针对小断块油藏的最优井位部署方法和装置制造方法及图纸

本发明专利技术公开了一种针对小断块油藏的最优井位部署方法和装置，属于石油开采技术领域，该方法包括：步骤1：确定区块内的注采单元比例；步骤2：提取区块的几何边界；步骤3：在区块的几何边界内确定初始井位；步骤4：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；步骤5：根据注采单元的数量和采收率的关系曲线和实际目标，选择最合适的注采单元数量。本发明专利技术收敛性好，充分考虑到断块平面几何形态、断块规模、油砂体空间分布特征、储层非均质性、渗透率方向性等因素，且能提高油藏采收率或净现值。

【技术实现步骤摘要】
针对小断块油藏的最优井位部署方法和装置
本专利技术涉及石油开采
，特别是指一种针对小断块油藏的最优井位部署方法和装置。
技术介绍
复杂断块油藏由于断块分割作用，断块碎小、形态各异，每个断块就是一个独立的开发单元。在开发时由于断块面积小，很难用完善的常规面积井网进行布井、生产，因此小断块油藏一般只能采用不完善的井网进行开发。在井位部署过程中，需要通过设计、调节井网结构，达到提高采收率(或最大化净现值)的目的。针对小断块油藏，目前国内主要是人为制定和基于优化理论的自动化井位优化方法，并在此基础上进行优化，目前，针对小断块的井网优化主要有两种方法：1)根据油藏地质情况，人为制定若干井网方案，采用油藏数值模拟方法进行模拟计算，并对各方案计算结果进行对比，从而确定最佳方案。该方法简便易行，但过分依赖人的经验，而且由于油藏地质不确定性因素多，人为制定方案数量有限，不易得到最优解。2)采用基于优化理论的自动化井位优化方法。主要思路是首先根据需要设定一个目标函数(净现值或采收率等)，然后借助于某种智能优化算法(粒子群、遗传算法、模拟退火等)，调用数值模拟软件得出使目标函数最优的解。该方法可以极大的减少人工工作量。相比于第一种方法，第二种以智能优化算法为基础的井网优化方法更具一般性，因此未来的应用前景更加广阔。目前众多智能井网优化方法的主要差异集中在程序内部采用的优化算法各不相同，包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法等。不同算法的主要差别是收敛速度和计算量。只要计算资源、计算时间充足，不同优化算法的结果不会有明显差异。因此，井网优化问题的本质和关键点并不是其内部的智能优化算法，而是将物理问题转化成待优化的数学问题的思路。目前针对小断块油藏的井网优化研究的思路可以分为以下两类：a)直接以单井井位作为优化目标。这种方法对每口井的井位都进行独立优化，能够适应小断块油藏的平面几何形态，理论上的确可以获得最优的井网分布，但在实际的优化过程中，由于所有井的位置都是可变的、待优化的，因此不同井之间存在严重的干扰，优化结果容易不收敛，或无法取得最优布井方案。b)仍然按照面积井网进行布井，对井网的井距、排距和井排角度等进行优化，通过反复的数值模拟和迭代进化，获取最佳的井距、排距、井排角度等参数，再根据这些参数进行布井。这种方法的缺点是所设计出的井网只能是严格的规则井网，但由于断块的平面几何形态复杂、断块规模较小等因素，规则井网不可能是最适合断块油藏开发的井网类型。因此这种方法也必然无法取得最优布井方案。另外，在实际生产过程中，小断块油藏的井位部署、优化方法需要充分考虑断块平面几何形态、断块规模、油砂体空间分布特征、储层非均质性、渗透率方向性等因素，同时尽量避免优化过程不同井之间的干扰效应。
技术实现思路
本专利技术提供一种收敛性好，充分考虑到断块平面几何形态、断块规模、油砂体空间分布特征、储层非均质性、渗透率方向性等因素，且能提高油藏采收率或净现值的智能化的针对小断块油藏的最优井位部署方法和装置。为解决上述技术问题，本专利技术提供技术方案如下：一方面，本专利技术提供针对小断块油藏的最优井位部署方法，包括：步骤1：确定区块内的注采单元比例；步骤2：提取区块的几何边界；步骤3：在区块的几何边界内确定初始井位；步骤4：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；步骤5：根据注采单元的数量和采收率的关系曲线和实际目标，选择最合适的注采单元数量。进一步的，所述步骤1中，注采井比例根据开发经验或试算法进行确定；所述步骤2中，提取几何边界时去除死网格。进一步的，所述步骤4包括：步骤41：在初始井位的基础上，随机增加一个注采单元，避免新加井位与初始井位重合，得到新的井位；步骤42：在新的井位下进行油藏数值模拟，获得全油藏日产油、日产水、日产气曲线，并计算采收率或净现值；步骤43：以采收率或净现值为目标函数，采用智能优化方法对所有的新的井位进行优化；步骤44：优化完成后，将所有新的井位置于最优井位，形成井网，记录井网的采收率或净现值，并判断采收率或净现值是否增加，若增加，则执行步骤41，否则，结束。进一步的，所述步骤43中，所述智能优化方法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法。进一步的，步骤5中，所述最合适的注采单元数量为注采单元的数量和采收率的关系曲线中净现值最大时对应的注采单元的数量；或者，所述最合适的注采单元数量为注采单元的数量和采收率的关系曲线中拐点对应的注采单元的数量。另一方面，本专利技术提供一种针对小断块油藏的最优井位部署装置，包括：第一确定模块：用于确定区块内的注采单元比例；提取模块：用于提取区块的几何边界；第二确定模块：在区块的几何边界内确定初始井位优化模块：用于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；选择模块：根据注采单元的数量和采收率的关系曲线和实际目标，选择最合适的注采单元数量。进一步的，所述第一确定模块中，注采井比例根据开发经验或试算法进行确定；提取模块中，提取几何边界时去除死网格。进一步的，所述优化模块包括：增加单元：用于在初始井位的基础上，随机增加一个注采单元，避免新加井位与初始井位重合，得到新的井位；数值模拟单元：用于在新的井位下进行油藏数值模拟，获得全油藏日产油、日产水、日产气曲线，并计算采收率或净现值；优化单元：用于以采收率或净现值为目标函数，采用智能优化方法对所有的新的井位进行优化；判断单元：用于优化完成后，将所有新的井位置于最优井位，形成井网，记录井网的采收率或净现值，并判断采收率或净现值是否增加，若增加，则跳转至增加单元，否则，结束。进一步的，所述优化单元中，所述智能优化方法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法。进一步的，所述选择模块中，所述最合适的注采单元数量为注采单元的数量和采收率的关系曲线中净现值最大时对应的注采单元的数量；或者，所述最合适的注采单元数量为注采单元的数量和采收率的关系曲线中拐点对应的注采单元的数量。本专利技术具有以下有益效果：1)本专利技术的优化方法是以地质模型的数值模拟结果为基础进行的智能优化，该区块的断块平面几何形态、断块规模、油砂体空间分布特征、储层非均质性、渗透率方向性等因素都会反映在地质模型中，所以本专利技术的针对小断块油藏的最优井位部署方法也是充分考虑了断块平面几何形态、断块规模、油砂体空间分布特征、储层非均质性、渗透率方向性等因素，给出适合该区块的布井方案，提高了油藏采收率或净现值。2)本专利技术克服了传统的人工对比的井网优化方法过分依赖人的经验、人工工作量大的缺点，同时克服了传统的智能井网优化方法收敛性差，且不能针对具体断层的最优井网的缺点，利用本专利技术获得的井位部署可以直接用于断块油气藏开发方案的设计和钻井施工。附图说明图1为本专利技术的针对小断块油藏的最优井位部署方法的流程图；图2为本专利技术的实施例1中区块的地质模型及渗透率分布；图3为本专利技术的实施例1中提取出的区块的几何边界；图4(a)为本专利技术的实施例1中布置第一个注采单元；图4(b)为本专利技术的实施例1中布置第二个注采单元；图4(c)为本专利技术的实施例1中布置第三个注采单元本文档来自技高网...

【技术保护点】
一种针对小断块油藏的最优井位部署方法，其特征在于，包括：步骤1：确定区块内的注采单元比例；步骤2：提取区块的几何边界；步骤3：在区块的几何边界内确定初始井位；步骤4：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；步骤5：根据注采单元的数量和采收率的关系曲线和实际目标，选择最合适的注采单元数量。

【技术特征摘要】
1.一种针对小断块油藏的最优井位部署方法，其特征在于，包括：步骤1：确定区块内的注采单元比例；步骤2：提取区块的几何边界；步骤3：在区块的几何边界内确定初始井位；步骤4：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；步骤5：根据注采单元的数量和采收率的关系曲线和实际目标，选择最合适的注采单元数量。2.根据权利要求1所述的针对小断块油藏的最优井位部署方法，其特征在于，所述步骤1中，所述注采单元中注入井和采出井的比例根据开发经验或试算法进行确定；所述步骤2中，提取几何边界时去除死网格。3.根据权利要求1所述的针对小断块油藏的最优井位部署方法，其特征在于，所述步骤4包括：步骤41：在初始井位的基础上，随机增加一个注采单元，避免新加井位与初始井位重合，得到新的井位；步骤42：在新的井位下进行油藏数值模拟，获得全油藏日产油、日产水、日产气曲线，并计算采收率或净现值；步骤43：以采收率或净现值为目标函数，采用智能优化方法对所有的新的井位进行优化；步骤44：优化完成后，将所有新的井位置于最优井位，形成井网，记录井网的采收率或净现值，并判断采收率或净现值是否增加，若增加，则执行步骤41，否则，结束。4.根据权利要求3所述的针对小断块油藏的最优井位部署方法，其特征在于，所述步骤43中，所述智能优化方法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法。5.根据权利要求3所述的针对小断块油藏的最优井位部署方法，其特征在于，所述步骤5中，所述最合适的注采单元数量为注采单元的数量和采收率的关系曲线中净现值最大时对应的注采单元的数量；或者，所述最合适的注采单元数量为注采单元的数量和采收率的关系曲线中拐点对应的注采单元的数量。6.一种针对小断块油藏的最优...

【专利技术属性】
技术研发人员：龚斌，刘玄，李俊超，
申请(专利权)人：南京特雷西能源科技有限公司，
类型：发明
国别省市：江苏,32