申请/专利权人：南京特雷西能源科技有限公司

申请日：2017-10-23

公开（公告）日：2020-03-17

公开（公告）号：CN107766978B

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q50/02(20120101)

优先权：

专利状态码：有效-授权

法律状态：2020.03.17#授权;2018.03.30#实质审查的生效;2018.03.06#公开

摘要：本发明公开了一种不规则井网的智能优化方法，属于石油开采技术领域。本发明包括：提取区块的几何边界；生成待优化的初始井网参数：排距、井距和井排方向；任意选择一点作为生成初始井网的原点，生成基本井排，移动所述基本井排，生成初始井网；在所述初始井网下进行油藏数值模拟，获得全油藏日产油、日产水、和日产气曲线；以采收率或净现值为目标函数，采用智能优化方法对所述初始井网参数进行优化，得到最优参数组合；根据得到的最优参数组合，生成最优井网。本发明充分考虑到油藏边界和断层位置、储层各向异性、非均质性、裂缝发育区域等因素，且能提高油藏采收率或净现值，能直接用于油气藏开发方案的设计和钻井施工。

主权项：1.一种不规则井网的智能优化方法，其特征在于，包括：步骤1：提取区块的几何边界；步骤2：生成待优化的初始井网参数：排距、井距和井排方向；步骤3：任意选择一点作为生成初始井网的原点，生成基本井排，移动所述基本井排，生成初始井网；步骤4：在所述初始井网下进行油藏数值模拟，获得全油藏日产油、日产水、和日产气曲线；步骤5：以采收率或净现值为目标函数，采用智能优化方法对所述初始井网参数进行优化，得到最优参数组合；步骤6：根据得到的最优参数组合，生成最优井网；所述步骤2包括：步骤21：在油藏所在空间的平面内设置代表点集合P，代表点在油藏平面内均匀分布，记代表点pi的坐标为alp，blp，lp是相邻代表点之间的距离，a、b为任意自然数，确定区块内代表点的lp的初始值；步骤22：确定任一代表点pi的三个待优化参数排距ci、井距di和井排方向θi的合理分布范围；步骤23：对代表点pi的三个参数排距ci、井距di和井排方向θi赋值，得到初始井网参数；所述步骤3包括：步骤31：以原点W11为起点利用二维平面差值的方法生成基本井排；步骤32：移动基本井排，生成基本井网；步骤33：剔除区块外的井；步骤34：对区块内基本井网的每口井指定其为注入井或采出井；步骤35：根据基本井网映射生成初始井网。

全文数据：不规则并网的智能优化方法技术领域[0001]本发明涉及石油开采技术领域，特别是指一种不规则井网的智能优化方法。背景技术[0002]复杂断块油藏由于断块分割作用，断块碎小、形态各异，每个断块就是一个独立的开发单元。在开发时由于断块面积小，很难用完善的常规面积井网进行布井、生产，因此小断块油藏一般只能采用不完善的井网进行开发。[0003]在井位部署过程中，需要通过设计、调节井网结构，达到提高采收率或最大化净现值的目的。针对小断块油藏，目前国内主要是人为制定和基于优化理论的自动化井位优化方法，并在此基础上进行优化，目前，针对小断块的井网优化主要有两种方法：[0004]1根据油藏地质情况，人为制定若干井网方案，采用油藏数值模拟方法进行模拟计算，并对各方案计算结果进行对比，从而确定最佳方案。该方法简便易行，但过分依赖人的经验，而且由于油藏地质不确定性因素多，人为制定方案数量有限，不易得到最优解。[0005]2采用基于优化理论的自动化井位优化方法。主要思路是首先根据需要设定一个目标函数净现值或采收率等），然后借助于某种智能优化算法粒子群、遗传算法、模拟退火等），调用数值模拟软件得出使目标函数最优的解。该方法可以极大的减少人工工作量。[0006]相比于第一种方法，第二种以智能优化算法为基础的井网优化方法更具一般性，因此未来的应用前景更加广阔。[0007]目前众多智能井网优化方法的主要差异集中在程序内部采用的优化算法各不相同，包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法等。不同算法的主要差别是收敛速度和计算量。只要计算资源、计算时间充足，不同优化算法的结果不会有明显差异。因此，井网优化问题的本质和关键点并不是其内部的智能优化算法，而是待优化的目标本身。目前井网优化研宄的目标可以分为以下两类：t〇〇〇8]a直接以单井井位作为优化目标。这种方法对每口井的井位都进行独立优化，最终的井位是散乱的，不能形成井网结构，因此不能用来优化面积注水、注气是井网，同时由于不同井之间的干扰问题，优化结果一般不是最优的布井方案。[0009]b确定井网类型（五点、七点、九点等）后，对井网的井距、排距和并排角度进行优化，通过反复的数值模拟和迭代进化，获得最佳的井距、排距、并排角度参数。这种方法的缺点是所优化的井网只能是严格的规则井网，但在实际油气藏的圈闭范围是不规则的，且大部分油藏地质结构复杂，油层分布多样，导致采用严格的规则井网（即井距、排距始终保持一致不能获得最大的生产效益。[0010]另外，在实际生产过程中，规则井网的部署完成后，还需要根据油藏边界和断层位置、储层各向异性、非均质性、裂缝发育区域等因素进行微调，从而尽可能提高油气采收率或最大净现值。发明内容[0011]本发明提供一种充分考虑到油藏边界和断层位置、储层各向异性、非均质性、裂缝发育区域等因素，且能提高油藏采收率或净现值，能直接用于油气藏开发方案的设计和钻井施工的不规则井网的智能优化方法。[0012]为解决上述技术问题，本发明提供技术方案如下：[0013]一种不规则井网的智能优化方法，包括：[0014]步骤1:提取区块的几何边界；[0015]步骤2:生成待优化的初始井网参数:井排、井距和井排方向；[0016]步骤3:任意选择一点作为生成初始井网的原点，生成基本井排，移动所述基本井排，生成初始井网；[0017]步骤4:在所述初始井网下进行油藏数值模拟，获得全油藏日产油、日产水、和日产气曲线；[0018]步骤5:以采收率或净现值为目标函数，采用智能优化方法对所述初始井网参数进行优化，得到最优参数组合；[0019]步骤6:根据得到的最优参数组合，生成最优井网。[0020]进一步的，提取几何边界时去除死网格。[0021]进一步的，所述步骤2包括：[0022]步骤21:在油藏所在空间的平面内设置代表点集合P，代表点在油藏平面内均匀分布，记代表点Pi的坐标为alP，blP，1P是相邻代表点之间的距离，a、b为任意自然数，确定区块内代表点的1P的初始值；[0023]步骤22:确定任一代表点Pi的三个待优化参数排距^、井距cU和井排方向0:的合理分布范围；[0024]步骤23:对代表点Pi的三个参数排距Ci、井距di井排方向0i赋值，得到初始井网参数。[0025]进一步的，所述步骤21中，两个代表点之间的距离为1P为200〜400m。[0026]进一步的，步骤22中，排距Ci、井距di井排方向9i的合理分布范围为：100m彡Ci彡4〇〇m，l〇〇mdi4〇〇m，〇°0i9〇°。[0027]进一步的，步骤3包括：[0028]步骤31:以原点Wu为起点利用二维平面差值的方法生成基本井排；[0029]步骤32:移动基本井排，生成基本井网；[0030]步骤33:剔除区块外的井；[0031]步骤34:对区块内基本井网的每口井指定其为注入井或采出井；[0032]步骤35:根据基本井网映射生成初始井网。[0033]进一步的，所述步骤34中根据井网类型指定注入井或采出井，所述井网类型为衰竭开采井网、五点井网、九点井网、反九点井网、七点井网和反七点井网。[0034]进一步的，所述衰竭开采井网中的全部井均为采出井；[0035]所述五点井网为一排间隔采出井、注入井，相邻的一排间隔注入井、采出井；[0036]所述九点井网为一排采出井，相邻的一排间隔采出井、注入井；[0037]所述反九点井网为一排注入井，相邻的一排间隔注入井、采出井；[0038]所述七点井网为一排间隔两口采出井、一口注入井，相邻的一排间隔一口注入井、两口米出井；[0039]所述反七点井网为一排间隔一口采出井、两口注入井，相邻的一排间隔两口注入井、一口采出井。[0040]进一步的，所述步骤5中，所述智能优化方法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法。[0041]进一步的，所述步骤5中，所述目标函数为采收率，优化后的井网的井数需要设定布井上限。[0042]本发明具有以下有益效果：[0043]1本发明是一种油气藏开发井网的智能化、自动化优化方法，本发明的优化方法是以地质模型的数值模拟结果为基础进行的智能优化，该区块的储层各向异性、非均质性、裂缝发育区域等因素都会反映在地质模型中，所以本发明的不规则井网的智能优化方法也是充分考虑了储层各向异性、非均质性、裂缝发育区域等因素；[0044]2本发明通过初始井网参数生成初始井网，然后再进行数值模拟，采用智能优化方法对初始井网参数进行优化，得到最优的参数组合，进而生成最合适该区块的井网结构，本发明生成的井网是完全针对区块地质特征和精细构造的最优井网，因此，可以获得最高的采收率或净现值取决于优化的目标函数）；[0045]3本发明克服了传统的人工对比的井网优化方法过分依赖人的经验、人工工作量大的缺点；同时，克服了传统的规则型井网优化方法获得的井网不能很好适应具体油藏的缺点，利用本发明获得的井网可以直接应用于油气藏开发方案的设计和钻井施工。附图说明[0046]图1为本发明的不规则井网的智能优化方法的流程图；[0047]图2为本发明的实施例1中区块的地质模型及渗透率分布；[0048]图3为本发明的实施例1中根据地质模型提取出的几何边界；[0049]图4为本发明的实施例1中待优化的初始井网参数；[0050]图5为本发明的实施例1中基本井排；[0051]图6为本发明的实施例1中通过移动基本井排生成的初始井网；[0052]图7为本发明的实施例1中剔除区块以外的井后剩余的井网；[0053]图8为本发明的实施例1中对区块内基本井网的每口井指定为注入井或采出井后的井网；[00M]图9a为本发明实施例1中使用粒子群算法进行优化的第丨代；[0055]图9⑹为本发明实施例1中使用粒子群算法进行优化的第5代；[0056]图9c为本发明实施例1中使用粒子群算法进行优化的第9代；[0057]图9d为本发明实施例1中使用粒子群算法进行优化的第17代。具体实施方式[0058]为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。[0059]本发明需要建立一套完整的参数系统以及对应的构造井网的办法，且要求：[0060]1各参数物理意义明确、相互独立；[0061]2使用这组参数能够构造出一个唯一的注采井网。[0062]满足这两个需求，即可通过任意一种智能优化方法对这组参数进行最优化，由于参数和井网一一对应，因此也就实现了对井网的最优化。[0063]本发明提供一种不规则井网的智能优化方法，如图1〜9d所示，包括：[0064]步骤1:提取区块的几何边界，具体的，对地质建模获得的油藏地质模型提取油藏外的几何边界，地质建模时需考虑该区块的该区块的储层各向异性、非均质性、裂缝发育区域等因素，地质模型的建立是根据常规的地质建模过程建立的，此处不再赘述;几何边界记为L，该几何边界L可以是由断层构成的封闭边界，也可以是人为画出的几何边界，几何边界L确定后，未来的布井工作只在L内进行；需要指出的是，提取几何边界时，需要将死网格ACTNUN=0的网格刨除在外，因为在死网格中布井也是无效的；[0065]步骤2:生成待优化的初始井网参数:Ci、井距di和井排方向0i，具体的，包括：[0066]步骤21:在油藏所在空间的平面内设置代表点集合P，代表点在油藏平面内均匀分布，记代表点Pi的坐标为alP，blP，1P是相邻代表点之间的距离（固定值），a、b为任意自然数，这样的Pi有无穷多个，只保留处于区块范围内的即可，记最终保留的代表点的个数为np，代表点之间的距离1P越小，代表点越多，优化结果越细致，但优化的计算量越大，因此，:^的值需要根据油藏的实际地质情况如储层各向异性、非均质性等）确定，储层的非均质性越强，1P应该越小，反之则可以较大;一般的，1P在200m-400m之间；[0067]步骤22:确定任一代表点pi的三个待优化参数排距^、井距di和井排方向0i的合理分布范围；该步骤需要结合具体的油藏特征进行分析、确定，一般来说，三个待优化参数可以设为：100mci400m，100mcK400m，0°K90°;其中，三个待优化参数的范围涵盖了大部分油藏排距、井距、井排方向的取值可能，但如果油藏渗透率较低例如lmD，可以将ci、di的取值上限放大到600m;[0068]步骤23:对代表点Pi的三个参数排距Ci、井距di和井排方向0i赋值，得到初始井网参数;赋值时随机赋值即可，但需要保证随机值在步骤22中的合理范围内；[0069]步骤3:任意选择一点作为生成初始井网的原点，生成基本井排，移动所述基本井排，生成初始井网；具体的，该步骤包括：[0070]步骤31:在油藏中任意选择一点作为生成基本井网的原点Wn，即第一个井排的第一口井，以原点Wu为起点利用二维平面差值的方法生成基本井排，具体的，首先利用二维平面差值的方法，根据代表点集合P上井距di构成的数据场，计算出ffu点上的井距du，根据代表点集合P上井排方向构成的数据场，计算出知点上的井排方向0ii，根据dii、0u即可计算出同一个井排上的第二口井Wi2Xi2，yi2的位置，计算公式为Xi2=xii+diicos0ii，yi2=yi1+dnsineu，循环重复该操作，即可生成该井排上所有的井；[0071]步骤32:移动基本井排，生成基本井网，具体的，将基本井排上的井ffu沿井排方向hi移动CH的距离，即可形成第二个井排上的井\^，其中，Cli是Wu点对应的排距，它是根据Wu的位置，在代表点集合P上排距Ci构成的数据场中差值获得的，循环重复该操作，最终可生成一个覆盖全部区块方基本井网W;[0072]步骤33:剔除区块外的井:针对w中的每口井W^，判断其是否在区块范围L内，如果Wij在L内部则保留，反之，从集合忡删除该井；[0073]步骤34:对区块内基本井网的每口井指定其为注入井或采出井;本步骤需要根据所选的井网类型进行执行，可选的井网类型有:衰竭开采井网、五点井网、九点井网、反九点井网、七点井网和反七点井网，针对每种井网，具体操作如下：[0074]a、衰竭开采井网:全部井均为采出井；[0075]b、五点井网：一排间隔采出井、注入井，相邻的一排间隔注入井、采出井；[0076]c、九点井网：一排采出井，相邻的一排间隔采出井、注入井；[0077]d、反九点井网：一排注入井，相邻的一排间隔注入井、采出井；[0078]e、七点井网：一排间隔采出井2口）、注入井（1口），相邻的一排间隔注入井（1口）、采出井2口）；[0079tf、反七点井网：一排间隔采出井（一口）、注入井（2口），相邻的一排间隔注入井（2口）、采出井1口）；[0080]步骤35:根据基本井网映射生成初始井网；[0081]步骤4:在得到的初始井网下进行油藏数值模拟，获得全油藏日产油、日产水和曰产气曲线，并以此为基础计算采收率或净现值;油藏数值模拟是一种常规的利用计算机计算地层中油、气、水流动过程的技术手段，能够给出任意时刻的油气水分布，并预测油藏动态，油藏数值模拟首先需要建立准确的地质模型（网格模型和属性模型），在此基础上，需要准备流体高压物性数据和相渗曲线数据，再根据质量守恒方程计算所有网格中的流体流动；[0082]步骤5:以采收率或净现值为目标函数，采用智能优化方法，反复进行布井和数值模拟（即重复步骤3、步骤4，对所有代表点上的待优化参数排距Cl、井距di和井排方向0i进行优化，需要指出的是：[0083]a、无论哪种智能优化算法（即启发式的优化算法）皆可用于此步骤的优化，包括但不限于遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法等；以粒子群算法为例，优化的过程是:初始为一群随机粒子参数随机组合），在每一次迭代中，通过数值模拟，计算出该粒子对应的目标函数值，粒子通过跟踪两个“极值”来更新自己的位置参数设置），第一个就是粒子本身所找到的最大目标函数时的参数组合，这个解叫做个体极值;另一个极值是整个种群目前找到最大目标函数时的参数组合，这个极值是全局极值，通过反复重复该过程，S卩可找到最优解；[0084]b、采收率或净现值均可以作为优化的目标函数，具体使用哪个参数，需要根据油藏开发的整体规划和长远目标进行确定（当使用采收率作为优化目标时，一般需要设定布井上限Wmax，即要求优化后的井网的井数彡Wmax，此时问题转化为一个简单的约束优化问题，可以在以上智能优化算法中考虑罚函数或禁忌搜索策略进行求解）；[0085]步骤6:优化完成后，根据得到的最优参数组合代表点集合P上的排距^、井距山和井排方向0i重复步骤3,即可生成最优的井网。[0086]实施例1:[0087]以F油田B区块为例，智能优化方法采用粒子群算法，g卩PS0算法，拟合目标为最大化净现值：[0088]1、提取区块的几何边界即油藏边界）：[0089]对地质建模获得的油藏地质模型如图2提取油藏外边界如图3，注意提取边界时将死网格刨除在外，其中，图2为区块的地质模型及渗透率分布；[0090]2、布代表点并给每个参考点三参数井距、排距、井排方向）赋初值：[0091]在油藏区块所在的平面上均匀布置代表点（如图4，并给代表点的三个参数井距、排距、井排方向）赋初值，图4中黑色实心圆点是人为布置的代表点，每个代表点上有三个参数，分别为井距（用灰色箭头的长度表示）、排距（用黑色箭头的长度表示和井排方向用灰色箭头的方向表示），空心圆点是井网生成原点WU井的位置可以任意选择）；[0092]3、根据代表点上的参数值生成整个初始井网：[0093]首先从井网生成原点开始，生成基本井排如图5;再移动基本井排，生成基本井网（如图6;然后剔除区块外侧的井，只保留有效井（如图7;最后根据所选择的井网类型以五点井网为例），将有效井分为注入井、采出井两组如图8，至此，井网生成完成，其中，图5-图7中的黑色实心圆点代表井，图8中，黑色圆点为采出井，灰色圆点为注入井，灰色实现连出的部分即注采井组完善的井组；[0094]4、进行开发数值模拟，计算优化的“目标函数”：[0095]在以上布井的基础上，针对该区块，进行油藏开发数值模拟，根据模拟结果计算优化的“目标函数”（采收率或净现值）；[0096]5、优化代表点上的参数，使目标函数最大：[0097]采用粒子群算法对全部参考点上的三个参数井距、排距、井排方向）进行优化，随着优化的进行，如图9a为优化的第1代，图9〇3为优化的第5代，图9c为优化的第9代，图9d为优化的第17代，井网结构越来越适应本研宄区块，最终获得最佳的井网。[0098]综上，本发明具有以下有益效果：[00"]1本发明是一种油气藏开发井网的智能化、自动化优化方法，本发明的优化方法是以地质模型的数值模拟结果为基础进行的智能优化，该区块的储层各向异性、非均质性、裂缝发育区域等因素都会反映在地质模型中，所以本发明的不规则井网的智能优化方法也是充分考虑了储层各向异性、非均质性、裂缝发育区域等因素；[0100]2本发明通过初始井网参数生成初始井网，然后再进行数值模拟，采用智能优化方法对初始井网参数进行优化，得到最优的参数组合，进而生成最合适该区块的井网结构，本发明生成的井网是完全针对区块地质特征和精细构造的最优井网，因此，可以获得最高的采收率或净现值取决于优化的目标函数）；[0101]3本发明克服了传统的人工对比的井网优化方法过分依赖人的经验、人工工作量大的缺点；同时，克服了传统的规则型井网优化方法获得的井网不能很好适应具体油藏的缺点，利用本发明获得的井网可以直接应用于油气藏开发方案的设计和钻井施工，具有良好的应用前景，尤其适应于致密砂岩储层、裂缝发育储层等强非均质性油藏当中。[0102]以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

权利要求：1.一种不规则井网的智能优化方法，其特征在于，包括：步骤1:提取区块的几何边界；步骤2:生成待优化的初始井网参数:井排、井距和井排方向；步骤3:任意选择一点作为生成初始井网的原点，生成基本井排，移动所述基本井排，生成初始井网；步骤4:在所述初始井网下进行油藏数值模拟，获得全油藏日产油、日产水、和日产气曲线；步骤5:以采收率或净现值为目标函数，采用智能优化方法对所述初始井网参数进行优化，得到最优参数组合；步骤6:根据得到的最优参数组合，生成最优井网。2.根据权利要求1所述的不规则井网的智能优化方法，其特征在于，所述步骤1中，提取几何边界时去除死网格。3.根据权利要求1所述的不规则井网的智能优化方法，其特征在于，所述步骤2包括：步骤21:在油藏所在空间的平面内设置代表点集合P，代表点在油藏平面内均匀分布，记代表点Pi的坐标为alP，blP，1P是相邻代表点之间的距离，a、b为任意自然数，确定区块内代表点的1P的初始值；步骤22:确定任一代表点pi的三个待优化参数排距ci、井距di和井排方向0i的合理分布范围；步骤23:对代表点Pi的三个参数排距ci、井距山井排方向0i赋值，得到初始井网参数。4.根据权利要求3所述的不规则井网的智能优化方法，其特征在于，所述步骤21中，两个代表点之间的距离为1PS200〜400m。5.根据权利要求3所述的不规则井网的智能优化方法，其特征在于，所述步骤22中，排距Ci、井距di井排方向0i的合理分布范围为：100m彡ci彡4OOm，lOOmdi4OOm，O°0i90。。6.根据权利要求1所述的不规则井网的智能优化方法，其特征在于，所述步骤3包括：步骤31:以原点Wn为起点利用二维平面差值的方法生成基本井排；步骤32:移动基本井排，生成基本井网；步骤33:剔除区块外的井；步骤34:对区块内基本井网的每口井指定其为注入井或采出井；步骤35:根据基本井网映射生成初始井网。7.根据权利要求6所述的不规则井网的智能优化方法，其特征在于，所述步骤34中根据井网类型指定注入井或采出井，所述井网类型为衰竭开采井网、五点井网、九点井网、反九点井网、七点井网和反七点井网。8.根据权利要求7所述的不规则井网的智能优化方法，其特征在于，所述衰竭开采井网中的全部井均为采出井；所述五点井网为一排间隔米出井、注入井，相邻的一'排间隔注入井、采出井；所述九点井网为一排采出井，相邻的一排间隔采出井、注入井；所述反九点井网为一排注入井，相邻的一排间隔注入井、采出井；所述七点井网为一排间隔两口采出井、一口注入井，相邻的一排间隔一口注入井、两口采出井；所述反七点井网为一排间隔一口采出井、两口注入井，相邻的一排间隔两口注入井、一口采出井。9.根据权利要求1所述的不规则井网的智能优化方法，其特征在于，所述步骤5中，所述智能优化方法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法、捕食搜索算法。10.根据权利要求1所述的不规则井网的智能优化方法，其特征在于，所述步骤5中，所述目标函数为采收率，优化后的井网的井数需要设定布井上限。

百度查询： 南京特雷西能源科技有限公司 不规则井网的智能优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD