| |
|
|
| 8种将要走红的勘探开发新技术 |
作者： 管理员 加入时间： 2009/5/27 9:52:18 浏览次数：3946
|
| |
油藏最大接触井
油藏最大接触井（MRC）指的是分支穿过油藏超过3英里的智能多分支井。这种井越来越受重视，且驱油效率高。因为在分支得到最优设计的前提下，分支数目的增加就意味着产量的显著增加，这对致密且非均质性较强的油藏来讲是相当重要的。例如，沙特阿拉伯HaradhIII油田完全采用油藏最大接触井进行开采，目前32口智能油藏最大接触井日产油300,000桶。但是，由于油藏最大接触井的每个分支都需要安装到井口的机械控制管线，因此每口井的智能分支数有限。将来，智能井将有大量的分支使得驱油最大化，并且进入难采的薄层段。现在的目标是，用无线遥测技术代替液压管路控制井下阀门，解除对机械控制管线的依赖。
井下控制组件向每个控制阀发送无线指令，因此就无需配备机械管线，而且理论上，每口井可以拥有无数个分支，每个分支也可以安装无数个控制阀。利用充电蓄电池向阀门充电，流体流动产生的能量可为蓄电池补充电。随着井下设备的增加，井下管线的安装也变得越来越困难，因此，无线遥测技术将得到广泛的应用，如永久井下监测。另外，还可以应用电控阀，这种方法无需无线遥测，但仍需向主井眼与每个智能分支的连接处短距离的发送电流和信号（也就是说在井口控制所有的智能分支），该方法可以通过电感耦合技术实现。
智能流量控制设备
流量控制设备通过在流量丰富的井段产生附加压差（流体在设备内螺旋状运动形成附加压差），使得整个井的水平段流量均匀分布。这样就阻止了气锥和水锥的发生，平衡了生产剖面，提高了经济采收率。然而，现有的传统流量控制设备一旦下入井中就无法进行调解，因此就无法反映井下条件的变化。智能流量控制设备或者增添了可根据原油含气量或含水量自动调节流量的装置，或者在每个设备部分安装电动的或无线的井下控制阀。这两种方法正在研究中，而且都能够使流量控制设备随时有效地反应井条件的变化，并且能够在调节设备前反映出井生产剖面的预测误差。
智能自控油田
通常情况下，智能油田集合了所有与油田相关的信息，如油藏压力、油藏温度、井口流体组分、管流，以及工厂信息化等，利用实况资料来实时管理油田。因此，自井下安装的检测仪器到集中处理涉及的设备多种多样。例如，在HaradhIII油田，每口井都配有一个永久井下监测系统，目的是向地表传输动态油藏资料，以便实时监控整个油田。但是，未来智能油田将更加先进，将由自监控变为完全自控（即完全自动化）。
未来智能油田将自动收集井下油藏资料，综合井口信息并进行处理，对油藏进行实时模拟，得出最佳的生产注入方案，而后向每口井的井下控制阀发送指令，从而完成自生生产。这种油田还将经常的对资料进行实时分析以便有效的采集处理数据。如可以通过对比井底和地表的压力、温度值来检测趋势异常，识别水窜、确定驱替前缘。油藏工程师在自控油田的任务就是监督管理，而不是操作控制。
无源地震监测
成千上万频繁出现的地震都是微震，震级不到1、2级，甚至更低，并且没有造成实质性破坏。这些地震的信号很难用常规方法记录下来。无源地震监测能够在油藏位置记录这种微地震的地震强度（通常称为微震活动性），从而识别井筒周围断层和裂缝的分布，勘测远离井位的流体通道。这项技术无需振荡器或炸药等震源即可完成监测。
无源地震监测技术不会像四维地震一样发生延时，能够实时监测油藏，且为分析和监测油藏流体运移引入了一种潜在的新方法（Dasgupta，2005），将油藏管理效率推向了一个新台阶。近期无源监测研讨会座无虚席，来自50多个国家的与会人员从事不同的研究，从断层描述、监测增产到预测生产和注入效果等。该项技术还处于发展初期，但却爆速发展，而且有望彻底改变地震资料的采集和利用。
巨格模拟
三维地震资料和精细建模算法的广泛应用导致了精细地质模型的形成，该模型能够实现高分辨率描述油藏特征。然而，当这些模型用于流量模拟时，多数的细节被忽视了，因为目前的模拟器无法控制大量的单元。这些高分辨率模型在模拟之前首先被放大，为了减少单元数分散和平均数据使得分辨率严重降低。未来油藏模拟器将无需放大模型，可以直接利用地质模型高分辨率模拟巨型油田（即便是延伸超过280×26km的Ghawar巨型油田）。为了达到这一目标，油藏模拟器所控制的单元应比现行模拟器控制的多，自兆元模型（千万单元到亿单元）扩大到千兆元模型（十亿单元）。
为了达到这一目标，一直在进行多种实践。例如，沙特阿拉伯国家石油公司一贯采用的室内开发模拟器可以控制3千万～4千万个单元（Dogru等，2002）。然而，下一代模拟器将控制更多的单元，沙特阿拉伯国家石油公司最近采用的原型成功实现了在整个Ghawar油田25,800万单元模型的算法测试。这一模型在日常用的计算机集群上用近1天的时间模拟了Ghawar油田60年的开采历史，最初的结果表明，与100万单元的旧模型模拟结果相比，较为精细的25,800万单元模型显示的含水率与物理性质及油田资料比较吻合。较高分辨率模拟油藏的优点是显而易见的。在建立了千万单元模型记录的基础上，十亿单元模型也将很快实现。
模拟器能力的提高源自于算法的新颖和硬件的改善，但仅仅具备硬件条件是远远不够的。新的计算机集群上需要实现近似线性的缩放。同时还需要创新可视化技术，因为数据容量太大，用常规的方法不能有效可视化。这种正在测试的新方法不仅仅能使用户用肉眼看，而且能够用手摸（通过带有力觉反馈的三维触摸控制器来定位油藏）、用耳听（通过智能语音警报器将特殊事件传递到模拟器）。
智能液
智能液是指那些被注入到油藏中用于完成特殊预期行为的流体（如，完全封堵水淹层却允许油流向其他层）。起初，这些流体用于改变近井地带，但最终将流向了油藏深部，在更大程度上改变油藏性质。这些流体将按需研制，并在油藏中自动发生预计的变化。换言之，他们被强制性注入油藏，按自己的方式自动完成他们的任务，无需任何先进的配备工艺，如层位分隔和挠性油管。虽然智能液从相对渗透率改良剂发展到智能乳化剂，还在不断进步，但目前仅仅适用于有限的油藏条件，成功率不高。例如，这种智能液遇到水时形成水合物发生膨胀，堵塞孔道，阻止水运移；而遇到油时发生脱水收缩，允许油通过。因此，这种智能液不用修井机仅仅利用化学制剂就能降低水的相对渗透率，阻止水淹带内水的流动，保护油流，实现堵水。
仿生井
未来的油井会像植物一样，无需钻井，应当“种植”。树根需要一个湿润的土壤，在一定区域内伸展枝节，当土壤干涸时切断枝节，并在其它区域生成另外的枝节，如此反反复复。仿生井与此相似（只是分支寻找的是油不是水），一旦井的垂直井段钻探完毕（种植油井），就“放任自流”。智能分支将朝着无排水含油层伸展，一旦水浸就切断分支，并向其他层延伸另一个分支，以此类推。
尽管这个构想似乎太理想化，但石油工业已经实现了一部分。开始时钻直井（如同简单的树根），钻完后钻水平段（较复杂的根），然后钻多个分支（如同有许多枝节的树根）。随后，下入智能井下控制阀，能够封堵特定的分支以便有效地切断分支（如同切断树根的一个枝节），然后连接井下检测器和地表控制器，用以分析油藏流体性质、预测水的出现（类似于根部判断区域何时干涸）。所有这些如今都已成为实现。同时，非常复杂井（当然像树根）正在研究当中，如前文所描述的油藏最大接触井。
其余方面就是钻井技术的改进，实现油井自动钻进。不可否认，这一目标的实现并非易事，但是部分工艺已经实现了，如挠性油管钻井和胶液喷射钻井，还有一些工艺，如激光钻井，也正在研究。这些井可能是裸眼井完井，带有黏弹性的井下阀而非机械式井下阀，如此一来，一旦其碰到为控制特殊阀门带有特殊信号的化学剂，它们将通过改变其流变力开启或关闭阀门。
油藏纳米机器人
这些小机器人仅为人头发直径的1/100，将大量地随注入液进入到油藏中。在运行过程中，会分析出油藏压力、温度、流体类型，并将这些信息存入存储器中，然后从采出液中将它们收回（至少部分收回），采集下载这些数据以提供它们在运行过程中采集到的一些关键数据，由此绘制出油藏图。根据油田的规模大小，机器人可能会运行几个月。最后也可以追加实时通讯（有可能通过短弹跳进入井下遥测站）和流动性参数（有可能从流体间的摩擦力产生的电荷或井下电荷站中提供能量）。
设想在钻头前把这些机器人送进去，以取代地质导向，或者把他们从发现井送出以发现油水界面，省去边界程序。可能性是无限的，这也许有些牵强。其实不然。纳米型探测器的发展是迅速的。纳米技术已经在材料加工和医药应用方面取得很大进展，但在石油工业还没有突破。人们正努力将这些先进技术应用于该行业。2008年2月3日～6日举行了一次SPE先进技术学术交流，题目是“上游勘探开发纳米型技术应用：纳米尺度对巨型尺度的挑战”。
实现功能性纳米机器人的漫长之路始自于回答这样一个简单问题：对于机器人无阻碍通过孔喉的最大尺寸是多少？如果微型机器人（现在已经可以制作）可以做各项工作，就没有必要浪费时间和金钱研究制作纳米型机器人。然而，即使是近井地带使用这些机器人，一旦被孔喉捕捉，会突然停止移动，很可能破坏油藏。
沙特阿莫科分析了Ghawar Arab-D油藏的850块岩心，绘制了孔喉大小分布图。孔喉呈双峰分布，观察到很重要的一点是大多孔喉大于500纳米。这样，我们建立的初始目标应该小型化。实际上，为了避免桥接，机器人的尺寸必须接近于孔喉尺寸的1/4。接下来是进行物理实验，将特定尺寸和浓度的纳米微粒注入到有代表性的Ghawar岩心柱中。这样可以计算出从头到尾流出岩心柱的微粒的数目，就可以从经验角度回答关于尺寸大小的问题。纳米机器人通过孔隙结构的行程还可以用软件模型进行模拟。也就是说，实现纳米机器人梦想的第一个里程碑将以3个方式解决尺寸问题：（1）观察孔喉大小分布；（2）进行纳米微粒注入经验试验；（3）进行软件模拟。
|
|
|
|
| |
|
|
|
