CN114818514A - 用于确定储气库的库容量的方法及处理器 - Google Patents
用于确定储气库的库容量的方法及处理器 Download PDFInfo
- Publication number
- CN114818514A CN114818514A CN202210638918.3A CN202210638918A CN114818514A CN 114818514 A CN114818514 A CN 114818514A CN 202210638918 A CN202210638918 A CN 202210638918A CN 114818514 A CN114818514 A CN 114818514A
- Authority
- CN
- China
- Prior art keywords
- model
- reservoir
- gas
- data
- capacity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000007789 gas Substances 0.000 claims abstract description 117
- 238000003860 storage Methods 0.000 claims abstract description 75
- 230000035699 permeability Effects 0.000 claims abstract description 52
- 230000008859 change Effects 0.000 claims abstract description 46
- 239000011148 porous material Substances 0.000 claims abstract description 38
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 34
- 238000013178 mathematical model Methods 0.000 claims abstract description 28
- 239000012530 fluid Substances 0.000 claims abstract description 23
- 239000003345 natural gas Substances 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000000704 physical effect Effects 0.000 claims abstract description 13
- 230000004907 flux Effects 0.000 claims abstract description 8
- 238000012795 verification Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000011435 rock Substances 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 208000035126 Facies Diseases 0.000 claims description 2
- 238000010200 validation analysis Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000002347 injection Methods 0.000 description 12
- 239000007924 injection Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/16—Modification of mine passages or chambers for storage purposes, especially for liquids or gases
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- Algebra (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及油气技术领域,公开了一种用于确定储气库的库容量的方法及处理器。方法包括:基于获取到的断层数据、构造层面数据、层参数数据以及井轨迹数据建立三维地质模型;将模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数;基于储层物性时变现象对黑油模型进行改造,形成新的数学模型,新的数学模型用于反映渗透率和相对渗透率曲线随面通量的变化,且新的数学模型中连续性方程发生变化;读取三维地质模型多周期历史拟合后的第一有效孔隙体积,并计算各个储气库流体区域对气藏动态储量贡献的第二有效孔隙体积;基于第二有效孔隙体积和天然气压缩因子确定储气库的库容量。更贴近实际生产,能更加精准地得出库容量数据。
Description
技术领域
本发明涉及油气技术领域,具体地涉及一种用于确定储气库的库容量的方法及处理器。
背景技术
储气库(Underground Gas Storage,简称UGS),即储存天然气的“容器”。通常所说的“储气库”一般是指地下储气库,地下储气库是将长输管道输送来的商品天然气重新注入地下空间而形成的一种人工气田或气藏,一般建设在靠近下游天然气用户城市的附近。储气库运作以年为周期,“冬春采气,夏秋注气”是一般储气库的运作流程。
地下储气库兼具季节调峰和能源战略储备的双重功能,其气井兼具注气和采气功能,属于注采同管类型,储气库正常运行有三个基本要求,一是核实储气库库容量;二是防止气体在储层中运移中泄漏;三是保证安全供气能力。库容量是储气库正常运行的重要监测与控制内容,库容参数设计与评价是储气库建设和运行的关键技术,目前针对储气库库容计算方法有静态法,静态法是以气藏地质储量为依据计算,其求参计算方便,但忽略开发过程动态变化。
围绕储气库库容的研究多集中于最大库容量的确定方法,因地质结构的复杂性、气藏内部流体的混杂性以及地下储气库生产运行方式等方面的原因,地下储气库达到设计库容是一个长期、复杂的动态变化过程,业内称为“达容”过程。现常用的储气库设计的库容量是一个最大静态值,忽略了在交互注采运行中的动态库容变化。现有技术中涉及水淹气藏改建储气库的静态库容确定方法,该方法为静态计算,未考虑实际运行的动态变化,计算储气库库容时误差较大。
发明内容
为了克服现有技术存在的不足,本发明实施例提供了一种用于确定储气库的库容量的方法及处理器。
为了实现上述目的,本发明第一方面提供一种用于确定储气库的库容量的方法,包括:
基于获取到的断层数据、构造层面数据、层参数数据以及井轨迹数据,搭建构造模型,并基于构造模型建立三维地质模型;
将三维地质模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数;
基于储层物性时变现象对黑油模型进行改造,形成新的数学模型,新的数学模型用于反映渗透率和相对渗透率曲线随面通量的变化,且新的数学模型中连续性方程发生变化;
读取三维地质模型多周期历史拟合后的第一有效孔隙体积,并计算各个储气库流体区域对气藏动态储量贡献的第二有效孔隙体积;
基于第二有效孔隙体积和天然气压缩因子确定储气库的库容量。
在本发明实施例中,三维地质模型包括孔隙度、渗透率、相渗、净毛比、岩石压缩系数、流体性质等特征参数,方法还包括:
将渗透率、孔隙度和相对渗透率曲线的宏观参数的变化作为微观参数(孔喉比、润湿性等)变化的综合反映。
在本发明实施例中,新的数学模型与黑油模型的辅助方程、初始条件、内边界条件和外边界条件是相同的。
在本发明实施例中,方法还包括:
由三维地质模型获取气水界面随储层压力变化的变化关系;
根据变化关系将储气库的气藏动态储量占据的孔隙体积划分为气区、气水交互区以及水区的储气库流体区域;
将各个储气库流体区域对气藏动态储量贡献的孔隙体积对应扣除各个储气库流体区域内不能用于气体储存的孔隙体积,获得第二有效孔隙体积。
在本发明实施例中,方法还包括:
基于梯度提升的GBDT决策树算法,根据历史的库容量数据对未来的库容量数据进行分析和预测。
在本发明实施例中,基于梯度提升的GBDT决策树算法,根据历史的库容量数据对未来的库容量数据进行分析和预测包括:
建立第一代迭代的回归模型,并确定损失函数,损失函数为库容量实际观测值和库容量拟合预测值的残差;
将历史的库容量数据分成训练集和验证集;
根据训练集进行训练,得到回归模型的拟合值;
根据验证集验证拟合值的准确度,得到验证结果,并根据验证结果对回归模型进行优化;
计算每一次迭代每一个样本的负梯度值,确定线性搜索的步长和方向;
线性搜索确定每次迭代获得所述残差最小的回归模型;
当迭代次数达到额定迭代次数的情况下,确定本次全局迭代得到的较优回归模型,较优回归模型用于对未来的库容量数据进行预测。
在本发明实施例中,方法还包括:
在验证结果满足要求的情况下,输出回归模型和准确度;
在验证结果不满足要求的情况下,重新调整线性搜索的的负梯度值,并重新从头迭代直到确定目标回归模型。
在本发明实施例中,构造模型用于反映储层的空间分布特征,搭建构造模型包括:建立断层模型、网格化以及建立地层网格框架。
在本发明实施例中,方法还包括:
搭建层面模型;
基于构造模型建立三维地质模型包括:
基于构造模型和层面模型,建立三维地质模型。
在本发明实施例中,方法还包括:
基于对勾函数计算天然气不同组分的压缩因子,得到天然气压缩因子。
本发明第二方面提供一种处理器,被配置成执行上述的确定储气库的库容量的方法。
随着时间的改变,储层的相关数据会有变化,库容量也会有变化。在本发明实施例中,将三维地质模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数。考虑到储层物性时变现象,对传统的黑油模型进行精细改造,建立新的数学模型,使得新的数学模型能够反映渗透率以及相对渗透率曲线随面通量的变化,在新的数学模型中连续性方程发生变化,即是考虑到时变之后的新的连续性方程,之后去进行时变参数的模拟,这样更贴近实际情况,更贴近实际生产。结合精细地质建模随着注采周期增加所产生的储层物性变化,适用于枯竭气藏型储气库的建库初期动态库容计算方法,能更加精准地得出库容量数据,减小因误差导致生产活动出错的可能性。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示意性示出了根据本发明实施例的用于确定储气库的库容量的方法的流程图;
图2示意性示出了根据本发明实施例的建立三维地质模型的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
需要说明,若本申请实施方式中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本申请实施方式中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
图1示意性示出了根据本发明实施例的用于确定储气库的库容量的方法的流程图。可参见图1,在本发明一实施例中,提供了一种用于确定储气库的库容量的方法,包括以下步骤:
步骤101,基于获取到的断层数据、构造层面数据、层参数数据以及井轨迹数据,搭建构造模型,并基于构造模型建立三维地质模型;
步骤102,将三维地质模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数;
步骤103,基于储层物性时变现象对黑油模型进行改造,形成新的数学模型,新的数学模型用于反映渗透率和相对渗透率曲线随面通量的变化,且新的数学模型中连续性方程发生变化;
步骤104,读取三维地质模型多周期历史拟合后的第一有效孔隙体积,并计算各个储气库流体区域对气藏动态储量贡献的第二有效孔隙体积;
步骤105,基于第二有效孔隙体积和天然气压缩因子确定储气库的库容量。
介绍精细三维地质建模。首先将建模所需的数据准备好,包括断层、构造层面、层参数以及井轨迹四类数据,断层数据包括断层层面和层面模型数据。这些数据是开展地质建模的基础,数据的准确性和丰富性在很大程度上决定着建立的模型的精确性。将断层、构造层面、层参数以及井轨迹这四类数据导入至Petrel软件,Petrel软件利用这四类数据进行构造建模工作。构造建模是油气藏地质建模的基础,建立构造模型的主要原因是其能反映储层的空间分布特征,构造模型的建立过程一般分为三个步骤:建立断层模型、网格化、建立地层网格框架三个步骤。下一步搭建层面模型,层面模型建立的是否合理将直接影响地质模型的最终结果。最后基于搭建好的构造模型和层面模型建立三维地质模型。图2示意性示出了根据本发明实施例的建立三维地质模型的流程图,可参见图2。
随着时间的改变,储层的相关数据会有变化,库容量也会有变化。如果不考虑时变的话,导出的数据会跟实际情况差很远。下面介绍本发明实施例中时变参数的选取。三维地质模型包括孔隙度、渗透率、相渗、净毛比、岩石压缩系数、流体性质等特征参数。在构造的三维地质模型中,有渗透率、孔隙度和相对渗透率曲线、天然气组分、压缩因子、黏度、密度等宏观参数方面的数据。三维地质模型中的这些数据并不是都要去变化的,在油藏数值模拟过程中,并不会直接考虑岩石骨架结构、孔喉半径、粘土含量、润湿性等微观特征参数,而是将渗透率、孔隙度和相对渗透率曲线这三种宏观参数的变化视为各种微观参数(孔喉比、润湿性等)变化的综合反映,所以以渗透率、孔隙度以及相对渗透率曲线作为油藏数值模拟中的时变参数。
介绍时变参数模拟。由于传统的黑油模型无法考虑储层物性时变现象,因此需要基于储层物性时变现象对传统的黑油模型进行精细改造,建立新的数学模型,使得新的数学模型能够反映渗透率以及相对渗透率曲线随面通量的变化。新的数学模型的辅助方程、初始条件、内边界条件及外边界条件与传统的黑油模型的相同,而新的数学模型中连续性方程发生变化。下述公式(1)和公式(2)是考虑到时变之后的新的连续性方程,基于下述公式(1)和公式(2)去进行时变参数的模拟。利用数值模拟求解器进行求解。
其中,K为绝对渗透率,单位:μm2;Krg、Krw分别为气、水的相对渗透率;Bg、Bw分别为气、水的体积系数;μg、μw分别为气、水的黏度,单位:mPa·s;pg、pw分别为气、水的压力,MPa;ρg、ρw分别为气、水的密度,kg/m3;Sg、Sw分别为气、水的饱和度;qvg、qvw分别为标准状况下单位时间按产出或注入的气、水的体积,单位:m3/s;Rso、Rsw分别为溶解汽油比和溶解气水比;g为重力加速度,单位:m/s2;D为从某一基准面算起的深度,向下为正,单位:m;t为时间,单位:s;Φ为孔隙度,用%表示。
随着时间的改变,储层的相关数据会有变化,库容量也会有变化。在本发明实施例中,将三维地质模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数。考虑到储层物性时变现象,对传统的黑油模型进行精细改造,建立新的数学模型,使得新的数学模型能够反映渗透率以及相对渗透率曲线随面通量的变化,在新的数学模型中连续性方程发生变化,即是考虑到时变之后的新的连续性方程,之后去进行时变参数的模拟,这样更贴近实际情况,更贴近实际生产。结合精细地质建模随着注采周期增加所产生的储层物性变化,适用于枯竭气藏型储气库的建库初期动态库容计算方法,能更加精准地得出库容量数据,减小因误差导致生产活动出错的可能性。在本发明实施例中,提出了一种基于精细地质建模的储气库库容变化规律及评价方法、多周期注采储气库库容的计算方法。
在本发明实施例中,在分析现有的储气库库容计算方法的情况下,进一步结合多周期注采导致储层各种物性变化,形成新的精细地质建模。在储气库精细地质建模的基础上,模拟储气库建库初期多个注采周期的储层物性动态变化过程。基于精细地质建模结合孔喉结构变化等多种动态因素提出一种适用于枯竭气藏型储气库的建库初期动态库容计算方法。
在本发明实施例中,对于储气库在多周期注采的进行情况下,准确地得知储层孔喉结构等动态因素的变化,进行精细地质建模,并根据不同情况进行动态库容计算,对于生产活动能有效地提供数据支持,更便于提出正确的后续生产决策。
储气库因处于运行初期,储气库库容尚处于不稳定阶段,会随着注采周期增加动态调整。因此,在储气库精细地质建模的基础上,模拟储气库建库初期多个注采周期储层的物性动态变化过程。在孔喉结构变化等多种动态因素的条件下,进行准确的、动态的储量变化描述,并根据枯竭气藏型储气库的特点提出了一种适用于枯竭气藏型储气库的建库初期动态库容计算方法。
介绍库容的计算方法。由三维地质模型获取气水界面随储层压力变化的变化关系,根据这些变化关系将储气库的气藏动态储量占据的孔隙体积划分为气区、气水交互区以及水区三个储气库流体区域,读取三维地质模型多周期历史拟合后的第一有效孔隙体积,并计算各个储气库流体区域对气藏动态储量贡献的孔隙体积,根据各个储气库流体区域对气藏动态储量贡献的孔隙体积对应扣除各个储气库流体区域内不能用于气体储存的孔隙体积,得到第二有效孔隙体积,基于对勾函数计算天然气不同组分的压缩因子,从而基于第二有效孔隙体积与天然气压缩因子计算储气库库容。
在一实施例中,方法还包括:
基于梯度提升的决策树GBDT算法,根据历史的库容量数据对未来的库容量数据进行分析和预测。
在一实施例中,基于梯度提升的决策树GBDT算法,根据历史的库容量数据对未来的库容量数据进行分析和预测包括:
建立第一轮迭代的回归模型,并确定损失函数,损失函数为库容量实际观测值和库容量拟合预测值的残差;
将历史的库容量数据分成训练集和验证集;
根据训练集进行训练,得到回归模型的拟合值;
根据验证集验证拟合值的准确度,得到验证结果,并根据验证结果对回归模型进行优化;
计算每一次迭代每一个样本的负梯度值,确定线性搜索的步长和方向;
线性搜索确定每次迭代获得所述残差最小的回归模型;
当迭代次数达到额定迭代次数的情况下,确定本次全局迭代得到的较优回归模型,较优回归模型用于对未来的库容量数据进行预测。
在一实施例中,方法还包括:
在验证结果满足要求的情况下,输出回归模型和准确度;
在验证结果不满足要求的情况下,重新调整线性搜索的的负梯度值,并重新从头迭代直到确定目标回归模型。
在得到储气库库容量的历史数据之后,还可以基于GBDT(Gradient BoostingDecision Tree,梯度提升的决策树)算法,根据历史的库容量数据对未来的库容量数据进行分析和预测,实现对储气库多周期库容的变化规律研究。下面根据以下10个小步骤来进行详细说明:
步骤(1):将历史的库容量数据获得的历史拟合库容变化规律为初始学习样本,并将样本(即历史的库容量数据)分为训练集和验证集,预设τ(学习次数,即表示第几次进行全局迭代)=1,m(迭代次数)=1,j=1;
在步骤(1)中,建立第一轮迭代的回归模型;fm-1(x)是每一轮迭代的回归模型,即库容的拟合预测值;yi是目标观测值,即库容的实际观测值;argmin即找到每个回归拟合的库容和观测库容残差最小的回归模型。
步骤(2):计算第m次迭代第i个样本的损失函数的负梯度值
其中,η为学习率,表示每次梯度下降的步长。
步骤(3):对j=1,2,…,J,即回归树的每个叶节点,进行线性搜索出损失函数的最小值及其对应的增益
其中γjm为回归函数的最优增益,γ为每次线性搜索的增益。
步骤(4):计算所有叶结点的增益,得到当前的回归模型
其中,Rjm为回归树的每个叶结点区域,γjmI(x∈Rjm)表示取x在Rjm范围里的γjm。
在步骤(2)、步骤(3)至步骤(4)中,计算每一次迭代每个样本的负梯度值,即线性搜索的长度和方向;线性搜索找到每次迭代获得残差最小的回归模型f(x);γjm为回归模型的增益,即用来在拟合的基础上预测未知的目标值;Rjm为决策树的每个叶结点区域,回归模型是所有叶结点的集合。
步骤(5):若τ=1,则m=m+1,转步骤(7),否则转步骤(8)。
步骤(6):若m=M(额定迭代次数),得到
作为本次全局迭代得到的最优回归模型,并转步骤(8)。否则,转步骤(6)。
在步骤(5)至步骤(6)中,得到迭代结束后的最优回归模型F(x)。
步骤(7):计算决定系数R2(τ),即观测值与预测值的平方差之和:
若R2<0.001,其中R2=R2(τ)-R2(τ-1),则结束迭代,输出R2(τ)和F(x),否则,转步骤(8)。
步骤(8):若τ=1,初始化m=2,η=0.05,转步骤5.9,否则,τ=τ+1,转准备(10)。
在步骤(7)至步骤(10)中,如果准确度满足要求,结束迭代,输出回归模型和准确度;如果不满足要求,重新设定η,调整线性搜索的负梯度值,并重新从头迭代直到找到目标回归模型。
本发明实施例提供了一种处理器,该处理器被配置成执行上述实施例中的任意一项用于确定储气库的库容量的方法。
具体地,处理器可以被配置成:
基于获取到的断层数据、构造层面数据、层参数数据以及井轨迹数据,搭建构造模型,并基于构造模型建立三维地质模型;
将三维地质模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数;
基于储层物性时变现象对黑油模型进行改造,形成新的数学模型,新的数学模型用于反映渗透率和相对渗透率曲线随面通量的变化,且新的数学模型中连续性方程发生变化;
读取三维地质模型多周期历史拟合后的第一有效孔隙体积,并计算各个储气库流体区域对气藏动态储量贡献的第二有效孔隙体积;
基于第二有效孔隙体积和天然气压缩因子确定储气库的库容量。
在本发明实施例中,三维地质模型包括孔隙度、渗透率、相渗、净毛比、岩石压缩系数、流体的特征参数,处理器被配置成:
将渗透率、孔隙度和相对渗透率曲线的宏观参数的变化作为微观参数变化的综合反映。
在本发明实施例中,处理器被配置成:
新的数学模型与黑油模型的辅助方程、初始条件、内边界条件和外边界条件是相同的。
在本发明实施例中,处理器被配置成:
由三维地质模型获取气水界面随储层压力变化的变化关系;
根据变化关系将储气库的气藏动态储量占据的孔隙体积划分为气区、气水交互区以及水区的储气库流体区域;
将各个储气库流体区域对气藏动态储量贡献的孔隙体积对应扣除各个储气库流体区域内不能用于气体储存的孔隙体积,获得第二有效孔隙体积。
在本发明实施例中,处理器被配置成:
基于梯度提升的GBDT决策树算法,根据历史的库容量数据对未来的库容量数据进行分析和预测。
在本发明实施例中,处理器被配置成:基于梯度提升的GBDT决策树算法,根据历史的库容量数据对未来的库容量数据进行分析和预测包括:
建立第一代迭代的回归模型,并确定损失函数,损失函数为库容量实际观测值和库容量拟合预测值的残差;
将历史的库容量数据分成训练集和验证集;
根据训练集进行训练,得到回归模型的拟合值;
根据验证集验证拟合值的准确度,得到验证结果,并根据验证结果对回归模型进行优化;
计算每一次迭代每一个样本的负梯度值,确定线性搜索的步长和方向;
线性搜索确定每次迭代获得所述残差最小的回归模型;
当迭代次数达到额定迭代次数的情况下,确定本次全局迭代得到的较优回归模型,较优回归模型用于对未来的库容量数据进行预测。
在本发明实施例中,处理器被配置成:
在验证结果满足要求的情况下,输出回归模型和准确度;
在验证结果不满足要求的情况下,重新调整线性搜索的的负梯度值,并重新从头迭代直到确定目标回归模型。
在本发明实施例中,构造模型用于反映储层的空间分布特征,处理器被配置成:
搭建构造模型包括:建立断层模型、网格化以及建立地层网格框架。
在本发明实施例中,处理器被配置成:
搭建层面模型;
基于构造模型建立三维地质模型包括:
基于构造模型和层面模型,建立三维地质模型。
在本发明实施例中,处理器被配置成:
基于对勾函数计算天然气不同组分的压缩因子,得到天然气压缩因子。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种用于确定储气库的库容量的方法,其特征在于,包括:
基于获取到的断层数据、构造层面数据、层参数数据以及井轨迹数据,搭建构造模型,并基于所述构造模型建立三维地质模型;
将所述三维地质模型中的渗透率、孔隙度和相对渗透率曲线选取为油藏数值模拟中的时变参数;
基于储层物性时变现象对黑油模型进行改造,形成新的数学模型,其中所述新的数学模型用于反映渗透率和相对渗透率曲线随面通量的变化,且所述新的数学模型中连续性方程发生变化;
读取所述三维地质模型多周期历史拟合后的第一有效孔隙体积,并计算各个储气库流体区域对气藏动态储量贡献的第二有效孔隙体积;
基于所述第二有效孔隙体积和天然气压缩因子确定储气库的库容量。
2.根据权利要求1所述的方法,其特征在于,所述三维地质模型包括孔隙度、渗透率、相渗、净毛比、岩石压缩系数、流体性质的特征参数,所述方法还包括:
将所述渗透率、所述孔隙度和所述相对渗透率曲线的宏观参数的变化作为微观参数变化的综合反映。
3.根据权利权利要求1所述的方法,其特征在于,所述新的数学模型与所述黑油模型的辅助方程、初始条件、内边界条件和外边界条件是相同的。
4.根据权利要求1所述的方法,其特征在于,还包括:
由所述三维地质模型获取气水界面随储层压力变化的变化关系;
根据所述变化关系将所述储气库的气藏动态储量占据的孔隙体积划分为气区、气水交互区以及水区的储气库流体区域;
将各个所述储气库流体区域对所述气藏动态储量贡献的孔隙体积对应扣除各个所述储气库流体区域内不能用于气体储存的孔隙体积,获得所述第二有效孔隙体积。
5.根据权利要求4所述的方法,其特征在于,还包括:
基于梯度提升的GBDT决策树算法,根据历史的库容量数据对未来的库容量数据进行分析和预测。
6.根据权利要求5所述的方法,其特征在于,所述基于梯度提升的GBDT决策树算法,根据历史的库容量数据对未来的库容量数据进行分析和预测包括:
建立第一轮迭代的回归模型,并确定损失函数,所述损失函数为库容量实际观测值和库容量拟合预测值的残差;
将所述历史的库容量数据分成训练集和验证集;
根据所述训练集进行训练,得到所述回归模型的拟合值;
根据所述验证集验证所述拟合值的准确度,得到验证结果,并根据所述验证结果对所述回归模型进行优化;
计算每一次迭代每一个样本的负梯度值,确定线性搜索的步长和方向;
线性搜索确定每次迭代获得所述残差最小的回归模型;
当迭代次数达到额定迭代次数的情况下,确定本次全局迭代得到的较优回归模型,所述较优回归模型用于对未来的库容量数据进行预测。
7.根据权利要求6所述的方法,其特征在于,还包括:
在所述验证结果满足要求的情况下,输出回归模型和准确度;
在所述验证结果不满足要求的情况下,重新调整线性搜索的的负梯度值,并重新从头迭代直到确定目标回归模型。
8.根据权利要求1所述的方法,其特征在于,所述构造模型用于反映储层的空间分布特征,所述搭建构造模型包括:建立断层模型、网格化以及建立地层网格框架。
9.根据权利要求1所述的方法,其特征在于,还包括:
搭建层面模型;
所述基于所述构造模型建立三维地质模型包括:
基于所述构造模型和所述层面模型,建立三维地质模型。
10.根据权利要求1所述的方法,其特征在于,还包括:
基于对勾函数计算天然气不同组分的压缩因子,得到所述天然气压缩因子。
11.一种处理器,其特征在于,被配置成执行根据权利要求1至10中任一项所述的用于确定储气库的库容量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210638918.3A CN114818514A (zh) | 2022-06-07 | 2022-06-07 | 用于确定储气库的库容量的方法及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210638918.3A CN114818514A (zh) | 2022-06-07 | 2022-06-07 | 用于确定储气库的库容量的方法及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114818514A true CN114818514A (zh) | 2022-07-29 |
Family
ID=82521849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210638918.3A Pending CN114818514A (zh) | 2022-06-07 | 2022-06-07 | 用于确定储气库的库容量的方法及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818514A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115758936A (zh) * | 2022-11-23 | 2023-03-07 | 西南石油大学 | 一种考虑水溶气的枯竭气藏储气库潜力评价模型及方法 |
-
2022
- 2022-06-07 CN CN202210638918.3A patent/CN114818514A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115758936A (zh) * | 2022-11-23 | 2023-03-07 | 西南石油大学 | 一种考虑水溶气的枯竭气藏储气库潜力评价模型及方法 |
CN115758936B (zh) * | 2022-11-23 | 2023-08-15 | 西南石油大学 | 一种考虑水溶气的枯竭气藏储气库潜力评价模型及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717249B (zh) | 页岩气储层测井孔隙度快速预测方法及系统 | |
JP5797262B2 (ja) | 成熟炭化水素産地をシミュレートするための生産シミュレータ | |
AU2013397958B2 (en) | A simulation-to-seismic workflow construed from core based rock typing and enhanced by rock replacement modeling | |
CA2743827C (en) | Systems and methods for hydrocarbon reservoir development and management optimization | |
US8350851B2 (en) | Right sizing reservoir models | |
CN111175818B (zh) | Co2气驱前缘位置的判断方法及其模型训练方法、装置 | |
US9589081B2 (en) | Karstification simulation | |
Khazaeni et al. | Intelligent production modeling using full field pattern recognition | |
CN114818514A (zh) | 用于确定储气库的库容量的方法及处理器 | |
CN108952676A (zh) | 一种页岩气藏非均质性评价方法及其装置 | |
NO20171058A1 (en) | Integrated a priori uncertainty parameter architecture in simulation model creation | |
Gomez et al. | Top-down intelligent reservoir modeling (TDIRM) | |
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 | |
CN111707695B (zh) | 基于核磁共振数据确定储层渗透率的方法、装置及设备 | |
CN111677486A (zh) | 致密油二氧化碳吞吐模拟方法、装置及存储介质 | |
GB2584449A (en) | Apparatus method and computer-program product for calculating a measurable geological metric | |
US20210149077A1 (en) | Optimized methodology for automatic history matching of a petroleum reservoir model with ensemble kalman filter (enkf) | |
CN109063346A (zh) | 考虑动态开裂的孔隙喉道网络模型的驱替模拟方法及装置 | |
Pons et al. | Adaptive mesh refinement method applied to shallow water model: a mass conservative projection | |
CN112990631B (zh) | 渗流场的评价方法及装置、计算机可读存储介质 | |
Chugunov et al. | Reducing uncertainty in reservoir model predictions: from plume evolution to tool responses | |
CN105528732B (zh) | 一种试气井产能预测方法 | |
CN112987122A (zh) | 一种泥质含量计算方法、装置、电子设备及存储介质 | |
Chaki et al. | A Proxy Flow Modelling Workflow to Estimate Gridded Dynamic Properties and Well Production Rates by Deep Learning Algorithms | |
CN109308381A (zh) | 一种确定原油体积系数的方法、装置及系统 |
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 |