CN101379498B - 使用物理和代理仿真器的用于快速更新油气田生产模型的方法和系统 - Google Patents
使用物理和代理仿真器的用于快速更新油气田生产模型的方法和系统 Download PDFInfo
- Publication number
- CN101379498B CN101379498B CN2007800041156A CN200780004115A CN101379498B CN 101379498 B CN101379498 B CN 101379498B CN 2007800041156 A CN2007800041156 A CN 2007800041156A CN 200780004115 A CN200780004115 A CN 200780004115A CN 101379498 B CN101379498 B CN 101379498B
- Authority
- CN
- China
- Prior art keywords
- parameter
- emulator
- well
- physical
- 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.)
- Expired - Fee Related
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000035945 sensitivity Effects 0.000 claims abstract description 17
- 239000003795 chemical substances by application Substances 0.000 claims description 58
- 238000013461 design Methods 0.000 claims description 52
- 239000012530 fluid Substances 0.000 claims description 15
- 230000035699 permeability Effects 0.000 claims description 14
- 238000013401 experimental design Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000003325 tomography Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 239000011148 porous material Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims 2
- 238000005457 optimization Methods 0.000 abstract description 14
- 238000003860 storage Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Theoretical Computer Science (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
提供了使用物理和代理仿真器的用于快速更新油气田生产模型的方法、系统和计算机可读介质。在一个或更多物理仿真器(26)中建立储藏库(100)、井(100)或管道网络(100)的基本模型(30)。使用决策管理系统(24)来定义不确定参数以匹配观测数据(114)。使用代理模型来调整不确定参数使其适合所述物理仿真器(26)的输出,确定不确定参数的灵敏度,并计算不确定参数与仿真器(26)的输出数据之间的相关性。除去灵敏度低于阈值的参数。决策管理系统(24)使从代理模型输出的参数在仿真器(26)中生效。使用生效的参数做出生产决策。
Description
相关申请的交叉参考
本专利申请要求2006年1月31日申请的题为“Methods,systems,and computer-readable media for fast updating of oil and gas fieldproduction models withphysical and proxy simulators”的美国临时专利申请No.60/763,973的权益,其全文结合在此作为参考。
技术领域
本发明涉及油气田生产的优化。更具体地,本发明涉及使用物理和代理仿真器来改进与油气田相关的生产决策。
背景技术
为建模或管理包含数百口井的大型油田而工作的储藏库和生产工程师正面临这样一个现实,即每天只能够物理地评估和管理几口井。单口井的管理可以包括进行测试,以测量一个测试时间段内从单口井(从地面以下)出来的油、气和水的速率。其他测试可以包括用于测量地面上下的压力的测试,以及测量地面的流体流的测试。由于管理油田中的单口井所需要的时间,在大型油田中,通过周期性(例如每几个月)测量与油田中的多口井相联系的采集点的流体,并接着将这些测量值从该采集点分配返回给各口井,来管理大型油田的生产。分析周期测量所采集的数据并用于做出包括优化未来生产在内的生产决策。然而,当分析所采集的数据时,这些采集的数据可能是几个月之前的,因此不能用于实时管理的决策。除了上述时间限制之外,可以使用多种分析工具,这使得对大型油田构造一致的分析较为困难。这些工具可以是多种基于物理学的仿真器或表示油、气和水的流和处理 的分析方程。
为了改进油田管理中的效率,近年来,在油田中安装了传感器,用于连续监控温度、流速和压力。由此,生产工程师要分析的数据远多于由先前的周期测量方法所产生的数据。然而,增加的数据使得生产工程师要对数据及时做出反应以响应所检测到的问题并做出实时生产决策更为困难。例如,当前的方法能够实时检测由井生产的流体中过剩的水,但工程师不能够快速响应这些数据,以便在检测到过剩的水时改变阀门设置以减小水量。近年来的进一步发展开始使用计算机模型,所述计算机模型用于优化油田管理和生产。特别地,针对储藏库、井和采集系统性能开发了软件模型,以管理和优化生产。所使用的典型模型包括储藏库仿真、井节点分析和网络仿真基于物理学的或物理模型。当前,由于执行模型耗费的时间的长度,在管理生产中使用基于物理学的模型存在问题。此外,基于物理学的模型必须被“调谐”至现场测量的生产数据(压力、流速、温度等等)以优化生产。调谐是通过“历史匹配”过程来完成的,这是一种复杂、耗时而且通常不能导致产生唯一模型的过程。例如,对于专业的储藏库或生产工程师,历史匹配过程可能耗费许多个月的时间。此外,当前的用于辅助或自动进行历史匹配的历史匹配算法和工作流程较为复杂而繁琐。特别地,为了在储藏库系统中处理可能影响生产预测的许多可能的参数,可能需要执行一个或更多基于物理学的仿真器许多次,这在工业中是不实际的。
根据这些和其他考虑,做出了本发明。
发明内容
本发明的示意实施例通过提供使用物理和代理仿真器的油气田生产模型的快速更新来解决这些和其他问题。一个示意实施例包括一种用于在一个或更多基于物理学的仿真器中建立物理系统的基本模型的方法。所述物理系统可以包括储藏库、井、管道网络以及处理系统。所述一个或更多仿真器对储藏库、井、管道网络以及处理系统中的流体流进行仿真。所述方法还包括使用决策管理系统,以定义物理系统 的不确定参数以匹配所观测的数据。所述不确定参数可以包括渗透性、断层传送率、管孔体积和井表面参数。。所述方法还包括:通过实验设计过程为所述物理系统的每个不确定参数定义边界限制和不确定性分布,;针对设计参数的集合自动执行一个或更多仿真器以产生一系列输出,所述设计参数的集合包括不确定参数,所述输出表示生产预测;将特征数据收集到关系数据库中,所述特征数据包括与所述设计参数的集合相关联的值以及与一个或多个仿真器的输出相关联的值;使用用于物理系统的代理模型或方程系统,调整关系数据使其适合一个或更多的仿真器的输出,所述关系数据包括一系列输入,所述输入包括与设计参数的集合相关联的值。所述代理模型可以是神经网络,并用于计算关于设计参数的导数,以确定灵敏度,并计算设计参数与一个或更多仿真器的输出之间的相关性。所述方法还包括:从代理模型中除去其灵敏度低于阈值的设计参数;将优化器与代理模型一起使用,以针对未从代理模型中除去的设计参数,确定设计参数值的范围,在所述范围中,代理模型的输出与所观测的数据相匹配;接着将未除去的设计参数指定为所选参数、将该所选参数及其范围从代理模型中放入决策管理系统;运行决策管理系统作为全局优化器,以使一个或更多仿真器中的所选参数生效;并将一个或更多仿真器中生效的所选参数用于生产决策。
本发明的示意实施例也可以在计算机系统中实现,或实现为一种如计算机程序产品或计算机可读介质之类的制造产品。该计算机程序产品可以是计算机系统可读的计算机存储介质,并编码指令计算机程序以用于执行计算机处理。该计算机程序产品也可以是计算系统可读的载波上的传播信号,并编码指令计算机程序以用于执行计算机处理。
通过阅读以下详细描述并参照附图,构成本发明的特征的这些和各种其他特征以及优点将变得显而易见。
附图说明
图1是可以根据本发明的示意实施例而使用的操作环境的简化框图;
图2是示意示出了图1操作环境中的计算机系统的简化框图,可以用于执行本发明的各种示意实施例;以及
图3是示出了根据本发明的示意实施例的使用物理和代理仿真器的油气田生产模型的快速更新的示意例程的流程图。
具体实施方式
本发明的示意实施例提供了使用物理和代理仿真器的油气田生产模型的快速更新。现在参照附图,描述本发明的各个方面,附图中类似的标号表示类似的元件。特别地,图1及对应的描述旨在提供对本发明的实施例可以在其中实现的合适的操作环境的简要的、概括的描述。
一般地,本发明的实施例可在如图1所示的操作环境100中采用。该操作环境100包括油田地面设施102以及井和地下流设备104。油田地面设施102可以包括任何多种典型用于油气田生产的设施。这些设施可以包括但不限于:钻探设备、防爆设备、抽泥泵或类似设备。井和地下流设备可以包括但不限于:储藏库、井和管道网络(及其相关硬件)。应理解,如在以下描述和所附权利要求中所讨论的,生产可以包括油气田钻探和开采。
地面设施102以及井和地下流设备104以本领域技术人员公知的方式与现场传感器106、远程终端单元10和现场控制器110通信。现场传感器106测量油田(即储藏库、井和管道网络)的各种地面和地下特性,包括但不限于油、气和水的生产率;注水、管道口和节点的压力;在现场、区域和井位的阀门设置。在本发明的一个实施例中,现场传感器106能够在油田中进行连续测量,并将数据实时发送给远程终端单元108。本领域技术人员应理解,操作环境100可以包括“智能现场(smart fields)”技术,该技术能够测量地面的数据以及在井自身的地面以下的数据。智能现场也能够测量油田中的各个区域和储藏库。现场控制器110接收由现场传感器106测量的数据,并实现测量数据的现场监控。
远程终端单元108从现场传感器106接收测量数据,并将该测量数 据发送给一个或多个监管控制和数据获取系统(“SCADA”)112。如本领域技术人员已知的,SCADA是用于采集和分析实时数据的计算机系统。SCADA 112将所接收的测量数据发送给实时历史数据库114。实时历史数据库114与能够访问测量数据的集成的生产钻探和工程数据库116进行通信。
集成的生产钻探和工程数据库116与动态资产模型计算机系统2通信。在本发明的各种示意实施例中,该计算机系统2执行使用物理和代理仿真器的用于快速更新油气田生产模型的各种程序模块。一般地,程序模块包括例程、程序、组件、数据结构和执行特别任务或实现特别的抽象数据类型的其他类型的结构。该程序模块包括决策管理系统(“DMS”)应用24和实时优化程序模块28。该计算机系统2也包括将在以下图2的描述中描述的附加程序模块。可以认识到,以本领域技术技术人员已知的方式,使用局域或广域网络的通信链路,可以实现现场传感器106、远程终端单元108、现场控制器110、SCADA 112、数据库114和116以及计算机系统2之间的通信。
如以下将要参照图2-3更详细地讨论的,计算机系统2使用DMS应用24,与物理或基于物理学的仿真器以及代理模型(作为代理仿真器)一起,用于快速更新油田或气田中的油气田生产模型。DMS应用24的核心功能在一同申请的题为“Method and System for Scenario and CaseDecision Management”的美国公布专利申请2004/0220790中进行了详细描述,将其结合在此作为参考。实时优化程序模块28使用上述代理模型来确定输出的参数值范围,该输出与现场传感器106测量的实时观测数据匹配。
现在参照图2,描述在本发明的各种实施例中使用的计算机系统2的示意计算机架构。图2所示的计算机架构示意了一种传统的台式或膝上型电脑,包括:中央处理单元5(“CPU”);系统存储器7,系统存储器7包括随机访问存储器9(“RAM”)和只读存储器(“ROM”)11;以及将存储器与CPU 5连接的系统总线12。ROM 11中存储了基本输入/输出系统,所述基本输入/输出系统包含如在启动过程中帮助在计算机内的元件之间传递信息的基本行程。计算机系统2还包括大容量存储设 备14,用于存储操作系统16、DMS应用24、基于物理学的仿真器26、实时优化模块28、基于物理学的模型30以及其他程序模块32。以下将更详细地描述这些模块。
应理解,用于实施本发明的实施例的计算机系统2可以表示其他计算机系统配置,包括手持设备、多处理器系统、基于微处理器的或可编程消费电子设备、微型计算机、大型计算机等。本发明的实施例也可以在分布式计算环境中实施,在该环境中,任务由通过通信网络链接的远程处理设备来执行。在分布式计算环境中,程序模块可以位于本地以及远程存储器存储设备中。
大容量存储设备14通过与总线12连接的大容量控制器(未示出)与CPU 5连接。大容量存储设备14及其相关联的计算机可读介质为计算机系统2提供了非易失性存储。虽然此处包含的计算机可读介质的描述涉及如硬盘或CD-ROM驱动器之类的大容量存储设备,但是,本领域技术人员应理解,计算机可读介质可以是计算机系统2可以访问的任何可用的介质。
作为示例而非限制,计算机可读介质可以包括计算机存储介质和同时介质。计算机存储介质包括以任何方法或技术实现的、易失性的和非易失性的、可拆卸和不可拆卸的介质,用于存储如计算机可读指令、数据结构、程序模块或其他数据之类的信息。计算机存储介质包括但不限于:RAM、ROM、EPROM、EEPROM、闪存存储器或其他固态存储器技术、CD-ROM、数字通用光盘(“DVD”)或其他光学存储器、磁带盒、磁带、磁盘存储器或其他磁存储设备,或能够用于存储所需信息并能够由计算机系统2访问的任何其他介质。
根据本发明的各种实施例,计算机系统2可以通过网络18,运行在使用与远程计算机、数据库和其他设备的逻辑连接的联网的环境中。计算机系统2可以通过与总线12连接的网络接口单元20与网络18连接。可以由网络接口单元20进行的连接可以包括局域网(“LAN”)或广域网(“WAN”)连接。LAN和WAN联网环境在办公室、企业范围内的计算机网络、内部网络和因特网中非常常见。应理解,网络接口单元20也可以用于连接其他类型的网络和远程计算机系统。计算机系统2 也可以包括输入/输出控制器22,用于接收和处理来自多个其他设备的输入,所述其他设备包括键盘、鼠标或电子笔(在图2中未示出)。类似地,输入/输出控制器22可以为显示屏、打印机或其他输出设备提供输出。
如以上简要描述的,计算机系统2的大容量存储设备14中可以存储多个程序模块,包括适于控制联网的个人计算机的操作的操作系统16。大容量存储设备14和RAM 9也可以存储一个或更多程序模块。在一个实施例中,DMS应用24与一个或更多基于物理学的仿真器26、实时优化模块28以及基于物理学模型30结合使用,以优化实时用于油田或气田中的生产控制参数。如本领域技术人员已知的,基于物理学的仿真器使用表示流体流的物理性质和化学转化的方程。基于物理学的仿真器的示例包括但不限于:储藏库仿真器、管道流仿真器和过程仿真器(例如分离仿真器)。特别地,可以使用DMS应用24来定义基于物理学的或物理模型中的参数的集合,这些集合是未知的、可以被调整,使得基于物理学的仿真器26可以与在油或气田中实际观测的实时数据相匹配。如在上述图1的讨论中已经讨论过的,实时数据可以是现场传感器106通过连续监控而接收到的测量数据。基于物理学的仿真器26用于创建表示如油气田中的储藏库、井和管道网络之类的物理系统的运行的基于物理学的模型。例如,通过考虑基于物理学的仿真器所接收的各种特征,如储藏库面积、井的数量、井的路径、井的管道半径、井的管道尺寸、管道长度、管道形状、温度梯度以及流体类型,基于物理学的模型30可以被用于仿真储藏库、井或管道网络中的流体流。基于物理学的仿真器26在创建模型中也可以接收估计的或未确定的输入数据,如储藏库的储量。
现在参照图3来描述示意的例程300,例程300示出了使用物理和代理仿真器的用于快速更新油气田生产模型的过程。在阅读此处所述的示意例程的讨论时,应理解,本发明的各种实施例的逻辑操作被实现为(1)计算机实现的动作的序列或在计算机系统上运行的程序模块的序列,和/或(2)计算机系统中互相连接的机器逻辑电路或电路模块。实现方式是一个选择的问题,取决于实现本发明的计算机系统的 性能要求。相应地,图3所示并构成此处描述的本发明的示意实施例的逻辑操作被不同地称为操作、结构设备、动作或模块。本领域技术人员可以认识到,可以以软件、固件、专用数字逻辑电路及其任何组合来实现这些操作、结构设备、动作和模块,而不背离所附权利要求中所述的本发明的精神和范围。
示意例程300开始于操作305,在该操作中由CPU 5执行的DMS应用24命令基于物理学的仿真器26建立物理系统的“基本”模型。应理解,“基本”模型可以是油或气田中的储藏库、井、管道网络或处理系统(如分离处理系统)的物理或基于物理学的表示(以软件形式),所述表示是基于基于物理学的仿真器所接收的如储藏库面积、井的数量、井的路径、井的管道半径、井的管道尺寸、管道长度、管道形状、温度梯度以及流体类型之类的各种特征的。基于物理学的仿真器26在创建“基本”模型中也可以接收估计的或不确定的输入数据,如储藏库的储量。应理解,本发明的实施例中可以使用一个或更多基于物理学的仿真器26。
接着,例程300从操作305继续至操作310,在操作310中,DMS应用24自动定义与基本模型相关的不确定参数(即未知参数)。例如,不确定参数可以包括但不限于:储藏库区域的渗透率、净值与总值之比、井表面、断层传送率、垂直对水平的渗透率比和等待水泥粘合的时间(“WOC”)。
一旦定义了不确定参数,例程300接着从操作310继续至操作315,该操作315中,DMS应用24定义不确定参数的边界限制。特别地,DMS应用24可以使用实验设计过程来为每个不确定参数定义这些边界限制,这些边界限制包括每个不确定参数值的极端水平(例如,最大值、中值或最小值)。DMS应用24也可以计算每个不确定参数的不确定性分布。本领域技术人员可以认识到,不确定性分布可以通过应用一个或更多概率密度函数来确定。在一个实施例中,DMS应用24所使用的实验设计过程可以是公知的正交阵列、阶乘、或Box-Behnken实验设计过程。
例程300接着从操作315继续至操作320,在操作320中,DMS应用 24针对由操作315中确定的边界限制和不确定性所限定的不确定参数集合,自动执行基于物理学的仿真器26。应理解,从这一点开始,在这里将这些参数称为“设计”参数。在执行设计参数的集合中,基于物理学的仿真器26产生一系列输出,这些输出可以被用于做出多个生产预测。例如,基于物理学的仿真器26可以产生关于储藏库中的流体流的输出,包括但不限于:压力、油气流(hydrocarbon flow)速、水流速和温度,这些输出是基于由DMS应用24所定义的渗透率值的范围的。
例程300接着从操作320继续至操作325,在操作325中,DMS应用24将特征数据收集到关系数据库中,如集成的生产钻探和工程数据库116中。该特征数据可以包括与操作315中确定的设计参数相关联的值范围(即设计参数数据),以及从基于物理学的仿真器26的输出。
例程300接着从操作325继续至操作330,在操作330中,DMS应用24使用回归方程来调整设计参数数据(即输入关系数据)使其适合于使用代理模型的基于物理学的仿真器26的输出。如在之前的描述和所附权利要求中所使用的,代理模型是一种用作由基于物理学的仿真器26所产生的基于物理学的模型的代理的数学方程。本领域技术人员可以认识到,在本发明的各种实施例中,代理模型可以是多项式展开、支持向量机器、神经网络或智能代理。可以在本发明的一个实施例中使用的示意代理模型由以下方程给出:
应理解,根据本发明的实施例,代理模型可以用于同时代理在时间上预测流和化学性质的多个基于物理学的仿真器。
例程300接着从操作330继续至操作335,在操作335中,DMS应用24使用代理模型来确定设计参数的灵敏度。如此处所定义的,“灵敏度”是在代理模型中,基于物理学的仿真器26的输出关于设计参数的导数。例如,灵敏度可以是烃油生产关于储藏库中的渗透率的导数。在一个实施例中,基于代理模型方程(以上示出的)可以计算每个输出关于每个设计参数的导数。例程300接着从操作335继续至操作340, 在操作340中,DMS应用24使用代理模型来计算设计参数与基于物理学的仿真器26的输出之间的相关性。
例程300接着从操作340继续至操作345,在操作345中,DMS应用24从代理模型中除去其灵敏度低于阈值的设计参数。特别地,根据本发明的一个实施例,当由代理模型所确定的设计参数的灵敏度或导数被确定为接近零值时,DMS应用24除去该设计参数。因此,应理解,上述操作310中所讨论的一个或多个不确定参数(即储藏库区域的渗透率、净值与总值之比、井表面、断层传送率、垂直对水平的渗透率比和WOC)可能由于不重要或具有最小的影响而被除去。应理解,如将在操作350中更详细地描述的,选择未除去的或重要的参数用于优化(即所选参数)。
例程300接着从操作345继续至操作350,在操作350中,DMS应用24使用实时优化模块28与代理模型来确定操作345中所确定的所选参数(即未除去的参数)的值范围。特别地,实时优化模块28可能产生错配(misfit)函数,该函数表示代理模型的输出与从现场传感器106取回并存储在数据库114和116中的观测到的实时数据之差的平方。可以在本发明的各种实施例中使用的针对井的错配函数由以下方程给出:
其中wi=井i的权值,wi=时间t的权值,sim(i,t)=井i在时间t的仿真的或归一化值,his(i,t)=井i在时间t的历史的或归一化值。
应理解,实时优化模块28所确定的优化的值范围是错配函数很小(即接近零)的值。还应理解,如以下更详细地描述的,所选参数和优化的值范围表示了代理模型,可以在基于物理学的仿真器26中执行该代理模型并使该代理模型生效。
例程300接着从操作350继续至操作355,在操作355中,实时优化模块28将所选参数(在操作345中确定)和优化的值范围(在操作350 中确定)放回DMS应用24中,在操作360中,DMS应用24执行基于物理学的仿真器26以使所选参数生效。应理解,上述讨论的关于DMS应用24的所有操作都是在计算机系统2中自动进行的操作。
例程300接着从操作360继续至操作365,在操作365中,使用生效的参数来做出生产决策。接着,例程300结束。
基于以上的描述,可以认识到,本发明的各种实施例包括使用物理和代理仿真器的用于快速更新油气田生产模型的方法、系统和计算机可读介质。利用动态资产模型计算机系统中的基于物理学的仿真器来测量不确定的位置参数的可能性范围。使用在计算机系统上运行的决策管理应用来建立代理模型,该代理模型对物理系统(例如储藏库、井或管道网络)进行仿真。可以认识到,由该代理模型进行的仿真几乎是瞬时的,因此比传统的较慢且难以更新的基于物理学的仿真器更快。由于该代理模型,可以更快而且更频繁地更新基于物理学的模型,从而便于储藏库工程师进行设计过程。
虽然本发明是结合各种示意实施例来描述的,但是,本领域技术人员应理解,在所附权利要求的范围内,可以对此做出许多修改。相应地,本发明的范围绝不受以上描述的限制,而完全参考所附权利要求来确定。
Claims (18)
1.一种使用物理和代理仿真器的用于快速更新油气田生产模型的方法,包括:
计算机在至少一个基于物理学的仿真器中建立物理系统的基本模型,其中所述物理系统包括储藏库、井、管道网络和处理系统中的至少一个,其中,所述至少一个仿真器对储藏库、井、管道网络和处理系统中的至少一个中的流体流进行仿真;
计算机通过实验设计过程,为所述物理系统的多个不确定参数中的每个不确定参数定义包括极端水平的边界限制和不确定性分布,其中,不确定参数至少包括储藏库区域的渗透率参数、净值与总值之比参数、井表面参数、断层导水系数参数、垂直对水平的渗透率比参数和等待水泥粘合的时间“WOC”参数,其中,由边界限制和不确定性分布限定的不确定参数包括设计参数的集合;
计算机利用决策管理系统应用,使用代理模型来调整数据,使其适合所述至少一个仿真器的输出,所述数据包括一系列输入,所述输入包括与设计参数的集合相关联的值,其中,所述代理模型是对所述至少一个仿真器的代理,所述至少一个仿真器包括以下中的至少一个:储藏库仿真器、管道网络仿真器、过程仿真器和井仿真器,其中,所述代理模型用于同时代理多个基于物理学的仿真器;以及
计算机将优化器与所述代理模型一起使用,以确定设计参数值的范围,在所述范围中,所述代理模型的输出与油气田传感器所测量的实时观测到的数据相匹配,其中,设计参数值的范围是通过产生错配函数确定的,错配函数表示代理模型的归一化输出与实时观测到的数据之差的平方,其中,错配函数包括以下公式:
其中wi是井i的权值;
wi是时间t的井的权值;
sim(i,t)是井i在时间t的仿真的或归一化值;以及
his(i,t)是井i在时间t的历史的或归一化值。
2.如权利要求1所述的方法,还包括:
利用所述代理模型,计算关于物理系统的设计参数的导数,以确定灵敏度;
利用所述代理模型,计算设计参数与所述至少一个仿真器的输出之间的相关性;
将来自所述代理模型的设计参数排序;以及
将所述至少一个仿真器中的生效的所选参数用于生产决策。
3.如权利要求2所述的方法,还包括:
利用决策管理系统应用,定义物理系统的多个控制参数以匹配实时观测到的数据;
针对所述设计参数的集合,自动执行所述至少一个仿真器,以产生一系列输出,所述输出表示生产预测,其中所述输出与储藏库、井、管道网络以及处理系统中的至少一个中的流体流相关联,并且所述输出至少包括以下各项:基于由决策管理系统应用所定义的渗透率值的范围的压力、油气流速、水流速和温度;以及
将特征数据收集到关系数据库中,所述特征数据包括与所述设计参数的集合相关联的值以及与所述至少一个仿真器的输出相关联的值。
4.如权利要求3所述的方法,还包括:
将所述设计参数中灵敏度不低于阈值的设计参数及其范围从所述代理模型中放入所述决策管理系统,灵敏度不低于阈值的设计参数是所述所选参数;以及
运行所述决策管理系统作为全局优化器,以使所述至少一个仿真器中的所选参数生效。
5.如权利要求1所述的方法,其中,在至少一个基于物理学的仿真器中建立物理系统的基本模型包括创建所述物理系统的数据表示,其中,所述数据表示包括储藏库、井、管道网络和处理系统中的至少一个的物理特征,所述物理特征包括储藏库的尺寸、储藏库中井的数量、井的路径、井的管道大小、管道形状、温度梯度、流体类型和与所述物理系统相关联的其他参数的估计数据值。
6.如权利要求1所述的方法,其中,通过实验设计过程,为所述物理系统的多个不确定参数中的每个不确定参数定义包括极端水平的边界限制和不确定性分布包括:利用正交阵列、阶乘、和Box-Behnken实验设计过程中的至少一种,以确定渗透率、断层导水系数、管孔体积和井表面参数的包括极端水平的边界限制和不确定性分布。
7.如权利要求1所述的方法,其中,利用所述代理模型来计算关于设计参数的导数以确定灵敏度包括:确定所述至少一个仿真器的输出关于所述一系列输入之一的导数。
8.如权利要求1所述的方法,还包括:从所述代理模型中除去被用户确定为对所述物理系统具有最小影响的设计参数。
9.如权利要求1所述的方法,其中,将优化器与所述代理模型一起使用以确定设计参数值的范围包括与优化器一起使用以下中的至少一个:神经网络、多项式展开、支持向量机和智能代理。
10.一种使用物理和代理仿真器的用于快速更新油气田生产模型的系统,包括:
用于在至少一个基于物理学的仿真器中建立物理系统的基本模型的装置,其中所述物理系统包括储藏库、井、管道网络和处理系统中的至少一个,其中,所述至少一个仿真器对储藏库、井、管道网络以及处理系统中的至少一个中的流体流进行仿真;
用于通过实验设计过程,为所述物理系统的多个不确定参数中的每个不确定参数的定义包括极端水平的边界限制和不确定性分布的装置,其中,不确定参数至少包括储藏库区域的渗透率参数、净值与总值之比参数、井表面参数、断层导水系数参数、垂直对水平的渗透率比参数和等待水泥粘合的时间“WOC”参数,其中,由边界限制和不确定性分布限定的不确定参数包括设计参数的集合;
用于利用决策管理系统应用,使用代理模型来调整数据,使其适合所述至少一个仿真器的输出的装置,所述数据包括一系列输入,所述输入包括与设计参数的集合相关联的值,其中,所述代理模型是对所述至少一个仿真器的代理,所述至少一个仿真器包括以下中的至少一个:储藏库仿真器、管道网络仿真器、过程仿真器和井仿真器,其中,所述代理模型用于同时代理多个基于物理学的仿真器;以及
用于将优化器与所述代理模型一起使用,以确定设计参数值的范围的装置,在所述范围中,所述代理模型的输出与油气田传感器所测量的实时观测到的数据相匹配,其中,设计参数值的范围是通过产生错配函数确定的,错配函数表示代理模型的归一化输出与实时观测到的数据之差的平方,其中,错配函数包括以下公式:
其中wi是井i的权值;
wt是时间t的井的权值;
sim(i,t)是井i在时间t的仿真的或归一化值;以及
his(i,t)是井i在时间t的历史的或归一化值。
11.如权利要求10所述的系统,还包括:
用于利用所述代理模型,计算关于物理系统的设计参数的导数,以确定灵敏度的装置;
用于利用所述代理模型,计算设计参数与所述至少一个仿真器的输出之间的相关性的装置;
用于将来自所述代理模型的设计参数排序的装置;以及
用于将所述至少一个仿真器中的生效的所选参数用于生产决策的装置。
12.如权利要求11所述的系统,还包括:
用于利用决策管理系统应用,定义物理系统的多个控制参数以匹配实时观测到的数据的装置;
用于针对所述设计参数的集合,自动执行所述至少一个仿真器,以产生一系列输出的装置,所述输出表示生产预测,其中所述输出与储藏库、井、管道网络以及处理系统中的至少一个中的流体流相关联,并且所述输出至少包括以下各项:基于由决策管理系统应用所定义的渗透率值的范围的压力、油气流速、水流速和温度;以及
用于将特征数据收集到关系数据库中的装置,所述特征数据包括与所述设计参数的集合相关联的值以及与所述至少一个仿真器的输出相关联的值。
13.如权利要求12所述的系统,还包括:
用于将所述设计参数中灵敏度不低于阈值的设计参数及其范围从所述代理模型中放入所述决策管理系统的装置,灵敏度不低于阈值的设计参数是所述所选参数;以及
用于运行所述决策管理系统作为全局优化器,以使所述至少一个仿真器中的所选参数生效的装置。
14.如权利要求10所述的系统,其中,在至少一个基于物理学的仿真器中建立物理系统的基本模型包括用于创建所述物理系统的数据表示的装置,其中,所述数据表示包括储藏库、井、管道网络和处理系统中的至少一个的物理特征,所述物理特征包括储藏库的尺寸、储藏库中井的数量、井的路径、井的管道大小、管道形状、温度梯度、流体类型和与所述物理系统相关联的其他参数的估计数据值。
15.如权利要求10所述的系统,其中,通过实验设计过程,为所述物理系统的多个不确定参数中的每个不确定参数的定义包括极端水平的边界限制和不确定性分布包括:用于利用正交阵列、阶乘、或Box-Behnken实验设计过程中的至少一种,以确定渗透率、断层导水系数、管孔体积和井表面参数的包括极端水平的边界限制和不确定性分布的装置。
16.如权利要求10所述的系统,其中,利用所述代理模型来计算关于设计参数的导数以确定灵敏度包括:用于确定所述至少一个仿真器的输出关于所述一系列输入之一的导数的装置。
17.如权利要求10所述的系统,还包括:用于从所述代理模型中除去被用户确定为对所述物理系统具有最小影响的设计参数的装置。
18.如权利要求10所述的系统,其中,将优化器与所述代理模型一起使用以确定设计参数值的范围包括用于将优化器与以下中的至少一个一起使用的装置:神经网络、多项式展开、支持向量机和智能代理。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US76397306P | 2006-01-31 | 2006-01-31 | |
US60/763,973 | 2006-01-31 | ||
PCT/US2007/002619 WO2007089829A2 (en) | 2006-01-31 | 2007-01-31 | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101379498A CN101379498A (zh) | 2009-03-04 |
CN101379498B true CN101379498B (zh) | 2012-05-30 |
Family
ID=38282805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007800041156A Expired - Fee Related CN101379498B (zh) | 2006-01-31 | 2007-01-31 | 使用物理和代理仿真器的用于快速更新油气田生产模型的方法和系统 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20070179767A1 (zh) |
EP (1) | EP1984860B1 (zh) |
CN (1) | CN101379498B (zh) |
AU (1) | AU2007211291B2 (zh) |
BR (1) | BRPI0706805A2 (zh) |
CA (1) | CA2640725C (zh) |
NO (1) | NO346634B1 (zh) |
WO (1) | WO2007089829A2 (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6853921B2 (en) | 1999-07-20 | 2005-02-08 | Halliburton Energy Services, Inc. | System and method for real time reservoir management |
FR2842321B1 (fr) * | 2002-07-11 | 2008-12-05 | Inst Francais Du Petrole | Methode pour contraindre un champ de permeabilite heterogene representant un reservoir souterrain par des donnees dynamiques |
US7584165B2 (en) * | 2003-01-30 | 2009-09-01 | Landmark Graphics Corporation | Support apparatus, method and system for real time operations and maintenance |
EP1999492A4 (en) * | 2006-01-20 | 2011-05-18 | Landmark Graphics Corp | DYNAMIC PRODUCTION MANAGEMENT SYSTEM |
ATE503913T1 (de) * | 2006-01-31 | 2011-04-15 | Landmark Graphics Corp | Verfahren, systeme und computerlesbare medien zur öl- und gasfeldproduktionsoptimierung in echtzeit mit einem proxy-simulator |
US8504341B2 (en) * | 2006-01-31 | 2013-08-06 | Landmark Graphics Corporation | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators |
US8352227B2 (en) | 2006-10-30 | 2013-01-08 | Schlumberger Technology Corporation | System and method for performing oilfield simulation operations |
US8412500B2 (en) | 2007-01-29 | 2013-04-02 | Schlumberger Technology Corporation | Simulations for hydraulic fracturing treatments and methods of fracturing naturally fractured formation |
US9135475B2 (en) | 2007-01-29 | 2015-09-15 | Sclumberger Technology Corporation | System and method for performing downhole stimulation operations |
US8775141B2 (en) | 2007-07-02 | 2014-07-08 | Schlumberger Technology Corporation | System and method for performing oilfield simulation operations |
FR2919932B1 (fr) * | 2007-08-06 | 2009-12-04 | Inst Francais Du Petrole | Methode pour evaluer un schema de production d'un gissement souterrain en tenant compte des incertitudes |
TW200916992A (en) * | 2007-08-14 | 2009-04-16 | Shell Int Research | System and methods for continuous, online monitoring of a chemical plant or refinery |
US20110161133A1 (en) * | 2007-09-29 | 2011-06-30 | Schlumberger Technology Corporation | Planning and Performing Drilling Operations |
AU2008323932B2 (en) * | 2007-11-10 | 2013-06-20 | Landmark Graphics Corporation, A Halliburton Company | Systems and methods for workflow automation, adaptation and integration |
AU2008338406B2 (en) | 2007-12-17 | 2013-09-12 | Landmark Graphics Corporation, A Halliburton Company | Systems and methods for optimization of real time production operations |
WO2009082545A1 (en) * | 2007-12-21 | 2009-07-02 | Exxonmobil Upstream Research Company | Detection of features in seismic images |
US8751164B2 (en) * | 2007-12-21 | 2014-06-10 | Schlumberger Technology Corporation | Production by actual loss allocation |
WO2009085395A1 (en) * | 2007-12-31 | 2009-07-09 | Exxonmobil Upstream Research Company | Methods and systems for determining near-wellbore characteristics and reservoir properties |
CA2720117C (en) * | 2008-05-05 | 2017-11-28 | Exxonmobil Upstream Research Company | Systems, methods, and computer program products for modeling dynamic systems by visualizing a parameter space and narrowing the parameter space |
US9228415B2 (en) | 2008-10-06 | 2016-01-05 | Schlumberger Technology Corporation | Multidimensional data repository for modeling oilfield operations |
US9703006B2 (en) | 2010-02-12 | 2017-07-11 | Exxonmobil Upstream Research Company | Method and system for creating history matched simulation models |
AU2010364957B2 (en) * | 2010-11-30 | 2015-04-23 | Landmark Graphics Corporation | Systems and methods for reducing reservoir simulator model run time |
CA2823116A1 (en) | 2010-12-30 | 2012-07-05 | Schlumberger Canada Limited | System and method for performing downhole stimulation operations |
EP3268911A4 (en) * | 2015-03-12 | 2018-08-08 | Kaplan Inc. | Course skill matching system and method thereof |
CA2991573A1 (en) | 2015-08-27 | 2017-03-02 | Halliburton Energy Services, Inc. | Predicting wellbore operation parameters |
CA2992710A1 (en) | 2015-08-27 | 2017-03-02 | Halliburton Energy Services, Inc. | Determining sources of erroneous downhole predictions |
US10876391B2 (en) | 2015-08-27 | 2020-12-29 | Halliburton Energy Services, Inc. | Tuning predictions of wellbore operation parameters |
TWI684080B (zh) * | 2018-06-21 | 2020-02-01 | 高聖精密機電股份有限公司 | 智慧型調整系統及其方法 |
US11719856B2 (en) | 2019-10-29 | 2023-08-08 | Saudi Arabian Oil Company | Determination of hydrocarbon production rates for an unconventional hydrocarbon reservoir |
US11977200B2 (en) * | 2021-01-07 | 2024-05-07 | Tata Consultancy Services Limited | System and method for real-time monitoring and optimizing operation of connected oil and gas wells |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5841678A (en) * | 1997-01-17 | 1998-11-24 | Phillips Petroleum Company | Modeling and simulation of a reaction for hydrotreating hydrocarbon oil |
US5992519A (en) * | 1997-09-29 | 1999-11-30 | Schlumberger Technology Corporation | Real time monitoring and control of downhole reservoirs |
US6088656A (en) * | 1998-11-10 | 2000-07-11 | Schlumberger Technology Corporation | Method for interpreting carbonate reservoirs |
US6442445B1 (en) * | 1999-03-19 | 2002-08-27 | International Business Machines Corporation, | User configurable multivariate time series reduction tool control method |
US6980940B1 (en) * | 2000-02-22 | 2005-12-27 | Schlumberger Technology Corp. | Intergrated reservoir optimization |
FR2818742B1 (fr) | 2000-12-22 | 2003-02-14 | Inst Francais Du Petrole | Methode pour former un module a reseaux neuronaux optimise, destine a simuler le mode d'ecoulement d'une veine de fluides polyphasiques |
US8612193B2 (en) * | 2002-05-21 | 2013-12-17 | Schlumberger Technology Center | Processing and interpretation of real-time data from downhole and surface sensors |
GB2398900A (en) * | 2003-02-27 | 2004-09-01 | Schlumberger Holdings | Identification of best production potential oil wells and identification of drilling strategy to maximise production potential |
WO2004095259A1 (en) * | 2003-03-26 | 2004-11-04 | Exxonmobil Upstream Research Company | Performance prediction method for hydrocarbon recovery processes |
US7835893B2 (en) * | 2003-04-30 | 2010-11-16 | Landmark Graphics Corporation | Method and system for scenario and case decision management |
FR2855631A1 (fr) * | 2003-06-02 | 2004-12-03 | Inst Francais Du Petrole | Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes |
FR2855633B1 (fr) * | 2003-06-02 | 2008-02-08 | Inst Francais Du Petrole | Methode d'aide a la prise de decision pour la gestion d'un gisement petrolier en presence de parametres techniques et economiques incertains |
-
2007
- 2007-01-31 BR BRPI0706805-0A patent/BRPI0706805A2/pt not_active IP Right Cessation
- 2007-01-31 CA CA2640725A patent/CA2640725C/en active Active
- 2007-01-31 US US11/669,911 patent/US20070179767A1/en not_active Abandoned
- 2007-01-31 NO NO20083664A patent/NO346634B1/no unknown
- 2007-01-31 CN CN2007800041156A patent/CN101379498B/zh not_active Expired - Fee Related
- 2007-01-31 WO PCT/US2007/002619 patent/WO2007089829A2/en active Application Filing
- 2007-01-31 AU AU2007211291A patent/AU2007211291B2/en not_active Ceased
- 2007-01-31 EP EP07762829.5A patent/EP1984860B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2007089829A3 (en) | 2007-10-18 |
NO20083664L (no) | 2008-10-14 |
US20070179767A1 (en) | 2007-08-02 |
AU2007211291A1 (en) | 2007-08-09 |
EP1984860A2 (en) | 2008-10-29 |
AU2007211291B2 (en) | 2012-03-22 |
EP1984860B1 (en) | 2022-06-15 |
BRPI0706805A2 (pt) | 2011-04-05 |
CA2640725A1 (en) | 2007-08-09 |
CN101379498A (zh) | 2009-03-04 |
WO2007089829A2 (en) | 2007-08-09 |
CA2640725C (en) | 2016-05-31 |
NO346634B1 (no) | 2022-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101379498B (zh) | 使用物理和代理仿真器的用于快速更新油气田生产模型的方法和系统 | |
CN101379271B (zh) | 使用代理仿真器的用于实时油气田生产优化的方法、系统和计算机可读介质 | |
US8504341B2 (en) | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
CA2693486C (en) | Valuing future information under uncertainty | |
AU2004237171B2 (en) | Stochastically generating facility and well schedules | |
US20160154907A1 (en) | Integrated network asset modeling | |
Haghighat Sefat et al. | Reservoir uncertainty tolerant, proactive control of intelligent wells | |
AU2014243757A1 (en) | A computer-implemented method, a device, and a computer-readable medium for data-driven modeling of oil, gas, and water | |
US20140303951A1 (en) | Integrated system for production design assistance | |
CN104541184A (zh) | 地下油回收优化的系统和方法 | |
CN105452598B (zh) | 选择和优化用于产量平台的油田控制的方法 | |
US20240044691A1 (en) | Flow meter calibration | |
CN117035151A (zh) | 基于lightGBM算法实现的不稳定注水工作制度优化方法及系统 | |
Katashov et al. | Digital platform as a tool for efficient reservoir management | |
Aljubran et al. | Surrogate-based prediction and optimization of multilateral inflow control valve flow performance with production data | |
US20240062134A1 (en) | Intelligent self-learning systems for efficient and effective value creation in drilling and workover operations | |
Al Yateem et al. | Flourishing Production Optimization thru the Development of an Enhanced Testing Validity Methodology | |
AISSANI | Field management and information system using integrated production system modeling to optimize Hassi Messouad field | |
MX2008009775A (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
MX2008009776A (es) | Metodos, sistemas y medios susceptibles de ser leido por computadora que optimizan la extraccion de yacimiento petrolifero y de gas en tiempo real utilizando un simulador proxy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 Termination date: 20170131 |
|
CF01 | Termination of patent right due to non-payment of annual fee |