【技术实现步骤摘要】
用于预测和控制油气储层压力的系统和方法
[0001]本公开内容涉及用于预测和控制油气储层压力以优化油气生产的基于神经网络的系统和方法。
技术介绍
[0002]将油气(例如,天然气、石油等)储层的储层压力维持在合理的水平对于确保油气生产的连续性至关重要,这最终旨在提高油气采收率。在此和在下文中,储层压力是指流体(例如,石油、水、分离剂等)在储层的地质构造的孔隙和裂缝中的压力,其对应于负责使流体在储层内移动的储层的流体动力能。
[0003]压力维持方案的实现通常包括注入井的钻井,其中,用于压力维持的注入流体最常见的是水和分离剂或残余气体。压力维持方案的有效性主要依赖于注入井位置的正确性以及注入流体被注入到储层的速率与油气提取的速率的平衡。这通常被称为与油气储层或其一部分(例如,储层的扇区)的给定压力维持要求(PMR)相一致的注入生产计划(IPP)。监测储层压力和IPP性能的标准方法是在稳态储层条件下通过测量仪测量井底压力。这种操作通常需要调动专门的井介入装备以及长时间关闭生产井或注入井。
[0004]因此,由于整体的物流繁琐和生产的自愿损失,实际上不可能同时获取所有井的压力数据。可替选地,储层模拟模型用于模拟生产
‑
注入方案,以了解不同区域上的合成压力分布。然而,储层模型的预测性能在很大程度上取决于储层模型匹配的质量,这通常随着可用的测量压力数据的稀疏性而劣化。此外,优化涉及密集的储层模拟,这通常需要大量的时间、精力和计算资源。因此,使用这种方法不可能进行时间约束决策。更具体地,为了确保
【技术保护点】
【技术特征摘要】
1.一种用于生成经训练的图神经网络模型GNNM的计算机实现的方法,所述经训练的GNNM用于预测油气田的油气储层的压力分布的时间演变,所述方法包括:获得所述油气田的一个或更多个储层的地质储层信息和初始空间压力分布;基于所述地质储层信息和所述初始空间压力分布生成所选扇区的计算扇区模型,所选扇区包括形成栅格或网格的多个建模单元;使用所述计算扇区模型生成所选扇区的模拟时空压力分布的训练集,每个时空压力分布针对对应的训练注入生产计划TIPP生成;使用所述油气田的一个或更多个储层的地质储层信息和初始空间压力分布对所选扇区的GNNM进行初始化;以及使用所选扇区的模拟时空压力分布的训练集对所述GNNM进行训练。2.根据权利要求1所述的方法,还包括:从所述油气田的历史匹配的储层模拟模型获得时空压力分布;以及其中,从由所述油气田的历史匹配的储层模拟模型获得的时空压力分布获得所选扇区的初始空间压力分布。3.根据权利要求1所述的方法,其中,所述GNNM包括一个或更多个图处理单元,所述一个或更多个图处理单元被配置成处理输入图以获得输出图,每个输出图具有图结构,所述图结构具有多个节点和边缘,其中,所述输入图表示所选扇区在时间t处的全局储层参数和时空压力分布,并且所述输出图表示所选扇区在时间t+Δt处的全局储层参数和时空压力分布。4.根据权利要求3所述的方法,其中,所述节点与所述计算扇区模型的对应单元的局部储层压力相关联,并且其中,所述边缘与流体渗透率或流体透过率相关联,所述流体渗透率或流体透过率与所述计算扇区模型的相邻单元之间的连接性相关联。5.根据权利要求3所述的方法,其中,对所述GNNM进行初始化和/或处理输入图包括:生成方向导数图并将所述方向导数图与所述输入图连接以形成梯度图。6.根据权利要求5所述的方法,还包括:建立递归图网络RGN,所述RGN将所述梯度图与从所述油气田的历史匹配的储层模拟模型获得的时空压力分布相结合;以及通过使使用所述GNNM预测的时空压力分布与地面实况时空压力分布之间的差的和最小化来优化所述RGN。7.根据权利要求1所述的方法,其中,所述训练集包括所选扇区的多于103或多于104个时空压力分布,其中,每个时空压力分布对应于不同的TIPP,并且其中,每个时空压力分布包括所选扇区的多于103或104个空间压力分布的时间序列;以及/或者其中,所述油气田的历史匹配的储层模拟模型提供所述油气储层的地质特征,并且允许针对每个注入生产计划提取三维储层压力分布的时间序列。8.一种用于控制油气田的油气储层的储层压力的计算机实现的方法,包括:获得扇区图神经网络模型GNNM,所述扇区GNNM被训练用于预测所述油气储层的所选扇区的时空压力分布;至少部分地基于所述油气储层的测量的压力分布,将所述扇区GNNM推广到所述油气储
层的储层GNNM;获得与所述油气储层相关联的当前注入生产计划CIPP;使用所述储层GNNM和所述CIPP预测所述油气储层的压力分布;以及基于所述油气储层的所预测的压力分布调整所述CIPP以优化从所述油气储层的油气提取。9.根据权利要求8所述的方法,其中,通过根据权利要求1至7中的一项所述的方法获得经训练的扇区GNNM。10.根据权利要求9所述的方法,其中,所述扇区GNNM和所述储层GNNM包括使用编码器
‑
处理器
‑
解码器架构的网格
‑
图神经网络模型。11.根据权利要求8所述的方法,所述方法还包括:获得包括与第一储层GNNM不同的网络参数的第二储层GNNM;至少部分地基于所述油气储层的一组测量的时空储层压力分布来计算所述第一储层GNNM和第二储层GNNM的可靠性度量;以及基于所述可靠性度量来选择第一储层GNNM或第二储层GNNM以预测所述油气储层的储层压力分布。12.根据权利要求8所述的方法,其中,调整所述...
【专利技术属性】
技术研发人员:穆罕默德,
申请(专利权)人:阿布扎比国家石油公司,
类型:发明
国别省市:
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。