预测的最终目标,有必要预测不同生产增长阶段的实现概率。

为了找到更清晰的效果对产量预测结果之间的关系和年度收益率在不同阶段是绘制图形,最后, - - - - - -每个阶段不同的年收益率预测结果(图获得的9)。目的是为了看到之间的关系和年度产出更多的直觉。从图9的阶段,我们可以看到,收益稳定,产量的变化最明显的变化是温柔的在生产的缓慢下降,和改变是对称的收益率上升阶段和生产阶段的快速下降。

简要解释在图的一些含义9,以 - - - - - -产量预测结果图如图生产上升阶段9(一个)作为一个例子。横坐标代表不同的 ,纵坐标代表年产量 ,和不同颜色的代表在不同年份和相应的年产量。也可以清楚地显示在图是什么年生产在不同年份之间的差异一样吗 。

为了计算不同生产实现概率在不同的阶段,年生产增长,蒙特卡罗方法中引入部分2.2。1应用以上。现在,2040为例介绍实现概率的计算过程。高斯收益率计算公式方程(11)是用作概率模拟的数学模型,是影响产量的主要因素,的价值通过统一的提取。主要划分的方法到300年部分均匀的估计区间 ,同时多次进行随机抽样,并设置采样的次数1000000倍。每次值提取,相应的值和从图中发现8 (b), 代入公式(11)同时获得输出在2040年。根据上面的描述,年产量达到对应的累积概率( )以上是100%,年产量达到对应的累积概率( )是1%。

蒙特卡罗模拟后,年产量的分布概率计算和相应的累积概率得到积累。获得的累积概率是实现输出的概率。的累积概率统计如下图所示。

在图10的概率,你可以清楚地看到某一生产可能达到每年,它还可以看到,在2040年,斜率是温和的与其他曲线相比,它逐渐陡峭两边2040为中心。计算典型年的产生实现概率的结果实现概率地图和统计表(表3)。表中,输出对应P80是保证输出功率,输出对应P50平均输出,并输出相应的P20的理想输出。通过横向对比统计表(表3),可以看出,收益率的概率实现随产量的增加而减小。可以看出从表统计的纵向比较,在相同的实现概率,平均年产量显示了一个先增加然后减少的趋势。以实现的概率平均生产为例,实现的下限2040年 ,实现的下限2030年 ,和实现的下限2051年 ,表明平均年产量在2040年达到顶峰。摘要天然气产量计算概率区间的0% - -100%,和生产在不同的风险概率区间也量化。生产模拟的结果可以获得实现的概率不同天然气发展目标。它有一个重要的参考和指导作用的天然气勘探和开发计划的制定和实施在中央四川paleo-uplift气藏。

4.2。基于矩阵分析的生产风险水平评价

为了实现风险量化的目的的天然气气藏的生产在东部四川paleo-uplift,有必要引入风险矩阵部分2.2。2评估生产风险水平。有必要获得每年输出的实现概率曲线根据有关概率的计算方法2.2。与此同时,的意思μ和标准偏差一年一度的输出也是必需的,和分散度年产量的计算根据公式(14)。最后,结合两个最终实现生产风险水平的评估。

根据生产的四个不同阶段的价值范围增长,实现概率曲线的四个阶段与不同地区的风险矩阵叠加获得目标风险水平的收益率在不同阶段和年。分散的程度∈(5%和10%)上升阶段和生产阶段的快速下降,分散的程度∈(10%和25%)阶段的稳定生产和生产缓慢下降阶段。分散度和实现集成的概率获得不同阶段的风险水平,最后,不同阶段的输出目标风险水平集成,形成一个综合输出风险水平。

我们可以看到在图11输出的连续增加,相应的实现概率也不断减少,导致输出实现的风险逐渐增加。根据产生量化的结果在不同的阶段,实现概率和风险水平不同的产量每年可以直接获得。生产风险水平表明是多么容易实现生产目标。因此,研究生产风险量化具有重要指导作用的天然气勘探和开发的决策和部署。与此同时,它还提供了一种理论依据的可行性天然气生产目标在不同的时间节点。

5。结论

(1)本文的主要研究目的是为峰值形成预测模型气藏的天然气生产中心四川paleo-uplift。首先,在这一领域的资源用于粗略估计范围的最终可采储量,以及作为哈伯特和高斯模型中的边界条件预测生产。结合蒙特卡罗方法量化的风险收益率,收益实现的概率在不同年计算(2)把哈伯特和高斯模型来预测的一般趋势在震旦系气藏天然气生产,使用相关分析比较高斯模型和哈伯特模型的准确性,并选择一个更合适的预测模型(高斯模型)。生产预测结果表明,气藏在中部四川paleo-uplift将达到峰值 2040年,和维护一个稳定的产量从2034年到2046年(3)实现风险量化的研究,首先,作为自变量进行蒙特卡罗模拟的收益率增长曲线。因此,实现的概率每年的产量作为影响因素,然后产生的弥散度。结合的概率输出实现和分散的程度,建立了风险水平评价矩阵,最后,定量研究输出的风险。推动建立定量分析系统对天然气生产在中央四川paleo-uplift气藏

数据可用性

支持结论的实验数据可从相应的作者的请求。

的利益冲突

作者宣称没有利益冲突。

确认

本研究在经济上支持的科学研究基础煤矿灾害动力学与控制国家重点实验室(2011 da105287-zd201804)。