📝 摘要

加拿大西部（萨斯喀彻温省和阿尔伯塔省）拥有巨大的稠油资源，但现有技术仅能采出原始地质储量（OOIP）的 8-9%，因为油层薄且原油粘度极高。循环蒸汽刺激（CSS）和蒸汽辅助重力泄油（SAGD）以及蒸汽萃取（VAPEX）等方法在这些薄层油藏中往往无效。强化循环溶剂过程（ECSP）通过循环注入甲烷（CH₄）和丙烷（C₃H₈）两个独立的溶剂段塞，在实验中显示出提高薄层稠油采收率的潜力。然而，目前尚未对 ECSP 在实验室和现场尺度的性能进行全面的数值模拟研究。

本研究首先通过 PVT 实验测试了溶剂-稠油体系的相态行为，并利用 CMG WinProp 模块进行模拟。对于 CH₄-C₃H₈-稠油混合物，稠油溶胀因子保持在较高水平，实测饱和压力也很高。调优后的 Peng-Robinson 状态方程（PR EOS，1978）能够以平均相对误差 3.68%（饱和压力）和 3.76%（溶胀因子）再现实验数据，而修正后的粘度模型预测溶剂-稠油体系粘度的平均相对误差为 10.74%。

随后，开发了数值模拟技术对实验室尺度的 ECSP 结果进行历史拟合，并研究了分子扩散、弥散和泡沫油行为对最终采收率的影响。使用 CMG STARS 模拟器，实验与数值结果吻合良好。扩散系数影响较小，而弥散系数影响显著。气泡相解析反应频率因子（RFF）几乎无影响，而气相溶解和油相→气泡解析的 RFF 影响较大。采用正交设计方法优化操作参数，发现 CH₄ 注入压力和最低生产压力是最敏感的参数。

最后，进行了现场尺度模拟以评估 ECSP 在 Pelican 油田的性能。历史拟合结果与现场数据吻合良好。最低井底压力是最敏感参数，CH₄ 和 C₃H₈ 注入时间及浸泡时间也较敏感。ECSP 启动后累积产油量快速增加，油饱和度在近井地带显著降低。

🖥️ CMG软件应用情况总结

项目 内容
所用软件 • CMG WinProp：相态性质模拟模块，用于 PVT 实验的历史拟合和预测，生成溶剂-稠油体系（C₃H₈-稠油、CH₄-C₃H₈-稠油、C₂H₆-C₃H₈-稠油）的相态数据（饱和压力、溶胀因子、密度、粘度），并回归 PR EOS 参数（论文第30页，第3.2节；第43-52页）。
• CMG STARS：热采及高级过程模拟器，用于实验室沙填模型 ECSP 实验的历史拟合（第4章），以及 Pelican 油田现场尺度的 ECSP 性能评价与生产预测（第5章）。
模型类型 • PVT 模型：组分模型，用于拟合溶剂-稠油体系的压力-体积-温度关系。
• 实验室尺度模型：1D 三相组分模型，用于 ECSP 沙填实验的历史拟合。
• 现场尺度模型：三维地质模型（32×20×10 网格），基于 Wabiskaw 地层的岩石物理性质（孔隙度、渗透率、含油饱和度通过高斯地质统计方法插值）。
模拟对象 加拿大 Lloydminster 地区的稠油样品（粘度~4820 cp@15°C，密度~0.975 g/cm³，MW=389 g/mol），溶剂包括 CH₄、C₂H₆、C₃H₈。现场模拟针对 Pelican 油田 Wabiskaw “A” 地层（厚度~5 m，渗透率 300-3000 mD，孔隙度~30%）。
应用方式 • PVT 实验模拟与 EOS 回归：使用 WinProp 模块，采用 PR EOS（1978），将稠油表征为 7 个拟组分（表3-4），通过回归实验数据（饱和压力、密度、溶胀因子）获得组分临界性质、偏心因子、分子量、二元交互系数（BIP）等参数（表3-14、3-15）。
• 粘度模型调优：使用 WinProp 中的修正 Pedersen（1987）对应状态粘度模型，匹配实验粘度数据，确定混合规则和耦合因子参数（表3-16）。
• 实验室 ECSP 历史拟合：使用 STARS 模拟器建立 3 层（L×W×H=1.013 m×0.049 m×0.032 m）沙填模型，输入 WinProp 生成的相态参数，匹配 CH₄-C₂H₆ 和 CH₄-C₃H₈ 两组 ECSP 实验的累积产油量和生产压力（图4-5、4-6）。
• 非平衡溶解与泡沫油建模：在 STARS 中，使用化学反应速率方程模拟非平衡气体溶解/解析（式4-4至4-9），通过反应频率因子（RFF）表征气相溶解、油相→气泡解析、气泡→气相解析的动力学过程，捕捉泡沫油行为。
• 正交实验设计与参数优化：结合 STARS 模拟与正交设计方法（L₂₅5⁶），优化 ECSP 的操作参数（注入压力/时间、浸泡时间、最低生产压力等），并通过方差分析识别最敏感参数。
• 现场尺度历史拟合与预测：基于 13 口井的生产数据，使用 STARS 对 Pelican 油田进行历史拟合（压力、累积产油、产水、产气），匹配成功后预测 ECSP 在 30 个循环（5.5 年）内的生产性能。
PVT 模型参数（WinProp） • 状态方程：Peng-Robinson EOS（1978）
• 稠油拟组分：7 个（C8-11, C12-15, C16-21, C22-29, C30-41, C42-56, C57+），见表3-4
• 组分性质：Pc, Tc, ω, MW, Vc, SG, Tb 等（表3-14）
• 二元交互系数矩阵（BIP）：表3-15
• 粘度模型：修正 Pedersen（1987）对应状态模型（表3-16）
• 拟合数据：饱和压力、溶胀因子、密度、粘度
实验室模型参数（STARS） • 网格：30×3×3（或 30×3×1？根据描述为 3 层）
• 模型尺寸：L=1.013 m, W=0.049 m, H=0.032 m
• 孔隙度：0.39
• 渗透率：25-28 Darcy
• 初始含油饱和度：73.9-82.6%
• 温度：22°C（实验温度）
• 循环数：6 个循环
• 溶剂：CH₄ + C₂H₆ 或 CH₄ + C₃H₈
现场模型参数（STARS） • 网格：32×20×10
• 网格尺寸：100 m × 100 m
• 厚度：5.0 m（Wabiskaw “A” 平均净厚度）
• 深度：~400 m
• 初始压力：2400 kPa
• 温度：293 K（20°C）
• 渗透率：300-3000 mD
• 孔隙度：30%（平均）
• 初始含油饱和度：70%（平均）
• 死油粘度：1000-25000 cP
• 地面原油密度：9-15 °API
• 模拟周期：5.5 年（30 个循环）
• 井数：13 口生产井（历史拟合），后续进行 ECSP 预测
模拟方案 • PVT 拟合：6 个 Feed（C₃H₈ 两组、CH₄-C₃H₈ 两组、C₂H₆-C₃H₈ 两组），各 3 个温度点
• 实验室 ECSP 实验：两组（CH₄-C₂H₆ 和 CH₄-C₃H₈），各 6 个循环
• 参数敏感性分析：扩散系数（10⁻¹⁰~10⁻⁹ m²/s）、弥散系数（10⁻⁸~10⁻⁴ m²/s）、RFF 参数（26 种组合）
• 正交实验设计：L₂₅5⁶ 方案，优化 6 个参数（CH₄ 注入压力/时间、C₃H₈ 注入压力/时间、浸泡时间、最低生产压力）
• 现场历史拟合：匹配 13 口井的累积产油、产水、产气及平均油藏压力
• 现场 ECSP 预测：使用优化后的操作参数预测 30 个循环的性能
主要结论 • PVT 与相态模拟：CH₄-C₃H₈-稠油体系的溶胀因子和饱和压力均较高。调优后的 PR EOS（1978）和修正 Pedersen 粘度模型能准确预测相态性质（平均相对误差：饱和压力 3.68%，溶胀因子 3.76%，粘度 10.74%）。
• 实验室 ECSP 历史拟合：CMG STARS 成功匹配了两组 ECSP 实验（CH₄-C₂H₆ 采收率 18.7%，CH₄-C₃H₈ 采收率 41.1%），表明溶液气驱（CH₄）、粘度降低和溶胀效应（C₃H₈）是 ECSP 的主导机理。
• 敏感性分析：扩散系数影响较小（10⁻⁹~10⁻¹⁰ m²/s），弥散系数影响显著（10⁻⁶~10⁻⁸ m²/s）。气泡→气相解析 RFF 几乎无影响，而气相溶解和油相→气泡解析 RFF 影响较大。
• 实验室参数优化：正交设计确定最优参数为：C₃H₈ 注入压力 1150 kPa（5 小时），CH₄ 注入压力 7000 kPa（10 小时），浸泡时间 24 小时，最低生产压力 101 kPa。CH₄ 注入压力和最低生产压力是最敏感参数。
• 现场尺度应用：STARS 成功历史拟合了 Pelican 油田 13 口井的生产数据。最低井底压力是最敏感参数，CH₄ 和 C₃H₈ 注入时间及浸泡时间也较敏感。ECSP 可显著提高累积产油量，油饱和度在近井地带显著降低。
• CMG 适用性：CMG 软件套件（WinProp + STARS）能够有效支持从流体相态表征、室内实验历史拟合到现场尺度生产预测的完整工作流，是稠油溶剂法 EOR 工艺设计和优化的有力工具。

文中明确指出（Case139.pdf）：

“Then, the PVT properties are simulated by using the CMG WinProp module.” （第3页，Abstract部分）

“The tuned Peng-Robinson equation of state (PR EOS) (1978) model can be used to reproduce the saturation pressures and swelling factors…” （第3页，Abstract部分）

“The CMG STARS simulator (Version 2011) is used to simulate the ECSP tests in the sandpack.” （第58页，第4.2.1节）

“The CMG STARS simulator (Version 2011) is employed to perform history matching of the production profile in the targeted area.” （第85页，第5章引言）

“The bubble-point pressure for this oil is calculated to be 1400 kPa with the CMG WinProp module.” （第92页，第5.2.2节）

🧪 模拟方案与主要结果

1. PVT 实验与 WinProp 相态模拟（第3章，表3-5至3-16，图3-2至3-4）

实验参数：温度 20-50°C，压力最高 5 MPa，溶剂为 C₃H₈、CH₄-C₃H₈、C₂H₆-C₃H₈。

Feed 溶剂组成 温度 (°C) 饱和压力 (kPa) 溶胀因子 实验采收率 WinProp 拟合误差
#1 57.94% C₃H₈ 20.7-49.5 665-1229 1.304-1.324 – P_b: 7.45-5.58%, SF: 2.75-3.27%
#2 53.87% C₃H₈ 20.6-49.5 637-1135 1.227-1.230 – P_b: 9.85-4.97%, SF: 0-0.60%
#3 10.67% CH₄+53.97% C₃H₈ 20.5-49.5 3527-4678 1.404-1.415 – P_b: 0-0.30%, SF: 4.65-5.01%
#4 13.81% CH₄+49.52% C₃H₈ 20.5-49.5 4369-5684 1.362-1.377 – P_b: 3.34-3.92%, SF: 3.99-4.05%
#5 27.75% C₂H₆+33.65% C₃H₈ 20.2-49.5 1531-2645 1.358-1.370 – P_b: 0.15-0.97%, SF: 5.28-5.49%
#6 22.29% C₂H₆+39.68% C₃H₈ 20.0-49.5 1421-2403 1.367-1.379 – P_b: 3.06-5.33%, SF: 4.94-5.20%

关键结论：WinProp 成功回归了 PR EOS 参数（表3-14、3-15）和 Pedersen 粘度模型参数（表3-16），平均拟合误差：饱和压力 3.68%，溶胀因子 3.76%，粘度 10.74%。CH₄-C₃H₈-稠油体系具有高溶胀因子和高饱和压力。

2. 实验室 ECSP 实验与 STARS 历史拟合（第4章，表4-1至4-3，图4-3至4-7）

模型参数：沙填模型 L=1.013 m，φ=0.39，k=25-28 D，温度 22°C，6 个循环。

ECSP 方案 溶剂对 初始含油饱和度 最终采收率（实验） 历史拟合误差 关键现象
ECSP #1 CH₄ + C₂H₆ 82.6% 18.7% 累积油量匹配良好（图4-5a） C₂H₆ 溶解度较低，粘度降低和溶胀效应有限
ECSP #2 CH₄ + C₃H₈ 73.9% 41.1% 累积油量匹配良好（图4-6a） C₃H₈ 溶解度更高，粘度降低和溶胀效应更显著

关键结论：

  • C₃H₈ 比 C₂H₆ 更有效，ECSP #2 采收率（41.1%）远高于 ECSP #1（18.7%）。

  • ECSP #2 中气体在沙填模型中渗透更深、气体饱和度更高，提供了更大的溶剂-稠油接触面积（图4-7）。

  • ECSP 主导机理：CH₄ 提供溶液气驱动力，C₃H₈ 提供粘度降低和溶胀效应。

3. 参数敏感性分析（第4.3.2节，表4-4至4-6）

模型参数：ECSP #2 基础模型。

参数类型 参数范围 对采收率的影响 关键结论
分子扩散系数 1×10⁻¹⁰ ~ 1×10⁻⁹ m²/s 影响较小（36.7% → 39.3%） 在 10⁻⁹~10⁻¹⁰ 数量级时影响不显著
弥散系数 1×10⁻⁸ ~ 7×10⁻⁴ m²/s 影响显著（39.2% → 62.4%） 弥散增强混合，提高采收率；达到 10⁻⁶ m²/s 后趋于平缓
RFF（溶解） 0.02 ~ 2.00 m³/(gmol·day) 影响中等（39.8% → 44.0%） 影响气泡生成和泡沫油驱动
RFF（油→气泡解析） 0.2 ~ 20 day⁻¹ 影响中等（39.8% → 41.6%） 影响气泡生成和泡沫油驱动
RFF（气泡→气相解析） 0.0002 ~ 0.02 day⁻¹ 几乎无影响（39.8% → 40.9%） 该步骤不限制泡沫油形成

4. 实验室 ECSP 正交优化（第4.3.3节，表4-7、4-8，图4-8）

优化方法：L₂₅5⁶ 正交设计，6 个参数各 5 个水平。

参数 最优水平 方差（×10⁻⁴） 敏感度排序
C₃H₈ 注入压力 1150 kPa 1.7 5
C₃H₈ 注入时间 5 小时 1.1 6
CH₄ 注入压力 7000 kPa 136.3 1（最敏感）
CH₄ 注入时间 10 小时 2.0 4
浸泡时间 24 小时 1.3 3
最低生产压力 101 kPa 42.4 2（次敏感）

关键结论：CH₄ 注入压力和最低生产压力是最敏感参数，优化后实验室 ECSP 采收率可达 55.2%（模拟运行 #19，表4-8）。

5. 现场尺度 ECSP 模拟与预测（第5章，图5-1至5-13，表5-1、5-2）

模型参数：Pelican 油田 Wabiskaw “A” 地层，32×20×10 网格，厚度~5 m，初始压力 2400 kPa，温度 293 K。

历史拟合结果（图5-5、5-6）：

  • 历史匹配了 13 口井从 2010 年 12 月到 2011 年 9 月的一次采油生产数据。

  • 模拟的油藏压力、累积产油量、累积产水量、累积产气量与现场观测数据吻合良好。

现场 ECSP 优化（表5-1、5-2，图5-9）：

参数 最优水平 方差（×10⁴ m⁶） 敏感度排序
CH₄ 注入速率 200-500 Sm³/day 2.0 6（最不敏感）
CH₄ 注入时间 2 天 17.8 4
C₃H₈ 注入速率 100 Sm³/day 5.5 5
C₃H₈ 注入时间 3 天 27.3 3
浸泡时间 3 天 30.8 2
最低井底压力 200 kPa 70.7 1（最敏感）

现场 ECSP 预测（图5-10至5-13）：

  • ECSP 启动后累积产油量快速增加，2 年后增长速率略有减缓。

  • ECSP 处理后，近井地带油饱和度显著降低，水饱和度降低（大量水被采出），近井地带气饱和度显著增加（溶剂循环注入/采出）。

✅ 主要结论

  1. PVT 相态与 WinProp 模拟：CH₄-C₃H₈-稠油体系具有高溶胀因子和高饱和压力。调优后的 PR EOS（1978）和修正 Pedersen 粘度模型能够准确预测溶剂-稠油体系的相态性质（饱和压力平均相对误差 3.68%，溶胀因子 3.76%，粘度 10.74%），为后续 ECSP 模拟提供了可靠的流体物性输入。

  2. 实验室 ECSP 实验结果：CH₄-C₃H₈ 方案（采收率 41.1%）远优于 CH₄-C₂H₆ 方案（采收率 18.7%），因为 C₃H₈ 溶解度更高，能更有效地降低稠油粘度和增加溶胀。ECSP 的主导机理包括：CH₄ 提供的溶液气驱动力，以及 C₃H₈ 提供的粘度降低和溶胀效应。

  3. STARS 历史拟合：CMG STARS 成功匹配了 ECSP 实验的累积产油量和生产压力，验证了数值模型能够捕捉 ECSP 的主导机理。气体在沙填模型中渗透更深、气体饱和度更高（ECSP #2），提供了更大的溶剂-稠油接触面积。

  4. 参数敏感性分析：扩散系数影响较小（10⁻⁹~10⁻¹⁰ m²/s），弥散系数影响显著（10⁻⁸~10⁻⁴ m²/s）。气泡→气相解析 RFF 几乎无影响，而气相溶解和油相→气泡解析 RFF 影响较大，表明气泡生成和泡沫油驱动是关键过程。

  5. 实验室参数正交优化：CH₄ 注入压力和最低生产压力是最敏感参数。优化后实验室 ECSP 采收率可达 55.2%。最优参数：C₃H₈ 注入压力 1150 kPa（5 小时），CH₄ 注入压力 7000 kPa（10 小时），浸泡时间 24 小时，最低生产压力 101 kPa。

  6. 现场尺度历史拟合：STARS 成功拟合了 Pelican 油田 13 口井的一次采油生产数据（压力、累积产油、产水、产气），为 ECSP 性能预测建立了可靠的基准模型。

  7. 现场 ECSP 参数优化：最低井底压力是最敏感参数，CH₄ 和 C₃H₈ 注入时间及浸泡时间也较敏感。最优现场操作参数：CH₄ 注入速率 200-500 Sm³/day（2 天），C₃H₈ 注入速率 100 Sm³/day（3 天），浸泡时间 3 天，最低井底压力 200 kPa。

  8. 现场 ECSP 性能预测：ECSP 可显著提高累积产油量（启动后快速增加），2 年后增长速率略有减缓。ECSP 处理后，近井地带油饱和度显著降低，水饱和度降低（大量水被采出），气饱和度显著增加（溶剂循环注入/采出）。

  9. CMG 软件的适用性：CMG WinProp 和 STARS 模块能够有效支持从流体相态表征、室内实验历史拟合到现场尺度生产预测的完整工作流。STARS 的非平衡溶解/解析反应模型能够成功捕捉泡沫油行为，是稠油溶剂法 EOR 工艺设计和优化的有力工具。

🏛️ 论文主要信息

项目 内容
论文标题 Performance Evaluation of an Enhanced Cyclic Solvent Process (ECSP) for Thin Heavy Oil Reservoirs
作者 Ping Yang
学位 应用科学硕士（Master of Applied Science）
授予单位 里贾纳大学（University of Regina）
毕业年份 2013 年 9 月
所属院系 石油系统工程系（Petroleum Systems Engineering）
研究领域 稠油开采、强化循环溶剂过程（ECSP）、泡沫油、相态行为、油藏数值模拟

💡 补充说明

该硕士论文是一项关于薄层稠油油藏强化循环溶剂过程（ECSP）的综合实验与数值模拟研究，核心创新点在于：

  • ECSP 工艺的创新设计：首次系统研究了 CH₄ 和 C₃H₈ 双段塞循环注入的 ECSP 工艺。CH₄ 作为“挥发性溶剂”提供溶液气驱动力，C₃H₈ 作为“可溶性溶剂”提供粘度降低和溶胀效应，两者协同作用显著提高了薄层稠油采收率。

  • 完整的 CMG 工作流：从 WinProp 的 PVT 相态模拟 → 实验室 STARS 历史拟合 → 参数敏感性分析 → 正交优化 → 现场尺度 STARS 模拟与预测，完整展示了 CMG 软件在稠油溶剂法 EOR 研究中的应用。

  • 泡沫油行为的 STARS 建模：利用 STARS 的化学反应速率方程，通过反应频率因子（RFF）参数化表征非平衡气体溶解和解析过程，成功捕捉了泡沫油行为对 ECSP 的贡献。这是模拟稠油溶剂法中泡沫油现象的关键技术。

  • 系统的参数敏感性分析：定量评估了分子扩散系数、弥散系数和三个 RFF 参数对采收率的影响程度，揭示了弥散和气泡生成过程是 ECSP 的关键控制因素。

  • 正交设计与方差分析：将正交实验设计方法与 STARS 模拟相结合，以 L₂₅5⁶ 方案高效优化了 6 个操作参数，并通过方差分析识别了最敏感参数（CH₄ 注入压力和最低生产压力）。

  • 从实验室到现场的成功放大：将实验室优化的 ECSP 方案成功应用于 Pelican 油田现场尺度模型，历史拟合了 13 口井的生产数据，并预测了 30 个循环（5.5 年）的 ECSP 生产性能，验证了该技术的现场应用潜力。

该研究对从事稠油开采、溶剂法 EOR（VAPEX、CSI、ECSP）、泡沫油机理、油藏数值模拟以及实验岩心驱替的工程师和科研人员具有重要的参考价值。

case139pdf

发表评论