何琰陸家亮唐紅君段永剛彭炎

1.西南石油大學(xué) 2.中國(guó)石油勘探開發(fā)研究院廊坊分院

改進(jìn)的天然氣儲(chǔ)產(chǎn)量生命旋回預(yù)測(cè)模型

何琰1陸家亮2唐紅君2段永剛1彭炎1

1.西南石油大學(xué) 2.中國(guó)石油勘探開發(fā)研究院廊坊分院

何琰等.改進(jìn)的天然氣儲(chǔ)產(chǎn)量生命旋回預(yù)測(cè)模型.天然氣工業(yè),2010,30(4):54-57.

生命旋回預(yù)測(cè)方法是目前運(yùn)用最為廣泛、技術(shù)成熟的油氣田儲(chǔ)產(chǎn)量趨勢(shì)預(yù)測(cè)方法。但目前所使用的生命旋回模型在預(yù)測(cè)中難以考慮多個(gè)與儲(chǔ)產(chǎn)量增長(zhǎng)息息相關(guān)因素的影響,使得預(yù)測(cè)效果不好、精度不高。針對(duì)目前的生命旋回模型預(yù)測(cè)中存在的不足,通過儲(chǔ)產(chǎn)量數(shù)據(jù)序列優(yōu)化技術(shù)降低了異常數(shù)據(jù)帶來的預(yù)測(cè)風(fēng)險(xiǎn),并提出了在傳統(tǒng)生命旋回預(yù)測(cè)模型中引入儲(chǔ)產(chǎn)量增長(zhǎng)影響因素的新方法。采用上述新方法對(duì)某氣區(qū)天然氣儲(chǔ)量進(jìn)行了預(yù)測(cè),結(jié)果表明:改進(jìn)的生命旋回模型對(duì)天然氣的儲(chǔ)量增長(zhǎng)趨勢(shì)預(yù)測(cè)有著很好的效果,預(yù)測(cè)結(jié)果與實(shí)際情況吻合度更高。

天然氣 儲(chǔ)量 產(chǎn)量 預(yù)測(cè) 生命旋回法 靜態(tài) 數(shù)據(jù) 優(yōu)化

1 傳統(tǒng)生命旋回模型的弊端

傳統(tǒng)的生命旋回模型[1-7](翁氏模型、龔帕茲模型、哈伯特模型等)預(yù)測(cè)儲(chǔ)產(chǎn)量的方法,能有效控制有效資源的生命發(fā)展規(guī)律,對(duì)于中長(zhǎng)期預(yù)測(cè)具有較好的指導(dǎo)作用,但存在以下不足:①均以歷史數(shù)據(jù)擬合為基礎(chǔ),天然氣儲(chǔ)產(chǎn)量增長(zhǎng)影響因素考慮有限,這種僅僅依賴歷史數(shù)據(jù)序列進(jìn)行單純的數(shù)學(xué)模型擬合難免脫離生產(chǎn)實(shí)際;②天然氣儲(chǔ)產(chǎn)量增長(zhǎng)是一個(gè)復(fù)雜的綜合工程,地質(zhì)條件等客觀因素及認(rèn)識(shí)程度、工作量等人為因素對(duì)其影響很大,如果沒有把這些與儲(chǔ)量增長(zhǎng)息息相關(guān)的動(dòng)、靜態(tài)因素考慮進(jìn)去,則預(yù)測(cè)效果不好,預(yù)測(cè)精度不高。

2 歷史數(shù)據(jù)優(yōu)化處理

由于油氣田勘探開發(fā)是一項(xiàng)很復(fù)雜的工程,與很多不確定因素有關(guān),因而天然氣新增儲(chǔ)產(chǎn)量的躍動(dòng)很大,部分時(shí)間段的數(shù)據(jù)根本不能有效反映全局趨勢(shì),對(duì)預(yù)測(cè)模型構(gòu)成擾動(dòng),因而本研究采用選段擬合預(yù)測(cè)的方式。在此基礎(chǔ)上,對(duì)儲(chǔ)產(chǎn)量原始?xì)v史數(shù)據(jù)進(jìn)行優(yōu)選及平滑預(yù)處理,達(dá)到對(duì)儲(chǔ)產(chǎn)量數(shù)據(jù)整體趨勢(shì)的有效把握,進(jìn)而得到可靠預(yù)測(cè)結(jié)果。

2.1 分段優(yōu)選

根據(jù)專家意見,選取儲(chǔ)產(chǎn)量原始?xì)v史數(shù)據(jù)中對(duì)未來發(fā)展趨勢(shì)有代表性的時(shí)間段,利用選取的數(shù)據(jù)段進(jìn)行預(yù)測(cè)及相關(guān)分析計(jì)算。在該過程中主要注意兩個(gè)方面:①數(shù)據(jù)選取段應(yīng)根據(jù)當(dāng)?shù)貙?shí)際生產(chǎn)的歷史規(guī)律,將異常點(diǎn)盡量排除;②由于資源量的有限性,在選段計(jì)算的過程中,應(yīng)當(dāng)考慮排除選取段之前的探明資源量或者累計(jì)產(chǎn)量。

2.2 均值平滑

傳統(tǒng)生命旋回模型是依靠研究對(duì)象的數(shù)據(jù)序列歷史擬合而建立的,對(duì)歷史數(shù)據(jù)序列是否平滑依賴度很高。但天然氣的勘探、開發(fā)及銷售等環(huán)節(jié)受到多種影響因素制約,天然氣儲(chǔ)產(chǎn)量時(shí)間數(shù)據(jù)序列規(guī)律性明顯不強(qiáng),僅僅依靠?jī)?chǔ)產(chǎn)量歷史數(shù)據(jù)擬合很難得到可靠的發(fā)展趨勢(shì)。為了能更符合實(shí)際生產(chǎn)的發(fā)展規(guī)律,在運(yùn)用傳統(tǒng)生命模型對(duì)天然氣儲(chǔ)產(chǎn)量趨勢(shì)預(yù)測(cè)之前,有必要對(duì)實(shí)際時(shí)間數(shù)據(jù)序列進(jìn)行初步平滑優(yōu)化。

以翁氏模型預(yù)測(cè)天然氣儲(chǔ)產(chǎn)量為例,假設(shè)天然氣儲(chǔ)產(chǎn)量原始?xì)v史數(shù)據(jù)序列為 Q={q1,q2,…,qn},通過歷史數(shù)據(jù)擬合建立起初始模型及初步預(yù)測(cè)結(jié)果為Qt={,,…,,…}。

計(jì)算初步預(yù)測(cè)結(jié)果與原始?xì)v史數(shù)據(jù)的誤差均值為:

逐一考察原始?xì)v史數(shù)據(jù)序列Q中每個(gè)數(shù)據(jù)點(diǎn),進(jìn)行預(yù)處理:如果|qi-|>E,那么 di=;如果|qi-|≤E,那么 di=qi,其中i=1,2,…n。該點(diǎn)誤差超出誤差均值范圍,則認(rèn)為該點(diǎn)的歷史數(shù)據(jù)為異常點(diǎn),即不符合數(shù)據(jù)應(yīng)有的整體趨勢(shì)。

原始?xì)v史數(shù)據(jù)序列Q={q1,q2,…,qn}經(jīng)過平滑預(yù)處理后,得到一個(gè)新的時(shí)間數(shù)據(jù)序列 D={d1,d2,…, dn},再利用生命旋回模型對(duì)新時(shí)間數(shù)據(jù)序列 D進(jìn)行預(yù)測(cè),將得到規(guī)律性更強(qiáng)的預(yù)測(cè)結(jié)果:QT={,,…,,…}。

3 生命旋回模型改進(jìn)

3.1 影響因素權(quán)重確定

對(duì)于 Hubbert模型、廣義翁氏等模型而言,靜態(tài)影響因素不具備時(shí)間序列屬性,模型中無法直接引進(jìn)影響因素的時(shí)間序列。通過采用統(tǒng)計(jì)分析法給出影響因素對(duì)預(yù)測(cè)變量的權(quán)重估計(jì),結(jié)合層次分析法等專家干預(yù)手段確定最終的影響權(quán)重。這樣不僅保證了預(yù)測(cè)變量歷史發(fā)展的規(guī)律性,也將專家意見有效引入,確保預(yù)測(cè)的有效性和權(quán)威性。

假設(shè):Q(i)為時(shí)間序列上某一年的年新增儲(chǔ)產(chǎn)量實(shí)際值,Qa(i)為其傳統(tǒng)預(yù)測(cè)模型預(yù)測(cè)值,如果預(yù)測(cè)精度達(dá)到100%,那么有:

事實(shí)上,預(yù)測(cè)誤差幅度C(i)≠0,而預(yù)測(cè)誤差幅度C(i)是由影響因素產(chǎn)生的。系統(tǒng)通過誤差幅度序列平均值作為引入影響因素,修正誤差權(quán)重參考值,有效降低預(yù)測(cè)誤差。如何確定系統(tǒng)給定的影響因素權(quán)重范圍呢?

令 E∈[-e,+e],E即為影響因素權(quán)重。則年新增儲(chǔ)產(chǎn)量實(shí)際時(shí)間序列值為:Q={Q(1),Q(2),…, Q(n)};年新增儲(chǔ)產(chǎn)量預(yù)測(cè)時(shí)間序列值為:Qa= {Qa(1),Qa(2),…,Qa(n)}。那么,

3.2 影響因素權(quán)重分配

通過上述方法確定權(quán)重的范圍后,專家可根據(jù)經(jīng)驗(yàn)指定影響因素總體權(quán)重,但是不能超出該權(quán)重的變化范圍,否則視為誤操作。在此基礎(chǔ)上,采用層次分析法對(duì)影響因素進(jìn)行權(quán)重分配。

3.2.1 建立層次結(jié)構(gòu)模型

所建立層次結(jié)構(gòu)模型見圖1。

圖1 層次分析法結(jié)構(gòu)示意圖

3.2.2 構(gòu)造成對(duì)比較矩陣

設(shè)儲(chǔ)產(chǎn)量預(yù)測(cè)中共有 n個(gè)影響因素,那么 X= {x1,x2,…,xn},在實(shí)例中,x1是資源量,x2為探明程度,xn為勘探思路及勘探技術(shù)。構(gòu)造判斷矩陣[8]:A= (aij)n×n。比較每個(gè)因素對(duì)上一層某一準(zhǔn)則(或目標(biāo))的影響程度,確定各因素在該層中相對(duì)于某一準(zhǔn)則所占的比重,即aij表示第i個(gè)因素相對(duì)于第j個(gè)因素對(duì)目標(biāo)層的影響重要程度,若 ai和aj同等重要為1,ai比aj稍微重要為3,ai比aj重要為5,以此類推,若處于其中,可取2、4、6、8,令

可得成對(duì)比較判斷矩陣:

3.2.3 影響因素權(quán)重分配

用定義計(jì)算矩陣的特征值和特征向量相當(dāng)困難,特別是階數(shù)較高時(shí);成對(duì)比較矩陣通過定性比較得到結(jié)果,對(duì)它進(jìn)行精確計(jì)算沒有必要。鑒于此,采用最為常用的“求和法”計(jì)算成對(duì)比較矩陣的相關(guān)值。具體辦法如下[8]。

1)將矩陣列向量歸一化

2)將歸一化的判斷矩陣按行相加

3.3 影響因素敏感性分析

基于科學(xué)假設(shè),認(rèn)為模型誤差完全由全部影響因素所致,具體體現(xiàn)在模型的誤差均值中,對(duì)于給出的影響因素在中的程度由層次分析法得到。不同的影響因素及權(quán)重系數(shù)可以得到不同的 ET,即得到更為合理的擬合數(shù)據(jù)序列。

具體分析過程如下。

第一步:對(duì)原始時(shí)間數(shù)據(jù)序列進(jìn)行分段優(yōu)選,得到分析時(shí)間數(shù)據(jù)序列段Q={q1,q2,…,qn}。

第二步:進(jìn)行第一次校正擬合,得到初始預(yù)測(cè)序列Qt={,,…,,…}。

第三步:應(yīng)用歷史數(shù)據(jù)序列段優(yōu)化方法,得到新的時(shí)間數(shù)據(jù)序列QT={q1T,q2T,…,qnT}。其中qiT根據(jù) E/n得到,如果|qi-|>E,其中i=1,2,…,n,那么 qiT=,否則 qiT=qi。

第四步:根據(jù)影響因素(氣藏地質(zhì)條件、市場(chǎng)需求、政策等),運(yùn)用層次分析法,得到 ET= EW=w/n,其中 ET為專家賦予權(quán)重的數(shù)據(jù)修正范圍,W為權(quán)重方案。

第五步:根據(jù)因素影響程度的大小,可分為影響因素正向極大、正向較大、正向較小、負(fù)向極大、負(fù)向較大、負(fù)向較小等多種層次,運(yùn)用層次分析法即可得到多個(gè)權(quán)重方案(W1,W2,Wk),根據(jù)第三、四步,可以得出對(duì)應(yīng)的多種權(quán)重方案下的多個(gè)更具合理的修正序列。

氣藏條件正向極大:Q1={q11T,q12T,…,q1nT}。

氣藏條件正向較小:Q2={q21T,q22T,…,q2nT}。

氣藏條件負(fù)向較小:Q3={q31T,q32T,…,q3nT}。

運(yùn)用預(yù)測(cè)模型對(duì)上述多種影響程度下優(yōu)化序列進(jìn)行模擬預(yù)測(cè),得到多種預(yù)測(cè)趨勢(shì)(體現(xiàn)在模型參數(shù)變化中),進(jìn)而得到綜合分析中影響因素變化下的多種趨勢(shì)預(yù)測(cè)結(jié)果。

4 改進(jìn)方法預(yù)測(cè)實(shí)例

根據(jù)上述方法,在WINDOWS下基于ORACL E、ACCESS數(shù)據(jù)庫(kù),用VB.NET語(yǔ)言開發(fā)了一套天然氣儲(chǔ)量產(chǎn)量中長(zhǎng)期變化趨勢(shì)預(yù)測(cè)的軟件系統(tǒng)。通過該軟件系統(tǒng),將上述方法應(yīng)用到國(guó)內(nèi)某氣區(qū),通過探明儲(chǔ)量預(yù)測(cè)實(shí)例來檢驗(yàn)改進(jìn)方法的適用性。

4.1 資源量(地質(zhì)因素)的影響

由圖2不難看出,資源量越大,預(yù)測(cè)模型曲線的凹凸性越顯著,年新增儲(chǔ)量達(dá)到峰值的時(shí)間越靠后,峰值也越大。因此,同樣的原始數(shù)據(jù),使用同樣的模型,資源量不同時(shí)預(yù)測(cè)結(jié)果是不同的。因此,在儲(chǔ)產(chǎn)量預(yù)測(cè)時(shí)一定要考慮資源量(地質(zhì)因素)對(duì)預(yù)測(cè)結(jié)果的影響。

圖2 同種模型中不同資源量及相同資源探明率的預(yù)測(cè)圖

4.2 探明程度(地質(zhì)因素)的影響

從圖3不難看出,較高探明程度時(shí),年新增探明儲(chǔ)量的峰值更高、達(dá)到峰值的時(shí)間越長(zhǎng)。在相同經(jīng)濟(jì)技術(shù)狀況下,探明程度為35%的預(yù)測(cè)曲線顯示,天然氣年新增探明儲(chǔ)量在2009年達(dá)到峰值6325.8×108m3;探明程度為45%的預(yù)測(cè)曲線顯示,天然氣年新增探明儲(chǔ)量2010年達(dá)到峰值8123.2×108m3;探明程度為55%的預(yù)測(cè)曲線顯示,天然氣年新增探明儲(chǔ)量大致將在2011年達(dá)到峰值9930.5×108m3;探明程度為65%的預(yù)測(cè)曲線顯示,天然氣年新增探明儲(chǔ)量大致將在2012年達(dá)到峰值11748.0×108m3。探明程度越大,峰值越大,達(dá)到峰值的時(shí)間越長(zhǎng)。因此,同樣的原始數(shù)據(jù),使用同樣的模型,探明程度不同時(shí)預(yù)測(cè)結(jié)果是不同的。因此,在儲(chǔ)產(chǎn)量預(yù)測(cè)時(shí)一定要考慮探明程度對(duì)預(yù)測(cè)結(jié)果的影響。

圖3 不同探明程度下的預(yù)測(cè)數(shù)據(jù)結(jié)果曲線對(duì)照?qǐng)D

4.3 市場(chǎng)需求、新技術(shù)等因素的影響

每一個(gè)影響因素對(duì)儲(chǔ)產(chǎn)量都會(huì)產(chǎn)生正向或負(fù)向的影響。利于儲(chǔ)產(chǎn)量增長(zhǎng)的因素,在一定程度上應(yīng)該加快其峰值的到來時(shí)間,而弊于儲(chǔ)產(chǎn)量增長(zhǎng)的,在一定程度上則會(huì)延緩頂峰到來的時(shí)間。新技術(shù)、市場(chǎng)需求、工作量、國(guó)家政策等因素均具有雙重性,將利于儲(chǔ)量增長(zhǎng)的,稱為儲(chǔ)量增長(zhǎng)正向影響因素,反之為儲(chǔ)量增長(zhǎng)負(fù)向影響因素。本實(shí)例僅以“新技術(shù)”為例,結(jié)合層次分析法,將其引入傳統(tǒng)生命旋回預(yù)測(cè)模型中,說明其對(duì)新增探明儲(chǔ)量的影響。

從圖4可以看出,在正向影響因素(新技術(shù))增大的情況下,龔帕茲曲線更早達(dá)到峰值。也就是說,正向的影響因素(如市場(chǎng)需求增大等)會(huì)迫使人們采取相關(guān)措施加大勘探力度(增大工作量),使用新的勘探技術(shù)等。這些因素的必然結(jié)果就會(huì)使得天然氣探明氣區(qū)面積增加、探明程度提高,當(dāng)然儲(chǔ)量增長(zhǎng)就加快,在其他條件相同的情況下,峰值到達(dá)時(shí)間就越早;反之,市場(chǎng)需求變小,新增探明儲(chǔ)量的峰值時(shí)間自然會(huì)適當(dāng)延后。

圖4 相關(guān)影響因素(新技術(shù))敏感度預(yù)測(cè)圖示

以上分析可以看出,新技術(shù)、市場(chǎng)需求、工作量等因素均會(huì)影響預(yù)測(cè)結(jié)果。因此,在進(jìn)行儲(chǔ)產(chǎn)量中長(zhǎng)期預(yù)測(cè)時(shí)應(yīng)考慮這些因素的影響。

4.4 常規(guī)模型與改進(jìn)后模型的對(duì)比

從表1可以看出,進(jìn)行了數(shù)據(jù)處理以及引入影響因素的改進(jìn)模型比常規(guī)的生命旋回模型的相關(guān)度好,峰值時(shí)間與實(shí)際情況也更吻合。

表1 某氣區(qū)天然氣新增儲(chǔ)量傳統(tǒng)模型與改進(jìn)模型預(yù)測(cè)結(jié)果對(duì)比表

5 結(jié)論

1)資源量越大,預(yù)測(cè)模型曲線的凹凸性越顯著,年新增儲(chǔ)量達(dá)到峰值的時(shí)間越靠后,峰值也越大。

2)探明程度越高,年新增探明儲(chǔ)量的峰值越高、達(dá)到峰值的時(shí)間越長(zhǎng)。

3)正向的影響因素(比如市場(chǎng)需求增大,勘探力度加大,新技術(shù)的開發(fā)使用,勘探思路的轉(zhuǎn)變等),這些因素影響的必然結(jié)果就會(huì)使得天然氣探明氣區(qū)面積增加、探明程度提高,當(dāng)然儲(chǔ)量增長(zhǎng)加快;在其他條件相同的情況下,峰值到達(dá)時(shí)間就越早;反之,市場(chǎng)需求變小,新增探明儲(chǔ)量的峰值時(shí)間自然會(huì)適當(dāng)延后。

4)從以上分析可以看出,地質(zhì)因素(資源量、探明程度)、新技術(shù)、市場(chǎng)需求、工作量等因素均會(huì)影響預(yù)測(cè)結(jié)果,因此,在進(jìn)行儲(chǔ)產(chǎn)量中長(zhǎng)期預(yù)測(cè)時(shí)應(yīng)考慮這些因素的影響。從預(yù)測(cè)結(jié)果可以看出,進(jìn)行了數(shù)據(jù)處理以及引入影響因素的改進(jìn)模型比常規(guī)的生命旋回模型的相關(guān)度好,峰值時(shí)間與實(shí)際情況也更吻合。

[1]翁文波.預(yù)測(cè)論基礎(chǔ)[M].北京:石油工業(yè)出版社,1984.

[2]陳元千.廣義翁氏預(yù)測(cè)模型的推導(dǎo)與應(yīng)用[J].天然氣工業(yè),1996,16(2):22-26.

[3]張抗.油氣田的生命周期和戰(zhàn)術(shù)戰(zhàn)略接替[M].北京:地質(zhì)出版社,2000.

[4]王思聰,馮連勇,趙林.石油峰值問題及油氣田生命周期理論研究——中外石油專家石油峰值理論要論評(píng)析[J].石油科技論壇,2006(2):27-32.

[5]張抗,周總瑛,周慶凡.中國(guó)石油天然氣發(fā)展戰(zhàn)略[M].北京:地質(zhì)出版社,2002.

[6]董蔚凱,靳濤,王嶼濤,等.準(zhǔn)噶爾盆地油氣儲(chǔ)量、產(chǎn)量增長(zhǎng)趨勢(shì)預(yù)測(cè)[J].新疆石油地質(zhì),2007(5):622-624.

[7]隋風(fēng)貴,羅佳強(qiáng).應(yīng)用翁氏旋回模型預(yù)測(cè)濟(jì)陽(yáng)凹陷的最終勘探儲(chǔ)量[J].成都理工大學(xué)學(xué)報(bào):自然科學(xué)版,2003(2):175-177.

[8]演克武,朱金福,何濤.層次分析法在多目標(biāo)決策中的不足與改進(jìn)[J].統(tǒng)計(jì)與決策,2007(9):10-11.

DOI:10.3787/j.issn.100020976.2010.04.012

He Yan,associate professor,was born in1971.He holds a Ph.D degree and working as a postdoctoral at the station,being engaged in comprehensive research in petroleum geology.

Add:No.8,Xindu Avenue,Xindu District,Chengdu,Sichuan610500,P.R.China

Tel:+86228283032276 E2mail:swpuheyan@163.com

An improved lifecycle model for predicting natural gas reserves and production

He Yan1,Lu Jialiang2,Tang Hongjun2,Duan Yonggang1,PenYan1
(1.Southwest Petroleum University,Chengdu,Sichuan610500,China;2.L angf ang B ranch,Research Insti2tute ofEx ploration and Development,PetroChina,L angf ang,Hebei065007,China)

At present,the life2cycle model is a mature technology and has been widely used for forecasting oil and gas reserves and production trend.However,the life2cycle model currently used cannot take account of many influencing factors closely interrelated to reserves and production growth,so it will result in low accuracy and bad results in prediction.Therefore,aiming at the deficiencies in the current life2cycle model,an optimization technique on reserves and production data array has been used to mitigate the forecas2ting risk brought by the abnormal data.Moreover,a new method has been proposed,which introduces the influencing factors of re2serves and production increment into the traditional life2cycle model.A case study in a gas field was performed by this improved life2cycle model with good forecasting results,which showed a good coincidence with the actual results.

natural gas,reserves,production,prediction,life2cycle model,static data,optimization

book=54,ebook=369

10.3787/j.issn.1000-0976.2010.04.012

2009-11-09 編輯 韓曉渝)

中國(guó)博士后基金項(xiàng)目(編號(hào):國(guó)201,中博基字〔2006〕17號(hào)20060400307);國(guó)家重大專項(xiàng)基金項(xiàng)目(2008ZX05007)。

何琰,1971年生,副教授,博士,在站博士后;從事石油地質(zhì)綜合研究工作。地址:(610500)四川省成都市新都區(qū)新都大道8號(hào)。電話:(028)83032276。E-mail:swpuheyan@163.com

NATUR.GAS IND.VOLUME30,ISSUE4,pp.54257,4/25/2010.(ISSN100020976;In Chinese)