主气驱低产高气比井流入动态研究.pdf

摘 要 注气驱注入气体突破后，气油比迅速上升，产量急剧下降。并且高气油比会降低泵 效，甚至发生气锁使泵不能正常工作。油井流入动态是制定油井工作制度的基础，但还 没有针对注气驱的流入动态研究。针对这些问题，在研究注气驱替机理的基础上，分析 其产能及流入动态，为注气驱抽油机泵的优选、工作参数的调整提供可靠的依据，就显 得尤为重要。 本文分别应用注气驱数学模型、全组分油藏数值模拟、人工神经网络研究了注气驱 的产能公式和流入动态曲线，并做了参数敏感性分析。研究结果表明，注气非混相驱过 程中，油藏中分为纯气区、两相区、纯油区三个渗流区域，产能公式分为突破前和突破 后两部分，突破后产量需根据组分总分流量进行计算。注气驱流入动态曲线在突破前采 出程度较低时为“S型”曲线，在突破后部分情况会出现有最大产量点的“反S型曲 线。两者均可用高斯函数和Sigmoid函数进行拟合，拟合精度较高。其中“反S型”曲 线的拟合参数分别对应了最大产量点和最佳井底流压。注气量、绝对渗透率、相渗曲线、 原油组分等参数会对IPR曲线的分布产生影响，但无因次IPR曲线却基本～致。另外， 注入气体突破后的产量递减曲线符合双曲线递减，可由推导的公式近似估算产量。最后， 研究表明人工神经网络用于IPR曲线预测是可行的，且具有较高精度，满足工程需要。 其中，BP神经网络的过拟合问题，可由采用LM贝叶斯正则化算法的改进网络消除。 广义回归神经网络需要人为调节的参数少、训练速度快、泛化能力高，具有很强的优势。 关键词：注气驱；流入动态；全组分模拟；人工神经网络；回归 011inflow oflow wellwith performance Study producinghighgas-liquid ratiofor ection gasinj displacement Li field Hu(oil＆gasdevelopmentengineering) DirectedProf．Pu by Chunsheng Abstract After ratiowillrise theoil injection gasbreakthrough，thegas—liquid rapidly,and will ratiowillreduce even productiondropsharply．Thehighgas-liquid pumpefficiency,and worseisthe couldnotworkforairlockOccurs．IPRCUlVeisthefoundationof pump making work foroil thereisnoIPRcurvefor system well，but gasinjectiondisplacementyet．To solvethese onthemechanismof problems，based injection gas formulaandIPRcurvewereresearchedfor is g