非稳态相渗数据管理分析处理系统的研究

摘 要：水驱油是国内外油田普遍采用的技术，虽然非常高效廉价，但采收率与产油量的预测十分困难，其过程也只能采用半手工加经验的方式计算。在原始模型分析、核心算法分析、各关键算法形成局部的模块、水驱油基础数据结构、插值数据处理、含水率数据处理、相渗曲线数据处理、含水率及相渗曲线综合处理等问题分析的基础上，对工作流程、关系数据库管理、采用全组合编码算法、插值的数据结构等技术进行研究，为水驱油技术在采收率及产油量的预测中使用计算机辅助工具的开发提供相关技术支持。

关键词：渗透率 水驱油 插值 采收率

中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2014）08（c）-0011-02

注水开采储层以其方便快捷、低廉的成本被广泛应用。储层注入水后，油与水混合并相互渗透，因此，产油量需要通过采收率进行计算。同时不同油井的地质特点、地下结构不同，其采收率的预测十分困难。目前国内外都是结合油井的基础数据，通过注水过程采样计算油水相对渗透率，得到油水的渗透规律。计算含水率及相渗曲线时，需要勘测相应油井的样长、截面积、K、饱和油量、直径、总体积、φ、水驱压力、深度、μo、孔隙体积、油测K、R、Swi、见水速度、相似准数、μw、死体积等基础数据，然后按时间间隔采集累产油、净产油、产水刻度、放水、瞬时产水、产液、采收率、注入倍数、△V、Vo、Ω等采样数据，最后进行微分运算、离散数据拟合，采样数据的误差会在微分运算中被放大，导致最后结果的偏差。[1]

非稳态相渗算法需要一个更好的模型支持，并且需要相应的辅助工具的分析软件。在国际上通行的非稳态相渗算法的基础上对其进行改进，提高数据精度，减少分析误差。

1 问题分析

注水驱油是油田简单、低廉使用广泛的一种采油方式，储层的油最终被水替换，能够保持地层压力，减少地质结构破坏。通过注水系统将水注入到储层后，水能进入到储层的各个空隙，因水的密度比油大，所以也能将最底层的油驱出。但是注水驱油技术还存在很对问题，尤其是采油率及产油量的预测，也是我们研究的重点。随着优化技术、信息化技术的不断发展，为非稳态状态下油水相对渗透及产油的含水率数据管理分析处理提供了必要的支持，也为模型的优化设计提供了一定的手段[2]。

2 模型分析

2.1 基础数据

油井地质特点及地下结构等因素是水驱油技术的数据预测的基础。油井的基础数据包括样长、截面积、K、饱和油量、直径、总体积、φ、水驱压力、深度、μo、孔隙体积、油测K、R、Swi、见水速度、相似准数、μw、死体积等。随着油井的开采，这些特性会发生变化，需要重新测定，用样号来区分，如表1所示。

其中：饱和油量调用油井数据的饱和油量，直径调用油井数据的直径，样长调用油井数据的样长，孔隙度调用油井数据的φ。

2.2 采样数据

采样时，通过注水系统将水注入到储层，随着注水过程的推进，不断地记录下时间、累产油、放水和产液等基本数据。通过这些数据计算出采收率、注入倍数、△V、Vo、Ω等相关数据为绘制渗透率曲线提供测试数据[3]。如表2所示：

采收率：n（.1），净产油/饱和油量×100

其中：净产油=（累产油-油死体积）

因此：采收率=（累产油-油死体积）/饱和油量×100

2.3 离散数据拟合

根据分析，使用埃特金插值和实际情况最接近，但插值次数根据采样误差的影响都不相同设计分析模型如图1所示。

埃特金插值过程表示如下：[4]

其中，前两列是m个插值结点，即ak，0=yi+k，k=0，1，……，m-1。

剩余各列可由埃特金插值公式计算得到：

埃特金插值表中右下角的元素正好是函数的插值，即y（t）=am-1，m-1。

埃特金插值后的数据每次减少1个，应用时的有限的采样数据不能满足问题分析的需要，因此对埃特金插值做一定的改造，在进行构造埃特金插值表时改进为如下形式：

实际上就是保持首尾两个点不变化，每次进行操作即可。

2.4 埃特金插值计算机模型

注入倍数、Vo、Ω、采收率是需要插值的数据，按照埃特金插值的构造过程，需要定义和采样数据相同大小的数组计算，同时分析过程需要进行n次，那么这个数组也要n组，也就是说，离散数据拟合的过程需要建立一个足够大二维数组。通过分析改进的算法来看，对该数组增加一个奇偶标志列就可以实现用一维数组完成该项工作，提供计算时间与空间效率。第一条和最后一条原始数据的奇偶标志列用“n”表示，n为插值次数。用0表示奇数次插值的数据来源，用1表示奇数次插值的结果，同时0也表示偶数次插值的结果，1也表示偶数次插值的数据来源。n的奇偶性恰好和1、0相对应。[5]如表3所示。

该模型同时符合关系数据库的特点，利用数据库保存最后一次插值的结果，用序号排序同时使用奇偶标志可以确定数据的位置。

3 系统流程设计

用户将油井基础数据与采样数据录入计算机做为基础数据处理模块，计算机自动完成导出数据的计算做为基础数据处理模块，采用插值法对原有数据进行误差处理做为曲线平滑处理模块，误差处理后的数据能够分别计算出含水率数据和相渗数据做为含水率数据处理模块、相渗数据处理模块。通过对含水率及相渗曲线综合数据处理模块的数据自动绘制含水率图和相渗曲线图，在坐标系测量出95%的含水率、98%的含水率及相渗交点。最后根据业务需要输出工作报表，具体流程图如图2所示： [6]

4 结论分析模块设计

结论分析模块过程Sqy_Zhsj_Js（）：分别对Krw、Kro利用最小二乘法提供指数拟合、对数拟合、直线拟合（直线）、n次多项式拟合（2<=n<=20）等多种分析方式，已达到模拟现实的目的。通过读交点方式得到Sw%终值、Krw终值、Kro终值。[7]

5 结语

本文主要分析基于注水驱油技术的非稳态相渗算法的数学模型、计算机模型的构造，离散数据的处理方法、拟合曲线交点坐标计算公式等技术。在原始模型分析、核心算法分析、各关键算法形成局部的模块、水驱油基础数据结构、插值数据处理、含水率数据处理、相渗曲线数据处理、含水率及相渗曲线综合数据处理算法分析的基础上，对改进的工作流程、关系数据库模型、采用全组合编码算法、插值数据结构等技术进行研究，为水驱油技术在采收率及产油量的预测中使用计算机辅助工具的开发提供相关技术支持。

参考文献

[1] 黄代国.油藏岩心分析和采油机理实验论文集[M].北京：石油工业出版社，2006.

[2] 塔雷克艾哈迈德，著.油藏工程手册[M].冉新权，译.Reservoir Engineering HANDBOOK.3版.北京：石油工业出版社，2007.

[3] （美），著.Robert T.Futrell，著.高质量软件项目管理[M].袁科萍，译.北京：清华大学出版社，2006.

[4] 李建华，李红革.形式化及其历史发展[J].自然辩证法研究，2008（8）.

[5] 邢金亮.基于形式化方法的统一软件模型及其应用[D].天津大学，2010.

[6] 刘正岐，郭涛.基于逻辑运算的多维数据全组合编码算法研究[J].物联网技术，2011（9）.

[7] 杨紫苓，顾建炜，张铁峰.基于本体的IEC 61850语义信息模型一致性校验[J].信息技术，2014（5）.

摘 要：水驱油是国内外油田普遍采用的技术，虽然非常高效廉价，但采收率与产油量的预测十分困难，其过程也只能采用半手工加经验的方式计算。在原始模型分析、核心算法分析、各关键算法形成局部的模块、水驱油基础数据结构、插值数据处理、含水率数据处理、相渗曲线数据处理、含水率及相渗曲线综合处理等问题分析的基础上，对工作流程、关系数据库管理、采用全组合编码算法、插值的数据结构等技术进行研究，为水驱油技术在采收率及产油量的预测中使用计算机辅助工具的开发提供相关技术支持。

关键词：渗透率 水驱油 插值 采收率

中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2014）08（c）-0011-02

注水开采储层以其方便快捷、低廉的成本被广泛应用。储层注入水后，油与水混合并相互渗透，因此，产油量需要通过采收率进行计算。同时不同油井的地质特点、地下结构不同，其采收率的预测十分困难。目前国内外都是结合油井的基础数据，通过注水过程采样计算油水相对渗透率，得到油水的渗透规律。计算含水率及相渗曲线时，需要勘测相应油井的样长、截面积、K、饱和油量、直径、总体积、φ、水驱压力、深度、μo、孔隙体积、油测K、R、Swi、见水速度、相似准数、μw、死体积等基础数据，然后按时间间隔采集累产油、净产油、产水刻度、放水、瞬时产水、产液、采收率、注入倍数、△V、Vo、Ω等采样数据，最后进行微分运算、离散数据拟合，采样数据的误差会在微分运算中被放大，导致最后结果的偏差。[1]

非稳态相渗算法需要一个更好的模型支持，并且需要相应的辅助工具的分析软件。在国际上通行的非稳态相渗算法的基础上对其进行改进，提高数据精度，减少分析误差。

1 问题分析

注水驱油是油田简单、低廉使用广泛的一种采油方式，储层的油最终被水替换，能够保持地层压力，减少地质结构破坏。通过注水系统将水注入到储层后，水能进入到储层的各个空隙，因水的密度比油大，所以也能将最底层的油驱出。但是注水驱油技术还存在很对问题，尤其是采油率及产油量的预测，也是我们研究的重点。随着优化技术、信息化技术的不断发展，为非稳态状态下油水相对渗透及产油的含水率数据管理分析处理提供了必要的支持，也为模型的优化设计提供了一定的手段[2]。

2 模型分析

2.1 基础数据

油井地质特点及地下结构等因素是水驱油技术的数据预测的基础。油井的基础数据包括样长、截面积、K、饱和油量、直径、总体积、φ、水驱压力、深度、μo、孔隙体积、油测K、R、Swi、见水速度、相似准数、μw、死体积等。随着油井的开采，这些特性会发生变化，需要重新测定，用样号来区分，如表1所示。

其中：饱和油量调用油井数据的饱和油量，直径调用油井数据的直径，样长调用油井数据的样长，孔隙度调用油井数据的φ。

2.2 采样数据

采样时，通过注水系统将水注入到储层，随着注水过程的推进，不断地记录下时间、累产油、放水和产液等基本数据。通过这些数据计算出采收率、注入倍数、△V、Vo、Ω等相关数据为绘制渗透率曲线提供测试数据[3]。如表2所示：

采收率：n（.1），净产油/饱和油量×100

其中：净产油=（累产油-油死体积）

因此：采收率=（累产油-油死体积）/饱和油量×100

2.3 离散数据拟合

根据分析，使用埃特金插值和实际情况最接近，但插值次数根据采样误差的影响都不相同设计分析模型如图1所示。

埃特金插值过程表示如下：[4]

其中，前两列是m个插值结点，即ak，0=yi+k，k=0，1，……，m-1。

剩余各列可由埃特金插值公式计算得到：

埃特金插值表中右下角的元素正好是函数的插值，即y（t）=am-1，m-1。

埃特金插值后的数据每次减少1个，应用时的有限的采样数据不能满足问题分析的需要，因此对埃特金插值做一定的改造，在进行构造埃特金插值表时改进为如下形式：

实际上就是保持首尾两个点不变化，每次进行操作即可。

2.4 埃特金插值计算机模型

注入倍数、Vo、Ω、采收率是需要插值的数据，按照埃特金插值的构造过程，需要定义和采样数据相同大小的数组计算，同时分析过程需要进行n次，那么这个数组也要n组，也就是说，离散数据拟合的过程需要建立一个足够大二维数组。通过分析改进的算法来看，对该数组增加一个奇偶标志列就可以实现用一维数组完成该项工作，提供计算时间与空间效率。第一条和最后一条原始数据的奇偶标志列用“n”表示，n为插值次数。用0表示奇数次插值的数据来源，用1表示奇数次插值的结果，同时0也表示偶数次插值的结果，1也表示偶数次插值的数据来源。n的奇偶性恰好和1、0相对应。[5]如表3所示。

该模型同时符合关系数据库的特点，利用数据库保存最后一次插值的结果，用序号排序同时使用奇偶标志可以确定数据的位置。

3 系统流程设计

用户将油井基础数据与采样数据录入计算机做为基础数据处理模块，计算机自动完成导出数据的计算做为基础数据处理模块，采用插值法对原有数据进行误差处理做为曲线平滑处理模块，误差处理后的数据能够分别计算出含水率数据和相渗数据做为含水率数据处理模块、相渗数据处理模块。通过对含水率及相渗曲线综合数据处理模块的数据自动绘制含水率图和相渗曲线图，在坐标系测量出95%的含水率、98%的含水率及相渗交点。最后根据业务需要输出工作报表，具体流程图如图2所示： [6]

4 结论分析模块设计

结论分析模块过程Sqy_Zhsj_Js（）：分别对Krw、Kro利用最小二乘法提供指数拟合、对数拟合、直线拟合（直线）、n次多项式拟合（2<=n<=20）等多种分析方式，已达到模拟现实的目的。通过读交点方式得到Sw%终值、Krw终值、Kro终值。[7]

5 结语

本文主要分析基于注水驱油技术的非稳态相渗算法的数学模型、计算机模型的构造，离散数据的处理方法、拟合曲线交点坐标计算公式等技术。在原始模型分析、核心算法分析、各关键算法形成局部的模块、水驱油基础数据结构、插值数据处理、含水率数据处理、相渗曲线数据处理、含水率及相渗曲线综合数据处理算法分析的基础上，对改进的工作流程、关系数据库模型、采用全组合编码算法、插值数据结构等技术进行研究，为水驱油技术在采收率及产油量的预测中使用计算机辅助工具的开发提供相关技术支持。

参考文献

[1] 黄代国.油藏岩心分析和采油机理实验论文集[M].北京：石油工业出版社，2006.

[2] 塔雷克艾哈迈德，著.油藏工程手册[M].冉新权，译.Reservoir Engineering HANDBOOK.3版.北京：石油工业出版社，2007.

[3] （美），著.Robert T.Futrell，著.高质量软件项目管理[M].袁科萍，译.北京：清华大学出版社，2006.

[4] 李建华，李红革.形式化及其历史发展[J].自然辩证法研究，2008（8）.

[5] 邢金亮.基于形式化方法的统一软件模型及其应用[D].天津大学，2010.

[6] 刘正岐，郭涛.基于逻辑运算的多维数据全组合编码算法研究[J].物联网技术，2011（9）.

[7] 杨紫苓，顾建炜，张铁峰.基于本体的IEC 61850语义信息模型一致性校验[J].信息技术，2014（5）.

摘 要：水驱油是国内外油田普遍采用的技术，虽然非常高效廉价，但采收率与产油量的预测十分困难，其过程也只能采用半手工加经验的方式计算。在原始模型分析、核心算法分析、各关键算法形成局部的模块、水驱油基础数据结构、插值数据处理、含水率数据处理、相渗曲线数据处理、含水率及相渗曲线综合处理等问题分析的基础上，对工作流程、关系数据库管理、采用全组合编码算法、插值的数据结构等技术进行研究，为水驱油技术在采收率及产油量的预测中使用计算机辅助工具的开发提供相关技术支持。

关键词：渗透率 水驱油 插值 采收率

中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2014）08（c）-0011-02

注水开采储层以其方便快捷、低廉的成本被广泛应用。储层注入水后，油与水混合并相互渗透，因此，产油量需要通过采收率进行计算。同时不同油井的地质特点、地下结构不同，其采收率的预测十分困难。目前国内外都是结合油井的基础数据，通过注水过程采样计算油水相对渗透率，得到油水的渗透规律。计算含水率及相渗曲线时，需要勘测相应油井的样长、截面积、K、饱和油量、直径、总体积、φ、水驱压力、深度、μo、孔隙体积、油测K、R、Swi、见水速度、相似准数、μw、死体积等基础数据，然后按时间间隔采集累产油、净产油、产水刻度、放水、瞬时产水、产液、采收率、注入倍数、△V、Vo、Ω等采样数据，最后进行微分运算、离散数据拟合，采样数据的误差会在微分运算中被放大，导致最后结果的偏差。[1]

非稳态相渗算法需要一个更好的模型支持，并且需要相应的辅助工具的分析软件。在国际上通行的非稳态相渗算法的基础上对其进行改进，提高数据精度，减少分析误差。

1 问题分析

注水驱油是油田简单、低廉使用广泛的一种采油方式，储层的油最终被水替换，能够保持地层压力，减少地质结构破坏。通过注水系统将水注入到储层后，水能进入到储层的各个空隙，因水的密度比油大，所以也能将最底层的油驱出。但是注水驱油技术还存在很对问题，尤其是采油率及产油量的预测，也是我们研究的重点。随着优化技术、信息化技术的不断发展，为非稳态状态下油水相对渗透及产油的含水率数据管理分析处理提供了必要的支持，也为模型的优化设计提供了一定的手段[2]。

2 模型分析

2.1 基础数据

油井地质特点及地下结构等因素是水驱油技术的数据预测的基础。油井的基础数据包括样长、截面积、K、饱和油量、直径、总体积、φ、水驱压力、深度、μo、孔隙体积、油测K、R、Swi、见水速度、相似准数、μw、死体积等。随着油井的开采，这些特性会发生变化，需要重新测定，用样号来区分，如表1所示。

其中：饱和油量调用油井数据的饱和油量，直径调用油井数据的直径，样长调用油井数据的样长，孔隙度调用油井数据的φ。

2.2 采样数据

采样时，通过注水系统将水注入到储层，随着注水过程的推进，不断地记录下时间、累产油、放水和产液等基本数据。通过这些数据计算出采收率、注入倍数、△V、Vo、Ω等相关数据为绘制渗透率曲线提供测试数据[3]。如表2所示：

采收率：n（.1），净产油/饱和油量×100

其中：净产油=（累产油-油死体积）

因此：采收率=（累产油-油死体积）/饱和油量×100

2.3 离散数据拟合

根据分析，使用埃特金插值和实际情况最接近，但插值次数根据采样误差的影响都不相同设计分析模型如图1所示。

埃特金插值过程表示如下：[4]

其中，前两列是m个插值结点，即ak，0=yi+k，k=0，1，……，m-1。

剩余各列可由埃特金插值公式计算得到：

埃特金插值表中右下角的元素正好是函数的插值，即y（t）=am-1，m-1。

埃特金插值后的数据每次减少1个，应用时的有限的采样数据不能满足问题分析的需要，因此对埃特金插值做一定的改造，在进行构造埃特金插值表时改进为如下形式：

实际上就是保持首尾两个点不变化，每次进行操作即可。

2.4 埃特金插值计算机模型

注入倍数、Vo、Ω、采收率是需要插值的数据，按照埃特金插值的构造过程，需要定义和采样数据相同大小的数组计算，同时分析过程需要进行n次，那么这个数组也要n组，也就是说，离散数据拟合的过程需要建立一个足够大二维数组。通过分析改进的算法来看，对该数组增加一个奇偶标志列就可以实现用一维数组完成该项工作，提供计算时间与空间效率。第一条和最后一条原始数据的奇偶标志列用“n”表示，n为插值次数。用0表示奇数次插值的数据来源，用1表示奇数次插值的结果，同时0也表示偶数次插值的结果，1也表示偶数次插值的数据来源。n的奇偶性恰好和1、0相对应。[5]如表3所示。

该模型同时符合关系数据库的特点，利用数据库保存最后一次插值的结果，用序号排序同时使用奇偶标志可以确定数据的位置。

3 系统流程设计

用户将油井基础数据与采样数据录入计算机做为基础数据处理模块，计算机自动完成导出数据的计算做为基础数据处理模块，采用插值法对原有数据进行误差处理做为曲线平滑处理模块，误差处理后的数据能够分别计算出含水率数据和相渗数据做为含水率数据处理模块、相渗数据处理模块。通过对含水率及相渗曲线综合数据处理模块的数据自动绘制含水率图和相渗曲线图，在坐标系测量出95%的含水率、98%的含水率及相渗交点。最后根据业务需要输出工作报表，具体流程图如图2所示： [6]

4 结论分析模块设计

结论分析模块过程Sqy_Zhsj_Js（）：分别对Krw、Kro利用最小二乘法提供指数拟合、对数拟合、直线拟合（直线）、n次多项式拟合（2<=n<=20）等多种分析方式，已达到模拟现实的目的。通过读交点方式得到Sw%终值、Krw终值、Kro终值。[7]

5 结语

本文主要分析基于注水驱油技术的非稳态相渗算法的数学模型、计算机模型的构造，离散数据的处理方法、拟合曲线交点坐标计算公式等技术。在原始模型分析、核心算法分析、各关键算法形成局部的模块、水驱油基础数据结构、插值数据处理、含水率数据处理、相渗曲线数据处理、含水率及相渗曲线综合数据处理算法分析的基础上，对改进的工作流程、关系数据库模型、采用全组合编码算法、插值数据结构等技术进行研究，为水驱油技术在采收率及产油量的预测中使用计算机辅助工具的开发提供相关技术支持。

参考文献

[1] 黄代国.油藏岩心分析和采油机理实验论文集[M].北京：石油工业出版社，2006.

[2] 塔雷克艾哈迈德，著.油藏工程手册[M].冉新权，译.Reservoir Engineering HANDBOOK.3版.北京：石油工业出版社，2007.

[3] （美），著.Robert T.Futrell，著.高质量软件项目管理[M].袁科萍，译.北京：清华大学出版社，2006.

[4] 李建华，李红革.形式化及其历史发展[J].自然辩证法研究，2008（8）.

[5] 邢金亮.基于形式化方法的统一软件模型及其应用[D].天津大学，2010.

[6] 刘正岐，郭涛.基于逻辑运算的多维数据全组合编码算法研究[J].物联网技术，2011（9）.

[7] 杨紫苓，顾建炜，张铁峰.基于本体的IEC 61850语义信息模型一致性校验[J].信息技术，2014（5）.