CN101295374A - 一种多因素影响下的油田开发动态定量方法 - Google Patents
一种多因素影响下的油田开发动态定量方法 Download PDFInfo
- Publication number
- CN101295374A CN101295374A CNA2007100988868A CN200710098886A CN101295374A CN 101295374 A CN101295374 A CN 101295374A CN A2007100988868 A CNA2007100988868 A CN A2007100988868A CN 200710098886 A CN200710098886 A CN 200710098886A CN 101295374 A CN101295374 A CN 101295374A
- Authority
- CN
- China
- Prior art keywords
- index
- prediction
- field development
- quantitative
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 230000000630 rising effect Effects 0.000 claims abstract description 3
- 238000013213 extrapolation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 18
- 238000002347 injection Methods 0.000 description 10
- 239000007924 injection Substances 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种多因素影响下的油田开发动态定量方法,第一步:资料准备与指标划分,准备油田开发历史数据表,划分预测和影响因素指标;第二步:用微分模拟模型建立关联关系,将指标的时间序列累加处理,直到得到单调上升、具有指数特征的新序列;用最小二乘法进行参数估计,建立累加后的预测指标与影响因素之间的定量关联关系,实现功能同构;对累加后的定量关联关系按时间进行离散化,满足误差要求;第三步:输入影响因素值,输出预测指标的预测值,本方法实现了多参数影响下油田开发动态定量预测,具有准确、信息量大的特点。
Description
技术领域
本发明涉及一种用于油气田开发生产过程中在多因素影响下的油田开发动态定量方法。
背景技术
目前在进行油田开发动态预测时,缺乏同时考虑多种影响因素综合影响下油田开发动态指标的预测方法,如预测一个油田的年产油量、含水率等指标变化,其影响因素的范围比较广泛,包含动用地质储量、采油井开井数、注水井井数、注水量、措施总井次、总操作成本等。油田开发动态受各种因素综合影响,任何单一因素的变化或某些因素的联合变化都可能使油田开发动态发生变化,由于各因素的相互作用很复杂,各因素之间的相互关联很难直接用简单的解析关系来描述。现在油田上所使用的对开发动态的预测主要基于物理模型或者是基于统计规律数学模型来实现。物理模型是指根据油田系统状态变化的特性,建立相似的物理模型,再根据实验室中的物理模型的状态变化规律,研究实际油田的状态变化。基于统计规律的数学模型是用油田开发历史数据回归预测指标项和某一影响因素相互间的数学统计关系,在此基础上进行指标预测。用这些模型和方法不能同时预测受多因素影响的多个开发指标,无法满足油田开发实际条件下研究预测的要求。
发明内容
本发明的目的是提供一种依据统计理论结合历史信息实现功能的同构,建立系统的输入输出关联关系,进而外推进行的多因素影响下的油田开发动态定量方法。
本方法包括如下三个步骤:
第一步:数据的准备与指标划分
建立油田开发动态指标的历史信息数据库或通过软件接口从其他现有数据库读取下面所需数据,数据指标分为两类,第一类是预测指标(状态变量),第二类是根据预测目的选择相关的多个影响因素指标(控制变量)。这些数据按年度(也可以其他时间单位)准备,是一张二维数据表,按时间顺序排列,如根据实际工作目的选择年产油、含水率为预测指标,选择动用地质储量、采油井开井总数、注水井井数、注水量、措施总井次、总操作成本等为影响因素指标。
格式如表1所示:
表1 某油田开发动态指标数据
运用本方法通常要求具有5个时间点以上的完整历史数据作为预测和模拟的基础数据,并要求预测指标在2至10个之间,影响因素指标控制在5至50个以内,影响因素指标一般多于预测指标。
第二步:用微分模拟模型建立预测指标与其多个影响因素之间的定量关联关系
用微分模拟方法建立预测指标与其多个影响因素之间的定量关联关系,这种关联关系是一输入输出关系,通过一定的数据预处理后可以用微分方程描述。
构建微分模拟模型,建立关联关系的主要过程为:
(1)将指标的时间序列通过多次累加处理,直到得到单调上升、具有指数特征的新序列。
(2)用最小二乘法进行参数估计,建立累加后的预测指标与其多个影响因素之间的定量关联关系,实现功能同构。
具体实现方法步骤为:
对历史数据表中的每一个预测及影响因素指标的原始数据时间序列记为:
{xi (0)(tk)};{ul (0)(tk)} i=1,2,…,n;k=1,2,…,N;l=1,2,…,m
其中{xi (0)(tk)}为预测指标历史数据序列,上标0代表原始数据,i为第i项预测指标,例如在数据表1中有年产油和综合含水两项指标,分别对应x1、x2;tk表示第k年,例如在数据表1中从1998年至2006年。
{ul (0)(tk)}为影响因素指标历史数据序列,i为第i项影响因素指标,例如在数据表1中有动用地质储量、采油井开井总数、注水井井数、注水量、措施总井次、总操作成本等六项指标,分别对应u1、u2、u3、u4、u5、u6。
对原始数据序列{xi (0)(tk)}和{ul (0)(tk)}构造相应的一阶累加序列,记为:
{xi (1)(tk)};{ul (1)(tk)} i=1,2,…,n;k=1,2,…,N;l=1,2,…,m
其中,
上标1代表原始数据的第一次累加。
相应的多次累加序列为:
i=1,2,…,n;k=1,2,…,N;l=1,2,…,m
J为累加次数,直到累加的时间序列{xi (J)(tk)}和{ul (J)(tk)}具有指数特征。
根据灰色理论,对一定次数的累加时间序列具有指数变化性质即可以建立微分模拟模型:
其中
aij(i=1,2,...,n;j=1,2,...,n),bij(i=1,2,...,m;j=1,2,...,n)的计算方法如下:
(2)对 的第i个方程(i=1,2,...,n)根据t=tk的历史数据用最小二乘法识别参数aij和bij,即用以下二次优化问题得到
当1-(历史的实际值与历史的拟合值的差的绝对值)/历史的实际值≥95%时,进行第三步,否则需重新利用最小二乘法进行参数估算,建立预测指标与影响因素间的定量关联关系。
第三步:对累加后的定量关联关系按时间进行离散化,输入影响因素控制变量值或估计值,输出预测指标的预测值。
将 按时间离散得
X(J)(tk+1)=A1X(J)(tk)+BU(J)(tk+1)
其中
aij与矩阵A中的aij相同。将上式外推一步,只要输入U(tn+1)的控制值就可预测X(tn+1)。
本发明解决了目前传统方法所不能解决的问题,实现了多参数影响下油田开发动态定量化模拟预测,多参数包括动用地质储量、剩余可采储量、采油井开井总数、油田含水、措施总井次、措施有效井次等开发动态技术参数,反映实际开发过程中各种因素的复杂影响,具有准确、信息量大等特点。与传统方法相比,本模拟预测系统具有预测变量可以任意选定、影响因素可以任意选定、变更方便、模拟历史拟合精度高、预测准确等优点。
附图说明
图1,多因素影响下的油田开发动态定量方法的流程框图。
图2,X油田年产油量预测拟合结果对比图
图3,X油田年综合产水预测拟合结果对比图
具体实施方式
对油田开发动态进行多参数模拟预测的预测结论与传统方法相比,多输入多输出模拟预测更能反映实际开发过程中各种因素的复杂综合影响,具有准确、信息量大等优点。
例如对X油田的年产油量、含水率作为输出指标进行实例预测。选择了6项控制指标作为影响因素输入,分别是动用地质储量、采油井开井总数、注水井井数、注水量、措施总井次、总操作成本等。建立微分模拟模型,并离散化后进行预测,中间过程如下:
(1)原始数据准备
用数据接口程序从其它数据库中提取,或键盘输入生成以下二维数据表格。原始数据如表2所示
表2X油田的原始数据表
(2)原始数据预处理
对原始数据序列按前述方法构造具有单调上升和指数曲线特征的累加数据序列,在本例中,累加2次就得到符合条件的累加序列。累加后的新数据如表3所示。
表3累加两次所得数据表
(3)基于两次累加所得数据建立微分模拟模型为:
其中,
离散化得差分方程
X(2)(tk+1)=A1X(2)(tk)+BU(2)(tk+1)
其中
输入2007年影响因素的控制值,见表4。
表4影响因素指标2007年输入的控制约束值
时间 | 动用地质储量(万吨) | 采油井开井总数(口) | 措施总井次(井次) | 注水井井数(口) | 注水量(万方) | 总操作成本(万元) |
2007 | 60151 | 2218 | 794 | 886 | 2956.4 | 149264 |
预测2007年产油量,预测结果为389.2万吨,而该油田实际产量为390.7万吨,预测误差为0.38%;预测2007年综合含水,预测结果为88.35%,实际含水率为88.39%,预测误差为0.05%。
表5产油量拟合、预测值与实际值的数据对比表 单位:万吨
时间 | 1998 | 1999 | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 | 2007 |
实际值 | 403.9 | 410.4 | 423.7 | 408.5 | 400.1 | 395.2 | 393.9 | 387.6 | 386.0 | |
拟合值 | 402.8 | 411.3 | 425.9 | 410.2 | 402.4 | 397.6 | 396.7 | 390.4 | 389.6 | |
预测值 | 389.2 |
表6综合含水拟合、预测值与实际值的数据对比表 单位:%
时间 | 1998 | 1999 | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 | 2007 |
实际值 | 85.31 | 85.81 | 86.11 | 86.32 | 86.78 | 86.77 | 87.29 | 87.94 | 88.26 | |
拟合值 | 85.42 | 85.74 | 86.08 | 86.3 | 86.76 | 86.78 | 87.23 | 87.91 | 88.3 |
Claims (3)
1、一种多因素影响下的油田开发动态定量方法,其特征在于:包括如下三个步骤:
第一步:资料准备与指标划分,即准备油田开发动态参数指标的历史数据,这些数据是按年度或一定时间间隔的指标,是一张二维数据表,按时间顺序排列,确定预测指标和影响因素指标;
第二步:用微分模拟模型建立预测指标与其多个影响因素之间的定量关联关系,即构建微分模拟模型,建立关联关系的过程包括
(1)将指标的时间序列通过一定次数的累加处理,直到得到单调上升、具有指数特征的新序列;
(2)用最小二乘法进行参数估计,建立累加后的预测指标与其多个影响因素之间的定量关联关系,实现功能模拟;
(3)对累加后的定量关联关系按时间进行离散化,为外推预测做准备;
当1-(历史的实际值与历史的拟合值的差的绝对值)/历史的实际值≥95%时,进行第三步,否则需重新利用最小二乘法进行参数估算,建立预测指标与影响因素间的定量关联关系;
第三步:输入影响因素控制变量值,输出预测指标的预测值,即将预测时间点的影响因素的控制值作为输入参数代入第二步中已经离散化了的关联关系,得到相应的时间下的输出值,即预测指标值。
2、如权利要求1所述的一种多因素影响下的油田开发动态定量方法,其特征在于:所述的第一步中,历史数据作为预测和模拟的基础数据,应至少有5个时间点以上的完整历史数据,且预测指标在2至10个之间,影响因素指标控制在5至50个以内。
3、如权利要求1所述的一种多因素影响下的油田开发动态定量方法,其特征在于所述的第二步中,对指标经过一定次数的累加时间序列,当预测指标与控制指标得到单调上升、具有指数特征的新序列时,即可以建立如下微分模拟模型:
其中
aij(i=1,2,...,n;j=1,2,...,n),bij(i=1,2,...,m;j=1,2,...,n)的计算方法如下:
(1)用数值微分根据处理过的历史数据,预测指标的{xi (J)(tk))}和控制
(2)对 的第i个方程(i=1,2,...,n)根据t=tk的历史数据用最小二乘法识别参数aij和bij,即用以下二次优化问题得到
(3)将 按时间离散得
X(J)(tk+1)=A1X(j)(tk)+BU(J)(tk+1)
其中
aij与矩阵A中的aij相同;
将上式外推一步,只要输入U(tn+1)的控制值就可预测X(tn+1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007100988868A CN101295374A (zh) | 2007-04-28 | 2007-04-28 | 一种多因素影响下的油田开发动态定量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007100988868A CN101295374A (zh) | 2007-04-28 | 2007-04-28 | 一种多因素影响下的油田开发动态定量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101295374A true CN101295374A (zh) | 2008-10-29 |
Family
ID=40065642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007100988868A Pending CN101295374A (zh) | 2007-04-28 | 2007-04-28 | 一种多因素影响下的油田开发动态定量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101295374A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108843296A (zh) * | 2018-06-25 | 2018-11-20 | 成都北方石油勘探开发技术有限公司 | 一种基于多因素影响下的单井重复压裂效果预测方法 |
CN109308550A (zh) * | 2018-10-15 | 2019-02-05 | 西南石油大学 | 基于时变系统的油田开发指标功能模拟预测方法 |
CN109403962A (zh) * | 2018-10-15 | 2019-03-01 | 西南石油大学 | 油藏区块动态监测指标关联分析方法 |
CN111861068A (zh) * | 2019-04-30 | 2020-10-30 | 中国石油天然气股份有限公司 | 动态法确定油井原油技术可采储量的方法及系统 |
CN112949056A (zh) * | 2021-02-25 | 2021-06-11 | 中国石油大学(北京) | 一种水驱油田开发规划离散优化方法 |
CN118095100A (zh) * | 2024-03-22 | 2024-05-28 | 西南石油大学 | 一种致密油气水平井单井产量预测方法及预测系统 |
-
2007
- 2007-04-28 CN CNA2007100988868A patent/CN101295374A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108843296A (zh) * | 2018-06-25 | 2018-11-20 | 成都北方石油勘探开发技术有限公司 | 一种基于多因素影响下的单井重复压裂效果预测方法 |
CN109308550A (zh) * | 2018-10-15 | 2019-02-05 | 西南石油大学 | 基于时变系统的油田开发指标功能模拟预测方法 |
CN109403962A (zh) * | 2018-10-15 | 2019-03-01 | 西南石油大学 | 油藏区块动态监测指标关联分析方法 |
CN111861068A (zh) * | 2019-04-30 | 2020-10-30 | 中国石油天然气股份有限公司 | 动态法确定油井原油技术可采储量的方法及系统 |
CN111861068B (zh) * | 2019-04-30 | 2024-03-05 | 中国石油天然气股份有限公司 | 动态法确定油井原油技术可采储量的方法及系统 |
CN112949056A (zh) * | 2021-02-25 | 2021-06-11 | 中国石油大学(北京) | 一种水驱油田开发规划离散优化方法 |
CN118095100A (zh) * | 2024-03-22 | 2024-05-28 | 西南石油大学 | 一种致密油气水平井单井产量预测方法及预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | A decision support system for product design in concurrent engineering | |
Koo et al. | A CBR-based hybrid model for predicting a construction duration and cost based on project characteristics in multi-family housing projects | |
CN104798043B (zh) | 一种数据处理方法和计算机系统 | |
CN103745273B (zh) | 一种半导体制造过程的多性能预测方法 | |
CN103106535B (zh) | 一种基于神经网络解决协同过滤推荐数据稀疏性的方法 | |
EP2273431B1 (en) | Model determination system | |
CN108446794A (zh) | 一种基于多个卷积神经网络结合架构深度学习预测方法 | |
CN109242149A (zh) | 一种基于教育数据挖掘的学生成绩早期预警方法及系统 | |
CN104794361A (zh) | 一种水驱油藏开发效果综合评价方法 | |
CN104156783A (zh) | 计及气象累积效应的电力系统最大日负荷预测系统及方法 | |
CN101295374A (zh) | 一种多因素影响下的油田开发动态定量方法 | |
CN102541920A (zh) | 联合基于用户和项目的协同过滤提高准确度的方法及装置 | |
CN104992244A (zh) | 一种基于sarima和rbf神经网络集成组合模型的机场货运量预测分析方法 | |
CN105452598B (zh) | 选择和优化用于产量平台的油田控制的方法 | |
CN103593720A (zh) | 基于灰色层次分析法建立的城市电网规划综合评价体系 | |
CN104899446A (zh) | 基于数据驱动的脉动风速模拟方法 | |
CN105488297A (zh) | 一种基于小样本建立复杂产品优化设计代理模型的方法 | |
Brentan et al. | Water demand time series generation for distribution network modeling and water demand forecasting | |
CN104050547A (zh) | 一种油田开发规划方案非线性优选决策方法 | |
CN106779240A (zh) | 民航市场宏观指数的预测方法及系统 | |
CN104865827A (zh) | 一种基于多工况模型的抽油机采油优化方法 | |
CN107092751A (zh) | 基于Bootstrap的变权重模型组合预测方法 | |
CN106845729A (zh) | 一种基于灰色理论的电子产品机柜装配工时确定方法 | |
CN102156641A (zh) | 一种软件成本置信区间预测方法及系统 | |
CN114139802B (zh) | 一种基于流域水情变化趋势分析模型的实时优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20081029 |