CN116523401A - 一种油藏数字孪生构建方法与装置 - Google Patents

Abstract

本发明实施例提供一种面向油藏的数字孪生构建方法与装置。为实时精确表征油藏实时动态变化，本发明基于油藏开发动态特点构建油藏数字孪生体。针对油藏物理层，采用分层次分析的方法，将油藏实体分为单元级物理实体、系统级物理实体和复杂系统级物理实体；采用“软感知”和“硬感知”相结合的方式，获取油藏实时数据。针对油藏虚拟层，从“几何—物理—行为—规则”四个维度来刻画油藏物理对象，使用3d max进行几何建模并渲染模型。针对孪生数据层，采用分布式架构实现对孪生数据有效且高效的管理。针对连接层，采用OPC UA之类的通信协议完成数据的实时传递，实现物理实体与虚拟模型之间的连接和通讯。针对油藏应用服务层，使用Unity进行场景生成、动态仿真，同时提供unity脚本API；通过外接matlab、机器学习算法、知识图谱技术等实现数据分析、实时预测、方案制定等功能。构建油藏数字孪生，实现油藏开发过程可视化、实时监控、实时预测以辅助工作人员进行决策，指导油藏开发方案优化与调整。

Description

一种油藏数字孪生构建方法与装置

技术领域

本发明涉及数字孪生技术领域，特别涉及一种油藏数字孪生构建方法与装置。

背景技术

我国多数成熟油田经长期开采，剩余油分布总体上呈现“整体高度分散，局部相对富集”的特征，对地下储层、砂体连通关系和流体流动状态的认知程度严重制约剩余油分布刻画和精准挖潜，亟需研发适用于油藏开发现状的新技术和新方法。

数字孪生以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力。作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务。目前数字孪生在油藏业务领域的研究尚处于探索阶段，且多集中于地面采油设备与附属设施的数字孪生体构建，对地下油藏实时状态刻画的相关研究较为匮乏。

为增加对油藏的认知程度，提高油藏采收率，很多学者已在储层地质建模、油藏模拟等方面开展了相关研究：

1)在储层地质建模领域，使用人工智能方法建模研究不多，早期应用最多的是BP神经网络建模方法，近几年基于深度学习的建模方法处于探索阶段，其中对抗神经网络(GAN)和卷积神经网络(CNN)是储层相建模研究热点。使用人工智能方法虽能实现对一维物性参数建模较大的优化，但模型三维可视化效果差，无法实现对地质实况的模拟。

2)在油藏模拟领域，主要采用数值模拟方法，该方法仅能离线模拟油藏生产，油藏模拟智能化研究尚处于起步阶段，在地下油藏流体监测模型方面少有成熟的研究。

3)在生产动态分析领域，主要采用机器学习方法，该方法在实验室具有较高的准确率，但在实际应用中会因现场不稳定和噪声的影响而降低准确率。

以上方法的问题在于，无法实现对油藏物理实体实况的精准动态刻画，均聚焦于对离线数据的可视化，忽略了油藏生产实况的可视化。由于油藏位于地下，不确定性强，导致无法确保动态分析模型的准确率。缺少针对油水混合物实时状态的模拟时效性差，对油藏生产指导价值大打折扣。同时这些方法缺少数字油藏和物理油藏之间的实时数据交互和实时控制。

发明内容

为了解决现有技术问题，本发明提供了一种油藏数字孪生构建方法与装置。基于数字孪生五元模型，设计油藏物理层、油藏模型层、油藏数据层、油藏连接层以及油藏服务应用层，构建油藏数字孪生模型。通过对研究对象的分析，根据油藏各组成部分的研究粒度构建油藏三维模型，实现单元级模型、系统级模型和复杂系统级模型全方位多层次的展示。利用获取的实时数据驱动油藏数字孪生系统的运行，展示油藏实际生产过程，同时提供实时预测、数据实验、方案制定等服务应用，实现油藏生产过程可视化、实时监控、实时预测以辅助工作人员进行决策。

本发明所采用的技术方案如下：

一种油藏数字孪生构建方法，包括以下组成部分：

A.油藏物理层：分为物理实体层次划分、感知接入以及物理实体决策执行三个阶段。

物理实体层次划分：根据油藏实况，将单个油井、水井、检测井、含油储层、地上储集站以及其周围的岩性、断层等视为单元级物理实体，是功能实现的最小单元。根据油藏的地质构造情况以及油藏分布特点，按照井组划分系统级物理实体，将各个井组包含的井、含油储层、地质构造等视为系统级物理实体。将每个系统级物理实体所涉及到的井、含油储层、地质构造等单元级物理实体按照其空间位置组合成系统级物理实体。

感知接入：部署油藏生产传感器，获取油藏生产实时数据，分析物理世界油藏在开发生产过程中涉及到的状态数据和参数数据，同时生成仿真数据，补充缺失的油藏生产数据。利用物理实体数据感知模块，将其分为“硬感知”和“软感知”两种类型，分别面向不同场景。

决策执行：接收并执行来自虚拟层的决策指令。通过PC端和移动端APP相结合的方式实现工作人员的精准定位。采用多智能体深度强化学习的方式实现人力资源协同调度，按照调度结果提醒相关工作人员进行及时的处理和维修作业，数字孪生系统提供维修方案传输至该工作人员的手机等电子设备。任务完成后，处理结果会自动生成线上报告，实现无纸化办公。

B.油藏模型层：根据油藏物理实体的分层，构建孪生元件进而集成孪生功能块，最终融合成孪生场景。从“几何-物理-行为-规则”四个维度来刻画物理对象。使用3Dmax构建油藏几何模型并根据模型的实际情况优化模型参数。优化结束后以.fbx的格式将模型导出。将生成的.fbx文件导入Unity中添加物理组件构建物理模型，编写C#脚本构建行为模型和规则模型，实现基于物理实体数据的虚拟模型驱动。

C.油藏数据层：按照油藏数据更新速度，将其分为静态数据、弱实时数据和强实时数据。其中，静态数据和弱实时数据使用分布式数据库进行存储，强实时数据使用时序数据库进行存储。同时采用机器学习算法进行数据挖掘，挖掘油藏参数之间的潜在关系，以及时发现油藏的变化和异常。每个油藏设置独立的边缘服务器存储该油藏的孪生数据，同时该服务器为油藏数字孪生系统提供充足的计算能力和通信资源。

D.油藏连接层：使用OPC互操作性标准，实现各层中硬件和软件之间的连接。将OPCUA服务器嵌入到油藏生产过程中的各类底层生产设备中，将各类传感器所采集的“硬感知”数据对应映射到OPC UA服务器地址空间中。在OPC UA客户端获得数据后，通过C#脚本进行基于TCP协议的Socket通信，将OPC UA获取到的数据发布到Unity中。数据传输过程，使用Unity 3D中封装的Socket接口实现网络编程。将OPC UA客户端获取到的数据存储到时序数据库中,方便对数据进行分析和管理以及系统仿真相关的其他操作。将剩余油分析软件获取的剩余油分布数据等“软感知”数据通过C#脚本进行基于TCP协议的Socket通信，将数据发布到Unity中，以丰富油藏数字孪生实时数据。

E.油藏服务应用层：实现油藏数字孪生系统的智能化和自动化。使用Unity 3D生成油藏虚拟场景，在油藏模型上挂载C#脚本，通过在脚本中动态修改流体模型的流量、流向、流速，实现油水混合物在虚拟油藏场景中的流动，进而完成油藏生产实况可视化，设置多个摄像机实现多视角切换和场景漫游,使用GUI组件可视化油藏数据和分析结果。将油藏相关数据在可视化大屏展示，不同的数据类型采用适合的展示形式。如对于布尔类型的数据使用Image组件绘制指示灯，在可视化大屏展示；对于整型以及浮点类型数据使用Text组件绘制文本框进行展示；对于生产进度等使用Image组件绘制进度条进行展示；对于压力、温度、含油饱和度等在油藏生产过程中有着重要影响并且实时变化的指标参数，使用动态折线图的形式展示；对于生产数据等具有量大、类型多特点的数据，使用表单UI进行展示，将这些数据与表单UI的文本组件绑定，定时动态刷新数据。同时使用unity提供的脚本API外接matlab实现对油藏生产数据、生产指标数据(压力、温度等)的分析；外接机器学习算法实现对油藏产量的预测；外接油藏知识图谱实现生产方案的制定。

步骤A中，所述的分层次分析的方法是指：按照功能、结构、各组件的作用以及相互之间的关系将其分为单元级物理实体、系统级物理实体和复杂系统级物理实体三个层级。所述的“软感知”和“硬感知”两种感知接入的方式是指：“硬感知”主要利用传感设备或装置进行数据的收集，收集对象为物理世界中的物理实体，或者是以物理实体为载体的信息、事件、流程等；“软感知”是使用软件收集的数据或者利用基于虚拟模型、智能算法、规律规则等生成的仿真数据，收集的对象存在于数字世界，通常不依赖物理设备进行收集。

步骤B中，所述的“几何-物理-行为-规则”模型具体内容如下：几何模型刻画物理对象的几何特征(大小、形状、结构构造等)；物理模型刻画物理对象的属性特征(颜色、状态、硬度、构造材料、延展性等)；行为模型刻画物理对象的过程行为(油藏生产过程中油水流动等随时间变化的过程模型等)；规则模型刻画物理对象的演化规律(温度、压力随深度的变化规则；孔隙度、渗透率、注水量等对产油量影响较大因子发生变化时，产油量的变化规则等)。

步骤C中，所述的油藏孪生数据根据其来源分为：油藏物理实体相关数据、油藏虚拟模型相关数据、服务应用相关数据、油藏领域知识、融合数据、连接数据六个部分。所述的分布式架构是指：不同油藏在本地服务器上存储数据并执行模型训练任务。每个服务器作为一个网络节点，不同服务器间采用迁移学习训练模型。

另一方面，本发明提供了一种油藏数字孪生的构建装置，包括以下模块：

油藏可视化模块：用于可视化油藏生产过程实况以及数据实验模拟过程，整合并绘制油藏数字画像，展示数据分析、实时预测以及数据实验的结果，呈现知识图谱反馈的最优生产方案，以直观的形式展示油藏生产实况。

实时预测模块：用于对油藏各项指标(如压力、温度、剩余油等)、产量(如总产量、产油量等)进行预测。首先整合预测内容所需的数据及资料，并根据历史数据离线训练符合油藏作业要求精度的预测模型，并将其部署到孪生平台上。随后将整合的数据通过油藏连接模块传至实时预测模型进行实时预测。最后将预测结果在可视化模块展示，并为油藏生产提供决策支持。

数据实验模块：用于模拟仿真、验证优化已制定的生产方案。利用已构建的油藏数字孪生体模拟并验证已制定方案的可行性和合理性。根据实验反馈结果以及构建的油藏生产知识库调整方案，最终给出效益最优的生产方案。

方案制定模块：用于根据油藏生产状况实时调整生产方案，结合已构建的油藏生产知识库，调整注水量、注水进度以及油井开闭情况等，并将反馈报告形成生产方案传至可视化模块展示。针对某些异常指标数据，使用知识图谱技术查找异常原因同时给出异常解决方案，辅助决策。

本发明提供的技术方案以及装置带来的有益效果是：

本发明的油藏数字孪生构建方法，通过对研究对象的分层次分析实现对研究内容全面且详细的了解，从“几何-物理-行为-规则”四个维度实现对研究内容全方位多学科的描述，采用“软感知”和“硬感知”相结合的方式获取数据实现孪生体的实时驱动，使用unity引擎实现油藏生产实况可视化，外接matlab实现数据分析、机器学习算法实现实时预测、知识图谱实现方案制定。构建油藏数字孪生解决油藏生产不可见，为油藏生产方案提供实验预演平台，减少因油藏生产方案不合理造成的经济损失。

附图说明

为了更清楚的说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中一种油藏数字孪生构建流程示意图。

图2为本发明实施例中一种油藏数字孪生系统架构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本实施例提供的一种油藏数字孪生的构建方法包括如下步骤：

步骤一：油藏物理层构建。根据油藏实况，将单个油井、水井、检测井、含油储层、地上储集站以及其周围的岩性、断层等视为单元级物理实体，是功能实现的最小单元。根据油藏的地质构造情况以及分布特点，按照井组划分系统级物理实体，将各井组包含的井、含油储层、地质构造等视为系统级物理实体。将每个系统级物理实体所涉及到的井、含油储层、地质构造等单元级物理实体按照其空间位置组合成系统级物理实体。由所有系统级物理实体组成的油藏可视为复杂级别物理实体，除各油井生产系统的集成外，它还包含油藏压力、温度等信息以及实现各生产线间的管理(如多层注水过程中，水量在各油井之间的分配问题等)，是一个综合的复杂系统。在油藏数字孪生物理实体感知接入模块中，“硬感知”设备主要包括井底监测设备、测井仪器、距离测量仪、流量计等；“软感知”主要包括油藏数值模拟技术和元胞自动机技术。

步骤二，油藏模型层构建：根据物理实体的分层，构建孪生元件和孪生构造，进而集成孪生功能块，最终融合成孪生场景。首先根据油藏静态数据(地理位置坐标，井筒深度、直径，油藏类型、地质构造、储层岩石类型等数据)使用3D max构建油藏几何模型并添加部分物理属性(如添加贴纸、纹理贴纸等)。在导出前优化模型，即在保证模型清晰度的同时简化模型。将导出的模型导入unity中完善各部分的物理属性(如添加刚体、碰撞体属性等)。使用unity自带模拟油藏实况(如使用Obi Emitter组件下的Emitter Material属性设置流体材质等)，部分行为模型和规则模型通过自定义C#脚本实现。

步骤三，油藏服务应用层构建，油藏服务应用主要包括油藏生产可视化、数据分析、实时预测以及方案制定四部分。生产可视化：通过Camera组件、Canvas组件、Visual组件等其他的组件，实现虚拟场景中场景漫游、场景切换、控制面板、信息展示等功能。应用多类型粒子效果实现报警信息提示，采用Shader编程技术优化三维渲染质量。

数据分析：unity外接matlab实现油藏压力、温度、含油饱和度等重要生产指标数据的挖掘和分析。

实时预测：根据油藏业务需要设置预测功能，首先整合预测内容所需的历史数据及实时数据，并利用历史数据离线训练符合油藏作业要求精度的预测模型，并将其部署到孪生平台上。随后将实时数据通过传输模块传至预测模型进行实时预测。之后将得到的预测结果在可视化模块展示，并为油藏生产提供决策支持。

方案制定：数据分析和实时预测结果的关键信息作为油藏知识图谱的检索内容，根据已构建的油藏知识库获取目前油藏最优的生产方案。通过构建油藏数字孪生，可实现油藏开发过程可视化、实时监控、实时预测以辅助工作人员进行决策，指导油藏开发方案优化与调整。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

Claims (5)

1.一种油藏数字孪生构建方法，包括以下组成部分：

A.油藏物理层：分为物理实体层次划分、感知接入以及物理实体决策执行三个阶段。

物理实体层次划分：根据油藏实况，将单个油井、水井、检测井、含油储层、地上储集站以及其周围的岩性、断层等视为单元级物理实体，是功能实现的最小单元。根据油藏的地质构造情况以及油藏分布特点，按照井组划分系统级物理实体，将各个井组包含的井、含油储层、地质构造等视为系统级物理实体。将每个系统级物理实体所涉及到的井、含油储层、地质构造等单元级物理实体按照其空间位置组合成系统级物理实体。

感知接入：部署油藏生产传感器，获取油藏生产实时数据，分析物理世界油藏在开发生产过程中涉及到的状态数据和参数数据，同时生成仿真数据，补充缺失的油藏生产数据。利用物理实体数据感知模块，将其分为“硬感知”和“软感知”两种类型，分别面向不同场景。

决策执行：接收并执行来自虚拟层的决策指令。通过PC端和移动端APP相结合的方式实现工作人员的精准定位。采用多智能体深度强化学习的方式实现人力资源协同调度，按照调度结果提醒相关工作人员进行及时的处理和维修作业，数字孪生系统提供维修方案传输至该工作人员的手机等电子设备。任务完成后，处理结果会自动生成线上报告，实现无纸化办公。

B.油藏模型层：根据油藏物理实体的分层，构建孪生元件进而集成孪生功能块，最终融合成孪生场景。从“几何-物理-行为-规则”四个维度来刻画物理对象。使用3Dmax构建油藏几何模型并根据模型的实际情况优化模型参数。优化结束后以.fbx的格式将模型导出。将生成的.fbx文件导入Unity中添加物理组件构建物理模型，编写C#脚本构建行为模型和规则模型，实现基于物理实体数据的虚拟模型驱动。

C.油藏数据层：按照油藏数据更新速度，将其分为静态数据、弱实时数据和强实时数据。其中，静态数据和弱实时数据使用分布式数据库进行存储，强实时数据使用时序数据库进行存储。同时采用机器学习算法进行数据挖掘，挖掘油藏参数之间的潜在关系，以及时发现油藏的变化和异常。每个油藏设置独立的边缘服务器存储该油藏的孪生数据，同时该服务器为油藏数字孪生系统提供充足的计算能力和通信资源。

D.油藏连接层：使用OPC互操作性标准，实现各层中硬件和软件之间的连接。将OPC UA服务器嵌入到油藏生产过程中的各类底层生产设备中，将各类传感器所采集的“硬感知”数据对应映射到OPC UA服务器地址空间中。在OPC UA客户端获得数据后，通过C#脚本进行基于TCP协议的Socket通信，将OPC UA获取到的数据发布到Unity中。数据传输过程，使用Unity 3D中封装的Socket接口实现网络编程。将OPC UA客户端获取到的数据存储到时序数据库中,方便对数据进行分析和管理以及系统仿真相关的其他操作。将剩余油分析软件获取的剩余油分布数据等“软感知”数据通过C#脚本进行基于TCP协议的Socket通信，将数据发布到Unity中，以丰富油藏数字孪生实时数据。

E.油藏服务应用层：实现油藏数字孪生系统的智能化和自动化。使用Unity 3D生成油藏虚拟场景，在油藏模型上挂载C#脚本，通过在脚本中动态修改流体模型的流量、流向、流速，实现油水混合物在虚拟油藏场景中的流动，进而完成油藏生产实况可视化，设置多个摄像机实现多视角切换和场景漫游,使用GUI组件可视化油藏数据和分析结果。将油藏相关数据在可视化大屏展示，不同的数据类型采用适合的展示形式。如对于布尔类型的数据使用Image组件绘制指示灯，在可视化大屏展示；对于整型以及浮点类型数据使用Text组件绘制文本框进行展示；对于生产进度等使用Image组件绘制进度条进行展示；对于压力、温度、含油饱和度等在油藏生产过程中有着重要影响并且实时变化的指标参数，使用动态折线图的形式展示；对于生产数据等具有量大、类型多特点的数据，使用表单UI进行展示，将这些数据与表单UI的文本组件绑定，定时动态刷新数据。同时使用unity提供的脚本API外接matlab实现对油藏生产数据、生产指标数据(压力、温度等)的分析；外接机器学习算法实现对油藏产量的预测；外接油藏知识图谱实现生产方案的制定。

2.根据权利要求1所述的一种面向油藏的数字孪生构建方法。其特征在于，所述的步骤A中，所述的分层次分析的方法是指：按照功能、结构、各组件的作用以及相互之间的关系将其分为单元级物理实体、系统级物理实体和复杂系统级物理实体三个层级。所述的“软感知”和“硬感知”两种感知接入的方式是指：“硬感知”主要利用传感设备或装置进行数据的收集，收集对象为物理世界中的物理实体，或者是以物理实体为载体的信息、事件、流程等；“软感知”是使用软件收集的数据或者利用基于虚拟模型、智能算法、规律规则等生成的仿真数据，收集的对象存在于数字世界，通常不依赖物理设备进行收集。

3.根据权利要求1所述的一种面向油藏的数字孪生构建方法。其特征在于，所述的步骤B中，所述的“几何-物理-行为-规则”模型具体内容如下：几何模型刻画物理对象的几何特征(大小、形状、结构构造等)；物理模型刻画物理对象的属性特征(颜色、状态、硬度、构造材料、延展性等)；行为模型刻画物理对象的过程行为(油藏生产过程中油水流动等随时间变化的过程模型等)；规则模型刻画物理对象的演化规律(温度、压力随深度的变化规则；孔隙度、渗透率、注水量等对产油量影响较大因子发生变化时，产油量的变化规则等)。

4.根据权利要求1所述的一种面向油藏的数字孪生构建方法。其特征在于，所述的步骤C中，所述的油藏孪生数据根据其来源分为：油藏物理实体相关数据、油藏虚拟模型相关数据、服务应用相关数据、油藏领域知识、融合数据、连接数据六个部分。所述的分布式架构是指：不同油藏在本地服务器上存储数据并执行模型训练任务。每个服务器作为一个网络节点，不同服务器间采用迁移学习训练模型。

5.一种面向油藏数字孪生的构建装置，包括以下模块：

油藏可视化模块：用于可视化油藏生产过程实况以及数据实验模拟过程，整合并绘制油藏数字画像，展示数据分析、实时预测以及数据实验的结果，呈现知识图谱反馈的最优生产方案，以直观的形式展示油藏生产实况。

实时预测模块：用于对油藏各项指标(如压力、温度、剩余油等)、产量(如总产量、产油量等)进行预测。首先整合预测内容所需的数据及资料，并根据历史数据离线训练符合油藏作业要求精度的预测模型，并将其部署到孪生平台上。随后将整合的数据通过油藏连接模块传至实时预测模型进行实时预测。最后将预测结果在可视化模块展示，并为油藏生产提供决策支持。

数据实验模块：用于模拟仿真、验证优化已制定的生产方案。利用已构建的油藏数字孪生体模拟并验证已制定方案的可行性和合理性。根据实验反馈结果以及构建的油藏生产知识库调整方案，最终给出效益最优的生产方案。

方案制定模块：用于根据油藏生产状况实时调整生产方案，结合已构建的油藏生产知识库，调整注水量、注水进度以及油井开闭情况等，并将反馈报告形成生产方案传至可视化模块展示。针对某些异常指标数据，使用知识图谱技术查找异常原因同时给出异常解决方案，辅助决策。