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：本发明公开了一种二氧化碳吞吐增油与埋存协同优化方法及装置，涉及石油开采技术领域。方法包括：根据目标区块单井二氧化碳吞吐开发数值模拟模型，利用多维偏置拉丁采样方法采样生成第一样本集和第二样本集；分段处理油藏二氧化碳吞吐产油量动态数据，建立第三样本集；根据第二样本集和第三样本集，建立工艺参数优化代理模型；基于工艺参数优化代理模型和约束条件，利用多目标优化算法求解目标函数的最优帕累托前沿；基于目标函数的最优帕累托前沿，确定CO2吞吐的最优工艺参数。本发明利用多目标优化算法求解目标函数能够提高油藏二氧化碳吞吐工艺参数优化的效率和合理性。

主权项：1.一种二氧化碳吞吐增油与埋存协同优化方法，其特征在于，包括：根据目标区块的地质参数、流体参数、压裂施工资料和开发数据，利用数值模拟软件建立目标区块单井CO2吞吐开发数值模拟模型；根据所述目标区块单井CO2吞吐开发数值模拟模型，利用多维偏置拉丁采样方法采样生成第一样本集和第二样本集；所述多维偏置拉丁采样方法是将反函数抽样方法和拉丁超立方体抽样方法进行耦合确定的；第一样本集包括不同CO2吞吐工艺参数对应的产油量动态数据；所述产油量动态数据是将不同CO2吞吐工艺参数输入到目标区块单井CO2吞吐开发数值模拟模型后得到的；第二样本集包括不同CO2吞吐工艺参数对应的累计CO2埋存量；所述累计CO2埋存量是将不同CO2吞吐工艺参数输入到目标区块单井CO2吞吐开发数值模拟模型后得到的；根据所述第一样本集，分段处理油藏CO2吞吐产油量动态数据，并筛选得到各生产段最优产量递减模型，建立第三样本集；根据所述第二样本集和所述第三样本集，建立工艺参数优化代理模型；确定油藏CO2吞吐工艺参数优化的目标函数、优化变量以及约束条件；优化变量为油藏CO2吞吐转注时间、吞吐周期数、单周期注气时间、焖井时间和注气时间以及单周期注气速率其中之一或任意组合；所述目标函数为：F1＝maxNPVu； 式中，F1为第一目标函数，NPVu为经济净现值，Nt为总的时间步数，m为当前时间步数，tm为当前生产时间距开始投产相差的时间，b为年利率，Poil为油价，Coil为方油成本，为当前生产时间内原油产量，为CO2的购置与注入的成本，为当前生产时间内的CO2注入量，为CO2埋存的经济效果，为当前生产时间内的CO2埋存量，Nn为总的松弛约束惩罚事件数量，n为当前松弛约束惩罚成本，an为当前违约事件的成本，FC为固定成本，Cwell为钻完井成本，Cfra,k为压裂单条裂缝成本，nf为压裂缝数量，F2为第二目标函数，为油藏有效CO2埋存量，mn,inj为累计CO2注入的质量，mn,o为累计产油量中溶解的CO2的质量，mn,w为累计产水量中溶解的CO2的质量，mn,g为累计产气量中的CO2的质量；所述约束条件为： 式中，Tinj为单周期注气时间，为单周期注气时间的下限，为单周期注气时间的上限；Tsoak为单周期焖井时间，为单周期焖井时间的下限，为单周期焖井时间的上限；Tpro为单周期生产时间，为单周期生产时间的下限，为单周期生产时间的上限；Rinj为单周期注气速率，为单周期注气速率的下限，为单周期注气速率的上限；Nhnp为吞吐周期数，为吞吐周期数的下限，为吞吐周期数的上限，Tm_hnp为吞吐转注时机，为吞吐转注时机的下限，为吞吐转注时机的上限；基于所述工艺参数优化代理模型和所述约束条件，利用多目标优化算法求解目标函数的最优帕累托前沿；基于目标函数的最优帕累托前沿，确定CO2吞吐的最优工艺参数；根据所述第一样本集，分段处理油藏CO2吞吐产油量动态数据，并筛选得到各生产段最优产量递减模型，建立第三样本集，包括：将第一样本集中每个样本的产油量动态数据根据吞吐轮次进行分割，得到每个生产段的产油量动态数据；利用多种产量递减模型分别对每个生产段的产油量动态数据进行拟合，得到CO2吞吐产量递减模型集合；绘制各个生产段每种CO2吞吐产量递减模型对应的生产数据曲线；将CO2吞吐产量递减模型集合中多个CO2吞吐产量递减模型进行随机组合，得到多个CO2吞吐产量递减模型组合；基于所述生产数据曲线确定不同CO2吞吐产量递减模型组合的综合评判系数；根据不同CO2吞吐产量递减模型组合的综合评判系数，确定基于第一样本集的最优产量递减模型组合；根据第一样本集和最优产量递减模型组合，建立第三样本集；第三样本集包括不同CO2吞吐工艺参数对应的最优产量递减模型组合的参数组；所述最优产量递减模型组合的参数组是将不同CO2吞吐产油量动态数据通过最优递减模型组合分阶段拟合得到的；根据所述第二样本集和所述第三样本集，建立工艺参数优化代理模型，包括：确定第二样本集工艺参数优化代理模型的第一特征数据和第一标签数据；所述第一特征数据为油藏CO2吞吐工艺参数；所述第一标签数据为累计CO2埋存量；确定第三样本集工艺参数优化代理模型的第二特征数据和第二标签数据；所述第二特征数据为油藏CO2吞吐工艺参数；所述第二标签数据为最优产量递减模型组合的参数组；获取预设代理模型数量M；分别构建第二样本集对应的第一工艺参数优化代理集成树模型和第三样本集对应的第二工艺参数优化代理集成树模型；第一工艺参数优化代理集成树模型包括M个第一优化代理模型；第二工艺参数优化代理集成树模型包括M个第二优化代理模型；基于第一特征数据和第一标签数据，利用第二样本集训练的M个第一优化代理模型，得到M个训练后的第一优化代理模型；基于第二特征数据和第二标签数据，利用第三样本集训练的M个第二优化代理模型，得到M个训练后的第二优化代理模型；利用误差分析方法评价M个训练后的第一优化代理模型，得到第二样本集的工艺参数优化代理模型；利用误差分析方法评价M个训练后的第二优化代理模型，得到第三样本集的工艺参数优化代理模型；根据所述目标区块单井CO2吞吐开发数值模拟模型，利用多维偏置拉丁采样方法采样生成第一样本集和第二样本集，包括：基于目标区块单井CO2吞吐开发数值模拟模型，对二氧化碳吞吐工艺参数进行敏感性分析，确定各个工艺参数的取值上下限；基于确定的二氧化碳吞吐工艺参数及取值范围，利用多维偏置拉丁采样方法采样，形成一组油藏CO2吞吐工艺参数优化变量数据组，并按照预设次数重复进行随机采样；基于采样获得的油藏CO2吞吐工艺参数样本集，调用目标区块单井CO2吞吐开发数值模拟模型进行数值模拟，获得样本的产油量和累计CO2埋存量等动态数据；读取并记录获得的油藏CO2吞吐生产动态，将各样本的CO2吞吐工艺参数与产油量动态数据结合，形成第一样本集；将各样本的CO2吞吐工艺参数与累计CO2埋存量结合，形成第二样本集；多维偏置拉丁采样方法包括：确定要生成的样本集的维度和样本数；对于每个维度，根据具体的高斯概率公式确定区间划分的方式；根据确定的划分方式，计算每个区间的边界；对于每个维度，生成样本点的位置；将生成的样本点按照维度分组；对于每个维度的样本点，根据确定的划分方式和区间边界，将样本点映射到对应的区间内；将所有维度的样本点组合起来，形成偏置拉丁超立方体的样本集合。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种二氧化碳吞吐增油与埋存协同优化方法及装置