CN116167246A - 一种能源井配产数据确定方法、装置及计算机设备 - Google Patents
一种能源井配产数据确定方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116167246A CN116167246A CN202310429775.XA CN202310429775A CN116167246A CN 116167246 A CN116167246 A CN 116167246A CN 202310429775 A CN202310429775 A CN 202310429775A CN 116167246 A CN116167246 A CN 116167246A
- Authority
- CN
- China
- Prior art keywords
- yield
- allocation
- target
- data
- allocation 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 260
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000005457 optimization Methods 0.000 claims abstract description 139
- 238000012545 processing Methods 0.000 claims abstract description 74
- 239000002245 particle Substances 0.000 claims description 85
- 238000012512 characterization method Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 49
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书涉及油气藏开发技术领域,尤其涉及一种能源井配产数据确定方法、装置及计算机设备。其中能源井配产数据确定方法包括根据接收到的能源井配产请求,确定能源井配产请求包括的配产目标和配产约束条件;确定满足配产目标和配产约束条件的多个配产数据集合,每个配产数据集合包括多个配产数据,每个配产数据分别与能源井相对应;利用气藏井筒管网模型针对多个配产数据集合进行处理,得到第一优化指标数据;以及基于第一优化指标数据,对多个配产数据集合进行优化处理,得到与每个能源井对应的目标配产数据。利用本说明书实施例,实现了在考虑气藏、井筒和管网各个环节的基础上,针对每个能源井合理地确定目标配产数据。
Description
技术领域
本说明书涉及油气藏开发技术领域,尤其涉及一种能源井配产数据确定方法、装置及计算机设备。
背景技术
目前,针对每个能源井进行配产时,多采用随机确定配产数据,或,基于气藏、井筒和管网中一个环节的数据,确定配产数据。由此,在随机确定配产数据时,具有很大的主观性;在基于一个环节的数据确定配产数据时,难以实现生产系统全协调配产和科学高效配产,导致配产工作效率和精度较低,配产无法达到系统最佳生产状态。
如何在考虑气藏、井筒和管网各个环节的基础上,针对每个能源井合理地确定目标配产数据是现有技术中亟需解决的问题。
发明内容
为解决现有技术中的问题,本说明书实施例提供了一种能源井配产数据确定方法、装置及计算机设备。基于由气藏井筒管网模型得到的第一优化指标数据,针对满足配产目标和配产约束条件的多个配产数据集合进行优化处理,实现了在考虑气藏、井筒和管网各个环节的基础上,针对每个能源井合理地确定目标配产数据。
为了解决上述技术问题,本说明书的具体技术方案如下:
一方面,本说明书实施例提供了一种能源井配产数据确定方法,包括,
根据接收到的能源井配产请求,确定所述能源井配产请求包括的配产目标和配产约束条件;
确定满足所述配产目标和所述配产约束条件的多个配产数据集合,每个所述配产数据集合包括多个配产数据,每个所述配产数据分别与所述能源井相对应;
利用气藏井筒管网模型针对每个所述配产数据集合进行处理,得到第一优化指标数据;以及
基于所述第一优化指标数据,对所述多个配产数据集合进行优化处理,得到与每个所述能源井对应的目标配产数据。
进一步,该利用气藏井筒管网模型针对每个所述配产数据集合进行处理,得到第一优化指标数据进一步包括:
利用所述气藏井筒管网模型针对每个所述配产数据集合进行处理,得到累计产量数据和表征信息;以及
在确定所述表征信息满足所述配产约束条件的情况下,确定与所述表征信息对应的所述累计产量数据为所述第一优化指标数据。
进一步,该气藏井筒管网模型包括气藏模型、井筒模型和地面管网模型,所述表征信息包括多个子表征信息,所述利用所述气藏井筒管网模型针对每个所述配产数据集合进行处理,得到累计产量数据和表征信息进一步包括,
利用所述气藏模型、所述井筒模型和所述地面管网模型对所述多个配产数据进行处理,确定与井底、井口和终端分离器对应的子表征信息;
获取与所述配产目标对应的目标时段信息;
利用所述气藏模型、所述井筒模型和所述地面管网模型,针对每个所述配产数据集合进行处理,得到与所述目标时段信息对应的多个日产量数据;以及
确定所述多个日产量数据之和为所述累计产量数据。
进一步,该能源井配产请求还包括用于优化处理的参数,所述参数包括初始粒子速度和初始位置信息,所述基于所述第一优化指标数据,对所述多个配产数据集合进行优化处理,得到与每个所述能源井对应的目标配产数据包括:
根据所述初始粒子速度和所述初始位置信息,针对每个所述配产数据集合进行处理,得到第一优化配产数据集合;
利用所述气藏井筒管网模型针对所述第一优化配产数据集合进行处理,得到第二优化指标数据;
基于所述第二优化指标数据和所述第一优化指标数据,更新所述初始粒子速度和初始位置信息为第一粒子速度和第一位置信息;以及
将所述第一粒子速度和所述第一位置信息作为所述初始粒子速度和所述初始位置信息,和将所述第一优化配产数据集合作为所述配产数据集合,并根据所述初始粒子速度和所述初始位置信息,针对每个所述配产数据集合进行处理,以确定满足预设条件的目标配产数据。
进一步,该基于所述第二优化指标数据和所述第一优化指标数据,更新所述初始粒子速度和初始位置信息为第一粒子速度和第一位置信息进一步包括,
针对每个所述配产数据集合,根据所述第一优化指标数据和所述第二优化指标数据,从所述配产数据集合和所述第一优化配产数据集合中确定第一目标配产数据集合;
根据与所述第一目标配产数据集合对应的第一目标优化指标数据,从多个所述第一目标配产数据集合中确定第二目标配产数据集合;以及
根据所述第二目标配产数据集合和多个历史第二目标配产数据集合,更新所述初始粒子速度和初始位置信息为所述第一粒子速度和第一位置信息,所述历史第二目标配产数据集合为在迭代过程中产生的所述第二目标配产数据集合。
进一步,该根据所述第一优化指标数据和所述第二优化指标数据,从所述配产数据集合和所述第一优化配产数据集合中确定第一目标配产数据集合进一步包括:
在确定所述第一优化指标数据大于所述第二优化指标数据的情况下,确定所述配产数据集合为所述第一目标配产数据集合;
在确定所述第一优化指标数据小于或等于所述第二优化指标数据的情况下,确定所述第一优化配产数据集合为所述第一目标配产数据集合,
和,
所述根据与所述第一目标配产数据集合对应的目标优化指标数据,从多个所述第一目标配产数据集合中确定第二目标配产数据集合包括:
确定与多个所述目标优化指标数据中最大目标优化指标数据,对应的第一目标配产数据集合为所述第二目标配产数据集合。
进一步,该预设条件进一步包括:由多个所述历史第二目标配产数据集合对应的多个第二目标优化指标数据收敛,
和/或,
所述迭代处理的次数大于或等于所述能源井配产请求包括的目标迭代次数
进一步,该根据所述第二目标配产数据集合和多个历史第二目标配产数据集合,更新所述初始粒子速度和初始位置信息为所述第一粒子速度和第一位置信息进一步包括,
基于与所述历史第二配产数据集合对应的第二目标优化指标数据,从所述历史第二配产数据集合中确定目标历史第二配产数据集合;
针对与所述第二目标配产数据集合对应的第一候选粒子速度和与所述目标历史第二目标配产数据集合对应的第二候选粒子速度进行求和处理,得到所述第一粒子速度;以及
确定当前位置信息为所述第一位置信息。
另一方面,本说明书实施例还提供了一种能源井配产数据确定装置,包括,
第一确定单元,用于根据接收到的能源井配产请求,确定所述能源井配产请求包括的配产目标和配产约束条件;
第二确定单元,用于确定满足所述配产目标和所述配产约束条件的多个配产数据集合,每个所述配产数据集合包括多个配产数据,每个所述配产数据分别与所述能源井相对应;
处理单元,用于利用气藏井筒管网模型针对每个所述配产数据集合进行处理,得到第一优化指标数据;以及
优化单元,用于基于所述第一优化指标数据,对所述多个配产数据集合进行优化处理,得到与每个所述能源井对应的目标配产数据。
另一方面,本说明书实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
另一方面,本说明书实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现上述的方法。
另一方面,本说明书实施例还提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现的方法。
利用本说明书实施例,在接收到配产目标和配产约束条件时,确定满足该配产目标和配产约束条件的多个配产数据集合,该配产数据集合包括多个配产数据,每个配产数据分别与一个能源井相对应;利用气藏井筒管网模型针对每个配产数据集合进行处理,得到第一优化指标数据;以及基于第一优化指标数据,对多个配产数据集合进行优化处理,得到与每个能源井对应的目标配产数据。由此,实现了由气藏井筒管网模型得到的第一优化指标数据,针对满足配产目标和配产约束条件的多个配产数据集合进行优化处理,从而在考虑气藏、井筒和管网各个环节的基础上,针对每个能源井合理地确定目标配产数据,达到了生产系统全协调配产,科学合理高效配产的目的。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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说明书的一些实施例,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。
图1所示为本说明书实施例一种能源井配产数据确定方法的实施系统示意图;
图2所示为本说明书实施例一种能源井配产数据确定方法的流程图;
图3所示为本说明书实施例一种第一优化指标数据确定方法的流程图;
图4A所示为本说明书实施例的一种目标配产数据确定方法的流程图;
图4B所示为本说明书实施例的一种第一粒子速度和第一位置信息确定方法的流程图;
图4C所示为本说明书另一实施例的一种第一粒子速度和第一位置信息确定方法的流程图;
图5所示为本说明书另一实施例的一种能源井配产数据确定方法的原理图;
图6所示为本说明书实施例一种能源井配产数据确定装置的结构示意图;
图7为本说明书实施例一种计算机设备的结构示意图。
【附图标记说明】
101、用户终端;
102、服务器;
610、第一确定单元;
620、第二确定单元;
630、处理单元;
640、优化单元;
702、计算机设备;
704、处理设备;
706、存储资源;
708、驱动机构;
710、输入/输出模块;
712、输入设备;
714、输出设备;
716、呈现设备;
718、图形用户接口;
720、网络接口;
722、通信链路;
724、通信总线。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
需要说明的是,本说明书的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本说明书的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,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所示为本说明书实施例一种能源井配产数据确定的实施系统示意图,可以包括:用户终端101和服务器102,用户终端101和服务器102之间通过网络进行通信,网络可以包括局域网(Local Area Network,简称为LAN)、广域网(Wide Area Network,简称为WAN)、因特网或其组合,并连接至网站、用户设备(例如计算设备)和后端系统。用户可以通过用户终端101发送能源井配产请求至服务器102,服务器102在接收到该请求后,从该请求中确定配产目标和配产约束条件。进而,确定满足配产目标和配产约束条件的多个配产数据集合,每个配产数据集合包括多个配产数据,每个配产数据分别与能源井相对应;利用气藏井筒管网模型针对每个配产数据集合进行处理,得到第一优化指标数据;以及基于第一优化指标数据,对配产数据集合进行优化处理,得到与每个能源井对应的目标配产数据。需要说明的是,服务器102在确定与每个能源井对应的目标配产数据之后,还可以将该与每个能源井对应的目标配产数据发送至用户终端101以供用户查阅,和/或,与配产设备相通讯连接,发送该与每个能源井对应的目标配产数据至配产设备。配产设备基于该与每个能源井对应的目标配产数据进行调整原始配产数据。
可选地,服务器102可以是云计算系统的节点(图中未显示),或者每个服务器102可以是单独的云计算系统,包括由网络互连并作为分布式处理系统工作的多台计算机。
在一个可选的实施例中,用户终端101可以包括电子设备不限于智能手机、采集设备、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(AR , AugmentedReality)/虚拟现实(VR, Virtual Reality)设备、智能可穿戴设备等类型的电子设备。可选的,电子设备上运行的操作系统可以包括但不限于安卓系统、IOS系统、Linux、Windows等。
此外,需要说明的是,图1所示的仅仅是本说明书提供的一种应用环境,在实际应用中,还可以包括多个用户终端101,本说明书不做限制。
如图2所示为本说明书实施例一种能源井配产数据确定方法的流程图。在本图中描述了能源井配产数据确定过程,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或装置产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示,方法可以包括:
S210,根据接收到的能源井配产请求,确定能源井配产请求包括的配产目标和配产约束条件;
S220,确定满足配产目标和配产约束条件的多个配产数据集合,每个配产数据集合包括多个配产数据,每个配产数据分别与能源井相对应;
S230,利用气藏井筒管网模型针对每个配产数据集合进行处理,得到第一优化指标数据;
S240,基于第一优化指标数据,对多个配产数据集合进行优化处理,得到与每个能源井对应的目标配产数据。
利用本说明书实施例,在接收到配产目标和配产约束条件时,确定满足该配产目标和配产约束条件的多个配产数据集合,该配产数据集合包括多个配产数据,每个配产数据分别与一个能源井相对应;利用气藏井筒管网模型针对每个配产数据集合进行处理,得到第一优化指标数据;以及基于第一优化指标数据,对多个配产数据集合进行优化处理,得到与每个能源井对应的目标配产数据。由此,实现了由气藏井筒管网模型得到的第一优化指标数据,针对满足配产目标和配产约束条件的多个配产数据集合进行优化处理,从而在考虑气藏、井筒和管网各个环节的基础上,针对每个能源井合理地确定目标配产数据,达到了生产系统全协调配产,科学合理高效配产的目的。
根据本说明书的一个实施例,能源配产请求包括配产目标和配产约束条件。该配产目标为用户任意设定的需求,例如,全生命周期累计产气量最高、净现值最大、稳产期最长、水侵量最小等。该配产约束条件为在生产过程中的约束条件,例如,管网流量上限、压力上限、终端危险物质的处理能力和井筒临界携液气量等。配产约束条件例如可以包括,针对每个能源井单独的约束条件和针对多个能源井总体的约束条件。用户可以根据实际情况,设置该配产目标和配产约束条件。
在接收到用户通过用户终端发送的配产目标和配产约束条件。基于该配产目标和配产约束条件,确定多个配产数据集合。该多个配产数据集合中的每个配产数据集合分别包括多个配产数据,该每个配产数据分别与一个能源井相对应。与每个能源井对应的配产数据均需要满足配产目标和该能源井单独的约束条件。例如,基于该配产目标和配产约束条件,构建配产方程组,该配产方程组包括目标函数和约束函数;求解该配产方程组,得到解区域;从该解区域中确定多个配产数据集合。需要说明的是,构建配产方程组的过程以及求解该配产方程组的过程均可以参见现有技术,具体为,利用数学建模的方法(具体可以为最优化方法),基于配产目标和配产约束条件,构建配产方程组。进一步,针对该配产方程组进行求解例如可以采用数学建模软件(matlab软件)进行求解。
具体地,从该解区域中确定多个配产数据集合可以为,从该解区域中随机确定预设个数的配产数据集合,该预设个数例如可以从能源井配产请求中确定,例如也可以随机确定。
例如,一共有A,B和C三个能源井,针对A,B和C三个能源井确定两个配产数据集合,分别为(s,r,y)和(g,p,q)。配产数据集合(s,r,y),表示给A能源井、B能源井和C能源井分别分配的产量为s,r和y。配产数据集合(g,p,q),表示给A能源井、B能源井和C能源井分别分配的产量为g,p和q。需要说明的是能源井的个数根据实际情况确定。
在确定了多个配产数据集合之后,利用气藏井筒管网模型针对该多个配产数据集合中的每个配产数据集进行处理,得到与每个配产数据集合对应的第一优化指标数据。具体地,气藏井筒管网模型包括气藏模型、井筒模型和地面管网模型。该第一优化指标数据为表征在配产目标的前提下,该配产数据集合的优质程度。例如,在配产目标为累计产气量最高,第一优化指标为累计产气量,则第一优化指标数据越大则说明与该第一优化指标数据对应的配产数据集合越好。
以第一优化指标数据作为衡量指标,针对多个配产数据集合进行优化处理,得到最优配产数据集合,该最优配产数据集合包括多个目标配产数据,且每个该目标配产数据均与对应的能源井相关联。以第一优化指标数据作为衡量指标,针对多个配产数据集合进行优化处理,例如可以为任意可以针对数据集合进行优化的模型,例如局部邻域搜索模型,人工蜂群模型,烟花模型和粒子群优化模型等。需要注意的是,不同的模型需要前期输入的初始数据可以不相同。在能源井配产数据确定过程中,能源井配产请求中包括需要的初始数据。
例如,针对A,B和C三个能源井最初确定两个配产数据集合,分别为(s,r,y)和(g,p,q),基于与两个配产数据集合分别对应的第一优化指标数据,针对该两个配产数据进行优化处理,在迭代了100次的情况下,从迭代过程产生的200个配产数据集合中,确定(u,n,k)的第一优化指标数据最大,则将(u,n,k)作为最优配产数据集合,并确定A能源井的目标配产数据为u,B能源井的目标配产数据为n,C能源井的目标配产数据为k。
根据本说明书的另一个实施例,气藏井筒管网模型包括气藏模型、井筒模型和地面管网模型,表征信息包括多个子表征信息,以及利用气藏井筒管网模型针对每个配产数据集合进行处理,得到累计产量数据和表征信息包括:利用气藏模型、井筒模型和地面管网模型对多个配产数据进行处理,确定与井底、井口和终端分离器对应的子表征信息;获取与配产目标对应的目标时段信息;利用气藏模型、井筒模型和地面管网模型,针对每个配产数据集合进行处理,得到与目标时段信息对应的多个日产量数据;以及确定多个日产量数据之和为累计产量数据。
具体地,表征信息包括多个子表征信息,例如为,与井底、井口和终端分离器对应的外输压力模拟结果、外输温度模拟结果和外输流量模拟结果等信息。即通过将子表征信息与配产约束条件进行对比,实现了保证在多个能源井生产过程中,与井底、井口和终端分离器对应的压力、温度和流量等均可接受,从而保证多个能源井的安全生产。需要说明的是,利用气藏模型、井筒模型和地面管网模型对多个配产数据进行处理,确定与井底、井口和终端分离器对应的子表征信息例如可以为,基于气藏模型针对多个配产数据进行处理,得到与井底对应的第一子表征信息;基于井筒模型针对多个配产数据进行处理,得到与井口对应的第二子表征信息;基于地面管网模型针对多个配产数据进行处理,得到与终端分离器对应的第三表征信息。
利用气藏模型、井筒模型和地面管网模型对多个配产数据进行处理,确定与井底、井口和终端分离器对应的子表征信息例如还可以为,基于气藏模型针对多个配产数据进行处理,得到与井底对应的第一子表征信息;基于井筒模型针对多个配产数据和该第一子表征信息进行处理,得到与井口对应的第二子表征信息;基于地面管网模型针对多个配产数据和该第一子表征信息和该第二子表征信息进行处理,得到与终端分离器对应的第三表征信息。需要说明的是,利用气藏模型、井筒模型和地面管网模型对多个配产数据进行处理,确定与井底、井口和终端分离器对应的子表征信息的过程均可以参见现有技术,其中,气藏模型例如可以为基于油藏数值模拟软件(CMG)构建的数值模拟模型。井筒模型例如可以为基于多物理场仿真软件(COMSOL)构建的模型。地面管网模型例如可以为基于黑油模拟软件(IMEX)构建的模型。具体地,将多个配产数据输入CMG软件中,得到与井底对应的第一子表征信息;将多个配产数据和该第一子表征信息输入COMSOL软件中,得到与井口对应的第二子表征信息;将多个配产数据和该第一子表征信息和该第二子表征信息输入IMEX软件中,得到与终端分离器对应的第三表征信息。
在能源井配产请求中还包括与配产目标对应的目标时段信息,例如,表征时刻F-时刻L之间的时段。
日产量数据表征在以配产数据进行生产时,当日的实际产量。利用气藏模型、井筒模型和地面管网模型,针对每个配产数据集合进行处理,得到与每个配产数据集合对应的日产量数据,即包括多个能源井的整体的当日的实际产量。进一步,针对每个配产数据集合,确定与目标时段信息对应的多个日产量数据;以及确定该多个日产量数据之和为累计产气量数据。需要说明的是,利用气藏模型、井筒模型和地面管网模型,针对每个配产数据集合进行处理,得到与每个配产数据集合对应的日产量数据具体可以为,采用任意基于配产数据,确定日产量数据(当日的实际产量)的考虑气藏、井筒和地面管网的模型,针对该配产数据集合进行处理,得到该日产量数据。具体的气藏模型、井筒模型和地面管网模型可以为任意现有模型以及现有模型的组合,本说明书对此不做限定。
图3所示为本说明书实施例一种第一优化指标数据确定方法的流程图。在本图中描述了第一优化指标数据确定过程,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。具体的如图3所示,方法可以包括:
S331,利用气藏井筒管网模型针对每个配产数据集合进行处理,得到累计产量数据和表征信息;
S332,判断表征信息是否满足配产约束条件;
S333,在确定表征信息满足配产约束条件的情况下,确定与表征信息对应的累计产量数据为第一优化指标数据;
S334,在确定表征信息不满足配产约束条件的情况下,删除与表征信息对应的配产数据集合。
根据本说明书的另一个实施例,表征信息包括外输数据,该外输数据指示了多个能源井作为一个整体向外输出的数据。配产约束条件包括针对多个能源井总体的约束条件。
利用气藏井筒管网模型针对每个配产数据集合进行处理,得到累计产量数据和表征信息。判断该表征信息是否满足该多个能源井总体的约束条件,在确定该表征信息满足该多个能源井总体的约束条件的情况下,确定该累计产量数据为第一优化指标数据,在确定该表征信息不满足该多个能源井总体的约束条件的情况下,删除与表征信息对应的配产数据集合。
例如,针对多个能源井总体的约束条件为硫化氢含量小于或等于e,在表征信息包括的硫化氢含量为h(h大于e),则确定该表征信息不满足该多个能源井总体的约束条件,否则,则确定满足该多个能源井总体的约束条件。由此,实现了每个配产数据集合和该配产数据集合包括的配产数据均满足配产数据条件。从而,保证了最终确定的目标配产数据可以应用于实际生产中。
图4A所示为本说明书实施例的一种目标配产数据确定方法的流程图。在本图中描述了目标配产数据确定的过程,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。具体的如图4A所示,方法可以包括:
S441,根据初始粒子速度和初始位置信息,针对每个配产数据集合进行处理,得到第一优化配产数据集合;
S442,利用气藏井筒管网模型针对第一优化配产数据集合进行处理,得到第二优化指标数据;
S443,判断是否满足预设条件;
S444,在确定不满足预设条件时,基于第二优化指标数据和第一优化指标数据,更新初始粒子速度和初始位置信息为第一粒子速度和第一位置信息;
S445,将第一粒子速度和第一位置信息作为初始粒子速度和初始位置信息,和将第一优化配产数据集合作为配产数据集合,返回至S441进行迭代;
S446,在确定满足预设条件时,确定目标配产数据。
根据本说明书的另一个实施例,能源井配产请求还包括用于优化处理的参数,所述参数包括初始粒子速度和初始位置信息,该初始位置信息为每个配产数据集合初始所在的位置信息,该位置信息与该配产数据集合中的配产数据相对应。初始粒子速度为针对处在初始位置的配产数据集合进行更新的改变量,具体为,以初始位置为起点,以初始粒子速度移动,得到下一个位置,确定由与该位置对应的第一优化配产数据构成的第一优化配产数据集合。该第一优化配产数据集合即为配产数据集合更新后的配产数据集合。需要说明的是,在优化算法为粒子群优化算法的情况下,该用于优化处理的参数包括初始粒子速度和初始位置信息。
利用气藏井筒管网模型针对第一优化配产数据集合进行处理,得到第二优化指标数据。需要说明的配产数据集合和第一优化配产数据集合仅为更新前后数据集合的区分,即配产数据集合为更新前的数据集合,第一优化配产数据为更新后的数据集合。同理,第一优化指标数据和第二优化指标数据仅为更新前后指标数据的区分,即第一优化指标数据为与更新前的数据集合对应的指标数据,第二优化指标数据为与更新后的数据集合对应的指标数据。
根据第一优化指标数据和第二优化指标数据,针对初始粒子速度和初始位置信息进行更新,得到第一粒子速度和第一位置信息。具体地,对于每个配产数据集合,根据第一优化指标数据和第二优化指标数据,从该配产数据集合和与该配产数据集合中确定一个更优配产数据集合;根据与更优配产数据集合对应的优化指标数据,从更优的配产数据集合中确定目标更优配产数据集合,并基于该目标更优配产数据集合和该更优配产数据集合,对该初始粒子速度和初始位置信息进行更新,得到与该配产数据集合对应的第一粒子速度和第一位置信息。并将该第一粒子速度和第一位置信息作为初始粒子速度和初始位置信息,以及将第一优化配产数据集合作为配产数据集合,重新执行S441,直至满足预设条件。
预设条件例如可以为与迭代次数有关或与第二优化指标数据有关,在该预设条件与迭代次数有关的情况下,在得到第一优化配产数据集合之后,即可判断是否满足预设条件(图4A中S441-S443的虚线部分)。在该预设条件与第二优化指标数据有关的情况下,需要在得到第二优化指标数据之后,再判断是否满足预设条件(图4A中S441-S443的实线部分)。
在确定满足预设条件的情况下,确定当前迭代次的第一优化配产数据集合中的每个第一优化配产数据为目标配产数据,在确定不满足预设条件的情况下,执行S444和S445,以进行迭代,直至满足预设条件。
需要说明的是,在优化过程中的迭代次数均大于等于2,由此,在第一次针对配产数据集合处理之后,得到第二优化指标数据时,可以不用进行判断步骤(S443),直接执行S444,进行下一次迭代。
图4B所示为本说明书实施例的一种第一粒子速度和第一位置信息确定方法的流程图。在本图中描述了第一粒子速度和第一位置信息确定的过程,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。具体的如图4B所示,方法可以包括:
S4441,针对每个配产数据集合,根据第一优化指标数据和第二优化指标数据,从配产数据集合和第一优化配产数据集合中确定第一目标配产数据集合;
S4442,根据与第一目标配产数据集合对应的第一目标优化指标数据,从多个第一目标配产数据集合中确定第二目标配产数据集合;
S4443,根据第二目标配产数据集合和多个历史第二目标配产数据集合,更新初始粒子速度和初始位置信息为第一粒子速度和第一位置信息。
根据本说明书的另一个实施例,历史第二目标配产数据集合为在迭代过程中产生的第二目标配产数据集合。
例如,初始有两个配产数据集合T和M,与配产数据集合T和配产数据集合M分别对应的第一优化指标数据d和j,在第一次处理之后的与配产数据集合T和配产数据集合M对应的第一优化配产数据集合分别为T1和M1,与第一优化配产数据集合T1和第一优化配产数据集合M1分别对应的第二优化指标数据为d1和j1。针对配产数据集合T,对比d和d1的大小,在确定d比d1表现更优时,确定第一优化配产数据集合T为第一目标配产数据集合,同理,针对配产数据集合M,对比j和j1的大小,在确定j1比j表现更优时,确定第一优化配产数据集合M1为第一目标配产数据集合。由此,确定了第一目标配产数据集合T和M1,进一步,对比d和j1,在确定d比j1表现更优时,确定第一目标配产数据集合T为第二目标配产数据集合,从而在每次迭代时,均可确定个体最优和全局最优的数据集合,由此,在当前迭代之前的多次迭代后,会产生多个第二目标配产数据集合(即为历史第二目标配产数据集合)。需要说明的时表现更优由配产目标和优化指标确定,例如,优化指标的数据越小,指示配产目标的完成度越高,由此,优化指标数据越小,则表现更优,反之,则优化指标数据越大,则表现更优。
由当前迭代确定的最优的第二目标配产数据集合和历史第二目标配产数据集合,确定第一粒子速度和第一位置信息,具体可以为确定与第二目标配产数据集合对应的第一关联粒子速度,和与历史第二目标配产数据集合对应的第二关联粒子速度,根据该第一关联粒子速度和第二关联粒子速度,确定该第一粒子速度,以及确定当前位置信息为第一位置信息。具体地,根据该第一关联粒子速度和第二关联粒子速度,确定该第一粒子速度可以为,确定第一关联粒子速度和第二关联粒子速度的矢量和为该第一粒子速度。
根据本说明书的另一个实施例,根据第一优化指标数据和第二优化指标数据,从配产数据集合和第一优化配产数据集合中确定第一目标配产数据集合包括:
在确定第一优化指标数据大于第二优化指标数据的情况下,确定配产数据集合为第一目标配产数据集合;在确定第一优化指标数据小于或等于第二优化指标数据的情况下,确定第一优化配产数据集合为第一目标配产数据集合。
根据本说明书的另一个实施例,根据与第一目标配产数据集合对应的目标优化指标数据,从多个第一目标配产数据集合中确定第二目标配产数据集合包括:确定与多个目标优化指标数据中最大目标优化指标数据,对应的第一目标配产数据集合为第二目标配产数据集合。
根据本说明书的另一个实施例,预设条件包括:由多个历史第二目标配产数据集合对应的多个第二目标优化指标数据收敛,和/或,迭代处理的次数大于或等于能源井配产请求包括的目标迭代次数。
图4C所示为本说明书另一实施例的一种第一粒子速度和第一位置信息确定方法的流程图。在本图中描述了第一粒子速度和第一位置信息确定的过程,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。具体的如图4C所示,方法可以包括:
S4431,基于与历史第二配产数据集合对应的第二目标优化指标数据,从历史第二配产数据集合中确定目标历史第二配产数据集合;
S4432,针对与第二目标配产数据集合对应的第一候选粒子速度和与目标历史第二目标配产数据集合对应的第二候选粒子速度进行求和处理,得到第一粒子速度;
S4433,确定当前位置信息为第一位置信息。
根据本说明书的另一个实施例,在执行了迭代之后,存在多个历史第二配产数据集合的情况下,确定与每个历史第二配产数据集合对应的第二目标优化指标数据,并确定与最大的第二目标优化指标数据对应的历史第二配产数据集合为目标历史第二配产数据集合。存在第一候选粒子速度与第二目标配产数据集合相对应,存在第二候选粒子速度与目标历史第二配产数据相对应。第一候选粒子速度和第二候选粒子速度均曾经为初始粒子速度和第一粒子速度中的一个。
确定第一候选粒子速度和第二候选粒子速度的矢量和,并确定该矢量和为该第一粒子速度,以及确定当前位置信息为第一位置信息。
图5所示为本说明书另一实施例的一种能源井配产数据确定方法的原理图。
在接收到能源井配产请求时,从能源井配产请求中确定如图5的约束条件为配产约束条件,确定如图5中的优化目标为配产目标。该能源井配产请求中还包括初始粒子速度和初始位置。
基于该配产目标和配产约束条件,随机确定多个配产数据集合,该每个配产数据集合均为一个粒子,且存在与该粒子对应的初始粒子速度和初始位置。基于该初始粒子速度和初始位置,对每个粒子分别进行优化。具体为,基于S441-S446,针对每个粒子进行优化,得到满足预设条件的最优配产数据集合,进而确定与每个能源井对应的目标配产数据。
图6所示为本说明书实施例一种能源井配产数据确定装置的结构示意图。如图6所示,包括,
第一确定单元610,用于根据接收到的能源井配产请求,确定能源井配产请求包括的配产目标和配产约束条件;
第二确定单元620,用于确定满足配产目标和配产约束条件的多个配产数据集合,每个配产数据集合包括多个配产数据,每个配产数据分别与能源井相对应;
处理单元630,用于利用气藏井筒管网模型针对每个配产数据集合进行处理,得到第一优化指标数据;以及
优化单元640,用于基于第一优化指标数据,对多个配产数据集合进行优化处理,得到与每个能源井对应的目标配产数据。
由于上述装置解决问题的原理与上述方法相似,因此上述装置的实施可以参见上述方法的实施,重复之处不再赘述。
如图7所示为本说明书实施例一种计算机设备的结构示意图,本说明书中的装置可以为本实施例中的计算机设备,执行上述本说明书的方法。计算机设备702可以包括一个或多个处理设备704,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。计算机设备702还可以包括任何存储资源706,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储资源706可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储资源都可以使用任何技术来存储信息。进一步地,任何存储资源可以提供信息的易失性或非易失性保留。进一步地,任何存储资源可以表示计算机设备702的固定或可移除部件。在一种情况下,当处理设备704执行被存储在任何存储资源或存储资源的组合中的相关联的指令时,计算机设备702可以执行相关联指令的任一操作。计算机设备702还包括用于与任何存储资源交互的一个或多个驱动机构708,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备702还可以包括输入/输出模块710(I/O),其用于接收各种输入(经由输入设备712)和用于提供各种输出(经由输出设备714)。一个具体输出机构可以包括呈现设备716和相关联的图形用户接口(GUI) 718。在其他实施例中,还可以不包括输入/输出模块710(I/O)、输入设备712以及输出设备714,仅作为网络中的一台计算机设备。计算机设备702还可以包括一个或多个网络接口720,其用于经由一个或多个通信链路722与其他设备交换数据。一个或多个通信总线724将上文所描述的部件耦合在一起。
通信链路722可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路722可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本说明书实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述方法。
本说明书实施例还提供一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序被处理器执行时实现上述方法。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书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,本说明书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。
本说明书是参照根据本说明书实施例的方法、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。
以上的具体实施例,对本说明书的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本说明书的具体实施例而已,并不用于限定本说明书的保护范围,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
Claims (12)
1.一种能源井配产数据确定方法,其特征在于,包括:
根据接收到的能源井配产请求,确定所述能源井配产请求包括的配产目标和配产约束条件;
确定满足所述配产目标和所述配产约束条件的多个配产数据集合,每个所述配产数据集合包括多个配产数据,每个所述配产数据分别与所述能源井相对应;
利用气藏井筒管网模型针对每个所述配产数据集合进行处理,得到第一优化指标数据;以及
基于所述第一优化指标数据,对所述多个配产数据集合进行优化处理,得到与每个所述能源井对应的目标配产数据。
2. 根据权利要求1所述的方法,其特征在于,所述利用气藏井筒管网模型针对每个所述配产数据集合进行处理,得到第一优化指标数据包括:
利用所述气藏井筒管网模型针对每个所述配产数据集合进行处理,得到累计产量数据和表征信息;以及
在确定所述表征信息满足所述配产约束条件的情况下,确定与所述表征信息对应的所述累计产量数据为所述第一优化指标数据。
3.根据权利要求2所述的方法,其特征在于,所述气藏井筒管网模型包括气藏模型、井筒模型和地面管网模型,所述表征信息包括多个子表征信息,所述利用所述气藏井筒管网模型针对每个所述配产数据集合进行处理,得到累计产量数据和表征信息包括:
利用所述气藏模型、所述井筒模型和所述地面管网模型对所述多个配产数据进行处理,确定与井底、井口和终端分离器对应的子表征信息;
获取与所述配产目标对应的目标时段信息;
利用所述气藏模型、所述井筒模型和所述地面管网模型,针对每个所述配产数据集合进行处理,得到与所述目标时段信息对应的多个日产量数据;以及
确定所述多个日产量数据之和为所述累计产量数据。
4.根据权利要求1所述的方法,其特征在于,所述能源井配产请求还包括用于优化处理的参数,所述参数包括初始粒子速度和初始位置信息,所述基于所述第一优化指标数据,对所述多个配产数据集合进行优化处理,得到与每个所述能源井对应的目标配产数据包括:
根据所述初始粒子速度和所述初始位置信息,针对每个所述配产数据集合进行处理,得到第一优化配产数据集合;
利用所述气藏井筒管网模型针对所述第一优化配产数据集合进行处理,得到第二优化指标数据;
基于所述第二优化指标数据和所述第一优化指标数据,更新所述初始粒子速度和初始位置信息为第一粒子速度和第一位置信息;以及
将所述第一粒子速度和所述第一位置信息作为所述初始粒子速度和所述初始位置信息,和将所述第一优化配产数据集合作为所述配产数据集合,并根据所述初始粒子速度和所述初始位置信息,针对每个所述配产数据集合进行处理,以确定满足预设条件的目标配产数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第二优化指标数据和所述第一优化指标数据,更新所述初始粒子速度和初始位置信息为第一粒子速度和第一位置信息包括:
针对每个所述配产数据集合,根据所述第一优化指标数据和所述第二优化指标数据,从所述配产数据集合和所述第一优化配产数据集合中确定第一目标配产数据集合;
根据与所述第一目标配产数据集合对应的第一目标优化指标数据,从多个所述第一目标配产数据集合中确定第二目标配产数据集合;以及
根据所述第二目标配产数据集合和多个历史第二目标配产数据集合,更新所述初始粒子速度和初始位置信息为所述第一粒子速度和第一位置信息,所述历史第二目标配产数据集合为在迭代过程中产生的所述第二目标配产数据集合。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一优化指标数据和所述第二优化指标数据,从所述配产数据集合和所述第一优化配产数据集合中确定第一目标配产数据集合包括:
在确定所述第一优化指标数据大于所述第二优化指标数据的情况下,确定所述配产数据集合为所述第一目标配产数据集合;
在确定所述第一优化指标数据小于或等于所述第二优化指标数据的情况下,确定所述第一优化配产数据集合为所述第一目标配产数据集合,
和,
所述根据与所述第一目标配产数据集合对应的目标优化指标数据,从多个所述第一目标配产数据集合中确定第二目标配产数据集合包括:
确定与多个所述目标优化指标数据中最大目标优化指标数据,对应的第一目标配产数据集合为所述第二目标配产数据集合。
7.根据权利要求5所述的方法,其特征在于,所述预设条件包括:由多个所述历史第二目标配产数据集合对应的多个第二目标优化指标数据收敛,
和/或,
所述迭代处理的次数大于或等于所述能源井配产请求包括的目标迭代次数。
8.根据权利要求5所述的方法,其特征在于,所述根据所述第二目标配产数据集合和多个历史第二目标配产数据集合,更新所述初始粒子速度和初始位置信息为所述第一粒子速度和第一位置信息包括:
基于与所述历史第二配产数据集合对应的第二目标优化指标数据,从所述历史第二配产数据集合中确定目标历史第二配产数据集合;
针对与所述第二目标配产数据集合对应的第一候选粒子速度和与所述目标历史第二目标配产数据集合对应的第二候选粒子速度进行求和处理,得到所述第一粒子速度;以及
确定当前位置信息为所述第一位置信息。
9.一种能源井配产数据确定装置,其特征在于,包括:
第一确定单元,用于根据接收到的能源井配产请求,确定所述能源井配产请求包括的配产目标和配产约束条件;
第二确定单元,用于确定满足所述配产目标和所述配产约束条件的多个配产数据集合,每个所述配产数据集合包括多个配产数据,每个所述配产数据分别与所述能源井相对应;
处理单元,用于利用气藏井筒管网模型针对每个所述配产数据集合进行处理,得到第一优化指标数据;以及
优化单元,用于基于所述第一优化指标数据,对所述多个配产数据集合进行优化处理,得到与每个所述能源井对应的目标配产数据。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1-8中任一项的方法。
11.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述权利要求1-8任一项的方法。
12.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现根据权利要求1-8中任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429775.XA CN116167246A (zh) | 2023-04-20 | 2023-04-20 | 一种能源井配产数据确定方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429775.XA CN116167246A (zh) | 2023-04-20 | 2023-04-20 | 一种能源井配产数据确定方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167246A true CN116167246A (zh) | 2023-05-26 |
Family
ID=86416651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310429775.XA Pending CN116167246A (zh) | 2023-04-20 | 2023-04-20 | 一种能源井配产数据确定方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167246A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019112488A1 (ru) * | 2017-12-08 | 2019-06-13 | Публичное акционерное общество "Газпром нефть" | Способ проектирования поверхностного обустройства месторождения |
CN111680814A (zh) * | 2019-03-11 | 2020-09-18 | 中国石油化工股份有限公司 | 一种碳酸盐岩缝洞型油藏弹性驱动合理配产优化方法 |
CN112101672A (zh) * | 2020-09-22 | 2020-12-18 | 郑州铁路职业技术学院 | 一种基于粒子群优化算法的气田群协同开发优化方法 |
-
2023
- 2023-04-20 CN CN202310429775.XA patent/CN116167246A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019112488A1 (ru) * | 2017-12-08 | 2019-06-13 | Публичное акционерное общество "Газпром нефть" | Способ проектирования поверхностного обустройства месторождения |
CN111680814A (zh) * | 2019-03-11 | 2020-09-18 | 中国石油化工股份有限公司 | 一种碳酸盐岩缝洞型油藏弹性驱动合理配产优化方法 |
CN112101672A (zh) * | 2020-09-22 | 2020-12-18 | 郑州铁路职业技术学院 | 一种基于粒子群优化算法的气田群协同开发优化方法 |
Non-Patent Citations (2)
Title |
---|
闫正和: "海上气田群一体化闭环优化配产研究", 《特种油气藏》, pages 93 * |
魏岩: "气藏动态优化配产方法研究和应用", 《天然气技术与经济》, pages 35 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105446979B (zh) | 数据挖掘方法和节点 | |
CN109033340B (zh) | 一种基于Spark平台的点云K邻域的搜索方法及装置 | |
CN113168569A (zh) | 去中心化分布式深度学习 | |
CN107368891A (zh) | 一种深度学习模型的压缩方法和装置 | |
CN103814358A (zh) | 服务器群内的虚拟机放置 | |
CN106709503A (zh) | 一种基于密度的大型空间数据聚类算法k‑dbscan | |
CN114820279B (zh) | 基于多gpu的分布式深度学习方法、装置及电子设备 | |
US11886779B2 (en) | Accelerated simulation setup process using prior knowledge extraction for problem matching | |
CN110414627A (zh) | 一种模型的训练方法及相关设备 | |
CN113312175A (zh) | 一种算子确定、运行方法及装置 | |
EP2941718B1 (en) | Monitor-mine-manage cycle | |
CN106575286A (zh) | 用于组合优化和统计采样的递归分层过程 | |
CN115277692A (zh) | 边缘网络计算终端设备自动运维方法、装置和系统 | |
CN107977504A (zh) | 一种非对称堆芯燃料管理计算方法、装置及终端设备 | |
CN112988275B (zh) | 一种基于任务感知的移动边缘计算多用户计算卸载方法 | |
CN107133377A (zh) | 螺栓连接的建模方法和装置 | |
CN107168795B (zh) | 基于cpu-gpu异构复合式并行计算框架的密码子偏差系数模型方法 | |
CN107273527A (zh) | 一种Hadoop集群和分布式系统 | |
CN116167246A (zh) | 一种能源井配产数据确定方法、装置及计算机设备 | |
EP3722554A1 (en) | Utilizing analytical models to identify wells in which to install plunger lift for improved well production | |
CN104346380A (zh) | 基于MapReduce模型的数据排序方法和系统 | |
Tang et al. | Workload characterization for MG-RAST metagenomic data analytics service in the cloud | |
CN113761293A (zh) | 图数据强连通分量挖掘方法、装置、设备及存储介质 | |
CN108564135B (zh) | 构建骨架程序并实现高性能计算程序运行时间预测的方法 | |
CN116467967A (zh) | 一种油气藏配产数据确定和能源井一体化模拟方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230526 |