CN104216341A - 一种基于改进随机扰动近似算法的油藏生产实时优化方法 - Google Patents

Abstract

本发明提供了一种基于改进随机扰动近似算法的油藏生产实时优化方法，属于油藏数值模拟和最优控制领域，包括：(1)给定初始控制变量、边界约束以及经济参数；(2)设迭代步数k＝0，进行数值模拟计算得到当前NPV值；(3)根据球形模型协方差阵生成高斯型扰动向量，并计算随机扰动梯度及其平均值；(4)更新控制变量；(5)基于更新后的控制变量进行油藏模拟计算得到更新后NPV值；(6)判断更新后NPV值是否比当前NPV值大，如果是，则转入步骤(7)，如果否，则将迭代步长λ_k减半，然后返回步骤(4)；(7)判断是否满足收敛条件，如果是，则转入步骤(8)，如果否，则令k＝k+1，然后返回步骤(3)；(8)输出最优控制变量，并终止计算。

Description

一种基于改进随机扰动近似算法的油藏生产实时优化方法

技术领域

本发明属于油藏数值模拟和最优控制领域，具体涉及一种基于改进随机扰动近似算法的油藏生产实时优化方法。

背景技术

进行油田开发生产注采政策的优化设计是油藏经营管理的重要任务。油藏数值模拟技术能够方便再现油藏生产开发的全过程，并可对未来油田生产进行重复模拟计算，因此，工程人员普遍利用该技术进行油藏注采调控方案的设计和优选。常规的解决方法多是以整个油藏或井组为单元，通过模拟不同油水井、不同时间、不同注采量的多种开采方式，根据计算结果优选出相对最优的生产方案。但这里的开采方式仅限于人为设定的有限的组合，得到的调控方案并不是最优的，而且花费大量的人力与机时，难以满足油田实时调控的生产要求。油藏开发生产实时优化是近年来新兴的一种开发方案预测方法，它是基于对当前油藏地质和生产条件的认识，并从油藏长期开发效益出发，利用油藏数值模拟和最优控制理论自动优化计算油水井不同阶段的注采参数(如井底流压、油水井流量等)，确定最优的生产开发方案，使油藏开发尽可能处于最佳状态，从而节约生产成本，改善开发效果。

油藏生产优化属于系统分布参数最优控制问题，涉及到的变量比较多，维数大，实现求解十分困难。当前研究者主要是采用传统的伴随梯度法进行油藏生产优化的计算，但该方法需要通过编写伴随矩阵嵌入油藏数值模拟计算来获取梯度，求解过程异常复杂，每次梯度计算必须是在油藏模拟全隐士条件下进行正向和反向两次计算，降低了模拟器的计算效率，目前仅限于对一些概念油藏模型进行理论研究和应用，无法应用于实际油藏开发生产优化问题的求解，满足现场应用要求。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，针对伴随梯度法求解油藏生产优化过于复杂、难以实际应用的局限性，提供一种基于改进随机扰动近似算法的油藏生产实时优化方法，实现油藏生产优化快速求解为核心，研究更为简单、有效的数值计算方法和通用油藏数值模拟器相结合用于进行实际油藏生产优化的计算，实时便捷的为油田开发生产提供最优调控方案，为油藏工程人员提供决策依据，高效率的管理油藏开发状况。

本发明是通过以下技术方案实现的：

一种基于改进随机扰动近似算法的油藏生产实时优化方法，包括：

(1)给定初始控制变量、边界约束以及经济参数；

(2)设迭代步数k＝0，进行数值模拟计算得到当前NPV值；

(3)根据球形模型协方差阵生成高斯型扰动向量，并计算随机扰动梯度及其平均值；

(4)更新控制变量；

(5)基于更新后的控制变量进行油藏模拟计算得到更新后NPV值；

(6)判断更新后NPV值是否比当前NPV值大，如果是，则转入步骤(7)，如果否，则将迭代步长λ_k减半，然后返回步骤(4)；

(7)判断是否满足收敛条件，如果是，则转入步骤(8)，如果否，则令k＝k+1，然后返回步骤(3)；

(8)输出最优控制变量，并终止计算。

所述步骤(1)中的初始控制变量是由各井在给定调控步内的工作制度构成的向量，所述工作制度包括井底流压、日注水量、日产液量等参数；

控制变量的上下边界约束是单井的生产界限，对于流量控制，其下边界设为0，即关井，上边界为最大注采能力；

井底流压的下边界设为高于泡点压力或者设定一个数值来抑制底水的锥进，上边界设为低于地层的破裂压力；

所述经济参数是根据实际油田生产期内的经济评价参数，包括产油、产水、原油销售价格、注水成本价格、产出水处理价格和年利率。

所述步骤(2)是这样实现的：

基于步骤(1)所给定的数据利用下面的公式计算获得当前NPV初值J(u₀)；

$\begin{array}{cc}\mathrm{Max}& J(u,y)=\underset{n=1}{\overset{L}{\mathrm{\Σ}}}[\underset{j=1}{\overset{N_{\mathrm{WP}}}{\mathrm{\Σ}}}(r_o{q}_{o,j}^n-r_w{q}_{w,j}^n)-\underset{i=1}{\overset{N_{\mathrm{WI}}}{\mathrm{\Σ}}}{r}_{\mathrm{wi}}{q}_{\mathrm{wi},i}^n]\frac{\mathrm{\Δ}{t}^n}{{(1+b)}^{t^n}}\end{array}---\left(1\right)$

S.t.

F(u，y)＝0                 (1-1)

u^low≤u≤u^up                    (1-2)

性能指标J中：y为状态变量；u为控制变量；L为控制时间；N_WP为生产井数；N_WI为注水井数；分别为产油、产水及注水速度；r_o、r_w、r_wi、b为经济计算要素，分别为产油、产水、注水成本价格及年利率(这些都是在步骤(1)中给定的)。

所述步骤(3)是这样实现的：

根据球形模型计算公式，以每口井为中心计算控制变量协方差阵C；然后，利用Cholesky方法对协方差阵C进行分解得到C^1/2；

然后，采用计算机随机数生成器生成正态分布随机向量z_k，并计算C^1/2z_k得到高斯型随机扰动向量，代入公式(4)计算对应的随机扰动梯度并利用公式(10)求取平均梯度(指图中的梯度平均值)；所述z_k为标准正态分布向量；

所述球形模型计算公式如下：

$C_{i,j}={\mathrm{\σ}}^2\left\{\begin{array}{c}1-\frac{3|i-j|}{2a}+\frac{{|i-j|}^3}{2a^3},|i-j|\≤a\\ 0,|i-j|>a\end{array}\right.---\left(3\right)$

球形模型计算公式中的关联长度a取为调控步数的一半，i，j是分别指第i和第j个控制时间步，也就是控制时间步序号，σ为实际初始控制变量的扰动误差。

公式(4)如下：

${\hat{g}}_k\left(u_k\right)=\frac{J(u_k+{\mathrm{\ϵ}}_k{C}^{1/2}{z}_k)-J\left(u_k\right)}{{\mathrm{\ϵ}}_k}\×C^{1/2}{z}_k---\left(4\right)$

公式(10)如下：

${\stackrel{\stackrel{\‾}{^}}{g}}_k\left(u_k\right)=\frac{1}{N_g}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}{\hat{g}}_{k,j}\left(u_k\right)---\left(10\right)$

所述步骤(4)是这样实现的：

将所述平均梯度代入式(9)中计算得到新的控制参数变量u_k+1：

$u_{k+1}=u_k+{\mathrm{\λ}}_k\frac{{\hat{g}}_k\left(u_k\right)}{{\left|\right|{\hat{g}}_k\left(u_k\right)\left|\right|}_{\∞}}---\left(9\right)$

式中：λ_k为第k步的迭代步长；||·||_∞表示为无穷范数。

所述步骤(5)是这样实现的：

基于所述u_k+1由式(1)得到更新后NPVJ(u_k+1)。

所述步骤(7)中的收敛条件由下式表达

|J(u_k+1)-J(u_k1)|/J(u_k1)≤1.0×1^0-4

与现有技术相比，本发明的有益效果是：本发明所提出的方法计算过程简单，代码容易实现，且优化效率高、收敛速度快，便于和任意油藏数值模拟器相结合进行油藏开发生产优化的计算，满足现场开发方案优化设计的应用要求；所得最优调控方案考虑了油水井注采参数间的相关性，便于实际操作并能显著改善油藏开发效果，为科学合理的进行油田高效开发提供了重要的决策依据。

附图说明

图1是球形模型协方差计算结果示意图。

图2a是伴随法的梯度。

图2b是SPSA的梯度。

图2c是GSPSA的梯度。

图3是本发明实施例中的油藏平面渗透率分布图。

图4是本发明实施例中各优化方法不同迭代次数下的净现值变化。

图5a是本发明实施例中基于改进SPSA算法优化后的生产调控方案图中的流量控制图。

图5b是本发明实施例中基于改进SPSA算法优化后的生产调控方案图中的井底流压控制图。

图6a是本发明实施例中优化前的剩余油饱和度分布图。

图6b是本发明实施例中基于改进SPSA算法优化后的剩余油饱和度分布图。

图7是本发明方法的步骤框图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明涉及缝洞型油藏数值模拟技术，属于油气田开发领域，用于解决油藏生产开发方案的优化设计及效果预测。该方法首先把对油藏生产体系的控制描述成一个最优化问题，借助油藏数值模拟技术建立了油藏生产最优控制模型；然后，在考虑油藏实际注采参数特点的基础上，通过引入控制参数协方差矩阵，提出了一种基于改进随机扰动近似算法的对所建控制模型进行求解，获得油藏开发的最优控制方案。该发明实现过程简单、计算效率高，能够和任意油藏模拟器相结合快速的为油水井制定最优调控方案，为油藏工程人员提供决策依据，高效率的管理油藏开发状况。

本发明首先基于油藏数值模拟器来描述油藏开发生产系统，建立了油藏生产优化最优控制模型，不同的控制模型会得到不同的优化结果。针对当前油田开发的实际情况，通常以开发期内经济净现值(NPV)来评价水驱开发效益，因此以NPV为性能指标函数结合约束条件得出如下最优控制模型：

$\begin{array}{cc}\mathrm{Max}& J(u,y)=\underset{n=1}{\overset{L}{\mathrm{\Σ}}}[\underset{j=1}{\overset{N_{\mathrm{WP}}}{\mathrm{\Σ}}}(r_o{q}_{o,j}^n-r_w{q}_{w,j}^n)-\underset{i=1}{\overset{N_{\mathrm{WI}}}{\mathrm{\Σ}}}{r}_{\mathrm{wi}}{q}_{\mathrm{wi},i}^n]\frac{\mathrm{\Δ}{t}^n}{{(1+b)}^{t^n}}\end{array}---\left(1\right)$

S.t.(指约束条件为：)

F(u，y)＝0   (渗流方程约束)         (1-1)

u_low≤u≤u^up   (边界约束)                    (1-2)

性能指标J中：y为状态变量；u为控制变量组成的向量；L为控制时间；N_WP为生产井数；N_WI为注水井数；分别为产油、产水及注水速度；r_o、r_w、r_wi、b为经济计算要素，分别为产油、产水、注水价格及年利率。

油藏生产优化问题就是控制变量在满足约束条件下，求取性能指标的最大值及其对应的最优控制。对于控制模型的求解，由于J计算公式中不显含u，无法获得解析梯度，而伴随法计算又过于复杂，随机扰动近似算法(SPSA)是一种简单的有限差分梯度近似算法，每个迭代步最少仅需进行两次数值计算即可获得优化方向。因此，本发明在基本SPSA算法基础上，结合实际油藏注采参数特点，给出了一种计算更为高效的改进SPSA算法对上述最优控制模型求解。

①基本算法

SPSA算法是通过对所有控制变量进行同步扰动获得搜索方向，尽管这里的方向是随机的，但是它能保证得到的梯度对于最大化问题来说恒为上坡方向，其扰动梯度的计算公式为：

${\hat{g}}_k\left(u_k\right)==\frac{J(u_k+{\mathrm{\ϵ}}_k{\mathrm{\δ}}_k)-J\left(u_k\right)}{{\mathrm{\ϵ}}_k}\×\left[\begin{array}{c}{\mathrm{\δ}}_{k,1}\\ \mathrm{\δ}\\ \·\\ \·\\ \·\\ {\mathrm{\δ}}_{k,N_u}\end{array}\right]$

$=\frac{J(u_k+{\mathrm{\ϵ}}_k{\mathrm{\δ}}_k)-J\left(u_k\right)}{{\mathrm{\ϵ}}_k}\×{\mathrm{\δ}}_k---\left(2\right)$

其中，u_k为第k步对应的最优控制向量；ε_k为扰动步长；δ_k为随机向量，服从的Bernoulli分布。

可见，SPSA梯度计算较为简便，每步仅需两次目标函数计算即可获得扰动梯度，因此易于和各种化模拟器相结合求解生产优化问题。但标准SPSA算法中其扰动向量δ_k采用Bernoulli分布，所产生的向量数据为+1或-1，彼此间完全独立，而实际油水井间的工作参数及其梯度在时间上往往具有一定相关性，因此所得梯度与真实梯度差别较大，造成算法优化效率较低，且得到的优化方案波动性较强，不利于最优控制规律的分析和现场实际操作。

本发明根据实际注采参数具有一定相关性的特点，通过引入控制变量协方差矩阵产生具有关联性的随机扰动向量来进行扰动梯度计算，得出了一种改进SPSA算法，简称GSPSA。研究显示，实际控制变量协方差阵多符合球形模型(见图1)，该模型在一定程度上考虑了每口井在不同时间步上的控制变量的相关性，井与井之间的相关性则不予考虑，其表达式为：

$C_{i,j}={\mathrm{\σ}}^2\left\{\begin{array}{c}1-\frac{3|i-j|}{2a}+\frac{{|i-j|}^3}{2a^3},|i-j|\≤a\\ 0,|i-j|>a\end{array}\right.---\left(3\right)$

由控制变量协方差阵C可得到具有相关性的高斯型扰动向量C^1/2z_k，这里的z_k为标准正态分布向量，C^1/2为Cholesky分解方法的矩阵，且满足C^1/2C^T/2＝C。根据统计学原理，C^1/2z_k为服从多元高斯分布的扰动向量，即C^1/2z_k～N(0，C)，此时改进的SPSA梯度变为：

${\hat{g}}_k\left(u_k\right)=\frac{J(u_k+{\mathrm{\ϵ}}_k{C}^{1/2}{z}_k)-J\left(u_k\right)}{{\mathrm{\ϵ}}_k}\×C^{1/2}{z}_k---\left(4\right)$

对上式进行理论分析，发现所得到扰动梯度仍恒为上山方向，且其期望为类似于将协方差阵作为Hessian逆矩阵的拟牛顿搜索方向。其基本证明如下：

对J(u_k+ε_kC^1/2z_k)进行一阶泰勒式展开，并设目标函数真实梯度：

$J(u_k+{\mathrm{\ϵ}}_k{C}^{1/2}{z}_k)=J\left(u_k\right)+{\mathrm{\ϵ}}_k{\left(C^{1/2}{z}_k\right)}^T\▿J\left(u_k\right)+o\left({\left|\right|{\mathrm{\ϵ}}_k{C}^{1/2}{z}_k\left|\right|}^2\right)---\left(5\right)$

将该式代入改进SPSA梯度公式

${\hat{g}}_k\left(u_k\right)=C^{1/2}{z}_k{\left(C^{1/2}{z}_k\right)}^T\▿J\left(u_k\right)=C^{1/2}{z}_k{z}_k^T{C}^{1/2}\▿J\left(u_k\right)---\left(6\right)$

则与真实梯度的向量积为

$\▿J{\left(u_k\right)}^T{\hat{g}}_k\left(u_k\right)=\▿J{\left(u_k\right)}^T{C}^{1/2}{z}_k{\left(C^{1/2}{z}_k\right)}^T\▿J\left(u_k\right)={(\▿J{\left(u_k\right)}^T{C}^{1/2}{z}_k)}^2\≥0---\left(7\right)$

显然，扰动梯度仍为上山方向。

另外，考虑的期望值，即：

$E\left[{\hat{g}}_k\left(u_k\right)\right]=E[C^{1/2}{z_{k}z}_k^T{C}^{T/2}\▿J\left(u_k\right)]=C^{1/2}E\left[z_k{z}_k^T\right]C^{T/2}\▿J\left(u_k\right)$

$=C^{1/2}{I}_{N_u}{C}^{T/2}\▿J\left(u_k\right)=C\▿J\left(u_k\right)---\left(8\right)$

即其期望值为协方差阵和真实梯度的乘积，类似于将协方差阵作为Hessian逆矩阵的拟牛顿方向。

再获得改进扰动梯度后，根据一般最速下降法迭代过程，即可对控制变量进行优化求解：

$u_{k+1}=u_k+{\mathrm{\λ}}_k\frac{{\hat{g}}_k\left(u_k\right)}{{\left|\right|{\hat{g}}_k\left(u_k\right)\left|\right|}_{\∞}}---\left(9\right)$

式中：λ_k为第k步的迭代步长；||·||_∞表示为无穷范数。为了更好地保证扰动梯度的近似程度，GSPSA算法中使用若干次(N_g)扰动梯度的平均值作为实际搜索方向，

${\stackrel{\stackrel{\‾}{^}}{g}}_k\left(u_k\right)=\frac{1}{N_g}\underset{j=1}{\overset{N_g}{\mathrm{\Σ}}}{\hat{g}}_{k,j}\left(u_k\right)---\left(10\right)$

②求解步骤

本发明给出了上述改进随机扰动算法GSPSA的基本原理及过程，具体到实际油藏生产优化问题，应用GSPSA算法进行求解的基本过程如图7所示，具体如下：

(1)根据实际优化问题，给定油水井初始控制参数u₀、控制参数的上下边界、NPV计算的各种经济参数等。其中，初始控制参数主要是各井在给定调控步内的工作制度(如井底流压、日注水量、日产液量等)构成的向量，假设油藏有2口油井，每半年调控一次产液量，初始产液量均为100m³/d，共调控5年，则初始控制变量u₀＝[100，100，…，100]^T，共计20个参数；控制参数的上下边界主要是单井的生产界限，对于流量控制，其下边界通常设为0，即关井，上边界为最大产液能力；井底流压下边界一般高于泡点压力或者设定某一合适的值来抑制底水的锥进，上边界一般要低于地层的破裂压力；经济参数主要是根据实际油田生产期内的经济评价参数，包括原油销售价格、注水成本价格、产出水处理价格和年利率。基于所给定的初始控制参数进行油藏数值模拟计算，由式(1)计算获得初始NPV值J(u₀)，令k＝0；

(2)根据球形模型计算公式(3)，以每口井为中心计算控制变量协方差阵C，计算公式(3)中关联长度a一般取为调控步数的一半；然后，利用常规Cholesky方法对协方差阵C进行分解得到C^1/2；

(3)采用计算机随机数生成器生成正态分布随机向量z_k，并计算C^1/2z_k得到高斯型分布随机向量，代入式(4)计算对应的SPSA梯度并求取平均梯度

(4)将代入式(9)中计算得到新的控制变量u_k+1，基于u_k+1进行油藏数值模拟中并由式(1)得到J(u_k+1)，如果J(u_k+1)＞J(u_k)，说明新得到的控制变量使NPV增大，并转入步骤(5)；否则，将迭代步长λ_k减半，代入式(9)中重新进行计算，直到获得的控制变量u_k+1使NPV增大；

(5)当满足以下收敛条件时，完成优化计算过程，得到最终的控制参数变量及其对应的NPV计算结果，并转入步骤(6)；

|J(u_k+1)-J(u_k1)|/J(u_k1)≤1.0×10^-4            (24)

否则，令k＝k+1，返回步骤(3)继续迭代优化；

(6)结束。

图1为球形模型协方差计算结果示意图。该图显示的是某一常用油藏模型示例其控制变量协方差实际值和球形模型计算值的对比情况，两者基本吻合，表明球形模型可以较好的用于描述和计算控制变量协方差矩阵。

图2a至图2c是伴随法、SPSA和GSPSA梯度对比图。可以看出，标准SPSA梯度上下波动性较强，和真实值(伴随法梯度)差距较大，而改进SPSA梯度(即本发明的GSPSA)由于引入球形模型计算的协方差阵，其计算结果与真实值较为接近，保证了GSPSA算法具有更高的收敛效率。

应用本发明提出的改进SPSA算法对一二维油藏进行了生产优化计算，数值模拟器选用Eclipse商业模拟软件。该油藏模型油藏非均质性强，其间包含若干条高渗条带，渗透率场分布如图3所示。其含有4口生产井和9口注水井。每口井每180天进行一次调控，总控制步数为10，优化过程中，注水井基于流量控制，其上下边界分别为0m³/d和160m³/d；生产井基于井底流压控制，其上下边界分别为10.0MPa和41.0MPa。

图4显示了本发明提出的算法与伴随法、SPSA算法的优化效率对比情况。可见本发明提出的算法的收敛速度和计算效率均大大高于标准SPSA算法，除了最终优化所得NPV略低于伴随法外，其收敛速度和伴随法大致相同，因此该方法可以满足实际油藏生产优化的要求。图5给出了基于本发明提出算法优化所得的油水井最优调控方案中的流量控制和井底流压控制，图6给出了优化前后剩余油分布结果，可以看出，本发明优化所得油水井调控方案较好的改善了油藏水驱开发效果，使得优化后的水驱波及系数大幅度提高，根据图4所示的NPV优化结果，相比优化前NPV提高89％；同时所得的油水井控制方案非常的光滑连续，便于现场实际操作和调控。

本发明涉及缝洞型油藏数值模拟技术，属于油气田开发领域，用于解决油藏生产开发方案的优化设计及效果预测。该方法首先把对油藏生产体系的控制描述成一个最优化问题，借助油藏数值模拟技术建立了油藏生产最优控制模型；然后，在考虑油藏实际注采参数特点的基础上，通过引入控制参数协方差矩阵，提出了一种基于改进随机扰动近似算法的对所建控制模型进行求解，获得油藏开发的最优控制方案。该发明实现过程简单、计算效率高，能够和任意油藏模拟器相结合快速的为油水井制定最优调控方案，为油藏工程人员提供决策依据，高效率的管理油藏开发状况。

国内大部分油田进入了开发中后期，石油的可采储量逐渐少。为此，采用新的思路，更加有效地、充分地开采老油田，提高油田的采收率，增加油田的经济效益越来越迫切。本发明主要应用于油气田开发工程领域，所提出的方法可以较好的用于油田开发方案的规划与决策，通过自动优化计算能够实时给出区块的生产方案，调控油水井的生产使得油藏开发处于最佳状态，节约生产成本，改善开发效果；同时大大减小了开发方案的设计时间，为高效的进行油藏管理提供了强有力的工具，具有极大的推广应用价值。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (7)

1.一种基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于：所述方法包括： 

(1)给定初始控制变量、边界约束以及经济参数； 

(2)设迭代步数k＝0，进行数值模拟计算得到当前NPV值； 

(3)根据球形模型协方差阵生成高斯型扰动向量，并计算随机扰动梯度及其平均值； 

(4)更新控制变量； 

(5)基于更新后的控制变量进行油藏模拟计算得到更新后NPV值； 

(6)判断更新后NPV值是否比当前NPV值大，如果是，则转入步骤(7)，如果否，则将迭代步长λ_k减半，然后返回步骤(4)； 

(7)判断是否满足收敛条件，如果是，则转入步骤(8)，如果否，则令k＝k+1，然后返回步骤(3)； 

(8)输出最优控制变量，并终止计算。 

2.根据权利要求1所述的基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于：所述步骤(1)中的初始控制变量是由各井在给定调控步内的工作制度构成的向量，所述工作制度包括井底流压、日注水量、日产液量； 

控制变量的上下边界约束是单井的生产界限，对于流量控制，其下边界设为0，即关井，上边界为最大产液能力； 

井底流压的下边界设为高于泡点压力或者设定一个数值来抑制底水的锥进，上边界设为低于地层的破裂压力； 

所述经济参数是根据实际油田生产期内的经济评价参数，包括产油、产水、原油销售价格、注水成本价格、产出水处理价格和年利率。 

3.根据权利要求2所述的基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于：所述步骤(2)是这样实现的： 

基于步骤(1)所给定的数据利用下面的公式计算获得当前NPV初值J(u₀)； 

S.t. 

F(u，y)＝0              (1-1) 

u^low≤u≤u^up                     (1-2) 

性能指标J中：y为状态变量；u为控制变量；L为控制时间；N_WP为生产井数；N_WI为注水井数；分别为产油、产水及注水速度；r_o、r_w、r_wi、b为经济计算要素，分别为产油、产水、注水价格及年利率。 

4.根据权利要求3所述的基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于：所述步骤(3)是这样实现的： 

根据球形模型计算公式，以每口井为中心计算控制变量协方差阵C；然后，利用Cholesky方法对协方差阵C进行分解得到C^1/2； 

然后，采用计算机随机数生成器生成正态分布随机向量z_k，并计算C^1/2z_k得到高斯型随机扰动向量，代入公式(4)计算对应的随机扰动梯度并利用公式(10)求取平均梯度所述z_k为标准正态分布向量； 

所述球形模型计算公式如下： 

球形模型计算公式中的关联长度a取为调控步数的一半，i、j是分别指第i 和第j个控制时间步，σ为实际初始控制变量的扰动误差。 

公式(4)如下： 

公式(10)如下： 

。

5.根据权利要求4所述的基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于：所述步骤(4)是这样实现的： 

将所述平均梯度代入式(9)中计算得到新的控制变量u_k+1： 

式中：λ_k为第k步的迭代步长；||·||_∞表示为无穷范数。 

6.根据权利要求5所述的基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于：所述步骤(5)是这样实现的： 

基于所述u_k+1由式(1)得到更新后NPVJ(u_k+1)。 

7.根据权利要求6所述的基于改进随机扰动近似算法的油藏生产实时优化方法，其特征在于所述步骤(7)中的收敛条件由下式表达 

|J(u_k+1)-J(u_k1)|/J(u_k1)≤1.0×10^-4。