【技术实现步骤摘要】
基于GPU分布式并行计算的多尺度孔隙网络多相渗流模拟方法
本专利技术涉及油气田开发技术，尤其涉及一种基于GPU分布式并行计算的多尺度孔隙网络多相渗流模拟方法。
技术介绍
目前，现有的孔隙网络建模和模拟技术主要的研究和应用对象是基于CT扫描技术构建的孔隙网络模型，这类模型的特点是建模结果相对较为精确，但是尺度很小，模型的长宽高均小于1毫米；相应地，孔隙网络模型中流体流动的模拟算法较为原始，多数模拟算法仅考虑孔喉的毛管力对流体流动的影响；而且油藏尺度孔隙网络模型与渗流模拟方法相结合将产生大规模(1亿以上)稀疏矩阵数据体，导致传统的计算方法无力胜任后续的模拟研究和分析工作，阻碍了油气开采技术的进一步发展。在现有的高性能计算框架中，工作节点都是与CPU的物理核心相对应的，在硬件上CPU的物理核心较为有限，目前消费级计算机的中高端CPU通常也不超过8个物理核心，如果要增加工作节点的数量，就需要增加CPU的数量才能实现，而通过这种方式增加工作节点无疑增加了成本且管理起来也比较复杂，而且增加的工作节点也很有限，远远不足以达...
【技术保护点】
1.基于GPU分布并行计算的多尺度孔隙网络多相渗流模拟方法，其特征在于：所述模拟方法包括：/n计算孔隙网络模型中个管束传导率、根据质量守恒定律求解模型压力场和模型边界条件；/n根据孔隙网络模型的结构建立矩阵形式的数据体，并将该数据体进行区域分解和COO稀疏矩阵压缩存储转换；/n在区域分解的基础上通过GPU分布式计算确定各区域内注入水可流动的管束通道，并根据流体界面的位置和压力计算时间步长；/n在区域分解的基础上通过GPU分布式计算个区域内流体界面在最小时间步长Δt
【技术特征摘要】
1.基于GPU分布并行计算的多尺度孔隙网络多相渗流模拟方法，其特征在于：所述模拟方法包括：
计算孔隙网络模型中个管束传导率、根据质量守恒定律求解模型压力场和模型边界条件；
根据孔隙网络模型的结构建立矩阵形式的数据体，并将该数据体进行区域分解和COO稀疏矩阵压缩存储转换；
在区域分解的基础上通过GPU分布式计算确定各区域内注入水可流动的管束通道，并根据流体界面的位置和压力计算时间步长；
在区域分解的基础上通过GPU分布式计算个区域内流体界面在最小时间步长Δtmin内的位移，更新各个区域内管束传导率；
在流体界面发生位移后通过GPU分布式计算求解更新流体压力场；
在区域分解的基础上GPU分布式计算模型含水饱和度以及出口端的流体流速；
达到终止条件后则输出模拟结果。
2.根据权利要求1所述的基于GPU分布并行计算的多尺度孔隙网络多相渗流模拟方法，其特征在于：所述模拟方法还包括如果没有达到终止条件，则回到在区域分解的基础上通过GPU分布式计算确定各区域内注入水可流动的管束通道，并根据流体界面的位置和压力计算时间步长步骤继续执行。
3.根据权利要求2所述的基于GPU分布并行计算的多尺度孔隙网络多相渗流模拟方法，其特征在于：所述计算孔隙网络模型中个管束传导率、根据质量守恒定律求解模型压力场和模型边界条件包括：
根据两相流体在孔隙网络模型中的流动确定孔喉i与j节点之间的流量为进而得到管束传导率
根据两相渗流中每个节点的总体积流量满足守恒规律，构建线性方程组并采用代数多重网格法对其求解，得到当前时刻所用孔隙节点的压力；
将线性方程变换为[A][X]＝[B]的矩阵方程，其中[A]为水力传导率系数矩阵，[X]为孔隙网络全部节点的压力矩阵，[B]为与初始和边界条件有关的矩阵。
4.根据权利要求1所述的基于GPU分布并行计算的多尺度孔隙网络多相渗流模拟方法，其特征在于：所述根据孔隙网络模型的结构建立矩阵形式的数据体，并将该数据体进行区域分解和COO稀疏矩阵压缩存储转换包括：
将孔隙网络模型转换为稠密矩阵的形式，并将表示孔隙网络模型的孔喉长度、孔喉半径、毛管压力和水力传导率参数在稠密矩阵中用第一符号表示，稠密矩阵中剩余位置用第二符号表示；
将稠密矩阵中的数据体均匀分割为多个COO稀疏矩阵中的COO数据体后压缩存储到不同的GPU上，该COO数据中只存储稠密矩阵中用第一符号表示的参数，且同一COO数据体中同时存储有某一个管束两端的压力值prow和pcol，以保证管束两端的压力值存储在同一个GPU上，从而减少区域分解后不同GPU之间的数据通信开销，提高并行计算效率。
5.根据权利要求3所述的基于GPU分布并...
【专利技术属性】
技术研发人员：唐雁冰，李闽，李晨曦，李成中，李凤，
申请(专利权)人：唐雁冰，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。