大数据方法评价绒囊钻井流体储层伤害程度

摘要：

矿物多采用表皮系数表征钻井流体的储层伤害程度,但无法定量表征工作流体具体性能指标与储层伤害程度的关系,不能有效指导现场钻井流体性能优化和调整.而大数据方法在多因素分析上优势明显,基于此,建立多参数钻井流体储层伤害模型,实现工作液优化以保护储层.为此,收集9口绒囊钻井流体完钻井及邻井6口其他钻井流体完钻井的现场数据,以绒囊钻井流体完钻井与邻井平均日产量差为目标函数表征储层伤害程度,以钻井流体密度、表观黏度、塑性黏度、漏斗黏度、动塑比、动切力、pH值7项参数为自变量,首先运用多元回归方法建立多参数模型,然后利用剥茧算法寻找储层伤害主控因素后建立钻井流体储层伤害数学模型,明确绒囊钻井流体性能与平均日产量差之间的定量关系.研究发现,表观黏度、密度、动塑比、pH值是决定储层伤害的主控因素,其回归系数分别为-1.561、0.428、-0.535、1.60,表明随着表观黏度、动塑比的增加绒囊钻井流体储层伤害程度加深,随着密度、pH值的增加绒囊钻井流体储层伤程度减小.利用钻井流体储层伤害数学模型指导延5-V1井水平段钻井流体性能调整,投产后的平均日产气量提高近800 m3.结论认为,相比试井等矿场评价方法,大数据方法既能准确诊断伤害程度又能为现场钻井流体性能优化提供理论依据,同时也为矿场评价储层伤害提供一种方法,现场应用效果明显.

关键词：大数据;储层伤害;绒囊钻井流体;性能;产量差

所属期刊栏目：11

分类号：TE357(油气田开发与开采)

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：605-612