CN109753671B - 一种基于鱼群算法的油藏精确井位优化方法 - Google Patents

一种基于鱼群算法的油藏精确井位优化方法 Download PDF

Info

Publication number
CN109753671B
CN109753671B CN201711084427.4A CN201711084427A CN109753671B CN 109753671 B CN109753671 B CN 109753671B CN 201711084427 A CN201711084427 A CN 201711084427A CN 109753671 B CN109753671 B CN 109753671B
Authority
CN
China
Prior art keywords
well
oil reservoir
artificial fish
oil
fish
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
CN201711084427.4A
Other languages
English (en)
Other versions
CN109753671A (zh
Inventor
崔传智
李松
杨勇
王建
刘维霞
黄迎松
王瑞
吴义志
杨方静
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.)
China University of Petroleum East China
Exploration and Development Research Institute of Sinopec Shengli Oilfield Co
Original Assignee
China University of Petroleum East China
Exploration and Development Research Institute of Sinopec Shengli Oilfield 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 China University of Petroleum East China, Exploration and Development Research Institute of Sinopec Shengli Oilfield Co filed Critical China University of Petroleum East China
Priority to CN201711084427.4A priority Critical patent/CN109753671B/zh
Publication of CN109753671A publication Critical patent/CN109753671A/zh
Application granted granted Critical
Publication of CN109753671B publication Critical patent/CN109753671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于油气田开发领域，涉及到高含水期油藏开发过程中精准井位优化方法，其如下：(1)读取油藏数值模型资料；(2)构建油藏潜力场分布，确定加密井井位范围；(3)确定加密井数量，设定鱼群算法内置参数，初始化人工鱼的加密井井位；(4)通过鱼群算法的聚群行为与追尾行为更新人工鱼的加密井井位；(5)调用油藏数值模拟软件计算更新后的人工鱼并比较其两种行为，并取最大累积产油量的人工鱼作为下一次迭代初始位置；(6)循环步骤(4)‑(5)，直到最大迭代次数，取最大累积产油量所对应的人工鱼所包含井位作为最优井位；本发明利用智能算法结合油藏数值模拟软件；在用户给定注采量的条件下，获得最大累积产油量的最优井位。

Description

一种基于鱼群算法的油藏精确井位优化方法
技术领域
本发明属于油气田开发工程领域，具体地，涉及高含水期油藏开发过程中的井位优化方法，在给定油藏三维地质模型，利用智能算法结合油藏数值模拟软件，获得最优目标函数所对应的最优井位，提高油藏驱替效果。
背景技术
目前，我国东部大多数油田进入开发后期，地下剩余油整体分散、局部富集，导致现有井网无法将大量剩余油开采出来，井网加密是改善开发效果的主要技术之一。由于油藏井位优化影响因素较多，例如剩余油分布状况、已有井网分布状况、井网加密后的效果等，在研究过程中造成了巨大的困难。目前，大部分的高含水期油藏加密井位确定都是依靠人为主观经验所定，或者通过油藏数值模拟进行多方案预测，最终定性地优选方案，得到优选方案中的井位。
本发明者设计了“一种基于鱼群算法的油藏精确井位优化方法”，用于快速、精确的寻找最优井位。
发明内容
由于人为主观因素所确定井位不够精确，本发明的目的是针对高含水期油藏开发确定加密井位，提出了基于鱼群算法的油藏精确井位优化方法。其特征在于，包括如下步骤：
(1)读取油藏数值模型资料；
(2)构建油藏潜力场分布，确定加密井井位范围；
(3)确定加密井数量，设定鱼群算法内置参数，初始化人工鱼的加密井井位；
(4)通过鱼群算法的聚群行为与追尾行为更新人工鱼的加密井井位；
(5)调用油藏数值模拟软件计算更新后的人工鱼并比较其两种行为，并取最大累积产油量的人工鱼作为下一次迭代初始位置；
(6)循环步骤(4)-(5)，直到最大迭代次数，取最大累积产油量所对应的人工鱼所包含井位作为最优井位。
优选地，上述步骤(1)具体包括如下步骤：
①从油藏数值模拟模型中读取油藏实际资料；
②利用油藏资料进行耦合形成统一的表征参数，实现油藏定量化描述。
油藏资料包括当前剩余油饱和度场、油藏厚度场、油藏孔隙度场、油藏渗透率场、油藏残余油饱和度、油相密度、油相体积系数、油藏压力场、油藏相渗曲线和油水粘度等。
优选地，步骤(2)具体包括如下步骤：
①根据步骤1中的油藏资料，通过剩余可采储量丰度(Io)公式，计算模型每个网格剩余可采储量丰度，得到油藏平面剩余可采储量丰度场,Io＝100hφ(So-Sor)ρo/Bo；
式中：Io为剩余可采储量丰度，万吨/km2；h为油藏厚度，m；φ为孔隙度，f；So为含油饱和度,f；Sor为残余油饱和度，f；ρo为原油密度,kg/m3；Bo为原油体积系数，f；
②根据给定剩余可采储量丰度界限，将油藏平面剩余可采储量丰度场划分为高潜力区与低潜力区，确定加密井位于高潜力区域内。
优选地，步骤(3)的具体步骤如下：
①确定加密井数量；
②初始化人工鱼中包含着全部加密井井位，在步骤(2)的高潜力区内随机选取位置作为加密井井位，确保不同人工鱼之间加密井井位的差异性；
③设定鱼群算法内部的参数。
优选地，步骤(4)的具体步骤如下：
①根据鱼群算法的聚群行为更新加密井的井位；
聚群行为是其余井位向着上次迭代最优人工鱼的井位所在方向上进行移动，每次移动过后的井位都比之前井位计算累积产油量要大。
②根据鱼群算法的追尾行为更新加密井的井位；
追尾行为是不同井位之间保持一定的距离，不但可以扩大优化范围，而且防止产生局部最优值。
优选地，步骤(5)的具体步骤如下：
①通过IO流技术将优化后的加密井位写入包含油藏模型井数据的Sch.INC文件；然后编写DOS命令调用商业油藏数值模拟器重新运行实际模型；
②读取本次迭代每条人工鱼不同行为的油藏数值模拟结果，得到累积产油量；
③每条人工鱼的两种行为相比较，均取最大累积产油量的鱼群行为作为下次迭代的初始井位。
优选地，步骤(6)的具体步骤如下：
循环(4)-(5)步骤，取最大迭代次数的最大累积产油量所对应的人工鱼，其加密井井位为最优井位。
根据智能算法结合成熟油藏数值模拟软件进行优化得到最优井位方案，比通过人为经验或者多次油藏数值模拟方案进行优选更加精确，工作效率更高，该方法是基于客观规律和真实数据，期望得到精确的井位优化最优解，在现场实施具有较大的实际意义；以上的仅是本发明的油藏精确井位优化方法，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的描述。
图1是本发明的基于鱼群算法的油藏精确井位优化方法流程示意图；
图2是本发明的优化前油藏主力层含油饱和度分布图；
图3是本发明的优化后油藏主力层含油饱和度分布图；
图4是本发明的优化前油藏主力层潜力场分布图；
图5是本发明的优化后油藏主力层潜力场分布图。
具体实施方式
为使本发明浅显易懂，结合附图，对本发明作进一步描述。本实例结合东辛梁27-13油藏，通过油藏数值模拟软件在计算机上用数字化的方式呈现该油藏开发过程，集合油藏构造、地层流体、井位于一体，模拟油、气、水在地层中的流动，预测剩余油分布、原油产量、含水率等数据。
如图1所示，基于鱼群算法的精确快速寻找井位方法流程图，包括如下步骤：
步骤1，获取油藏数值模型资料，具体步骤如下：
(1)获取油藏数值模型的静态网格数据，该资料存放在GRID、EGRID文件，此文件包括油藏数值模型的网格坐标信息和网格有效性信息。
(2)获取油藏数值模型的属性数据，该资料存放在INIT文件，此文件包括油藏静态属性数据，如油藏中深、网格厚度、渗透率、孔隙度等。
(3)获取油藏数值模型的调控步文件，文件类型是X与时间步序号组成，如X0001、X0002。调控步文件存放着油藏含水饱和度、油藏压力等数据。
(4)获取油藏数值模型的井位数据，该资料存放在SCH.INC文件。此文件存放着油藏数值模型的全部井信息，如井号、井型、井射孔位置以及井注采量数据。
通过静态资料、动态资料以及井位数据，结合油藏数值模拟理论整合数据重构模型，将模型可视化以便观察油藏剩余油、压力等分布，为划分潜力区提供基础数据，重构模型如图2所示。
步骤2，构建油藏潜力场分布，确定加密井井位范围。
(1)根据步骤1中的油藏资料，通过剩余可采储量丰度(Io)公式，计算模型每个网格剩余可采储量丰度，得到油藏平面剩余可采储量丰度场,Io＝100hφ(So-Sor)ρo/Bo。
(2)给定油藏剩余可采储量丰度界限，将平面油藏划分为高潜力区和低潜力区，划分出潜力场分区图；如下图4所示，图中存在强边水区域，首先将其划分出去；然后通过油藏资料划分出高潜力区和低潜力区，为下一步油藏井位优化范围提供井位约束条件。
步骤3，确定加密井数量，设定鱼群算法内置参数，初始化人工鱼的加密井井位。
(1)结合潜力区分布场及潜力区面积大小，计算高潜力区的剩余可采储量丰度，确定该潜力区的井数。实例图4中的高潜力区面积是0.6373km2，剩余可采储量是5.7145万吨，经过计算得到此潜力区剩余可采储量丰度为8.9667万吨/km2。单井经济极限控制可采储量丰度为6.6万吨/km2，因此该区块可以继续打加密井。
(2)初始化每条人工鱼，并确定每条人工鱼的初始位置。由步骤2得出的高潜力区范围，根据设定人工鱼总数，区域内随机分布，但要求人工鱼位置分散分布，以便扩大搜索范围。
(3)设置鱼群算法内置参数。
①人工鱼群个体大小N：表示本次迭代寻优过程中共有N条人工鱼参与优化。
②人工鱼感知距离Visual：每条人工鱼进行追尾行为时候，需要控制人工鱼之间的距离，因此扩大人工鱼全域搜索能力。
③人工鱼试探次数try_number：人工鱼需要对所处位置的各方向进行试探寻优，试探次数代表人工鱼试探的次数。
④拥挤度：人工鱼进行聚群行为时候，判断人工鱼聚集的区域是否拥挤。若拥挤，则人工鱼离开此地；若不拥挤，则继续开始寻优。引入此参数防止局部最优值产生，扩大人工鱼的搜索范围。
⑤人工鱼移动步长Step：确定人工鱼内每口井的最大移动网格数。
⑥最大迭代次数MAXGEN：确定本次寻优的最大迭代次数，保证寻优后结果精确。
步骤4，通过鱼群算法的聚群行为与追尾行为更新人工鱼的加密井井位。
(1)聚群行为是人工鱼当前状态为Xi,搜索当前领域内(即dij<Visual)的伙伴数目nf及中心位置Xc，如果拥挤度小于内置界限值，表示伙伴中心位置具有较高的累积产油量，则朝伙伴中心位置方向前进；否则，远离伙伴方向。
(2)追尾行为是人工鱼当前状态Xi，搜索当前领域内(dij<Visual)的伙伴数量及附近较高累积产油量的人工鱼Xj；若拥挤度小于内置界限值，表示伙伴附近具有较高的累积产油量并且不太拥挤，则向伙伴Xj方向前进；否则远离伙伴方向。
每条人工鱼行为进行以上两种行为，分别更新井位，并得到相对应的累积产油量。
步骤5，调用油藏数值模拟软件计算更新后的人工鱼方案模型并将两种行为相比较，取最大累积产油量作为人工鱼下一次迭代初始方案。
(1)通过IO流技术将两种行为的加密井井位分别写入每条人工鱼的SCH.INC文件，此文件包含油藏模型所有的井位数据。
(2)利用DOS命令调用商业油藏数值模拟器，分别计算经过两种行为优化后的油藏数值模拟模型。
(3)分别读取两种行为优化后的累积产油量，此数据储存在RSM文件；
(4)每条人工鱼的两种行为相比较，均取最大累积产油量的鱼群行为作为下次迭代的初始井位。
步骤6，循环4-5步骤，取最大迭代次数的最大累积产油量所对应的人工鱼方案，该方案的加密井井位为最优井位。
(1)循环步骤4-5；经过两种行为的选择，每条人工鱼不断地寻找最大累积产油量的井位。
(2)判断是否大最大迭代次数。如果在最大迭代次数下，最大累积产油量所对应的人工鱼所包含的井位是最优井位。
根据智能算法优化一注一采的加密井井位从优化后的潜力分区图(图5)可以看出，新油井(P001)更靠近断层附近，新水井(I001)则位于油水边界附近，继续开发4年后，潜力区范围减小，低潜力区范围增加，说明该区域内进行有效的开发动用；从优化后的剩余油分布图(图3)可以看出，经过加密井位优化后，断层附近剩余油富集已被有效的开采，油藏开发效果具有显著提高。由此可见，采用该方法精确优化加密井井位，提高油藏工作人员的工作效率，极大的改善油田开发效果，提高油田产油量。该方法具有极大的推广应用前景。

Claims (4)

1.一种基于鱼群算法的油藏精确井位优化方法，其特征在于，包括如下步骤：
(1)读取油藏数值模型资料；
(2)构建油藏潜力场分布，确定加密井井位范围，具体包括如下步骤：
2.1)根据步骤(1)中的油藏资料，通过剩余可采储量丰度(I o)公式，计算模型每个网格剩余可采储量丰度，得到油藏平面剩余可采储量丰度场,I o＝100hφ(S o-S or)ρo/Bo；
2.2)根据给定剩余油可采储量丰度界限，将油藏平面剩余可采储量丰度场划分为高潜力区与低潜力区；
(3)确定加密井数量，设定鱼群算法内置参数，初始化人工鱼的加密井井位，具体包括如下步骤：
3.1)确定加密井数量；
3.2)初始化人工鱼中包含着全部加密井井位，高潜力区内随机选取位置作为加密井井位；
3.3)设定鱼群算法内部的参数；
(4)通过鱼群算法的聚群行为与追尾行为更新人工鱼的加密井井位；
(5)调用油藏数值模拟软件计算更新后的人工鱼并比较其两种行为，并取最大累积产油量的人工鱼作为下一次迭代初始位置，具体包括如下步骤；
5.1)通过IO流技术将优化后的加密井位写入包含油藏模型井数据的Sch.INC文件；然后编写DOS命令调用商业油藏数值模拟器重新运行实际模型；
5.2)读取本次迭代每条人工鱼不同行为的油藏数值模拟结果，得到累积产油量；
5.3)每条人工鱼的两种行为相比较，均取最大累积产油量的鱼群行为作为下次迭代的初始井位；
(6)循环步骤(4)-(5)，直到最大迭代次数，取最大累积产油量所对应的人工鱼所包含井位作为最优井位。
2.根据权利要求1所述的基于鱼群算法的油藏精确井位优化方法，其特征在于，所述步骤(1)具体包括如下步骤：
(1)从油藏数值模拟模型中读取油藏实际资料；
(2)利用油藏资料进行耦合形成统一的表征参数，实现油藏定量化描述。
3.根据权利要求2所述的基于鱼群算法的油藏精确井位优化方法，其特征在于，步骤(4)的具体步骤如下：
(1)根据鱼群算法的聚群行为更新加密井的井位；
(2)根据鱼群算法的追尾行为更新加密井的井位。
4.根据权利要求1-3任一所述的基于鱼群算法的油藏精确井位优化方法，其特征在于，步骤(6)的具体步骤如下：
循环(4)-(5)步骤，取最大迭代次数的最大累积产油量所对应的人工鱼，其加密井井位为最优井位。
CN201711084427.4A 2017-11-07 2017-11-07 一种基于鱼群算法的油藏精确井位优化方法 Active CN109753671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711084427.4A CN109753671B (zh) 2017-11-07 2017-11-07 一种基于鱼群算法的油藏精确井位优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711084427.4A CN109753671B (zh) 2017-11-07 2017-11-07 一种基于鱼群算法的油藏精确井位优化方法

Publications (2)

Publication Number Publication Date
CN109753671A CN109753671A (zh) 2019-05-14
CN109753671B true CN109753671B (zh) 2023-06-02

Family

ID=66401074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711084427.4A Active CN109753671B (zh) 2017-11-07 2017-11-07 一种基于鱼群算法的油藏精确井位优化方法

Country Status (1)

Country Link
CN (1) CN109753671B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472276B (zh) * 2019-07-04 2022-08-26 成都理工大学 一种裂缝型油气储层加密井改造优化方法
CN111080789B (zh) * 2019-12-26 2022-04-19 中国石油大学(北京) 复杂断块油藏开采区域加密井井位确定方法及装置
CN111259600B (zh) * 2020-01-19 2023-07-28 西北大学 一种提高自动井位优化的优化效率方法
CN112182969B (zh) * 2020-09-29 2023-07-28 西北大学 一种提高自动井位优化算法鲁棒性和优化效果的方法
CN113255131B (zh) * 2021-05-25 2023-02-28 中国石油大学(华东) 一种基于认知计算的新井目标井位推荐方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615862A (zh) * 2015-01-14 2015-05-13 中国石油天然气股份有限公司 基于进化算法的高含水油田确定井位的方法
CN105756654A (zh) * 2015-12-30 2016-07-13 中国石油大学(华东) 水驱油藏井网优化设计方法
CN106126899A (zh) * 2016-06-20 2016-11-16 中国石油大学(华东) 水驱油藏加密井井位确定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615862A (zh) * 2015-01-14 2015-05-13 中国石油天然气股份有限公司 基于进化算法的高含水油田确定井位的方法
CN105756654A (zh) * 2015-12-30 2016-07-13 中国石油大学(华东) 水驱油藏井网优化设计方法
CN106126899A (zh) * 2016-06-20 2016-11-16 中国石油大学(华东) 水驱油藏加密井井位确定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《农业灌区机井规划布局研究进展》;张嘉星;《农学学报》;20160228;第6卷(第2期);全文 *

Also Published As

Publication number Publication date
CN109753671A (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
CN109753671B (zh) 一种基于鱼群算法的油藏精确井位优化方法
EP1994481B1 (en) Method for history matching a simulation model using self organizing maps to generate regions in the simulation model
CN103336997B (zh) 致密油资源分布预测方法以及预测装置
CA2868756C (en) System and method for automatic local grid refinement in reservoir simulation systems
CN107766978B (zh) 不规则井网的智能优化方法
CN107939372B (zh) 针对小断块油藏的最优井位部署方法和装置
RU2593678C2 (ru) Система и способ для оптимизации имитационного моделирования пласта-коллектора
CN104200387A (zh) 一种顾及地理实体语义相似度的土地用途分区方法
CN103999094A (zh) 用于储层模拟器中的不同断裂密度的灵活且高效模拟的系统及方法
CN115906675A (zh) 基于时序多目标预测模型的井位及注采参数联合优化方法
CN111459955A (zh) 一种基于gis平台的三维地质结构模型自动更新方法及系统
Hoteit et al. Making field-scale chemical enhanced-oil-recovery simulations a practical reality with dynamic gridding
CN112861890B (zh) 一种储层评价模型构建方法及储层识别方法
US11112514B2 (en) Systems and methods for computed resource hydrocarbon reservoir simulation and development
WO2022186182A1 (ja) 予測装置、予測方法、及び、記録媒体
WO2022025806A1 (ru) Способ и система моделирования динамики нефтегазовых пластов
CN111350485B (zh) 井网调整方法及装置
CN103477248A (zh) 用于估算碳氢化合物生产区域中至少一个参数值的计算方法,以在该区域规划和实施作业
El-Ghandour et al. Groundwater management using a new coupled model of flow analytical solution and particle swarm optimization
CN114580256A (zh) 一种基于渗流特征分区的高含水油藏井位优化方法
CN113803029A (zh) 煤层气井网的调整方法、装置及计算机可读存储介质
Kumar et al. Steam allocation optimization in full field multi-pad SAGD Reservoir
CN111985747A (zh) 油藏开发方法及装置
CN112990631A (zh) 渗流场的评价方法及装置、计算机可读存储介质
US20230237225A1 (en) Machine learning based reservoir modeling

Legal Events

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