CN117408093A - 稠油原位催化改质数值模拟方法及装置 - Google Patents
稠油原位催化改质数值模拟方法及装置 Download PDFInfo
- Publication number
- CN117408093A CN117408093A CN202311725236.7A CN202311725236A CN117408093A CN 117408093 A CN117408093 A CN 117408093A CN 202311725236 A CN202311725236 A CN 202311725236A CN 117408093 A CN117408093 A CN 117408093A
- Authority
- CN
- China
- Prior art keywords
- grid
- model
- numerical simulation
- current
- catalyst
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000004048 modification Effects 0.000 title claims abstract description 27
- 238000012986 modification Methods 0.000 title claims abstract description 27
- 230000003197 catalytic effect Effects 0.000 title claims abstract description 20
- 238000011065 in-situ storage Methods 0.000 title claims abstract description 18
- 239000003054 catalyst Substances 0.000 claims abstract description 174
- 238000012546 transfer Methods 0.000 claims abstract description 62
- 239000003921 oil Substances 0.000 claims description 36
- 239000000295 fuel oil Substances 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000006011 modification reaction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000035484 reaction time Effects 0.000 description 4
- 238000006057 reforming reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000002303 thermal reforming Methods 0.000 description 2
- 206010024769 Local reaction Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种稠油原位催化改质数值模拟方法及装置，该方法包括：基于原始网格模型构建多级嵌套加密网格模型；执行数值模拟运算步骤，直至数值模拟运行结束；模拟运算步骤，包括：在当前数值模拟模型中对原始网格模型进行数值模拟，确定当前网格单元与相邻网格单元的温度差值，并确定传热前沿；确定当前网格单元与相邻网格单元的催化剂浓度差值，并确定催化剂前沿；根据传热前沿与催化剂前沿确定网格模型，并更新下一时间步的数值模拟模型；将下一时间步的数值模拟模型作为当前数值模拟模型，执行模拟运算步骤。解决了现有技术中稠油改质过程的模拟精度较低的问题，实现了传热前沿与催化剂前沿的追踪与网格加密，提高了数值模拟的精度。
Description
技术领域
本申请涉及油藏数值模拟技术领域，尤其涉及一种稠油原位催化改质数值模拟方法及装置。
背景技术
稠油又称重油，相比于普通原油其黏度较高、流动性较低，开采和利用难度较大。为了提高稠油的可采性和经济性，稠油原位改质技术应运而生。稠油原位改质技术主要包括热重整、催化改质、微生物改质等方法。热重整是通过注入热媒体或加热地下油藏，使稠油加热至高温状态，降低油藏中原油的黏度，从而提高可采性。催化改质是向油藏中注入催化剂以及高温蒸汽混合物与稠油发生化学反应，改变其分子结构，使稠油中的大分子变成小分子，来降低稠油的黏度并提高流动性。微生物改质是利用特定微生物对稠油进行生物降解，这些微生物能够分解稠油中的大分子有机化合物，使其分子量降低，从而改善稠油的流动性。
其中，在催化改质过程中发生的加氢脱硫（HDS）反应和加氢脱氮（HDN）反应受温度影响较大，且加氢脱硫与加氢脱氮反应是放热反应，其反应的过程类似于“放鞭炮”，只要一个点发生改质反应，放出的热量很快就能引起周围区域的温度升高进而使周围区域也发生改质反应。但是，该反应受油藏网格的尺度效应影响较大，表现为局部已达到反应温度，但是平均后的网格温度还远远未能达到反应温度，从而影响改质过程的模拟精度。
现有技术采用温度活化效应克服网格尺度效应的影响，这种方法将温度分成两个区间分别计算，按照这种方法只要油藏网格中出现催化剂就能发生改质反应，导致所预测的改质程度会高于真实情况。
发明内容
本申请实施例通过提供一种稠油原位催化改质数值模拟方法，解决了现有技术中的稠油改质过程的模拟精度较低、改质程度不足的问题，实现了传热前沿与催化剂前沿的追踪与网格加密技术，提高了稠油原位催化改质数值模拟的精度。
第一方面，本申请实施例提供了一种稠油原位催化改质数值模拟方法，包括：基于原始网格模型构建多级嵌套加密网格模型；其中，所述多级嵌套加密网格模型包括一级加密网格模型与二级加密网格模型；执行模拟运算步骤，直至数值模拟运行结束；所述模拟运算步骤，包括：在当前数值模拟模型中对所述原始网格模型进行数值模拟运算，并读取当前时间步的数值模拟结果；其中，所述数值模拟结果包括所述原始网格模型中各网格单元的网格温度、网格饱和度与网格催化剂浓度；根据所述网格温度确定当前网格单元与相邻网格单元之间的温度差值，并根据所述温度差值确定传热前沿；根据所述网格催化剂浓度确定当前网格单元与相邻网格单元之间的催化剂浓度差值，并根据所述催化剂浓度差值确定催化剂前沿；根据所述传热前沿与所述催化剂前沿确定网格模型，并根据所确定的所述网格模型更新下一时间步的数值模拟模型；将下一时间步的数值模拟模型作为所述当前数值模拟模型，并执行所述模拟运算步骤。
结合第一方面，在第一种可能的实现方式中，所述原始网格模型与所述多级嵌套加密网格模型满足如下关系：
，/>；其中，/>，；式中，/>表示所述原始网格模型，/>表示所述原始网格模型中的第I个元素，即所述原始网格模型的第I个网格，/>表示所述多级嵌套加密网格模型中与所述原始网格模型中的/>对应的第/>个元素，/>表示所述多级嵌套加密网格模型。
结合第一方面，在第二种可能的实现方式中，所述温度差值的确定公式如下：
，且/>；式中，/>表示当前网格单元a的所述温度差值，/>表示当前网格单元a的所述网格温度，/>表示相邻网格单元b的所述网格温度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述根据所述温度差值确定传热前沿，包括：获取所述当前网格单元的所述温度差值的数据集，并确定其中的最大温度差值；判断所述最大温度差值是否达到温度梯度临界值；若所述最大温度差值达到所述温度梯度临界值，则所述最大温度差不为所述传热前沿；若所述最大温度差值未达到所述温度梯度临界值，则所述最大温度差值为所述传热前沿。
结合第一方面，在第四种可能的实现方式中，所述催化剂浓度差值的确定公式如下：
，且/>；式中，/>表示当前网格单元a的所述催化剂浓度差值，/>表示当前网格单元a的所述网格催化剂浓度，/>表示相邻网格单元b的所述网格催化剂浓度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述根据所述催化剂浓度差值确定催化剂前沿，包括：获取所述当前网格单元的所述催化剂浓度差值的数据集，并确定其中的最大催化剂浓度差值；判断所述最大催化剂浓度差值是否达到催化剂浓度临界值；若所述最大催化剂浓度差值达到所述催化剂浓度临界值，则所述最大催化剂浓度差值不为所述催化剂前沿；若所述最大催化剂浓度差值未达到所述催化剂浓度临界值，则所述最大催化剂浓度差值为所述催化剂前沿。
结合第一方面的第三种可能的实现方式或者第五种可能的实现方式，在第六种可能的实现方式中，所述根据所述传热前沿与所述催化剂前沿确定网格模型，包括：若所述当前网格单元既为所述传热前沿又为所述催化剂前沿，则所述网格模型为所述二级加密网格模型；若所述当前网格单元为所述传热前沿或所述催化剂前沿，则所述网格模型为所述一级加密网格模型；若所述当前网格单元既不为所述传热前沿也不为所述催化剂前沿，则所述网格模型为所述原始网格模型。
第二方面，本申请实施例提供了一种稠油原位催化改质数值模拟装置，其特征在于，包括：构建模块，用于基于原始网格模型构建多级嵌套加密网格模型；其中，所述多级嵌套加密网格模型包括一级加密网格模型与二级加密网格模型；执行模块，用于执行模拟运算步骤，直至数值模拟运行结束；所述模拟运算步骤，包括：模拟模块，用于在当前数值模拟模型中对所述原始网格模型进行数值模拟运算，并读取当前时间步的数值模拟结果；其中，所述数值模拟结果包括所述原始网格模型中各网格单元的网格温度、网格饱和度与网格催化剂浓度；传热前沿模块，用于根据所述网格温度确定当前网格单元与相邻网格单元之间的温度差值，并根据所述温度差值确定传热前沿；催化剂前沿模块，用于根据所述网格催化剂浓度确定当前网格单元与相邻网格单元之间的催化剂浓度差值，并根据所述催化剂浓度差值确定催化剂前沿；更新模块，用于根据所述传热前沿与所述催化剂前沿确定网格模型，并根据所确定的所述网格模型更新下一时间步的数值模拟模型；迭代模块，用于将下一时间步的数值模拟模型作为所述当前数值模拟模型，并执行所述模拟运算步骤。
结合第二方面，在第一种可能的实现方式中，所述原始网格模型与所述多级嵌套加密网格模型满足如下关系：
，/>；其中，，/>；式中，/>表示所述原始网格模型，/>表示所述原始网格模型中的第I个元素，即所述原始网格模型的第I个网格，表示所述多级嵌套加密网格模型中与所述原始网格模型中的/>对应的第/>个元素，/>表示所述多级嵌套加密网格模型。
结合第二方面，在第二种可能的实现方式中，所述温度差值的确定公式如下：
，且/>；式中，/>表示当前网格单元a的所述温度差值，/>表示当前网格单元a的所述网格温度，/>表示相邻网格单元b的所述网格温度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述根据所述温度差值确定传热前沿，包括：获取所述当前网格单元的所述温度差值的数据集，并确定其中的最大温度差值；判断所述最大温度差值是否达到温度梯度临界值；若所述最大温度差值达到所述温度梯度临界值，则所述最大温度差不为所述传热前沿；若所述最大温度差值未达到所述温度梯度临界值，则所述最大温度差值为所述传热前沿。
结合第二方面，在第四种可能的实现方式中，所述催化剂浓度差值的确定公式如下：
，且/>；式中，/>表示当前网格单元a的所述催化剂浓度差值，/>表示当前网格单元a的所述网格催化剂浓度，/>表示相邻网格单元b的所述网格催化剂浓度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
结合第二方面的第四种可能的实现方式，在第五种可能的实现方式中，所述根据所述催化剂浓度差值确定催化剂前沿，包括：获取所述当前网格单元的所述催化剂浓度差值的数据集，并确定其中的最大催化剂浓度差值；判断所述最大催化剂浓度差值是否达到催化剂浓度临界值；若所述最大催化剂浓度差值达到所述催化剂浓度临界值，则所述最大催化剂浓度差值不为所述催化剂前沿；若所述最大催化剂浓度差值未达到所述催化剂浓度临界值，则所述最大催化剂浓度差值为所述催化剂前沿。
结合第二方面的第三种可能的实现方式或者第五种可能的实现方式，在第六种可能的实现方式中，所述根据所述传热前沿与所述催化剂前沿确定网格模型，包括：若所述当前网格单元既为所述传热前沿又为所述催化剂前沿，则所述网格模型为所述二级加密网格模型；若所述当前网格单元为所述传热前沿或所述催化剂前沿，则所述网格模型为所述一级加密网格模型；若所述当前网格单元既不为所述传热前沿也不为所述催化剂前沿，则所述网格模型为所述原始网格模型。
第三方面，本申请实施例提供了一种设备，所述设备包括：处理器；用于存储处理器可执行指令的存储器；所述处理器执行所述可执行指令时，实现如第一方面或第一方面任一种可能实现的方式所述的方法。
第四方面，本申请实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质包括用于存储计算机程序或指令，当该计算机程序或指令被执行时，使如第一方面或第一方面任一种可能实现的方式所述的方法被实现。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例通过构建多级嵌套加密网格模型，模拟运算以及根据传热前沿与催化剂前沿确定所使用的网格模型，有效解决了现有技术中的稠油改质过程的模拟精度较低、改质程度不足的问题，实现了传热前沿与催化剂前沿的追踪与网格加密，提高了稠油原位催化改质数值模拟的精度，能够更加科学地指导稠油油藏的高效开发。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请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为本申请实施例提供的稠油原位催化改质数值模拟方法的流程图；
图2为本申请实施例提供的稠油原位催化改质数值模拟装置的结构示意图；
图3为本申请实施例提供的网格模型的三维示意图；
图4a-图4c分别为本申请实施例提供的原始网格模型、一级加密网格模型与二级加密网格模型的示意图；
图5a-图5c为本申请实施例提供的不同时间步的网格加密结果的示意图；
图6为本申请实施例提供的稠油改质的结果对比实例图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，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。
以下对本申请实施例涉及的部分技术做出说明，以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了部分对公知功能和结构的描述。
图1是本申请实施例提供的稠油原位催化改质数值模拟方法的流程图，包括步骤101至步骤107。其中，图1仅为本申请实施例示出的一种执行顺序，并不代表稠油原位催化改质数值模拟方法的唯一执行顺序，在可实现最终结果的情况下，图1所示出的步骤可以被并列或颠倒执行。
步骤101：基于原始网格模型构建多级嵌套加密网格模型。在本申请实施例中，网格模型可以是一套真实的地质角点网格，也可以是一套基于原始网格系统上划分的逻辑网格。如图3所示，为原始网格模型的三维示意图。其中，多级嵌套加密网格模型包括一级加密网格模型与二级加密网格模型。
原始网格模型与多级嵌套加密网格模型满足如下关系：
，/>。其中，，/>。式中，/>表示原始网格模型，表示原始网格模型中的第I个元素，即原始网格模型的第I个网格，表示多级嵌套加密网格模型中与原始网格模型中的/>对应的第/>个元素，/>表示多级嵌套加密网格模型。
根据上述关系式构建多级嵌套加密网格模型，示例性地，如图4a至图4c所示，其上不同的填充图形表示不同的温度场。
其中，图4a为本申请提供的原始网格模型，对应上式中N为4，即。图4b为本申请提供的一级加密网格模型，对应上式中m为4，即。图4c为本申请提供的二级加密网格模型，对应上式中的m为16，即/>。
需要注意的是，上述对原始网格模型与多级嵌套加密网格模型的对应关系描述，仅为本申请的一个实施例，不作为对本申请保护范围的限制。
此外，本领域技术人员亦可以在原始网格模型的基础上构建一级加密网格模型，然后在一级加密网格模型的基础上构建二级加密网格模型，还可以以此类推构建三级加密网格模型。网格模型两两之间均满足上述关系式。并且，本申请所列举的多级嵌套加密网格模型为均匀的网格模型，亦可根据上述关系式构建不均匀的多级嵌套加密网格模型，即一个或多个温度场采用相同的网格模型，其余温度场采用不同的网格模型，或者不同温度场采用不同的网格模型。例如，在斜划线所表示的温度场采用原始网格模型，在点划线所表示的温度场采用一级加密网格模型，在方格线与折线所表示的温度场采用二级加密网格模型。
步骤102：在当前数值模拟模型中对原始网格模型进行数值模拟运算，并读取当前时间步的数值模拟结果。在本申请实施例中，对原始网格模型进行数值模拟运算，运行至下一个时间步。当时间步/>模拟运算更新完毕后，数值模拟软件会将数值模拟结果输出至特定格式的结果文件中。例如，CMG油藏数值模拟器输出的是SR3二进制文件。其中，数值模拟结果包括原始网格模型中各网格单元的网格温度、网格饱和度与网格催化剂浓度等属性信息。
在本申请实施例中，通过Matlab（一种数学软件）程序读取该文件的结果，获得原始网格模型中网格单元的网格温度和网格催化剂浓度。这里的网格温度和网格催化剂浓度是两个数组，数组的长度（元素个数）均与网格数量相等，即每个网格对应一个值。示例性地，此处使用CMG STARS数值模拟软件进行数值模拟运算。
步骤103：根据网格温度确定当前网格单元与相邻网格单元之间的温度差值，并根据温度差值确定传热前沿。在本申请实施例中，根据获取的网格温度，计算当前状态下，每个当前网格单元与其对应的所有相邻网格单元之间的温度差值，公式如下：
，且/>。式中，/>表示当前网格单元a的温度差值，/>表示当前网格单元a的网格温度，/>表示相邻网格单元b的网格温度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
获取当前网格单元的温度差值的数据集，并确定其中的最大温度差值。具体地，通过上式计算出每一个当前网格单元与其相邻网格单元的温度差值，并选出其中的最大值为最大温度差值。
判断最大温度差值是否达到温度梯度临界值。示例性地，此处的温度梯度临界值设置为。若最大温度差值达到温度梯度临界值，则最大温度差不为传热前沿。若最大温度差值未达到温度梯度临界值，则最大温度差值为传热前沿。
步骤104：根据网格催化剂浓度确定当前网格单元与相邻网格单元之间的催化剂浓度差值，并根据催化剂浓度差值确定催化剂前沿。在本申请实施例中，根据上述网格催化剂浓度，计算当前状态下，每个当前网格单元与其对应的所有相邻网格单元之间的催化剂浓度差值，计算公式如下：
，且/>。式中，/>表示当前网格单元a的催化剂浓度差值，/>表示当前网格单元a的网格催化剂浓度，/>表示相邻网格单元b的网格催化剂浓度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
在本申请实施例中，获取当前网格单元的催化剂浓度差值的数据集，并确定其中的最大催化剂浓度差值。具体地，获取所有当前网格单元通过上式计算的催化剂浓度差值构成数据集，在其中选出催化剂浓度差值的最大值，即最大催化剂浓度差值。判断最大催化剂浓度差值是否达到催化剂浓度临界值。示例性地，此处的催化剂浓度临界值设置为3。若最大催化剂浓度差值达到催化剂浓度临界值，则最大催化剂浓度差值不为催化剂前沿。若最大催化剂浓度差值未达到催化剂浓度临界值，则最大催化剂浓度差值为催化剂前沿。
步骤105：根据传热前沿与催化剂前沿确定网格模型，并根据所确定的网格模型更新下一时间步的数值模拟模型。具体地，改质反应通常发生在200℃左右的条件下，若将整个网格划分的很细，则会导致计算量较大，若将整个网格划分的很粗，则无法利用改质反应的放热去加热未反应区域，无法发生改质反应，需要加热整个模型才能发生改质反应。
在本申请实施例中，在催化剂前沿区或传热前沿区需要给网格加密。具体如下，若当前网格单元既为传热前沿又为催化剂前沿，则网格模型为二级加密网格模型。若当前网格单元为传热前沿或催化剂前沿，则网格模型为一级加密网格模型。若当前网格单元既不为传热前沿也不为催化剂前沿，则网格模型为原始网格模型。
示例性地，用数字2、1与0分别代表二级加密网格模型、一级加密网格模型与原始网格模型。分别判断当前网格单元是否为传热前沿以及是否为催化剂前沿，若判断结果为“是”记为1，若判断结果为“否”记为0。每个当前网格单元均需要进行传热前沿与催化剂前沿两次判断，对两次判断结果作和。若两次判断结果均为“是”，则作和结果为2，将2对应的二级加密网格模型作为该当前网格单元的网格模型。若两次判断结果一次为“是”，一次为“否”，则作和结果为1，将1对应的一级加密网格模型作为该当前网格单元的网格模型。若两次判断结果均为“否”，则作和结果为0，将0对应的原始网格模型作为该当前网格单元的网格模型。
根据上述确定的网格模型更新当前时间步的下一时间步的数值模拟模型。得到了一个基于原始网格模型划分的新网格模型。具体地，新网格模型由本申请中的原始网格模型、一级加密网格模型与二级加密网格模型混合构成。一级加密网格模型、二级加密网格模型与新网格模型的孔隙度、深度、体积、传导率联通表等信息均继承自原始网格模型的信息。此外，这里需要对网格单元的饱和度、压力等网格属性进行更新。更新方法在此不做具体描述，本领域技术人员根据实际情况采用不同更新方法能够实现对应属性的更新即可。
步骤106：判断数值模拟是否运行结束。具体地，判断数值模拟是否运行结束，若数值模拟没有运行结束，则迭代执行步骤107、步骤102至步骤106，直至数值模拟运行结束。若数值模拟运行结束，则可以得到改质过程中的累计产油量，如图6所示，实线为采用本申请的方法时，改质反应时间与累计产油量的关系曲线，圈划线为现有改质方法中改质反应时间与累计产油量的关系曲线。
步骤107：将下一时间步的数值模拟模型作为当前数值模拟模型。具体地，在数值模拟没有运行结束时，将下一时间步的数值模拟模型作为当前数值模拟模型，执行步骤102。如图5a-图5c所示，为本申请实施例提供的不同时间步的网格加密结果的示意图。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，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。本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。在实际中的装置或客户端产品执行时，可以按照本实施例或者附图所示的方法顺序执行或者并行执行（例如并行处理器或者多线程处理的环境）。
如图2所示，本申请实施例还提供一种稠油原位催化改质数值模拟装置200。该装置包括：构建模块201、执行模块202、模拟模块203、传热前沿模块204、催化剂前沿模块205、更新模块206与迭代模块207，具体如下。
构建模块201用于基于原始网格模型构建多级嵌套加密网格模型。构建模块201具体用于，网格模型可以是一套真实的地质角点网格，也可以是一套基于原始网格系统上划分的逻辑网格。如图3所示，为原始网格模型的三维示意图。其中，多级嵌套加密网格模型包括一级加密网格模型与二级加密网格模型。
原始网格模型与多级嵌套加密网格模型满足如下关系：
，/>。其中，，/>。式中，/>表示原始网格模型，表示原始网格模型中的第I个元素，即原始网格模型的第I个网格，表示多级嵌套加密网格模型中与原始网格模型中的/>对应的第/>个元素，/>表示多级嵌套加密网格模型。
根据上述关系式构建多级嵌套加密网格模型，示例性地，如图4a至图4c所示，其上不同的填充图形表示不同的温度场。
其中，图4a为本申请提供的原始网格模型，对应上式中N为4，即。图4b为本申请提供的一级加密网格模型，对应上式中m为4，即。图4c为本申请提供的二级加密网格模型，对应上式中的m为16，即/>。
需要注意的是，上述对原始网格模型与多级嵌套加密网格模型的对应关系描述，仅为本申请的一个实施例，不作为对本申请保护范围的限制。
此外，本领域技术人员亦可以在原始网格模型的基础上构建一级加密网格模型，然后在一级加密网格模型的基础上构建二级加密网格模型，还可以以此类推构建三级加密网格模型。网格模型两两之间均满足上述关系式。并且，本申请所列举的多级嵌套加密网格模型为均匀的网格模型，亦可根据上述关系式构建不均匀的多级嵌套加密网格模型，即一个或多个温度场采用相同的网格模型，其余温度场采用不同的网格模型，或者不同温度场采用不同的网格模型。例如，在斜划线所表示的温度场采用原始网格模型，在点划线所表示的温度场采用一级加密网格模型，在方格线与折线所表示的温度场采用二级加密网格模型。
执行模块202用于执行模拟运算步骤，直至数值模拟运行结束。执行模块202具体用于，判断数值模拟是否运行结束，若数值模拟没有运行结束，则转至迭代模块207、模拟模块203、传热前沿模块204、催化剂前沿模块205与更新模块206，直至数值模拟运行结束。若数值模拟运行结束，则可以得到改质过程中的累计产油量，如图6所示，实线为采用本申请的方法时，改质反应时间与累计产油量的关系曲线，圈划线为现有改质方法中改质反应时间与累计产油量的关系曲线。
模拟运算步骤，包括：
模拟模块203用于在当前数值模拟模型中对原始网格模型进行数值模拟运算，并读取当前时间步的数值模拟结果。模拟模块203具体用于，对原始网格模型进行数值模拟运算，运行至下一个时间步。当时间步/>模拟运算更新完毕后，数值模拟软件会将数值模拟结果输出至特定格式的结果文件中。例如，CMG油藏数值模拟器输出的是SR3二进制文件。其中，数值模拟结果包括原始网格模型中各网格单元的网格温度、网格饱和度与网格催化剂浓度等属性信息。
在本申请实施例中，通过Matlab（一种数学软件）程序读取该文件的结果，获得原始网格模型中网格单元的网格温度和网格催化剂浓度。这里的网格温度和网格催化剂浓度是两个数组，数组的长度（元素个数）均与网格数量相等，即每个网格对应一个值。示例性地，此处使用CMG STARS数值模拟软件进行数值模拟运算。
传热前沿模块204用于根据网格温度确定当前网格单元与相邻网格单元之间的温度差值，并根据温度差值确定传热前沿。传热前沿模块204具体用于，根据获取的网格温度，计算当前状态下，每个当前网格单元与其对应的所有相邻网格单元之间的温度差值，公式如下：
，且/>。式中，/>表示当前网格单元a的温度差值，/>表示当前网格单元a的网格温度，/>表示相邻网格单元b的网格温度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
获取当前网格单元的温度差值的数据集，并确定其中的最大温度差值。具体地，通过上式计算出每一个当前网格单元与其相邻网格单元的温度差值，并选出其中的最大值为最大温度差值。
判断最大温度差值是否达到温度梯度临界值。示例性地，此处的温度梯度临界值设置为。若最大温度差值达到温度梯度临界值，则最大温度差不为传热前沿。若最大温度差值未达到温度梯度临界值，则最大温度差值为传热前沿。
催化剂前沿模块205用于根据网格催化剂浓度确定当前网格单元与相邻网格单元之间的催化剂浓度差值，并根据催化剂浓度差值确定催化剂前沿。催化剂前沿模块205具体用于，根据上述网格催化剂浓度，计算当前状态下，每个当前网格单元与其对应的所有相邻网格单元之间的催化剂浓度差值，计算公式如下：
，且/>。式中，/>表示当前网格单元a的催化剂浓度差值，/>表示当前网格单元a的网格催化剂浓度，/>表示相邻网格单元b的网格催化剂浓度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
在本申请实施例中，获取当前网格单元的催化剂浓度差值的数据集，并确定其中的最大催化剂浓度差值。具体地，获取所有当前网格单元通过上式计算的催化剂浓度差值构成数据集，在其中选出催化剂浓度差值的最大值，即最大催化剂浓度差值。判断最大催化剂浓度差值是否达到催化剂浓度临界值。示例性地，此处的催化剂浓度临界值设置为3。若最大催化剂浓度差值达到催化剂浓度临界值，则最大催化剂浓度差值不为催化剂前沿。若最大催化剂浓度差值未达到催化剂浓度临界值，则最大催化剂浓度差值为催化剂前沿。
更新模块206用于根据传热前沿与催化剂前沿确定网格模型，并根据所确定的网格模型更新下一时间步的数值模拟模型。更新模块206具体用于，改质反应通常发生在200℃左右的条件下，若将整个网格划分的很细，则会导致计算量较大，若将整个网格划分的很粗，则无法利用改质反应的放热去加热未反应区域，无法发生改质反应，需要加热整个模型才能发生改质反应。
在本申请实施例中，在催化剂前沿区或传热前沿区需要给网格加密。具体如下，若当前网格单元既为传热前沿又为催化剂前沿，则网格模型为二级加密网格模型。若当前网格单元为传热前沿或催化剂前沿，则网格模型为一级加密网格模型。若当前网格单元既不为传热前沿也不为催化剂前沿，则网格模型为原始网格模型。
示例性地，用数字2、1与0分别代表二级加密网格模型、一级加密网格模型与原始网格模型。分别判断当前网格单元是否为传热前沿以及是否为催化剂前沿，若判断结果为“是”记为1，若判断结果为“否”记为0。每个当前网格单元均需要进行传热前沿与催化剂前沿两次判断，对两次判断结果作和。若两次判断结果均为“是”，则作和结果为2，将2对应的二级加密网格模型作为该当前网格单元的网格模型。若两次判断结果一次为“是”，一次为“否”，则作和结果为1，将1对应的一级加密网格模型作为该当前网格单元的网格模型。若两次判断结果均为“否”，则作和结果为0，将0对应的原始网格模型作为该当前网格单元的网格模型。
根据上述确定的网格模型更新当前时间步的下一时间步的数值模拟模型。得到了一个基于原始网格模型划分的新网格模型。具体地，新网格模型由本申请中的原始网格模型、一级加密网格模型与二级加密网格模型混合构成。一级加密网格模型、二级加密网格模型与新网格模型的孔隙度、深度、体积、传导率联通表等信息均继承自原始网格模型的信息。此外，这里需要对网格单元的饱和度、压力等网格属性进行更新。更新方法在此不做具体描述，本领域技术人员根据实际情况采用不同更新方法能够实现对应属性的更新即可。
迭代模块207用于将下一时间步的数值模拟模型作为当前数值模拟模型，并执行模拟运算步骤。迭代模块207具体用于，在数值模拟没有运行结束时，将下一时间步的数值模拟模型作为当前数值模拟模型，转至模拟模块203。
本申请所述装置中的部分模块可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述申请实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述方便，描述以上装置时以功能分为各种模块分别描述。在实施本申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组合实现。
本申请中所述的方法、装置或模块可以以计算机可读程序代码方式实现控制器按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（英文：Application Specific Integrated Circuit；简称：ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请实施例还提供了一种设备，所述设备包括：处理器；用于存储处理器可执行指令的存储器；所述处理器执行所述可执行指令时，实现如本申请实施例所述的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序或指令，当该计算机程序或指令被执行时，使如本申请实施例中所述的方法被实现。
此外，在本发明的各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独存在，也可以两个或两个以上模块集成在一个模块中。
上述存储介质包括但不限于随机存取存储器（英文：Random Access Memory；简称：RAM）、只读存储器（英文：Read-Only Memory；简称：ROM）、缓存（英文：Cache）、硬盘（英文：Hard Disk Drive；简称：HDD）或者存储卡（英文：Memory Card）。所述存储器可以用于存储计算机程序指令。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的硬件的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，也可以通过数据迁移的实施过程中体现出来。该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，移动终端，服务器，或者网络设备等）执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施方式采用递进的方式描述，各个实施方式之间相同或相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。本申请的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上实施例仅用以说明本申请的技术方案，而非对本申请限制；尽管参照前述实施例对本申请进行了详细的说明，本领域普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请技术方案的范围。
Claims (10)
1.一种稠油原位催化改质数值模拟方法，其特征在于，包括：
基于原始网格模型构建多级嵌套加密网格模型；其中，所述多级嵌套加密网格模型包括一级加密网格模型与二级加密网格模型；
执行模拟运算步骤，直至数值模拟运行结束；
所述模拟运算步骤，包括：
在当前数值模拟模型中对所述原始网格模型进行数值模拟运算，并读取当前时间步的数值模拟结果；其中，所述数值模拟结果包括所述原始网格模型中各网格单元的网格温度、网格饱和度与网格催化剂浓度；
根据所述网格温度确定当前网格单元与相邻网格单元之间的温度差值，并根据所述温度差值确定传热前沿；
根据所述网格催化剂浓度确定当前网格单元与相邻网格单元之间的催化剂浓度差值，并根据所述催化剂浓度差值确定催化剂前沿；
根据所述传热前沿与所述催化剂前沿确定网格模型，并根据所确定的所述网格模型更新下一时间步的数值模拟模型；
将下一时间步的数值模拟模型作为所述当前数值模拟模型，并执行所述模拟运算步骤。
2.根据权利要求1所述的方法，其特征在于，所述原始网格模型与所述多级嵌套加密网格模型满足如下关系：
，/>；其中，/>，；式中，/>表示所述原始网格模型，/>表示所述原始网格模型中的第I个元素，即所述原始网格模型的第I个网格，/>表示所述多级嵌套加密网格模型中与所述原始网格模型中的/>对应的第/>个元素，/>表示所述多级嵌套加密网格模型。
3.根据权利要求1所述的方法，其特征在于，所述温度差值的确定公式如下：
，且/>；式中，/>表示当前网格单元a的所述温度差值，/>表示当前网格单元a的所述网格温度，/>表示相邻网格单元b的所述网格温度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
4.根据权利要求3所述的方法，其特征在于，所述根据所述温度差值确定传热前沿，包括：
获取所述当前网格单元的所述温度差值的数据集，并确定其中的最大温度差值；
判断所述最大温度差值是否达到温度梯度临界值；
若所述最大温度差值达到所述温度梯度临界值，则所述最大温度差不为所述传热前沿；
若所述最大温度差值未达到所述温度梯度临界值，则所述最大温度差值为所述传热前沿。
5.根据权利要求1所述的方法，其特征在于，所述催化剂浓度差值的确定公式如下：
，且/>；式中，/>表示当前网格单元a的所述催化剂浓度差值，/>表示当前网格单元a的所述网格催化剂浓度，/>表示相邻网格单元b的所述网格催化剂浓度，/>表示当前网格单元a与相邻网格单元b之间的相对距离，/>表示当前网格单元a与相邻网格单元b之间的几何传导率。
6.根据权利要求5所述的方法，其特征在于，所述根据所述催化剂浓度差值确定催化剂前沿，包括：
获取所述当前网格单元的所述催化剂浓度差值的数据集，并确定其中的最大催化剂浓度差值；
判断所述最大催化剂浓度差值是否达到催化剂浓度临界值；
若所述最大催化剂浓度差值达到所述催化剂浓度临界值，则所述最大催化剂浓度差值不为所述催化剂前沿；
若所述最大催化剂浓度差值未达到所述催化剂浓度临界值，则所述最大催化剂浓度差值为所述催化剂前沿。
7.根据权利要求4或6所述的方法，其特征在于，所述根据所述传热前沿与所述催化剂前沿确定网格模型，包括：
若所述当前网格单元既为所述传热前沿又为所述催化剂前沿，则所述网格模型为所述二级加密网格模型；
若所述当前网格单元为所述传热前沿或所述催化剂前沿，则所述网格模型为所述一级加密网格模型；
若所述当前网格单元既不为所述传热前沿也不为所述催化剂前沿，则所述网格模型为所述原始网格模型。
8.一种稠油原位催化改质数值模拟装置，其特征在于，包括：
构建模块，用于基于原始网格模型构建多级嵌套加密网格模型；其中，所述多级嵌套加密网格模型包括一级加密网格模型与二级加密网格模型；
执行模块，用于执行模拟运算步骤，直至数值模拟运行结束；
所述模拟运算步骤，包括：
模拟模块，用于在当前数值模拟模型中对所述原始网格模型进行数值模拟运算，并读取当前时间步的数值模拟结果；其中，所述数值模拟结果包括所述原始网格模型中各网格单元的网格温度、网格饱和度与网格催化剂浓度；
传热前沿模块，用于根据所述网格温度确定当前网格单元与相邻网格单元之间的温度差值，并根据所述温度差值确定传热前沿；
催化剂前沿模块，用于根据所述网格催化剂浓度确定当前网格单元与相邻网格单元之间的催化剂浓度差值，并根据所述催化剂浓度差值确定催化剂前沿；
更新模块，用于根据所述传热前沿与所述催化剂前沿确定网格模型，并根据所确定的所述网格模型更新下一时间步的数值模拟模型；
迭代模块，用于将下一时间步的数值模拟模型作为所述当前数值模拟模型，并执行所述模拟运算步骤。
9.一种用于执行稠油原位催化改质数值模拟方法的设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
所述处理器执行所述可执行指令时，实现如权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质，其特征在于，包括用于存储计算机程序或指令，当该计算机程序或指令被执行时，使如权利要求1至7中任一项所述的方法被实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311725236.7A CN117408093B (zh) | 2023-12-15 | 2023-12-15 | 稠油原位催化改质数值模拟方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311725236.7A CN117408093B (zh) | 2023-12-15 | 2023-12-15 | 稠油原位催化改质数值模拟方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117408093A true CN117408093A (zh) | 2024-01-16 |
| CN117408093B CN117408093B (zh) | 2024-06-21 |
Family
ID=89487521
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311725236.7A Active CN117408093B (zh) | 2023-12-15 | 2023-12-15 | 稠油原位催化改质数值模拟方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117408093B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114050294A (zh) * | 2021-11-08 | 2022-02-15 | 西安交通大学 | 基于OpenFOAM平台质子交换膜氢燃料电池瞬态工况数值模拟方法 |
| US20220380660A1 (en) * | 2021-05-28 | 2022-12-01 | Chevron U.S.A. Inc. | In situ upgrading of heavy hydrocarbon using one or more degradable solvents and one or more additives |
| CN115600514A (zh) * | 2021-07-09 | 2023-01-13 | 中国石油化工股份有限公司（Cn） | 一种稠油化学冷采堵调降粘过程中的渗流特性的表征方法 |
| CN116108617A (zh) * | 2022-11-18 | 2023-05-12 | 西安石油大学 | 一种页岩油藏局部网格加密方法、装置及存储介质 |
| CN116658138A (zh) * | 2023-06-16 | 2023-08-29 | 中国石油大学(华东) | 一种催化改质二次增热开发稠油的装置及方法 |
-
2023
- 2023-12-15 CN CN202311725236.7A patent/CN117408093B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220380660A1 (en) * | 2021-05-28 | 2022-12-01 | Chevron U.S.A. Inc. | In situ upgrading of heavy hydrocarbon using one or more degradable solvents and one or more additives |
| CN115600514A (zh) * | 2021-07-09 | 2023-01-13 | 中国石油化工股份有限公司（Cn） | 一种稠油化学冷采堵调降粘过程中的渗流特性的表征方法 |
| CN114050294A (zh) * | 2021-11-08 | 2022-02-15 | 西安交通大学 | 基于OpenFOAM平台质子交换膜氢燃料电池瞬态工况数值模拟方法 |
| CN116108617A (zh) * | 2022-11-18 | 2023-05-12 | 西安石油大学 | 一种页岩油藏局部网格加密方法、装置及存储介质 |
| CN116658138A (zh) * | 2023-06-16 | 2023-08-29 | 中国石油大学(华东) | 一种催化改质二次增热开发稠油的装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHANG, C 等: "Experimental and Numerical Evaluation of Enzyme-Assisted Hot Waterflooding Performance for Heavy Oil Reservoirs", JOURNAL OF ENERGY RESOURCES TECHNOLOGY-TRANSACTIONS OF THE ASME, 12 March 2023 (2023-03-12) * |
| 孙来喜;武楗棠;张烈辉;: "稠油热采数值模拟及调整对策研究", 物探化探计算技术, no. 03, 15 May 2009 (2009-05-15) * |
| 桑丹 等: "携砂冷采稠油油田提高采收率的研究与实践", 非常规油气, 10 July 2023 (2023-07-10) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117408093B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Buzzi-Ferraris et al. | BzzMath: Library overview and recent advances in numerical methods | |
| Xiao et al. | Unified uncertainty analysis by the mean value first order saddlepoint approximation | |
| Liu et al. | A global optimization algorithm for simulation-based problems via the extended DIRECT scheme | |
| CN101944141A (zh) | 一种高效的基于模糊聚类自适应径向基全局优化方法 | |
| Akbari et al. | KASRA: A Kriging-based Adaptive Space Reduction Algorithm for global optimization of computationally expensive black-box constrained problems | |
| Lin et al. | A Tabu Search‐Based Memetic Algorithm for Hardware/Software Partitioning | |
| CN115577562A (zh) | 一种裂缝油藏井位优化方法 | |
| Wu et al. | A low-sample-count, high-precision Pareto front adaptive sampling algorithm based on multi-criteria and Voronoi | |
| CN104484460A (zh) | 一种分布式文件系统元数据热度统计方法 | |
| CN113221422A (zh) | 基于非线性流体数据信息处理技术的流体仿真模拟方法 | |
| CN117408093B (zh) | 稠油原位催化改质数值模拟方法及装置 | |
| US10546076B2 (en) | Analytical consistent sensitivities for external intervening between two sequential equilibriums | |
| Qureshi et al. | From Halley to Secant: Redefining root finding with memory‐based methods including convergence and stability | |
| Carlos et al. | Using finite mixture models in thermal-hydraulics system code uncertainty analysis | |
| Pougkakiotis et al. | A zeroth-order proximal stochastic gradient method for weakly convex stochastic optimization | |
| CN114492251B (zh) | 超算环境的低速流场发散处理方法、装置、设备及介质 | |
| Deng et al. | A machine learning based acceleration of segregated pressure correction algorithms for incompressible fluid flow | |
| Liu et al. | A Modified NM‐PSO Method for Parameter Estimation Problems of Models | |
| CN107291439A (zh) | 一种目标增量数据构建方法及装置 | |
| Nematolahi et al. | Improved Kaplan‐Meier Estimator in Survival Analysis Based on Partially Rank‐Ordered Set Samples | |
| CN110544113B (zh) | 基于智能合约的交易中燃油费的输入确定方法及装置 | |
| CN107844637B (zh) | 一种油藏数值确定方法及装置 | |
| Li et al. | An efficient method for analyzing local reliability sensitivity by moment method and extended failure probability | |
| CN105243123A (zh) | 地图离线文件的差异文件的生成、地图离线文件的更新方法及装置 | |
| CN117390998B (zh) | 一种针对嵌入式离散裂缝模型局部网格加密方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |