买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开了一种基于时空图神经网络的井位及井控参数优化方法，属于油气田开发工程领域，包括如下步骤：步骤1、提取地质属性、CO2驱井网特征及注采井间连通性关系建立CO2驱油及埋存图结构；步骤2、融合动态井控参数建立时空图结构样本集并对样本集进行预处理；步骤3、耦合图注意力神经网络和Transformer建立时空图神经网络代理模型；步骤4、建立考虑CO2均衡驱替的CCUS‑EOR井位及井控参数优化数学模型并进行求解，得到侧重不同开发目标的CO2驱开发方案。本发明耦合了时空图神经网络与多目标粒子群算法，在延缓CO2气窜现象发生的前提下，实现了累计产油量及CO2埋存量的多目标协同优化。

主权项：1.一种基于时空图神经网络的井位及井控参数优化方法，其特征在于，包括如下步骤：步骤1、提取地质属性、CO2驱井网特征及注采井间连通性关系建立CO2驱油及埋存图结构；步骤2、融合动态井控参数建立时空图结构样本集并对样本集进行预处理；步骤3、耦合图注意力神经网络和Transformer建立时空图神经网络代理模型；步骤4、建立考虑CO2均衡驱替的CCUS-EOR井位及井控参数优化数学模型并进行求解，得到侧重不同开发目标的CO2驱开发方案；所述步骤4的具体过程为：步骤4.1、建立考虑CO2均衡驱替的CCUS-EOR井位及井控参数优化数学模型，优化数学模型包含三个因素，分别为目标函数、决策变量以及约束条件；具体过程为：步骤4.1.1、构建目标函数，如下： 式中，FOPT为累计产油量；FGST为CO2埋存量；qlm是第m口生产井的日产液量；fw是油井含水率；Ign是第n口注气井的日注气量；qgm是第m口生产井的日产气量；步骤4.1.2、构建决策变量，如下：Xcoor＝[X1,X2,X3,…,Xm+n]10；Ycoor＝[Y1,Y2,Y3,…,Ym+n]11；Iinj＝[Ig1,Ig2,Ig3,…,Ign]12；BHPpro＝[P1,P2,P3,…,Pm]13；式中，Xcoor和Ycoor分别是每口井的井位横坐标集合和纵坐标集合；Iinj是每口注气井的日注气量集合；BHPpro是每口生产井的井底流压集合；Xm+n是第m+n口井的井位横坐标，m+n为生产井和注气井的总数；Ym+n是第m+n口井的井位纵坐标；Pm是第m口生产井的井底流压；步骤4.1.3、构建约束条件；约束条件分为两个方面，第一个是针对井位坐标的约束，如下： 式中，Xa、Xb分别为井A、井B的井位横坐标；Ya和Yb分别为井A、井B的井位纵坐标；Dmin是规定的两口井之间的最小井距；第二个是针对井控参数的约束，如下： 式中，λm是某一井组内第m口生产井与注气井之间的井间气驱扩散程度系数；u为生产井索引序号，λu是某一井组内第u口生产井与注气井之间的井间气驱扩散程度系数；dm是第m口生产井CO2驱前缘与注气井之间的欧几里得距离；Dm是注气井与第m口生产井的井距；ηm是第m口生产井与注气井之间的相对气驱扩散程度；步骤4.2、基于多目标粒子群算法求解CCUS-EOR井位及井控参数优化数学模型，优选出累计产油量与CO2埋存量多目标优化的Pareto前沿，得到侧重不同开发目标的CO2驱开发方案；具体过程为：步骤4.2.1、设置粒子群大小为Ppop，在约束条件下随机生成注气井和生产井的井位坐标、注气井日注气量和生产井井底流压，构建初始种群并初始化粒子的位置和速度，同步计算每个粒子的适应度值；步骤4.2.2、对于每个粒子，根据其当前位置和历史位置更新个体最优解Pbest，进一步根据所有粒子的Pbest更新全局最优解Gbest；第个粒子在k+1次迭代时的速度和位置的更新公式为： 式中，k为迭代次数；ω为惯性权重；为第个粒子在k次迭代时的速度；c1和c2为不同的加速度系数，分别用来调节个体最优位置和领域最优位置的经验在速度更新中的比例；r1和r2均为[0,1]范围内服从均匀分布的随机数；为第个粒子在k次迭代时的位置；步骤4.2.3、对于种群中的每个粒子，计算其被支配的个数np和支配的解的集合Sp，并初始化非支配排序等级r＝1；执行快速非支配排序操作，将np＝0的个体放入集合F1中，以此类推到种群等级被全部划分，所得到的Pareto最优解集为F1；Pareto最优解集即为侧重不同开发目标的CO2驱开发方案，Pareto最优解集包含Pareto前沿及每个解集的注气井和生产井的井位坐标、动态的注气井日注气量、动态的生产井井底流压，还包括每个解集对应的不同时间步下累计产油量、CO2埋存量。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于时空图神经网络的井位及井控参数优化方法