[发明专利]基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法

摘要

本发明提供了一种基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法，包括：步骤1：初始化油藏模型的集合，集合包括静态参数、动态参数以及油井生产数据；步骤2：将静态参数中的渗透率进行超球体变换，并构造新的状态向量集合；步骤3：将新的状态向量集合中的每个状态向量输入到油藏模拟器中进行预测获得状态预测值，每个状态向量及其状态预测值构成预测集合；步骤4：根据预测集合计算卡尔曼增益矩阵；步骤5：根据预测集合、卡尔曼增益矩阵以及测量的油井生产数据对预测集合进行更新，获得更新后的静态参数、动态参数以及油井生产数据。利用本发明能够提高油藏历历史拟合精度的准确性和减少人工历史拟合的盲目性。

主权项

1.一种基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法，其特征在于，包括如下步骤：步骤S1：初始化油藏模型的集合；其中，所述集合由状态向量的矩阵组成，所述状态向量由状态变量组成，所述状态变量包括静态参数、动态参数和油井生产数据；所述静态参数包括所述油藏模型每个网格的渗透率和孔隙度，所述动态参数包括所述油藏模型每个网格的压力和饱和度，所述油井生产数据包括井底压力、油井产油量和油井产水量；步骤S2：对所述集合中静态参数的渗透率进行超球体变换，获得Sigma点集与所述孔隙度组成新的静态参数；其中，为n_K×(n_K+2)维矩阵，表示所述集合中第i个静态参数的渗透率经超球体变换之后第j维的第l个粒子，第l个粒子的第一列为K_i，n_K为每组渗透率的维数；步骤S3：基于新的静态参数、所述动态参数和所述油井生产数据构造k时刻的状态向量集合步骤S4：将所述状态向量集合中的每个状态向量输入到油藏模拟器，以对每个状态向量k+1时刻的值进行预测，获得每个状态向量在k+1时刻的状态预测值，所有的状态向量及其状态预测值形成预测集合，同时计算所述预测集合中每个状态向量的协方差矩阵；步骤S5：根据所述预测集合和所述预测集合中每个状态向量的协方差矩阵计算卡尔曼增益矩阵Gk+1；步骤S6：根据所述卡尔曼增益矩阵Gk+1和测量的k+1时刻的油井生产数据dk+1，对所述预测集合中每个状态向量的状态预测值进行更新，获得更新后的静态参数、动态参数以及油井生产数据。