缝洞型碳酸盐岩油藏衰竭开采特征综合聚类评价

王代刚，李勇，胡永乐，李保柱，张丽娟，陈方方

（1.中国石油勘探开发研究院，北京100083；2.北京大学地球与空间科学学院，北京100871；3.中国石油塔里木油田分公司勘探开发研究院碳酸盐岩研究中心，新疆库尔勒841000）



缝洞型碳酸盐岩油藏衰竭开采特征综合聚类评价

王代刚1，2，李勇1，胡永乐1，李保柱1，张丽娟3，陈方方3

（1.中国石油勘探开发研究院，北京100083；2.北京大学地球与空间科学学院，北京100871；3.中国石油塔里木油田分公司勘探开发研究院碳酸盐岩研究中心，新疆库尔勒841000）

摘要：缝洞型碳酸盐岩油藏的储集体发育模式多样，储集空间复杂，非均质性强，开发难度大。为综合分类评价其衰竭式开采特征，运用改进模糊C均值聚类分析，建立了一种缝洞型碳酸盐岩油藏衰竭开采特征综合评价方法。利用单井衰竭生产动态数据，通过引入离散粒子群优化算法自适应求解初始聚类中心和最佳分组数，克服了传统模糊C均值聚类分析需要依赖人为设定分组数和初始聚类中心、容易陷入局部最优解等内在缺点。采用该方法对M缝洞型碳酸盐岩油藏62口关键井进行综合聚类评价，将所有油井按动态响应特征划分为4大类和8亚类，确定了各类油井的动态属性划分标准。此方法得到实际生产资料验证，为不同类型油井的差异化综合治理以及提高采收率对策的制定提供了依据。

关键词：碳酸盐岩；缝洞型油藏；衰竭开采；聚类评价；油井类型

与广泛分布的孔隙型或裂缝-孔隙型碳酸盐岩油藏相比，塔里木盆地奥陶系缝洞型碳酸盐岩油藏具有非均质性强、储集空间多样、储集体连通性差、流体流动状态以及油水关系异常复杂等特点[1-4]。由于缺乏行之有效的能量补充方式和相应的提高采收率的技术，该类油藏仍以衰竭式开采为主，油田稳产难度大[5-6]。对其衰竭开采特征进行合理的综合定量评价，有针对性地提出挖潜策略及开发对策，对于保证缝洞型碳酸盐岩油藏的高效开发是十分有意义的。

模糊聚类分析是采用数学方法定量地确定样本之间的亲疏关系，综合考虑多项属性参数的影响，通过有效降低样本数据中敏感属性对分类结果的影响，在缺少先验认识的情况下，依据对象之间的相似程度进行无监督分类，能够反映不同类别评价样本的真实特征[7]。模糊聚类分析方法可分为2大类[8]：基于模糊等价关系的模糊聚类分析和基于目标函数的模糊聚类分析。其中，模糊C均值（FCM）聚类分析由于原理简单、计算效率高，已广泛应用于水淹层识别[9-10]、测井二次解释[11]、储集层分类评价[12-16]、开采效果综合分析以及指标预测等方面[17-21]，但大多数研究是针对陆相碎屑岩油藏，针对介质类型多、尺度差异大的缝洞型碳酸盐岩油藏的分类评价研究相对较少。此外，传统FCM聚类分析对异常数据敏感，容易陷入局部最优解，也在一定程度上影响了其应用效果[22]。本文在考虑衰竭生产动态响应特征的基础上，引入离散粒子群（PSO）优化技术，建立了一种改进的FCM聚类分析方法，综合评价塔里木盆地典型缝洞型碳酸盐岩油藏的衰竭开采特征，依据动态属性划分不同衰竭开采油井类型，旨在对缝洞型碳酸盐岩油藏的衰竭式开发有所裨益。

1　油藏概况

塔里木盆地奥陶系M缝洞型碳酸盐岩油藏位于塔北隆起带中部，地表条件十分复杂，其储集层为台内砂屑滩及台地边缘滩亚相碳酸盐岩，主要产层为奥陶系一间房组，其次为良里塔格组3段和鹰山组1段，具有纵向上叠置、横向上沿一间房组顶面集中分布的规律，其有效储集空间包括洞穴、次生溶蚀孔洞和高角度裂缝等[23]。走滑断裂及其缝网体系控制了层间岩溶储集层的发育，走滑断裂在剖面上表现为断面直立的花状特征，平面上具有明显分段性，呈羽状、辫状或线性展布。

M缝洞型碳酸盐岩油藏属于未饱和油藏，地饱压差较大，为35.0～66.0 MPa，平均50.5 MPa，地层原油主要为低黏度、低硫、中含胶质和沥青质、高含蜡的原油，密度0.82～1.10 g/cm3，体积系数1.04～1.66，平均地层压力73.3 MPa，平均地层温度154.4℃，属于正常温度-压力系统。

2　改进的模糊C均值聚类分析方法

FCM聚类分析作为一种多元统计方法，将观测样本数据的聚类转化为最小二乘优化问题，通过迭代进行求解，克服了传统聚类算法复杂、计算效率低的缺点，得到了广泛的应用。但是，FCM聚类分析的聚类分组数依赖人为设定，缺乏客观性，且其本质上还是一种局部搜索寻优算法，对样本数据的输入次序和初始聚类中心的选取十分敏感，特别是在数据量较大的高维情况下，容易陷入局部最优解。因此，本文提出一种基于离散粒子群（PSO）改进的FCM聚类分析方法，在自适应求解初始聚类中心的同时，能够确定最佳的分组数。

2.1 FCM聚类分析的基本原理

给定一组样本集X={x1，x2，…，xN}，其中每个样本xk是M维实空间中的属性参数向量，拟将这N个观测样本划分为C类（2≤C≤N），记作V={v1，v2，…，vC}，表示C类的聚类中心组合，其中vi={vi1，vi2，…，viM}（i=1，2，…，C）。

定义μij∈[0，1]为第i个样品xi属于第j类的隶属度，并满足.FCM聚类分析方法的关键在于求解隶属度矩阵U和聚类中心矩阵V，使得如（1）式所示的类内加权误差平方和函数Jm（U，V）达到最小，从而基于最终的隶属度矩阵U中元素的取值对所有样本集进行归类评价。

2.2初始聚类中心与最佳分组数的确定

离散粒子群（PSO）算法是Kennedy和Eberhart提出的一种基于群智能的全局随机优化算法[24]，原理简单、可调参数少且易于编程实现，采用二元变量表示粒子，并将粒子的速度映射成为二元变量值为1的概率，具有较强的全局搜索寻优能力，计算效率高。

从待聚类样本集X中选取Nc个样本向量组成初始聚类中心集合M，并采用0-1二元变量随机初始化粒子的位置xi={xi1，xi2，…，xid}，其中各个粒子每一维xid的取值表示M集合中的对应样本是否被选作初始聚类中心，被选作初始聚类中心的样本总个数即为聚类分组数C.因此，粒子的位置有效地反映了FCM聚类的初始划分，而粒子的速度用以表征粒子位置的变化。通过对粒子位置的全局优化求解就可以获得较优的FCM初始聚类中心。

在PSO算法全局搜索时，引入Sigmoid函数，将粒子速度限定在［0，1］范围内，即

则t+1次迭代时的粒子位置更新公式为

其中，r∈（0，1）为随机数。此外，为了避免s（vid）过于接近0或1，可使用常量Vmax限制vid的范围，即令vid∈[-Vmax，Vmax]，Vmax通常取值为4.

迭代过程中，基于（6）式对粒子速度vid进行调整：

由于惯性权重ϖ对PSO算法的优化性能有很大的影响，ϖ越大，算法收敛速度越快；反之，算法的收敛精度越高。为了实现全局搜索到局部搜索的自适应过渡，采用随时间变化的非线性函数动态调整惯性权重[25]，具体动态调整公式为

通过改变n的取值，可以实现全局搜索与局部搜索的自适应平衡。

最后，引入一种融入启发式的适应度函数，比较不同聚类分组初始划分结果的优劣：

2.3算法实施步骤

（1）优选特征属性参数，构建评价样本集X，通过对样本数据集X的标准化处理，消除不同特征属性参数量纲不一致所引起的系统误差。

（2）初始化PSO算法和FCM聚类分析方法的控制参数，包括：粒子群体大小P、认知学习因子c1、群体学习因子c2、惯性权重ϖ、模糊性加权指数m、最大迭代次数Tmax、PSO迭代收敛阈值ε1、FCM聚类迭代收敛阈值ε2等。

（3）从评价样本集X中随机选取P个样本，组成初始聚类中心集合M，采用0-1二元变量初始化P个离散粒子的位置，而用粒子的速度表征粒子位置的变化。其中，各个粒子每一维的取值表示所对应M集合中的样本是否被选作初始聚类中心，被选为初始聚类中心的样本个数即为聚类分组数C.

（4）初始化单个离散粒子的位置、速度、个体位置局部最优值Pi和粒子群体位置全局最优值Pg.

（5）通过对粒子位置的全局随机优化求解，获取较优的初始聚类中心、确定最佳的聚类分组数，包括如下步骤：①根据每个粒子的位置计算初始划分矩阵；②计算各个粒子的适应度；③更新群体位置全局最优值Pg和个体位置局部最优值Pi；④同时更新各个粒子的位置和速度向量；⑤若PSO全局寻优搜索达到最大迭代次数或适应度误差小于收敛阈值ε1，则运算停止，否则转至第①步继续求解。

（6）从评价样本集X中随机选取新的样本，结合（5）过程寻优得到的初始聚类中心结果，更新初始聚类中心集合M，对新的集合M重复（5）所述的全局随机搜索过程至算法收敛停止。

（7）基于初始聚类中心和最佳分组数的自适应求解结果，运用经典的FCM聚类分析方法，迭代求解隶属度矩阵U和聚类中心矩阵V，使最小二乘目标函数Jm（U，V）达到最小，最终实现评价样本集的聚类分析，包括如下步骤：①计算聚类中心；②计算各个样本与聚类中心之间的欧式距离；③修正隶属度矩阵U，计算目标函数Jm；④对于给定阈值ε2，若目标函数满足≤ε2，则算法终止，否则转至①进行下一次迭代计算。

（8）将综合聚类评价结果应用于现场实际，指导不同类型衰竭开采油井的差异化综合治理和提高采收率对策的制定。

3　衰竭开采特征综合聚类评价

3.1综合聚类评价结果

为了综合定量评价M缝洞型碳酸盐岩油藏的衰竭开采特征，根据62口关键井的生产动态资料，优选衰竭开采时间、初期日产油量、高峰日产油量、高峰含水率、累计产油量、累计产水量、预测可采储量、初期递减率和末期递减率这9个指标作为评价样本集的特征属性参数，运用改进FCM聚类分析方法，最终将62口处于衰竭开采阶段的油井划分为4大类和8亚类（表1）。

表1　M缝洞型碳酸盐岩油藏不同衰竭开采油井类型所属聚类中心的特征属性参数

从表1中可以看出，随着衰竭开采油井分类级别的升高，衰竭开采时间、累计产油量和预测可采储量这3个生产动态指标呈现明显的递增趋势，初期递减率呈现明显的递减趋势，这表明改进FCM聚类分析结果与衰竭开采动态响应指标具有较好的一致性。

3.2衰竭开采的动态响应特征

在改进FCM聚类分析评价结果的基础上，基于M缝洞型碳酸盐岩油藏不同衰竭开采油井类型的动态指标交会结果（图1），描述4大类、8亚类油井类型与动态指标响应的定量特征。

不同衰竭开采油井类型，所表现出的产量响应存在较大差异。图2给出了M缝洞型碳酸盐岩油藏不同类型衰竭开采油井的产量响应特征。由图1和图2分析可以看出。

图1　M缝洞型碳酸盐岩油藏不同衰竭开采油井类型的生产动态指标交会对比

（1）对于Ⅰ类衰竭开采油井，其衰竭开采时间一般大于800 d，预测可采储量高于10.0×104m3，累计产油量高于6.0×104m3，初期递减率Di和末期递减率De一般为0～10%，衰竭式开采阶段符合高产和稳产（图2a），总体上符合“大型缝洞集合体”的生产特征。

（2）对于Ⅱ类衰竭开采油井，其衰竭开采时间一般小于800 d，预测可采储量低于10.0×104m3，累计产油量低于4.0×104m3，初期递减率Di一般为0～30%、末期递减率De为0～10%，衰竭开采阶段符合缓慢递减特征。结合Arps递减趋势分析，Ⅱ类衰竭开采油井可细分为Ⅱ1，Ⅱ2和Ⅱ3共3个亚类，依次对应于低产+稳产型（0De）和指数缓慢递减型（10%

（3）对于Ⅲ类衰竭开采油井，其衰竭开采时间一般小于400 d，预测可采储量低于5.0×104m3，累计产油量低于1.0×104m3，初期递减率Di一般为30%～ 70%，末期递减率De为0～40%，衰竭开采阶段符合快速递减特征。结合Arps递减趋势分析，第Ⅲ类衰竭开采油井可细分为Ⅲ1和Ⅲ2共2个亚类，依次对应于双曲快速递减型（30%De）和指数快速递减型（30%

（4）对于Ⅳ类衰竭开采油井，其衰竭开采时间一般小于100 d，预测可采储量低于1.0×104m3，累计产油量低于0.3×104m3，初期递减率Di一般在70%以上，分析认为衰竭开采阶段符合暴性递减特征，结合Arps递减趋势分析，第Ⅳ类衰竭油井可进一步细分为Ⅳ1和Ⅳ2共2个亚类，依次对应于双曲暴性递减型（70%< Di<100%，且Di>De）和指数暴性递减型（70%

3.3动态属性划分标准的建立

通过改进模糊C均值聚类分析方法，对M缝洞型碳酸盐岩油藏62口关键井生产动态特征进行多元统计分析，形成了衰竭开采油井类型的动态属性划分标准（表2），对于投产时间较短的衰竭开采油井，基于初期生产数据，认识其衰竭开采动态响应模式，确定其所属的油井类型，从而提出有针对性的剩余油挖潜对策，可以大幅度地改善油藏开发效果。

4　应用效果分析

基于上述衰竭开采特征的综合聚类评价结果，结合地质认识，精细刻画了4大类和8亚类衰竭开采油井所对应的缝洞体发育模式，在考虑剩余油分布与开发主要矛盾的基础上，分次序、有针对性地实施了部署新井或老井侧钻、转机采、储集层改造和注水、注气等挖潜对策，提高了M缝洞型碳酸盐岩油藏的开发效果。该综合聚类评价方法对于准确合理地认识和描述缝洞型碳酸盐岩油藏的衰竭开采特征，具有良好的适应性，可靠性较强。

图2　M缝洞型碳酸盐岩油藏不同类型未见水衰竭开采油井的产量响应特征

表2　M缝洞型碳酸盐岩油藏衰竭开采油井类型的动态属性划分标准

结合生产实践，针对不同类型衰竭开采油井的动态响应特征，提出了有针对性的技术对策：对于Ⅰ类衰竭开采油井，利用大泵提液、卡堵水、注水或注气替油、多井单元注水或注气开发等措施，同时结合注采结构调整与注采参数优化，改善流体非均质性矛盾，挖掘井间剩余油潜力；对于Ⅱ类衰竭开采油井，推荐转机采、注水替油、排水采油或注气替油等方式挖潜阁楼型剩余油；对于Ⅲ类衰竭开采油井，实施大型酸压、重复酸压、水力扩容、酸化等储集层改造技术挖潜距离较小的分割缝洞型剩余油；对于Ⅳ类衰竭开采油井，推荐转机采、侧钻、油井加深、下返生产等挖潜对策。

检验井Q井是M缝洞型碳酸盐岩油藏的生产井，钻井过程中无明显放空与漏失现象，酸压投产，初期以3 mm油嘴自喷生产，累计产油11 755.3 m3，累计产水量12.3 m3，结合Arps递减趋势分析，认为该井的生产动态特征符合指数缓慢递减规律，初期递减率为11.3%，属于Ⅱ3类衰竭开采油井，推荐实施衰竭开采转机采，再转注水替油的挖潜对策。2011年2月该井转电泵生产，初期日产油114.7 m3，截至2011年7月关井，未见水，累计增油14 988 m3；随后，该井共实施了6个轮次的单井注水替油，累计增油51 059.3 m3，累计替注比0.56，增油效果显著。

5　结论

（1）在考虑衰竭生产动态响应特征基础上，引入离散粒子群优化技术自适应求解初始聚类中心和最优组分数，克服传统FCM聚类分析需要依赖人为设定分组数和初始聚类中心、容易陷入局部最优解的内在缺点，提出一种基于改进FCM聚类分析的缝洞型碳酸盐岩油藏衰竭开采特征综合评价方法。

（2）采用本文方法对M缝洞型碳酸盐岩油藏62口关键井的衰竭开采特征进行综合聚类评价，将所有油井划分为4大类和8亚类，形成了不同衰竭开采油井类型的动态属性划分标准。

（3）实际生产数据验证了该评价结果的可靠性，为矿场实践过程中不同类型衰竭开采油井的差异化综合治理提供了依据。

符号注释

A——常数，其取值大小能够有效的反映出粒子位置的适应度，本文取值为1.6；

c1，c2——加速常数，且满足0≤c1+c2≤4；

Di——初期递减率，%；

De——末期递减率，%；

Kmax，K——分别为最大迭代次数和当前迭代次数；

m——模糊加权指数，用于控制隶属度的分配及聚类的模糊程度，缺省状态下取值为2；

mi——第i个类Ai中样本的个数；

n——非线性调整指数；

pgd——粒子群体全局最优解中的第d个分量；

pid——粒子位置局部最优解中的第d个分量；

r1，r2——均匀分布于［0，1］的随机数；

U——隶属度矩阵，U=（μij）CN；

V——聚类中心矩阵；

||·||——样本xi与聚类中心vi之间的欧式距离；

ϖ——惯性权重；

ϖinitial——初始惯性权重；

ϖfinal——终止惯性权重；

ε1——PSO迭代收敛阈值；

ε2——FCM聚类迭代收敛阈值。

参考文献：

［1］毛毳，钟建华，李勇，等.塔河油田奥陶系碳酸盐岩基质孔缝型储集体特征［J］.石油勘探与开发，2014，41（6）：681-689. MAO Cui，ZHONG Jianhua，LI Yong，et al.Ordovician carbonate rock matrix fractured⁃porous reservoirs in Tahe oilfield［J］.Petro⁃leum Exploration and Development，2014，41（6）：681-689.

［2］李阳.塔河油田碳酸盐岩缝洞型油藏开发理论及方法［J］.石油学报，2013，34（1）：115-121. LI Yang.The theory and method for development of carbonate frac⁃tured⁃cavity reservoirs in Tahe oilfield［J］.Acta Petrolei Sinica，2013，34（1）：115-121.

［3］廖涛,侯加根,陈利新，等.哈拉哈塘油田哈601井区缝洞型油藏缝洞单元划分评价［J］.新疆石油地质，2015，36（4）：436-442. LIAO Tao，HOU Jiagen，CHEN Lixin，et al.Division and evaluation of fractured vuggy reservoirs fracture vug units of HA601 wellblock in Halahatangoilfield,Tarim basin［J］.XinjiangPetroleum Geology，2015，36（4）：436-442.

［4］范红伟，罗日升.英买2构造奥陶系碳酸盐岩油藏老井复查与油水界面分析［J］.新疆石油地质，2014，35（4）：425-428. FAN Hongwei，LUO Risheng.The oil⁃well re⁃examination and the oil⁃water contact analysis of ordovicion reservior in Yingmai2 struc⁃ture in Tarim basin［J］.Xinjiang Petroleum Geology，2014，35（4）：425-428.

［5］荣元帅，赵金洲，鲁新便，等.碳酸盐岩缝洞型油藏剩余油分布模式及挖潜对策［J］.石油学报，2014，35（6）：1 138-1 146. RONG Yuanshuai，ZHAO Jinzhou，LU Xinbian，et al.Remaining oil distribution patterns and potential⁃tapping countermeasures in car⁃bonate fracture⁃cavity reservoir［J］.Acta Petrolei Sinica，2014，35 （6）：1 138-1 146.

［6］胡蓉蓉，姚军，王晨晨，等.缝洞型碳酸盐岩油藏非混相气驱采收率影响因素［J］.新疆石油地质，2015，36（4）：470-474. HU Rongrong，YAO Jun，WANG Chenchen，et al.Influence factors of immiscible gas flooding recovery in fractured⁃vuggy carbonate res⁃ervoirs［J］.XinjiangPetroleum Geology，2015，36（4）：470-474.

［7］ZHAO Feng，JIAO Licheng，LIU Hanqiang，et al.A novel fuzzy clus⁃tering algorithm with non⁃local adaptive spatial constraint for image segmentation［J］.Signal Processing，2011，91（4）：988-999.

［8］HAN J，KAMBER M.Data mining：concepts and techniques［M］. Morgan Kaufmann，2006：24-67.

［9］SHAHVAR M B，KHARRAT R，MAHDAVI R.Incorporating fuzzy logic and artificial neural networks for building a hydraulic unit⁃based model for permeability prediction of a heterogeneous carbon⁃ate reservoir［C］//Proceedings of the 2011 International PetroleumTechnology Conference.Doha，Qatar，2009：1-16.

［10］SOROUSH H，KHLAFAT A，QUTOB H H，et al.A new approach to identify breakout zones in tight gas shale［C］//Proceedings of the 2011 SPE Middle East unconventional gas conference and exhibi⁃tion.Muscat，Oman，2011：1-7.

［11］钟金银，颜其彬，杨辉廷，等.基于流动单元划分的储层测井二次解释［J］.大庆石油学院学报，2012，36（2）：63-65. ZHONG Jinyin，YAN Qibin，YANG Huiting，et al.Well log reinter⁃pretation based on reservoir flow unit division［J］.Journal of Daq⁃ingPetroleum Institute，2012，36（2）：63-65.

［12］张仲宏，杨正明，刘先贵，等.低渗透油藏储层分级评价方法及应用［J］.石油学报，2012，33（3）：437-441. ZHANG Zhonghong，YANG Zhengming，LIU Xiangui，et al.A grad⁃ing evaluation method for low⁃permeability reservoirs and its appli⁃cation［J］.ActaPetrolei Sinica，2012，33（3）：437-441.

［13］JAVAD G F，ALI K L，MANSUR Z.Improving the accuracy of flow units prediction through two committee machine models:An exam⁃ple from the South Pars gas field，Persian Gulf basin，Iran［J］.Com⁃puters&Geosciences，2012，4（6）：10-23.

［14］PARISA B，MOJTABA A.Fuzzy ruling between core porosity and petrophysical logs:subtractive clustering vs.genetic algorithm⁃pat⁃tern search［J］.Journal of Applied Geophysics，2013，9（14）：35-41.

［15］丁帅伟，姜汉桥，陈民锋，等.基于模糊C均值聚类算法和贝叶斯判别函数研究深水油藏分类评价［J］.西安石油大学学报（自然科学版），2014，29（2）：43-49. DING Shuaiwei，JIANG Hanqiao，CHEN Minfeng，et al.Classifica⁃tion and evaluation of deepwater oil reservoirs by combining clus⁃tering algorithm based on fuzzy C⁃means with Bayesian discrimina⁃tion function［J］.Journal of Xi′an Shiyou University（Natural Sci⁃ence Edition），2014，29（2）：43-49.

［16］范子菲，李孔绸，李建新，等.基于流动单元的碳酸盐岩油藏剩余油分布规律［J］.石油勘探与开发，2014，41（5）：578-584. FAN Zifei，LI Kongchou，LI Jianxin，et al.A study on remaining oil distribution in a carbonate oil reservoir based on reservoir flow units［J］.Petroleum Exploration and Development，2014，41（5）：578-584.

［17］吴向红，许安著，范海亮.稠油油藏过热蒸汽吞吐开采效果综合评价［J］.石油勘探与开发，2010，37（5）：608-613. WU Xianghong，XU Anzhu，FAN Hailiang.An integrated evalua⁃tion on factors affecting the performance of superheated steam huff and puff in heavy oil reservoirs［J］.Petroleum Exploration and De⁃velopment，2010，37（5）：608-613.

［18］易斌，崔文彬，鲁新便，等.塔河油田碳酸盐岩缝洞型储集体动态连通性分析［J］.新疆石油地质，2011，32（5）：469-472. YI Bin，CUI Wenbin，LU Xinbian，et al.Analysis of dynamic con⁃nectivity on carbanate reservior with fracture and cave in Tahe field，Tarim basin［J］.Xinjiang Petroleum Geology，2011，32（5）：469-472.

［19］武毅，肖红林，袁平.辽河油区砂岩油藏注水开发界限研究［J］.西南石油大学学报（自然科学版），2012，34（3）：125-131. WU Yi，XIAO Honglin，YUAN Ping.Water⁃floodingreservoir screen⁃ing and evaluation criteria for Liaohe sandstone reservoirs［J］. Journal of Southwest Petroleum University（Science&Technology Edition），2012，34（3）：125-131.

［20］ATTIA M，MAHMOUD M A，ABDULRAHEEM A，et al.Evalua⁃tion of the pressure drop due to multi⁃phase flow in horizontal pipes using fuzzy logic and neural networks［C］//Proceedings of the 2013 SPE Middle East oil and gas show and conference.Manama，Bahrain，2013：1-11.

［21］AMIRIAN E，LEUNG J Y，ZANON S，et al.Integrated cluster anal⁃ysis and artificial neural network modeling for steam⁃assisted gravi⁃ty drainage performance prediction in heterogeneous reservoirs ［J］.Expert Systems with Applications，2015，42（2）：723-740.

［22］LASZLO S.Lessons to learn from a mistaken optimization［J］.Pat⁃tern Recognition Letters，2014，36（15）：29-35.

［23］康志宏.塔河碳酸盐岩油藏岩溶古地貌研究［J］.新疆石油地质，2006，27（5）：522-525. KANG Zhihong.The karst palaeogeomorphology of carbonate reser⁃vior in Tahe oilfield［J］.XinjiangPetroleum Geology，2006，27（5）：522-525.

［24］KENNEDY J，EBERHART R C.A discrete binary version of the particle swarm algorithm［C］//Proceedings of the 1997 IEEE Con⁃ference on Systems，Man and Cybernetics.Piscataway，NJ：IEEE Press，1997：4 104-4 108.

［25］CHATTEJEE A，SIARRY P.Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization［J］.Computers &Operations Research，2006，33（3）：859-871.

（编辑顾新元）

Comprehensive Clustering Evaluation of Fractured⁃Vuggy Carbonate Reservoirs by Depletion Drive Process

WANG Daigang1,2,LI Yong1,HU Yongle1,LI Baozhu1,ZHANG Lijuan3,CHEN Fangfang3
(1.Research Institute of Exploration and Development,PetroChina,Beijing 100083,China;2.School of Earth and Space Sciences,Peking University,Beijing 100871,China;3.Research Center of Carbonate Rocks,Research Institute of Exploration and Development,Tarim Oilfield Company,PetroChina,Korla,Xinjiang 841000,China)

Abstract:Fractured⁃vuggy carbonate reservoir is characterized by varied models of reservoir development,complex storage spaces,serious heterogeneity,and great development difficulties.This paper presents comprehensive clustering evalation of its depletion drive characteris⁃tics,through modified fuzzy C⁃means(FCM)analysis,develops a new approach for comprehensive evaluation of such a reservoir by deple⁃tion drive process.Based on the well production performance data,it introduces the discrete particle swarm optimization algorithm to over⁃come the inherent limitations of conventional FCM clustering analysis that depends on the arbitrary setting the number of clusters and the initial clustering center,and easily getting stuck in local optimal solution.Using this approach,a total of 62 key oil wells in M fractured⁃vuggy carbonate reservoir are classified and evaluated comprehensively into four categories and eight subclasses,providing the classifica⁃tion standard of dynamic attributes of all kinds of oil wells.The case study indicates the reliability of this approach for differentiation com⁃prehensive treatment and preparation of EOR countermeasures.

Keywords:carbonate rock;fractured⁃vuggy reservoir;depletion drive;clusteringanalysis;oil⁃well type

作者简介：王代刚（1988-），男，山东安丘人，博士研究生，油气田开发工程，（Tel）010-83595544（E-mail）wdg@petrochina.com.cn

基金项目：中国石油科技重大专项（2011E-2501）

收稿日期：2015-11-17

修订日期：2016-01-18

文章编号：1001-3873（2016）02-0192-07

DOI：10.7657/XJPG20160212

中图分类号：TE33.1

文献标识码：A