CN105512458A - 缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置 - Google Patents
缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置 Download PDFInfo
- Publication number
- CN105512458A CN105512458A CN201510821581.XA CN201510821581A CN105512458A CN 105512458 A CN105512458 A CN 105512458A CN 201510821581 A CN201510821581 A CN 201510821581A CN 105512458 A CN105512458 A CN 105512458A
- Authority
- CN
- China
- Prior art keywords
- carbonate reservoir
- cluster
- fractured
- sample set
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 title claims abstract description 83
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 239000002245 particle Substances 0.000 claims abstract description 85
- 238000011084 recovery Methods 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 50
- 239000000203 mixture Substances 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 44
- 238000004519 manufacturing process Methods 0.000 claims description 36
- 238000007621 cluster analysis Methods 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000013459 approach Methods 0.000 claims description 20
- 230000001186 cumulative effect Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001149 cognitive effect Effects 0.000 claims description 5
- 230000009897 systematic effect Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 14
- 239000003129 oil well Substances 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 6
- 238000005065 mining Methods 0.000 abstract description 5
- 238000009472 formulation Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000018109 developmental process Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000011158 quantitative evaluation Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置，其中该方法包括：选取缝洞型碳酸盐岩油藏的特征属性参数构建所述缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数；根据所述初始聚类中心和最佳聚类分组数，对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。本发明可以实现对缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析，提高综合分析结果的可靠性，能够为不同类型衰竭开采油井的差异化综合治理和提高采收率对策的制定提供理论依据，改善缝洞型碳酸盐岩油气藏的开发效果。
Description
技术领域
本发明涉及油藏开采技术领域，尤其涉及缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置。
背景技术
相比于陆相碎屑岩油藏，海相碳酸盐岩油藏尤其是历经多期构造运动、多期岩溶叠加改造、多期成藏等过程形成的缝洞型碳酸盐岩油藏，储集体发育模式多样、储集空间类型复杂(包括大型洞穴、溶蚀孔洞或裂缝等)、非均质性严重、开发难度大，目前多以衰竭式开采为主，如何综合定量分类评价其衰竭开采特征、对油井进行分类，从而有针对性地提出不同类型油井进一步的提高采收率对策，对于提高缝洞型碳酸盐岩油藏的开发效果是十分有意义的。
传统的分析方法主要包括三角形图解分类、特征属性参数交会图等，这些方法较为直观，但其分析主要依靠经验，主观性强且仅能考虑单一属性因素的影响，在缺乏先验认识的情况下，难以定量地刻画不同类别样本集合的真实特征。
模糊聚类分析采用数学方法定量地确定样本的亲属关系，综合反映多项属性参数的影响，依据对象之间的相似程度真正实现无监督分类，已在碎屑岩储层分类评价中获得了较广泛的应用。但是，由于对初始数据敏感、需依赖人为设定初始聚类中心和聚类分组数、容易陷入局部最优解等内在缺点，常规的模糊聚类算法对于介质类型多、尺度差异大的缝洞型碳酸盐岩油藏适应性差。目前，还尚未见到实用的基于模糊聚类分析进行缝洞型碳酸盐岩油藏衰竭开采特征综合评价的方法，这仍是一大亟待解决的技术难题。
发明内容
本发明实施例提供一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法，用以提供实用的基于模糊聚类分析进行缝洞型碳酸盐岩油藏衰竭开采特征综合评价的方法，该方法包括：
选取缝洞型碳酸盐岩油藏的特征属性参数构建所述缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；
通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数；
根据所述初始聚类中心和最佳聚类分组数，对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
本发明实施例还提供一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置，用以提供实用的基于模糊聚类分析进行缝洞型碳酸盐岩油藏衰竭开采特征综合评价的装置，该装置包括：
样本集构建模块，用于选取缝洞型碳酸盐岩油藏的特征属性参数构建所述缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；
全局优化模块，用于通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数；
模糊聚类模块，用于根据所述初始聚类中心和最佳聚类分组数，对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
本发明实施例克服了传统模糊聚类算法对初始数据敏感、需依赖人为设定初始聚类中心和聚类分组数、容易陷入局部最优解等内在缺点，通过对评价样本集进行离散粒子群全局优化处理，自适应求解评价样本集的初始聚类中心和最佳聚类分组数，据此实现对缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析，提高了综合分析结果的可靠性，能够为不同类型衰竭开采油井的差异化综合治理和提高采收率对策的制定提供理论依据，从而改善缝洞型碳酸盐岩油气藏的开发效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法的流程图；
图2为本发明实施例采用模糊C均值聚类算法进行缝洞型碳酸盐岩油藏衰竭开采特征的综合分析的具体实例图；
图3为本发明实施例中不同衰竭开采油井类型的随衰竭开采时间变化的预测可采储量对比实例图；
图4为本发明实施例中不同衰竭开采油井类型的随衰竭开采时间变化的初期递减率对比实例图；
图5为本发明实施例中不同衰竭开采油井类型的随衰竭开采时间变化的累积产油量对比实例图；
图6为本发明实施例中不同衰竭开采油井类型的随衰竭开采时间变化的末期递减率对比实例图；
图7为本发明实施例中M缝洞型油藏各类油井类型的动态属性划分标准对比图表；
图8为本发明实施例中缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置的示意图；
图9为本发明实施例中缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置的具体实例图；
图10为本发明实施例中缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置的具体实例图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
为了解决上述问题，本发明实施例提供了一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法。图1为本发明实施例中缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法的流程图，如图1所示，该方法可以包括：
步骤101、选取缝洞型碳酸盐岩油藏的特征属性参数构建缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；
步骤102、通过对评价样本集进行离散粒子群全局优化处理，自适应求解评价样本集的初始聚类中心和最佳聚类分组数；
步骤103、根据初始聚类中心和最佳聚类分组数，对缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
具体实施时，可以在生产动态分析的基础上，筛选相互独立的特征属性参数构建评价样本集，然后结合离散粒子群全局优化技术自适应求解初始聚类中心、并确定最佳的聚类分组数，最终采用模糊聚类分析算法定量评价不同衰竭开采油井类型的动态响应特征。其中的模糊聚类分析算法例如可以是经典的模糊C均值聚类算法，也可以根据实际需求采用其它的模糊聚类分析算法。
实施例中，在选取缝洞型碳酸盐岩油藏的特征属性参数时，可以根据实际需求进行选取，例如可以选取缝洞型碳酸盐岩油藏的生产井衰竭开采时间、初期日产油量、高峰日产油量、高峰含水率、累积产油量、累积产水量、预测可采储量、初期递减率及末期递减率等作为缝洞型碳酸盐岩油藏的特征属性参数。在选取了缝洞型碳酸盐岩油藏的特征属性参数后，利用这些特征属性参数构建出缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集。
具体实施时，在构建出评价样本集之后，通过对评价样本集进行离散粒子群全局优化处理，可以自适应求解评价样本集的初始聚类中心和最佳聚类分组数。为了提高求解结果的准确性，可以先对评价样本集进行标准化处理，该标准化处理包括消除不同特征属性参数量纲不一致所引入的***误差；再对标准化处理后的评价样本集进行离散粒子群全局优化处理。其中的标准化处理可以采用多种方法，例如可以采用平移标准差等方法。
在对评价样本集进行离散粒子群全局优化处理时，可以先初始化离散粒子群全局优化算法的控制参数；再从评价样本集中随机选取样本组成初始聚类中心集合，根据控制参数对初始聚类中心集合进行全局随机搜索，获取初始聚类中心和最佳聚类分组数；后续不断重复如下过程直至离散粒子群全局优化算法收敛停止：
从评价样本集中随机选取新的样本，结合上一次全局随机搜索获取的初始聚类中心和最佳聚类分组数，更新初始聚类中心集合，对新的初始聚类中心集合重新进行全局随机搜索，获取新的初始聚类中心和最佳聚类分组数。
其中，初始化离散粒子群全局优化算法的控制参数时，可以根据实际需求初始化例如粒子群体大小、认知学习因子、群体学习因子、惯性权重、模糊性加权指数、最大迭代次数、离散粒子群全局优化算法的迭代收敛阈值等控制参数。
在实施例中，前述初始化的过程还可以包括：初始化初始聚类中心集合中粒子群体的位置、速度和位置全局最优值，以及单个离散粒子的位置、速度和位置局部最优值。这样具体在根据控制参数对初始聚类中心集合进行全局随机搜索，获取初始聚类中心和最佳聚类分组数时，可以重复如下对粒子位置的全局随机优化求解过程，直至离散粒子群全局优化算法达到最大迭代次数或适应度误差小于迭代收敛阈值：
根据每个离散粒子的位置计算初始划分矩阵；计算每个离散粒子的适应度；更新粒子群体的位置全局最优值和单个离散粒子的位置局部最优值；更新每个离散粒子的位置和速度。
前面提到，可以采用一些模糊聚类分析算法对缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析，这里以模糊C均值聚类算法为例，具体在进行模糊聚类分析时，可以根据初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法迭代求解隶属度矩阵和聚类中心矩阵，直至最小二乘目标函数达到最小，获得缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果。实施例中，在实施模糊C均值聚类算法之前，包括对模糊C均值聚类算法的控制参数进行初始化，例如对算法的聚类迭代收敛阈值等进行初始化。
实施例中，在获得了缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果之后，可以进一步将该模糊聚类分析结果进行现场应用，例如根据模糊聚类分析结果，确定不同衰竭开采油井类型的动态响应特征。
下面举一具体实施说明上述缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法的具体实施过程。本例中以采用模糊C均值聚类算法进行模糊聚类分析为例，综合分析处理过程如图2所示，可以包括：
步骤201、优选生产井衰竭开采时间、初期日产油量、高峰日产油量、高峰含水率、累积产油量、累积产水量、预测可采储量、初期递减率和末期递减率这9个动态指标作为特征属性参数，构建评价样本集X。
步骤202、基于平移标准差方法对评价样本集X进行标准化处理，以消除不同特征属性参数量纲不一致所引入的***误差。
步骤203、初始化离散粒子群(PSO)全局优化算法和模糊C均值(FCM)聚类算法的控制参数，包括：粒子群体大小P、认知学习因子c1、群体学习因子c2、惯性权重w、模糊性加权指数m、最大迭代次数Tmax、PSO迭代收敛阈值ε1、FCM聚类迭代收敛阈值ε2等。
步骤204、从评价样本集X中随机选取P个样本组成初始聚类中心集合M，采用0-1二元变量随机初始化P个离散粒子的位置，而粒子的速度用以表征粒子位置的变化。其中，各个粒子每一维度的取值表示所对应M集合中的样本是否被选作初始聚类中心，被选为初始聚类中心的样本总个数即为聚类分组数C。
步骤205、初始化单个离散粒子的位置、速度、个***置局部最优值pbest和粒子群***置全局最优值gbest。
步骤206、(1)通过对粒子位置的全局随机优化求解，获取较优的初始聚类中心、确定最佳的聚类分组数，包括如下步骤：①、根据每个粒子的位置计算初始划分矩阵；②、计算各个粒子的适应度；③、更新群***置全局最优值gbest和个***置局部最优值pbest；④、同时更新各个粒子的位置和速度向量；⑤、若离散PSO全局寻优过程达到最大迭代次数或适应度误差小于收敛阈值ε1，则运算停止，否则转至第①步继续求解。
(2)从评价样本集X中随机选取新的样本，结合(1)过程寻优得到的初始聚类中心结果，更新初始聚类中心集合M，对新的集合M重复(1)的全局随机搜索过程至算法收敛停止。
步骤207、基于初始聚类中心和最佳分组数的自适应求解结果，采用经典的模糊C均值聚类算法，迭代求解隶属度矩阵U和聚类中心矩阵V，使得最小二乘目标函数Jm(U,V)达到最小，最终实现评价样本集的聚类分析，包括如下步骤：①、计算聚类中心；②、计算各个样本与聚类中心之间的欧式距离；③、修正隶属度矩阵U，计算目标函数Jm；④对于给定阈值ε2，若目标函数满足则算法终止；否则转至①步进行下一次迭代计算。
步骤208、将综合聚类评价结果应用于现场实际，指导不同类型衰竭开采油井的差异化综合治理和提高采收率对策的制定。
由图2所示流程可知，本例中基于离散粒子群全局寻优技术改进的模糊C均值聚类分析算法进行缝洞型碳酸盐岩油藏生产井衰竭开采特征的综合定量评价。首先在生产动态分析的基础上，筛选相互独立的特征属性参数构建评价样本集，然后结合离散粒子群全局优化技术自适应求解初始聚类中心、并确定最佳的聚类分组数，最终采用经典的模糊C均值聚类分析算法定量评价不同衰竭开采油井类型的动态响应特征。
下面给出本发明实施例的缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法的一个应用实例。
本例中，M缝洞型碳酸盐岩油藏主要有效储集空间包括大型洞穴、次生溶蚀孔洞和裂缝等，该油藏属于未饱和油藏，地饱压差大(35～66MPa)，平均50.5MPa，地层原油主要为低粘度、低硫、中含胶质沥青质、高含蜡的轻质原油，密度0.82～1.10g/cm3，体积系数1.04～1.66，平均地层压力73.3MPa，平均地层温度154.4℃，为正常温度-压力***。根据M油藏62口生产井的生产动态资料，基于本发明实施例的综合分析方法，将所有油井按动态响应特征划分为四大类、8个亚类。表1给出了离散PSO全局搜索寻优改进的模糊C均值聚类分析得到的不同油井类型所属聚类中心的特征属性参数。
表1不同油井类型所属聚类中心的特征属性参数
由表1可以看出，随着衰竭开采油井分类级别的升高，衰竭开采时间、累积产油量和预测可采储量这3个生产动态指标呈现明显的递增趋势，初期递减率呈现明显的递减趋势，这表明单井控制的缝洞储集体天然能量越充足，储集体规模逐渐增大。
图3为本例中不同衰竭开采油井类型的随衰竭开采时间变化的预测可采储量对比图；图4为本例中不同衰竭开采油井类型的随衰竭开采时间变化的初期递减率对比图；图5为本例中不同衰竭开采油井类型的随衰竭开采时间变化的累积产油量对比图；图6为本例中不同衰竭开采油井类型的随衰竭开采时间变化的末期递减率对比图。在图3至图6所示的衰竭开采特征综合聚类评价结果的基础上，定量描述四大类、8个亚类衰竭开采油井的动态响应特征如下：
对于I类衰竭开采油井，其衰竭开采时间一般大于800天，预测可采储量高于10.0×104m3，累积产油量高于6.0×104m3，初期递减率Di和末期递减率De一般在0～10％之间，认为衰竭开采阶段符合高产+稳产特征，总体表现为“大型缝洞集合体”的生产特征。
对于II类衰竭开采油井，其衰竭开采时间一般小于800天，预测可采储量低于10.0×104m3，累积产油量低于4.0×104m3，初期递减率Di一般在0～30％之间、末期递减率De在0～10％之间，认为衰竭开采阶段符合缓慢递减特征，结合Arps递减分析，则第II类衰竭开采油井可细分为II-1、II-2和II-3共三个亚类，依次对应于低产+稳产型(Di<10％)、双曲缓慢递减型(10％<Di<30％且Di>De)和指数缓慢递减型(10％<Di<30％且Di＝De)，总体表现为“洞穴型”储集体的生产特征。
对于III类衰竭开采油井，其衰竭开采时间一般小于400天，预测可采储量低于5.0×104m3，累积产油量低于1.0×104m3，初期递减率Di一般在30％～70％之间、末期递减率De在0～40％之间，认为衰竭开采阶段符合快递递减特征，结合Arps递减分析，则第III类衰竭开采油井可细分为III-1和III-2共两个亚类，依次对应于双曲快速递减型(30％<Di<70％且Di>De)和指数快速递减型(30％<Di<70％且Di＝De)，总体表现为“裂缝-孔洞型”储集体的生产特征。
对于IV类衰竭开采油井，其衰竭开采时间一般小于100天，预测可采储量低于1.0×104m3，累积产油量低于0.3×104m3，初期递减率Di一般在70％以上，认为衰竭开采阶段符合暴性递减特征，结合Arps递减趋势分析，则第IV类衰竭开采油井可细分为IV-1和IV-2共两个亚类，依次对应于双曲暴性递减型(Di>70％且Di>De)和指数暴性递减型(Di>70％且Di＝De)，总体表现为“裂缝型”储集体的生产特征。
图7总结了本例中M缝洞型油藏各类油井类型的动态属性划分标准，其中Di为初期递减率，De为末期递减率，Qo为产量，t为时间。对于投产时间较短的衰竭开采油井，基于初期生产数据，认识其衰竭开采动态响应模式、确定其所属的油井类型，从而提出有针对性的提高采收率技术对策，大幅度的改善油藏开发效果。
基于同一发明构思，本发明实施例中还提供了一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置，如下面的实施例所述。由于该装置解决问题的原理与缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法相似，因此该装置的实施可以参见缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法的实施，重复之处不再赘述。
图8为本发明实施例中缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置的示意图。如图8所示，装置可以包括：
样本集构建模块801，用于选取缝洞型碳酸盐岩油藏的特征属性参数构建缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；
全局优化模块802，用于通过对评价样本集进行离散粒子群全局优化处理，自适应求解评价样本集的初始聚类中心和最佳聚类分组数；
模糊聚类模块803，用于根据初始聚类中心和最佳聚类分组数，对缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
具体实施时，样本集构建模块801具体可以用于：选取缝洞型碳酸盐岩油藏的生产井衰竭开采时间、初期日产油量、高峰日产油量、高峰含水率、累积产油量、累积产水量、预测可采储量、初期递减率及末期递减率作为缝洞型碳酸盐岩油藏的特征属性参数。
具体实施时，全局优化模块802还可以用于在对评价样本集进行离散粒子群全局优化处理之前，对评价样本集进行标准化处理，标准化处理包括消除不同特征属性参数量纲不一致所引入的***误差。
如图9所示，具体实施时，全局优化模块802可以包括：
初始化单元901，用于初始化离散粒子群全局优化算法的控制参数；
全局随机搜索单元902，用于从评价样本集中随机选取样本组成初始聚类中心集合，根据控制参数对初始聚类中心集合进行全局随机搜索，获取初始聚类中心和最佳聚类分组数；重复如下过程直至离散粒子群全局优化算法收敛停止：从评价样本集中随机选取新的样本，结合上一次全局随机搜索获取的初始聚类中心和最佳聚类分组数，更新初始聚类中心集合，对新的初始聚类中心集合重新进行全局随机搜索，获取新的初始聚类中心和最佳聚类分组数。
具体实施时，初始化单元901具体可以用于：初始化粒子群体大小、认知学习因子、群体学习因子、惯性权重、模糊性加权指数、最大迭代次数、离散粒子群全局优化算法的迭代收敛阈值。
具体实施时，初始化单元901还可以用于：
初始化初始聚类中心集合中粒子群体的位置、速度和位置全局最优值，以及单个离散粒子的位置、速度和位置局部最优值；
全局随机搜索单元902具体可以用于：重复如下对粒子位置的全局随机优化求解过程，直至离散粒子群全局优化算法达到最大迭代次数或适应度误差小于迭代收敛阈值：
根据每个离散粒子的位置计算初始划分矩阵；
计算每个离散粒子的适应度；
更新粒子群体的位置全局最优值和单个离散粒子的位置局部最优值；
更新每个离散粒子的位置和速度。
具体实施时，模糊聚类模块803具体可以用于：
根据初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法对缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
具体实施时，模糊聚类模块803具体可以用于：
根据初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法迭代求解隶属度矩阵和聚类中心矩阵，直至最小二乘目标函数达到最小，获得缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果。
如图10所示，具体实施时，图8所示的缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置还可以包括：
结果应用模块1001，用于根据缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果，确定不同衰竭开采油井类型的动态响应特征。实施例中结果应用模块1001可以位于图9所示的缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置中。
综上所述，本发明实施例克服了传统模糊聚类算法对初始数据敏感、需依赖人为设定初始聚类中心和聚类分组数、容易陷入局部最优解等内在缺点，通过对评价样本集进行离散粒子群全局优化处理，自适应求解评价样本集的初始聚类中心和最佳聚类分组数，据此实现对缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析，提高了综合分析结果的可靠性，能够为不同类型衰竭开采油井的差异化综合治理和提高采收率对策的制定提供理论依据，从而改善缝洞型碳酸盐岩油气藏的开发效果。
本发明实施例能够综合定量评价不同类型衰竭开采油井的生产动态响应特征，并结合精细油藏描述结果最终确定典型的缝洞体发育模式，在认识剩余油分布规律与开发主要矛盾的基础上，分次序、有针对性地实施部署新井或老井侧钻、转机采、储层改造和注水、注气开发等剩余油挖潜对策。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (18)
1.一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法，其特征在于，包括：
选取缝洞型碳酸盐岩油藏的特征属性参数构建所述缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；
通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数；
根据所述初始聚类中心和最佳聚类分组数，对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
2.如权利要求1所述的方法，其特征在于，所述选取缝洞型碳酸盐岩油藏的特征属性参数，包括：选取所述缝洞型碳酸盐岩油藏的生产井衰竭开采时间、初期日产油量、高峰日产油量、高峰含水率、累积产油量、累积产水量、预测可采储量、初期递减率及末期递减率作为所述缝洞型碳酸盐岩油藏的特征属性参数。
3.如权利要求1所述的方法，其特征在于，对所述评价样本集进行离散粒子群全局优化处理之前，还包括：
对所述评价样本集进行标准化处理，所述标准化处理包括消除不同特征属性参数量纲不一致所引入的***误差。
4.如权利要求1所述的方法，其特征在于，通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数，包括：
初始化离散粒子群全局优化算法的控制参数；
从所述评价样本集中随机选取样本组成初始聚类中心集合，根据所述控制参数对初始聚类中心集合进行全局随机搜索，获取初始聚类中心和最佳聚类分组数；
重复如下过程直至离散粒子群全局优化算法收敛停止：
从所述评价样本集中随机选取新的样本，结合上一次全局随机搜索获取的初始聚类中心和最佳聚类分组数，更新初始聚类中心集合，对新的初始聚类中心集合重新进行全局随机搜索，获取新的初始聚类中心和最佳聚类分组数。
5.如权利要求4所述的方法，其特征在于，所述初始化离散粒子群全局优化算法的控制参数，包括：初始化粒子群体大小、认知学习因子、群体学习因子、惯性权重、模糊性加权指数、最大迭代次数、离散粒子群全局优化算法的迭代收敛阈值。
6.如权利要求4所述的方法，其特征在于，通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数，还包括：
初始化初始聚类中心集合中粒子群体的位置、速度和位置全局最优值，以及单个离散粒子的位置、速度和位置局部最优值；
根据所述控制参数对初始聚类中心集合进行全局随机搜索，获取初始聚类中心和最佳聚类分组数，包括：
重复如下对粒子位置的全局随机优化求解过程，直至离散粒子群全局优化算法达到最大迭代次数或适应度误差小于迭代收敛阈值：
根据每个离散粒子的位置计算初始划分矩阵；
计算每个离散粒子的适应度；
更新粒子群体的位置全局最优值和单个离散粒子的位置局部最优值；
更新每个离散粒子的位置和速度。
7.如权利要求1至6任一项所述的方法，其特征在于，根据所述初始聚类中心和最佳聚类分组数，对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析，包括：
根据所述初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
8.如权利要求7所述的方法，其特征在于，根据所述初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析，包括：
根据所述初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法迭代求解隶属度矩阵和聚类中心矩阵，直至最小二乘目标函数达到最小，获得所述缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果。
9.如权利要求1所述的方法，其特征在于，还包括：
根据所述缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果，确定不同衰竭开采油井类型的动态响应特征。
10.一种缝洞型碳酸盐岩油藏衰竭开采特征的综合分析装置，其特征在于，包括：
样本集构建模块，用于选取缝洞型碳酸盐岩油藏的特征属性参数构建所述缝洞型碳酸盐岩油藏的衰竭开采特征的评价样本集；
全局优化模块，用于通过对所述评价样本集进行离散粒子群全局优化处理，自适应求解所述评价样本集的初始聚类中心和最佳聚类分组数；
模糊聚类模块，用于根据所述初始聚类中心和最佳聚类分组数，对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
11.如权利要求10所述的装置，其特征在于，所述样本集构建模块具体用于：选取所述缝洞型碳酸盐岩油藏的生产井衰竭开采时间、初期日产油量、高峰日产油量、高峰含水率、累积产油量、累积产水量、预测可采储量、初期递减率及末期递减率作为所述缝洞型碳酸盐岩油藏的特征属性参数。
12.如权利要求10所述的装置，其特征在于，所述全局优化模块还用于在对所述评价样本集进行离散粒子群全局优化处理之前，对所述评价样本集进行标准化处理，所述标准化处理包括消除不同特征属性参数量纲不一致所引入的***误差。
13.如权利要求10所述的装置，其特征在于，所述全局优化模块包括：
初始化单元，用于初始化离散粒子群全局优化算法的控制参数；
全局随机搜索单元，用于从所述评价样本集中随机选取样本组成初始聚类中心集合，根据所述控制参数对初始聚类中心集合进行全局随机搜索，获取初始聚类中心和最佳聚类分组数；重复如下过程直至离散粒子群全局优化算法收敛停止：从所述评价样本集中随机选取新的样本，结合上一次全局随机搜索获取的初始聚类中心和最佳聚类分组数，更新初始聚类中心集合，对新的初始聚类中心集合重新进行全局随机搜索，获取新的初始聚类中心和最佳聚类分组数。
14.如权利要求13所述的装置，其特征在于，所述初始化单元具体用于：初始化粒子群体大小、认知学习因子、群体学习因子、惯性权重、模糊性加权指数、最大迭代次数、离散粒子群全局优化算法的迭代收敛阈值。
15.如权利要求13所述的装置，其特征在于，所述初始化单元还用于：
初始化初始聚类中心集合中粒子群体的位置、速度和位置全局最优值，以及单个离散粒子的位置、速度和位置局部最优值；
所述全局随机搜索单元具体用于：重复如下对粒子位置的全局随机优化求解过程，直至离散粒子群全局优化算法达到最大迭代次数或适应度误差小于迭代收敛阈值：
根据每个离散粒子的位置计算初始划分矩阵；
计算每个离散粒子的适应度；
更新粒子群体的位置全局最优值和单个离散粒子的位置局部最优值；
更新每个离散粒子的位置和速度。
16.如权利要求10至15任一项所述的装置，其特征在于，所述模糊聚类模块具体用于：
根据所述初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法对所述缝洞型碳酸盐岩油藏的衰竭开采特征进行模糊聚类分析。
17.如权利要求16所述的装置，其特征在于，所述模糊聚类模块具体用于：
根据所述初始聚类中心和最佳聚类分组数，采用模糊C均值聚类算法迭代求解隶属度矩阵和聚类中心矩阵，直至最小二乘目标函数达到最小，获得所述缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果。
18.如权利要求10所述的装置，其特征在于，还包括：
结果应用模块，用于根据所述缝洞型碳酸盐岩油藏的衰竭开采特征的模糊聚类分析结果，确定不同衰竭开采油井类型的动态响应特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510821581.XA CN105512458A (zh) | 2015-11-24 | 2015-11-24 | 缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510821581.XA CN105512458A (zh) | 2015-11-24 | 2015-11-24 | 缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105512458A true CN105512458A (zh) | 2016-04-20 |
Family
ID=55720435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510821581.XA Pending CN105512458A (zh) | 2015-11-24 | 2015-11-24 | 缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105512458A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108343426A (zh) * | 2018-03-08 | 2018-07-31 | 西南石油大学 | 一种缝洞型油藏油井产出含水率模拟方法 |
| CN109948841A (zh) * | 2019-03-11 | 2019-06-28 | 中国石油大学(华东) | 一种基于深度学习的水驱开发油田剩余油分布的预测方法 |
| CN110821453A (zh) * | 2019-11-07 | 2020-02-21 | 成都北方石油勘探开发技术有限公司 | 基于三维地质数值模型的注气油藏开发方案设计方法 |
| CN113627069A (zh) * | 2020-05-08 | 2021-11-09 | 中国石油化工股份有限公司 | 针对缝洞型油藏油气井的试井动态产量评价方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894294A (zh) * | 2009-05-20 | 2010-11-24 | 中国科学院半导体研究所 | 一种基于特征分析的粒子群聚类方法 |
| CN102053026A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 碳酸盐岩缝洞型油藏物理模型的制作材料和方法 |
| CN102339339A (zh) * | 2010-07-23 | 2012-02-01 | 中国石油化工股份有限公司 | 一种分析缝洞型油藏剩余油分布的方法 |
| CN102889976A (zh) * | 2012-10-16 | 2013-01-23 | 西南石油大学 | 缝洞型碳酸盐岩油藏注水替油实验评价方法 |
| CN104153769A (zh) * | 2014-07-04 | 2014-11-19 | 中国石油大学(北京) | 一种缝洞型油藏流动单元的划分及评价方法 |
-
2015
- 2015-11-24 CN CN201510821581.XA patent/CN105512458A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894294A (zh) * | 2009-05-20 | 2010-11-24 | 中国科学院半导体研究所 | 一种基于特征分析的粒子群聚类方法 |
| CN102053026A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 碳酸盐岩缝洞型油藏物理模型的制作材料和方法 |
| CN102053026B (zh) * | 2009-10-30 | 2014-07-02 | 中国石油化工股份有限公司 | 碳酸盐岩缝洞型油藏物理模型的制作材料和方法 |
| CN102339339A (zh) * | 2010-07-23 | 2012-02-01 | 中国石油化工股份有限公司 | 一种分析缝洞型油藏剩余油分布的方法 |
| CN102889976A (zh) * | 2012-10-16 | 2013-01-23 | 西南石油大学 | 缝洞型碳酸盐岩油藏注水替油实验评价方法 |
| CN102889976B (zh) * | 2012-10-16 | 2015-04-29 | 西南石油大学 | 缝洞型碳酸盐岩油藏注水替油实验评价方法 |
| CN104153769A (zh) * | 2014-07-04 | 2014-11-19 | 中国石油大学(北京) | 一种缝洞型油藏流动单元的划分及评价方法 |
Non-Patent Citations (6)
| Title |
|---|
| 刘洪，等；: "《集成化人工智能化技术及其在石油工程中的应用 2008年10月第1版》", 31 October 2008, 石油工业出版社 * |
| 施美珍，: "基于粒子群优化算法的模糊聚类分析及其应用", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）》 * |
| 李真，: "融合粒子群和蛙跳算法的模糊C-均值聚类算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王威娜，: "改进的模糊C-均值聚类算法", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）》 * |
| 王薇，: "碳酸盐岩重复酸压选井选层方法研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑（月刊）》 * |
| 袁士义,等；: "火成岩裂缝性稠油油藏有效开发方式", 《石油学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108343426A (zh) * | 2018-03-08 | 2018-07-31 | 西南石油大学 | 一种缝洞型油藏油井产出含水率模拟方法 |
| CN108343426B (zh) * | 2018-03-08 | 2021-05-18 | 西南石油大学 | 一种缝洞型油藏油井产出含水率模拟方法 |
| CN109948841A (zh) * | 2019-03-11 | 2019-06-28 | 中国石油大学(华东) | 一种基于深度学习的水驱开发油田剩余油分布的预测方法 |
| CN110821453A (zh) * | 2019-11-07 | 2020-02-21 | 成都北方石油勘探开发技术有限公司 | 基于三维地质数值模型的注气油藏开发方案设计方法 |
| CN113627069A (zh) * | 2020-05-08 | 2021-11-09 | 中国石油化工股份有限公司 | 针对缝洞型油藏油气井的试井动态产量评价方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101617101B (zh) | 井和泄流位置的自动化油田开发方案 | |
| CN105512458A (zh) | 缝洞型碳酸盐岩油藏衰竭开采特征的综合分析方法及装置 | |
| CN115906675B (zh) | 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 | |
| CN112861423A (zh) | 数据驱动的注水油藏优化方法和*** | |
| WO2019184161A1 (zh) | 基于中尺度数据的风机自动排布的方法和设备 | |
| CN105045091A (zh) | 基于模糊神经控制***的疏浚工艺智能决策分析方法 | |
| CN110689187A (zh) | 一种基于多条件约束的变电站自动化选址方法 | |
| Wu et al. | A low-sample-count, high-precision Pareto front adaptive sampling algorithm based on multi-criteria and Voronoi | |
| CN114742307A (zh) | 一种波浪要素预测方法及*** | |
| Yazdandoost et al. | A new integrated portfolio based water-energy-environment Nexus in wetland catchments | |
| CN116108617A (zh) | 一种页岩油藏局部网格加密方法、装置及存储介质 | |
| Zhuang et al. | Multi-objective optimization of reservoir development strategy with hybrid artificial intelligence method | |
| Dinçer et al. | Multi-objective turbine allocation on a wind farm site | |
| CN113435128A (zh) | 基于条件生成式对抗网络的油气藏产量预测方法及装置 | |
| Réthoré et al. | TOPFARM wind farm optimization tool | |
| CN108446792B (zh) | 一种在演化路径与规划目标之间迭代的优化方法 | |
| CN116579095A (zh) | 一种基于多目标交互的co2回注策略优化评价方法 | |
| CN102708241B (zh) | 一种用于油藏历史拟合的快速粒子群方法 | |
| CN109117517A (zh) | 一种基于遗传算法与地下水模型的基坑降水优化设计方法 | |
| CN105696988B (zh) | 工业性井网条件下复合驱高效驱油工艺及其确定方法 | |
| Menichettti et al. | Material factors for the MENA region: Energy trends | |
| CN115130268A (zh) | 油藏注采方案设计方法、***、存储介质及电子设备 | |
| Qu et al. | Mining Engineering Image Recognition Method Based on Simulated Annealing Algorithm | |
| CN118036477B (zh) | 一种基于时空图神经网络的井位及井控参数优化方法 | |
| Wang et al. | A Comparison Analysis of Intelligence Algorithms for Oil Reservoir Production Optimization. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |
|
| RJ01 | Rejection of invention patent application after publication |