【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 ...
【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
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。