[发明专利]基于井筒参数的注采联调智能决策方法及系统

权利要求书

1.基于井筒参数的注采联调智能决策系统，其特征在于，包括采集模块（100）、控制模块（200）以及注采设备（300），所述控制模块（200）配置为：

基于物理油水井（7）的静态数据和所述采集模块（100）实时采集的动态数据建立数字油水井（8）的油藏模型；

基于动态数据与所述油藏模型模拟结果的关联度分析选取至少一个关联度大于第一阈值的至少一个第一参数，并基于逐级更新至少一个所述第一参数以使得根据至少一个所述第一参数生成的至少一个预测所述油藏模型的数值模拟结果与生产历史之间的差异小于第二阈值的方式调整所述油藏模型；

基于强化学习/深度强化学习算法以同时优化所述注采设备（300）分层注水参数及分层采油参数的方式控制所述注采设备（300）同时执行基于所述油藏模型优化的一体化注水方案和排采方案；

基于数字油水井（8）获取的储层物理性质利用深度学习算法/机器学习算法确定所述注采设备（300）执行的一体化注水方案和排采方案；

所述控制模块（200）配置为按照如下方式来进行优化决策：

构建关于环境状态和执行模块执行动作的价值函数；

在价值函数收敛且优化决策未使得环境状态达到优化目标的情况下，或者在价值函数收敛且相应注采设备（300）未损坏的情况下，

基于ε-greedy贪婪策略获取对应环境状态下的第一动作；

获取执行第一动作后的新环境状态以及对应的奖励；

基于新的环境状态以及对应的奖励进行学习更新，其中，

基于先前环境状态下的先前价值与损失函数的线性叠加进行学习更新，并基于学习速率以及现实价值与先前环境状态下的先前价值之差构建损失函数，其中，

现实价值包括在线学习的第一现实价值和离线学习的第二现实价值；

在更新后，将环境状态更新为新环境状态从而作为下一轮控制的初始状态；

其中，所述第一参数是孔隙度、渗透率、储层水平方向渗透率、储层纵向渗透率、初始管压力中的一个或几个，第二参数至少包括储层岩石物理性质、单砂延伸及几何结构、断层集合结构及封闭性、注采剖面、注水井（1）及采油井（2）中的射孔和增产层、注水井（1）及采油井（2）的相对位置中的一个或几个。

2.根据权利要求1所述的注采联调智能决策系统，其特征在于，所述控制模块（200）配置为按照如下方式建立数字油水井（8）的油藏模型：

基于物理油水井（7）的静态数据和所述采集模块（100）实时采集的动态数据建立初步的油藏模型；

随机选取关于油藏参数的历史生产参数对初步的油藏模型进行油藏模型数值模拟；

在油藏模型的数值模拟结果与生产历史之间的差异小于第二阈值的情况下，以初步的油藏模型作为后续注水方案和排采方案优化的油藏模型；

在油藏模型的数值模拟结果与生产历史之间的差异大于第二阈值的情况下，基于动态数据与所述数值模拟结果的关联度分析选取至少一个关联度大于第一阈值的至少一个第一参数，并通过优化至少一个所述第一参数的方式调整初步的油藏模型以使得数值模拟结果与生产历史之间的差异小于第二阈值。

3.根据权利要求1所述的注采联调智能决策系统，其特征在于，所述控制模块（200）配置为按照如下方式优化至少一个所述第一参数：

基于所述历史生产参数随机选取第一参数的初始值；

基于至少一个所述第一参数的初始值进行预测以生成多个所述油藏模型的数值模拟结果；

基于预测的多个所述油藏模型的数值模拟结果与生产历史之间的差异逐级调整所述第一参数以使得预测的多个所述油藏模型的数值模拟结果与生产历史之间的差异小于第二阈值。

4.根据权利要求1所述的注采联调智能决策系统，其特征在于，所述控制模块（200）配置为：

基于所述油藏模型获取关于储层流体流动的第二参数，其中，

基于所述第二参数确定一体化注水方案和排采方案，其中，

基于所述静态数据、动态数据以及所述第二参数量化所述注采设备（300）的注水效果和排采效果的评价指标；

基于深度学习算法/机器学习算法获取注水方案和排采方案。