(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(65)同一申請的已公布的文獻(xiàn)號(73)專利權(quán)人中國石油大學(xué)(華東)地址266580山東省青島市黃島區(qū)長江西路66號(72)發(fā)明人馮其紅劉偉娜張先敏尚千里劉高文王聰(74)專利代理機(jī)構(gòu)北京匯澤知識產(chǎn)權(quán)代理有限公司11228專利代理師亓贏GO6F30/28(2020.0審查員段偲麗(54)發(fā)明名稱方案模擬步驟3,計算各注采參數(shù)組合方案對應(yīng)的水步驟4,判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)步驟5,輸出最優(yōu)注采參數(shù)方案本發(fā)明涉及油氣勘探開發(fā)領(lǐng)域，具體涉及基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法。該方法包括以下步驟：步驟1,生成目標(biāo)油藏的重啟動模型，給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)及優(yōu)化控制參數(shù)；步驟2,更新當(dāng)前優(yōu)化過程的迭代次數(shù)，自動生成注采參數(shù)組合方案，調(diào)用重啟動模型進(jìn)行各注采參數(shù)組合方案模擬；步驟3,計算各注采參數(shù)組合方案對應(yīng)的水驅(qū)匹配度值，確定當(dāng)前迭代次數(shù)下最優(yōu)的注采參數(shù)組合方案；步驟4,判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)；步驟5,輸出最優(yōu)注采參數(shù)方案。本發(fā)明能精準(zhǔn)調(diào)控21.一種基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法，其特征在于，其包括以下步驟：步驟1,生成目標(biāo)油藏的重啟動模型，給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)及優(yōu)化控制參數(shù)；步驟2,更新當(dāng)前優(yōu)化過程的迭代次數(shù)，自動生成注采參數(shù)組合方案，調(diào)用重啟動模型進(jìn)行各注采參數(shù)組合方案模擬；步驟3,計算各注采參數(shù)組合方案對應(yīng)的水驅(qū)匹配度值，確定當(dāng)前迭代次數(shù)下最優(yōu)的注采參數(shù)組合方案；步驟4,判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)；步驟5,輸出最優(yōu)注采參數(shù)方案；所述步驟1包括：步驟101,整理目標(biāo)油藏相關(guān)資料，構(gòu)建目標(biāo)油藏數(shù)值模擬模型；步驟102,運(yùn)行目標(biāo)油藏數(shù)值模擬模型至待優(yōu)化時刻，生成目標(biāo)油藏的重啟動模型；步驟103,給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)以及優(yōu)化控制參數(shù)；其中，所述目標(biāo)油藏相關(guān)資料包括地質(zhì)資料和開發(fā)資料；所述地質(zhì)資料包括儲層構(gòu)造參數(shù)、儲層物性參數(shù)以及流體物性參數(shù)；所述儲層構(gòu)造參曲線；所述開發(fā)資料包括：注水井的井口坐標(biāo)、井軌跡、射孔層位，生產(chǎn)井的井口坐標(biāo)、井軌所述初始化注采參數(shù)包括：注水井的日注水量、生產(chǎn)井的日產(chǎn)液量；所述優(yōu)化控制參數(shù)包括注采約束條件以及優(yōu)化算法初始化參數(shù)；所述注采約束條件包括：目標(biāo)油藏的日配注水量、日配產(chǎn)液量；注水井的日注水量上限、注水井的日注水量下限、注水井的井底壓力上限、注水井的井底壓力下限；生產(chǎn)井的日產(chǎn)液量上限、生產(chǎn)井的日產(chǎn)液量下限、生產(chǎn)井的井底壓力上限、生產(chǎn)井的井底壓力下所述優(yōu)化算法初始化參數(shù)包括：種群規(guī)模、最大迭代次數(shù)、學(xué)習(xí)因子和慣性權(quán)重，初始化迭代次數(shù)m=0;所述步驟3包括：步驟301:根據(jù)各個數(shù)值模擬結(jié)果所提取的網(wǎng)格單元特征參數(shù)，采用如下公式計算各網(wǎng)格單元的可動油儲量：公式(1)中：N,為網(wǎng)格單元的可動油儲量；N為網(wǎng)格單元的地質(zhì)儲量；S為網(wǎng)格單元的步驟302:根據(jù)含水飽和度、油相相對滲透率、水相相對滲透率數(shù)據(jù)，采用最小二乘法、非線性回歸或機(jī)器學(xué)習(xí)方法，基于如下公式進(jìn)行擬合，獲取擬合系數(shù)a和b:3步驟303:根據(jù)各個數(shù)值模擬結(jié)果的網(wǎng)格單元特征參數(shù)，采用如下公式計算網(wǎng)格單元的應(yīng)的累積注水量；N·W表示向量N和W的點積；||N||表示向量N的模長，步驟305:獲取當(dāng)前迭代次數(shù)m下水驅(qū)匹配度值最大的注采參數(shù)組合方案，確定為當(dāng)前規(guī)模的數(shù)量pop取值為20至50;學(xué)習(xí)因子設(shè)為24.如權(quán)利要求1至3中任一權(quán)利要求所述基于水驅(qū)匹配度的注采步驟201,更新當(dāng)前優(yōu)化過程的迭代次數(shù)m,令m=m+1,根據(jù)預(yù)設(shè)的種群規(guī)模數(shù)量pop,在步驟202,向油藏數(shù)值模擬器提交當(dāng)前迭代過程中的pop個注采參數(shù)組合方案，調(diào)用目步驟203,根據(jù)所述pop個注采參數(shù)組合方案的數(shù)值模擬響應(yīng)結(jié)果，從數(shù)值模擬響應(yīng)結(jié)4果中提取對應(yīng)的網(wǎng)格單元特征參數(shù)。5.如權(quán)利要求4所述基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法，其特征在于，所述步驟202中，采用Python模塊通過Python與油藏數(shù)值模擬器之間的接口，批量自動提交當(dāng)前迭代過程中的pop個注采參數(shù)組合方案。6.如權(quán)利要求4所述基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法，其特征在于，通過解析油藏數(shù)值模擬器的輸出文件獲取所述網(wǎng)格單元特征參數(shù)，所述網(wǎng)格單元特征參數(shù)包括儲層物性參數(shù)和流體物性參數(shù)，所述儲層物性參數(shù)包括：初始含油飽和度、殘余油飽和度、束縛7.如權(quán)利要求4所述基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法，其特征在于，所述步驟4中，判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)：若當(dāng)前迭代次數(shù)m達(dá)到預(yù)設(shè)的最大迭代次所述步驟5中，輸出最優(yōu)注采參數(shù)組合方案為全部迭代次數(shù)中水驅(qū)匹配度值最大的注5基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及油氣田開發(fā)領(lǐng)域，具體涉及基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方背景技術(shù)[0002]隨著油田注水開發(fā)的進(jìn)行，老油田資源儲量逐漸減少，開采難度日益增大，油田進(jìn)入高含水開發(fā)階段，傳統(tǒng)的開采方式已難以滿足經(jīng)濟(jì)效益最大化的需求，注采優(yōu)化技術(shù)成為提升油田開發(fā)效率、改善剩余油分布、延長油田壽命的關(guān)鍵策略。[0003]注采參數(shù)優(yōu)化的目標(biāo)函數(shù)主要包括累產(chǎn)油、凈現(xiàn)值、含水率等。在油藏注水開發(fā)中，理想狀態(tài)下，各區(qū)域注水量應(yīng)與可動油儲量合理匹配，才能實現(xiàn)最佳均衡驅(qū)替。但實際定量評估水驅(qū)均衡程度并為調(diào)整優(yōu)化提供依據(jù)，是油藏開發(fā)的重要研究課題。[0004]現(xiàn)有的注采優(yōu)化技術(shù)中，優(yōu)化目標(biāo)函數(shù)都主要側(cè)重于對油藏的經(jīng)濟(jì)效益和短期開發(fā)效果進(jìn)行評估，缺乏對油藏內(nèi)部驅(qū)替過程的體現(xiàn)，不能直接反映儲層內(nèi)部的水驅(qū)均衡驅(qū)替程度。發(fā)明內(nèi)容[0005]為克服現(xiàn)有技術(shù)所存在的缺陷，本發(fā)明提供一種水驅(qū)油藏注采參數(shù)協(xié)同優(yōu)化設(shè)計方法，旨在解決水驅(qū)油藏因非均質(zhì)性及不合理注采制度導(dǎo)致的驅(qū)替不均衡問題，通過定量表征可動油儲量和注水量的空間適配關(guān)系，基于驅(qū)替匹配度，結(jié)合智能優(yōu)化算法，快速準(zhǔn)確地獲得與實際油藏可動油儲量和注水量相匹配的最優(yōu)注采參數(shù)方案，實現(xiàn)水驅(qū)油藏儲層各區(qū)域驅(qū)替匹配度最大化的注采參數(shù)系統(tǒng)的科學(xué)優(yōu)化設(shè)計，有利于提高水驅(qū)油藏采收率。[0006]為解決上述技術(shù)問題本發(fā)明采用的技術(shù)方案為：一種基于水驅(qū)匹配度的注采參數(shù)[0007]步驟1,生成目標(biāo)油藏的重啟動模型，給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)及優(yōu)化控制參數(shù)；[0008]步驟2,更新當(dāng)前優(yōu)化過程的迭代次數(shù)，自動生成注采參數(shù)組合方案，調(diào)用重啟動模型進(jìn)行各注采參數(shù)組合方案模擬；[0009]步驟3,計算各注采參數(shù)組合方案對應(yīng)的水驅(qū)匹配度值，確定當(dāng)前迭代次數(shù)下最優(yōu)的注采參數(shù)組合方案；[0010]步驟4,判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)；[0011]步驟5,輸出最優(yōu)注采參數(shù)方案。[0012]優(yōu)選的，所述步驟1包括：步驟101,整理目標(biāo)油藏相關(guān)資料，構(gòu)建目標(biāo)油藏數(shù)值模擬模型；步驟102,運(yùn)行目標(biāo)油藏數(shù)值模擬模型至待優(yōu)化時刻，生成目標(biāo)油藏的重啟動模型；步驟103,給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)以及優(yōu)化控制參數(shù)；其中，所述目標(biāo)油藏相關(guān)資料包括地質(zhì)資料和開發(fā)資料；所述地質(zhì)資料包括儲層構(gòu)造參數(shù)、儲層物性參數(shù)以6預(yù)設(shè)的種群規(guī)模數(shù)量pop,在滿足注采約束條件的前提下，利用優(yōu)化算法隨機(jī)生成pop個注采參數(shù)組合方案；步驟202,向油藏數(shù)值模擬器提交當(dāng)前迭代過程中的pop個注采參數(shù)組合網(wǎng)格單元特征參數(shù)包括儲層物性參數(shù)和流體7對應(yīng)的累注水量；N·W表示向量N?和W的點積；IINII表示向量N的模長，同優(yōu)化方法，實現(xiàn)可動油儲量和注水量的合理匹配，指導(dǎo)油田生產(chǎn)實踐并提高油8附圖說明[0036]圖1為本發(fā)明一實施例流程圖。[0037]圖2為目標(biāo)油藏滲透率場和井位分布圖。[0038]圖3為目標(biāo)油藏注采參數(shù)優(yōu)化迭代曲線圖。[0039]圖4為優(yōu)化前后油藏生產(chǎn)動態(tài)對比結(jié)果圖。[0040]圖5為目標(biāo)油藏第2小層優(yōu)化前飽和度和流線分布圖。[0041]圖6為目標(biāo)油藏第2小層優(yōu)化后飽和度和流線分布圖。[0042]圖7為目標(biāo)油藏第4小層優(yōu)化前飽和度和流線分布圖。[0043]圖8為目標(biāo)油藏第4小層優(yōu)化后飽和度和流線分布圖。[0044]圖9為目標(biāo)油藏第6小層優(yōu)化前飽和度和流線分布圖。[0045]圖10為目標(biāo)油藏第6小層優(yōu)化后飽和度和流線分布圖。[0046]圖中：具體實施方式[0048]有關(guān)本發(fā)明的詳細(xì)說明及技術(shù)內(nèi)容，配合附圖說明如下，然而附圖僅提供參考與說明用，并非用來對本發(fā)明加以限制。[0049]相比于現(xiàn)有技術(shù)，本發(fā)明針對水驅(qū)油藏實際開發(fā)過程中，儲層各區(qū)域的注水量和可動油儲量的空間適配關(guān)系，構(gòu)建了基于余弦相似度的水驅(qū)匹配度指標(biāo)；基于驅(qū)替匹配度最大化，建立水驅(qū)油藏注采參數(shù)協(xié)同優(yōu)化數(shù)學(xué)模型，結(jié)合智能優(yōu)化算法和數(shù)值模擬器獲得最優(yōu)方案，更好地實現(xiàn)油藏的精準(zhǔn)配產(chǎn)配注，有效改善水驅(qū)油藏的均衡驅(qū)替狀況，實現(xiàn)增有降水的開發(fā)目標(biāo)。[0050]圖1-圖10為本發(fā)明一實施例方法的流程示意及該實施例方法對某目標(biāo)油藏進(jìn)行優(yōu)化的示意。[0051]如圖1所示，本發(fā)明一實施例基于水驅(qū)匹配度的注采參數(shù)協(xié)同優(yōu)化方法，包括如下步驟：[0052]步驟1,生成目標(biāo)油藏的重啟動模型，給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)及優(yōu)化控制參數(shù)；[0053]步驟2,更新當(dāng)前優(yōu)化過程的迭代次數(shù)，自動生成注采參數(shù)組合方案，調(diào)用重啟動模型進(jìn)行各注采參數(shù)組合方案模擬；[0054]步驟3,計算各注采參數(shù)組合方案對應(yīng)的水驅(qū)匹配度值，確定當(dāng)前迭代次數(shù)下最優(yōu)的注采參數(shù)組合方案；[0055]步驟4,判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)；[0056]步驟5,輸出最優(yōu)注采參數(shù)方案。[0057]步驟1,生成目標(biāo)油藏的重啟動模型，給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)及優(yōu)化控制參數(shù)，具體步驟如下：[0058]步驟101,整理目標(biāo)油藏相關(guān)資料，構(gòu)建目標(biāo)油藏數(shù)值模擬模型；所述目標(biāo)油藏相關(guān)資料包括地質(zhì)資料和開發(fā)資料。[0059]所述地質(zhì)資料包括儲層構(gòu)造參數(shù)、儲層物性參數(shù)以及流體物性參數(shù)；所述儲層構(gòu)9透率曲線。[0060]在實施例中，目標(biāo)油藏采用一注四采五點法井網(wǎng)。所述開發(fā)資料包括注水井個。[0061]步驟102,運(yùn)行目標(biāo)油藏數(shù)值模擬模型至待優(yōu)化時刻，生成目標(biāo)油藏的重啟動模[0062]步驟103,給定目標(biāo)油藏待優(yōu)化井的初始化注采參數(shù)以及優(yōu)化控制參數(shù)。[0063]所述初始化注采參數(shù)包括：注水井INJEC1的日注水量[0064]所述優(yōu)化控制參數(shù)包括注采約束條件以及優(yōu)化算法初始化參數(shù)；所述注采約束條井INJEC1的日注水量下限Imin、注水井INJEC1的井底壓力上限P、注水井INJEC1的井底壓[0065]所述優(yōu)化算法包括：但不限于遺傳算法(GA)、粒子群算法(PSO)、鯨魚優(yōu)化算法重。所述種群規(guī)模pop通常取20~50。初始化迭代次數(shù)m=0。學(xué)習(xí)因子一般默認(rèn)為2.0;慣性權(quán)重通常設(shè)置在0.4~0.9之間變化。[0067]步驟2,更新當(dāng)前優(yōu)化過程的迭代次數(shù)，自動生成注采參數(shù)組合方案，調(diào)用重啟動模型進(jìn)行各注采參數(shù)組合方案模擬，具體步驟如下：[0068]步驟201,更新當(dāng)前優(yōu)化過程的迭代次數(shù)m,令m=m+1,根據(jù)預(yù)設(shè)的種群規(guī)模pop,在滿足注采約束條件的前提下，利用優(yōu)化算法隨機(jī)生成pop個注采參數(shù)組合方案。[0069]步驟202,向油藏數(shù)值模擬器提交當(dāng)前迭代過程中的pop個注采參數(shù)組合方案，調(diào)用目標(biāo)油藏的重啟動模型，分別對各注采參數(shù)組合方案進(jìn)行油藏數(shù)值模擬，獲取相應(yīng)的數(shù)值模擬響應(yīng)結(jié)果。[0070]可采用Python模塊，通過Python與油藏數(shù)值模擬器之間的接口，批量自動提交當(dāng)前迭代過程中的pop個注采參數(shù)組合方案。[0071]所述油藏數(shù)值模擬器包括但不限于Eclipse、CMG、tNavigator等主流商業(yè)油藏模擬軟件，亦可為自主開發(fā)的油藏模擬平臺。[0072]步驟203,根據(jù)前述pop個注采參數(shù)組合方案的數(shù)值模擬響應(yīng)結(jié)果，從數(shù)值模擬響應(yīng)結(jié)果中提取對應(yīng)的網(wǎng)格單元特征參數(shù)。[0073]所述網(wǎng)格單元特征參數(shù)用于后續(xù)目標(biāo)函數(shù)評估，包括儲層物性參數(shù)和流體物性參數(shù)，通過解析油藏數(shù)值模擬器的輸出文件(如Eclipse生成的后綴為.UNRST、.GRID、型各網(wǎng)格單元的可動油儲量值構(gòu)成的向量；W=(W?,W,?,…,W,,…W;),為由目標(biāo)油藏模型各網(wǎng)格單元的累注水量值構(gòu)成的向量；n為目標(biāo)油藏模型包含的網(wǎng)格單元數(shù)；N表示目標(biāo)油藏模型第j個網(wǎng)格單元對應(yīng)的可動油儲量，m