CN113486556B - 一种改进的油气藏高效自动历史拟合方法 - Google Patents
一种改进的油气藏高效自动历史拟合方法 Download PDFInfo
- Publication number
- CN113486556B CN113486556B CN202110770767.2A CN202110770767A CN113486556B CN 113486556 B CN113486556 B CN 113486556B CN 202110770767 A CN202110770767 A CN 202110770767A CN 113486556 B CN113486556 B CN 113486556B
- Authority
- CN
- China
- Prior art keywords
- objective function
- function value
- geological model
- time
- value
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Animal Husbandry (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Marine Sciences & Fisheries (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种改进的油气藏高效自动历史拟合方法,步骤如下:S1、获取井点硬数据,并对所述井点硬数据进行处理,得到若干个先验地质模型,将若干个先验地质模型看作一个集合;S2、基于所述先验地质模型使用快速行进法和差分进化算法进行拟合计算。本发明技术通过结合快速行进法和差分进化算法,为考虑单相不稳定渗流的油气藏提供一种高效自动历史方法,可以快速收敛到目标函数最小值,从而完成自动历史拟合,解决了依赖常规数值模拟的自动历史拟合过程耗时较高的问题,提高了自动拟合的效率。
Description
技术领域
本发明属于油气田开发技术领域,尤其涉及一种改进的油气藏高效自动历史拟合方法。
背景技术
在油气藏数值模拟中油气藏地质模型具有很高的内在不确定性,为了使动态预测尽可能接近实际情况,通常基于生产数据进行历史拟合对地质模型参数进行反演,根据所观测到的实际油气藏动态来反求和修正油气藏参数。从而更准确地预测未来的产能。
传统的历史拟合方法是利用人工手动调参,工作流程耗时较高且拟合效果依赖主观经验。自动历史拟合方法则是基于先验地质模型通过优化方法最小化目标函数得到后验地质模型从而降低不确定性。自动历史拟合中优化方法主要分为梯度类方法、随机优化方法和数据同化方法三类。自动历史拟合过程需对大量模型进行数值模拟,常规数值模拟方法耗时较高,处理效率差。对此,需要研究一种高效自动历史方法,来解决依赖常规数值模拟的自动历史拟合过程耗时较高的问题,实现油气藏自动历史拟合的高效处理。
发明内容
本发明的目的是通过结合快速行进法和差分进化算法,为考虑单相不稳定渗流的油气藏提供一种高效自动历史方法,解决依赖常规数值模拟的自动历史拟合过程耗时较高的问题。
为实现上述目的,本发明采用如下的技术方案:
一种改进的油气藏高效自动历史拟合方法,包括以下步骤:
S1、获取井点硬数据,并对所述井点硬数据进行处理,得到若干个先验地质模型,将若干个先验地质模型看作一个集合;
S2、基于所述先验地质模型使用快速行进法和差分进化算法进行拟合计算。
优选地,S1中的所述处理过程为:使用序贯高斯模拟和、直接序贯模拟、序贯高斯协模拟和直接序贯协模拟其中的一种,对所述井点硬数据进行处理,得到若干个先验地质模型,若干个先验地质模型均不相同。
优选地,所述S2中包括:
S2.1、获取目标函数值,所述目标函数值包括第一目标函数值、第二目标函数值,将第一目标函数值与第二目标函数值进行比较,若第一目标函数值小于第二目标函数值,则将第二目标函数值对应的先验地质模型替换为新地质模型,将所述新地质模型放到所述集合中,组成一个新的集合,从而完成一次进化;
所述第一目标函数值为新地质模型的目标函数值,所述第二目标函数值为所述新的集合中的目标函数最大值;
S2.2、重复所述S2.1直至所述新的集合中的所有地质模型对应的目标函数收敛。
优选地,所述新地质模型的获取过程如下:
A、对每个先验地质模型进行网格划分得到若干个网格单元,每个先验地质模型的网格单元一一对应,在集合中随机选择两个先验地质模型,计算两个先验地质模型每个对应网格单元之间差值,将所述差值加到随机选择的第三个先验地质模型的对应网格单元上,从而得到一个新地质模型;
优选地,所述目标函数值为预测数据和观测数据之间误差,所述目标函数的表达式用y表示:
优选地,利用欧拉法求解:
得到井点处压力随时间的变化,其中p为井点处压力模拟值,qw为井点处流量,ct是总压缩系数,t为网格单元实际飞行时间,V(t)为t时刻的泄油体积。
优选地,所述t时刻的泄油体积V(t)通过累加小于等于t时刻的网格单元体积的得到。
优选地,基于网格单元的扩散飞行时间τ计算得到所述网格单元实际飞行时间t:
其中,β为常系数。
优选地,计算网格单元的扩散飞行时间的传播速度f:
本发明的技术效果为:使用本发明技术方案可以实现考虑单相不稳定渗流的油气藏的快速自动历史拟合,解决了依赖常规数值模拟的自动历史拟合过程耗时较高的问题,显著地提高油藏数值模拟历史拟合工作的效率。
附图说明
图1为本发明实施例的井点处孔隙度百分比示意图;
图2为本发明实施例的作为“真实”情况的地质模型孔隙度分布图;
图3为本发明实施例的真实地质模型对应压力随时间的变化(实线)目标函数收敛后模拟压力随时间的变化(虚线),两条曲线基本重合;
图4为本发明实施例的目标函数收敛后集合中的一个历史拟合后的地质模型孔隙度分布图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
在历史拟合的过程中,油气藏中不同的参数都有其各自的可调控范围,有的参数一般不进行调整,而有的参数可以在小范围内进行调整,还有的参数可以进行大范围调整。因此,参数的选取有时候决定着能否获得想要的拟合结果。通常采用油气藏生产动态数据作为拟合对象,由于人为测量而存在较大误差的参数包括孔隙度数据、渗透率数据、饱和度数据等。
如图2所示,本发明公开了一种改进的油气藏高效自动历史拟合方法,包括如下步骤:
S1、获取井点硬数据,并对所述井点硬数据进行预处理,得到若干个先验地质模型,将若干个先验地质模型看作一个集合;
本实施例中,如图1所示为井点处孔隙度百分比示意图。以此为例,选取的井点硬数据为孔隙度数据,对搜集到孔隙度数据进行筛选并剔除掉不合理数据后得到有效数据。
S2、基于所述先验地质模型使用快速行进法和差分进化算法进行拟合计算。
进一步优化方案,S1中使用序贯高斯模拟和、直接序贯模拟、序贯高斯协模拟和直接序贯协模拟其中的一种,对孔隙度数据进行处理,得到若干个先验地质模型,若干个先验地质模型均不相同。例如有效数据为孔隙度的情况下,采用序贯高斯模拟方法,将有效数据模拟生成150个不同的孔隙度分布模型,采用此方法得到的孔隙度分布模型更能反映实际孔隙度分布的先验不确定性,将所有的孔隙度分布模型构成一个集合;
进一步优化方案,S2中包括:
S2.1、获取目标函数值,所述目标函数值包括第一目标函数值、第二目标函数值,将第一目标函数值与第二目标函数值进行比较,若第一目标函数值小于第二目标函数值,则将第二目标函数值对应的先验地质模型替换为新地质模型,将所述新地质模型放到所述集合中,组成一个新的集合,从而完成一次进化;
所述第一目标函数值为新地质模型的目标函数值,所述第二目标函数值为所述集合中的目标函数最大值;
S2.2、重复所述S2.1直至所述新的集合中的所有地质模型对应的目标函数收敛。
进一步优化方案,所述第一目标函数的获取过程如下:
A、对每个先验地质模型进行网格划分得到若干个网格单元,每个先验地质模型的网格单元一一对应,在集合中随机选择两个先验地质模型,计算两个先验地质模型每个对应网格单元之间差值,将所述差值加到随机选择第三个先验地质模型的对应网格单元上,从而得到一个新地质模型;例如,本实施例中,采用结构化网格划分,得到100×100个的笛卡尔网格,与非结构化网格划分相比,其生成速度快、质量更好,与此同时,在计算过程中使用的内存小,计算相对简单;
进一步优化方案,所述目标函数值为预测数据和观测数据之间误差的最小值,本实施例中以井点压力为例,将井点压力模拟值与井点压力观测值之间的误差的最小值的目标函数表达式为y:
进一步优化方案,利用欧拉法求解:
得到井点处压力随时间的变化,其中p为井点处压力,qw为井点处流量,ct是总压缩系数,t为网格单元实际飞行时间,V(t)为t时刻的泄油体积。本实施例中,式中qw为井底流量259.2立方米每天,步长设为0.1小时,共模拟10小时即100步。
进一步优化方案,所述t时刻的泄油体积V(t)通过累加小于等于t时刻的网格单元体积的得到。
进一步优化方案,基于网格单元的扩散飞行时间τ计算得到所述网格单元实际飞行时间t:
其中,β为常系数。根据实际操作,可将网格单元化分为二维网格或三维网格。本实施例中,二维情况下β=4,三维情况下β=6。
进一步优化方案,计算网格单元的扩散飞行时间的传播速度f:
本发明实施例中,收敛后的压力随时间变化模拟值为图3中虚线,与观测值(实线)基本重合。图4是历史拟合后集合中的一个模型,也就是前文所述的地质分布模型,尽管其对应的压力变化与观测值吻合,但地质分布模型本身仍与真实模型存在一定的区别。实际情况中,历史拟合后的地质模型集合就是所知的最接近真实的情况。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种改进的油气藏高效自动历史拟合方法,其特征在于,包括以下步骤:
S1、获取井点硬数据,并对所述井点硬数据进行处理,得到若干个先验地质模型,将若干个先验地质模型看作一个集合;
S2、基于所述先验地质模型使用快速行进法和差分进化算法进行拟合计算:
S2.1、获取目标函数值,所述目标函数值为预测数据和观测数据之间误差的最小值,所述目标函数值包括第一目标函数值、第二目标函数值,将第一目标函数值与第二目标函数值进行比较,若第一目标函数值小于第二目标函数值,则将第二目标函数值对应的先验地质模型替换为新地质模型,将所述新地质模型放到所述集合中,组成一个新的集合,从而完成一次进化;
所述第一目标函数值为新地质模型的目标函数值,所述第二目标函数值为所述集合中的目标函数最大值;
S2.2、重复所述S2.1直至所述新的集合中的所有地质模型对应的目标函数收敛;
所述新地质模型的获取过程如下:
A、对每个先验地质模型进行网格划分得到若干个网格单元,每个先验地质模型的网格单元一一对应,在集合中随机选择两个先验地质模型,计算两个先验地质模型每个对应网格单元之间差值,将所述差值加到随机选择第三个先验地质模型的对应网格单元上,从而得到一个所述新地质模型;
对新地质模型,再执行以下步骤:
计算网格单元的扩散飞行时间的传播速度f,
计算所述目标函数值y:
2.如权利要求1所述的改进的油气藏高效自动历史拟合方法,其特征在于,S1中的所述处理过程为:使用序贯高斯模拟、直接序贯模拟、序贯高斯协模拟和直接序贯协模拟其中的一种,对所述井点硬数据进行处理,得到若干个先验地质模型,若干个先验地质模型均不相同。
4.如权利要求3所述的改进的油气藏高效自动历史拟合方法,其特征在于,所述t时刻的泄油体积V(t)通过累加小于等于t时刻的网格单元体积的得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110770767.2A CN113486556B (zh) | 2021-07-08 | 2021-07-08 | 一种改进的油气藏高效自动历史拟合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110770767.2A CN113486556B (zh) | 2021-07-08 | 2021-07-08 | 一种改进的油气藏高效自动历史拟合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113486556A CN113486556A (zh) | 2021-10-08 |
CN113486556B true CN113486556B (zh) | 2022-03-11 |
Family
ID=77937427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110770767.2A Active CN113486556B (zh) | 2021-07-08 | 2021-07-08 | 一种改进的油气藏高效自动历史拟合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486556B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114004100B (zh) * | 2021-11-07 | 2022-08-23 | 西南石油大学 | 一种油藏辅助历史拟合和优化模拟方法 |
CN114282725A (zh) * | 2021-12-24 | 2022-04-05 | 山东大学 | 基于深度学习的瞬态油藏代理模型的构建及油藏预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295199A (zh) * | 2016-08-15 | 2017-01-04 | 中国地质大学(武汉) | 基于自动编码器和多目标优化的自动历史拟合方法及系统 |
CN109558631A (zh) * | 2018-10-24 | 2019-04-02 | 北京大学 | 一种致密油气藏多尺度裂缝性介质自动历史拟合方法 |
CN109902329A (zh) * | 2018-09-21 | 2019-06-18 | 长江大学 | 一种油藏模拟辅助历史拟合方法、系统、存储介质及设备 |
CN110414723A (zh) * | 2019-07-09 | 2019-11-05 | 中国石油大学(北京) | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 |
CN111339719A (zh) * | 2020-04-24 | 2020-06-26 | 西南石油大学 | 一种缝洞型油藏注水数值模拟自动历史拟合的方法 |
CN111861774A (zh) * | 2020-06-22 | 2020-10-30 | 中国石油大学(华东) | 一种基于并行代理模型的油藏生产机器学习方法 |
CN112395763A (zh) * | 2020-11-19 | 2021-02-23 | 西南石油大学 | 一种多模型自动历史拟合方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726761B (zh) * | 2008-10-15 | 2012-03-07 | 中国石油天然气股份有限公司 | 一种风险约束的油气资源空间分布预测方法 |
CN105095642B (zh) * | 2015-05-29 | 2017-11-10 | 中国石油天然气股份有限公司 | 油藏数值模拟中历史拟合调整参数确定方法及装置 |
CN111597764A (zh) * | 2020-04-17 | 2020-08-28 | 长江大学 | 一种毛管压力曲线构建方法及装置 |
-
2021
- 2021-07-08 CN CN202110770767.2A patent/CN113486556B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295199A (zh) * | 2016-08-15 | 2017-01-04 | 中国地质大学(武汉) | 基于自动编码器和多目标优化的自动历史拟合方法及系统 |
CN109902329A (zh) * | 2018-09-21 | 2019-06-18 | 长江大学 | 一种油藏模拟辅助历史拟合方法、系统、存储介质及设备 |
CN109558631A (zh) * | 2018-10-24 | 2019-04-02 | 北京大学 | 一种致密油气藏多尺度裂缝性介质自动历史拟合方法 |
CN110414723A (zh) * | 2019-07-09 | 2019-11-05 | 中国石油大学(北京) | 基于微震事件的裂缝油气藏历史拟合的方法、装置及系统 |
CN111339719A (zh) * | 2020-04-24 | 2020-06-26 | 西南石油大学 | 一种缝洞型油藏注水数值模拟自动历史拟合的方法 |
CN111861774A (zh) * | 2020-06-22 | 2020-10-30 | 中国石油大学(华东) | 一种基于并行代理模型的油藏生产机器学习方法 |
CN112395763A (zh) * | 2020-11-19 | 2021-02-23 | 西南石油大学 | 一种多模型自动历史拟合方法 |
Non-Patent Citations (3)
Title |
---|
油藏模拟历史拟合中Levenberg-Marquardt算法的改进;张鲜 等;《石油勘探与开发》;20161031;第43卷(第5期);806-815 * |
裂缝性油气藏数值模拟与自动历史拟合研究进展;薛亮等;《石油科学通报》;20191215(第04期);7-18 * |
采用快速行进法了解低渗气藏的排气和压力衰竭特征;Akhil Datta-Gupta;《中国油气论坛2013塔里木盆地勘探开发技术专题研讨会论文集》;20150422;69-85 * |
Also Published As
Publication number | Publication date |
---|---|
CN113486556A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113486556B (zh) | 一种改进的油气藏高效自动历史拟合方法 | |
CN108240208B (zh) | 一种油田水驱分类井组开发效果对标方法 | |
CN111441767A (zh) | 油藏生产动态预测方法及装置 | |
CN108446794A (zh) | 一种基于多个卷积神经网络结合架构深度学习预测方法 | |
CN112149314B (zh) | 一种基于虚拟库容修正的多沙水库库容冲淤模拟方法 | |
CN105118090A (zh) | 一种自适应复杂地形结构的点云滤波方法 | |
CN102279419B (zh) | 一种基于遗传算法提高缝洞型油藏自动历史拟合效率的方法 | |
CN106875286A (zh) | 一种聚合物驱油田全过程注聚参数分阶段优化决策方法 | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN105045091A (zh) | 基于模糊神经控制系统的疏浚工艺智能决策分析方法 | |
CN112113146B (zh) | 供水管网管道粗糙系数和节点需水量同步自适应校核方法 | |
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 | |
CN107939372B (zh) | 针对小断块油藏的最优井位部署方法和装置 | |
CN112364560A (zh) | 矿山凿岩装备作业工时智能预测方法 | |
CN116523086A (zh) | 基于长短时记忆深度神经网络的单井生产动态预测方法 | |
CN113222351A (zh) | 一种基于水体演进变化的城市应急供水精细化调度方法 | |
CN109902267B (zh) | 一种受下游湖泊顶托影响的河道安全泄量计算方法 | |
CN109299853B (zh) | 一种基于联合概率分布的水库调度函数提取方法 | |
CN110924935B (zh) | 致密油藏井底流压调控方案确定方法、装置和设备 | |
CN111210141A (zh) | 基于约束机制粒子群算法的水库库容曲线修正方法 | |
CN109902266B (zh) | 一种基于Copula函数的河道流量演算方法 | |
CN115034161B (zh) | 稳定三维水力裂缝扩展计算并加速的自适应时间步计算方法 | |
CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
CN104715298A (zh) | 一种基于灰色系统理论的提高采收率潜力预测方法 | |
CN114021902B (zh) | 基于动态收索与离散机制的动态规划降维的水库调度方法 |
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 |