本发明涉及石油天然气开发领域，尤其是水力压裂过程中一种致密油藏水平井体积压裂初期产能预测方法。
背景技术：
水平井体积压裂技术是北美实现页岩气革命的关键技术，在世界范围内得到广泛的应用，我国大部分致密油藏具有储层物性差、非均质性强、自然产能低等特点，其部分油藏不能采用常规注水开发，形成有效的注采井网，投产之前需要进行增产改造以获得产能。近年来，国内各大油气田借鉴国外体积改造成功经验，开展了对致密油气藏的探索与现场试验，取得良好的增产效果。致密油藏生产井初期产能预测与评价，对油气田的勘探开发有着重要的意义，既是提高勘探效果的关键环节之一，也是油气田开发规划与部署的重要依据。但影响水平井体积压裂产能因素纵多，包括各压裂井储层物性、压裂施工、生产动态等因素，且各因素之间关系复杂，在不同层次上对压裂效果起着不同的作用，预测难度大，同时由于地质和工程等多种影响因素认识不清，造成产量递减快，稳产期短，严重影响开发效果，因此，综合考虑水平井体积压裂产能影响因素，明确主控因素，预测压后产能对高效开发致密油藏尤为重要。
研究学者对压裂井产能预测做了大量的研究，主要包括经验方法和数值方法，逐步由定性评价发展为定量评价。经验方法是基于矿场统计资料的研究方法，油藏工程师大多数从储层物性和生产动态的角度分析油气井储层品质的好坏，定性预测压裂改造后单井的增产效果。但大多数单纯的从储层的好坏定性评价压裂井开发效果，分析参数较少。随后学者利用数值方法建立产能预测模型，但数值方法面临许多因素简化和数据有限等问题，同时数值模拟方法工作量大，易受网格划分及计算方法的影响，为此，一些学者应用模糊理论、神经网络、灰色分析模型等非线性方法对产能预测进行了大量研究，而对于水平井体积压裂的产能预测相关研究仍然较少。目前水平井体积压裂产能预测与评价的方法主要有以下几种：
(1)刘万涛等(刘万涛，高武斌，郑光辉.鄂尔多斯盆地长7致密油体积压裂水平井产能预测研究[j].科学与技术工程，2016，16(11)：162-166)利用体积压裂水平井与直线无限井排直井的相似性，忽略了水平井筒内流体阻力的影响，将各条压裂缝之间的干扰问题转化为直线无限井排直井之间的干扰问题，依据势的叠加原理，推导出体积压裂水平井稳态产能公式。该方法考虑了影响水平井产能的储层物性参数和压裂施工参数，但部分因素未考虑全面，同时水平井产能模型建立假设油藏和裂缝内流体为单相流动且各压裂段参数相同，而实际流体流动为两相渗流，各压裂段参数差异也比较大。
(2)杨兆中等(杨兆中，陈倩，李小刚.致密油藏水平井分段多簇压裂产能预测方法[j].特种油气藏，2017，24(4)：73-77)根据等效渗流理论，将压裂后形成的分段多簇缝网等效为高渗透带，并推导出等效渗透率及高渗透带宽度的关系式。在此基础上，应用复位势理论和势的叠加原理，运用解析法建立了致密油藏分段多簇压裂水平井考虑裂缝间干扰的非稳态产能预测模型。该方法将分段多簇裂缝等效为高渗透带，而致密油藏水平井各压裂段实际储层物性参数和施工参数以及压后裂缝形态差异很大，同时假设条件很多，导致模拟结果不够准确。
(3)林旺等(林旺，范洪富，刘立峰.工程参数对致密油藏压裂水平井产能的影响[j].油气地质与采收率，2017，24(6)：120-126)利用数值模拟方法，建立大规模体积压裂后的单井产能模型，分析不同工程参数对压裂效果影响规律。同时利用正交试验法，将工程参数对产能的影响程度排序，从而达到对压裂效果影响因素评价的目的。该方法只考虑了工程参数对压裂效果的影响，而没有考虑储层物性参数和生产动态参数。
上述三种方法都没有同时综合考虑各压裂水平井所在储层物性和初次压裂施工的差异性，每一类因素考虑参数较少，不够全面，同时假设条件较多，和实际压裂井情况差异大，导致预测结果不够准确。
技术实现要素：
本发明的目的在于提供一种致密油藏水平井体积压裂初期产能预测方法，该方法首先建立多层次影响产能因素评价体系，并利用灰色关联分析法综合考虑体积压裂水平井储层物性参数和压裂施工参数，计算不同层次影响因素的权重系数，明确影响产能主控因素。其次利用正态分布隶属函数计算各影响因素的隶属度，并将各影响因素的权重系数和隶属度进行模糊运算，对每口压裂井压裂效果定量化综合评分，根据综合评分对水平井体积压裂初期产能进行预测。
为达到以上技术目的，本发明提供以下技术方案。
一种致密油藏水平井体积压裂初期产能预测方法，依次包括以下步骤：
1)建立数据库a，包括样本集u、影响产能子因素集c、评价指标主因素集w；
2)根据数据库建立多层次影响产能因素评价体系；
3)利用灰色关联分析法，计算多层次评价体系中影响产能子因素的权重系数，并对其排序，明确影响产能主控因素；
4)利用正态分布隶属函数依次计算每口压裂井影响产能子因素的隶属度，并将影响产能子因素的权重系数和隶属度进行模糊运算，对每口井压裂效果定量化综合评分，并对综合评分划分区间，根据预测井综合评分所在区间，预测水平井体积压裂初期产能。
在本发明中，所述步骤1)建立数据库a，包括样本集u、影响产能子因素集c、评价指标主因素集w，包括以下内容：
(1)样本集u为体积压裂水平井样本；
(2)影响产能子因素集c包括12个参数：含油砂岩长度с1、储层有效厚度с2、孔隙度с3、渗透率с4、含油饱和度с5、自然伽马с6、压裂段数с7、压裂簇数с8、裂缝间距с9、单簇压裂液量с10、单簇砂量с11、返排率с12；
(3)评价指标主因素集w为各水平井体积压裂后初期一年累积产油量。
在本发明中，所述步骤2)根据数据库建立多层次影响产能因素评价体系，是指建立包括目标层、决策层、指标层的三层次评价体系来综合反映对产能的影响，具体内容如下：
(1)目标层为体积压裂水平井样本；
(2)决策层为储层物性参数集b1和压裂施工参数集b2两大类；
(3)指标层为影响产能的子因素集，其中含油砂岩长度c1、储层有效厚度c2、孔隙度c3、渗透率c4、含油饱和度c5、自然伽马c6属于储层物性参数集b1；压裂段数c7、压裂簇数c8、裂缝间距c9、单簇压裂液量c10、单簇砂量c11、返排率c12属于压裂施工参数集b2。
在本发明中，所述步骤3)利用灰色关联分析法(刘思峰.灰色系统理论及应用[m].北京：科学出版社，2008)，计算多层次评价体系中影响产能子因素的权重系数，并对其排序，明确影响产能主控因素，包括以下内容：
(1)建立影响产能子因素评价矩阵和评价指标主因素集：根据数据库建立评价矩阵x，矩阵维数为m×n，并将已知压裂井初期第一年累产油量作为评价指标主因素集。
式中：x为影响产能子因素评价矩阵；x0为评价指标主因素集；xi(j)为影响产能子因素；xi(0)为评价指标主因素；i＝1,2,…,m；j＝1,2,…,n；m为体积压裂水平井样本个数；n为影响产能子因素个数；本发明中n＝12。
(2)数据标准化：由于不同层次的评价指标的量纲不一定相同，绝对值很难进行比较，因此需要对各项参数进行标准化处理，转换为可比较的无因次序列，本发明采用极大值法，根据参数的不同意义，极大值处理方法分为两种情况。
①对于评价数据与压裂效果成正相关的指标，用本指标数据除以本指标数据中的最大值，计算表达式如下：
②对于评价数据与压裂效果成负相关的指标，先用本指标数据中的最大值减去本指标数据，再用其差值除以本指标的最大值。
式中：
(3)灰关联度计算：对各个评价指标数据进行标准化处理以后，计算各影响产能子因素与评价指标主因素之间的灰关联系数，确定各影响产能子因素与评价指标主因素的灰关联度，计算表达式如下：
式中：ξi(j)为灰关联系数；rj为灰关联度；
(4)权重系数计算：衡量各影响子因素对产能的影响程度，用权重系数来表征。根据多层次评价体系，指标层影响产能子因素的权重系数集为c＝[c1,c2,…,cn]，并将权重系数集分为两个部分：c1＝[c1,c2,c3,c4,c5,c6]为储层物性参数子因素权重系数集；c2＝[c7,c8,c9,c10,c11,c12]为压裂施工参数子因素权重系数集，计算表达式如下：
式中：cj为影响产能子因素权重系数。
在本发明中，所述步骤4)利用正态分布隶属函数(zengfanhui,chengxiaozhao,guojianchunetal.hybridisinghumanjudgment,ahp,greytheory,andfuzzyexpertsystemsforcandidatewellselectioninfracturedreservoirs[j].energier,2017,10,447)，依次计算每口压裂井影响产能子因素的隶属度，并将影响产能子因素的权重系数和隶属度进行模糊运算，对每口井压裂效果定量化综合评分，并对综合评分划分区间，根据预测井综合评分所在区间，预测水平井体积压裂初期产能，包括以下内容：
(1)依次建立每口压裂井影响产能子因素标准集g：根据每口井各影响产能子因素分布范围，建立标准集g如表达式(8)所示。以其中一口井为例，过程如下：将表达式(1)中每个影响产能子因素数据中的最大值和最小值区间平分为四个等分的区间，若影响子因素与产能成正相关，则g1j为最大区间值，g2j、g3j、g4j依次减小；若影响子因素与产能成负相关，则g1j为最小区间值，g2j、g3j、g4j依次增大，最终形成四个不同区间值的等级，同时赋予不同等级综合分数值g1＝i类＝100-75(分)，g2＝ii类＝75-50(分)，g3＝iii类＝50-25(分)，g4＝iv类＝25-0(分)，从而形成影响产能子因素标准集g。
式中：g为影响产能子因素标准集；glj为第j个影响子因素对应第l等级中的取值区间，其中l＝1,2,3,4表示不同的等级。
(2)运用正态分布隶属函数，计算各影响产能子因素在标准集g四个等级中的隶属度，形成隶属度矩阵k＝(klj)t，并将隶属度矩阵分为两个不同隶属度矩阵：k1为储层物性参数子因素隶属度矩阵；k2为压裂施工参数子因素隶属度矩阵，计算表达式如下：
式中：klj为隶属度矩阵元素，l＝1,2,3,4；j＝1,2,…,n；xi(j)为影响产能子因素；al＝(gl1+gl2)/2；
(3)将各影响产能子因素的权重系数和隶属度进行模糊运算，对每口井压裂效果定量化综合评分，预测体积压裂水平井的产能，具体包括以下内容：
①将储层物性参数影响子因素的权重系数和隶属度进行模糊运算，得到储层物性参数隶属度矩阵f，并对体积压裂水平井所在储层定量化综合评分，根据储层综合评分对储层分类，分数越高表明储层物性越好，体积压裂后产能越大，计算表达式如下：
f＝[f1f2f3f4]＝c1·k1(13)
式中：f为储层物性参数隶属度矩阵；s为储层综合评分。
②将所有影响产能子因素的权重系数和隶属度进行模糊运算，得到压裂效果综合隶属度矩阵并对压裂效果定量化综合评分，计算表达式如下：
e＝[e1e2e3e4]＝c·k(15)
式中：e为压裂效果综合隶属度矩阵；j为压裂效果综合评分。
③根据所有体积压裂井样本的压裂效果综合评分预测产能，过程如下：首先以压裂井井号为横坐标，压裂效果综合评分和初期累产油量为纵坐标，作双坐标曲线图，其次将其划分区间，根据预测井压裂效果综合评分所在的区间和对应区间已知井的产能，就可得到预测井的初期产能。
与现有技术相比，本发明具有的有益效果：
(1)本发明能够综合考虑影响水平井体积压裂开发效果的储层物性参数和压裂施工参数，并建立多层次评价体系，提高了评价的准确性，避免了仅通过单一评价指标来进行决策的不科学性，同时该方法对于直井压裂效果影响因素评价同样适用。
(2)本发明通过灰色关联分析法，定量计算多层次影响因素的权重系数，根据权重系数大小将影响因素优先级别进行排序，权重值越大，对开发效果影响越大，从而明确产能关键影响因素，有利于提高压裂方案设计的决策度。
(3)本发明通过模糊综合评判，对体积压裂水平井所在储层质量和压裂效果定量化评分，对储层好坏进行评价和产能预测，对优化压裂方案设计具有重要的指导作用。
附图说明
图1为本发明水平井体积压裂影响产能因素的多层次评价体系示意图。
图2为本发明水平井体积压裂所在储层分类图。
图3为本发明水平井体积压裂效果综合评分区间划分和初期产能预测图。
具体实施方式
下面根据附图和实施例进一步说明本发明。
实施例1
某致密油藏区块储层孔隙度6.9～13.8％，平均10.5％，渗透率0.1～10.2md，平均1.23md，原油饱和度45.2％，原油粘度9.05mpa.s，油藏埋深1980m，初始地层压力19.6mpa，地层温度87.5℃，储层物性和含油性较差，非均质性强，属于致密砂岩储层。该区块采用水平井大规模多段多簇体积压裂技术开发，初期开发效果相差很大，日产油量变化范围为10.2t/d～35.7t/d。开发效果影响因素众多，需要开展水平井体积压裂产能影响因素分析，明确主控因素，预测水平井体积压裂初期产能，为后续压裂井优化设计提供理论支持。
利用致密油藏水平井体积压裂初期产能预测方法，对目标区块其中18口体积压裂水平井进行定量化综合评分，由已知15口压裂井产能预测未知3口压裂井产能。具体过程包括：建立评价指标数据库、建立多层次评价体系、运用灰色关联分析法计算影响产能子因素权重系数，并对其排序，明确影响产能主控因素、计算每口井压裂效果综合评分，并划分区间，预测水平井体积压裂初期产能。
1、建立评价指标数据库：根据步骤1)统计目标区块已知15口体积压裂水平井作为样本集，影响产能子因素参数和评价指标主因素参数(表1)和(表2)，其中以初期第一年累产油量作为主因素参数。
表1储层物性参数集
表2压裂施工参数和主因素参数集
2、建立多层次评价体系：根据评价指标数据库，由步骤2)建立目标层、决策层、指标层三层次评价体系，如图1所示。
3、运用灰色关联分析法计算影响产能子因素权重系数，并对其排序，明确影响产能主控因素，根据步骤2)具体计算过程如下：
(1)建立影响产能子因素评价矩阵和评价指标主因素集：根据评价指标数据库，建立15口水平井影响产能子因素评价矩阵，如表达式(17)所示。各压裂井初期第一年累产油量为评价指标主因素集，如表达式(18)所示，并根据步骤3)标准化方法对其标准化。
x0＝(6282，2800，2705，4347，4745，1506，2937，2596，6115，4558，4688，5931，3872，4142，5925)t(18)
(2)灰关联度计算：根据步骤3)中表达式(5)和(6)计算各个评价指标的灰关联度，计算结果(表3)。
(3)权重系数计算：根据步骤3)中表达式(7)计算多层次评价体系中指标层影响产能子因素权重系数，计算结果如下：
c＝[0.0966,0.0878,0.0888,0.0824,0.0833,0.0624,0.0913,0.0924,0.0728,0.0843,0.0852,0.0727](19)
c1＝[0.0966,0.0878,0.0888,0.0824,0.0833,0.0624](20)
c2＝[0.0913,0.0924,0.0728,0.0843,0.0852,0.0727](21)
根据权重系数大小，将指标层影响产能子因素进行排序(表3)，从表3可以看出，含油砂岩长度权重系数最大，排名第1，对产能影响对最大，其次为压裂簇数和压裂段数，分别排名第2和第3，由此可知对于致密储层，在储层物质基础一定的情况下，压裂改造体积对产能影响最大，在不产生缝间干扰的前提下，尽可能提高布缝密度，可提高致密油藏水平井体积开发效果。
表3多层次影响因素灰关联度与权重系数排序表
4、计算每口井压裂效果综合评分，并划分区间，预测水平井体积压裂初期产能：根据步骤4)具体计算过程如下：
(1)建立影响产能子因素标准集g：根据步骤4)中表达式(8)建立影响产能子因素标准集(表4)和(表5)。
表4储层物性参数标准集
表5压裂施工参数标准集
(2)以其中一口体积压裂水平井p9为例，根据步骤4)中表达式(9)～(12)计算各影响产能子因素在标准集g四个等级中的隶属度矩阵k＝(klj)t，以及储层物性参数子因素隶属度矩阵k1和压裂施工参数子因素隶属度矩阵k2，计算结果如下：
(3)根据步骤4)中表达式(13)～(16)分别计算体积压裂井p9储层综合评分和压裂效果综合评分，p9井储层综合评分为81.1分，在75-100之间，属于i储层，压裂效果综合评分为67.3分。以同样的方式计算其他井的储层综合评分和压裂效果综合评分，并根据储层综合评分确定压裂所在储层类型(表6)和(图2)，等级越高，储层物性越好。
f＝[f1f2f3f4]＝[0.1460.3330.0230](25)
e＝[e1e2e3e4]＝[0.1880.3830.0600.190](27)
将表6中压裂效果综合评分划为四个区间(图3)，区间1(评分45～54分，第一年累产油量(0.15～0.25)×104t)；区间2(评分54～58分，第一年累产油量(0.25～0.30)×104t)；区间3(评分58～67分，第一年累产油量(0.40～0.50)×104t)；区间4(评分67～78分，第一年累产油量(0.60～0.65)×104t)。p16、p17、p18压裂效果综合评分分别为52.3分、73.9分、54.9分，因此，预测p16、p17、p18井体积压裂后初期第一年累产油量分别在(0.15～0.25)×104t、(0.60～0.65)×104t、(0.25～0.30)×104t区间。
表6综合评分和产能预测表
以上通过实施例对本发明进行具体描述，有必要在此指出的是，本实施例仅是本发明的优选实施例，并非对本发明作任何限制，也并非局限于本文所披露的形式，不应看作是对其他实施例的排除。而本领域人员所进行的改动和简单变化不脱离本发明技术思想和范围，则均属于本发明技术方案的保护范围内。