[go: up one dir, main page]

CN111946311B - 分注分采仿真模拟方法 - Google Patents

分注分采仿真模拟方法 Download PDF

Info

Publication number
CN111946311B
CN111946311B CN202010813003.2A CN202010813003A CN111946311B CN 111946311 B CN111946311 B CN 111946311B CN 202010813003 A CN202010813003 A CN 202010813003A CN 111946311 B CN111946311 B CN 111946311B
Authority
CN
China
Prior art keywords
production
water injection
wolf
equation
oil production
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010813003.2A
Other languages
English (en)
Other versions
CN111946311A (zh
Inventor
周建峰
杨旋
郑子琼
王斌
李晓芳
朱运周
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haimo Technology Group Co ltd
Original Assignee
Heimer Pandora Data Technology Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Heimer Pandora Data Technology Shenzhen Co ltd filed Critical Heimer Pandora Data Technology Shenzhen Co ltd
Priority to CN202010813003.2A priority Critical patent/CN111946311B/zh
Publication of CN111946311A publication Critical patent/CN111946311A/zh
Application granted granted Critical
Publication of CN111946311B publication Critical patent/CN111946311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
    • E21B43/16—Enhanced recovery methods for obtaining hydrocarbons
    • E21B43/20—Displacing by water
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marine Sciences & Fisheries (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种分注分采仿真模拟方法，包括以下步骤：首先从同一零时刻开始，采集N口注水井的历史注水量wi,k,t，以及M口生产井的历史产油量poj,k,t，再根据采集得到的数据计算第t个时间点所有注水井各层的注水总量Wt，其次计算能消除生产井中产油量的比率矩阵Roj,k,t，再次，对每一口生产井在每一个时刻上都进行趋势消除；并建立注采关系模型，最后，制定注水方案，给定每口注水井的注水量，结合注采关系模型对产油量进行预估和优化，采用本发明的显著效果是，通过对注水方案进行优化，有助于提高分注分采的产油量，预估得到产油量贴近与真实产油量，具有给定最佳注水方案，提升产油量的效果，实践性较强，仿真度高。

Description

分注分采仿真模拟方法
技术领域
本发明涉及石油采集，具体涉及一种石油的分注分采方法。
背景技术
一直以来，注水井合理配注都是油田注水开发管理工作的一项重要内容。近年来，伴随着分注分采井下工具及配套工艺技术快速的发展，油田开发现场迎来由合注合采逐渐转变为更高效分注分采的开采方式。
现有驱替通量均衡化的分层配注量确定方法，是在分析多层合采油藏长期注水开发特点的基础上，提出采用驱替通量定量表征各层驱替程度差异的方法，并以均衡驱替为目标，综合考虑储层厚度、孔隙度、注水历史、调控周期等因素的影响，建立了基于驱替通量均衡化思想的注水井纵向各层配注量确定方法。此外，目前常用注水井分层配注量确定方法还包括灰色关联分析方法，多元回归方法，厚度法、地层系数法、剩余油法等。但是，这些方法均存在一定的缺点，如使用灰色关联分析方法，多元回归方法在实际应用中，由于多变复杂的地下情况，注采数据的相关性可能较弱，很难从中建立一个可靠的配水模型；应用厚度法和地层系数法这类方法需要的地质参数较少，但是模型考虑的条件少，因此在实际应用中效果不明显。剩余油法和驱替通量能够取得不错的效果，但该方法需要更多的地质物理参数不易获得。
发明内容
为了通过优化配置分注水量提高产油量为目标，研究了注水井不同层注水量的最优化配置问题，本发明提供了一种分注分采仿真模拟方法，其根据历史生产数据结合深度学习模型学习注采规律生成注采关系模拟器，然后利用注采关系模拟器生成模型生成最佳分注方案；其技术方案如下：
一种分注分采仿真模拟方法，包括以下步骤：
步骤一、从同一零时刻开始，采集N口注水井的历史注水量wi,k,t，以及 M口生产井的历史产油量poj,k,t，其中：
i＝1,2,3…,N；N为注水井总数；
j＝1,2,3…,M；M为生产井总数；
k＝1,2,3…,K；K为注采层数，注水层数和采油层数相对应；
t＝0,1,2…,T；T为数据采集终点时刻；
步骤二、根据采集得到的数据计算第t个时间点所有注水井各层的注水总量Wt，如方程(1)所示：
Figure GDA0003503364990000021
步骤三、计算生产井中产油量的比率矩阵Roj,k,t，如方程(2)所示：
Figure GDA0003503364990000022
步骤四、依据产油量的比率矩阵和方程(3)，对每一口生产井在每一个时刻上都进行趋势消除；
得到第j口生产井第k层t＝a时刻的产油量转换到t＝0时刻的值
Figure GDA0003503364990000023
Figure GDA0003503364990000024
其中，s＝t0表示初始t＝0时刻；
poj,k,t＝a表示第j口生产井第k层t＝a时刻的产油量；
Roj,k,t＝0表示第j口生产井第k层t＝0时刻的注水转化成油的比率；
Roj,k,t＝a表示第j口生产井第k层t＝a时刻的注水转化成油的比率；
步骤五、建立注采关系模型
O＝G(Weights2(s(Weights1X+b1))+b2) 方程(4)
其中：
X表示不同注水井各层注水量；
Weightsh是层与层间的连接权重矩阵，h＝1,2；
bh为偏置向量，h＝1,2；
O是为产油量；
s和G是激活函数；
s＝S(y)；
G＝S(y)；
Figure GDA0003503364990000031
以wi,k,t作为X输入方程(4)，以
Figure GDA0003503364990000032
作为方程(4)的产油量O输出，训练得到Weightsh和bh；
步骤六、制定注水方案，给定所有注水井的注水总量，通过一种分配方法得到详细注水方案，将其作为方程(4)的输入X，得到预估产油量Og；
重复该步骤六，直到获得的预估产油量Og为最大值，以此时的注水方案为最佳分注注水方案。
作为优选的技术方案，以上步骤六中，基于灰狼算法生成最佳注水方案。
附图说明
图1为历史合注水量/合产油量/合产水量-时间曲线；
图2(包括2a/2b/2c/2d/2e/2f/2g/2h/2i/2j/2k/2m/2n/2p/2q/2r/2s/2t/2u/2v/2w/ 2x/2y/2z)为各井(P1/P2/P3/P4)各层(_1/_2/_3/_4)在时间点21-175上的预估拟合及历史真实产油量(_po)以及产水量(_pw)随时间变化的曲线；
图3(包括3a/3b/3c/3d/3e/3f/3g/3h/3i/3j/3k/3m/3n/3p/3q/3r/3s/3t/3u/3v/3w/ 3x/3y/3z)为各井(P1/P2/P3/P4)各层(_1/_2/_3/_4)在时间点175-205上的预估拟合及历史真实产油量(_po)以及产水量(_pw)随时间变化的曲线；
图4为历史合注水量/预估合产油量/历史合产油量-时间曲线。
具体实施方式
以下结合实施例和附图对本发明作进一步说明。
一种分注分采仿真模拟方法，其特征在于包括以下步骤：
步骤一、从同一零时刻开始，采集N口注水井的历史注水量wi,k,t，以及M口生产井的历史产油量poj,k,t和历史产水量pwj,k,t，其中：
i＝1,2,3…,N；N为注水井总数；
j＝1,2,3…,M；M为生产井总数；
k＝1,2,3…,K；K为注采层数，注水层数和采油层数相对应；
t＝0,1,2…,T；T为数据采集终点时刻；
步骤二、根据采集得到的数据计算第t个时间点所有注水井各层的注水总量Wt，如方程(1)所示：
Figure GDA0003503364990000041
步骤三、计算生产井中产油量的比率矩阵Roj,k,t，如方程(2)所示：
Figure GDA0003503364990000042
计算生产井中产水量的比率矩阵Rwj,k,t，如方程(2a)所示：
Figure GDA0003503364990000043
步骤四、依据产油量的比率矩阵和方程(3)，对每一口生产井在每一个时刻上都进行趋势消除；
得到第j口生产井第k层t＝a时刻的产油量转换到t＝0时刻的值
Figure GDA0003503364990000044
Figure GDA0003503364990000045
其中，s＝t0表示初始t＝0时刻；
poj,k,t＝a表示第j口生产井第k层t＝a时刻的产油量；
Roj,k,t＝0表示第j口生产井第k层t＝0时刻的注水转化成油的比率；
Roj,k,t＝a表示第j口生产井第k层t＝a时刻的注水转化成油的比率；
依据产水量的比率矩阵和方程(3a)，对每一口生产井在每一个时刻上都进行趋势消除；
得到第j口生产井第k层t＝a时刻的产水量转换到t＝0时刻的值
Figure GDA0003503364990000051
Figure GDA0003503364990000052
其中，s＝t0表示初始t＝0时刻；
pwj,k,t＝a表示第j口生产井第k层t＝a时刻的产水量；
Rwj,k,t＝0表示第j口生产井第k层t＝0时刻的注水转化成水的比率；
Rwj,k,t＝a表示第j口生产井第k层t＝a时刻的注水转化成水的比率；
步骤五、建立注采关系模型
O＝G(Weights2(s(Weights1X+b1))+b2) 方程(4)
其中：
X表示各井各层的注水量；
Weightsh是层与层间的连接权重矩阵，h＝1,2；
bh为偏置向量，h＝1,2；
O是为产油量；
s和G是激活函数；
s＝S(y)；
G＝S(y)；
Figure GDA0003503364990000053
方程(4)的另一种表达方式为：
Figure GDA0003503364990000061
以wi,k,t作为X输入方程(4)，以对应的
Figure GDA0003503364990000062
作为方程(4)的产油量 O输出，训练得到Weightsh和bh；
Figure GDA0003503364990000063
其中：
W为产水量；
Figure GDA0003503364990000064
是层与层间的连接权重矩阵
Figure GDA0003503364990000065
为偏置向量；
方程(4a)的另一种表达方式为：
Figure GDA0003503364990000066
以wi,k,t作为X输入方程(4a)，以对应的
Figure GDA0003503364990000067
作为方程(4a)的产水量W输出，训练得到
Figure GDA0003503364990000068
步骤六、在相同的注水总量下，制定不同的注水方案，给定每口注水井的注水量，将其作为方程(4)的输入X，得到预估产油量Og；
重复该步骤六，直到获得的预估产油量Og为最大值，以此时的注水方案为最佳分注注水方案；并将该最佳分注注水方案输入方程(4a)，由此得到预估产水量Wg；
所述步骤六中，可以根据注水总量随机制定多组注水方案，以寻求最大预估产油量Og，从而确定最佳注水方案；
为了更有效的寻求最佳注水方案，还可以基于灰狼算法(GWO)生成最佳注水方案；GWO是受灰狼群的社会等级和狩猎行为启发而提出的参数优化算法，在自然界中，灰狼群的社会等级分为4个级别，由上至下依次为α狼、β狼、δ狼和ω狼，α狼、β狼、δ狼属于三头头狼，所有的ω狼的位置更新都依赖于这三头狼的位置，在本例中狼的位置记录着注水方案的各层注水量；具体的迭代寻优过程如下：
随机初始化R匹灰狼，将R匹灰狼依次作为X输入给注采关系模型的方程(4)得到产油量，并通过比较产油量得到头狼α、头狼β、头狼δ的位置Yα、 Yβ、Yδ和对应的产油量值，再进入迭代iter＝0，依次遍历每一匹灰狼，判断第 r匹灰狼的各维度上的值是否落入历史各层注水的可行域区间，在区间外则赋予指定上界或下界，反之不做处理；将第r匹灰狼的位置Yr作为X输入给注采关系模型的方程(4)，得出当前第r匹灰狼计算出的各层产油量值和；判断第r匹灰狼的产油量是否比头狼α、头狼β、头狼δ的产油量更高，是则更新三只头狼的最新位置，否则三只头狼位置不做更新；通过方程组(5)和方程(6)更新第r匹灰狼的最新位置进行更新；
Az＝[2-iter*(2/Max_iteration)](2*rand(0,1)-1)
Cz＝2*rand(0,1),(z＝1,2,3)
Dα＝|C1Yα-Yr|
Dβ＝|C2Yβ-Yr|
Dδ＝|C3Yδ-Yr| 方程组(5)；
Figure GDA0003503364990000071
其中：
Yα表示头狼α的位置；
Yβ表示头狼β的位置；
Yδ表示头狼δ的位置；
Yr表示第r匹灰狼当前的位置；
Yr(d+1)表示第r匹灰狼下一次的位置；
Az表示协同系数向量；
Cz为[0，2]区间的随机数；
Dα表示当前第r匹灰狼与头狼α之间的距离；
Dβ表示当前第r匹灰狼与头狼β之间的距离；
Dδ表示当前第r匹灰狼与头狼δ之间的距离；
当方程6中的|Az|≥1时，灰狼之间尽量分散在各区域并搜寻猎物，当|Az| ＜1时，灰狼将集中捜索某个或某些区域的猎物；看是否iter达到最大迭代次数Max_iteration，如达到，则返回此时的Yα，如果没达到，遍历每一匹灰狼通过方程组(5)和方程(6)更新位置，若仍没达到则重复该步骤，获得最终的Yα的位置，作为最佳注水方案。
试验例：
从同一零时刻开始，采集5口3层正韵律型的注水井的注水数据，同时采集4口3层生产井的产油数据和产水数据，采集时间范围0-205；即N＝5， M＝4，K＝3，T＝205，得到各井各层在各时刻的注水量/产油量/产水量。
将同一时刻的各井各层注水量/产油量/产水量分别相加，得到历史合注水量/合产油量/合产水量，绘制得到的历史合注水量/合产油量/合产水量-时间曲线如图1所示；
随后使用时间点21至175的分注分采数据(注水量/产油量/产水量)进行学习和训练，建立注采关系模型(参数：输入层＝15，隐含层1＝15，隐含层 2＝10，隐含层2＝10，输出层＝24)；保持各井各层在每一时刻的注水总量不变，结合GWO算法(参数：灰狼数＝10，最大迭代＝200)给出每一时间点上最佳注水方案，再将时间点21至205的每一时刻的注水量依次输入到模型，分别获取各井各层在每一时间点上产油量，得到预估产油量Og以及预估产水量Wg，绘制各井各层的产量-时间曲线；将预估产油量Og以及预估产水量 Wg作为预估值Eestimate，以同时期(时间点21至205)的历史产油量poj,k,t和历史产水量pwj,k,t作为真实值Eture；利用方程(7)计算平均绝对误差MAE，结果如图2和图3所示，图2中f为155，图3中f为31。
其中图2是各井各层在时间点21至175的产量-时间系列曲线图，图3 是各井各层在时间点175至205的产量-时间系列曲线图；
图2和图3中，每个图左上角的符号含义为：
P1、P2、P3、P4分别表示第1、2、3、4口生产井；
_1、_2、_3分别表示第1、2、3采油层；
_po、_pw分别表示产油量和产水量；
为了评价以上最佳分注配水方法的效果和预估能力，可以使用平均绝对误差MAE来对模型进行评估，MAE的计算式如方程7所示：
Figure GDA0003503364990000091
其中：
Eture表示真实值；
Eestimate表示预估值；
f表示观察点的个数；
从图2和图3可以得出，以上方法不管在拟合还是在预估上的表现相当不错，产油量的MAE误差不大，可以应用于工程实践。
将以上各生产井在同一时刻的预估产油量合计，得到预估合产油量，绘制预估合产油量-时间曲线，如图4所示。图4中展示了21-205时刻的预估合产油量/历史合产油量-时间曲线。
从图4可以看出，采用以上方案，得到的预估合产油量相比于历史合产油量要高。
为了量化说明预估的产油量相对于历史真实的产油量来说提高了多少，此处定义了一个提高度指标，如方程(8)所示：
Figure GDA0003503364990000092
其中：
O1为各井各层在时间点21至205上的预估产油量的汇总；
O2为各井各层在时间点21至205上的历史真实产油量的汇总。
计算得到的结果如表1所示：
表1、各井各层在时间点21至205上的预估产油量和历史真实产油量的汇总表
Figure GDA0003503364990000101
从表1可以看出，各井各层在时间点21至205上的预估产油量的汇总相对于历史真实产油量的汇总高，平均提高12.21％，且每一层提高分布较均匀。说明采用以上方法，能在注水总量不变的情况下，通过对注水方案进行优化，达到增大产油量的效果。
通过GWO算法给出注水方案，并将该注水方案应用于工程实践，得到的真实产油量与相同注水方案下的预估产油量接近，预估结果贴近真实结果，说明采用以上方法，预估产油量较为准确，可以作为前期估算时的参考。
本发明的有益效果是，通过对注水方案进行优化，有助于提高分注分采的产油量，预估得到产油量贴近与真实产油量，具有给定最佳注水方案，提升产油量的效果，实践性较强，仿真度高。
最后需要说明的是，上述描述仅仅为本发明的优选实施例，本领域的普通技术人员在本发明的启示下，在不违背本发明宗旨及权利要求的前提下，可以做出多种类似的表示，这样的变换均落入本发明的保护范围之内。

Claims (2)

1.一种分注分采仿真模拟方法，其特征在于包括以下步骤：
步骤一、从同一零时刻开始，采集N口注水井的历史注水量wi,k,t，以及M口生产井的历史产油量poj,k,t，其中：
i＝1,2,3…,N；N为注水井总数；
j＝1,2,3…,M；M为生产井总数；
k＝1,2,3…,K；K为注采层数，注水层数和采油层数相对应；
t＝0,1,2…,T；T为数据采集终点时刻；
步骤二、根据采集得到的数据计算第t个时间点所有注水井各层的注水总量Wt，如方程(1)所示：
Figure FDA0003503364980000011
步骤三、计算生产井中产油量的比率矩阵Roj,k,t，如方程(2)所示：
Figure FDA0003503364980000014
步骤四、依据产油量的比率矩阵和方程(3)，对每一口生产井在每一个时刻上都进行趋势消除；
得到第j口生产井第k层t＝a时刻的产油量转换到t＝0时刻的值
Figure FDA0003503364980000012
Figure FDA0003503364980000013
其中，s＝t0表示初始t＝0时刻；
poj,k,t＝a表示第j口生产井第k层t＝a时刻的产油量；
Roj,k,t＝0表示第j口生产井第k层t＝0时刻的注水转化成油的比率；
Roj,k,t＝a表示第j口生产井第k层t＝a时刻的注水转化成油的比率；
步骤五、建立注采关系模型
O＝G(Weights2(s(Weights1X+b1))+b2) 方程(4)
其中：
X表示不同注水井各层注水量；
Weightsh是层与层间的连接权重矩阵，h＝1,2；
bh为偏置向量，h＝1,2；
O是为产油量；
s和G是激活函数；
s＝S(y)；
G＝S(y)；
Figure FDA0003503364980000021
以wi,k,t作为X输入方程(4)，以对应的
Figure FDA0003503364980000022
作为方程(4)的产油量O输出，训练得到Weightsh和bh；
步骤六、制定注水方案，给定每口注水井的注水量，将其作为方程(4)的输入X，得到预估产油量Og；
重复该步骤，直到获得的预估产油量Og为最大值，以此时的注水方案为最佳分注注水方案。
2.根据权利要求1所述的一种分注分采仿真模拟方法，其特征在于：
所述步骤六中，基于灰狼算法生成最佳注水方案，具体的：
随机初始化R匹灰狼，将R匹灰狼依次作为X输入给注采关系模型的方程(4)得到产油量，并通过比较产油量得到头狼α、头狼β、头狼δ的位置Yα、Yβ、Yδ和对应的产油量值，进入迭代iter＝0，依次遍历每一匹灰狼，判断第r匹灰狼的各维度上的值是否落入历史各层注水的可行域区间，在区间外则赋予指定上界或下界，反之不做处理；将第r匹灰狼的位置Yr作为X输入给注采关系模型的方程(4)，得出当前第r匹灰狼计算出的各层产油量值和；判断第r匹灰狼的产油量是否比头狼α、头狼β、头狼δ的产油量更高，是则更新三只头狼的最新位置，否则三只头狼位置不做更新；通过方程组(5)和方程(6)更新第r匹灰狼的最新位置进行更新；
Az＝[2-iter*(2/Max_iteration)](2*rand(0,1)-1)
Cz＝2*rand(0,1),(z＝1,2,3)
Dα＝|C1Yα-Yr|
Dβ＝|C2Yβ-Yr|
Dδ＝|C3Yδ-Yr| 方程组(5)；
Figure FDA0003503364980000031
其中：
Yα表示头狼α的位置；
Yβ表示头狼β的位置；
Yδ表示头狼δ的位置；
Yr表示第r匹灰狼当前的位置；
Yr(d+1)表示第r匹灰狼下一次的位置；
Az表示协同系数向量；
Cz为[0，2]区间的随机数；
Dα表示当前第r匹灰狼与头狼α之间的距离；
Dβ表示当前第r匹灰狼与头狼β之间的距离；
Dδ表示当前第r匹灰狼与头狼δ之间的距离；
当方程6中的|Az|≥1时，灰狼之间尽量分散在各区域并搜寻猎物，当|Az|＜1时，灰狼将集中捜索某个或某些区域的猎物；看是否iter达到最大迭代次数Max_iteration，如达到，则返回此时的Yα，如果没达到，遍历每一匹灰狼通过方程组(5)和方程(6)更新位置，若仍没达到则重复该步骤，获得最终的Yα的位置，作为最佳注水方案。
CN202010813003.2A 2020-08-13 2020-08-13 分注分采仿真模拟方法 Active CN111946311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010813003.2A CN111946311B (zh) 2020-08-13 2020-08-13 分注分采仿真模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010813003.2A CN111946311B (zh) 2020-08-13 2020-08-13 分注分采仿真模拟方法

Publications (2)

Publication Number Publication Date
CN111946311A CN111946311A (zh) 2020-11-17
CN111946311B true CN111946311B (zh) 2022-04-22

Family

ID=73341853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010813003.2A Active CN111946311B (zh) 2020-08-13 2020-08-13 分注分采仿真模拟方法

Country Status (1)

Country Link
CN (1) CN111946311B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980940B1 (en) * 2000-02-22 2005-12-27 Schlumberger Technology Corp. Intergrated reservoir optimization
US20080279874A1 (en) * 2007-05-07 2008-11-13 Wyeth Compositions and methods for modulation of plk1 kinase activity
CN110593832B (zh) * 2019-10-21 2021-12-28 中国石油化工股份有限公司 一种基于边底水油藏注水外溢的注采比优化方法

Also Published As

Publication number Publication date
CN111946311A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN111441767B (zh) 油藏生产动态预测方法及装置
CN112901137B (zh) 基于深度神经网络Sequential模型的深井钻井机械钻速预测方法
CN101617101B (zh) 井和泄流位置的自动化油田开发方案
CN104615862B (zh) 基于进化算法的高含水油田确定井位的方法
CN112016212B (zh) 一种基于渗流控制方程的储层纵向非均质性评价方法
CN104899411B (zh) 一种储层产能预测模型建立方法和系统
CN116658155A (zh) 一种页岩气井产量预测的方法
CN114781951B (zh) 一种页岩油藏二氧化碳吞吐开发选井决策方法及系统
CN115049173B (zh) 深度学习和Eaton法耦合驱动地层孔隙压力预测方法
CN112160734B (zh) 注采井相关性分析方法、装置、存储介质及计算机设备
CN113792479A (zh) 一种基于物理约束的煤层气藏压裂效果评价方法
CN103198354A (zh) 一种利用bp神经网络与nsga2实现油田抽油机采油节能增产优化方法
CN109426672B (zh) 基于不确定地质模型的油藏注采参数优化方法
CN113988479A (zh) 基于动静态信息特征融合神经网络的抽油井多井动液面深度预测方法
CN115758514A (zh) 一种基于时间序列的压力恢复试井设计全局敏感性分析方法
CN111364970B (zh) 一种井间连通系数量化方法
CN110894788B (zh) 基于油藏产量预测数据的油藏开发方式确定方法及装置
CN111946311B (zh) 分注分采仿真模拟方法
CN110032777B (zh) 一种基于不确定性分析的钻井液密度安全窗口估计方法
CN116629112B (zh) 一种基于科学智能的油藏属性参数反演方法及系统
CN119558468A (zh) 一种基于自适应熵深度强化学习的水平分舱产能优化方法
CN119599180A (zh) 采用注意力机制融合注采井特征预测单井日产液量的方法
CN112052977A (zh) 一种基于深度时空注意力网络的油藏储量预测方法
CN110688612A (zh) 一种基于温度测井数据的多产层油井产量预测方法
CN109236277A (zh) 一种基于产生式规则的抽油井故障诊断专家系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20250513

Address after: 730010 Zhang Suzhou beach, Chengguan District, Lanzhou City, Gansu Province, No. 593

Patentee after: HAIMO TECHNOLOGY (GROUP) CO.,LTD.

Country or region after: China

Address before: 518063 floor 12, Sanhang science and technology building, Northwest University of technology, No. 45, Gaoxin South ninth Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Province

Patentee before: Heimer Pandora Data Technology (Shenzhen) Co.,Ltd.

Country or region before: China