CN115310645A - 一种基于驱替均衡程度分析的井位优化方法及系统 - Google Patents
一种基于驱替均衡程度分析的井位优化方法及系统 Download PDFInfo
- Publication number
- CN115310645A CN115310645A CN202110493885.3A CN202110493885A CN115310645A CN 115310645 A CN115310645 A CN 115310645A CN 202110493885 A CN202110493885 A CN 202110493885A CN 115310645 A CN115310645 A CN 115310645A
- Authority
- CN
- China
- Prior art keywords
- well
- oil reservoir
- scheme
- initial
- data
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 158
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 177
- 238000004088 simulation Methods 0.000 claims abstract description 89
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 79
- 238000004364 calculation method Methods 0.000 claims abstract description 78
- 238000002347 injection Methods 0.000 claims abstract description 73
- 239000007924 injection Substances 0.000 claims abstract description 73
- 239000002245 particle Substances 0.000 claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000011161 development Methods 0.000 claims abstract description 25
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 60
- 238000010586 diagram Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 16
- 238000011084 recovery Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 239000012530 fluid Substances 0.000 claims description 14
- 238000002474 experimental method Methods 0.000 claims description 13
- 238000003491 array Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 230000001965 increasing effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 239000003129 oil well Substances 0.000 claims description 6
- 230000000704 physical effect Effects 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 6
- 238000010835 comparative analysis Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 15
- 239000003921 oil Substances 0.000 description 230
- 239000007789 gas Substances 0.000 description 30
- 230000008569 process Effects 0.000 description 30
- 238000013461 design Methods 0.000 description 16
- 230000003068 static effect Effects 0.000 description 12
- 230000035699 permeability Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 239000011148 porous material Substances 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000012407 engineering method Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 208000035126 Facies Diseases 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000004836 empirical method Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- BTNNPSLJPBRMLZ-UHFFFAOYSA-N benfotiamine Chemical compound C=1C=CC=CC=1C(=O)SC(CCOP(O)(O)=O)=C(C)N(C=O)CC1=CN=C(C)N=C1N BTNNPSLJPBRMLZ-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于驱替均衡程度分析的井位优化方法及系统,该方法在建立油藏流线模拟模型的基础上,基于模型网格参数对油藏进行生产潜力和注水潜力划分,通过设定的策略参数设置布井参数初始值,形成多个初始布井方案,进而并行调用流线模拟器,计算各初始布井方案的适应度值,实现基于驱替均匀程度的评估,选取初始全局最优布井方案,利用改进的粒子群算法迭代计算优化参数,基于设定的迭代计算方案确定最终的布井方案。采用上述方案能够解决现有布井优化方面存在的计算效率低、收敛性差、无效方案多以及数模时间过长等问题,在保证计算效率的同时获得与实际油藏相适应的最佳布井方案,基于合理的布井方案使油藏的开发效果达到最优化。
Description
技术领域
本发明涉及油气田开发领域,具体地,涉及油田开发过程中的布井优化方法,尤其是涉及一种新的基于驱替均衡程度分析的井位优化方法及系统。
背景技术
在油气田的勘探及开发工程中,可靠研究及实际应用证明,由于储层和流体的非均质性,在油藏不同位置打井其产油气量和生产效益也是不同的。因此在开发油气田时,油气藏工作人员(如工程师)面临的主要问题之一就是如何制定最优的布井方案,保证采出程度的最大化,以实现油气藏的高效开发。
目前的井位设计方法主要有两类,分别为传统井位设计方法和基于优化理论的自动井位优化方法。对于传统井位设计方法,其采取基于油藏工程方法,借助数值模拟技术选取储层设定范围内含油饱和度高、层位厚、远离边底水的位置进行布井。这种布井方式存在布井方案随机性大,人的经验占主要因素的问题,做出的决策会不可避免地受数据模糊性及巨大信息量的影响而出现失误,难以部署最优井位,无法满足油气井开发的技术要求。
对于基于优化理论的自动井位优化方法而言,其布井的主要步骤是基于优化理论,首先设定目标函数(如净现值、采油量、采出程度等),利用油藏数值模拟为计算工具,优化算法按照一定的规则更新布井的参数(如井位坐标等),通过迭代计算,使目标函数的值最优。虽然这种方法能减少人为因素的影响,但计算过程中产生的无效布井方案数量庞大,且存在缺乏油藏工程理论支持,寻优计算效率低,计算时间长的问题。尤其是在油藏模型较大时这种方法的缺陷尤为突出,导致这种布井方式很难应用到实际的油藏开发中。
领域内的研究人员基于上述问题也进行了关于布井方式的优化研究,例如专利号为CN201710990712.6的《针对小断块油藏的最优井位部署方法和装置》和文献《遗传算法在苏里格气田井位优化中的应用》。
其中,前者是在初始井位的基础上,逐个添加注采单元并优化新添加的注采单元的井位,直至采收率或净现值不再增加。这就意味着每优化一个注采单元就得用优化算法计算一次,存在计算时间过长的问题,要得到最终的布井方案,需要进行多轮优化计算,这需要大量的计算时间和计算机资源,基于此,必然是无法将该方法应用到实际较大规模的油藏开发中的。后者在井位优化过程中应用遗传算法,优化变量除了井位参数之外还考虑了单井控制面积,优化变量越多得到最优方案所需要的计算代价就越大,计算时间越长,且其提供的方案中仅仅是从井位设置的变量出发考虑,无法体现出油气产量参数与井位布设之间的联系,无法保障所选井位的性能最优程度,无法为油气藏工作人员提供精确的布井应用策略指导。
发明内容
为解决上述问题,本发明提供了一种基于驱替均衡程度分析的井位优化方法,在一个实施例中,所述方法包括:
模拟模型构建步骤、基于设定的油藏地质资料建立三维数字化的油藏地质模型,并综合其以及设定的动态生产资料数据构建目标油藏区的油藏流线模拟模型;
布井区域划分步骤、依据建立的三维数字化的油藏地质模型,根据网格参数采用设定的策略计算所述目标油藏区各个网格的生产潜力数据和注水潜力数据,并基于其选取初始布井区域;
初始方案生成步骤、根据设定的油藏数据和开发需求数据设置布井参数初始值和潜力要求,基于所述初始布井区域通过设定的方案对所述布井参数和潜力要求进行拟合调整,形成各个井对应的初始布井方案;其中,所述布井参数包括井头坐标、井身长度、井身方位角、完井层段和井的工作制度数据;
并行模拟计算步骤、并行运行所述油藏流线模拟模型对每个初始布井方案进行流线模拟计算,获取表征油藏区均衡程度的适应度数据选取各个井对应的最优初始布井方案;
参数优化步骤、利用设定的改进粒子群算法优化各最优初始布井方案的布井参数,迭代执行产生一系列优化后布井方案并基于优化后布井方案更新所述最优初始布井方案,基于表征油藏区均衡程度的适应度数据对各个优化后布井方案进行评估,并依据评估结果确定最终目标布井方案。
优选地,在一个实施例中,所述方法还包括:建立油藏流线模拟模型后:
通过实验获取油藏流体参数和岩石物性参数,确定油藏初始条件以及对应试油数据和试采数据;
综合实验对应的油藏地质资料和动态生产资料数据构建对应的实验油藏流线模拟模型,并基于其对实验油藏开发油、气、水进行流动模拟计算;
将模拟计算结果与实验测得的油气生产历史数据进行对比,确保所构建实验油藏流线模拟模型的运行状态满足设定的条件。
进一步地,一个实施例中,在所述布井区域划分步骤中,还包括,
分别将计算的生产潜力数据和注水潜力数据储存到两个三维数组中以实现油藏潜力的数字化,并将各三维潜力数组纵向加和之后进行归一化处理,形成各自三维潜力数据对应的二维潜力图。
一个实施例中,在所述初始方案生成步骤中,包括:
根据目标油藏区的地质特征、储量大小、流体物性、预计采收率和预计采油速度设置布井参数初始值和潜力要求;
利用归一化后的二维生产潜力图,基于井距约束,在所述初始布井区域内随机选取网格依次生成对应数量的油藏井头坐标,并根据所生成井头坐标数量与初始布井方案中相应布井参数数值的匹配性调整潜力要求,直至两者的匹配性满足设定的条件,将目标油藏区内满足条件的各布井参数初始数据取值作为初始布井方案。
具体地,一个实施例中,在所述并行模拟计算步骤中,包括:
基于流线模拟结果文件中的飞行时间计算各个布井方案的网格累积流动能力数据和网格累积存储能力数据,进而基于其获取油井各个布井方案的洛伦兹系数,作为对应的适应度值,将最小洛伦兹系数对应的布井方案作为最优初始布井方案。
进一步地,一个实施例中,在所述并行模拟计算步骤中,还包括:
存储最优初始布井方案中的各布井参数形成全局最优数组,供后续调取用于对比分析以及更新,更新时采用替换的方式更新整套布井参数,以使数组中保留的始终为历史最优的布井参数值。
在所述参数优化步骤中,基于调整惯性权重、增加粒子间信息交流以及拓展搜索空间的原则设置改进粒子群算法的速度更新公式和位置更新公式,结合两者计算优化后布井方案的布井参数。
具体地,一个实施例中,在基于适应度数据对各个优化后布井方案进行评估的过程中,包括:
采用构建的油藏流线模拟模型对各个优化后布井方案对应的适应度值进行计算,并将计算结果与已知的全局最优数组中布井参数的适应度值进行对比分析,获得当前优化后布井方案的评估结果,直至所得评估结果满足设定的最终布井条件,将得到的最优布井方案作为最终目标布井方案。
在一个可选的实施例中,所述布井参数还包括井尾坐标,在初始方案生成步骤中,利用随机函数在对应的初始布井区域中选取满足设定轨迹条件的布井轨迹参数,并基于其结合各个井头坐标确定匹配的有效井尾坐标,与井头坐标共同表征初始布井方案的井型数据。
进一步地,一个实施例中,所述布井参数还包括射孔层位数据,在初始方案生成步骤中,基于选取的各布井轨迹参数,结合各布井方案的生产潜力数据利用反距离加权算法确定各初始布井方案的射孔层位数据。
一个实施例中,所述布井参数还包括生产制度参数,在初始方案生成步骤中,根据油藏地质储量、预计采油速度和预计注采比计算目标油藏区总的采出量和注入量,进而基于各初始布井方案对应的生产潜力数据和计算的注采总量,确定对应的生产制度参数。
基于上述任意一个或多个实施例的其他方面,本发明还提供一种基于驱替均衡程度分析的井位优化系统,该系统执行如所述任意一个或多个实施例上述的方法。
与最接近的现有技术相比,本发明还具有如下有益效果:
本发明提供的一种基于驱替均衡程度分析的井位优化方法,在建立油藏流线模拟模型的基础上,综合动态生产资料数据构建目标油藏区的油藏流线模拟模型,利用流线模拟能快速地评价布井方案的驱替均衡程度显著减少计算时间,而且采用流线模拟方法具有较强的稳定性强,显著减少计算时间的同时,保障了驱替均衡程度评价的可靠性;
另外,本发明的方案引入生产潜力和注水潜力的约束能力,合理约束初始布井区域,具体油藏具体分析,将油藏中的生产潜力、注水潜力进行划分,从而明确布井的范围,增强了布井的针对性,能显著地减小无效布井方案,提高布井质量的同时进一步提升布井工程的实施效率;
进一步地,本发明方案利用改进的粒子群优化算法进行布井优化,明确找到最优的井位方案,相对于现有技术中的优化算法,本发明将流线模拟与优化理论相结合,自动调整优化参数的数值,能够快速产生大量合理的可选方案,为最终得到适应该油藏的最优布井参数提供可靠的中间数据支持。基于此,本发明的布井优化方法不仅能够解决现有布井优化方面存在的计算效率低、收敛性差、无效方案多以及数模时间过长等问题,在保证计算效率的同时获得与实际油藏相适应的最佳布井方案,使布井方案很好地匹配目标油藏的地层特性之外,还能更好地应用于实际生产。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一实施例提供的基于驱替均衡程度分析的井位优化方法的流程示意图;
图2是本发明另一实施例中基于驱替均衡程度分析的井位优化方法的初始化布井方案生成流程示意图;
图3是本发明实施例中基于驱替均衡程度分析的井位优化方法的单个方案中多口井的布井过程示意图;
图4是本发明一实施例中提供的直井、斜井、水平井的数学表征展示图;
图5是本发明实施例提供的基于驱替均衡程度分析的井位优化方法中井在模拟器穿过网格的示意图;
图6是本发明一实施例中井位优化方法的基于反距离加权的潜力评价示意图;
图7是本发明另一实施例提供的基于驱替均衡程度分析的井位优化方法中井的射孔层位的示意图;
图8是本发明实施例中基于驱替均衡程度分析的井位优化方法的累积存储能力-累积流动能力洛伦兹曲线图;
图9是本发明实施例中PUNQ-S3油藏模型的含油饱和度分布图;
图10是本发明一实施例中PUNQ-S3油藏的渗透率分布图;
图11是本发明实施例中提供的PUNQ-S3油藏的相渗曲线图;
图12是本发明另一实施例中基于驱替均衡程度分析的井位优化方法的初始文件导入图例;
图13是本发明实施例中基于驱替均衡程度分析的井位优化方法的PUNQ-S3油藏的潜力评价示意图;
图14是本发明一实施例中基于驱替均衡程度分析的井位优化方法的程序迭代寻优过程图例;
图15是本发明实施例中提供的布井参数优化过程中NPV的变化示意图;
图16是本发明实施例中井位优化方法提供的不同约束下采出程度的对比图;
图17是本发明另一实施例提供的井位优化方法中不同约束下NPV变化的对比图;
图18是本发明实施例提供的原始布井方案的井位部署图及剩余油分布图
图19是本发明一实施例中基于驱替均衡程度分析的井位优化方法的井位部署图及剩余油分布图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
由于储层和流体的非均质性,在油藏不同位置打井其产油气量和生产效益也是不同的。因此在开发油气田时,油藏工程师面临的主要问题之一就是如何制定最优的布井方案,保证采出程度的最大化,以实现油气藏的高效开发。
目前有两类主要的井位设计方法:传统井位设计方法、基于优化理论的自动井位优化方法。
对于传统井位设计方法而言,其布井的主要步骤是基于油藏工程方法,利用数值模拟在含油饱和度高、层位厚、远离边底水的位置布井。这种布井方式存在布井方案随机性大,人的经验占主要因素的问题,做出的决策难免受数据模糊性及巨大信息量的影响而出现失误,难以部署最优井位。
对于基于优化理论的自动井位优化方法而言,其布井的主要步骤是基于优化理论,首先设定目标函数(如净现值、采油量、采出程度等),利用油藏数值模拟为计算工具,优化算法按照一定的规则更新布井的参数(如井位坐标等),通过迭代计算,使目标函数的值最优。虽然这种方法能减少人为因素的影响,但计算过程中产生的无效布井方案数量庞大,这种布井方式存在缺乏油藏工程理论支持,寻优计算效率低,计算时间长的问题。尤其是在油藏模型较大时这种方法的缺陷尤为突出,导致基于优化理论的井位优化方法很难应用到实际油藏。
目前国内能检索到的关于井位优化的专利和文章还比较少。比如专利号为CN201710990712.6的《针对小断块油藏的最优井位部署方法和装置》和专利号为CN201410508034.1的《基于储层静态因子的井位优化设计方法》,以及文献《遗传算法在苏里格气田井位优化中的应用》。
其中,在《针对小断块油藏的最优井位部署方法》专利中存在计算时间过长的问题,无法将该方法应用到实际油藏中。因为该专利是在初始井位的基础上,逐个添加注采单元并优化新添加的注采单元的井位,直至采收率或净现值不再增加。这就意味着每优化一个注采单元就得用优化算法计算一次,要得到最终的布井方案,需要进行多轮优化计算,这需要大量的计算时间和计算机资源。而本发明只需要用一次优化算法就可以计算出布井方案,显著地减少了计算时间,可应用于实际大规模的油藏。
在专利《基于储层静态因子的井位优化设计方法》中,优化井位的过程只考虑了油藏的静态参数,未考虑油藏的动态参数,比如压力对开发过程的影响。动态参数对油藏不同部位可采价值、动用难易程度的评价也有着重要的作用,在制定布井方案时需要同时考虑动静态参数对开发效果的影响。本发明在进行井位优化的过程中同时考虑了静态参数和动态参数对布井方案的影响,使得计算过程更加接近油藏真实情况,计算结果可靠性更高。
同时,在文献《遗传算法在苏里格气田井位优化中的应用》中,优化变量除了井位之外还考虑了单井控制面积,优化变量越多,得到最优方案所需要的计算代价就越大,计算时间越长,而且文献并没有对其他影响生产效果的参数进行优化,比如单井注采量、井型、射孔。本发明的优化变量只有井位,其他优化参数如井型、射孔、注采量是通过油藏工程方法确定的,即是说在计算代价不大的情况下,本发明能优化更多的参数,使得生产效果更好。
针对以上现状,提出了一种新的基于驱替均衡程度快速井位优化方法。本发明的方法通过运用模型动静态参数综合生产潜力、注水潜力作为约束条件,并改进优化算法及评价指标,提出一种新的快速井位优化方法和技术流程,来寻找最优布井方案,可应用于实际大规模的油藏模型的模拟,可以实现多种重要参数的快速优化。而且还考虑了油藏的动静态参数,结合油藏工程方法可以使布井更有针对性,能显著减少无效的布井方案,有助于提高寻优效果,最终形成高效的布井方案。通过本发明的方法计算得到的最优开发方案,可应用于优化油田开发的实践当中,可供现场工程人员参考或实施。
实施例一
本发明研究人员结合实际油气开发过程中布井设置的影响因素,以及布井设置与油藏地质数据及生产数据之间的联系进行分析,发现在进行井位优化的过程中同时考虑油藏静态参数和动态参数对布井方案的影响,能够使计算过程更加接近油藏真实情况,计算结果可靠性更高。同时优化算法的选择和优化参数的设置都会影响到布井优化的运算速度和优化结果精确性,因此,本发明研究人员采用设定的优化算法基于特定的优化策略对各布井参数实现优化,同时结合合理的数据约束设置,在确保优化结果可靠性的基础上,大大提升布井优化过程的运行速度。
具体地,本发明提供的井位优化方法在建立油藏精细流线模拟模型的基础上,利用潜力评价方法,通过获取模型网格参数(网格的原始含油饱和度、残余油饱和度、油相压力、最小井底压力、孔隙度、渗透率、网格到最近边界的距离、网格到油水边界的距离、网格到气水边界的距离)对油藏进行生产潜力和注水潜力划分;通过井头坐标、井身长度、井身方位角、完井层段、井的工作制度等参数设置初始值,并写入商业流线模拟器的相关运行文件中,构建初始布井方案;并行调用流线模拟器,计算初始化中各粒子(即各布井方案)的适应度值(即流动能力-存储能力洛伦兹系数),评价初始方案的驱替均匀程度,取初始布井方案中洛伦兹系数最小的方案为初始全局最优布井方案(随着迭代的进行会动态变化);利用改进的粒子群算法来优化参数,产生新的布井方案并比较粒子(即布井方案)的适应度值、更新粒子群中的最优粒子信息(即全局最优布井方案);迭代计算直到满足迭代终止条件,退出程序,得到最终的全局最优布井方案。
以实现在给定初始优化参数的条件下,结合油藏流线模拟,通过优化算法和潜力约束优化参数的目的,进而在保证计算效率的同时获得与实际油藏相适应的最佳布井方案,使油藏的开发效果达到最优化,解决了目前国内布井优化方面存在的计算效率低、收敛性差、无效方案多、数模时间过长等问题,为制定合理的布井方案提供新的理论方法与技术参考。
基于上述构思,本发明技术研究人员从以下几方面操作入手设计本发明基于驱替均衡程度分析的井位优化方法:
(1).获取实际油藏资料,建立三维油藏精细流线模拟模型;
(2).对油藏进行生产潜力、注水潜力划分;
(3).明确优化参数并设定初始值,形成初始布井方案;
(4).并行调用流线模拟器,计算各初始方案的适应度值;
(5).利用改进的粒子群算法来优化参数,产生新的布井方案并比较各粒子(即各布井方案)的适应度值;
(6).迭代计算直到满足迭代条件,退出程序,得到最终的全局最优布井方案。
接下来基于附图详细描述根据本发明实施例的方法的详细流程,附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1示出了本发明实施例一提供的基于驱替均衡程度分析的井位优化方法的流程示意图,参照图1可知,该方法包括如下操作。
模拟模型构建步骤S1、基于设定的油藏地质资料建立三维数字化的油藏地质模型,并综合其以及设定的动态生产资料数据构建目标油藏区的油藏流线模拟模型;
该步骤中,本发明实施例根据实际油藏地质、测井、地震解释资料等静态资料建立三维数字化油藏地质模型;
具体地,在一个实施例中,通过在油气聚集的有利地带打资料井,通过录井、取心、钻杆测试、测井解释所取得的资料,得到地层的岩性、孔隙度、渗透率及含油饱合度参数,进行详细的地层对比,明确油层的性质及分布,搜集井口坐标、井斜校正数据、油藏顶深、分层数据、小层数据,根据这些资料和商业建模软件建立三维数字化油藏地质模型。
油藏流线模拟是将实际油藏数字化在计算机上呈现油田开发的全过程,描述了油藏的地质特征、油藏岩石、流体的分布特征,能够模拟油、气、水在地层中的流动,预测剩余油的分布、产油量、含水率,优选最优开发方案,指导现场生产。进一步地,基于构建的三维数字化油藏地质模型,整合油藏静态资料和生产动态资料建立油藏流线模拟模型,用于对目标油藏区的油、气、水流动数据进行模拟计算。
实际应用中,为了确保所构建油藏流线模拟模型的运行状态能够满足油藏开发工程的要求,在整合油藏静态资料和生产动态资料建立油藏流线模拟模型后,还基于实验数据进行模拟计算以确保模型的可运行性。
具体地,在一个实施例中,建立油藏流线模拟模型后,执行以下操作验证所构建的油藏流线模拟模型:
通过实验获取油藏流体参数和岩石物性参数,确定油藏初始条件以及对应试油数据和试采数据;其中,具体通过实验得到油藏流体(组分)参数、岩石物性参数,确定油藏初始条件(油水界面、油气界面、压力梯度)及试油及试采等数据。
综合实验对应的油藏地质资料和动态生产资料数据构建对应的实验油藏流线模拟模型,并基于其对实验油藏开发油、气、水进行流动模拟计算;实际执行时,根据静态资料及动态资料,给出油水生产历史,将油藏属性数字化,构建油藏流线模拟模型,进行油藏开发油、气、水的流动模拟计算,以分析确定所建模型能否正常运行。
进一步地,将模拟计算结果与实验测得的油气生产历史数据进行对比,确保所构建实验油藏流线模拟模型的运行状态满足设定的条件。
单纯的利用数学的方法进行最佳的寻优,尽管这种方法相对传统的经验方法有了较大的提高,但不同的油藏其特征也会有很大差异。且考虑到若是不以合理的布井针对性为前提,对整个油藏区域的所有网格进行全面的布井优化运算,会必然会产生大量的无效布井方案,且数据处理压力和运算压力都会很大,严重影响布井优化的执行效率。基于此,本发明实施例采用油藏的生产潜力数据和注水潜力数据对布井有效性的约束,提升布井优化运算的针对性。因此有:
布井区域划分步骤S2、依据建立的三维数字化的油藏地质模型,根据网格参数采用设定的策略计算所述目标油藏区各个网格的生产潜力数据和注水潜力数据,并基于其选取初始布井区域。
结合实际应用,生产潜力评价的方法有多种,包括剩余油储量丰度法、数值模拟法、生产潜力指数法等若干方法。由于生产潜力指数法考虑了油藏储量丰度、油藏压力、地层渗透性、距边界距离和油气水关系位置对产能的影响,能够表征储层蕴藏的物质和能量所具有的潜在油气资源剩余生产能力。一般注水井选在油层比较发育、渗透性较好的位置。因此本发明采用生产潜力指数法和注水潜力指数法来快速划分油藏的高潜力区域,指导布井方向。
具体地,在一个实施例中,首先获取每个网格(i,j,k)的基本参数,包括网格的原始含油饱和度Soijk(t)、残余油饱和度Sor、油相压力Poijk(t)、最小井底压力Pmin、孔隙度φijk、渗透率Kijk、网格到最近边界的距离rijk、网格到油水边界的距离hwoc,ijk、网格到气水边界的距离hwgc,ijk。并将这些参数保存到相应的数组中以备后续计算使用。
进一步地,将网格参数代入匹配的生产潜力公式和注水潜力公式计算每个网格的生产潜力值和注水潜力值。
具体地,结合实际工况,通常按照以下原则设置各种类型网格匹配的生产潜力计算公式:
对于有边底水和气顶的油藏,生产潜力评价公式为下式(3):
对于仅有边底水的油藏,生产潜力评价公式为下式(4):
对于仅有气顶的油藏而言,生产潜力评价公式为下式(5):
对于没有边底水也没有气顶的油藏而言,生产潜力评价公式为下式(6):
对于有注水需求的油藏而言,注水潜力评价公式为下式(7);如果油藏没有注水需求,则不必进行注水潜力评价。
式中,Jijk(t)为网格(i,j,k)的生产潜力值,Soijk(t)为网格的原始含油饱和度,Sor为残余油饱和度,Poijk(t)为油相压力,Pmin为最小井底压力,φijk为孔隙度,Kijk为渗透率,rijk为网格到最近边界的距离,hwoc,ijk为网格到油水边界的距离,hwgc,ijk为网格到气水边界的距离。
利用上述潜力评价公式计算每个网格的生产潜力和注水潜力并分别储存到两个三维数组中以完成油藏潜力的数字化,并将三维潜力数组纵向加和之后归一化处理,即是说将三维潜力图变成取值在[0,1]范围内的二维潜力图,为后续布井打下基础。因此,在一个实施例中,所述布井区域划分步骤S2还包括:
分别将计算的生产潜力数据和注水潜力数据储存到两个三维数组中以实现油藏潜力的数字化,并将各三维潜力数组纵向加和之后进行归一化处理,形成各自三维潜力数据对应的二维潜力图。
其中,三维潜力数据叠加成二维潜力图的公式为:
二维潜力图归一化处理的公式为:
其中,Nz为纵向(即Z方向上)网格的层数;Jij(t)为三维潜力叠加成二维潜力图后的生产潜力值;Uij(t)为三维潜力叠加成二维潜力图后的注水潜力值;JNij(t)为归一化后的生产潜力值;UNij(t)为归一化后的注水潜力值。
进一步地,本发明实施例包括初始方案生成步骤S3、根据设定的油藏数据和开发需求数据设置布井参数初始值和潜力要求,基于所述初始布井区域通过设定的方案对所述布井参数和潜力要求进行拟合调整,形成各个井对应的初始布井方案;其中,所述布井参数包括井网密度、井距约束、布井数量、井头坐标、井身长度、井身方位角、完井层段和井的工作制度数据;
其中,在确定初始布井方案之前,获取油藏工程知识,以为明确生产井和注水井的数量、最小井距、总的注采量及井身长度的取值范围提供数据支持;因此,在所述初始方案生成步骤中,包括:
根据目标油藏区的地质特征、储量大小、流体物性、预计采收率和预计采油速度设置布井参数初始值和潜力要求,其中潜力要求保证合格的初始布井方案需要满足的潜力约束条件。
实际应用时,根据目标油藏的地质特征、储量大小、流体物性、预计采收率、采油速度等指标确定合理的井网密度S、井距范围[Dmin,Dmax]、油井的数量Np、水井的数量Nw、总的注采量Q,同时根据现场经验确定井身长度的取值范围[Lmin,Lmax],进而利用归一化后的二维生产潜力图,基于井距约束,在所述初始布井区域内随机选取网格依次生成对应数量的油藏井头坐标,并根据所生成井头坐标数量与初始布井方案中相应布井参数数值的匹配性调整潜力要求,直至两者的匹配性满足设定的条件,将目标油藏区内满足条件的各布井参数初始数据取值作为初始布井方案。
如图2所示,生成布井方案时,基于确定的初始布井区域随机选取网格设置布井位置,其中,所述初始布井区域包括生产潜力值满足设定潜力要求的高生产潜力区域和高注水潜力区域。对于开发井,利用归一化后的二维生产潜力图,基于井距约束,在生产潜力值大于0.9的高潜力区域内随机选取网格依次生成Np不同个油井的井头坐标(xp,yp,zp),如果高潜力网格数量不足以满足布井要求,则将潜力要求按0.05自动递减(即0.9、0.85、0.8……)调整高生产潜力的阈值直到满足布井要求为止。同理,对于注水井,利用归一化后的二维注水潜力图,基于井距约束,在注水潜力值大于0.9的高潜力区域内随机选取网格依次生成Nw个不同水井的井头坐标(xw,yw,zw),如果高潜力网格数量不足以满足布井要求则将潜力要求按0.05自动递减(即0.9、0.85、0.8……)调整高注水潜力的阈值直到满足布井要求为止。
对于单个布井方案而言其布井过程(即确定井头坐标)如图3所示,以生产井的布井过程为例。在油藏高潜力区域内随机生产一口井(井头坐标),然后将井距范围内的网格设置为无效网格(蓝色区域B为无效网格),使得后续的生产井不再落到该井距范围内。每确定完一口生产井的位置之后,会重新计算每个网格的生产潜力值达到更新二维生产潜力图的目的,以便划定下一口井的布井范围。
进一步地,根据井头坐标和随机函数可以确定出井身长度、井身方位角,进而确定出井途经的网格坐标。利用三维生产潜力约束,射开井途经网格中高潜力的层位,生产制度的确定也是依据该井区域的生产能力、注水能力量化确定的,将这些初始化后的参数写入商业流线模拟文件中,调用流线模拟器进行模拟计算。
具体的,实际应用时通过以下操作确定初始布井方案的其他参数数据:
(301)获取单井控制范围内的三维特征属性
确定了生产井的井头坐标(xps,yps,zps)之后并以此点为中心,以2Lmax为边长取出一个正方体方位内的油藏生产潜力属性。将该正方体视为该井的控制区域,并将该三维数据体中的低潜力(生产潜力值小于0.3的区域,即Jijk<0.3的所有网格)网格设置为死网格。
同理,确定了注水井的井头坐标(xws,yws,zws)之后并以此点为中心,以2Lmax为边长取出一个正方体方位内的油藏注水潜力属性。将该正方体视为该井的控制区域,并将三维数据体中的高潜力(注水潜力值大于0.3的区域,即Jijk>0.3的所有网格)网格设置为死网格。
结合实际应用,通过参数的组合变化可以完成不同井型的描述,因此在一个实施例中,所述布井参数还包括井尾坐标,在初始方案生成步骤中,利用随机函数在对应的初始布井区域中选取满足设定轨迹条件的布井轨迹参数,并基于其结合各个井头坐标确定匹配的有效井尾坐标,与井头坐标共同表征初始布井方案的井型数据,即本发明实施例还包括:(302)通过参数的组合变化可以完成不同井型的描述;
具体的,结合实际情况可知井只能由井头坐标往下延伸不可能从井头开始往上打井,因此θ1∈[0°,360°]、θ2∈[0°,360°]、θ3∈[90°,270°]。
如图4所示,以任意一口井为例来说明计算井尾坐标的过程:
xe-xs=Lcosθ1 (12)
ye-ys=-Lcos(180°-θ2) (13)
ze-zs=-Lcos(180°-θ3) (14)
其中,(xs,ys,zs)为井头坐标;(xe,ye,ze)为井尾坐标;L为井头到井尾的井身长度;θ1为X正轴沿顺时针方向到斜井段的夹角;θ2为Y正轴沿顺时针方向到斜井段的夹角;θ3为Z正轴沿顺时针方向到斜井段的夹角。
则井尾的坐标为:
xe=xs+Lcosθ1 (15)
ye=ys+Lcos(180°-θ2) (16)
ze=zs+Lcos(180°-θ3) (17)
特别地,当θ1=90°、θ2=90°、θ3=180°的时为直井;当θ3=90°的时为水平井。
对于生产井,利用随机函数,在该井的三维数据体的高潜力区域网格(去掉低潜力网格之后余下的所有有效网格)随机生成参数(θ1,θ2,θ3,L),如果所穿网格中有效网格数量占井轨迹沿程网格总数的一半以上(即其中N1表示三维控制体内有效网格的总个数,M1表示三维控制体内网格的总个数)且井身长度L在控制范围[Lmin,Lmax]内就认为生成的井轨迹是有效的。如果生成的井井身长度大于Lmax则井身长度取为Lmax;如果生成的井身长度小于Lmin则井身长度取为Lmin;如果井轨迹所穿有效网格的数量小于井轨迹沿程网格总数的一半则利用随机函数重新生成新的参数(θ1,θ2,θ3,L),直到满足有效井轨迹为止。
同理,对于注水井,利用随机函数,在该井的三维数据体的低潜力区域网格(去掉高潜力网格之后余下的所有有效网格)随机生成参数(θ1,θ2,θ3,L),如果所穿网格中有效网格数量占井轨迹沿程网格总数的一半以上(即其中N1表示三维控制体内有效网格的总个数,M1表示三维控制体内网格的总个数)且井身长度在控制范围[Lmin,Lmax]内就认为生成的井轨迹是有效的。如果生成的井井身长度大于Lmax则井身长度取为Lmax;如果生成的井身长度小于Lmin则井身长度取为Lmin;如果井轨迹所穿有效网格的数量小于井轨迹沿程网格总数的一半则利用随机函数重新生成新的参数(θ1,θ2,θ3,L),直到满足有效井轨迹为止。
采用本发明上述实施例的方案,能够对多种井型实现优化,包括直井、斜井、水平井。井头坐标、井身方位角、井身长度这3个参数7个变量的相互组合可以描述多种井型,使得该井位优化方法不仅仅能适用于常见的直井,也适用于其他的井型如斜井、水平井。
结合实际应用,本发明研究人员考虑到将井位优化,井型优化以及射孔优化、注采优化相结合,能够使布井方案能更好地应用于实际生产。在实际油田生产中,不仅需要确定井的位置还需要确定井型、每口井的射孔层位、单井采油量或注水量。但常见的井位优化方法只能优化井位或者是井位+井型,不能做到多种参数同时优化从而导致布井方案在实际应用中存在很多局限,未必能达到一个比较好的开采效果。本发明与常见的井位优化方法有一个很大的不同之处在于本发明考虑了油藏特性,利用油藏生产潜力和注水潜力的约束,能实现多种参数的优化,即是说将井位优化与井型优化、射孔优化、注采优化相结合,使布井方案能更好地应用于实际生产。
进一步地,在一个实施例中,所述布井参数还包括射孔层位数据,在初始方案生成步骤中,基于选取的各布井轨迹参数,结合各布井方案的生产潜力数据利用反距离加权算法确定各初始布井方案的射孔层位数据,因此,本发明实施例包括:(303)基于生产潜力的约束,完成射孔层位的优化;
其中,完成井型的描述相当于确定了可行井在数模中途经的网格,利用反距离加权的生产潜力约束可以确定单井的射孔层位。
为了更清楚地说明确定射孔层位的流程,以一口相对简单的生产井进行描述。该井在模拟器穿过网格的示意图如图5所示,在XY平面内有一口水平井,井头坐标为(xs,ys,zs),井尾坐标为(xe,ye,ze)。红色区域I为高潜力区域,绿色区域II为中等潜力区,蓝色区域III为低潜力区(注:高中低的潜力阈值具体油藏具体分析与网格的潜力值和网格数量有关系,本发明取潜力值大于0.7的为高潜力网格、潜力值为0.3~0.7之间的为中等潜力网格、潜力值小于0.3的为低潜力网格)。
由(302)中的操作可以确定参数(θ1,θ2,θ3,L)进而计算出井头坐标和井尾坐标这两点确定的直线段方程、途经网格坐标。将途经网格的坐标(x,y,z)转换成数模条件下的序列坐标(i,j,k),其中(i∈N*,j∈N*,k∈N*)。井头坐标(xs,ys,zs)转换后的序列坐标为(is,js,ks),井尾坐标(xe,ye,ze)转换后的序列坐标为(ie,je,ke)。
由于数模文件中表征井轨迹的方式与真实的井轨迹有差异,如图5所示,黑色实线为实际井轨迹,黑色虚线为数模文件中的井轨迹。任取井轨迹中的一个网格(i,j,k)(即任取一个图5中标有黑点的网格)为例来说明利用生产潜力加权来确定射孔层位的方法。
由于在实际生产过程中,网格之间会存在流体流动,因此离中心泄流网格不同距离的其他网格对中心网格的影响是不一样的,引入基于反距离加权的生产潜力评价公式可以更加准确地评价井轨所在网格的实际生产潜力。本发明认为井轨迹路径上的单个网格的影响范围为R=0.5Dmin(其中Dmin为最小井距),即是说在计算反距离加权的生产潜力时,取边长Dmin的正方体为单个泄流网格控制的范围,同时可以计算出中心网格与控制体的边界之间有r个网格(如果XYZ三个方向上计算出来的r不相同,取最小值即可),如图6所示。
本发明所述基于反距离加权的生产潜力评价公式如下:
确定网格权重的计算公式为:
其中:JDijk为中心网格(i,j,k)基于反距离加权的生产潜力值;Jijk为网格(i,j,k)在初始时的生产潜力值;为网格(i+m,j+m,k+m)的潜力权重,该值随着网格(i+m,j+m,k+m)与中心网格(i,j,k)之间距离的增加而减少;d(i+m)(j+m)(k+m)为网格(i+m,j+m,k+m)到中心网格(i,j,k)的距离;
权重的总和为1,本发明指数值P取为2,这意味着中心网格的潜力评估主要取决于它自身及以周围邻近的网格,距离越远的网格其潜力贡献越小。
计算完途经网格的反距离加权生产潜力值并射开潜力值大于0.5(即JDijk>0.5)的所有网格,如图7所示。如果射开的网格数量小于井途经网格总数的三分之一,则调小射开潜力阈值(比如按照0.05进行递减,0.45、0.4……)直到满足射开的网格数量大于等于井途经网格总数的三分之一为止。
同理,对于注水井射孔层位的优化与生产井射孔层位优化类似,包括计算注水井所穿网格的反距离加权生产潜力值并射开潜力值小于0.1(即JDijk<0.1)的所有网格。如果射开的网格数量小于三分之一井途经网格总数,则调大射开潜力阈值(比如按照0.05进行递增,0.15、0.2……)直到满足射开的网格数量等于三分之一井途经网格总数为止。
确定注水井射孔层位的过程与生产井确定射孔层位的过程类似,也是利用基于反距离加权的潜力评价方法来确定射孔层位,就不再赘述。
在一个实施例中,所述布井参数还包括生产制度参数,在初始方案生成步骤中,根据油藏地质储量、预计采油速度和预计注采比计算目标油藏区总的采出量和注入量,进而基于各初始布井方案对应的生产潜力数据和计算的注采总量,确定对应的生产制度参数。因此,本发明实施例还包括:(304)基于生产潜力和注采总量的约束,完成生产制度的优化:
具体地,根据油藏地质储量N、给定的采油速度Vo、注采比Rip可以计算出油藏总的采出量QL和注入量Qwis。
QL=N×Vo (21)
Qwis=QL×Rip (22)
根据(331)的方法可以获取任意生产井或注水井的单井控制范围内的三维特征属性,并将该控制范围内的所有网格的潜力值相加,即是说,对于单个生产井所控制的潜力值JTijk,,n为:
JTijk,,n=∑Jijk (23)
对于单个注水井所控制的潜力值UTijk,m为:
UTijk,m=∑Uijk (24)
将总的注采量按照单井控制潜力的比例进行分配,即是说,对于任意一口生产井而言其采出量QLn为:
对于任意一口生产井而言其注入量Qwism为:
通过上述方法可以对每个粒子(一个粒子就是一个布井方案)进行初始化,并将井的井头坐标、井身长度、井身方位角、完井层段、井的工作制度等参数通过程序写入相应的数模文件中,即,实际应用中,确定初始布井方案中的井头坐标以及其他参数,包括井身长度L、井身方位角(θ1,θ2,θ3)、完井层段(ics,jcs,kcs)~(ice,jce,kce)、井的工作制度Qi后,并将这些参数的初始值写入商业流线模拟器的相关运行文件中,为后续各初始布井方案的流线模拟计算做准备。
接下来,并行调用构建的油藏流线模拟模型,计算初始化中各粒子(即各布井方案)的适应度值,评价初始方案的驱替均匀程度,取初始布井方案中洛伦兹系数最小的方案为全局最优布井方案(随着迭代的进行会动态变化),因此在一个实施例中有,并行模拟计算步骤S4、并行运行所述油藏流线模拟模型对每个初始布井方案进行流线模拟计算,获取表征油藏驱替均衡程度的适应度数据选取各个井对应的最优初始布井方案;
一个实施例中,在所述并行模拟计算步骤中,包括:
基于流线模拟结果文件中的飞行时间计算各个布井方案的网格累积流动能力数据和网格累积存储能力数据,进而基于其获取油井各个布井方案的洛伦兹系数,作为对应的适应度值,将最小洛伦兹系数对应的布井方案作为最优初始布井方案。
结合实际应用,并行调用流线模拟器,计算初始方案的目标函数值。其中,使用计算机并行计算,能同时对初始化中的多个粒子(即多个布井方案)进行流线模拟。流线模拟产生的结果文件中有飞行时间,利用飞行时间可计算动态洛伦兹系数,具体计算过程如下:
(401)利用结果文件中TIME_BEGi和TIME_ENDi的数据计算每个网格的总飞行时间FOTi。
FOTi=TIME_BEGi+TIME_ENDi (27)
(402)计算每个网格的存储能力,即孔隙体积Φi。通过读取模拟器里的关键字可获得模型中每个网格的孔隙体积Φi、累积孔隙体积ΦACUi、归一化的孔隙体积ΦNOMi并以数组的形式进行保存以备后续计算使用。
(403)计算每个网格的流动能力Fi(Φ)。流动能力定义为网格的孔隙体积与对应网格的飞行时间之比,计算网格的累积流动能力FACUi(Φ)、归一化的网格累积流动能力FNOMi(Φ)。计算结果以数组的形式进行保存以备后续计算使用。
(414)对所有网格的存储能力及流动能力按照存储能力按升序排列。根据归一化的网格累积流动能力FNOMi(Φ)和归一化的孔隙体积ΦNOMi做出累积存储能力-累积流动能力洛伦兹曲线。如图8所示,阴影面积为流动非均质程度,即目标函数洛伦兹系数Lc,计算公式如下:
在所述并行模拟计算步骤中,还包括:
存储最优初始布井方案中的各布井参数形成全局最优数组,供后续调取用于对比分析以及更新,更新时采用直接替换的方式更新整套布井参数,以使数组中保留的始终为历史最优的布井参数值。
具体地,在一个实施例中,基于计算的每个粒子(即每个布井方案)的洛伦兹系数,取最小洛伦兹系数对应的方案为初始化中的最优布井方案,并将最优布井方案中的各个参数存储在一个数组内视为全局最优pg(t),以后每迭代计算一次便替换更新一次全局最优内的数组。将每个粒子的初始值(即布井方案中的各个参数)视为该粒子的历史最优值(即个体极值)pi(t)并保存到相应数组中,以后每迭代计算一次就替换更新一次粒子i的历史最优值。
参数优化步骤S5、利用设定的改进粒子群算法优化各最优初始布井方案的布井参数,迭代执行产生一系列优化后布井方案并基于优化后布井方案更新所述最优初始布井方案,基于表征油藏驱替均衡程度的适应度数据对各个优化后布井方案进行评估,直至评估结果满足设定的最终布井条件,将得到的最优布井方案作为最终目标布井方案。
基础粒子群算法存在局部搜索与全局搜索过程中粒子间关系小,信息交换少;所有粒子向目前搜索最优进行搜索,方向单一易陷入局部最优等问题,因此,在所述参数优化步骤中,本发明实施例基于调整惯性权重、增加粒子间信息交流以及拓展搜索空间的原则设置改进粒子群算法的速度更新公式和位置更新公式,结合两者计算优化后布井方案的布井参数。采用改进的粒子群算法通过调整惯性权重、增加粒子间信息交流、拓展搜索空间,能够提高算法的寻优效果和收敛速度。
具体地,在利用改进的粒子群算法来优化参数,产生优化后布井方案的过程包括:
(51)、根据速度、位置更新公式计算得到更新后的优化参数,即新的布井方案;
在一个实施例中,改进的粒子群算法的速度公式为:
vi(t+1)=w(t)vi(t)+c1r1[pai(t)-xi(t)]+c2r2[pi-1(t)-xi(t)] (34)
其中,
粒子i的位置更新公式:
xi(t+1)=xi(t)+K(t)vi(t+1) (37)
上式中,M为粒子(布井方案)的个数;i为粒子的编号且i∈{0,1,2...M};vi(t+1)为粒子i在t+1次迭代的速度;vi(t)为粒子i在t次迭代的速度;w为惯性权重,wmax=0.9,wmin=0.1;t为当前迭代次数;tmax为最大迭代次数;c1为“认知”权重;c2为“社会”权重;pai(t)为粒子i新的历史最优位置;pi(t)为粒子i历史最优位置;pi-1(t)为新的全局最优位置;xi(t+1)为在t+1次迭代的位置;xi(t)为在t次迭代的位置;r1,r2为[0,1]范围内的随机数;f(xi)为粒子i的当前适应度值;K(t)为飞行时间因子,K0为初始时间因子,一般取1.5。
在一个实施例中,分别按照以下操作计算得到更新后的优化参数:
(511)得到新的井头坐标:
通过速度和位置的更新公式可以实现井头坐标的更新,具体利用上述更新公式根据粒子i的位置更新公式计算出下一次迭代粒子i的所在的位置。
(512)确定布井方案中各井的井型、射孔层位、单井注采量
粒子i(一个粒子就是一套布井方案)更新完位置后会得到更新后的井头坐标,然后利用步骤(301)~(304)的方法程序自动完成井型、射孔层位、单井注采量的确定,得到新的布井方案。
粒子i通过步骤(501)~(502)可计算出一系列的新参数,包括井头坐标、井身穿过的网格坐标、射孔层的坐标、单井注采量。将这些更新后的参数写入粒子i所在的数模文件中,后续流线模拟器会调用该文件。
进一步地,在一个实施例中,包括:
(52)基于适应度数据对各个优化后布井方案进行评估,采用构建的油藏流线模拟模型对各个优化后布井方案对应的适应度值进行计算,并将计算结果与已知的全局最优数组中布井参数的适应度值进行对比分析,获得当前优化后布井方案的评估结果。
结合实际应用,本发明实施例采用以下操作计算各粒子(布井方案)的目标函数并更新粒子群中的最优粒子信息:
(511)并行运行流线模拟器计算第t次迭代中各粒子(布井方案)的适应度值f(xi)(即流动能力-存储能力洛伦兹系数)。
(512)将粒子i的函数适应值f(xi)(即计算得到的洛伦兹系数)与粒子i的个体极值(即粒子i的历史最优值)pi(t)进行比较,如果f(xi)<pi(t)则用f(xi)替换掉pi(t)并将f(xi)对应的布井方案信息(包括井头坐标、井身穿过的网格坐标、射孔层的坐标、单井注采量)进行保存。
(513)将粒子i的函数适应值f(xi)与全局最优值pg(t)进行比较,如果f(xi)<pg(t)则用f(xi)替换掉pg(t)并将f(xi)对应的布井方案信息(包括井头坐标、井身穿过的网格坐标、射孔层的坐标、单井注采量)进行保存。
基于上述逻辑,迭代计算直到满足迭代条件,退出程序,得到最终的全局最优布井方案。具体地,如果不满足迭代终止条件则将更新后的优化参数写入流线模拟器重复步骤(51-(52);如果满足迭代终止条件则最后一步迭代的全局最优方案就为最终的优化布井方案。
通过上述方法可以得到最优布井方案所对应的井头坐标、井身长度、井身方位角、完井层段、井的工作制度等参数,根据油田实际情况,进行校正后可进行现场实施。
本发明提出的基于驱替均衡程度分析的快速井位优化方法,克服了传统井位设计时存在的布井方案随机性大,经验占主要因素的缺点,其能够结合油藏流线模拟,通过优化算法和潜力约束优化参数,在保证计算效率的同时,快捷、高效地进行井位优化设计,得到有利于现场工程人员参考的最优井位坐标、射孔层位、生产制度等参数,获得与实际油藏相适应的最佳布井方案。在应用于优化油田开发的实践当中,为油藏工程师制定布井方案提供一种新的思路及方法。
与传统的布井方案相比,采用本发明上述技术方案能够实现以下技术效果:
1、利用生产潜力和注水潜力的约束,增强了布井的针对性。
单纯的利用数学的方法进行最佳的寻优,尽管这种方法相对传统的经验方法有了较大的提高,但不同的油藏其特征也会有很大差异,引入生产潜力和注水潜力的评价能具体油藏具体分析,将油藏中的生产潜力、注水潜力进行划分,从而明确布井的范围,将生产井部署在高生产潜力区域中,注水井部署在高注水潜力区域中,增强了布井的针对性,能显著地减小无效布井方案,从而提高布井的质量。
2、利用改进的粒子群优化算法进行布井优化,能够找到最优的井位方案。
人为设定多组井位参数进行模拟对比的方法能够找到相对较好的布井方案,但这种布井方法随机性大,可供选择的方案个数较少,参数设定时人的经验占主要因素,难以得到最优的布井方案。本发明最大的优势在于将流线模拟与优化理论相结合,自动调整优化参数的数值,产生大量合理的可选方案,最终设计适应该油藏的最优布井方案,得到有利于工程人员参考的最优井头坐标、井身长度、井身方位角、完井层段、井的工作制度等参数。
3、能够对多种井型实现优化,包括直井、斜井、水平井。
井头坐标、井身方位角、井身长度这3个参数7个变量的相互组合可以描述多种井型,使得该井位优化方法不仅仅能适用于常见的直井,也适用于其他的井型如斜井、水平井。
4、利用流线模拟能快速地评价布井方案的驱替均衡程度显著减少计算时间。
实际油藏采用传统油藏差分模拟器进行计算一次常耗时几小时甚至几天,当布井方案较多时,计算耗时过长,难以实现高效快速的井位部署。与传统油藏差分模拟方法相比,流线模拟法具有两大优点:一是运算速度快,二是流线模拟方法稳定性强。因此,利用流线模拟器计算飞行时间进而评价布井方案的驱替均衡程度是一种高效、快速的方法,能显著减少计算时间。
5、将井位优化与井型优化、射孔优化、注采优化相结合,使布井方案能更好地应用于实际生产。
在实际油田生产中,不仅需要确定井的位置还需要确定井型、每口井的射孔层位、单井采油量或注水量。但常见的井位优化方法只能优化井位或者是井位+井型,不能做到多种参数同时优化从而导致布井方案在实际应用中存在很多局限,未必能达到一个比较好的开采效果。本发明与常见的井位优化方法有一个很大的不同之处在于本发明考虑了油藏特性,利用油藏生产潜力和注水潜力的约束,能实现多种参数的优化,即是说将井位优化与井型优化、射孔优化、注采优化相结合,使布井方案能更好地应用于实际生产。
此外,基于本发明上述任意一个或多个实施例的方法,本发明实施例还提供一种存储介质,该存储介质上存储有可实现如上述任意一个或多个实施例所述方法的程序代码。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
补充说明
本发明实施例以PUNQ-S3油藏工程模型为例分析本发明上述任意一个或多个实施例中所述井位优化方案的可行性:
(1)油藏简介
PUNQ-S3是一个小规模地合成油藏工程模型,它是由欧盟的一些石油企业、研究机构和帝国理工大学共同构造的,该模型经常被用于算法测试,本发明将用其作为测试案例。
PUNQ-S3油藏模型是一个三维三相的油藏模型,网格规模为19×28×25,其中有效网格的数量为1761个,网格尺寸都是180m×180m×4m。纵向上划分为5个层,1、3、5层存在高渗透条带,2、4层中存在隔夹层。油藏的北部和西部有一个活跃水体,南部和东部有一个大断层。由于水体能量充足,原模型不含注水井,仅有6口生产井。油藏构造顶部位置有气顶,生产井环绕在油水界面,含油饱和度分布图如图9所示,渗透率分布图如图10所示。
其他油藏参数如表1所示:
表1 PUNQ-S3油藏模型相关参数
参数名称 | 参数数值 | 参数名称 | 参数数值 |
原始地层压力 | 23.8MPa | 顶面深度 | 2340m |
平均渗透率 | 269.37mD | 平均孔隙度 | 0.2 |
原油粘度 | 3.47mPa·s | 初始含油饱和度 | 0.8 |
地质储量 | 1584×104吨 | 原始布井方案采收率 | 24% |
实际应用时,针对PUNQ-S3油藏,对应的相渗曲线如图11所示;
(2)布井方案优化的实施
(2.1)程序优化过程
1)将PUNQ-S3模型的Case文件和Grid文件导入到程序中,如图12所示;
2)对PUNQ-S3模型的潜力进行评价。具体地,对应的潜力评价截图如图13所示;
3)利用粒子群算法对PUNQ-S3模型的布井参数迭代更新,针对该过程,本发明提供了如图14所示的程序迭代寻优过程截图;
4)优化结果显示,具体优化结果显示效果如图15所示。
(2.2)优化效果评价
利用本发明中的快速井位优化设计方法对PUNQ-S3油藏进行井位优化设计,与原始的布井方案进行对比评价,此次优化计算采用50个粒子进行50次迭代进行评价,优化计算用时为2.8小时。图16对比了有潜力约束的优化结果、没有潜力约束的优化结果、原始布井方案三者的采出程度。
由图16可知有潜力约束的优化方案和没有潜力约束的优化方案均比原始方案的采出程度高,这说明本发明提出的方法是有效的。
进一步地,图17对比了有潜力约束的优化方法和没有潜力约束的优化方法在寻优过程中净现值NPV变化折线图。由图可知在有潜力约束的情况下布井得到的初始方案的NPV是高于无潜力约束的布井方案,最终的NPV也是前者高于后者,这说明本发明中的潜力约束方法具有很好的优化效果。
图18和图19对比了原始方案和本发明通过潜力约束得到的优化方案在井位部署、剩余油分布的对比图,可知相比原始方案,本发明提出的方法对储层中的剩余油控制程度有所增加,进一步证明了本发明的有效性。
实施例二
上述本发明公开的实施例中详细描述了方法,对于本发明的方法可采用多种形式的装置或系统实现,因此本发明还公开了一种基于驱替均衡程度分析的井位优化系统,下面给出具体的实施例进行详细说明。
在一个实施例中,本发明实施例中提供的一种基于驱替均衡程度分析的井位优化系统包括:
模拟模型构建模块,其配置为:
基于设定的油藏地质资料建立三维数字化的油藏地质模型,并综合其以及设定的动态生产资料数据构建目标油藏区的油藏流线模拟模型;
布井区域划分模块,其配置为:
依据建立的三维数字化的油藏地质模型,根据网格参数采用设定的策略计算所述目标油藏区各个网格的生产潜力数据和注水潜力数据,并基于其选取初始布井区域;
初始方案生成模块,其配置为:
根据设定的油藏数据和开发需求数据设置布井参数初始值和潜力要求,基于所述初始布井区域通过设定的方案对所述布井参数和潜力要求进行拟合调整,形成各个井对应的初始布井方案;其中,所述布井参数包括井头坐标、井身长度、井身方位角、完井层段和井的工作制度数据;
并行模拟计算模块,其配置为:
并行运行所述油藏流线模拟模型对每个初始布井方案进行流线模拟计算,获取表征油藏区均衡程度的适应度数据选取各个井对应的最优初始布井方案;
参数优化模块,其配置为:
利用设定的改进粒子群算法优化各最优初始布井方案的布井参数,迭代执行产生一系列优化后布井方案并基于优化后布井方案更新所述最优初始布井方案,基于表征油藏区均衡程度的适应度数据对各个优化后布井方案进行评估,直至评估结果满足设定的最终布井条件,将得到的最优布井方案作为最终目标布井方案。
一个实施例中,所述系统还包括模拟模型验证模块,其配置为:
建立油藏流线模拟模型后,通过实验获取油藏流体参数和岩石物性参数,确定油藏初始条件以及对应试油数据和试采数据;
综合实验对应的油藏地质资料和动态生产资料数据构建对应的实验油藏流线模拟模型,并基于其对实验油藏开发油、气、水进行流动模拟计算;
将模拟计算结果与实验测得的油气生产历史数据进行对比,确保所构建实验油藏流线模拟模型的运行状态满足设定的条件。
一个实施例中,所述布井区域划分步骤中,还配置为:
分别将计算的生产潜力数据和注水潜力数据储存到两个三维数组中以实现油藏潜力的数字化,并将各三维潜力数组纵向加和之后进行归一化处理,形成各自三维潜力数据对应的二维潜力图。
进一步地,所述初始方案生成模块,配置为执行以下操作:
根据目标油藏区的地质特征、储量大小、流体物性、预计采收率和预计采油速度设置布井参数初始值和潜力要求;
利用归一化后的二维生产潜力图,基于井距约束,在所述初始布井区域内随机选取网格依次生成对应数量的油藏井头坐标,并根据所生成井头坐标数量与初始布井方案中相应布井参数数值的匹配性调整潜力要求,直至两者的匹配性满足设定的条件,将目标油藏区内满足条件的各布井参数初始数据取值作为初始布井方案。
在一个实施例中,所述并行模拟计算模块配置为:
基于流线模拟结果文件中的飞行时间计算各个布井方案的网格累积流动能力数据和网格累积存储能力数据,进而基于其获取油井各个布井方案的洛伦兹系数,作为对应的适应度值,将最小洛伦兹系数对应的布井方案作为最优初始布井方案。
优选地,在一个实施例中,所述并行模拟计算模块还配置为:
存储最优初始布井方案中的各布井参数形成全局最优数组,供后续调取用于对比分析以及更新,更新时采用直接替换的方式更新整套布井参数,以使数组中保留的始终为历史最优的布井参数值。
一个实施例中,所述参数优化模块配置为:
基于调整惯性权重、增加粒子间信息交流以及拓展搜索空间的原则设置改进粒子群算法的速度更新公式和位置更新公式,结合两者计算优化后布井方案的布井参数。
进一步地,一个实施例中,所述参数优化模块配置为通过以下操作基于适应度数据对各个优化后布井方案进行评估:
采用构建的油藏流线模拟模型对各个优化后布井方案对应的适应度值进行计算,并将计算结果与已知的全局最优数组中布井参数的适应度值进行对比分析,获得当前优化后布井方案的评估结果。
结合实际应用,在一个实施例中,所述布井参数还包括井尾坐标,所述初始方案生成模块还配置为:
利用随机函数在对应的初始布井区域中选取满足设定轨迹条件的布井轨迹参数,并基于其结合各个井头坐标确定匹配的有效井尾坐标,与井头坐标共同表征初始布井方案的井型数据。
在一个实施例中,所述布井参数还包括射孔层位数据,则所述初始方案生成模块还配置为:
基于选取的各布井轨迹参数,结合各布井方案的生产潜力数据利用反距离加权算法确定各初始布井方案的射孔层位数据。
在一个实施例中,所述布井参数还包括生产制度参数,则所述初始方案生成模块还配置为:
根据油藏地质储量、预计采油速度和预计注采比计算目标油藏区总的采出量和注入量,进而基于各初始布井方案对应的生产潜力数据和计算的注采总量,确定对应的生产制度参数。
本发明实施例提供的基于驱替均衡程度分析的井位优化系统中,各个模块或单元结构可以根据工程的实际井位优化需求独立运行或组合运行,以实现相应的技术效果。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而不意味着限制。
说明书中提到的“一实施例”意指结合实施例描述的特定特征、结构或特征包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一实施例”并不一定均指同一个实施例。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (12)
1.一种基于驱替均衡程度分析的井位优化方法,其特征在于,所述方法包括:
模拟模型构建步骤、基于设定的油藏地质资料建立三维数字化的油藏地质模型,并综合其以及设定的动态生产资料数据构建目标油藏区的油藏流线模拟模型;
布井区域划分步骤、依据建立的三维数字化的油藏地质模型,根据网格参数采用设定的策略计算所述目标油藏区各个网格的生产潜力数据和注水潜力数据,并基于其选取初始布井区域;
初始方案生成步骤、根据设定的油藏数据和开发需求数据设置布井参数初始值和潜力要求,基于所述初始布井区域通过设定的方案对所述布井参数和潜力要求进行拟合调整,形成各个井对应的初始布井方案;其中,所述布井参数包括井头坐标、井身长度、井身方位角、完井层段和井的工作制度数据;
并行模拟计算步骤、并行运行所述油藏流线模拟模型对每个初始布井方案进行流线模拟计算,获取表征油藏区均衡程度的适应度数据,选取各个井对应的最优初始布井方案;
参数优化步骤、利用设定的改进粒子群算法优化各最优初始布井方案的布井参数,迭代执行产生一系列优化后布井方案并基于优化后布井方案更新所述最优初始布井方案,基于表征油藏驱替均衡程度的适应度数据对各个优化后布井方案进行评估,并依据评估结果确定最终目标布井方案。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:建立油藏流线模拟模型后:
通过实验获取油藏流体参数和岩石物性参数,确定油藏初始条件以及对应试油数据和试采数据;
综合实验对应的油藏地质资料和动态生产资料数据构建对应的实验油藏流线模拟模型,并基于其对实验油藏开发油、气、水进行流动模拟计算;
将模拟计算结果与实验测得的油气生产历史数据进行对比,确保所构建实验油藏流线模拟模型的运行状态满足设定的条件。
3.根据权利要求1所述的方法,其特征在于,在所述布井区域划分步骤中,还包括,
分别将计算的生产潜力数据和注水潜力数据储存到两个三维数组中以实现油藏潜力的数字化,并将各三维潜力数组纵向加和之后进行归一化处理,形成各自三维潜力数据对应的二维潜力图。
4.根据权利要求1所述的方法,其特征在于,在所述初始方案生成步骤中,包括:
根据目标油藏区的地质特征、储量大小、流体物性、预计采收率和预计采油速度设置布井参数初始值和潜力要求;
利用归一化后的二维生产潜力图,基于井距约束,在所述初始布井区域内随机选取网格依次生成对应数量的油藏井头坐标,并根据所生成井头坐标数量与初始布井方案中相应布井参数数值的匹配性调整潜力要求,直至两者的匹配性满足设定的条件,将目标油藏区内满足条件的各布井参数初始数据取值作为初始布井方案。
5.根据权利要求1所述的方法,其特征在于,在所述并行模拟计算步骤中,包括:
基于流线模拟结果文件中的飞行时间计算各个布井方案的网格累积流动能力数据和网格累积存储能力数据,进而基于其获取油井各个布井方案的洛伦兹系数,作为对应的适应度值,将最小洛伦兹系数对应的布井方案作为最优初始布井方案。
6.根据权利要求1所述的方法,其特征在于,在所述并行模拟计算步骤中,还包括:
存储最优初始布井方案中的各布井参数形成全局最优数组,供后续调取用于对比分析以及更新,更新时采用替换的方式更新整套布井参数,以使数组中保留的始终为历史最优的布井参数值。
7.根据权利要求1所述的方法,其特征在于,在所述参数优化步骤中,基于调整惯性权重、增加粒子间信息交流以及拓展搜索空间的原则设置改进粒子群算法的速度更新公式和位置更新公式,结合两者计算优化后布井方案的布井参数。
8.根据权利要求1所述的方法,其特征在于,在基于适应度数据对各个优化后布井方案进行评估的过程中,包括:
采用构建的油藏流线模拟模型对各个优化后布井方案对应的适应度值进行计算,并将计算结果与已知的全局最优数组中布井参数的适应度值进行对比分析,获得当前优化后布井方案的评估结果,直至所得评估结果满足设定的最终布井条件,将得到的最优布井方案作为最终目标布井方案。
9.根据权利要求1~8中任一项所述的方法,其特征在于,所述布井参数还包括井尾坐标,在初始方案生成步骤中,利用随机函数在对应的初始布井区域中选取满足设定轨迹条件的布井轨迹参数,并基于其结合各个井头坐标确定匹配的有效井尾坐标,与井头坐标共同表征初始布井方案的井型数据。
10.根据权利要求1~9中任一项所述的方法,其特征在于,所述布井参数还包括射孔层位数据,在初始方案生成步骤中,基于选取的各布井轨迹参数,结合各布井方案的生产潜力数据利用反距离加权算法确定各初始布井方案的射孔层位数据。
11.根据权利要求1~10中任一项所述的方法,其特征在于,所述布井参数还包括生产制度参数,在初始方案生成步骤中,根据油藏地质储量、预计采油速度和预计注采比计算目标油藏区总的采出量和注入量,进而基于各初始布井方案对应的生产潜力数据和计算的注采总量,确定对应的生产制度参数。
12.一种基于驱替均衡程度分析的井位优化系统,其特征在于,所述系统执行如权利要求1~11中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493885.3A CN115310645A (zh) | 2021-05-07 | 2021-05-07 | 一种基于驱替均衡程度分析的井位优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493885.3A CN115310645A (zh) | 2021-05-07 | 2021-05-07 | 一种基于驱替均衡程度分析的井位优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115310645A true CN115310645A (zh) | 2022-11-08 |
Family
ID=83853661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110493885.3A Pending CN115310645A (zh) | 2021-05-07 | 2021-05-07 | 一种基于驱替均衡程度分析的井位优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310645A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906675A (zh) * | 2023-03-09 | 2023-04-04 | 中国石油大学(华东) | 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 |
CN116384166A (zh) * | 2023-06-05 | 2023-07-04 | 西南石油大学 | 气藏注气提采与协同建库优化方法、系统、设备及介质 |
CN116644662A (zh) * | 2023-05-19 | 2023-08-25 | 之江实验室 | 一种基于知识嵌入神经网络代理模型的布井优化方法 |
CN117726054A (zh) * | 2024-02-18 | 2024-03-19 | 深圳大学 | 一种建筑方案优化方法、终端及可读存储介质 |
-
2021
- 2021-05-07 CN CN202110493885.3A patent/CN115310645A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906675A (zh) * | 2023-03-09 | 2023-04-04 | 中国石油大学(华东) | 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 |
CN116644662A (zh) * | 2023-05-19 | 2023-08-25 | 之江实验室 | 一种基于知识嵌入神经网络代理模型的布井优化方法 |
CN116644662B (zh) * | 2023-05-19 | 2024-03-29 | 之江实验室 | 一种基于知识嵌入神经网络代理模型的布井优化方法 |
CN116384166A (zh) * | 2023-06-05 | 2023-07-04 | 西南石油大学 | 气藏注气提采与协同建库优化方法、系统、设备及介质 |
CN116384166B (zh) * | 2023-06-05 | 2023-08-04 | 西南石油大学 | 气藏注气提采与协同建库优化方法、系统、设备及介质 |
CN117726054A (zh) * | 2024-02-18 | 2024-03-19 | 深圳大学 | 一种建筑方案优化方法、终端及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115310645A (zh) | 一种基于驱替均衡程度分析的井位优化方法及系统 | |
Guyaguler et al. | Optimization of well placement in a Gulf of Mexico waterflooding project | |
Shirangi et al. | Closed-loop field development under uncertainty by use of optimization with sample validation | |
CN105095986B (zh) | 多层油藏整体产量预测的方法 | |
CN102930345B (zh) | 一种基于梯度算法的自适应井网优化方法 | |
CN108343420A (zh) | 一种多因素协同分析的工厂化作业大井组布井方法 | |
CN105528522A (zh) | 一种基于空间网格计算连续性油气藏资源量的方法及装置 | |
CN107766978B (zh) | 不规则井网的智能优化方法 | |
CN113313825A (zh) | 一种油藏储层三维地质建模方法和装置 | |
CN111080789A (zh) | 复杂断块油藏开采区域加密井井位确定方法及装置 | |
Lee et al. | Regeneration of channelized reservoirs using history-matched facies-probability map without inverse scheme | |
CN111444621A (zh) | 基于动静态渗流界面的高含水油藏流动单元划分方法 | |
CN117291125B (zh) | 一种水驱油藏井网与射孔层段综合调整优化方法及系统 | |
CN110863818A (zh) | 一种剩余油/气分布的描述方法及装置 | |
Chen et al. | Optimization of production performance in a CO2 flooding reservoir under uncertainty | |
Ariadji et al. | A novel tool for designing well placements by combination of modified genetic algorithm and artificial neural network | |
Sieberer et al. | Infill Well Portfolio Management under Uncertainty–Application to the 8 TH Reservoir, Austria | |
Harb et al. | BHPSO combined with statistical net hydrocarbon thickness map for well placement optimization under uncertainty | |
Zhao et al. | Streamline simulation based vector flow field characterization and reconstruction method for high water cut reservoir | |
Ariadji et al. | Optimization of vertical well placement for oil field development based on basic reservoir rock properties using a genetic algorithm | |
CN112507615B (zh) | 一种陆相致密储层岩相智能识别与可视化方法 | |
CN115375023A (zh) | 一种高倾角油藏开发方式选择方法 | |
CN109117534A (zh) | 一种基于地质图件的断裂和裂缝预测方法 | |
CN110306968A (zh) | 不规则井网优化方法及其计算机可读存储介质 | |
CN114357766A (zh) | 一种长直井段井网整体体积压裂优化设计方法 |
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 |