CN105452598B - 选择和优化用于产量平台的油田控制的方法 - Google Patents

选择和优化用于产量平台的油田控制的方法 Download PDF

Info

Publication number
CN105452598B
CN105452598B CN201480032293.XA CN201480032293A CN105452598B CN 105452598 B CN105452598 B CN 105452598B CN 201480032293 A CN201480032293 A CN 201480032293A CN 105452598 B CN105452598 B CN 105452598B
Authority
CN
China
Prior art keywords
throughput rate
platform
production
plt
duration
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.)
Active
Application number
CN201480032293.XA
Other languages
English (en)
Other versions
CN105452598A (zh
Inventor
索尼娅·恩比德罗兹
鲁本·罗德里格斯托拉多
穆罕默德·赫加齐
大卫·埃切维里亚西奥里
乌利塞斯·梅洛
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.)
Repsol SA
International Business Machines Corp
Original Assignee
Repsol YPF SA
International Business Machines Corp
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 Repsol YPF SA, International Business Machines Corp filed Critical Repsol YPF SA
Publication of CN105452598A publication Critical patent/CN105452598A/zh
Application granted granted Critical
Publication of CN105452598B publication Critical patent/CN105452598B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V20/00—Geomodelling in general
    • 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
    • E21B41/00—Equipment or details not covered by groups E21B15/00 - E21B40/00
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)

Abstract

本发明涉及针对给定的地下烃(油)田产量确定能源生产控制，并且更具体地涉及为了维持最优化的油田生产而指定控制(通过随着时间的类似平台的曲线)。

Description

选择和优化用于产量平台的油田控制的方法
技术领域
本发明涉及对于给定的地下烃(油)田产量确定能源生产控制，并且更具体地涉及指定用于维持最优的油田产量的控制(通过随着时间类似平台的曲线)。
背景技术
对于给定的地下烃(油)田，能源生产设施设计通常是基于一般的油生产考虑。一般来说，经济业务单位提供较低的设计限制。此限制可能基于平台生产持续时间以及对回收设施建设成本所需的时间长度。对于所选择的生产持续时间，平台生产意指持续的、恒定的能源生产。经济业务单位还针对平台持续时间规定设计上限(通常合同地设置)，例如，合同条约将来自给定油田的生产限制在某个时间框，或者依赖油田许可。因此，确定油田生产通常包括寻找生产控制(例如油田速率)，其旨在针对所选择的生产持续时间维持恒定的生产。
以前，设计者特别是通过反复试验并且通过先前经验的指导来生成平台生产曲线。设计者使用简单的、分析油产量的模型来粗略估计优化的平台值。然而，这些粗略估计依赖于非常简单的不精确的模型。这些模型是不稳健的，往往会导致错误的决策，并经常没有考虑到固有的不确定性。
最近，设计者已经使用基于模拟的油田生产来优化设计。考虑到平台的持续时间(例如，最小和最大持续时间)，为了更准确的结果，向这些油田模拟提供一般的优化约束。而更准确的，包括在基于模拟的方法中的不确定性以及将该问题制定为一般的优化问题，使得由于需要求解多变量优化问题得出求解变得更复杂和昂贵。在某些参数(例如，储集层的几何轮廓)中的不确定性通常通过考虑一组参数分布进行量化，其中每一个均具有相关联的概率。得出求解通常需要数千个储集层流动模拟，花费数天的时间计算来完成。因而，相关联的计算成本可能过高。此外，这种方法通常不适合互动、快速地作出决定。
因此，需要根据可量化的不确定性，快速、廉价且有条不紊地生成油田生产控制，其旨在优化持续的生产(即，通过随着时间类似平台的曲线)并且还需要生成油田生产控制用于实现先前给定的平台持续时间。
发明内容
根据储集层工程术语，田油生产速率(FOPR)是指对于整个油田的油生产的速率，并且通常以每天多少桶(桶/天)来进行测量。除了油之外，生产井还可以生产其他流体(例如水)。因此，油田流体生产速率(FFPR)是指对于整个油田的流体生产的速率。
类似地，油田流体注入速率(FFIR)涉及为扫油而注入的流体的总量。商业流体流动模拟器(例如，ECLIPSE)使得能够(利用效率指南)针对给定的每个单独的井(注入井和生产井)确定随时间变化的速率，例如期望的FOPR，而事实上，FFPR应等于FFIR(这个最后的策略被称为空隙率替换，并且旨在为了较好的结构稳定性而保持储集层中的内部压力)。因为最初存在于储集层中的油的量是有限的，所以不可能无限期地维持给定的FOPR值。与FOPR相关联的平台持续时间Lplt是对于油田生产速率等于FOPR的最长的持续时间。针对在实践中可以使用的FOPR值的相对大范围，我们可以假设与FOPR的值相关联的平台持续时间与FOPR值成反比，并且，对于该范围，在FOPR与和FOPR值相关联的平台持续时间之间存在一一对应关系。
可以通过流动模拟直接获得平台持续时间Lplt。该反比关系(即，FOPR给出Lplt)不是经由流动模拟直接获得的，并且根据本发明的一个方面，该反比对应可以通过考虑附加的边界条件来计算。
随着描述，我们假设不确定性是关于储集层的地质描述的(可以包括与这种类型的不确定类似的其他类型的不确定性)。因为储集层的地质描述是不确定的，所以与储集层相关联的地质参数不能被认为是公知的。常见的方法是生成未知参数的一组地质地合理分布，该未知参数与一些可用信息(例如，在一些试点井处的测量)一致。因而，我们考虑多地质模型而不是单一(确定性的)模型。因此，利用储集层模拟我们确定一组生产预测，而不是单一预测。最终可以在最优化中考虑针对这个组所计算的统计数据(例如，平均田油生产速率和平均净现值)。
本发明的一方面是生成用于产量平台(production plateau)的油田生产控制，即包括如下步骤的方法：
确定储集层模型；
提供适合于生成开发计划的数值工具，所述开发计划包括设施模型以及对预定生产速率的控制，所述预定生产速率优选为FOPR，所述开发计划包括：
用于储集层模型的生产井位置以及可选择地注入井位置的分布；
钻井方案；以及
井的控制，
提供适于在所述预定生产速率的开发计划条件下模拟所述储集层模型的数值工具，所述预定生产速率适于生成平均生产曲线和平台持续时间。
钻井方案制定井的钻孔顺序和每个井被钻取的时刻。井的控制制定随着时间每个井的流动速率。
一旦开发计划已经限定了井位的分布、钻井方案和井的控制，则可以计算或确定排名度量(例如，净现值(NPV))。
该方法包括下面的针对选择对于产量平台的控制的迭代步骤：
提供关于生产速率变量的猜测；
提供成本函数，所述成本函数根据生产速率变量针对设施模型评估平均排名度量，优选净现值NPV；
当平均排名度量不是最大时，执行以下步骤：
针对生产速率值来模拟所述储集层模型；
提供设施模型和平均排名度量的；
如果平均排名度量不是最大，则生成新的生产速率，
根据使得平均排名度量最大的生产速率提供油田控制。
根据本发明的实施方式，油田生产控制的生成是根据可量化的不确定性计算得到的，其使得关于特定储集层的净现值(NPV)最大化并且维持恒定的油田产量(通过随着时间类似平台的曲线)。NPV计算可以包括关于生产/注入设施的简单的成本模型。
本发明的另一个特征是根据可量化的不确定性生成产生先前指定的持续时间的平台产量的田速率控制。如果该持续时间是不可行的，则本发明向指定的持续时间输出产生最接近可行持续时间的油田控制(例如，与输出的Lplt相关联的FOPR值满足所施加的约束)。
本发明的实施方式涉及用于根据可量化的不确定性确定关于油生产的使得一些开发性能度量(例如净现值)最大化的田约束的方法。当使得开发性能度量最大时，选择田油生产速率(FOPR)，使得优化的生产曲线和相关联的不确定性是可用的(并且例如可以被用于评估设施设计)。否则，选择一个新的FOPR用于另一迭代并且直到发现最大值时确定平均产量。
本发明还涉及用于根据可量化的不确定性确定关于油生产的产生期望的持续时间的产量平台的田控制的系统、方法和计算机程序产品(例如可以由经济业务单位给出平台产量持续时间，并且平台产量持续时间可能与对注入/生产设施的考虑有关)。
附图说明
根据对下面参照附图仅通过说明性和非限制性示例的方式提供的优选实施方式进行的详细描述，本发明的这些和其他特征以及优点将更加清楚。
图1：这个图示出了根据本发明的优选实施方式用于针对来自特定田或储集层的最优化生产选择烃能源(油/气)设施配置的设施设计系统的示例。
图2A-2B：这些图示出了迭代地开发期望的平台持续时间的生产曲线和用于该生产曲线的优化程序的示例。
具体实施方式
如本领域技术人员应该理解的是，本发明的各方面可以被实施为系统、方法或计算机程序产品。因此，本发明的各方面可以采取如下形式：完全硬件的实施方式、完全软件的实施方式(包括固件，常驻软件，微码等)或软件与硬件相结合的实施方式，通常在本文中这些方面被称为“电路”、“模块”或“系统”。此外，本发明的各方面可以采用嵌入在具有嵌入在其上的计算机可读程序代码的一个或更多个计算机可读介质中的计算机程序产品的形式。
可以使用一个或更多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是，例如，但不限于：电子、磁、光、电磁、红外或半导体系统、装置或设备或者前述的任意合适组合。计算机可读存储介质的更具体的示例(非限制性列表)可以包括如下：具有一个或多个线的电气连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或者前述的任意组合。在本文档的上下文中，计算机可读存储介质可以是能够包含或者存储被指令执行系统、装置或设备使用的或者与指令执行系统、装置或设备有关的程序的任意有形介质。
计算机可读信号介质可以包括具有嵌入其中的计算机可读程序代码的传播数据信号，例如在基带中或作为载波的一部分。这样的传播信号可以采取任意多种形式，包括，但不限于，电磁的、光的或其任意组合。计算机可读信号介质可以为不是计算机可读存储介质但是可以对被指令执行系统、装置或设备使用或者与指令执行系统、装置或设备有关的程序进行通信、传播或传输的任意计算机可读介质。
嵌入在计算机可读介质中的程序代码可以利用任意合适的介质(包括但不限于无线、有线、光纤电缆、RF等或者任意前述组合)进行传输。
用于执行关于本发明的各方面的操作的计算机程序代码可以以一种或更多种编程语言的任意组合编写，包括面向对象的编程语言(例如Java、Smalltalk、C++等)以及常规的过程编程语言(例如“C”编程语言或类似的编程语言)。该程序代码可以整体地在用户的计算机上执行、部分地在用户的计算机上执行、作为独立的软件包执行、部分地在用户的计算机上并且部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任意类型的网络(包括局域网(LAN)或广域网(WAN))被连接至用户的计算机或者可以连接至外部计算机(例如，通过利用因特网服务提供商的因特网)。
下面将参照根据本发明的实施方式的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。应该理解的是，流程图和/或框图的每个块以及流程图和/或框图中的块的组合可以通过计算机程序指令实现。这些计算机程序指令可以被提供至通用目的计算机、专用计算机或其他可编程数据处理设备的处理器以产生一种机制，以使得经由计算机或其他可编程数据处理设备的处理器来执行的指令创建用于实施在流程图和/或框图块中指定的功能/动作的方法。
这些计算机可读程序指令还可以被存储在计算机可读存储介质中，其可以引导计算机、其他可编程数据处理设备或者其他装置来以特定方式起作用，以使得具有存储于其中的指令的计算机可读存储介质生成一件制品，该制品包括实施在流程图和/或框图块中指定的功能/动作的方面的指令。
计算机可读程序指令还可以被加载至计算机、其他可编程数据处理装置或者其他装置上来引起要在计算机、其他可编程设备或其他装置上执行的一系列的操作步骤，以产生计算机可实施的处理，使得在计算机、其他可编程设备或其他装置上执行的指令实施在流程图和/或框图块中指定的功能/动作。
现在转到附图并且更具体地，图1示出了根据本发明的优选实施方式用于确定油田生产控制的选择烃能源(油/气)田生产配置的系统的示例100。在选择优化的油田生产配置方面，优选系统100确定来自地下油储集层的田油生产速率(其随着时间尽可能是持续的；这会产生持续时间Lplt的类似平台的生产曲线)并且进一步，评估关于所得的油产量的相关联的不确定性。
优选的设计系统100包括通过网络108耦接(例如，有线地或无线地)在一起的一个或更多个计算机102、104、106(在该示例中为3个)。网络108可以是例如，局域网(LAN)、因特网、内联网或其组合。通常，计算机102、104、106包括一个或多个处理器(例如中央处理单元(CPU))110、存储器112、本地存储器114以及提供用户接口的任意形式的输入/输出设备116。本地存储器114可以生成和/或包括关于被评估的储集层的、用于生产的一组模型118。
优选的设计系统100根据经济标准(例如净现值(NPV))，考虑到设施设计相关的资本支出(CAPEX)要素来开发生产曲线(即，生产相关的量作为时间的函数的描述)。根据这些生产曲线，可以确定用于在开发相应的油田方面使产量最大化所需要的油田生产控制。特别是，生产曲线是关于具有恒定的能源生产速率的类似平台的能源生产(在生产时间框的至少一些部分期间)，其与在特定油田中所生产的材料的总量对应。优选的设计系统100和方法还有利于关于在先前指定的平台持续时间(Lplt)期间能源生产的油田控制。设计系统100的输出可以被用于设计对于油田开发所需要的注入/生产设施。
因而，在通过变量上限和变量下限约束的单变量优化问题方面，施加到烃能源生产的优选的设计系统100针对一组储集层模型优化田油生产速率。优选的设计系统100将单变量优化问题制定为用于开发各自的能源生产田的优化成本函数。应用到生产田模拟的优化成本函数提供关于这个集合的最大平均油田产量，其中最大平均产量根据可量化的不确定性识别(用相关联的生产持续时间)最佳生产速率。
对于能源生产，单优化变量是田油生产速率(FOPR)并且所有其他的模拟输入是已知的或预先确定的。例如，可以通过商业模拟器获得在生产/注入井处的各个速率，商业模拟器通常合并有井速率分配算法。优化约束包括关于FOPR的上限和下限。这些边界可以通过经济业务单位给予，或者可选择地该边界可以通过例如平台持续时间施加。针对感兴趣的范围，我们假设FOPR与Lplt之间是一一对应关系。任意其他边界可以通过预处理步骤进行转化，然后求解该问题。
在又一实施方式中，单优化变量是平台持续时间，其中使用FOPR与Lplt之间的对应关系。在该实施方式中，另一迭代法被用于关于确定的Lplt值的FOPR的精确值。因而，优选的设计系统100确定必须的能源(油/气)田生产速率(并且与平台产量持续时间对应)以通过求解作为唯一未知量的FOPR来使NPV最大化。此外，系统100用作为唯一未知量的FOPR计算所需要的能源田生产速率以获得指定的平台产量持续时间，即，FOPPR与Lplt之间的对应关系。
最优化在最大平均NPV(经过所使用的一组储集层模型)与和这个最大平均NPV相关联的不确定性的量化方面一起达到高潮。不确定性可以通过在平均生产单元134中确定的所有生产响应来量化(特别是针对最大化平均NPV的FOPR)，其中这些生产响应还被用于计算平均NPV。
因而，得出最大平均NPV的田油生产速率(并且与平台产量持续时间对应)识别关于优化成本函数的最优解和关于生产田的最优化的工作点。设计者使用优化的田油生产速率和平台产量持续时间来设计并且指定设计用于生产田的设施。
设计者可以在选择特定的控制策略之后随后确定油田注入控制。例如，在含水层驱动田中可以不需要注入井。相反，当使用注水法时，空隙率替换限定等于田流体生产速率的田水注入速率。空隙率替换旨在保持储集层压力并赋予具有结构稳定性的生产。
另外，将油田生产速率看作在所有的生产井之中的分布，设计系统100可以针对每个井确定个体生产速率。关于流动速率分布的储集层流动模拟器可以通过市售获得。典型的市售储集层流动模拟器包括，例如，从Schlumberger Limited获得的ECLIPSE和从Computer Modelling Group Ltd获得的IMEX。
图2A利用用于迭代地开发使NPV最大化的优化单元120的优选设计系统(例如，图1的100)示出本发明的一方面的示例。针对用于对不确定性进行量化的所有模型(例如，图1中118)计算关于例如经由储集层流动模拟获得的平均生产曲线的NPV。
可替代地，这个平均生产曲线可以利用关于平均储集层模型的仅一个储集层流动模拟进行近似或者可以被提供为已知函数。
NPV计算包括关于设施132的需要例如输入平均生产曲线的成本模型。这些模型可以是，例如，惩罚大型生产的指数成本模型。
首先，向平均生产单元134(该单元还量化了相关联的/传播的不确定性)投射或提供(例如，通过工程师，设计师或其他专家)关于FOPR 122的值。单元120针对单一变量(田油/液体生产速率)进行优化。
在每次迭代之后，单元124检查结果以确定平均NPV是否为最大。否则，优化单元120接收或确定在FOPR边界128内的新的FOPR 126。新的FOPR可以是利用在之前的步骤或其他数值方法中获得的先前值例如通过牛顿迭代方法估计正切值的方式提出的。
这些边界(例如与FOPR的限制对应或与平台持续时间值的限制对应)可以通过经济单位给出。例如，这些限制可以在新的FOPR大于通过最大平台持续时间限制的FOPR最小(FOPRmin)的给定的迭代检查处实现。在这种情况下，如果生产速率或平台持续时间不可行，则本发明特别是优选的设计系统100提供产生最接近可行值的油田控制。
在下一次迭代中，单元120根据FOPR 126的新的值计算新的平均NPV(和相关联的不确定性)。如果检查124确定结果是最大值，则输出最终结果以及相应的分布。该结果可被用于选择注入/生产设施的最终设计。
首先，例如，用户、工程师或其他设计师可以提供优化值122。可替代地，设计系统100可以选择根据可用的数据考虑自动确定或者根据最优化变量边界128自动确定初始优化值122。可用数据考虑可以包括，例如，估计的原油位置和期望的平台持续时间以及油采收率(oil recovery factor)。根据优化变量边界128自动确定初始优化值122包括，例如，选择边界之间的中点。
因为优化是关于单变量的，所以在实践中以相对少数量的迭代，一般少于十次，在120中的优化得出具有可接受的精度的解。优选地，利用边界约束的非线性优化器来求解最优化(成本函数是针对关于FOPR感兴趣的值的平均NPV 136，并且最优化边界例如通过经济业务约束来指定)因此，本发明迅速得出最优化的FOPR平台值(其由于Lplt与FOPR之间的一一对应关系而具有相应的最佳平台持续时间)。
此外，任意储集层的描述通常带有不确定性(例如，通过一组模型量化并且与概率对应)。因而，在120中优化考虑平均算子。例如，孔隙率可被建模为一组中的每个模型的孔隙率分布的概率的算术加权平均值(关于储集层模型的孔隙率分布描述了关于空间区域建模的孔隙/空的空间的量)。其他储集层特性可以类似地平均。此后，考虑平均特性执行储集层流动模拟。可替选地，可以对组中的每个储集层模型运行储集层流模拟，并且平均算子被施加到所获得的所有的生产曲线上。第二选择捕获在不确定性的传播方面的较好的非线性效应，但是计算所用去的花费比在平均储集层模型上执行的单次模拟花费更多。总之，本发明根据储集层模型传播不确定性，产生130 FOPR、平台持续时间和净现值(后者包括用于注射/生产设施的成本模型)。
最优化NPV是利用FOPR变量通过迭代方法获得的。因为在两个变量之间的一一对应关系，这种方法还可以利用平台持续时间求解。也就是说，通过单元140代替FOPR变量表示的最优化120，产生以Lplt变量表示的方法。
图2B示出了使用优选的设计系统(例如，图1的100)用于迭代地开发产生预先指定的采油平台持续时间的生产曲线的示例140。
FOPR与平台持续时间之间的反比关系不能从流动模拟中直接获得。在这种情况下，这个反比关系可以基于工程师、设计师或其他专家的知识提供一维函数来估算；或者可以如下本文中所描述的以精确的方式获得。
给定FOPR值，经过储集层模型的流动模拟提供了针对这样的储集层模型的平台产量持续时间。当模拟与关于油田的信息匹配的多个储藏模型时，经过多个储集层模型的统计度量提供统计的量化的不确定性。也就是说，计算平台持续时间148用于针对用于量化不确定性(例如，在图1中118)的所有模型经由储集层流动模拟获得的平均生产曲线。可替选地，该平均生产曲线可以近似地仅使用针对平均储集层模型的一个储集层流动模拟。
最初，FOPR的值122被投射或提供(例如，由工程师、设计师或其他专家)至平均生产单元134(该单元还量化了相关联的/传播的不确定性)。单元140求解单变量(田油/液体生产速率)问题。在每次迭代之后，单元150检查结果以确定平台持续时间是否为所期望的值146或者，可替选地，其是否为与可以获得的所期望的值最接近的值。否则，求解单元140接收或确定在FOPR边界128内的新的FOPR 152。这些边界可以例如与FOPR的限制对应或者与通过经济单位给出的平台持续时间值的限制对应。在下一次迭代中，单元140针对新的值FOPR 126求解新的平台产量值和相关联的不确定性。
如果检查150确定结果是值所需的值146，或者可替选地，如果其为与可以获得的所期望的值最接近的值，则最终的FOPR结果154是可用的。
单元140求解针对一组储集层模型的给定平台持续时间的平均油产量。设计系统100可以将聚类/采样技术应用到储集层模设定中以将模型的数量减少/限制到相对少的数量，例如几十个模型。尽管本文针对完整的油田进行描述，但是可以例如利用地质和/或表面的距离约束将本发明应用到先前分组的一组井中。
非线性优化例如，通过根据针对一组储集层模型中的每个储集层模型的储集层流模拟中获得平均生产曲线来传播不确定性。在这种情况下，生产预测因而为根据在一组储集层模型中的所有储集层模型和相关联的不确定性的一组预测。因而，优选的设计系统100根据复杂的储集层流动模拟确定预测(其中油生产呈现平台曲线)，并且进一步，同时在设计满足大多数实际应用的情况下保留一定的精确度。因此，本发明已经应用到如下情况：可能需要在很短的时间(即，几个小时或至多几天)段内快速的决定的情况。
一旦确定最优的FOPR，则对于一个预定的替换因子(在注入流动与生产流动之间的速率，通常为1)，则例如利用商业计划和因此针对平台产量的控制确定关于每个单独的井(注入井和生产井)随着时间变化的速率。
因而，有利的是，本发明提供了用于寻找油田生产约束的比特别是现有技术和反复试验设计方法相比更有效的方法。此外，本发明在计算上比一般基于模拟的、通常考虑通常需要几千个储集层流动模拟的大量的优化变量(例如，几百个变量)优化的现有方法更便宜。相反，本发明为了快速求解(例如，田油平台生产速率NPV和FOPR或者平台的持续时间)，减少了到单变量求解的设计决定。
这一切，结合减少用于不确定性量化的储集层模型的数量的聚类/采样技术，使得人们能够及时获得可接受的解，用于其中快速、迭代的作出决定是关键的设计。

Claims (13)

1.一种选择和优化用于产量平台的油田控制的方法，包括：
确定储集层模型；
提供适合于生成开发计划的数值工具，所述开发计划包括设施模型以及对预定生产速率的控制，所述预定生产速率优选为FOPR，所述开发计划包括：
用于所述储集层模型的生产井位置以及可选择地注入井位置的分布；
钻井方案；以及
对所述井的控制，
提供适于在所述预定生产速率的开发计划条件下模拟所述储集层模型的数值工具，所述预定生产速率适于生成平均生产曲线和平台持续时间；
其中，选择用于产量平台的控制包括迭代地：
提供对生产速率变量的猜测；
提供成本函数，所述成本函数根据所述生产速率变量评估平均排名度量，所述平均排名度量优选为净现值NPV；
当所述平均排名度量不是最大时，执行以下步骤：
针对生产速率值来模拟所述储集层模型；
提供设施模型和平均排名度量；
如果所述平均排名度量不是最大，则生成新生产速率，
根据使得平均排名度量最大的生产速率来提供油田控制。
2.根据权利要求1所述的方法，其中，提供与所述成本函数的最大值对应的生产速率，或者提供与所述成本函数的最大值对应的平均排名度量，或者提供以上两者。
3.根据任一前述权利要求所述的方法，其中，在所述迭代法中生成的新的生产速率通过变量上限、变量下限或者两者进行约束。
4.根据权利要求1所述的方法，其中，所述迭代法利用平台持续时间Lplt以生产速率被确定为平台持续时间Lplt的函数的方式、根据以下步骤来进行迭代：
针对期望的Lplt，提供初始的生产速率猜测；
执行另外的第二迭代法，其中，当在所期望的Lplt与通过对所述生产速率的模拟而确定的平台持续时间Lplt之间的差大于预定阈值时，提出新生产速率；
提供最终生产速率。
5.根据权利要求1所述的方法，其中，所述迭代法利用所述平台持续时间Lplt以所述生产速率被表达为所述平台持续时间Lplt的函数的方式、根据一组已知样本的估计或插值函数来进行迭代。
6.根据权利要求4所述的方法，其中，在所述第二迭代法中提出的新的生产速率通过变量上限、变量下限或两者进行约束。
7.根据权利要求5所述的方法，其中，在所述第二迭代法中提出的新的生产速率通过变量上限、变量下限或两者进行约束。
8.根据权利要求4所述的方法，其中，使用优化单元来提出所述新生产速率。
9.根据权利要求5所述的方法，其中，使用优化单元来提出所述新生产速率。
10.根据权利要求1所述的方法，其中，确定所述储集层模型包括确定模型不确定性，所述确定模型不确定性包括：
确定未知参数的具有地理上合理的分布的一组实现，所述未知参数与关于所述油田的可用信息一致；
模拟所述储藏模型以及所述一组实现的测量；以及
提供统计的不确定性值。
11.根据权利要求1所述的方法，其中，确定所述储集层模型包括按照以下来对不确定性进行建模：
确定未知参数的具有地理上合理的分布的一组实现，所述未知参数与关于所述油田的可用信息一致；
模拟所述储藏模型以及对所述一组实现中的单一平均实现的测量；以及
提供统计的不确定性值。
12.一种数据处理系统，所述数据处理系统包括适于执行根据权利要求1至11中任一项所述的方法的装置。
13.一种存储有计算机程序的计算机可读介质，所述计算机程序包括指令，当由计算机执行所述计算机程序时，所述指令使所述计算机执行根据权利要求1至11中任一项所述的方法。
CN201480032293.XA 2013-06-06 2014-06-06 选择和优化用于产量平台的油田控制的方法 Active CN105452598B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13382214.8A EP2811107A1 (en) 2013-06-06 2013-06-06 Method for selecting and optimizing oil field controls for production plateau
EP13382214.8 2013-06-06
PCT/EP2014/061813 WO2014195453A1 (en) 2013-06-06 2014-06-06 Method for selecting and optimizing oil field controls for production plateau

Publications (2)

Publication Number Publication Date
CN105452598A CN105452598A (zh) 2016-03-30
CN105452598B true CN105452598B (zh) 2017-09-29

Family

ID=48672542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480032293.XA Active CN105452598B (zh) 2013-06-06 2014-06-06 选择和优化用于产量平台的油田控制的方法

Country Status (7)

Country Link
US (1) US9921338B2 (zh)
EP (2) EP2811107A1 (zh)
CN (1) CN105452598B (zh)
BR (1) BR112015030536A2 (zh)
CA (1) CA2914444A1 (zh)
ES (1) ES2670807T3 (zh)
WO (1) WO2014195453A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10302813B2 (en) * 2015-01-15 2019-05-28 Chevron U.S.A. Inc. Quantitative assessment of plate tectonic models
AU2015380565A1 (en) 2015-01-30 2017-07-20 Landmark Graphics Corporation Integrated a priori uncertainty parameter architecture in simulation model creation
WO2018106247A1 (en) * 2016-12-08 2018-06-14 Halliburton Energy Services, Inc. Methods and systems to optimize downhole condition identification and response using different types of downhole sensing tools
US11875371B1 (en) 2017-04-24 2024-01-16 Skyline Products, Inc. Price optimization system
WO2019200370A1 (en) * 2018-04-13 2019-10-17 Schlumberger Technology Corporation A method for reservoir simulation optimization under geological uncertainty
US11321788B2 (en) * 2018-10-22 2022-05-03 Schlumberger Technology Corporation Systems and methods for rig scheduling with optimal fleet sizing
CN109339745B (zh) * 2018-11-28 2020-06-02 闫存章 基于最优单井控制面积的页岩气藏开采方法
US11674384B2 (en) 2019-05-20 2023-06-13 Schlumberger Technology Corporation Controller optimization via reinforcement learning on asset avatar

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2198385Y (zh) * 1994-04-05 1995-05-24 辽宁省工程地震勘测研究院 超低频可控震源装置
US6101447A (en) * 1998-02-12 2000-08-08 Schlumberger Technology Corporation Oil and gas reservoir production analysis apparatus and method
WO2007058662A1 (en) * 2005-11-21 2007-05-24 Chevron U.S.A., Inc. Method for field scale production optimization
CN103003522A (zh) * 2010-06-16 2013-03-27 Foroil公司 提高成熟气田或油田的产量的方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980940B1 (en) * 2000-02-22 2005-12-27 Schlumberger Technology Corp. Intergrated reservoir optimization
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
US7627461B2 (en) 2004-05-25 2009-12-01 Chevron U.S.A. Inc. Method for field scale production optimization by enhancing the allocation of well flow rates
US20070179766A1 (en) * 2006-01-31 2007-08-02 Landmark Graphics Corporation Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator
US7716029B2 (en) 2006-05-15 2010-05-11 Schlumberger Technology Corporation Method for optimal gridding in reservoir simulation
US7657494B2 (en) * 2006-09-20 2010-02-02 Chevron U.S.A. Inc. Method for forecasting the production of a petroleum reservoir utilizing genetic programming
US9074454B2 (en) * 2008-01-15 2015-07-07 Schlumberger Technology Corporation Dynamic reservoir engineering
CN102007459B (zh) * 2008-04-17 2015-01-07 埃克森美孚上游研究公司 用于储层开发计划的鲁棒性基于优化的决策支持工具
EP2291799A4 (en) * 2008-04-21 2013-01-16 Exxonmobil Upstream Res Co DECISION SUPPORT TOOL BASED ON STOCHASTIC PROGRAMMING FOR TANK DEVELOPMENT PLANNING
WO2009139949A1 (en) 2008-05-13 2009-11-19 Exxonmobil Upstream Research Company Modeling of hydrocarbon reservoirs using design of experiments methods
EP2404198A4 (en) * 2009-03-05 2017-09-27 Exxonmobil Upstream Research Company Optimizing reservoir performance under uncertainty
BR112012002907A2 (pt) * 2009-08-12 2016-04-05 Exxonmobil Upstream Res Co método e sistema para otimizar a política operacional de campo para uma região de subsuperfície, método para otimizar um problema de otimização durante o tempo,e para suporte de decisão considerando desenvolvimento de recursos de petroléo,e, meio de armazenagem legível por computador.
US9399901B2 (en) * 2010-06-15 2016-07-26 Schlumberger Technology Corporation Characterizing flow production
FR2961614B1 (fr) 2010-06-22 2012-06-15 Inst Francais Du Petrole Procede d'exploitation d'un gisement petrolier a partir d'un modele de reservoir deforme graduellement au moyen de cosimulations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2198385Y (zh) * 1994-04-05 1995-05-24 辽宁省工程地震勘测研究院 超低频可控震源装置
US6101447A (en) * 1998-02-12 2000-08-08 Schlumberger Technology Corporation Oil and gas reservoir production analysis apparatus and method
WO2007058662A1 (en) * 2005-11-21 2007-05-24 Chevron U.S.A., Inc. Method for field scale production optimization
CN103003522A (zh) * 2010-06-16 2013-03-27 Foroil公司 提高成熟气田或油田的产量的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
油藏数值模拟基础数据库;张睿;《科技资讯》;20121231;全文 *
缝洞型油藏开发室内模拟研究;刘鹏飞等;《石油钻采工艺》;20091031(第5期);全文 *

Also Published As

Publication number Publication date
CN105452598A (zh) 2016-03-30
US20150267524A1 (en) 2015-09-24
CA2914444A1 (en) 2014-12-11
ES2670807T3 (es) 2018-06-01
US9921338B2 (en) 2018-03-20
EP3004530A1 (en) 2016-04-13
BR112015030536A2 (pt) 2017-08-29
WO2014195453A1 (en) 2014-12-11
EP2811107A1 (en) 2014-12-10
EP3004530B1 (en) 2018-02-28

Similar Documents

Publication Publication Date Title
CN105452598B (zh) 选择和优化用于产量平台的油田控制的方法
RU2573746C2 (ru) Система и способы для прогнозирования поведения скважины
US8855986B2 (en) Iterative method and system to construct robust proxy models for reservoir simulation
CN109416769B (zh) 生成用于开采油气储藏的油田开发计划(fdp)的计算机实施的方法
CA2992274C (en) Ensemble based decision making
US11137514B2 (en) Method for determining a drilling plan for a plurality of new wells in a reservoir
US11846175B2 (en) Estimating reservoir production rates using machine learning models for wellbore operation control
KR101474874B1 (ko) 지능형 생산정 위치 선정 전산 시스템 및 이를 이용한 생산정 위치 선정 방법
RU2692379C2 (ru) Система выбора адаптации плана бурения куста скважин на стадии ОПР в условиях неопределенностей
CN104993966B (zh) 一种电力综合业务网流量预测方法
NO20180082A1 (en) Time-to-finish simulation forecaster
NO20171058A1 (en) Integrated a priori uncertainty parameter architecture in simulation model creation
US11927717B2 (en) Optimized methodology for automatic history matching of a petroleum reservoir model with Ensemble Kalman Filter (EnKF)
Farahi et al. Model-based production optimization under geological and economic uncertainties using multi-objective particle swarm method
WO2014197637A1 (en) Selecting and optimizing oil field controls for production plateau
CN116911216B (zh) 一种储层油井产能因素评估与预测方法
US20230237225A1 (en) Machine learning based reservoir modeling
EP3323092B1 (en) Ensemble based decision making
Calad et al. Combining machine learning and reservoir simulation for robust optimization of completion design and well location of unconventional wells
Denney Where Is the Gap? Is It in More Reservoir Engineers or in Leveraging New Skills and Workflows That Enhance Individual Productivity?

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant