[发明专利]基于时序多目标预测模型的井位及注采参数联合优化方法

说明书

本发明公开了一种基于时序多目标预测模型的井位及注采参数联合优化方法，属于油气田开发工程领域，包括如下步骤：步骤1、筛选水驱开发效果主控因素，结合水驱开发潜力公式对目标油藏进行水驱潜力分类分级评价；步骤2、采用井位及注采参数数值模拟样本生成模块生成水驱开发效果时序预测样本集；步骤3、基于长短期记忆神经网络建立时序多目标预测模型，并进行模型训练；步骤4、输出训练完成且性能评价良好的时序多目标预测模型，耦合多目标优化算法NSGA‑Ⅱ建立井位及注采参数联合优化模型，优化得到最终的井位及注采参数。本发明能够保证水驱油藏在高效开发的前提下获得相对缓慢的含水上升速率，对油藏开发与管理有积极意义。

技术领域

本发明属于油气田开发工程领域，具体涉及一种基于时序多目标预测模型的井位及注采参数联合优化方法。

背景技术

中国陆上油田已进入高含水阶段，通过合理的油水井井位部署及注采参数优化，建立有效的驱替压力系统，延长注入水的水窜时间，增大水驱波及体积，是水驱油藏经济、高效开发的关键。

现有的大部分油藏开发策略调整方法都有一定的局限性。利用油藏工程和渗流力学等理论推导计算井网、井距及注采比等参数进行油田井网部署及注采策略设计的传统方法难以充分考虑储层岩石及流体参数的非均质性，无法提供不同特征油藏水驱优化设计的普适性方法。而基于油藏数值模拟技术的井位部署及注采优化方法通常是依据储层的实际地质状况、开发情况以及石油工程师的经验来人为设计多套方案，依据开发评价指标进行比较和筛选，这种方法依赖于油藏工程师的现场经验，费时费力，且难以得到真正意义上的最优方案。

近年来，人们不断把井位及注采优化问题作为数学上的最优化问题提出。最优化问题一般借助智能算法来解决。基于智能算法的注采优化是通过在合理的约束条件下进行数值模拟器或代理模型的迭代计算，通过梯度类、随机类等最优化算法在可行域中找到一个对应目标函数值是最优的解，从而输出评价指标最优的注采参数组合，实现优化参数与油藏条件的精准匹配。该方法通常需要与油藏数值模拟方法相结合，预测成千上万套方案的开发效果，反复地寻找最佳值，计算量巨大。同时传统的水驱优化过程往往是针对最大化累计产油量这一单目标进行优化，通常会制定“强注强采”等措施使得开发效果最优，但忽略了其他开发目标所带来的风险。此外，传统优化方法仅针对油藏生产全程进行单次静态优化，整个油藏生产过程中都在使用一套注采参数组合，这是不符合油田现场要求的。

综上所述，目前已有水驱开发策略优化方法存在优化成本高、仅涉及单目标静态优化等缺陷。

发明内容

为了解决上述问题，本发明提出了一种基于时序多目标预测模型的井位及注采参数联合优化方法，结合深度学习、多目标优化算法和水驱开发策略优化原理，实现基于模型驱动架构的水驱生产动态准确预测和井控参数联合优化。

本发明的技术方案如下：

一种基于时序多目标预测模型的井位及注采参数联合优化方法，包括如下步骤：

步骤1、筛选水驱开发效果主控因素，结合水驱开发潜力公式对目标油藏进行水驱潜力分类分级评价；

步骤2、采用井位及注采参数数值模拟样本生成模块生成水驱开发效果时序预测样本集；

步骤3、基于长短期记忆神经网络建立时序多目标预测模型，并进行模型训练；

步骤4、输出训练完成且性能评价良好的时序多目标预测模型，耦合多目标优化算法NSGA-Ⅱ建立井位及注采参数联合优化模型，优化得到最终的注入井初始井位坐标、生产井初始井位坐标、注入井日注水量月度数据、生产井日产油量月度数据及其对应的累计产油量、含水率时序变化规律。

进一步地，步骤1的具体过程如下：

步骤1.1、分析水驱开发效果影响因素，确定水驱开发效果评价指标；影响水驱开发效果的因素包括开发因素、地质因素、流体因素；其中，开发因素包括单井日注水量、单井日产油量、井底流压、注采比；地质因素包括渗透率、孔隙度、含水饱和度、油藏压力、油藏埋深；流体因素包括原油粘度；水驱开发效果评价指标分别为累计产油量及含水率；