CN115577562A - 一种裂缝油藏井位优化方法 - Google Patents
一种裂缝油藏井位优化方法 Download PDFInfo
- Publication number
- CN115577562A CN115577562A CN202211399154.3A CN202211399154A CN115577562A CN 115577562 A CN115577562 A CN 115577562A CN 202211399154 A CN202211399154 A CN 202211399154A CN 115577562 A CN115577562 A CN 115577562A
- Authority
- CN
- China
- Prior art keywords
- fracture
- reservoir
- matrix
- model
- well position
- 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 41
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 239000006185 dispersion Substances 0.000 claims abstract description 4
- 230000008878 coupling Effects 0.000 claims abstract description 3
- 238000010168 coupling process Methods 0.000 claims abstract description 3
- 238000005859 coupling reaction Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 39
- 239000012530 fluid Substances 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 239000012071 phase Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001643392 Cyclea Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008346 aqueous phase Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000005514 two-phase flow 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种裂缝油藏井位优化方法，涉及裂缝油藏井位优化技术领域，包括以下步骤：建立裂缝油藏的三维地质模型；建立考虑基质‑裂缝系统的两相渗流数学模型和数值模拟模型；引入嵌入式离散裂缝模型对油藏和裂缝进行空间离散；用Newton‑Raphson迭代法求解非线性方程并获得压力和饱和度；耦合嵌入式离散裂缝模型和随机单纯形近似梯度算法，获得近似梯度；采用最速下降算法寻找最佳井位，获取最大的净现值。本发明利用嵌入式离散裂缝法来模拟裂缝，采用随机单纯形近似梯度获得近似梯度，并通过最速下降算法来寻找最佳井位，能够有效对裂缝型油藏进行井位优化，准确预测油藏压力及含油饱和度分布状况。
Description
技术领域
本发明涉及裂缝油藏井位优化技术领域，尤其涉及一种裂缝油藏井位优化方法。
背景技术
在油田开发过程中，确定油水井的位置是至关重要的，合理的井位可以显著提高油田生产最终的净现值。近年来，天然裂缝油藏因其大量的石油储量而受到极大的关注。为了提高油藏开发的效率，提高石油采收率，应该对天然裂缝油藏的井位进行合理优化。然而，对于天然裂缝油藏的井位优化缺少相应的工具。
井位优化是一个涉及油藏生产响应的高度非线性问题。在优化过程中，模拟模型可能需要成千上万次的运行。因此，模拟器应该具有较高的计算效率。对于裂缝性储层，模拟器的开发一般基于两种经典的裂缝模型：双重介质模型、离散裂缝耦合基质模型。双重介质模型在大多数商业数值模拟器中被广泛使用，如Eclipse和CMG。双重介质模型将储层划分为裂缝和基质。通常，当裂缝较密且存在表征单元体时，它可以保持适用性。但当储层中存在少量的大裂缝时，计算的准确性下降。裂缝-基质流动主要由基质属性控制，需要确定形状因子，但当考虑毛细管力、重力时，形状因子将很难计算。
近年来，离散裂缝模型越来越受欢迎。该模型显式的处理每条裂缝，可以捕捉裂缝的几何形状，并准确地描述裂缝和基质之间的流动交换，最近流行的嵌入式离散裂缝模型（EDFM）显示出一些优势，该方法被应用到天然裂缝油藏和水力压裂致密油藏的流动特征分析过程中。
井位优化的另一个重要问题是优化算法的选择，有两种优化算法可用于寻找最佳井位：梯度方法和无梯度方法。梯度方法容易陷入局部最优，而且梯度难以计算，无梯度方法不需要计算梯度，可以实现全局搜索。许多无梯度方法被开发和使用，如粒子群优化（PSO）、遗传算法（GA）、微分进化（DE）和协方差矩阵适应进化策略（CMA-ES）。近期，随机单纯形近似梯度（StoSAG）在鲁棒优化中的优势得到证实，为随机单纯形近似梯度的推广应用提供了理论依据。
发明内容
为解决上述技术问题，本发明公开了一种裂缝油藏井位优化方法。该方法填补了裂缝性油藏井位优化方法的技术空白，利用嵌入式离散裂缝法来模拟裂缝，采用随机单纯形近似梯度获得近似梯度，并通过最速下降算法来寻找最佳井位。
为实现上述目的，本发明采用下述技术方案：
一种裂缝油藏井位优化方法，包括以下步骤：
步骤（1）建立裂缝油藏的三维地质模型；
步骤（2）建立考虑基质-裂缝系统的两相渗流数学模型和数值模拟模型；
步骤（3）引入嵌入式离散裂缝模型对油藏和裂缝进行空间离散；
步骤（4）用Newton-Raphson迭代法求解非线性方程并获得压力和饱和度；
步骤（5）耦合嵌入式离散裂缝模型和随机单纯形近似梯度算法，获得近似梯度；
步骤（6）采用最速下降算法寻找最佳井位，获取最大的净现值。
进一步地，步骤（1）中，确定裂缝油藏的规模、维度，明确裂缝的形态参数和分布参数。
进一步地，步骤（2）中，准确模拟嵌入式离散裂缝模型的基本假设条件包括：考虑基质-裂缝-水力裂缝的储集和流动系统；流动处于等温状态；流体服从达西定律。
进一步地，步骤（3）中，油藏利用规则网格进行离散，三维油藏利用规则六面体网格进行离散，二维油藏利用矩形网格进行离散；
裂缝利用降维方法进行处理，即三维裂缝降维为二维平板，二维裂缝降维为一维线段；
嵌入式离散裂缝中，基质网格边界将裂缝分割成4种链接，分别为：（1）基质网格和基质网格链接；（2）不同基质网格的裂缝和裂缝链接；（3）同一基质网格下的裂缝和基质链接；（4）同一网格下的不同裂缝间的链接。
进一步地，步骤（4）中，整理链接信息表格，包含每一个链接的两个网格单元和单元间的传导率，计算井指数，建立井与井网格的传导关系，形成非线性方程并用Newton-Raphson进行求解，获得每个网格的压力值和饱和度值。
进一步地，步骤（5）以净现值为目标建立最优井位最优化数学模型，采用StoSAG算法寻找搜索方向，获得近似梯度。
本发明的有益效果是，将嵌入式离散裂缝模型（EDFM）和随机单纯形近似梯度（StoSAG）相结合，对天然裂缝油藏井位进行优化，采用EDFM来模拟裂缝，保留每条裂缝的详细地质特征，选择标准的StoSAG作为优化算法来搜索最优位置，并通过具体优化案例证明了StoSAG的优越性。
附图说明
图1是本发明中嵌入式离散裂缝的四种链接关系示意图；
图2是本发明流程示意图；
图3是本发明应用案例中的地质模型示意图；
图4是本发明应用案例中六种不同参数条件下的净现值与迭代次数的关系图；
图5是本发明应用案例中不同情况下50次迭代后的最大净现值图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有井位优化技术中，无法考虑含裂缝油藏，本发明公开了一种基于嵌入式离散裂缝模型与随机单纯形近似梯度的裂缝油藏井位优化方法，采用EDFM来模拟裂缝，每条裂缝的详细地质特征被保留下来；再选择标准的StoSAG作为优化算法来搜索最优位置，通过具体优化案例证明了StoSAG的优越性。
具体过程为：
（1）建立控制方程
考虑两相流，分别遵循油相和水相的质量守恒方程，如下式所示：
其中，
为孔隙度；
，
分别为油相和水相密度；
，
分别为油相和水相的速度；
，
为源项和汇项；
，
分别为油相和水相饱和度；
为时间。
相速度
可以用达西定律来表示：
其中，
为储层渗透率；
为相对渗透率；
为粘度；
为压力。
利用嵌入式离散裂缝模型对地质模型进行离散，利用笛卡尔网格对地质模型进行离散，裂缝被基质网格边界自动离散，自由度包含基质单元和裂缝单元的压力和饱和度，嵌入式离散裂缝中，如图1所示，包含3个基质单元和4个裂缝单元，即对基质和裂缝离散后，定义四类链接方式：（1）不同基质网格的基质-基质单元链接；（2）不同基质网格的裂缝-裂缝单元链接；（3）同一基质网格下的裂缝-基质单元链接；（4）同一基质网格下的裂缝-裂缝单元链接。
裂缝单元和基质单元的传导率计算准则表示为：
其中：
其中，
裂缝和基质接触面积；
为裂缝宽度；
为裂缝渗透率；
为基质渗透率；裂缝和基质的等效距离为
，计算准则表示为：
其中，
为体积元；
为体积元体积；
为法向距离；
为体积元到裂缝的距离。
（2）求解方法
通过嵌入式离散裂缝处理，最终的非线性系统表示为：
其中：
其中，
为Jacobian矩阵；
为residual矩阵；
为
迭代步骤的解与
迭代步骤的解之间的差异；
为迭代步。
当
足够小，即，
小于等于允许误差保证收敛性，结束当前迭代进入下一次迭代，当达到最大迭代时间步停止计算。
（3）StoSAG算法搜索
StoSAG搜索方向的一般表述为：
其中，Ne是描述储层不确定性的地质模型实现数，
是单纯梯度的随机近似值；
近似梯度变为：
其中，Ns代表扰动的数量，矩阵上的上标符号
表示穆尔一彭罗斯逆矩阵，且
每个控制扰动
，在迭代l时从分布
中产生；
是一个预定的协方差矩阵。
（4）井位优化方法
在油井布置优化问题中，常用的目标函数是NPV，其定义为：
其中，
是
一个维列向量，包含所有油井在生产周期内的所有油井控制情况储层模拟器的第
个时间步长；
是时间步数的总数；
是第
个时间步数结束时的时间；
是第
个时间步长；
是年折现率；
和
分别表示生产井和注入井的数量；
是石油价格，单位是$/STB；
、
分别表示采出水的处理成本、注水成本，单位为$/STB；
和
分别表示第
个时间步骤中第
个生产井的平均产油率和平均产水率，单位为STB/天；
表示第
个时间步骤中第
个注入井的平均注水速度，单位为STB/天。
为了考虑到地质的不确定性，进行鲁棒优化，问题是使生命周期净现值的期望值最大化，该期望值由Ne地质实现的平均净现值。
只考虑边界约束，
和
分别表示井位坐标的下限和上限。
然后问题能够描述为：
对每一个控制变量进行对数变换：
（5）工作流程
图2为本发明工作流程示意图，首先，建立地质模型，在鲁棒优化中，Ne通常被设置为大于1。初始井位
用于计算初始目标函数值
。
为了计算目标函数，需要调用EDFM模拟器。
然后，进行迭代步骤，对于第
次迭代，使用公式（13）给出的一个搜索方向来计算随机单纯形近似梯度。如果储层中没有裂缝，油井的位置就位于矩阵网格的中心。当裂缝存在时，井的位置可以位于基质和裂缝网格的中心。
对于多裂缝二维模型，本案例考虑一个水驱的例子，油藏为一个二维非均质模型。
步骤（1）建立裂缝油藏的二维地质模型模型如图3所示，模型大小及划分格式同案例1，在油藏设置12条倾斜裂缝。
设置6组扰动大小和初始步长不同的对照组，测试它们对目标函数值和最佳位置的影响。扰动大小和初始步长设置及优化结果如下表1中所示。
表1 扰动步长和初始步长设置及最佳井位结果
步骤（2）（3）建立基质-裂缝系统的两相渗流模型和数值模拟模型，引入嵌入式离散裂缝模型对地质模型和裂缝进行空间离散，推导四种链接的数值模拟模型严格按照公式进行推导，并利用公式进行计算求解压力和饱和度分布。
步骤（4）进行最佳井位位置方向的搜索。
步骤（5）通过公式不断更新井位位置，计算目标函数NPV。图4为六种不同参数条件下的净现值与迭代次数的关系图，图5为不同情况下50次迭代后的最大净现值图。
本发明利用嵌入式离散裂缝模型显式模拟裂缝，借助计算机进行数值模拟保证程序运行的收敛性，采用随机单纯形近似梯度获得近似梯度，通过最速下降算法来寻找最佳井位。能够有效对裂缝型油藏进行井位优化，准确预测油藏压力及含油饱和度分布状况，对于裂缝性油藏的开发方案设计、井位布置等具有重要意义。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (6)
1.一种裂缝油藏井位优化方法，其特征在于，包括以下步骤：
步骤（1）建立裂缝油藏的三维或者二维地质模型；
步骤（2）建立考虑基质-裂缝系统的两相渗流数学模型和数值模拟模型；
步骤（3）引入嵌入式离散裂缝模型对油藏和裂缝进行空间离散；
步骤（4）用Newton-Raphson迭代法求解非线性方程并获得压力和饱和度；
步骤（5）耦合嵌入式离散裂缝模型和随机单纯形近似梯度算法，获得近似梯度；
步骤（6）采用最速下降算法寻找最佳井位，获取最大的净现值。
2.如权利要求1所述的裂缝油藏井位优化方法，其特征在于，步骤（1）中，确定裂缝油藏的规模、维度，明确裂缝的形态参数和分布参数。
3.如权利要求1所述的裂缝油藏井位优化方法，其特征在于，步骤（2）中，准确模拟嵌入式离散裂缝模型的基本假设条件包括：考虑基质-裂缝-水力裂缝的储集和流动系统；流动处于等温状态；流体服从达西定律。
4.如权利要求1所述的裂缝油藏井位优化方法，其特征在于，步骤（3）中，油藏利用规则网格进行离散，三维油藏利用规则六面体网格进行离散，二维油藏利用矩形网格进行离散；
裂缝利用降维方法进行处理，即三维裂缝降维为二维平板，二维裂缝降维为一维线段；
嵌入式离散裂缝中，基质网格边界将裂缝分割成4种链接，分别为：（1）不同基质网格的基质-基质单元链接；（2）不同基质网格的裂缝-裂缝单元链接；（3）同一基质网格下的裂缝-基质单元链接；（4）同一基质网格下的裂缝-裂缝单元链接。
5.如权利要求1所述的裂缝油藏井位优化方法，其特征在于，步骤（4）中，整理链接信息表格，包含每一个链接的两个网格单元和单元间的传导率，计算井指数，建立井与井网格的传导关系，形成非线性方程并用Newton-Raphson进行求解，获得每个网格的压力值和饱和度值。
6.如权利要求1所述的裂缝油藏井位优化方法，其特征在于，步骤（5）以净现值为目标建立最优井位最优化数学模型，采用StoSAG算法寻找搜索方向，获得近似梯度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211399154.3A CN115577562A (zh) | 2022-11-09 | 2022-11-09 | 一种裂缝油藏井位优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211399154.3A CN115577562A (zh) | 2022-11-09 | 2022-11-09 | 一种裂缝油藏井位优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115577562A true CN115577562A (zh) | 2023-01-06 |
Family
ID=84588475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211399154.3A Pending CN115577562A (zh) | 2022-11-09 | 2022-11-09 | 一种裂缝油藏井位优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115577562A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN117077577A (zh) * | 2023-10-17 | 2023-11-17 | 中国石油大学(华东) | 一种适用于低渗透裂缝性油藏的快速模拟及优化方法 |
| CN117421939B (zh) * | 2023-12-18 | 2024-03-19 | 中国石油大学(华东) | 一种基于轨迹分段线性化的页岩油裂缝系统模拟代理方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102339326A (zh) * | 2010-07-16 | 2012-02-01 | 中国石油化工股份有限公司 | 一种分析模拟缝洞型油藏流体流动的方法 |
| CN102930345A (zh) * | 2012-10-12 | 2013-02-13 | 中国石油大学(华东) | 一种基于梯度算法的自适应井网优化方法 |
| CN109209321A (zh) * | 2018-09-03 | 2019-01-15 | 中国石油大学(华东) | 一种基于压裂潜力的待压裂水平井压裂设计方法和装置 |
| CN110490241A (zh) * | 2019-08-12 | 2019-11-22 | 中国石油大学(北京) | 一种水平井参数优化方法及装置 |
| CN111027220A (zh) * | 2019-12-14 | 2020-04-17 | 中国石油化工股份有限公司 | 一种提升油田注采匹配程度的方法 |
| CN111062165A (zh) * | 2019-12-16 | 2020-04-24 | 中国石油大学(华东) | 一种考虑非线性流的嵌入式离散裂缝模拟方法及系统 |
| CN111222243A (zh) * | 2020-01-06 | 2020-06-02 | 长江大学 | 一种压裂水平井井网分布的优化方法、介质、终端和装置 |
| CN112329232A (zh) * | 2020-11-04 | 2021-02-05 | 中国石油大学(北京) | 缝洞型油藏生产动态表征方法、装置、设备及存储介质 |
| CN113032953A (zh) * | 2021-01-26 | 2021-06-25 | 中国石油大学(华东) | 一种多井系统水驱油藏注采参数智能优化方法 |
| CN113836767A (zh) * | 2021-09-18 | 2021-12-24 | 中国石油大学(华东) | 一种页岩油储层压后关井时间的优化方法 |
| CN114139390A (zh) * | 2022-01-25 | 2022-03-04 | 长江大学 | 一种适用于压裂水平井裂缝参数的一体化优化方法及装置 |
| CN114519274A (zh) * | 2022-02-21 | 2022-05-20 | 中国石油大学(华东) | 一种气驱油藏注采参数分步优化方法 |
| CN114547953A (zh) * | 2022-04-26 | 2022-05-27 | 西南石油大学 | 一种基于优化设计图版的压裂施工参数优化方法及系统 |
| CN114595608A (zh) * | 2022-03-11 | 2022-06-07 | 中国石油大学(华东) | 一种压裂施工参数和工作制度参数优化方法及系统 |
| CN115146446A (zh) * | 2022-06-08 | 2022-10-04 | 中国石油大学(华东) | 基于近似梯度算法和嵌入式离散裂缝模型的油藏优化方法 |
-
2022
- 2022-11-09 CN CN202211399154.3A patent/CN115577562A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102339326A (zh) * | 2010-07-16 | 2012-02-01 | 中国石油化工股份有限公司 | 一种分析模拟缝洞型油藏流体流动的方法 |
| CN102930345A (zh) * | 2012-10-12 | 2013-02-13 | 中国石油大学(华东) | 一种基于梯度算法的自适应井网优化方法 |
| CN109209321A (zh) * | 2018-09-03 | 2019-01-15 | 中国石油大学(华东) | 一种基于压裂潜力的待压裂水平井压裂设计方法和装置 |
| CN110490241A (zh) * | 2019-08-12 | 2019-11-22 | 中国石油大学(北京) | 一种水平井参数优化方法及装置 |
| CN111027220A (zh) * | 2019-12-14 | 2020-04-17 | 中国石油化工股份有限公司 | 一种提升油田注采匹配程度的方法 |
| CN111062165A (zh) * | 2019-12-16 | 2020-04-24 | 中国石油大学(华东) | 一种考虑非线性流的嵌入式离散裂缝模拟方法及系统 |
| CN111222243A (zh) * | 2020-01-06 | 2020-06-02 | 长江大学 | 一种压裂水平井井网分布的优化方法、介质、终端和装置 |
| CN112329232A (zh) * | 2020-11-04 | 2021-02-05 | 中国石油大学(北京) | 缝洞型油藏生产动态表征方法、装置、设备及存储介质 |
| CN113032953A (zh) * | 2021-01-26 | 2021-06-25 | 中国石油大学(华东) | 一种多井系统水驱油藏注采参数智能优化方法 |
| CN113836767A (zh) * | 2021-09-18 | 2021-12-24 | 中国石油大学(华东) | 一种页岩油储层压后关井时间的优化方法 |
| CN114139390A (zh) * | 2022-01-25 | 2022-03-04 | 长江大学 | 一种适用于压裂水平井裂缝参数的一体化优化方法及装置 |
| CN114519274A (zh) * | 2022-02-21 | 2022-05-20 | 中国石油大学(华东) | 一种气驱油藏注采参数分步优化方法 |
| CN114595608A (zh) * | 2022-03-11 | 2022-06-07 | 中国石油大学(华东) | 一种压裂施工参数和工作制度参数优化方法及系统 |
| CN114547953A (zh) * | 2022-04-26 | 2022-05-27 | 西南石油大学 | 一种基于优化设计图版的压裂施工参数优化方法及系统 |
| CN115146446A (zh) * | 2022-06-08 | 2022-10-04 | 中国石油大学(华东) | 基于近似梯度算法和嵌入式离散裂缝模型的油藏优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| JIANCHUN XU等: "Well Placement Optimization for Fractured Reservoirs: Coupling StoSAG and EDFM", 《WILEY》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN117077577A (zh) * | 2023-10-17 | 2023-11-17 | 中国石油大学(华东) | 一种适用于低渗透裂缝性油藏的快速模拟及优化方法 |
| CN117077577B (zh) * | 2023-10-17 | 2024-02-02 | 中国石油大学(华东) | 一种适用于低渗透裂缝性油藏的快速模拟及优化方法 |
| CN117421939B (zh) * | 2023-12-18 | 2024-03-19 | 中国石油大学(华东) | 一种基于轨迹分段线性化的页岩油裂缝系统模拟代理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115577562A (zh) | 一种裂缝油藏井位优化方法 | |
| Chen et al. | Global and local surrogate-model-assisted differential evolution for waterflooding production optimization | |
| Jiang et al. | Hybrid coupled discrete-fracture/matrix and multicontinuum models for unconventional-reservoir simulation | |
| Asai et al. | Efficient workflow for simulation of multifractured enhanced geothermal systems (EGS) | |
| Huyakorn et al. | Saltwater intrusion in aquifers: Development and testing of a three‐dimensional finite element model | |
| Afshar et al. | Particle swarm optimization for automatic calibration of large scale water quality model (CE-QUAL-W2): Application to Karkheh Reservoir, Iran | |
| Chen et al. | Surrogate-assisted evolutionary algorithm with dimensionality reduction method for water flooding production optimization | |
| US6928399B1 (en) | Method and program for simulating a physical system using object-oriented programming | |
| Hou et al. | Hybrid optimization technique for cyclic steam stimulation by horizontal wells in heavy oil reservoir | |
| Zhang et al. | Integrated optimization design for horizontal well placement and fracturing in tight oil reservoirs | |
| Siavashi et al. | Numerical simulation and optimization of steam-assisted gravity drainage with temperature, rate, and well distance control using an efficient hybrid optimization technique | |
| CN106355003B (zh) | 基于t分布的马尔科夫链蒙特卡洛自动历史拟合方法及系统 | |
| CN111062165B (zh) | 一种考虑非线性流的嵌入式离散裂缝模拟方法及系统 | |
| CN104239661B (zh) | 一种大规模油藏数值模拟计算的方法 | |
| Wang et al. | An embedded 3D fracture modeling approach for simulating fracture-dominated fluid flow and heat transfer in geothermal reservoirs | |
| Haghighat Sefat et al. | Reservoir uncertainty tolerant, proactive control of intelligent wells | |
| AU2014398210B2 (en) | Multi-stage linear solution for implicit reservoir simulation | |
| Guyaguler et al. | Optimization of well placement | |
| Sarma | Efficient closed-loop optimal control of petroleum reservoirs under uncertainty | |
| CN105808311A (zh) | 一种基于降维策略的油藏模拟快速拟合方法 | |
| MX2015001301A (es) | Metodos y sistemas relacionados con el desarrollo de estrategias de recuperacion de hidrocarburos. | |
| CN115146446A (zh) | 基于近似梯度算法和嵌入式离散裂缝模型的油藏优化方法 | |
| Salehian et al. | Robust integrated optimization of well placement and control under field production constraints | |
| Patel et al. | Initial sampling of ensemble for steam-assisted-gravity-drainage-reservoir history matching | |
| Ansari et al. | Response surface method for assessing energy production from geopressured geothermal reservoirs |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230106 |
|
| RJ01 | Rejection of invention patent application after publication |