一种多井系统水驱油藏注采参数智能优化方法技术方案

本发明专利技术公开了一种多井系统水驱油藏注采参数智能优化方法，涉及智能油田开发领域。方法包括以下步骤；确定多井系统水驱油藏待优化注采参数及取值范围，生成n组不同注采参数组合的开发方案；构建多井系统注采开发油藏地质模型，并对n组不同注采开发方案进行数值模拟，获得相对应的油藏生产净现值；基于多元自适应样条回归算法等，构建出水驱油藏开发生产的代理模型，以实现油藏生产净现值最大为优化目标，使用粒子群算法等对注采参数进行优化，求得最佳注采参数组合；根据求得的最佳注采参数组合，对油藏水驱开发策略进行优化调整。本方法克服了传统水驱油藏注采参数优化调整方法过于依赖于经验、耗时耗力、且很难找到真正的最佳解决方案的弊端。最佳解决方案的弊端。最佳解决方案的弊端。

【技术实现步骤摘要】
一种多井系统水驱油藏注采参数智能优化方法


[0001]本专利技术涉及智能油田开发领域，具体涉及一种多井系统水驱油藏注采参数智能优化方法。

技术介绍

[0002]由于注水工艺相对比较简单，水源容易获得，注水开发已成为当今国内油田的主要开发方式。据统计，国内注水油田储量约占油田总储量的80％。
[0003]但随着注水开发的不断深入，多数油田已经进入含水量高、采出程度高的老油田开发阶段。油田的非均质性越来越严重，生产技术难度也越来越大，开采成本随之也越来越高。
[0004]众所周知，水驱过程中注采参数设置的是否合理是影响最终水驱开发效果的关键。国内传统水驱油藏注采参数的调整优化主要有两种方式。第一，经验法(油藏工程方法)。油藏工程师基于个人的经验，人工设计多组不同取值的注采参数方案，并利用油藏数值模拟的方法进行方案的对比优选。但此类方法过于依赖工程师的经验。对于多井系统油藏来讲，数值模拟往往耗时较长，且很难找到真正的最佳解决方案。第二，试验法(正交试验设计法)。油藏工程师选出有代表性的注采参数组合进行现场试验。虽然此类方法比较符合生产实际，但是这种方法也存在耗费过多人力物力的弊端，且比较好的注采方案基本还是维持在原来试验所限定的范围内。

技术实现思路

[0005]本专利技术的目的是针对上述不足，提出了一种首先基于多元自适应样条回归等机器学习算法，构建油藏水驱开发生产的代理模型，再以实现油藏生产净现值(NPV)最大为优化目标，使用粒子群等算法对注采参数进行优化，求得最优注采参数组合方案的多井系统水驱油藏注采参数智能优化方法。
[0006]本专利技术具体采用如下技术方案：
[0007]一种多井系统水驱油藏注采参数智能优化方法，包括以下步骤：
[0008]步骤1，分析并确定多井系统水驱油藏待优化注采参数，基于待优化参数取值的上、下限，使用拉丁超立方采样方法生成n组不同注采参数组合的开发方案；
[0009]步骤2，构建包括孔隙度、注采井位、渗透率在内的多井系统注采开发油藏地质模型，基于该模型对n组注采参数方案分别进行数值模拟，收集相对应的油藏水驱开发净现值，构建水驱油田开发生产大数据集；
[0010]步骤3，将n组不同注采参数方案以及相对应的油藏净现值代入多元自适应样条回归模型机器学习方法，训练出能够替代油藏数值模拟的水驱油藏开发的代理模型；
[0011]步骤4，以实现油藏生产净现值最大为优化目标，构建水驱油藏注采参数的优化模型，并采用粒子群算法对注采参数进行优化，求得最佳注采参数组合方案，实现对水驱油藏注采参数的优化调整。
[0012]优选地，步骤2中，构建水驱油田开发生产大数据集过程中，油藏水驱开发净现值采用式(1)计算：
[0013][0014]其中，NPV代表油藏水驱开发净现值；n代表油藏生产年限；Np代表生产井总数；N
j
代表注水井总数；P
ot
代表第t个计算期内原油价格；P
wt
代表第t个计算期内处理水价格；P
w2t
代表第t个计算期内注入水价格；Q
o，it
代表第t个计算期内第i口生产井的累计采油量，Q
w，it
代表第t个计算期内第i口生产井的累计产水量；Q
w2，jt
代表第t个计算期内第j口注水井的累计注水量；e代表企业折现率。
[0015]优选地，步骤3中，采用的多元自适应样条回归模型机器学习方法包括多元自适应回归样条、最小二乘支持向量机、反向传播神经网络，依次对数据样本进行回归拟合和预测，并引入均方根误差、平均绝对误差、确定系数指标进行评估。
[0016]优选地，步骤4中，构建的优化模型如式(2)、(3)所示，
[0017]max NPV＝F(u
n
)
[0018]s.t U
min
≤u
n
≤U
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0019][0020]其中，u
n
为代表第n调控步内油藏待优化注采参数；代表生产井井底压力、代表生产井采液速度、代表注水压力。
[0021]本专利技术具有如下有益效果：
[0022]与传统水驱油藏注采参数的调整优化方法相比，本方法提出的智能优化方法，方法新颖，简单易行，不需要耗费太多的人力和物力，且优化后的结果与经验无关，更容易达到油藏最佳开发效果。
附图说明
[0023]图1为多井系统水驱油藏注采参数智能优化方法结构框图；
[0024]图2为五点法开采井网布置图；
[0025]图3为MARS模型期待值与回归结果对比图；
[0026]图4为LS
‑
SVM模型期待值与回归结果对比图；
[0027]图5为BP模型期待值与回归结果对比图；
[0028]图6为三种回归模型的预测结果与期待值对比图；
[0029]图7为三种回归模型下的预测误差图；
[0030]图8为GA优化迭代进程图；
[0031]图9为SA优化迭代进程图；
[0032]图10为PSO优化迭代进程图。
具体实施方式
[0033]下面结合附图和具体实施例对本专利技术的具体实施方式做进一步说明：
[0034]结合图1，多井系统水驱油藏注采参数智能优化方法，包括以下步骤：
[0035]步骤1，分析并确定多井系统水驱油藏待优化注采参数，基于待优化参数取值的上、下限，使用拉丁超立方采样方法生成n组不同注采参数组合的开发方案。
[0036]油藏注采参数的设置的是否合理是影响最终水驱开发效果的关键。通常，水驱过程中生产井和注水井一切可以设计的参数都可以用做水驱油藏待优化注采参数。本方案选取了生产井井底压力、注水井井底压力以及采液速度三个参数作为待优化对象，并确定了参数取值上、下限。基于待优化参数取值范围，本专利技术实例采用拉丁超立方抽样(LHS)的方法获取n组随机注采参数方案。LHS算法完全避免了抽样坍塌性，同时保留蒙特卡罗模拟法的优点，能够在本质上很大程度地改进抽样效率。
[0037]步骤2，构建包括孔隙度、注采井位、渗透率在内的多井系统注采开发油藏地质模型，基于该模型对n组注采参数方案分别进行数值模拟，收集相对应的油藏水驱开发净现值，构建水驱油田开发生产大数据集；
[0038]构建水驱油田开发生产大数据集过程中，为了简化问题，本专利技术实例只考虑油田原油销售的收入、处理生产井产生水的成本以及将水泵入注入井的成本，油藏水驱开发净现值采用式(1)计算：
[0039][0040]其中，NPV代表油藏水驱开发净现值；n代表油藏生产年限；Np代表生产井总数；N
j
代表注水井总数；P
ot
代表第t个计算期内原油价格；P
wt
代表第t个计算期内处理水价格；P
w2t
代表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多井系统水驱油藏注采参数智能优化方法，其特征在于，包括以下步骤：步骤1，分析并确定多井系统水驱油藏待优化注采参数，基于待优化参数取值的上、下限，使用拉丁超立方采样方法生成n组不同注采参数组合的开发方案；步骤2，构建包括孔隙度、注采井位、渗透率在内的多井系统注采开发油藏地质模型，基于该模型对n组注采参数方案分别进行数值模拟，收集相对应的油藏水驱开发净现值，构建水驱油田开发生产大数据集；步骤3，将n组不同注采参数方案以及相对应的油藏净现值代入多元自适应样条回归模型机器学习方法，训练出能够替代油藏数值模拟的水驱油藏开发的代理模型；步骤4，以实现油藏生产净现值最大为优化目标，构建水驱油藏注采参数的优化模型，并采用粒子群算法对注采参数进行优化，求得最佳注采参数组合方案，实现对水驱油藏注采参数的优化调整。2.如权利要求1所述的一种多井系统水驱油藏注采参数智能优化方法，其特征在于，步骤2中，构建水驱油田开发生产大数据集过程中，油藏水驱开发净现值采用式(1)计算：其中，NPV代表油藏水驱开发净现值；n代表油藏生产年限；Np代表生产井总数；N
j
代表注水井总数；P
ot
代表第t个计算期内原油价格；P
wt
代表第t个...

【专利技术属性】
技术研发人员：徐建春，曲尚浩，樊灵，李航宇，王晓璞，刘树阳，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：