用于在历史拟合中寻求储层物性组合的非唯一解的方法及设备技术

本发明专利技术提供用于在历史拟合中寻求储层物性组合的非唯一解的方法及设备，该方法包括：接收油田历史数据，并将其划分为调整历史数据部分与验证历史数据部分；将针对所述储层物性组合的初始数据输入至一代理模型，以得到油田响应数据；优化所述储层物性组合，以使得该经优化的储层物性组合所对应的油田响应数据与所述调整历史数据部分的油田响应数据之间的误差最小化；将所述经优化的储层物性组合输入所述代理模型，得到该经优化的储层物性组合所对应的油田响应数据；将该经优化的储层物性组合所对应的油田响应数据与所述验证历史数据部分的油田响应数据进行匹配；以及如果两者相匹配，则将所述经优化的储层物性组合作为所述储层物性组合的非唯一解。

Method and equipment for finding non unique solution of reservoir physical property combination in history matching

【技术实现步骤摘要】
用于在历史拟合中寻求储层物性组合的非唯一解的方法及设备
本专利技术涉及石油勘探
，具体地涉及一种用于在历史拟合中寻求储层物性组合的非唯一解的方法及设备。
技术介绍
开采或压力历史匹配是建立可靠的数值模拟模型以研究多孔烃和盐水地层中的流体流动的最关键的储层工程和水文过程之一。历史匹配研究使用来自操作井的油田观测数据(例如，流体流速和压力测量)作为输入来确定储层参数，以准确地表征地下地质环境。通常，需要采用能够模拟地下流体传输的流体动力学行为的数学模型来计算与油田历史数据一致的油田响应数据。历史匹配研究是反复试验及纠错的过程，需要检查大量储层特性分布，并将模型预测与油田历史数据进行比较，直到获得满意的匹配。因此，历史匹配技术的最具挑战性的方面之一是如何减少该过程的计算开销。完全依赖于高保真度数值模拟模型可能需要过高的密集计算负荷。最近的研究工作已经成功地将机器学习算法结合在历史匹配工作流程中(例如，Rana,S.,Ertekin,T.,&King,G.R.(2018).AnEfficientProbabilisticAssistedHistoryMatchingToolUsingGaussianProcessesProxyModels:ApplicationtoCoalbedMethaneReservoir.ProceedingsofSPEAnnualTechnicalConferenceandExhibition.Dallas,Texas,USA:SPE.doi:10.2118/191655-MS；Esmaili,S.,&Shahab,D.(2016).Fullfieldreservoirmodelingofshaleassetsusingadvanceddata-drivenanalytics.GeoscienceFrontiers,7(1),11-20；以及Ramgulam,A.(2006).UtilizationofArtificialNeuralNetworksinTheOptimizationofHistoryMatching.UniversityPark,PA,USA:PennStateUniversity.)。此外，历史匹配是一种展现强非唯一性解特性的逆向求解过程。换句话说，存在多组储层物性，其可以使数值模拟模型预测与油田历史数据匹配。因此，如何识别所述模型的非唯一解是一个问题。当前的进展是采用Pareto前端解来建立解储存库，以收集各种历史匹配模型(例如，Negas,B.M.,Awang,M.,Jufar,S.R.,&Robert,A.J.(2016).HistorymatchingofthePUNQ-S3reservoirmodelusingproxymodelingandmulti-objectiveoptimizations.Proceedingsofthe2016InternationalConferenceonIndustrialEngineeringandOperationsManagement.KualaLumpur,Malaysia:IEOMSocietyInternational；以及Min,B.,Kang,J.M.,Chung,S.,Park,C.,&Jang,I.(2014).Pareto-basedmulti-objectivehistorymatchingwithrespecttoindividualproductionperformanceinaheterogeneousreservoir.JPSE,122,551-566.)。这种类别的工作使多个历史匹配误差最小化(多目标最小化)。然而，多个历史匹配错误必须在解储存库中彼此折衷。这种历史匹配工作不能接受这样一解：其对一组历史数据匹配得相当好，但对另一组数据匹配得不好。因此，通过Pareto前端方案构造的解储存库包含有限数量的合适的历史匹配解。此外，Pareto前端基础优化协议在每个迭代步骤中需要密集的排序过程，这潜在地增加了算法的计算开销(例如，Coello,C.A.,Pulido,G.T.,&Lechuga,M.S.(2004).Handlingmultipleobjectiveswithparticleswarmoptimization.EEETranactionsonevolutionarycomputation,8(3),256-279.)。从历史匹配研究的当前技术状态的文献调查中，没有成熟和实用的方法来解决历史匹配问题的非唯一性解问题，这给本专利技术带来了动机。
技术实现思路
本专利技术实施例的目的是提供一种用于在历史拟合中寻求储层物性组合的非唯一解的方法及设备，其可能够有效地找到非唯一解，而且更重要的是，由于每个解是通过调整和验证数据的不同组合获得和验证的，所以它通过数学模型代表了地下环境的通用物理解。为了实现上述目的，本专利技术实施例提供一种用于在历史拟合中寻求储层物性组合的非唯一解的方法，该方法包括：接收油田历史数据，并将该油田历史数据按照时间线划分为用于调整所述储层物性组合的调整历史数据部分与用于验证所述储层物性组合的验证历史数据部分；将针对所述储层物性组合的初始数据输入至一机器学习代理模型，以得到油田响应数据；基于所述调整历史数据部分，优化所述储层物性组合，以使得该经优化的储层物性组合所对应的油田响应数据与所述调整历史数据部分的油田响应数据之间的误差最小化；将所述经优化的储层物性组合输入所述机器学习代理模型，得到该经优化的储层物性组合所对应的油田响应数据；将该经优化的储层物性组合所对应的油田响应数据与所述验证历史数据部分的油田响应数据进行匹配；以及如果两者相匹配，则将所述经优化的储层物性组合作为所述储层物性组合的非唯一解。可选的，所述优化操作通过启发式优化器进行，其定义了不确定储层物性参数的搜索区间。可选的，所述机器学习代理模型是通过利用油田历史数据通过机器学习算法训练得到的。可选的，所述机器学习代理模型的计算速度比高保真度数值模拟模型小若干数量级。可选的，如果所述经优化的储层物性组合所对应的油田响应数据与所述验证历史数据部分的油田响应数据不匹配，则继续对所述储层物性组合进行优化。可选的，在获得所述储层物性组合的非唯一解之后，重新划分所述油田历史数据，并根据该重新划分后的油田历史数据，重新执行上述操作，以得到为所述储层物性组合的另一非唯一解。可选的，所述操作被迭代执行，直至所得到的所述储层物性组合的非唯一解的数量达到预设数量。相应地，本专利技术一实施例还提供用于在历史拟合中寻求储层物性组合的非唯一解的设备，该设备包括：数据划分模块，用于接收油田历史数据，并将该油田历史数据按照时间线划分为用于调整所述储层物性组合的调整历史数据部分与用于验证所述储层物性组合的验证历史数据部分；机器学习代理模型，用于接收针对所述储层物性组合的初始数据输入，并输出油田响应数据；优化器，用于基于所述调整历史本文档来自技高网...

【技术保护点】
1.一种用于在历史拟合中寻求储层物性组合的非唯一解的方法，该方法包括：/n接收油田历史数据，并将该油田历史数据按照时间线划分为用于调整所述储层物性组合的调整历史数据部分与用于验证所述储层物性组合的验证历史数据部分；/n将针对所述储层物性组合的初始数据输入至一机器学习代理模型，以得到油田响应数据；/n基于所述调整历史数据部分，优化所述储层物性组合，以使得该经优化的储层物性组合所对应的油田响应数据与所述调整历史数据部分的油田响应数据之间的误差最小化；/n将所述经优化的储层物性组合输入所述机器学习代理模型，得到该经优化的储层物性组合所对应的油田响应数据；/n将该经优化的储层物性组合所对应的油田响应数据与所述验证历史数据部分的油田响应数据进行匹配；以及/n如果两者相匹配，则将所述经优化的储层物性组合作为所述储层物性组合的非唯一解。/n

【技术特征摘要】
1.一种用于在历史拟合中寻求储层物性组合的非唯一解的方法，该方法包括：
接收油田历史数据，并将该油田历史数据按照时间线划分为用于调整所述储层物性组合的调整历史数据部分与用于验证所述储层物性组合的验证历史数据部分；
将针对所述储层物性组合的初始数据输入至一机器学习代理模型，以得到油田响应数据；
基于所述调整历史数据部分，优化所述储层物性组合，以使得该经优化的储层物性组合所对应的油田响应数据与所述调整历史数据部分的油田响应数据之间的误差最小化；
将所述经优化的储层物性组合输入所述机器学习代理模型，得到该经优化的储层物性组合所对应的油田响应数据；
将该经优化的储层物性组合所对应的油田响应数据与所述验证历史数据部分的油田响应数据进行匹配；以及
如果两者相匹配，则将所述经优化的储层物性组合作为所述储层物性组合的非唯一解。


2.根据权利要求1所述的方法，其中所述优化操作通过启发式优化器进行，其定义了不确定储层物性参数的搜索区间。


3.根据权利要求1所述的方法，其中所述机器学习代理模型是通过利用油田历史数据通过机器学习算法训练得到的。


4.根据权利要求1所述的方法，其中所述机器学习代理模型的计算速度比高保真度数值模拟模型小若干数量级。


5.根据权利要求1-4中任一项权利要求所述的方法，其中如果所述经优化的储层物性组合所对应的油田响应数据与所述验证历史数据部分的油田响应数据不匹配，则继续对所述储层物性组合进行优化。


6.根据权利要求1-4中任一项权利要求所述的方法，在获得所述储层物性组合的非唯一解之后，重新划分所述油田历史数据，并根据该重新划分后的油田历史数据，重新执行上述操作，以得到为所述储层物性组合的另一非唯一解。


7.根据权利要求6所述的方法，其中所述操作被迭代执行，直至所得到的所述储层物性组合的非唯一解的数量达到预设数量。


8.一种用于在历史拟合中寻求储层物性组合的非唯一解的设备，该设备包括：
数据划分模块，用于接收油田历史数据，并将该油田历史数据按照时间线划...

【专利技术属性】
技术研发人员：孙骞，张媌，
申请(专利权)人：孙骞，张媌，
类型：发明
国别省市：山东;37