CN104881586A - 致密储层中油气运移的数值模拟方法及装置 - Google Patents

Abstract

本发明公开了一种致密储层中油气运移的数值模拟方法及装置，涉及石油技术领域，本发明将烃源岩网格等效为蚁窝，根据生烃强度从多个烃源岩释放代表油气的人工蚂蚁，并对各人工蚂蚁的路径及停止运转的网格(即富集区集合中的网格)进行记录，获得将所有人工蚂蚁的路径及富集区集合，方式本身相对而言比基于达西渗流方式模拟的方法更为简便，效果更为接近现实条件，预测精度高，同时，由于方法本身较为简便，计算迅速。

Description

致密储层中油气运移的数值模拟方法及装置

技术领域

本发明涉及石油技术领域，特别涉及一种致密储层中油气运移的数值模拟方法及装置。

背景技术

作为一种有效的接替资源，致密油在全球得以成功勘探和开发。这是自上个世纪80年代以来，致密砂岩气藏之后，石油领域的又一重要突破。

油气的运移、聚集是油气勘探的重点内容，深刻影响着油气勘探的方法及思路。作为发生在地质历史时期的动态过程，致密储层内油气运移不可能直接观察；受实验技术条件的限制，大尺度、长时间、可以考虑多种因素影响的实验往往也无法实现。因此数学模拟技术正在成为油气运移研究的重要手段。

由于研究的尺度、动力学条件或者基本物理条件的侧重不同，相应的数学模型也有很大差异。从应用的角度来看，经过近几十年的完善，人们的认识也在不断深化，针对不同盆地类型、地质条件、孔隙介质、流体性质的数学模型不断被提出。

孔隙介质内多相渗流的理论最早被应用于油气运移的分析中，油气的运移过程被视为等在宏观上均一的多相流动过程。因而可以用多相渗流的达西定律对流动过程进行分析，多孔介质的达西流和流迹是目前较为成熟的模拟方法。超压作为油气向低渗透致密储层中充注运移的主要动力，是致密储层石油成藏的决定性因素。超压控制下的流体流动具有不连续性及流体活动的多期次性和周期性的特点，并以幕式排放的样式进行充注。油气运动样式属于非达西流，这样使得基于渗流理论的模型在建立可靠的连续性方程时会有很大的难度，受渗透率非均质的控制，运移路径难以有效预测。

发明内容

为了提高优势通道模拟的预测精度，本发明提供了一种致密储层中油气运移的数值模拟方法，所述方法包括：

S1：获取所述致密储层的构造格架图像及烃源岩数据，对所述构造格架图像进行网格化处理；

S2：根据所述烃源岩数据在所述构造格架图像中确定烃源岩网格，根据所述烃源岩网格的生烃强度计算各烃源岩网格的排烃概率；

S3：将预设数量的人工蚂蚁依次放置于按照所述排烃概率随机选择的烃源岩网格处；

S4：计算各人工蚂蚁所在网格与其相邻网格之间的动力差；

S5：对各人工蚂蚁进行遍历，判断遍历到的当前人工蚂蚁所在网格与其相邻网格之间的动力差是否均小于等于预设阈值，若所述动力差均小于等于预设阈值，则将所述当前人工蚂蚁所在网格记录至富集区集合，并将所述当前人工蚂蚁的路径保存至路径集合中，直接执行步骤S7，否则执行步骤S6；

S6：根据网格的信息素及所述动力差计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，将所述当前人工蚂蚁从其所在网格运移至根据运移概率从所述相邻网格中随机选择的一个相邻网格，并将所述当前人工蚂蚁运移至该相邻网格记录到所述当前人工蚂蚁的路径中；

S7：判断是否所有人工蚂蚁所在网格与其相邻网格之间的动力差均小于等于预设阈值，若是，则执行步骤S8，否则返回步骤S5；

S8：根据所述路径集合对各网格的信息素进行更新；

S9：返回步骤S3，直至返回步骤S3的次数满足预设次数后，执行步骤S10；

S10：将所述路径集合及富集区集合作为模拟结果。

其中，步骤S4中，通过下式计算各人工蚂蚁所在网格与其相邻网格之间的动力差，

${\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)=\mathrm{\ΔP}-2\mathrm{\σ}(\frac{1}{R_j}-\frac{1}{R_i})$

其中，i为人工蚂蚁所在网格；j为所述人工蚂蚁所在网格的相邻网格；Φ_ij(t)为人工蚂蚁所在网格i与相邻网格j之间的动力差；ΔP为人工蚂蚁所在网格i与该相邻网格j之间的剩余压差；σ为油水两相界面张力；R_j为该相邻网格j内的岩石孔隙半径；R_i为人工蚂蚁所在网格i内的岩石孔隙半径。

其中，步骤S6中，根据所述网格的信息素及所述动力差通过下式计算所述当前蚂蚁从其所在网格运移至各相邻网格的运移概率，

$p_{\mathrm{ij}}\left(t\right)=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}{\underset{j\∈\mathrm{allowed}}{\mathrm{\Σ}}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}$

其中，p_ij(t)为从当前人工蚂蚁所在网格i运移至相邻网格j的运移概率；τ_ij(t)为该相邻网格j当前的信息素；a为继承启发因子；β为动力启发因子；allowed为与所述当前人工蚂蚁所在网格相邻的所有网格。

其中，步骤S8中，根据所述路径集合通过下式对各网格的信息素进行更新，

τ_ij(t)＝(1-γ)τ_ij(t-1)+M·Δτ

其中，τ_ij(t-1)为网格j在上一次更新时的信息素；γ为信息数挥发比例；M为从上一次更新到当前时刻之间，所述路径集合增加的路径中人工蚂蚁运移至网格j的次数；Δτ为一次转运过程中信息素的增加量。

其中，步骤S10之后还包括：

S11：通过下式计算所述路径集合中各条路径的通道系数，

$C=\frac{\mathrm{\Σ}{\mathrm{\Φ}}_Z\left(t\right)}{T}$

其中，C为路径的通道系数，T为该路径中的网格数，∑Φ_Z(t)为该路径中各相邻网格之间的动力差的总和。

本发明还公开了一种致密储层中油气运移的数值模拟装置，所述装置包括：

图像获取单元，用于获取所述致密储层的构造格架图像及烃源岩数据，对所述构造格架图像进行网格化处理；

概率计算单元，用于根据所述烃源岩数据在所述构造格架图像中确定烃源岩网格，根据所述烃源岩网格的生烃强度计算各烃源岩网格的排烃概率；

烃源岩选择单元，用于将预设数量的人工蚂蚁依次放置于按照所述排烃概率随机选择的烃源岩网格处；

动力差计算单元，用于计算各人工蚂蚁所在网格与其相邻网格之间的动力差；

路径保存单元，用于对各人工蚂蚁进行遍历，判断遍历到的当前人工蚂蚁所在网格与其相邻网格之间的动力差是否均小于等于预设阈值，若所述动力差均小于等于预设阈值，则将所述当前人工蚂蚁所在网格记录至富集区集合，并将所述当前人工蚂蚁的路径保存至路径集合中；

运移记录单元，用于根据网格的信息素及所述动力差计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，将所述当前人工蚂蚁从其所在网格运移至根据运移概率从所述相邻网格中随机选择的一个相邻网格，并将所述当前人工蚂蚁运移至该相邻网格记录到所述当前人工蚂蚁的路径中；

动力差判断单元，用于判断是否所有人工蚂蚁所在网格与其相邻网格之间的动力差均小于等于预设阈值；

信息素更新单元，用于根据所述路径集合对各网格的信息素进行更新；

调用判断单元，用于调用所述烃源岩选择单元，直至调用所述烃源岩选择单元的次数满足预设次数后，调用系数计算单元；

结果确定单元，用于将所述路径集合及富集区集合作为模拟结果。

其中，所述动力差计算单元通过下式计算各人工蚂蚁所在网格与其相邻网格之间的动力差，

${\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)=\mathrm{\ΔP}-2\mathrm{\σ}(\frac{1}{R_j}-\frac{1}{R_i})$

其中，i为人工蚂蚁所在网格；j为所述人工蚂蚁所在网格的相邻网格；Φ_ij(t)为人工蚂蚁所在网格i与相邻网格j之间的动力差；ΔP为人工蚂蚁所在网格i与该相邻网格j之间的剩余压差；σ为油水两相界面张力；R_j为该相邻网格j内的岩石孔隙半径；R_i为蚂蚁所在网格i内的岩石孔隙半径。

其中，所述运移记录单元根据所述路径集合及所述动力差通过下式计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，

$p_{\mathrm{ij}}\left(t\right)=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}{\underset{j\∈\mathrm{allowed}}{\mathrm{\Σ}}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}$

其中，p_ij(t)为从当前人工蚂蚁所在网格i运移至相邻网格j的运移概率；τ_ij(t)为该相邻网格j当前的信息素；a为继承启发因子；β为动力启发因子；allowed为与所述当前人工蚂蚁所在网格相邻的所有网格。

其中，所述信息素更新单元根据所述路径集合通过下式对各网格的信息素进行更新，

τ_ij(t)＝(1-γ)τ_ij(t-1)+M·Δτ

其中，τ_ij(t-1)为网格j在上一次更新时的信息素；γ为信息数挥发比例；M为从上一次更新到当前时刻之间，所述路径集合增加的路径中人工蚂蚁运移至网格j的次数；Δτ为一次转运过程中信息素的增加量。

其中，所述装置还包括：

系数计算单元，用于通过下式计算所述路径集合中各条路径的通道系数，

$C=\frac{\mathrm{\Σ}{\mathrm{\Φ}}_Z\left(t\right)}{T}$

其中，C为路径的通道系数，T为该路径中的网格数，∑Φ_Z(t)为该路径中各相邻网格之间的动力差的总和。

本发明将烃源岩网格等效为蚁窝，根据生烃强度从多个烃源岩释放代表油气的人工蚂蚁，并对各人工蚂蚁的路径及停止运转的网格(即富集区集合中的网格)进行记录，获得将所有人工蚂蚁的路径及富集区集合，方式本身相对而言比基于达西渗流方式模拟的方法更为简便，效果更为接近现实条件，预测精度高，同时，由于方法本身较为简便，计算迅速。

附图说明

图1是本发明一种实施方式的致密储层中油气运移的数值模拟方法的流程图；

图2是人工蚂蚁所在网格的各相邻网格的动力差的示意图；

图3是本发明一种实施方式的致密储层中油气运移的数值模拟装置的结构框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

从能量平衡的角度看，无论是以何种流动样式，单位地层体积的油气在机械能不平衡的条件下会对周围地层空间做出直观选取，优先选择最容易突破(往往是孔渗相对较好)的路径。当动力小于阻力时，油气停止运移并在该位置发生聚集。发生运移路径(储层空间)上相应的油润湿性会增强。在早期的路径形成后，后期单位地层体积的油气继续发生运移时，需要遵守两个：①遵循原有的力学平衡的原则，这相当于对之前静态的地层运移条件的直接继承。②优先选择润湿性发生亲油性变化的路径，这类似于在之前静态条件动力学条件变化的一个补充。这样的形成的路径更接近于真实的油气运移路径。

致密储层内的油气运移结构具有相似的特征。因此，本发明从实现的角度上，根据致密储层的源-储结构，将烃源岩网格(即油源)等效为蚁窝，从多个点并由其向输导层释放大量代表油气的人工蚂蚁，根据其生烃强度在一定的动力学模型约束下，人工蚂蚁将能在代表能量数值模型内的自动追踪出通往多个可能聚集位置的多个可能性路线。动力差值大的网格人工蚂蚁通过的概率就越高，这一网格的被选择的概率会被后续的人工蚂蚁通过信息素协调的方式加强，而不会使得其变成为一个纯概率事件。局部存在的无效网络可以小概率的形式参与网格评价系统。通过还原信息素场，在充注过程中路径-路径组合本身也会发生一定的变化，最有效的路径会被优选出来，进而从运移的路径相对可信的模拟结果中，进而反求出油气充注动态变化。

图1是本发明一种实施方式的致密储层中油气运移的数值模拟方法的流程图；参照图1，所述方法包括：

S1：获取所述致密储层的构造格架图像及烃源岩数据，对所述构造格架图像进行网格化处理；

需要说明的是，所述构造格架图像即为能够反映所述致密储层空间分布的图像。

S2：根据所述烃源岩数据在所述构造格架图像中确定烃源岩网格，根据所述烃源岩网格的生烃强度计算各烃源岩网格的排烃概率；

S3：将预设数量的人工蚂蚁依次放置于按照所述排烃概率随机选择的烃源岩网格处；

S4：计算各人工蚂蚁所在网格与其相邻网格之间的动力差；

在具体实现中，为了便于计算所述动力差，可选地，通过下式计算各人工蚂蚁所在网格与其相邻网格之间的动力差，

${\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)=\mathrm{\ΔP}-2\mathrm{\σ}(\frac{1}{R_j}-\frac{1}{R_i})$

其中，i为人工蚂蚁所在网格；j为所述人工蚂蚁所在网格的相邻网格；Φ_ij(t)为人工蚂蚁所在网格i与相邻网格j之间的动力差；ΔP为人工蚂蚁所在网格i与该相邻网格j之间的剩余压差(单位为Pa)；σ为油水两相界面张力(单位为N/m)；R_j为该相邻网格j内的岩石孔隙半径(单位为m)；R_i为人工蚂蚁所在网格i内的岩石孔隙半径(单位为m)。

需要说明的是，所述构造格架图像可为三维图像，也可以为二维图像，本实施方式中以二维图像为例进行说明，但不限定本发明的保护范围。在确定人工蚂蚁所在网格后，以人工蚂蚁所在网格为中心采用九宫格来代表在某一时间时，人工蚂蚁所在网格的各相邻网格的动力差，如图2所示，当前网格在该九宫格中的序号为5，故而，与其对应的R_i在图2中为R₅，在九宫格中其他相邻网格的序号分别为1～4及6～9，与其对应的R_j在图2中为R₁～R₄、R₆～R₉。

S5：对各人工蚂蚁进行遍历，判断遍历到的当前人工蚂蚁所在网格与其相邻网格之间的动力差是否均小于等于预设阈值，若所述动力差均小于等于预设阈值，则将所述当前人工蚂蚁所在网格记录至富集区集合，并将所述当前人工蚂蚁的路径保存至路径集合中，直接执行步骤S7，否则执行步骤S6；

S6：根据所述网格的信息素及所述动力差计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，将所述当前人工蚂蚁从其所在网格运移至根据运移概率从所述相邻网格中随机选择的一个相邻网格，并将所述当前人工蚂蚁运移至该相邻网格记录到所述当前人工蚂蚁的路径中；

在具体实现中，为了便于计算油气从当前人工蚂蚁所在网格运移至各相邻网格的运移概率，可选地，根据所述网格的信息素及所述动力差通过下式计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，

$p_{\mathrm{ij}}\left(t\right)=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}{\underset{j\∈\mathrm{allowed}}{\mathrm{\Σ}}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}$

其中，p_ij(t)为从当前人工蚂蚁所在网格i运移至相邻网格j的运移概率；τ_ij(t)为该相邻网格j当前的信息素；a为继承启发因子；β为动力启发因子；allowed为与所述当前人工蚂蚁所在网格相邻的所有网格。

S7：判断是否所有人工蚂蚁所在网格与其相邻网格之间的动力差均小于等于预设阈值，若是，则执行步骤S8，否则返回步骤S5；

S8：根据所述路径集合对各网格的信息素进行更新；

需要说明的是，可将每次放置预设数量的人工蚂蚁(即执行一次步骤S3)理解为一幕排烃，而人工蚂蚁在运移时，每时每刻对应的路径都可能会产生变化，若对信息素实时更新，则会导致计算效率过低，本实施方式中，在一幕排烃对应的人工蚂蚁全部完成运移后，再对各网格的信息素进行更新，为了进一步突出前期运移路径对后期运移路径的影响，同时也为了使得路径尽快收敛，故而，引入了信息素的挥发机制，对油气的充注的时间步长进行划分。

为便于更新所述信息素，可选地，根据所述路径集合通过下式对各网格的信息素进行更新，

τ_ij(t)＝(1-γ)τ_ij(t-1)+M·Δτ

其中，τ_ij(t-1)为网格j在上一次更新时的信息素；γ为信息数挥发比例；M为从上一次更新到当前时刻之间，所述路径集合增加的路径中人工蚂蚁运移至网格j的次数；Δτ为一次转运过程中信息素的增加量。

需要说明的是，τ_ij(0)为信息素的初始值，通常设置为1。

S9：返回步骤S3，直至返回步骤S3的次数满足预设次数后，执行步骤S10；

S10：将所述路径集合及富集区集合作为模拟结果。

由于动力差沿运移路径递减概率最大，为了消除路径形态本身的影响，可选地，在步骤S10之后还包括：

通过下式计算所述路径集合中各条路径的通道系数，

$C=\frac{\mathrm{\Σ}{\mathrm{\Φ}}_Z\left(t\right)}{T}$

其中，C为路径的通道系数，T为该路径中的网格数，∑Φ_Z(t)为该路径中各相邻网格之间的动力差的总和。

当然，在计算各条路径的通道系数后，可按照所述通道系数对路径进行排序，并将排序结果输出。

本实施方式将烃源岩等效为蚁窝，根据生烃强度从多个烃源岩释放代表油气的人工蚂蚁，并对各人工蚂蚁的路径进行记录，再从记录的路径中选择出优势通道，方式本身相对而言比基于达西渗流方式模拟的效果从机理上更为接近现实条件，预测精度高，同时，由于方法本身较为简单，计算迅速。

图3是本发明一种实施方式的致密储层中油气运移的数值模拟装置的结构框图；参照图3，所述装置包括：

图像获取单元，用于获取所述致密储层的构造格架图像及烃源岩数据，对所述构造格架图像进行网格化处理；

概率计算单元，用于根据所述烃源岩数据在所述构造格架图像中确定烃源岩网格，根据所述烃源岩网格的生烃强度计算各烃源岩网格的排烃概率；

烃源岩选择单元，用于将预设数量的人工蚂蚁依次放置于按照所述排烃概率随机选择的烃源岩网格处；

动力差计算单元，用于计算各人工蚂蚁所在网格与其相邻网格之间的动力差；

路径保存单元，用于对各人工蚂蚁进行遍历，判断遍历到的当前人工蚂蚁所在网格与其相邻网格之间的动力差是否均小于等于预设阈值，若所述动力差均小于等于预设阈值，则将所述当前人工蚂蚁所在网格记录至富集区集合，并将所述当前人工蚂蚁的路径保存至路径集合中；

运移记录单元，用于根据网格的信息素及所述动力差计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，将所述当前人工蚂蚁从其所在网格运移至根据运移概率从所述相邻网格中随机选择的一个相邻网格，并将所述当前人工蚂蚁运移至该相邻网格记录到所述当前人工蚂蚁的路径中；

动力差判断单元，用于判断是否所有人工蚂蚁所在网格与其相邻网格之间的动力差均小于等于预设阈值；

信息素更新单元，用于根据所述路径集合对各网格的信息素进行更新；

调用判断单元，用于调用所述烃源岩选择单元，直至调用所述烃源岩选择单元的次数满足预设次数后，调用系数计算单元；

结果确定单元，用于将所述路径集合及富集区集合作为模拟结果。

可选地，所述动力差计算单元通过下式计算各人工蚂蚁所在网格与其相邻网格之间的动力差，

${\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)=\mathrm{\ΔP}-2\mathrm{\σ}(\frac{1}{R_j}-\frac{1}{R_i})$

其中，i为人工蚂蚁所在网格；j为所述人工蚂蚁所在网格的相邻网格；Φ_ij(t)为人工蚂蚁所在网格i与相邻网格j之间的动力差；ΔP为人工蚂蚁所在网格i与该相邻网格j之间的剩余压差；σ为油水两相界面张力；R_j为该相邻网格j内的岩石孔隙半径；R_i为蚂蚁所在网格i内的岩石孔隙半径。

可选地，所述运移记录单元根据所述路径集合及所述动力差通过下式计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，

$p_{\mathrm{ij}}\left(t\right)=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}{\underset{j\∈\mathrm{allowed}}{\mathrm{\Σ}}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}$

其中，p_ij(t)为从当前人工蚂蚁所在网格i运移至相邻网格j的运移概率；τ_ij(t)为该相邻网格j当前的信息素；a为继承启发因子；β为动力启发因子；allowed为与所述当前人工蚂蚁所在网格相邻的所有网格。

可选地，所述信息素更新单元根据所述路径集合通过下式对各网格的信息素进行更新，

τ_ij(t)＝(1-γ)τ_ij(t-1)+M·Δτ

其中，τ_ij(t-1)为网格j在上一次更新时的信息素；γ为信息数挥发比例；M为从上一次更新到当前时刻之间，所述路径集合增加的路径中人工蚂蚁运移至网格j的次数；Δτ为一次转运过程中信息素的增加量。

可选地，所述装置还包括：

系数计算单元，用于通过下式计算所述路径集合中各条路径的通道系数，

$C=\frac{\mathrm{\Σ}{\mathrm{\Φ}}_Z\left(t\right)}{T}$

其中，C为路径的通道系数，T为该路径中的网格数，∑Φ_Z(t)为该路径中各相邻网格之间的动力差的总和。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (10)

1.一种致密储层中油气运移的数值模拟方法，其特征在于，所述方法包括：

S1：获取所述致密储层的构造格架图像及烃源岩数据，对所述构造格架图像进行网格化处理；

S2：根据所述烃源岩数据在所述构造格架图像中确定烃源岩网格，根据所述烃源岩网格的生烃强度计算各烃源岩网格的排烃概率；

S3：将预设数量的人工蚂蚁依次放置于按照所述排烃概率随机选择的烃源岩网格处；

S4：计算各人工蚂蚁所在网格与其相邻网格之间的动力差；

S5：对各人工蚂蚁进行遍历，判断遍历到的当前人工蚂蚁所在网格与其相邻网格之间的动力差是否均小于等于预设阈值，若所述动力差均小于等于预设阈值，则将所述当前人工蚂蚁所在网格记录至富集区集合，并将所述当前人工蚂蚁的路径保存至路径集合中，直接执行步骤S7，否则执行步骤S6；

S6：根据网格的信息素及所述动力差计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，将所述当前人工蚂蚁从其所在网格运移至根据运移概率从所述相邻网格中随机选择的一个相邻网格，并将所述当前人工蚂蚁运移至该相邻网格记录到所述当前人工蚂蚁的路径中；

S7：判断是否所有人工蚂蚁所在网格与其相邻网格之间的动力差均小于等于预设阈值，若是，则执行步骤S8，否则返回步骤S5；

S8：根据所述路径集合对各网格的信息素进行更新；

S9：返回步骤S3，直至返回步骤S3的次数满足预设次数后，执行步骤S10；

S10：将所述路径集合及富集区集合作为模拟结果。

2.如权利要求1所述的方法，其特征在于，步骤S4中，通过下式计算各人工蚂蚁所在网格与其相邻网格之间的动力差，

${\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)=\mathrm{\ΔP}-2\mathrm{\σ}(\frac{1}{R_j}-\frac{1}{R_i})$

其中，i为人工蚂蚁所在网格；j为所述人工蚂蚁所在网格的相邻网格；Φ_ij(t)为人工蚂蚁所在网格i与相邻网格j之间的动力差；ΔP为人工蚂蚁所在网格i与该相邻网格j之间的剩余压差；σ为油水两相界面张力；R_j为该相邻网格j内的岩石孔隙半径；R_i为人工蚂蚁所在网格i内的岩石孔隙半径。

3.如权利要求2所述的方法，其特征在于，步骤S6中，根据所述网格的信息素及所述动力差通过下式计算所述当前蚂蚁从其所在网格运移至各相邻网格的运移概率，

$p_{\mathrm{ij}}\left(t\right)=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}{\underset{j\∈\mathrm{allowed}}{\mathrm{\Σ}}\left[{{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)]}^{\mathrm{\α}}\right[{{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)]}^{\mathrm{\β}}}$

其中，p_ij(t)为从当前人工蚂蚁所在网格i运移至相邻网格j的运移概率；τ_ij(t)为该相邻网格j当前的信息素；a为继承启发因子；β为动力启发因子；allowed为与所述当前人工蚂蚁所在网格相邻的所有网格。

4.如权利要求3所述的方法，其特征在于，步骤S8中，根据所述路径集合通过下式对各网格的信息素进行更新，

τ_ij(t)＝(1-γ)τ_ij(t-1)+M·Δτ

其中，τ_ij(t-1)为网格j在上一次更新时的信息素；γ为信息数挥发比例；M为从上一次更新到当前时刻之间，所述路径集合增加的路径中人工蚂蚁运移至网格j的次数；Δτ为一次转运过程中信息素的增加量。

5.如权利要求2所述的方法，其特征在于，步骤S10之后还包括：

S11：通过下式计算所述路径集合中各条路径的通道系数，

$C=\frac{\mathrm{\Σ}{\mathrm{\Φ}}_Z\left(t\right)}{T}$

其中，C为路径的通道系数，T为该路径中的网格数，ΣΦ_Z(t)为该路径中各相邻网格之间的动力差的总和。

6.一种致密储层中油气运移的数值模拟装置，其特征在于，所述装置包括：

图像获取单元，用于获取所述致密储层的构造格架图像及烃源岩数据，对所述构造格架图像进行网格化处理；

概率计算单元，用于根据所述烃源岩数据在所述构造格架图像中确定烃源岩网格，根据所述烃源岩网格的生烃强度计算各烃源岩网格的排烃概率；

烃源岩选择单元，用于将预设数量的人工蚂蚁依次放置于按照所述排烃概率随机选择的烃源岩网格处；

动力差计算单元，用于计算各人工蚂蚁所在网格与其相邻网格之间的动力差；

路径保存单元，用于对各人工蚂蚁进行遍历，判断遍历到的当前人工蚂蚁所在网格与其相邻网格之间的动力差是否均小于等于预设阈值，若所述动力差均小于等于预设阈值，则将所述当前人工蚂蚁所在网格记录至富集区集合，并将所述当前人工蚂蚁的路径保存至路径集合中；

运移记录单元，用于根据网格的信息素及所述动力差计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，将所述当前人工蚂蚁从其所在网格运移至根据运移概率从所述相邻网格中随机选择的一个相邻网格，并将所述当前人工蚂蚁运移至该相邻网格记录到所述当前人工蚂蚁的路径中；

动力差判断单元，用于判断是否所有人工蚂蚁所在网格与其相邻网格之间的动力差均小于等于预设阈值；

信息素更新单元，用于根据所述路径集合对各网格的信息素进行更新；

调用判断单元，用于调用所述烃源岩选择单元，直至调用所述烃源岩选择单元的次数满足预设次数后，调用系数计算单元；

结果确定单元，用于将所述路径集合及富集区集合作为模拟结果。

7.如权利要求6所述的装置，其特征在于，所述动力差计算单元通过下式计算各人工蚂蚁所在网格与其相邻网格之间的动力差，

${\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)=\mathrm{\ΔP}-2\mathrm{\σ}(\frac{1}{R_j}-\frac{1}{R_i})$

其中，i为人工蚂蚁所在网格；j为所述人工蚂蚁所在网格的相邻网格；Φ_ij(t)为人工蚂蚁所在网格i与相邻网格j之间的动力差；ΔP为人工蚂蚁所在网格i与该相邻网格j之间的剩余压差；σ为油水两相界面张力；R_j为该相邻网格j内的岩石孔隙半径；R_i为蚂蚁所在网格i内的岩石孔隙半径。

8.如权利要求7所述的装置，其特征在于，所述运移记录单元根据所述路径集合及所述动力差通过下式计算所述当前人工蚂蚁从其所在网格运移至各相邻网格的运移概率，

$p_{\mathrm{ij}}\left(t\right)=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^a{\left[{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\β}}}{\underset{j\∈\mathrm{allowed}}{\mathrm{\Σ}}\left[{{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)]}^{\mathrm{\α}}\right[{{\mathrm{\Φ}}_{\mathrm{ij}}\left(t\right)]}^{\mathrm{\β}}}$

其中，p_ij(t)为从当前人工蚂蚁所在网格i运移至相邻网格j的运移概率；τ_ij(t)为该相邻网格j当前的信息素；a为继承启发因子；β为动力启发因子；allowed为与所述当前人工蚂蚁所在网格相邻的所有网格。

9.如权利要求8所述的装置，其特征在于，所述信息素更新单元根据所述路径集合通过下式对各网格的信息素进行更新，

τ_ij(t)＝(1-γ)τ_ij(t-1)+M·Δτ

其中，τ_ij(t-1)为网格j在上一次更新时的信息素；γ为信息数挥发比例；M为从上一次更新到当前时刻之间，所述路径集合增加的路径中人工蚂蚁运移至网格j的次数；Δτ为一次转运过程中信息素的增加量。

10.如权利要求7所述的装置，其特征在于，所述装置还包括：

系数计算单元，用于通过下式计算所述路径集合中各条路径的通道系数，

$C=\frac{\mathrm{\Σ}{\mathrm{\Φ}}_Z\left(t\right)}{T}$

其中，C为路径的通道系数，T为该路径中的网格数，ΣΦ_Z(t)为该路径中各相邻网格之间的动力差的总和。