CN102473232A - 优化井管理策略 - Google Patents

优化井管理策略 Download PDF

Info

Publication number
CN102473232A
CN102473232A CN2010800358609A CN201080035860A CN102473232A CN 102473232 A CN102473232 A CN 102473232A CN 2010800358609 A CN2010800358609 A CN 2010800358609A CN 201080035860 A CN201080035860 A CN 201080035860A CN 102473232 A CN102473232 A CN 102473232A
Authority
CN
China
Prior art keywords
objective function
time
cycle
strategy
optimizing
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
Application number
CN2010800358609A
Other languages
English (en)
Inventor
J·E·戴维森
F·卡瓦略
C·麦克泽尔
P·卢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ExxonMobil Upstream Research Co
Original Assignee
Exxon Production Research Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Exxon Production Research Co filed Critical Exxon Production Research Co
Publication of CN102473232A publication Critical patent/CN102473232A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Fluid Mechanics (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种地下区域的油田操作策略通过为地下区域设定初始的策略参数而被优化。模拟地下区域内的流体流动，其中所述模拟包括优化针对油田操作策略的目标函数，所述目标函数同时对应于所建模的地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数有关。优化针对油田操作策略的目标函数可以包括利用随时间推移优化技术优化针对地下区域的初始策略参数，其中策略参数被优化预定的策略周期。在预定的策略周期内的每个时步确定目标函数的增加值。针对预定的策略周期的经优化的策略参数可以用作在预定的策略周期内的每个时步确定目标函数的增加值时的约束。

Description

优化井管理策略
相关申请的交叉参考
本申请要求于2009年8月12日提交的标题为“optimizing wellmanagement policy”的美国临时申请61/233,362的权益，其全部内容通过引用并入本文。
技术领域
本说明书一般涉及油气开采，更具体地，涉及在油藏开发规划背景下优化井管理策略。
背景技术
开发和管理石油资源通常必需在许多年里进行大的经济投资，同时期望相应接收大的财务收益。石油贮藏产生收益还是亏损主要取决于对于油藏开发和管理实施的策略/战略和手段。油藏开发规划包括设计和/或选择在长期内将产生有利的经济结果的强健的策略和手段。
油藏开发规划可以包括做出关于尺寸、时间选择和开采平台的位置以及随后的扩展和连接的决策。关键决策可以包括在每个油田要打钻并且完成的井的数量、位置、平台的分配和时间选择。钻后决策可以包括确定多个井之间的开采速度分配。任意一个决策或行动均可以具有遍及系统的牵连，例如立刻和/或随着时间的推移穿过油藏传播积极的或消极的影响。前述的油藏开发规划的方面仅仅是石油资源管理人员面临的许多决策中的少数代表性决策，考虑到这些，人们可以理解规划的价值和影响。
基于计算机的建模为油藏开发规划保持显著的潜力，尤其是当与先进的数学技术组合起来时。基于计算机的规划工具支持做出好的决策。一种类型的规划工具包括基于处理不同的信息输入识别针对一组决策的最优解决方案的操作法。例如，示例性的最优模型可以工作来寻找从具有限定的约束组的已知可能中产生最佳结果的解决方案。因此，石油操作可以通过适当地应用用于优化石油资源的开发规划和管理的优化模型，尤其是包含在多年里对多个油气田做出的决策的那些模型，实现极大的经济收益。
典型的油藏模拟器对多孔介质中流体的开采、注入和潜流进行数字化建模。这些油藏模拟器也可以建模表面设施，例如，井、管道、阻流门和/或分离器中的流体流动。油藏工程师开发油藏模拟器中的油田操作策略和程序，然后它们被应用于正在被建模的实际油藏的操作中。模拟器使得工程师能够在把资源交付实际油田之前以数学模型评价不同的方案，并提高操作油藏的经济收益。例如，工程师可以通过尝试决策变量或独立变量的不同值而影响模型结果。例如，示例性的决策变量可以包括井位置和钻孔时间、要钻的井的类型、如何操作井，例如多大的速度、何种注入流体和/或何时进行修井，和/或在表面所需的设施尺寸。从数学的角度来看，在油藏模拟器中实施的油田操作策略可以包括一个(或若干)目标函数和可能的一个或更多个约束。例如，如以下公式1描述的：
max[J(u0，...，un)]
在以下条件下：
gn(xn+i，xn，un)＝0              公式1
cn(xn+i，un)≤0
L≤un≤U
J表示要被最大化的目标函数。目标函数是由数组un表示的在每个时步的控制参数的函数。油藏和设施的数学模型由g表示，并且描述油藏和设施的物理性质的公式服从在每个时步的公式。具体地，g是表示油藏的状态变量例如压力、温度、不同分子的量的数组，以及cn是在给定的时步n的约束数组。控制参数un服从上限和下限(U和L)。
通常写目标函数来描述要被最大化的某些理想的量，例如净现值(NPV)或开采流中油的流速。另一方面，约束描述可以限制目标函数的值的情况。约束可以应用于目标函数本身、决策变量、和/或由模型计算的次要量。某些约束是基于物理规律的，且不能被违反。例如，基于物理学的约束可以包括井中的压降和流速和表面设施的物理限制，并且在模拟中的每个时步应当遵守这些类型的约束。工程师通常增加额外的约束，例如最大耗气或耗水率、成分约束，例如含水率、油气比、H2S浓度、最小油速和最大水位下降压力。通常基于判断或经验设定这些工程约束的上限或下限。
典型的模拟器为工程师提供调整井速的方式，从而使服从约束的某目标函数最大化。某些油藏模拟器能够描述和执行定制的计算机函数形式的井管理策略。可以将在油藏模拟器中执行井管理策略时利用数学优化的不同技术划分为两个总体类别：时间指定优化和随时间推移优化。在指定时间优化的那些技术的目标函数和约束值均是基于在指定时间的模拟油藏和设施的条件(或状况)。因此，对于指定时间问题，公式1可以简化为：
max[J(un)]
在以下条件下：
gn(xn，un)＝0           公式2
cn(xn，un)≤0
LB≤un≤UB
然而，本发明的发明人已经确定指定时间优化技术不完全考虑到当前井速度将对将来的结果产生的影响。由于这个原因，时间指定的优化一般不会应用于井位置、井时间选择或注入。此外，在当前时间改变注入器的速度可能不会影响至未来的数天或数月的开采速度。因此，时间指定的优化一般只应用于通过改变井速度来最大化服从瞬时约束的开采速度。
随时间推移优化技术使目标函数最大化，考虑当前井设置对未来结果产生的影响。这种类型问题的目标函数和约束也可以包括随时间推移的效应。然而，本发明的发明人员已经确定随时间推移优化问题一般在大多数实际应用中难以解决。例如，必须知道目前做出的决策或变量改变对未来的影响。Zakirov等人在1996年9月3日-5日奥地利莱奥本(Leoben)的第五次关于Mathematics of Oil Recovery的欧洲会议提出的文献“Optimizing Reservoir Performance by AutomaticAllocation of Well Rates”中建议用于随时间推移优化在油藏模拟器中的井速度的数学技术。由Zakirov描述的技术利用共轭梯度技术解决受约束的优化问题，其中决策变量是每个井在每个时间的井底压力。例如，对于具有五个井的采用100时步的模型而言，Zakirov技术将使用500个未知量。进一步，许多优化算法需要目标函数的导数和关于决策变量的约束值。Zakirov利用伴随技术计算优化算法所需的导数。尽管Zakirov的伴随技术提供有效的方式计算偏微分方程(PDE)系统的导数，但是即使利用伴随矩阵，由于计算开销和所需的磁盘存储，计算实际问题的必要导数通常并不实用。
Sarma等人在2006年4月11日-13日荷兰阿姆斯特丹的SPEIntelligent Energy Conference and Exhibition的SPE99959，“ProductionOptimization with Adjoint Model under Non-Linear Control-State PathInequality Constraints”中描述了例如用于有效约束的约束块，并用最大方程的可微分近似值基本替换所有主动函数/激活函数(activefunction)。利用所述的Sarma技术来降低计算导数的成本。
Litvak等人在2007年2月26日-28日德克萨斯州休斯顿的SPEReservoir Simulation Symposium(SPE油藏模拟研讨会)的SPE 106426，“Field Development Optimization Technology”中描述了通过利用无导数的优化算法(遗传算法)避免生成导数的工作和成本的技术。然而，不使用导数的典型优化算法也需要许多函数求值(模拟运行)。在Litvak例子中，超过8000个油藏模拟被运行，例如单个油藏模拟可花费数小时或甚至数天来运行，这对于大多数实际模型而言将是非常不实际的。
Kraaijevanger等人在2007年2月26日-28日德克萨斯州休斯顿的SPE Reservoir Simulation Symposium的SPE 105764“Optimal WaterfloodDesign Using the Adjoint Method”中描述了通过产生控制间隔降低问题的规模。井速度限或压力限在控制间隔期间均保持恒定。然而，本发明的发明人员已经确定，当井在其物理限处工作时，该方法可以导致非物理的结果。
尽管这些前述的背景技术的随时间推移优化技术描述了在油藏模拟器中随时间推移计算最优井速度的方法，但是这些方法中的一个或更多个方法一般均应用于相对简单的油藏模型，例如，相对少的井和更小与简单的网格。在随时间推移优化技术中，必须找到满足公式1的在每个时步的井速度，以在简单情形中解决这个问题。此外，应当在每个时步遵守基于物理的公式和/或约束或是模拟器的特定运行将只有很少的价值或没有价值。如果存在额外的控制参数，例如当钻新的井或改变分离器压力时，问题会变得更加复杂。
发明内容
鉴于前述的讨论，本领域中明显需要一种改进的工具，其可以有助于油藏开发规划和/或可以提供关于油藏开发与资源管理的决策支持，例如，随时间推移有效地优化油田操作策略。下面方面中的一个或更多个方面包括能够结合油藏模拟或是在油藏模拟期间优化随时间推移井管理策略的一个或更多个方法、系统和/或计算机可读介质。
具体地，本发明的发明人员已经确定现有的随时间推移井管理优化技术，包括前述示例性的背景领域的技术，存在一些缺点。例如，关于前述随时间推移优化技术的问题源于必须在每个时步实施物理约束的事实。利用井速度、向下钻进设备和/或阻流门作为优化算法中的决策变量不能保证在全局优化算法中的模拟器每次运行的每个时步均遵守物理约束，例如，下游设施中的压力关系/流关系。因此，在优化过程可能消耗一个或更多个模拟。
尽管油藏模拟器在预测油田性能方面通常是充分的，但是当预测单独的井性能时油藏模拟器不总是精确的。当前的随时间推移优化技术产生井速度，或甚至是针对“智能”井的地带速度。然而，本发明的发明人员已经确定实际油田中的操作人员会从油田操作策略和规程获益，而不是从单独的井的指定井速度获益。关于使用伴随矩阵的随时间推移优化技术的另一个困难是必须存储大量数据。例如，在前述的背景领域的伴随矩阵技术中，必须存储每个井在每个时步的数据或是为检查点间隔存储数据，这可能是起阻止作用的。进一步，当在模拟中存在离散事件，例如当钻井或是关闭井时，使用利用伴随矩阵生成导数的技术将很可能失灵。
本发明的发明人员还已经确定现有的井管理技术优化受井管理策略规定的约束和行为支配的单独的井速度。然而，约束限制和随后的行为在大多数情况下将比单独的井速度对目标函数(例如净现值(NPV))产生更大的影响。
在一个通用的方面中，用于优化地下区域的油田操作策略的方法包括为地下区域设定初始策略参数。模拟地下区域内的流体流动，包括优化油田操作策略的目标函数。目标函数同时对应于所建模的地下区域内的一个或更多个井筒的流体流动特性，并与至少一个开采系统性能参数相关。优化油田操作策略的目标函数包括通过随时间推移优化技术优化地下区域的初始策略参数，其中策略参数被优化预定的策略周期；和在预定的策略周期内的每个时步确定目标函数的增加值。针对预定策略周期的经优化的策略参数作为随时间推移模拟中确定目标函数的增加值时的约束。
该方面的一个或更多个实施可以包括下面特征中的一个或更多个。例如，随时间推移优化技术可以包括从由模拟退火、遗传算法、基于模式的搜索、实验设计和/或其任何组合构成的组中选择的至少一个随时间推移优化技术。随时间推移优化技术可以包括针对策略周期的策略参数的无约束的、随时间推移优化。在每个时步确定目标函数的增加值包含利用指定时间优化技术在每个时步优化目标函数。指定时间优化技术可以包括优化的速度分配优化技术。在每个时步确定目标函数的增加值可以利用井管理逻辑。油田操作策略可以包括从以下项构成的组中选择的至少一个最优值的目标函数：随时间推移的井速度，例如以下中的一个或更多个：油田内开采区(开采地带)的开采速度、来自一个或更多个开采井的优先开采速度、油田内一部分的优先注入速度或进度(schedule)和/或其任意组合，所述开采井具有指定油气比(GOR)、特定的含水率、用于确定钻新的开采井或安装新的表面设施或地下设施的需要的期望开采能力。该方法可以包括在预定的策略周期内的每个时步执行额外的指定时步的油藏模拟计算。额外的指定时步的油藏模拟计算包含从由矩阵求解、流体特性计算和收敛检查构成的组中选择的一个或更多个计算。
在另一个通用方面中，用于通过混合优化技术优化随时间推移优化问题的方法，混合优化技术包括设定目标函数的初始约束和决策变量，目标函数限定与碳氢化合物和石化工业过程相关的随时间推移优化问题。目标函数是通过利用随时间推移优化技术优化目标函数的决策变量而被优化的，其中针对多个预定的策略周期的每个策略周期优化决策变量。在每个预定的策略周期内的每个时步确定目标函数的增加值，其中针对预定的策略周期的经优化的策略参数作为随时间推移模拟中确定目标函数的增加值时的约束。基于目标函数的确定值改变与碳氢化合物或石化工业过程相关联的过程控制。
这个方面的一个或更多个实施可以包括以下特征中的一个或更多个。例如，混合物优化技术可以包括针对每个预定的策略周期的策略参数的无约束的随时间推移优化。在每个时步确定目标函数的增加值包括利用指定时间优化技术在每个时步优化目标函数。
在另一个通用方面中，有形的计算机可读存储介质上包含计算机程序，当由处理器执行计算机程序时，计算机程序被配置为形成针对地下区域的经优化的油田操作策略，所述介质包含一个或更多个代码段，上述代码段被配置为设定地下区域的初始策略参数；模拟地下区域内的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应于所建模的地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数相关。用于优化油田操作策略的目标函数的代码段可以包括利用随时间推移优化技术优化地下区域的初始策略参数的代码段，其中策略参数被优化预定的策略周期；和/或在预定的策略周期内的每个时步确定目标函数的增加值的代码段。针对预定的策略周期的经优化的策略参数可以作为在预定的策略周期内的每个时步确定目标函数的增加值时的约束。
这个方面的一个或更多个实施可以包括以下特征中的一个或更多个。例如，介质可以进一步包括配置为利用指定时间优化技术在每个时步确定目标函数的增加值的一个或更多个代码段，其中随时间推移优化技术包括针对至少一个策略周期的策略参数的无约束的随时间推移优化。
在另一个通用的方面中，用于优化地下区域的油田操作策略的示例性系统包括处理器；可操作耦合到处理器的显示装置和可操作耦合到处理器的存储器。该处理器被配置为设定地下区域的初始策略参数；模拟地下区域内的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应于所建模的地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数相关。优化油田操作策略的目标函数可以包括将处理器配置为利用随时间推移优化技术优化地下区域的初始策略参数，其中针对预定的策略周期优化策略参数；和/或将处理器配置为在预定的策略周期内的每个时步确定目标函数的增加值，其中针对预定的策略周期的经优化的策略参数作为在预定的策略周期内的每个时步确定目标函数的增加值时的约束。
这个方面的一个或更多个实施可以包括以下特征中的一个或更多个。例如，该系统可以运转着/可操作连接与地下区域相关联的开采设施。该系统可以可操作地配置为存储和接收从开采设施收集的数据，并将指令发送至开采设施，用于调整与开采设施相关联的一个或更多个过程控制。
在另一个通用方面中，针对关于开发石油资源的决策支持的方法包括优化地下区域的油田操作策略。优化油田操作策略可以包括设定地下区域的初始策略参数；模拟地下区域内的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应于所建模的地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数相关。优化油田操作策略的目标函数可以包括利用随时间推移优化技术优化地下区域的初始策略参数，其中针对预定的策略周期优化策略参数；和/或可以包括在预定的策略周期内的每个时步确定目标函数的增加值，其中针对预定的策略周期的经优化的策略参数作为在预定的策略周期内的每个时步确定目标函数的增加值时的约束。可以提供基于经优化的油田操作策略生成的经优化的资源开发规划，以帮助根据经优化的资源开发规划从地下区域开采碳氢化合物。
这个方面的一个或更多个实施可以包括以下特征中的一个或更多个。例如，开采碳氢化合物可以包括基于经优化的油田操作策略调整与地下区域相关联的过程控制。经优化的油田操作策略可以包括从由以下项构成的组中选择的至少一个最优值的目标函数：例如以下中的一个或更多个：随时间推移的井速度、来自油田内开采区的开采速度、来自一个或更多个开采井的优先开采速度、油田内一部分的优先注入速度或进度和/或其任意组合，所述开采井具有指定的油气比(GOR)、特定的含水率、用于确定钻新的开采井或安装新的表面设施或地下设施的需求/需要的期望开采能力。
在另一个通用方面中，基于计算机或基于软件的方法可以提供关于开发一个或更多个石油油藏的决策支持。例如，该方法可以基于与油藏和/或操作相关的输入数据产生油藏开发规划。这种输入数据可以包含未知的或定义不清楚的流体动力特性、油藏的大小、当前的开发状态、当前的和计划的石油价格、钻进成本、每小时钻探时间的成本、地质数据、资本成本、当前的和计划的可用资源(人力、金融、设备等)和规章制度环境，用于指定一些代表性的可能。
在另一个通用方面中，用于油藏开发规划的方法包括接收与油藏开发规划相关的数据，其中该数据具有关联的不确定性。响应利用包含该不确定性的基于计算机的优化模型处理所接收数据而产生至少某个部分油藏开发规划。随时间推移显露不确定性，采取一个或更多个纠正的决策。
在另一个通用方面中，从地下油藏开采碳氢化合物的方法包括基于输入数据生成油藏开发规划系统。根据不确定性空间优化该油藏开发规划系统，其中利用基于马尔可夫(Markov)决策过程的模型优化油藏开发规划系统。根据来自经优化的油藏开发规划系统的输出从油藏中开采碳氢化合物。输入数据可以包括确定分量和非确定的分量。
本领域中的需求的任何前述讨论均是为了代表性的而非详尽的。处理一个或更多个这些需求或本领域中某些其他相关缺点的技术将有益于油藏开发规划，例如提供用于更有效和更有利地开发和管理油藏的决策或计划。本发明支持为开发和管理石油资源(例如石油油藏)做出决策、计划、战略和/或策略。
附图说明
图1是执行示例性的油藏模拟的示例性过程的流程图。
图2是具有耦合到不同表面设施的多个井筒的示例性开采系统的示意图。
图3是用于优化针对地下区域内油藏的井管理策略的示例性过程的流程图。
图4是可以在图3的过程中实施的示例性混合优化过程的流程图。
图5是用于油藏模拟和油田操作策略优化的示例性系统的示意图。
参考上述附图可以更好地理解本发明的许多方面。附图中所示的元件和部件并不需要按比例绘制，相反重点是要清晰地说明本发明的示例性实施例的原理。而且，可以扩大特定的维度，以便有助于视觉上地传达这些原理。在附图中，参考数字指定遍及数个视图的相似的或相应的但不是必须相同的元件。
具体实施方式
本发明的示例性实施例支持解决随时间推移优化问题，以开发用于给定油藏的井管理策略。本发明的发明人员已经确定油藏工程师更愿意依赖于油藏模拟器来开发给定油藏的井管理策略，例如，经模拟的油藏一般不会准确地预测实际油藏将会如何运转。具体地，油藏工程师将从用于开发油田操作或井管理策略(例如，当观察到某些状况时采取什么行动)的油藏模拟器中获益的多于从一组随时间推移的井速度中获益的。
参考图1，示例性的油藏模拟过程1根据实际油藏的模型的性能推断实际油藏或地下区域内的其他资源的行为。因为石油油藏中的质量转移和流体流动过程非常复杂，所以一般利用计算机执行油藏模拟。执行计算来模拟油藏的计算机程序或系统一般被称为油藏模拟器。油藏模拟的目标是充分地理解石油油藏中出现的复杂的化学、物理和流体流动过程，从而能够预测油藏的未来行为和使碳氢化合物的采收率最大。油藏模拟器可以解决一般以任何其他方法不可解决的油藏问题。例如，油藏模拟器可以预测油藏管理决策的结果。油藏模拟一般涉及油藏内流的流体动力学，但是从更广的意义来说，油藏模拟也涉及包括油藏、表面设施和任何相关的重要活动的整个石油系统。
图1包括石油油藏的示例性油藏模拟过程1中的四个基本步骤。在步骤5中，基于在油藏或其他含有碳氢化合物的地下区域和任何关联的表面设施(例如，诸如井筒、流动控制设备和/或平台的开采设施)中出现的化学、物理和流体流动过程构造真实油藏的数学模型。(若干)数学模型可以包括一组非线性的偏微分方程。在步骤6中，同时在时间和空间上离散化油藏。通过将油藏划分为合适的网格单元使空间离散化，每个网格单元具有一组非线性有限差分方程。在步骤7中，线性化出现在各个非线性有限差分方程中的任何非线性项，并基于该线性化构造线性代数方程，例如，在矩阵方程中组合(assembled)线性代数方程。在步骤8中，求解在矩阵方程中组合的线性代数方程。以一系列的时步继续模拟，并在每个时步迭代执行步骤7和步骤8。模拟提供油藏行为的预测，这使石油工程师能够预测油藏性能，包括可以开采油藏的速度。在模型已经经历模拟的采收过程之后，可以对照油藏的历史检查模型的精确性。
参考图2，示出了用于油藏的示例性石油开采系统50。开采系统包括多个井筒W，它们可以渗透相同的油藏或是多个不同的地下石油油藏(未示出)。通过本领域中已知的任何方式，井筒W耦合到不同的表面设施。每个井筒W可以利用每个井筒W与表面设施之间的液力联轴器(fluid coupling)中的流动控制设备C(例如可控制的阻流门、或相似固定的或可变的节流设备)耦合到不同的表面设施。流动控制设备C可以是本地或远程地可操作的。在图2中所示的示例性开采系统50中，一般通过东部分和西部分(例如，图2中所示的沿着虚线划分的)表征油藏。
表面设施可以包括，例如，开采聚集平台22、24、26、28、30、32和33，其中可以收集、存储、混合和/或远程控制来自井筒W中一个或更多个的产品。在该背景中的控制是指使来自每个井筒W的流体流动速度被有选择地调节或停止。从每个井筒W中开采的流体直接耦合可以包括分离器S的石油流体处理设备，或是混合来自所选的其他井筒W的开采流体。分离器S可以是本领域中已知的任何类型的分离器，并且一般用于将从井筒W抽取的流体与气体、油和沉积物与水分离。每个分离器S可以具有气体输出13、液体油10的输出和水与沉积物12的输出。液体油10输出和水与沉积物12输出可被耦合到放置在平台22、24、26、28、30、32和33中一个或更多个上的存储单元或存储箱(未示出)，或液体输出10、12可以耦合到管道(未示出)，用于传输至远离井筒W位置或平台22、24、26、28、30、32和33的位置。气体输出13可以在平台之一(例如，平台26)直接耦合或混合串联的压缩机14、16，然后耦合到终端18，用于传输至本身可以位于平台上或在远程的物理位置的销售线(未示出)或气体处理厂20。
如图2中所示，平台22、24、26、28、30、32和33与所有相关联的井筒W和中间组件，例如流动控制设备C和分离器S，可以用开采地带可选地表征，例如，地带A包括平台22和平台28；地带B包括平台32；地带C包括平台24；地带D包括平台30；地带D包括平台30；和地带E包括平台33。替代地，平台26和可操作连接的平台22、24、28、30、32和33中的每个平台也可以表征为单个地带，每个前述的平台作为可操作地连接平台26的开采子带(A-E)的部分。本领域中已知的是气体处理厂用于将杂质和气体液体从“分离的”气体(从例如一个分离器S的设备中抽取的气体)中移除。平台22、24、26、28、30、32和33中的任何一个或全部也可以包括控制设备，用于调节从相应平台传递至分离器S、管道(未示出)或压缩机14和16的流体的总量，包括气体。
图2中所示的开采系统50只是可以与前述实施例的技术中一个或更多个技术结合起来使用的开采系统和其元件类型的一个例子。例如，前述实施例的一个或更多个技术可以包括建模和模拟开采系统中的各种单独子组件和/或多达并且包括整个开采系统50的组件的组合的流体流动特性。因此，在这个上下文中的“组件”是指井筒W和/或表面设施的一个或更多个组件两者。因此，在下文中描述的实施例的示例性技术并不意图限于与必须包括和/或排除图2中所示示例性系统的任何一个或更多个组件的开采系统50一起使用。
参考图2，由于可以操作某些井筒W而从一个或更多个地下油藏(未示出)中提取特定量(以选择的速度)的流体，不同数量的气体、油和/或水将以一定的速度流入这些井筒W中，该速度可以通过油藏质量平衡和动量平衡方程的解进行估算。这些质量平衡和动量平衡方程在本领域中用于估算井筒产量是众所周知的。流体流动速度取决于地下油藏中的相对流体流动性与特定一个井筒W和油藏(未示出)之间的压力差。在本领域中众所周知的是，当有选择地控制任意一个或更多个井筒W时，例如通过操作其相关联的流动控制设备，从每个这样的井筒W开采各种流体的速度将既即时地改变也随时间推移而改变。
如本领域中众所周知的是，来自每个井筒W的流体产量随时间推移的变化与当以已知的速度提取流体时的油藏中的压力变化和流体含量分布变化相关。利用本领域中已知的质量平衡和动量平衡方程也可以计算流体流动速度的这些变化。流体流动速度的这些变化将对表面设施的不同组件(包括例如，压缩机14、16和分离器S)的操作产生影响。应当注意的是，在示例性的开采系统50中，任意一个或更多个井筒W可以是注入井，例如，注入井是指不从该井筒中提取流体，而是流体被抽吸进该井筒中。如本领域中众所周知的是，抽吸进井筒的流体，一般是用于流体的处理或用于提供压力给地下油藏(未示出)。作为实际问题，注入井(注入物进入油藏之一的地方)和开采(流体提取)井筒之间的主要差别在于，对于油藏模拟目的而言，注入井将充当进入油藏的压力的源而不是来自油藏的压力降。
参考图2到图3，描述的一个或更多个实施例与为井管理策略解决随时间推移优化问题相关，例如不一定是单独的随时间推移的井速度。例如，参考图2，典型的油田操作策略可以包括以下中的一个或更多个：最大化来自第一地带(例如，连接平台28(地带A)的井筒W)的油速度直到第一上限(上限1)；最大化来自第二地带(例如，连接平台32(地带B)的井筒W)的油速度直到第二上限(上限2)；约束气体速度到上限(上限3)；优选地开采具有低油气比(GOR)的井；当井W达到特定的含水率时，例如0.95，彻底检查这些井W；当产能比降低到X以下时，钻新的开采井；对于开采的第一个n年在油田的东部分中注入采出气，然后在西部分中注入水；和/或投入压缩机14、16，并且当产油速度降低到速度r以下时，例如，50000桶/天时，将销售气转移至气举器(gas lift)。该策略指定的行为受制于正在观察的某些状况、一段时间、分配方法或油藏区域。考虑到该概念，本发明的发明人员已经确定要解决的问题是井管理策略随时间推移优化，而非单独的随时间推移的井速度的优化。
现在参考图3，在下文中将更详细地描述优化用于地下区域内油藏(例如，图2的开采系统50)的井管理策略的示例性过程100。具体地，过程100整合解决针对地下区域内开采系统(例如，图2中的系统50)的随时间推移优化问题的混合优化方法。例如，为开采系统建立任何表面设施方程和/或油藏方程，并设定表面设施和/或油藏中的初始状况，例如，取决于是否要优化的井管理策略是否涉及表面设施、油藏、表面设施和/或油藏的组件和/或其任意的组合。在步骤110中，工程师提供初始的井管理策略参数，例如，由过程100正在优化的井管理策略的初始策略参数。在步骤120中，向前及时地运行油藏模拟。在步骤130中，例如，在油藏模拟期间，实施混合优化程序，该程序允许解决随时间推移优化问题和指定时间优化问题，同时满足基于物理的约束和策略参数。
混合优化程序130包括在策略周期解决随时间推移井管理问题，例如，将整个模拟周期划分为井管理策略周期，和在时步解决指定时间井管理问题，例如，每个策略周期将包括多个时步。在模拟中的每个时步，利用指定时间优化技术解决井管理问题。因此，物理约束被遵守，并且通过在每个时步利用指定时间优化技术解决井管理问题在每个时步实施策略和行为。然而，对于策略周期而言，利用随时间推移优化技术解决井管理问题，其中决策变量是策略中限定的约束的上限和/或下限。通过选择约束值作为随时间推移优化中的决策变量，并不基于经验知识或预想的想法限制解空间，而是给优化器提供更大灵活性来确定更好的解。
例如，优化算法通常是找到不是工程师最初预料的更好的解或是表明需要额外的约束。因此，随时间推移优化算法中的不基于物理学的约束限制被优化。当已知不能违反特定的约束时，则认为它不是决策变量。在步骤130中，模拟的时间被划分为策略周期(k)，且随时间优化每个策略周期(k)的策略参数。针对每个策略周期随时间优化的策略参数然后被设定为指定时间井管理问题的约束限制。在给定的策略周期内，通过指定时间优化或管理技术，例如，传统的井管理逻辑或时间指定优化，在每个时步实施策略。参考公式1，随时间推移的策略优化可以由公式3数学地表示：
随时间推移的策略优化：公式3
max[J′(L0...Lk，U0...Uk)]
服从以下条件：
LB≤Lk≤UB
LB≤Uk≤UB
其中Lk和Uk表示针对指定时间问题的策略周期k中的约束或策略触发点的下限和上限，并且J’是包括公式1中的油藏模拟器表达式的随时间推移目标函数。
然后，对于策略周期(k)中的每个时步而言，通过传统的时序逻辑方法或通过利用指定时间优化方法可以解决井管理问题。例如，一旦策略参数被优化，就为指定时间问题设定策略周期k中的约束或策略触发点的下限Lk和上限Uk，且每个策略周期k内的指定时间优化问题可以表述为公式4：
指定时间   公式4
max[J′(un)]
服从以下条件：
gn(xn，un)＝0
Lk≤cn(xn，un)≤Uk
LB≤un≤UB
在步骤150中，对目标函数和根据优化程序130已经确定的任何相关导数求值。在步骤160中，确定优化器是否已经收敛。当优化器达到收敛时，确定目标函数的最优值。当确定目标函数的最优值时，由目标函数表示的系统性能参数是最优值。如果未确定目标函数的最优值，例如，无收敛，那么生成新的策略参数，并且重复在步骤120开始的过程100直到利用优化器解决了策略参数(在每个策略周期)和井管理问题(在每个时步)且获得目标函数的最优值，例如收敛。尽管混合优化程序130在图3和图4中表示为单独的步骤，例如可以包含在与实际油藏模拟器分离的存储介质上，但是本领域的技术人员将理解实际上可以执行所有程序130的一个或更多个或全部子步骤例如作为模拟步骤120的部分，因此将它们合并到整个油藏模拟器系统。
在步骤150中，计算目标函数。目标函数可以是工程师选择的任何事，例如对于典型的随时间推移问题是净现值(NPV)。NPV的计算可以具有许多假设，且细节水平也因不同工程师而改变。然而，典型的NPV计算将包括油流和气体流的价值减去处理水流的成本。如果钻井的成本、执行维修的成本、安装压缩机和/或分离器的成本和税收均包括在计算中，那么将会有额外的复杂性。所有这些量均可以通过货币的时间价值求和以及适当地加权。替代地，另一个目标函数可以是来自油藏的累积油回收。导数计算包括确定目标函数对随时间推移决策变量的敏感性，这可以通过许多方式实现。例如，一个相对简单的方法是使用有限差分分析。然而，混合优化过程的优势之一是不需要为每个随时间推移的决策变量计算导数，例如，因为只有那些主动的决策变量才影响指定时间问题。具体地，不影响指定时间问题的随时间推移的决策变量将必然地具有为零的导数。因此，导数计算不一定取决于所选的超时算法。
在步骤160中，工程师可以选择确定优化器是否已经收敛的各种方法中的一种或更多种。例如，可以确定收敛，如果目标函数处于最大界限，例如，目标函数是充分高的NPV。替代地，利用每个连续计算充分减慢或中止目标函数的期望改进，例如，利用最新近的计算已经实现的数学最优性的期望程度。
图4是可以在图3的过程中实施的示例性混合优化过程130的流程图。参考图4，示例性的混合优化过程130可以包括以下步骤，这些步骤可以通过含有构造为执行过程130的解算法的优化器执行。在步骤132中，模拟时间被划分为策略周期(k)，例如，预定持续时间的策略周期，例如将策略周期(k)划分为四个相同持续时间的策略周期。策略周期(k)设定用于执行无约束的、随时间推移优化的时间周期。在步骤134中，优化器确定模拟时间是否结束，例如，是否已经将所有时步和策略周期运行了模拟时间周期。如果优化器确定模拟时间周期结束，那么过程进行至步骤150，例如，对目标函数和任意导数求值，并在步骤160中估算收敛。
如果优化器确定模拟时间周期未结束，那么过程进行至步骤136，其中设定各个策略周期的初始策略参数，例如，执行无约束的、随时间推移优化来确定策略参数，以充当策略周期内每个时步处指定时间优化中的约束。在步骤136中，如果策略周期未结束，那么为每个时步(步骤138)执行指定时间优化或井管理解决方案，例如，其中由步骤136中随时间推移优化确定针对指定时间优化的约束。解决井管理问题，从而同时满足基于物理的约束和策略参数。然后，在步骤138中，也执行任何额外的时步计算，例如一般可以利用油藏模拟器的计算，包括矩阵解、特性计算和收敛检查。对于每个随后的时步连续地执行步骤137-步骤139，直到井管理策略周期完成。在步骤134中，一旦确定井管理策略周期要完成，例如步骤134中，优化器就确定模拟时间周期是否结束。如果优化器确定模拟时间周期未结束，那么开始新的策略周期，并且对于新的策略周期重复执行如上所述的过程步骤136-139。如果优化器确定模拟时间周期结束，那么过程进行至步骤150，例如，对混合优化程序130提供的目标函数和导数求值。
本发明的发明人员已经确定以这个二级方法用公式表示井管理随时间推移问题存在许多优势。首先，通过在每个时步求解指定时间问题，可以确保遵守所有基于物理的约束。相比之下，试图求出在每个时步的全局最优井速度的井管理优化方法将难以产生总是遵守物理定律的模拟。第二，策略周期的外优化循环，例如，随时间推移优化问题，是无约束的优化问题。相反，所有约束在时间指定问题处被处理。因此，容易在策略参数上实施界限，而不引入优化约束。通过前述的实施例，优化器可以包括不同的优化算法。例如，通过在外部优化问题中不具有约束，为油藏工程师在选择优化算法方面提供更大的灵活性。前述的过程也降低了随时间推移优化问题的计算复杂性，例如，通过不需要生成和存储同样多的导数信息。
替代地，前述的混合优化方法可以应用于其他过程模拟的优化，例如，包括那些与油气勘探和开采无关的任何过程，诸如复杂的制造过程，其中在模拟过程期间需要调整控制参数。
在前述的实施例中，随时间推移优化问题的规模不像其他的随时间推移优化算法那样受到井的数量和模拟中的时步数量的约束。因此，工程师可以通过增加策略周期的大小和限制要被优化的策略参数的数量而限制决策变量的数量。最初的筛选运行可以用于确定哪些策略参数最影响整体结果，因而去除较少影响整体结果的那些策略参数。因为前述的实施例减少了随时间推移优化问题中的决策变量的数目，所以可以使用无导数的算法，例如，一般不具有离散事件(如钻井或维修井或是通常在井管理策略中做出的其他二元决策)方面的问题的算法。
可以在过程100中使用的示例性算法包括但不限于模拟退火、遗传算法、基于模式的搜索和/或实验设计。指定时间优化问题可以通过多种技术解决。例如，指定时间优化问题可以利用经优化的速度分配技术解决，例如在2008年5月27日授权的标题为“Method for EnhancingProduction Allocation in an Integrated Reservoir and Surface FlowSystem”的美国专利7,379,853(Middya)中描述的技术，其整个内容通过引用并入本文。具体地，美国专利7,379,853描述了用于提高流体流动速度在耦合到表面设施的多个井筒之间的分配的一个或更多个示例性方法，更具体地，描述了优化对应于所建模的开采系统的流体流动特性的目标函数从而确定增加值的例子。连同任何表面设施一起，建模井筒和井筒渗透的至少一个油藏的流体流动特性。操作优化器以确定目标函数的增加值。目标函数同时对应于所建模的井筒和/或表面设施的流体流动特性。目标函数也涉及一个或更多个开采系统参数，例如最大采油率。
指定时间问题可以可替代地由井管理逻辑解决，例如于2007年1月4日作为WO2007/001604公开的对应于美国专利申请11/922,720(Do等人的)、标题为High-Level Graphical Programming Language and Toolfor Well Management Programming的国际专利申请号PCT/US2006/015385。在公开WO2007/001604中，描述了将井管理编程技术或井管理逻辑技术整合为油藏模拟程序的例子，当求解前述的实施例中描述的指定时间问题时，以上例子可以结合到上述的实施例中。
例如，前述的混合优化技术可以直接结合到油藏模拟过程中。用于创建充分表征例如地下和任何相关表面设施中的岩石特性和流体特性的油藏模拟模型的(若干)计算机程序也可以用于响应移除适于销售的流体和在某些情况中用价值较小的流体替代适于销售的流体从而维持压力的规划的井操作而计算模拟模型随时间的演变。优化器可以直接结合到油藏模拟计算机程序中。典型的油藏模拟模型是通过将感兴趣的量细分(离散化或网格化)为大量的多面单元而建立的。单元的数量一般在数万到数百万的范围内。与油和气进行压力传递的水和油气积累的程度区域地并且垂直地限定感兴趣的量。面积可以是几平方英里，并且厚度可以是数百甚至是数千英尺。模拟单元的状态是由其压力和内容限定的，也就是，单元内油、气和水的量。模拟的目标是计算单元的状态通过时间的演变。可以通过初始状态和通过依赖时间的经由井从系统移除流体(开采)或将流体加入(注入)系统来控制该演变。
由于一对邻近的单元之间或单元和井之间的流体流动，单元的状态及时改变。流体从高压力向低压力流动。经由穿透多孔渗水且可渗透的岩石的井筒从油藏移除流体(开采)或将流体加入油藏(注入)引起压力梯度。在油藏内，流体聚集于(流向)开采井筒上并且从注入井筒分开(流动离开)。在示例性的有限差分油藏模拟模型的背景中，计算若干对邻近单元之间的流体流动、针对井筒渗透的单元的流体流动、单元与井筒之间的流体流动。为了建模流体流动，为单元写出相关方程的近似形式，从而表达质量守恒与相流动速度和压力差之间的关系。针对单元的集合的这些方程的同时(近似)解在单个时间产生每个单元的压力和含量(content)。可以求解这些方程以确定服从限制条件的油藏在每个时间点的状态，例如汇项和源项，它们描述了多少流体被注入位于模拟模型中不同位置的井中或被从这些井中移除。
当运行模拟研究时，表示井操作速度的汇项和源项可以被进行不同的设定。首先，可以利用历史匹配过程验证模拟模型。为了确保模拟模型很好地表示了实际油藏，利用历史性能数据校准模拟模型，所述历史性能数据通常包括在所产出的流体体积的规则间隔的测量值和井中压力的周期性测量值。在这个阶段，利用所采集的井速度的数据指定源项和汇项。然后，执行模拟模型，并将油藏特性调整至符合从油田观察到的数据。
在验证模拟模型之后，然后模拟模型可以用于提供预测，从而预计将来的油藏性能和井性能。在该操作模式中，可以指定汇项和源项，尽管对于未来的日期，不可获得井速度数据。该模拟模型可以用于研究许多可能的预测情况。对于每种情况而言，可以为限制条件组选择某些设定，从而研究用于操作油藏的可能策略和遵守各种操作约束。无论是在历史匹配模式中或是在预测模式中，选择和指定限制条件以操作模拟模型均不是简单的过程，并且在许多情形中，可以包括大量的编程。在预测模式中，通常利用编程来设定井速度和限制条件。用于为模拟模型设定这些井速度和限制条件而写的程序通常被称为井管理逻辑或井管理程序。同样地，井管理程序是用于求解油藏方程的油藏模拟程序的额外组件。
井管理程序一般被设计为灵活的，并且用于处理许多类型的油藏需求。程序一般包括为了分析施加于设施上的约束和需求的目的，以预定序列可执行的许多步骤或代码块。如果违反任何约束，程序可以执行一系列调整来修改井操作条件，直到不再违反约束。对于每个约束违反而言，可以进行许多调整，并且许多不同的井可以用于调整的候选。在开发和编码井管理程序之后，一般将井管理程序编译并且和其余的油藏模拟器代码链接，并且作为结果的组合软件包被用于对油藏做出预测研究。
因此，前述实施例的一个或更多个可以利用编程的解决方案，例如在基于开发由图形界面支持的组件层以产生高级编程方法的公开WO2007/001604中进一步详细描述的解决方案。利用特定的高级语言通过图形环境可以产生针对上述优化过程100的示例性计算机程序。然后，作为结果的程序被转换为低级编程语言，例如C++、FORTRAN等，这些低级编程语言稍后被编译并且链接到油藏模拟程序。
总而言之，本发明的发明人员已经确定前述的混合优化技术是对背景技术的一个或更多个方法的改进，因为混合优化技术在实际油藏模拟中起作用、生成可以更容易转化为实践的经优化的井管理策略、处理几乎存在于每个油藏模拟模型中的不连续、使得容易改变模型的大小以便只优化大部分的控制参数和/或解决方法确保在每个时步遵守所有的物理约束。
此处所使用的术语“最优的(optimal)”、“优化(optimizing，optimize，optimization)”、“最优性(optimality)”(以及这些术语的衍生物和其他形式和语言学上相关的词语和短语)不是为了限制要求本发明找到最佳解或做出最佳决策。尽管数学上的最优解可以事实上达到所有数学可获得的可能的最佳值，但是优化程序、方法、模型和过程的现实世界实施例可以朝着这样的目标努力，而实际上不会达到完美。因此，受益于本公开的本领域的普通技术人员将理解，这些术语在本发明的范畴的背景中是更通用的。术语可以描述寻找可以是最佳可用解、首选解或是提供约束范围内特定益处的解的解的工作；或连续地改进或改善；或搜索目标的高点或最大值；或进行处理从而降低补偿函数等。
在某些示例性的实施例中，优化模型可以是包含以下项的函数和方程的代数系统：(1)可以被限制在特定域范围的连续或整数簇的决策变量；(2)基于输入数据(参数)和决策变量的约束方程，所述输入数据(参数)和决策变量限制限定正在被处理的优化问题的可行性的一组指定条件内的变量的活动性；和/或(3)基于通过最大化目标函数或最小化目标函数而正在被优化的输入数据(参数)和决策变量的目标函数。在某些变形中，优化模型可以包括不可微分的、黑盒和其他非代数函数或方程。
可以实施示例性的油藏模拟器和优化器，例如，使用一个或更多个通用计算机、专用计算机、模拟处理器、数字处理器、中央处理单元和/或分布式计算系统。例如，油藏模拟器可以包括计算机可执行的指令或代码。油藏模拟器的输出可以包含显示在图形用户界面(GUI)上的结果、数据文件、诸如光盘或磁盘的介质上的数据、纸质报告或传输至另一个计算机或另一个软件程序的信号(不是详尽的清单)。
参考图5，本发明的实施例可以在由计算机网络300支持的示例性的油藏模拟系统中实施。计算机网络300包括一个或更多个系统计算机330和相关联的客户端设备(未示出)，其可以实施为任何常规的个人计算机或工作站，例如基于UNIX的工作站。系统计算机330与磁盘存储设备329、331和333进行通信，所述磁盘存储设备可以是外部的硬盘存储设备。设想的是，磁盘存储设备329、331和333均是常规的硬盘驱动器，以及同样地，将通过局域网或通过远程访问实施。当然，尽管磁盘存储设备329、331和333被示出为分离的设备，但是单个磁盘存储设备可以用于根据需要存储程序指令、测量数据和结果中任何和所有内容。
在一个实施例中，输入数据存储在磁盘存储设备331中。系统计算机330可以从磁盘存储设备331中获取合适的数据，从而根据对应于此处所述方法的程序指令求解隐式的油藏模拟和优化方程。可以以计算机编程语言编写程序指令，例如C++、Java等。程序指令可以存储在计算机可读存储器中，例如程序磁盘存储设备333。当然，存储程序指令的存储介质可以是用于存储计算机程序的任何常规类型的存储介质，包括硬盘驱动器、软盘、CD-ROM和其他光学介质、磁带等。
根据优选的实施例，系统计算机330主要在图形显示器327上显示输出，或是通过打印机328给出输出。系统计算机230可以将上述方法的结果存储在磁盘存储器329上，用于稍后的使用和进一步的分析。系统计算机330配备有键盘326和定点设备(例如，鼠标、轨迹球等)，从而能够进行交互操作。系统计算机330可以位于远离(若干)油藏或地下区域的数据中心。虽然图3示出磁盘存储器331直接连接系统计算机331，但是也考虑的是，磁盘存储设备331是可以通过局域网或通过远程访问可访问的。而且，尽管磁盘存储器329、331被示出为分离的设备，用于存储输入数据和分析结果，但是磁盘存储设备329、331可以在单个的磁盘驱动器中实施(和程序磁盘存储设备333一起或与程序磁盘存储设备333分开)，或是以本领域的技术人员参考这个说明书将可以完全理解的任何其他常规的方式实施，。
油藏模型和油藏模拟器可以用于模拟油藏的操作，因而允许对在碳氢化合物油藏、井和相关表面设施中流动的流体、能量和气体建模。油藏模拟是油藏优化的一部分，油藏优化还包括构造数据来精确地表示油藏。示例性的模拟目标包含理解地层流型，从而优化用于从某些井和表面设施中开采碳氢化合物的某些策略。模拟通常是耗时的迭代过程以降低关于特定油藏模型描述的不确定性，同时优化开采策略的一部分。油藏模拟例如是一种计算的流体动力学模拟。油藏模型和油藏模拟器可以进一步用于优化相应的油藏、井和相关表面设施的设计和操作。
前述实施例中的一个或更多个可以包括可以用计算机和/或人工操作实施的多个过程。可以用一个或更多个体现此处所述和附图中示出的某些功能的计算机程序实施前述的技术。然而，应当明显看出，存在通过利用计算机编程、人工地、不基于计算机的机器或是计算机和人工实施的组合实现本发明的方面的许多不同方法。进一步，普通编程人员将能够基于本公开和此处给出的教导毫不困难地且不会过度实验地编写出这种计算机程序。因此，公开特定组的程序代码指令被认为对于充分理解如何产生和使用前述的实施例是不必要的。本发明的任何编程方面的发明功能将在下面的说明书连同示出功能和程序流程和过程的附图中进一步详细说明。
在不同的示例性实施例中，可以利用诸如AIMMS、GAMS、AMPL、OPL、Mosel的数学编程语言或系统或是利用诸如C++、Java或其组合的计算机编程语言实施过程100的一个或更多个方面。可以在数学编程语言中或是直接利用计算机编程语言或利用商售软件工具的支持开发解决方案程序。例如，数学编程语言和计算机编程代码编译器的商用的和开放源代码版本一般是可获得的。
应当理解，可以对前述的内容做出改变而不偏离本发明的范畴和精神。尽管已经示出和描述了本发明的说明性实施例，但是，广泛的更改、改变和替代也在前述公开的预计中。在某些情况中，可以使用本发明的某些特征，而不相应地使用本发明的其他特征。因此，广泛地并且以与本发明的范畴和精神一致的方式解释所附权利要求是合适的。

Claims (20)

1.一种用于优化针对地下区域的油田操作策略的方法，所述方法包含：
为所述地下区域设定初始策略参数；
模拟地下区域内的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应所建模的所述地下区域内一个或更多个井筒的流体流动特性，并与至少一个开采系统性能参数相关，其中优化所述油田操作策略的目标函数包含：
利用随时间推移优化技术优化所述地下区域的所述初始策略参数，其中针对预定的策略周期优化所述策略参数；和
确定所述目标函数在所述预定的策略周期内每个时步的增加值，其中针对所述预定策略周期的经优化的策略参数用作在随时间推移模拟中确定所述目标函数的增加值时的约束。
2.根据权利要求1所述的方法，其中所述随时间推移优化技术包含从由以下各项构成的组中选择的至少一个随时间推移优化技术：模拟退火、遗传算法、基于模式的搜索、实验设计和其任意组合。
3.根据权利要求1所述的方法，其中所述随时间推移优化技术包含针对所述策略周期的策略参数的无约束的随时间推移优化。
4.根据权利要求1所述的方法，其中确定所述目标函数在每个时步的增加值包含在每个时步利用指定时间优化技术优化所述目标函数。
5.根据权利要求4所述的方法，其中所述指定时间优化技术包含经优化的速度分配优化技术。
6.根据权利要求5所述的方法，其中确定所述目标函数在每个时步的增加值利用井管理逻辑。
7.根据权利要求1所述的方法，其中所述油田操作策略包含针对至少一个最优值的目标函数，所述至少一个最优值从由以下项构成组中选择：随时间推移的井速度、来自所述油田内的开采地带的开采速度、来自一个或多个开采井的优先开采速度、所述油田内一部分的优先注入速度或进度和上述任意的组合，所述开采井具有指定油气比、特定的含水率、用于确定钻新的开采井或安装新的表面设施或地下设施的需求的期望开采能力。
8.根据权利要求1所述的方法，进一步包含在所述预定的策略周期中的每个时步执行额外的指定时步的油藏模拟计算。
9.根据权利要求9所述的方法，其中所述额外的指定时步的油藏模拟计算包含从由矩阵求解、流体特性计算和收敛检查构成的组中选择的一个或更多个计算。
10.一种利用混合优化技术优化随时间推移优化问题的方法，所述混合优化技术包含：
为目标函数设定初始约束和决策变量，所述目标函数限定涉及碳氢化合物或石化工业过程的随时间推移优化问题；
通过利用随时间推移优化技术优化所述目标函数的决策变量来优化所述目标函数，其中针对多个预定的策略周期中的每个来优化所述决策变量；
在每个所述预定的策略周期内的每个时步确定所述目标函数的增加值，其中针对该预定的策略周期的经优化的策略参数用作在随时间推移模拟中确定所述目标函数的增加值时的约束；和
基于所述目标函数的确定值改变与所述碳氢化合物或石化工业过程相关联的过程控制。
11.根据权利要求10所述的方法，其中所述混合优化技术包含针对每个所述预定的策略周期的策略参数的无约束的、随时间推移优化。
12.根据权利要求11所述的方法，其中在每个时步确定所述目标函数的增加值包含利用指定时间优化技术在每个时步优化所述目标函数。
13.一种其上包含计算机程序的有形计算机可读存储介质，所述计算机程序被配置为当由处理器执行时形成针对地下区域的经优化的油田操作策略，所述介质包含一个或更多个代码段，所述代码段被配置成：
为所述地下区域设定初始策略参数；
模拟地下区域内的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应于所建模的所述地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数相关，其中优化所述油田操作策略的目标函数包含：
利用随时间推移优化技术优化所述地下区域的初始策略参数，其中所述策略参数针对预定的策略周期而被优化；和
在所述预定的策略周期内的每个时步确定所述目标函数的增加值，其中针对所述预定的策略周期的经优化的策略参数用作在所述预定的策略周期内每个时步确定所述目标函数的增加值时的约束。
14.根据权利要求14所述的有形计算机可读存储介质，所述介质进一步包含一个或更多个代码段，所述代码段被配置为利用指定时间优化技术在每个时步确定所述目标函数的增加值，并且其中所述随时间推移优化技术包含针对至少一个策略周期的策略参数的无约束的、随时间推移优化。
15.一种用于优化地下区域的油田操作策略的系统，所述系统包含：
处理器；
可操作地耦合到所述处理器的显示装置；和
可操作地耦合到所述处理器的存储器，所述处理器被配置为：
为所述地下区域设定初始策略参数；
模拟地下区域内的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应于所建模的所述地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数相关，其中优化所述油田操作策略的目标函数包含：
利用随时间推移优化技术优化所述地下区域的初始策略参数，其中所述策略参数针对预定的策略周期而被优化；和
在所述预定的策略周期内的每个时步确定所述目标函数的增加值，其中针对所述预定的周期策略的经优化的策略参数用作在所述预定的策略周期内的每个时步确定所述目标函数的增加值时的约束。
16.根据权利要求15所述的系统，其中所述系统可操作地连接与所述地下区域相关联的开采设施。
17.根据权利要求16所述的系统，其中所述系统被可操作地配置为存储和接收从所述开采设施采集的数据，和将指令发送至所述开采设施，用于调整与所述开采设施相关联的一个或更多个过程控制。
18.一种用于关于开发石油资源的决策支持的方法，所述方法包含：
优化地下区域的油田操作策略，其中优化所述油田操作策略包含：
为所述地下区域设定初始策略参数；
模拟地下区域的流体流动，包括优化油田操作策略的目标函数，所述目标函数同时对应于所述建模的所述地下区域内一个或更多个井筒的流体流动特性，并和至少一个开采系统性能参数相关，其中优化所述油田操作策略的目标函数包含：
利用随时间推移优化技术优化所述地下区域的初始策略参数，其中针对预定的策略周期优化所述策略参数；和
在所述预定的策略周期内的每个时步确定所述目标函数的增加值，其中针对所述预定的周期策略的经优化的策略参数用作在所述预定的策略周期内的每个时步确定所述目标函数的增加值时的约束；和
提供基于经优化的油田操作策略生成的经优化的资源开发规划；和
根据所述经优化的资源开发规划从所述地下区域开采碳氢化合物。
19.根据权利要求18所述的方法，其中开采碳氢化合物包含基于所述经优化的油田操作策略调整与所述地下区域相关联的过程控制。
20.根据权利要求18所述的方法，其中所述经优化的油田操作策略包含针对至少一个最优值的目标函数，所述至少一个最优值从由以下项构成组中选择：随时间推移的井速度、来自所述油田内开采地带的开采速度、来自一个或更多个开采井的优先开采速度、所述油田内一部分的优先注入速度或进度以及上述的任意组合，所述开采井具有指定油气比、特定的含水率、用于确定钻新的开采井或安装新的表面设施或地下设施的需求的期望开采能力。
CN2010800358609A 2009-08-12 2010-05-12 优化井管理策略 Pending CN102473232A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US23336209P 2009-08-12 2009-08-12
US61/233,362 2009-08-12
PCT/US2010/034560 WO2011019421A1 (en) 2009-08-12 2010-05-12 Optimizing well management policy

Publications (1)

Publication Number Publication Date
CN102473232A true CN102473232A (zh) 2012-05-23

Family

ID=43586373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010800358609A Pending CN102473232A (zh) 2009-08-12 2010-05-12 优化井管理策略

Country Status (6)

Country Link
US (1) US20120130696A1 (zh)
EP (1) EP2465073A4 (zh)
CN (1) CN102473232A (zh)
BR (1) BR112012002907A2 (zh)
CA (1) CA2766437A1 (zh)
WO (1) WO2011019421A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105247546A (zh) * 2013-06-10 2016-01-13 埃克森美孚上游研究公司 确定用于井动态优化的井参数
CN107025507A (zh) * 2016-01-29 2017-08-08 中国石油天然气股份有限公司 陆相层状砂岩油藏全生命周期开发计策协同组合方法
CN108027593A (zh) * 2015-09-25 2018-05-11 西门子股份公司 用于运行技术系统的方法和设备
CN110621845A (zh) * 2017-05-17 2019-12-27 通用电气(Ge)贝克休斯有限责任公司 上下文信息到用于井筒操作的工作流中的集成
CN111094694A (zh) * 2017-09-08 2020-05-01 罗克斯软件解决方案有限公司 井裂缝建模
US20210216050A1 (en) * 2018-02-05 2021-07-15 Honeywell International Inc. Method and system to provide cost of lost opportunity to operators in real time using advance process control
CN113302635A (zh) * 2018-10-02 2021-08-24 阿韦瓦软件有限责任公司 定向流价值分析系统及服务器
US11486235B2 (en) * 2017-05-16 2022-11-01 Bp Corporation North America Inc. Tools for selecting and sequencing operating parameter changes to control a hydrocarbon production system

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2471139A (en) * 2009-06-19 2010-12-22 Kongsberg Maritime As Oil And Gas Method for providing reconciled estimates of three phase flow for individual wells and at individual locations in a hydrocarbon production process facility
US20140214476A1 (en) * 2013-01-31 2014-07-31 Halliburton Energy Services, Inc. Data initialization for a subterranean operation
EP2811107A1 (en) * 2013-06-06 2014-12-10 Repsol, S.A. Method for selecting and optimizing oil field controls for production plateau
US10689965B2 (en) * 2013-08-26 2020-06-23 Repsol, S.A. Field development plan selection system, method and program product
US9085958B2 (en) 2013-09-19 2015-07-21 Sas Institute Inc. Control variable determination to maximize a drilling rate of penetration
US9163497B2 (en) 2013-10-22 2015-10-20 Sas Institute Inc. Fluid flow back prediction
US10435995B2 (en) 2014-01-06 2019-10-08 Schlumberger Technology Corporation Oilfield management method and system
CA2988202A1 (en) * 2015-06-05 2016-12-08 Repsol, S.A. A method of generating a production strategy for the development of a reservoir of hydrocarbon in a natural environment
US11236604B2 (en) * 2018-08-23 2022-02-01 Halliburton Energy Services, Inc. Simulated annealing optimization of well production forecasts
GB2581562A (en) * 2018-10-02 2020-08-26 Aveva Software Llc Directional stream value analysis system and server
US11591936B2 (en) 2019-09-04 2023-02-28 Saudi Arabian Oil Company Systems and methods for proactive operation of process facilities based on historical operations data
US20210198981A1 (en) * 2019-12-27 2021-07-01 Saudi Arabian Oil Company Intelligent completion control in reservoir modeling
US11441390B2 (en) * 2020-07-07 2022-09-13 Saudi Arabian Oil Company Multilevel production control for complex network of wells with smart completions
EP4198258A1 (en) * 2021-12-17 2023-06-21 TotalEnergies OneTech Multiperiod optimization of oil and/or gas production
CN117541082B (zh) * 2024-01-05 2024-04-05 中国石油大学(华东) 基于油藏-井筒-设备评价指标集成的综合评价方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050209866A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method and apparatus and program storage device adapted for visualization of qualitative and quantitative risk assessment based on technical wellbore design and earth properties
US20070282582A1 (en) * 2006-06-06 2007-12-06 Chevron U.S.A. Inc. Efficient Application Of Reduced Variable Transformation And Conditional Stability Testing In Reservoir Simulation Flash Calculations

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236894B1 (en) * 1997-12-19 2001-05-22 Atlantic Richfield Company Petroleum production optimization utilizing adaptive network and genetic algorithm techniques
US6101447A (en) * 1998-02-12 2000-08-08 Schlumberger Technology Corporation Oil and gas reservoir production analysis apparatus and method
US6775578B2 (en) * 2000-09-01 2004-08-10 Schlumberger Technology Corporation Optimization of oil well production with deference to reservoir and financial uncertainty
DE60207549D1 (de) * 2001-04-24 2005-12-29 Exxonmobil Upstream Res Co Verfahren zur verbesserung von produktionszuweisung in einem integrierten reservoir und oberflächenströmungssystem
WO2004046503A1 (en) * 2002-11-15 2004-06-03 Schlumberger Surenco Sa Optimizing well system models
US7899657B2 (en) * 2003-01-24 2011-03-01 Rockwell Automoation Technologies, Inc. Modeling in-situ reservoirs with derivative constraints
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
US7653563B2 (en) * 2004-03-17 2010-01-26 Schlumberger Technology Corporation Method and apparatus and program storage device adapted for automatic qualitative and quantitative risk assessment based on technical wellbore design and earth properties
US7640149B2 (en) * 2004-12-15 2009-12-29 Schlumberger Technology Corporation Method system and program storage device for optimization of valve settings in instrumented wells using adjoint gradient technology and reservoir simulation
RU2008102937A (ru) * 2005-06-28 2009-08-10 Эксонмобил Апстрим Рисерч Компани (Us) Графический язык программирования высокого уровня и инструментальное средство для программирования управления скважинами
WO2008083004A2 (en) * 2006-12-28 2008-07-10 Chevron U.S.A. Inc. History matching and forecasting of hydrocarbon-bearing reservoirs utilizing proxies for likelihood functions

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050209866A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method and apparatus and program storage device adapted for visualization of qualitative and quantitative risk assessment based on technical wellbore design and earth properties
US20070282582A1 (en) * 2006-06-06 2007-12-06 Chevron U.S.A. Inc. Efficient Application Of Reduced Variable Transformation And Conditional Stability Testing In Reservoir Simulation Flash Calculations

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. MOKHATAB: "Three-Phase Flash Calcalation for Hydrocarbon Systems Containing Water", 《THEORETICAL FOUNDATIONS OF CHEMICAL ENGINERING》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105247546A (zh) * 2013-06-10 2016-01-13 埃克森美孚上游研究公司 确定用于井动态优化的井参数
CN108027593A (zh) * 2015-09-25 2018-05-11 西门子股份公司 用于运行技术系统的方法和设备
CN108027593B (zh) * 2015-09-25 2021-10-26 西门子股份公司 用于运行技术系统的方法和设备
CN107025507A (zh) * 2016-01-29 2017-08-08 中国石油天然气股份有限公司 陆相层状砂岩油藏全生命周期开发计策协同组合方法
CN107025507B (zh) * 2016-01-29 2021-06-01 中国石油天然气股份有限公司 陆相层状砂岩油藏全生命周期开发计策协同组合方法
US11486235B2 (en) * 2017-05-16 2022-11-01 Bp Corporation North America Inc. Tools for selecting and sequencing operating parameter changes to control a hydrocarbon production system
CN110621845A (zh) * 2017-05-17 2019-12-27 通用电气(Ge)贝克休斯有限责任公司 上下文信息到用于井筒操作的工作流中的集成
CN111094694A (zh) * 2017-09-08 2020-05-01 罗克斯软件解决方案有限公司 井裂缝建模
US20210216050A1 (en) * 2018-02-05 2021-07-15 Honeywell International Inc. Method and system to provide cost of lost opportunity to operators in real time using advance process control
US11740596B2 (en) * 2018-02-05 2023-08-29 Honeywell International Inc. Method and system to provide cost of lost opportunity to operators in real time using advance process control
CN113302635A (zh) * 2018-10-02 2021-08-24 阿韦瓦软件有限责任公司 定向流价值分析系统及服务器

Also Published As

Publication number Publication date
WO2011019421A1 (en) 2011-02-17
US20120130696A1 (en) 2012-05-24
EP2465073A4 (en) 2014-09-03
BR112012002907A2 (pt) 2016-04-05
CA2766437A1 (en) 2011-02-17
EP2465073A1 (en) 2012-06-20

Similar Documents

Publication Publication Date Title
CN102473232A (zh) 优化井管理策略
Bello et al. Application of artificial intelligence methods in drilling system design and operations: a review of the state of the art
US8352227B2 (en) System and method for performing oilfield simulation operations
Jansen et al. Model-based control of multiphase flow in subsurface oil reservoirs
AU2004237171B2 (en) Stochastically generating facility and well schedules
CA2690169C (en) Automated field development planning
CA2680719C (en) Multidimensional data repository for modeling oilfield operations
Mirzaei-Paiaman et al. A review on closed-loop field development and management
González et al. Decision support method for early-phase design of offshore hydrocarbon fields using model-based optimization
Salehian et al. Robust integrated optimization of well placement and control under field production constraints
Sankaran et al. Data Analytics in Reservoir Engineering
Narayanan et al. Better Field Development Decisions from Multi-Scenario, Interdependent Reservoir, Well, and Facility Simulations
Al-Mudhafar et al. Using optimization techniques for determining optimal locations of additional oil wells in South Rumaila oil field
Mirzaei-Paiaman et al. Iterative sequential robust optimization of quantity and location of wells in field development under subsurface, operational and economic uncertainty
Hoffmann et al. Optimized production profile using a coupled reservoir-network model
Tavallali et al. Optimal drilling planning by considering the subsurface dynamics—combing the flexibilities of modeling and a reservoir simulator
Asadollahi et al. Efficient workflow for optimizing well controls
Angga et al. Automated decision support methodology for early planning phase of a multi-reservoir field
Eltahan et al. A Quasi-Newton Trust-Region Method for Well Location Optimization Under Uncertainty
Cleary et al. Enhancement of real-time hydraulic fracturing models with full 3-D simulation
Mogollon et al. Comparative analysis of data-driven, physics-based and hybrid reservoir modeling approaches in waterflooding
de Souza Victorino et al. Influence of well and gathering systems parameters on integrated petroleum reservoir and production system simulations
Yang et al. A Physics-Based Proxy for Surface and Subsurface Coupled Simulation Models
Bahaa et al. Soft computation application: utilizing artificial neural network to predict the fluid rate and bottom hole flowing pressure for gas-lifted oil wells
Ahmed et al. Maximizing Production Profits: Optimizing Gas Lift Design in the Halfaya Oil Field

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120523