地面管网与地下油藏复杂系统生产优化方法技术方案

本发明专利技术涉及一种地面管网与地下油藏复杂系统生产优化方法，包括以下步骤：选定需要进行注采制度调整的海上油田群及油田区块；建立海上油田群“多级递进式”生产‑集输结构模型；建立地面管网与地下油藏复杂系统生产优化数学模型；通过对油田现场统计资料或有限次油藏数值模拟结果的整理形成时间序列数据，并生成训练、验证深度学习模型所需的样本点；建立基于长短期记忆网络的油藏数值模拟代理模型，并进行训练和参数调整；基于长短期记忆网络代理模型和协方差矩阵自适应进化策略进行优化求解；验证海上油田群的注采制度优化调整效果。本发明专利技术能够在海上设施液量能力限制等多约束条件下，对海上油田群中多个油田区块的注采制度进行快速、统筹优化。

【技术实现步骤摘要】
地面管网与地下油藏复杂系统生产优化方法
本专利技术属于油气田开发领域，具体地，涉及一种地面管网与地下油藏复杂系统生产优化方法。
技术介绍
在中国海上油田生产开发的当前阶段，大多数海上油田(如：渤海、南海等海域的油田群)以大型整装油田区块为主体，带动邻近的小型油田区块同时进行开发，其在生产开发过程中共用一套生产-集输系统，从而构成了既相对独立又整体相连的区域一体化开发模式。但随着开发程度的逐步深入，区域联合开发的海上油田群面临着众多日益严峻的问题：一，大多数海上油田区块已进入中、高含水开发阶段，出现了较为明显的产量递减现象；二，海上油田受到特殊的地理环境制约，新建设施所花费的成本高昂，而依靠当前生产-集输系统的总液量处理能力不足以再实施提液增产的措施；三，由于生产开发行为所带来的影响，各个油田区块的生产潜力已经发生变化，其实际情况与最初的设计工况出现了明显的差异。因此，如何在保持目前总液量能力基本不变的前提下对海上油田群的注采制度进行调整成为一个亟待解决的问题。目前，在解决油田的注采制度调整问题时，基于油藏数值模拟器的油田生产优化方法是石油领域的众多学者和现场工程师常常采用的一种传统方法。尽管也有少数学者开始将神经网络模型应用于油田生产优化问题中，但将深度学习模型作为油藏数值模拟器的代理模型进而应用于油田生产优化问题的相关研究则鲜有发表。油藏数值模拟方法是使用油藏数值模拟软件，通过油田现场的地质资料、地层物性参数、流体物性参数、试井参数以及生产历史参数等数据对特定的油田区块构建数值模拟模型并开展历史拟合，从而得到一个可以精确评估不同开发方案的开发效果的油藏数值模型。传统的油田生产优化方法则是在确定的(或不断更新的)油藏数值模拟模型的基础上，利用最优化方法并结合油藏数值模拟技术对规定的生产开发周期内注采井的控制参数(如注入井的日注入量、生产井的日产液量、注采井的井底流压等)进行优化调整，从而制定出这一生产开发周期中最优的油田生产开发制度，以获得最大的原油产出和经济效益。然而，由于海上油田群所包含区块数和注采井数较多、各区块油藏数值模拟过程的计算成本高昂、现有优化算法(基于梯度的优化算法和无梯度优化算法)对油藏数值模拟器的调用次数频繁，所以传统的基于油藏数值模拟器的油田生产优化方法不再适用于区域联合开发的海上油田群的生产-集输一体化优化问题。解决这一困难的一个重要方法就是为油藏数值模拟器建立代理模型。代理模型方法是一种基于数据驱动的方法，该方法以数值模拟器的输入参数和输出状态分别作为代理模型的输入、输出数据，并利用优化算法对模型的参数进行优化计算，其本质是一个回归问题。代理模型的优势在于用较为简单的数学计算过程代替了动态系统数值模拟器内部的复杂计算过程，且不需要知道数值模拟器内部的计算原理。目前，该方法也逐渐被应用于油气田开发工程领域，而所用到的主要代理模型包括高斯过程回归模型、前馈神经网络模型和径向基函数网络模型等。但是现阶段的研究大部分以单井而非油藏数值模拟器为对象建立的代理模型，并未考虑油田生产的整体性以及各注采井之间的相互影响，同时其所采用的模型均没有对油田区块生产数据的时序特性进行挖掘和利用。深度学习方法是一种以人工神经网络为架构，对数据进行表征学习的算法。至今，世界上已开发出多种深度学习模型并形成了很好的应用范例，如深度神经网络、卷积神经网络、循环神经网络和深度置信网络等已被广泛应用于计算机视觉、自然语言处理、语音识别与生物信息学等领域。其中，循环神经网络(RecurrentNeuralNetwork,RNN)作为一种典型的深度学习方法，能够接受任意大小的输入、并产生任意大小的输出数据，同时其还具有对输入数据在时间维度上的长度无要求、可以学习数据内的时序关系等特性。综上所述，需要提供一种基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法。
技术实现思路
有鉴于此，本专利技术针对上述问题，提供了一种基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法：该方法使用油田生产开发历史数据和基于有限次油藏数值模拟产生的未来一定周期内的生产开发数据生成样本点，利用Python编程语言和Keras深度学习框架搭建深度学习模型并进行训练，作为油藏数值模拟的代理模型，用于预测油田在未来生产开发周期内、一定注采制度下的生产动态参数；随后以净现值为目标函数、以注采制度为决策变量，考虑管网设施的液量约束，并采用协方差矩阵自适应进化策略结合深度学习代理模型进行求解，从而实现了地面管网与地下油藏复杂系统的生产优化。为实现上述目的，本专利技术采用下述技术方案：地面管网与地下油藏复杂系统生产优化方法，包括以下步骤：选定需要进行注采制度调整的海上油田群及油田区块；建立海上油田群“多级递进式”生产-集输结构模型；建立地面管网与地下油藏复杂系统生产优化数学模型(包括目标函数、决策变量和约束条件)；通过对油田现场统计资料或有限次油藏数值模拟结果的整理形成时间序列数据并进行归一化处理，随后采用变宽度滑移时间窗采样方法生成训练、验证深度学习模型所需的样本点；建立基于长短期记忆网络的油藏数值模拟代理模型，并进行训练和参数调整；基于长短期记忆网络代理模型和协方差矩阵自适应进化策略对注采调整优化问题进行求解；验证海上油田群的注采制度优化调整效果。与现有技术相比，本专利技术可以获得以下技术效果：1、充分考虑了油田区块生产数据的时间序列特性，并利用循环神经网络能够对时间序列数据进行高效处理和精准预测的强大优势，对油田区块生产数据在时间维度上的关系进行了深入挖掘，实现了有限次油藏数值模拟下的代理模型的构建和变时间步长的油田区块生产动态预测；2、所需要的数据均可以通过油田现场统计资料或油藏数值模拟结果获取，可以对LSTM模型进行实时训练和保存，同时可以通过读取预训练的LSTM模型进行油田区块的生产动态预测，耗费时间短、预测精度高；3、实现海上油田群的注采制度优化调整所需要的时间成本低，并且能够在多约束条件下对所包含的多个油田区块的注采制度进行统筹优化，进一步提高了海上油田有限资源的利用率；4、操作过程简便，现场实用性强，对于解决地面管网与地下油藏复杂系统生产优化问题、改善海上油田群的注采调整过程、提高海上油田的生产开发效益和有限资源的利用率具有重要意义。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有技术效果。附图说明图1是地面管网与地下油藏复杂系统生产优化方法流程示意图；图2是海上油田群生产-集输管网的“四级递进式”生产-集输结构模型；图3是目标油田区块的网格化示意图。具体实施方式如图1所示，基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法，包括以下步骤：S1、选定目标油田区块，采集相关数据。选定某海上油田群的区块C和区块N，分别对其进行编号为1和2。各油田区块的编号用字母a(a＝1,…,NB)进行表示，其中NB＝2表示海上油田群中的油田区块个数。同时，采集两个区块的Eclipse油藏数值模本文档来自技高网...

【技术保护点】
1.一种基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法，包括以下步骤：/nS1、选定目标油田区块，采集相关数据/nS2、建立海上油田群的“多级递进式”生产-集输结构模型/nS3、建立地面管网与地下油藏复杂系统生产优化数学模型/nS4、采用拉丁超立方采样方法设计生产优化周期内的注采制度/nS5、开展油藏数值模拟，并统计生产动态参数/nS6、对时间序列数据进行归一化处理/nS7、采用变宽度滑移时间窗采样方法从时间序列数据中采集样本点/nS8、使用深度学习模型中的长短期记忆网络建立油藏数值模拟的代理模型/nS9、训练和验证LSTM网络油藏数值模拟代理模型/nS10、基于LSTM网络油藏数值模拟代理模型和CMA-ES算法进行求解/nS11、验证海上油田群的注采制度优化调整效果。/n

【技术特征摘要】
1.一种基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法，包括以下步骤：
S1、选定目标油田区块，采集相关数据
S2、建立海上油田群的“多级递进式”生产-集输结构模型
S3、建立地面管网与地下油藏复杂系统生产优化数学模型
S4、采用拉丁超立方采样方法设计生产优化周期内的注采制度
S5、开展油藏数值模拟，并统计生产动态参数
S6、对时间序列数据进行归一化处理
S7、采用变宽度滑移时间窗采样方法从时间序列数据中采集样本点
S8、使用深度学习模型中的长短期记忆网络建立油藏数值模拟的代理模型
S9、训练和验证LSTM网络油藏数值模拟代理模型
S10、基于LSTM网络油藏数值模拟代理模型和CMA-ES算法进行求解
S11、验证海上油田群的注采制度优化调整效果。


2.根据权利要求1所述的基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法，其特征在于，S1步骤如下：
选定海上油田群的区块C和区块N，分别对其进行编号为1和2；各油田区块的编号用字母a(a＝1,…,NB)进行表示，其中NB＝2表示海上油田群中的油田区块个数；同时，采集两个区块的Eclipse油藏数值模拟模型数据、生产历史数据，其中区块C有40口生产井、22口注入井，区块N有10口生产井、7口注入井。


3.根据权利要求1-2所述的基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法，其特征在于，S2步骤如下：
对海上油田群的生产-集输系统的结构进行分析，建立海上油田群生产-集输管网的“多级递进式”生产-集输结构模型；海上油田群的生产-集输系统由油田区块生产系统和多级集输管网系统两部分构成；其中，油田区块生产系统是地层流体的产出源头，包括地下储层以及与其相连接的注入井、生产井；而多级集输管网系统则是负责将产出的地下流体简单处理并汇至一处，最终输送至原油处理储集厂，该系统包括井组平台、中心平台、陆地终端处理站或浮式生产储油船(FloatingProductionStorageandOffloading，FPSO)；两个系统的各个组成部分构成了海上油田群生产-集输系统网络的各级节点，其间依靠管线进行连接；
海上油田群在进行生产开发时，所产出的流体在各级节点间的流动过程包含以下几个环节：(1)地下流体由油藏经过孔隙通道流向生产井；(2)生产井流体汇集至井组平台，再经由输油管线流向中心平台；(3)流体通过中心平台的简单液处理后，经过输送管线流向FPSO或陆地终端。


4.根据权利要求1-3所述的基于深度学习模型的地面管网与地下油藏复杂系统生产优化方法，其特征在于，S3步骤如下：
选择海上油田群在注采制度调整过程中要优化的决策变量(一般为注采调整周期内所有生产井和注入井的注采制度)，依据“多级递进式”生产-集输结构模型，计算或统计建立目标函数和约束条件时所需的数据，为地面管网与地下油藏复杂系统生产优化问题建立最优化数学模型(包括决策变量、目标函数及约束条件)；
本发明中待优化的决策变量为注采调整周期内的调控时间步长、所有生产井的日产液量、所有注入井的日注入量，其数学描述为：



式中，x代表海上油田群在注采调整过程中的控制变量；xa代表第a个油田区块在注采调整过程中的控制变量；表示第a个油田区块在第n时间步时的调控时间步长，d；代表第a个油田区块、第i口注入井在第n时间步时的日注水量，sm3/d；代表第a个油田区块、第j口生产井在第n时间步时的日产液量，sm3/d；代表第a个油田区块在第n时间步时的累积生产时间(即为注采调整周期)，d；Nt代表各油田区块注采调整周期内总的调控时间步数，步；Ninj,a代表第a个油田区块的注入井总数，口；Nprod,a代表第a个油田区块的生产井总数，口；
以最佳经济效益作为核心目标，考虑项目的投入、产出以及资金的时间价值，把油田注采调整周期内的净现值(NetPresentValue，NPV)作为油田注采制度调整过程中的目标函数，其具体计算公式如下：



其中，



式中，f代表海上油田群的总NPV值，￥；fa代表第a个油田区块的总NPV值，￥；代表第n时间步时单位体积原油的销售价格，￥/sm3；代表第n时间步时单位体积产出水的处理成本，￥/sm3；代表第n时间步时单位体积天然气的销售价格，￥/sm3；代表第n时间步时单位体积注入水的成本，￥/sm3；和分别代表第n时间步时第a个油田区块、第j口生产井的日产油量、日产水量和日产气量，sm3/d；b代表年度折现率；Cprod,a和Cinj,a分别代表第a个油田区块生产井和注入井的平均钻、完井费用，￥；
约束条件主要包括各个油田区块中单井日注采量的上限和下限、各个油田区块日产液量的上限和下限以及海上油田群生产-集输设施中各级节点的液量处理能力，其表达式和确定方式为：
各个油田区块中，注采井单井日注采量的约束表达式如下：



式中，ql,max,a代表根据现场经验而设定的第a个油田区块的生产井最大日产液量，sm3/d；qinj,max,a代表根据现场经验而设定的第a个油田区块的注入井最大日注入量，sm3/d；
对于各个油田区块的单井日注采量而言，其下限值可以设置为0，当优化后的决策变量值趋近于0时，则表示该生产井或注入井可能需要采取关井或注采转换等操作；而其上限值可以根据油田现场工程师的实际操作经验来设定；
各个油田区块日产液量的约束表达式如下：



式中，QB,l,min,a代表第a个油田区块的日产液量经济极限，sm3/d；代表第n时间步时第a个油田区块、第j口生产井的日产液量，sm3/d；QB,l,max,a代表第a个油田区块的最大日产液量，sm3/d；
对于各个油田区块的最大日产液量而言，其计算公式如下：



式中，Nprod,a代表第a个油田区块的生产井总数，口；代表第a个油田区块井网单元内所有生产井的平均采液指数，sm3/(d·MPa)；代表第a个油田区块井网单元内所有注入井的平均吸水指数，sm3/(d·MPa)；代表第a个油田区块井网单元内所有生产井的平...

【专利技术属性】
技术研发人员：姚传进，张凯，卢俞辰，刘凡，樊灵，翟亮，徐耀东，姚军，刘均荣，张黎明，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37