本发明涉及提高自动井位优化优化效率的方法，具体涉及一种提高自动井位优化的优化效率方法。
背景技术：
自动井位优化，一般是借助于油藏模型和数学优化算法，通过计算机自动迭代优化输入的井位等参数来得到最优的净现值或累计产油量。数值模拟模型是我们在自动井位优化中的基础工具，一般用于井位优化中目标函数的评价。但目标函数的每一次评价都需要调用数值模拟器去模拟和计算，因此几乎99％的cpu消耗都是花费在基于数值模拟器的目标函数评价上，极大的影响了井位优化的效率。
目前，粒子群优化(particleswarmoptimization,pso)算法是kennedy和eberhart受人工生命研究结果的启发、通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法。与遗传算法相比，粒子群算法不需要进行编码、交叉、变异等复杂操作。粒子群算法在井位优化中应用，主要是开始随机初始一组粒子，每个粒子代表一种可能的最优布井方案，所有粒子都有一个适应度值。在最优化过程中，每个粒子在解的空间中记忆、追随当前的最优粒子。粒子群优化算法是一种随机算法，在进行自动井位优化的时候需要采用运算多次取平均的方法，是本方法中用到的迭代求解算法。
技术实现要素：
为了克服上述现有技术的不足，本发明的目的是提供一种提高自动井位优化的优化效率方法，在保持自动井位优化优化效果的同时，尽可能地降低优化的时间，提高其优化效率。利用生产潜力图和gompertz预测模型作为辅助技术手段，能够在尽量少调用油藏数值模型的条件下快速完成自动井位优化。
为了实现上述目的，本发明采用的技术方案是：
一种提高自动井位优化的优化效率方法，包括以下步骤：
1)油藏生产潜力初始化井位：利用生产潜力图初始化井位来代替粒子群算法随机初始化井位，油藏生产潜力图qualitymap是用于表征油藏平面生产潜力大小的，生产潜力图可以通过式(1)求得：
ji,j,k(t)＝[so,i,j,k(t)-sor].[po,i,j,k(t)-pmin].lnki,j,k.lnri,j,k.hwoc,i,j,k.φi,j,k.hgoc,i,j,k(1)
式中，ji,j,k(t)为网格(i,j,k)在t时刻的生产潜力；so,i,j,k(t)为网格(i,j,k)在t时刻的原始油饱和度；sor为残余油饱和度；po,i,j,k(t)为网格(i,j,k)在t时刻的油相压力；pmin为最小的井底压力；ki,j,k为网格(i,j,k)的渗透率；ri,j,k为网格(i,j,k)距最近边界的距离；φi,j,k.为网格(i,j,k)的孔隙度；hgoc,i,j,k为网格(i,j,k)到气水界面的距离；hwoc,i,j,k为网格(i,j,k)到油水界面的距离；
每个网格的潜力值在使用之前需要进行归一化处理，处理方法如式(2)；
式中，
2)根据步骤1)得到的初始化井位，调用数模软件进行完整油藏数值模拟运算，根据运算结果计算适应度值；
3)根据计算出的适应度值，结合速度和位置更新策略，更新粒子群算法中的速度和位置参数；
4)油藏生产潜力阈值约束：在上述结论中增加一个阈值参数ε，来评价每个粒子所提供的布井，如果该参数大于某一门限值，认为该布井是一个比较良好的选择，之后再调用数值模拟软件进行全部生产时间的模拟计算，否则调用数模软件只进行前半部分生产时间的模拟计算，而后半部分生产时间的累计产量则采用gompertz产量预测模型完成；阈值参数ε如公式(3)：
其中，ε为潜力阈值；qnow为目前迭代次数下粒子所提供的布井方案的生产潜力指数；qformer为上一个迭代次数下粒子所提供的布井方案的生产潜力指数；q为粒子所提供的布井方案的生产潜力指数；nz为纵向网格数；nw为优化的井数；
5)对于那些布井结果评价阈值低于ε的模拟方案，剩余的模拟时间采用数学方法进行预测模拟，对水驱油田的开发过程，油田的产油量由0到可采储量的过程，因此，可以选用gompertz模型gompertzmodel的规律来描述油田产量的变化过程；
y＝emn' c(5)
其中，y表示产油量，m，n，c可根据产油量的相关数据，回归得到；
对于通过上述(5)式，预测得到的累计产量比较好的布井方案，可以考虑利用数模重启文件继续进行精确模拟未完成的生产年份，定义参数η来评价是否有必要用重启文件继续模拟未完成的生产年份，如果该参数大于某一门限值，那么此时可以认为该布井是一个比较良好的选择，可以进行调用数模进行验证；如公式(6)所示：
其中，η为阈值参数；npnow为目前迭代次数下粒子所提供的布井方案的累计产油量；npformer为上一个迭代次数下粒子所提供的布井方案的累计产油量；
6)判断是否满足算法迭代停止条件，即最大迭代代数；如果不满足转向步骤3)，否则停止，最终得到最优井位和优化结果。
本发明的有益效果是：
本发明提供的方法在布井结果和计算机时方面具有较强的优势，对于实际油藏的自动井位优化具有一定的适用性和可靠性。
附图说明
图1为提高自动井位优化优化效率方法流程图；
图2为本发明实施例中油藏三维渗透率分布图；
图3为本发明实施例中油藏生产潜力图；
图4为本发明实施例中井位优化结果图；
图5为本发明实施例中算法效果对比曲线图。
具体实施方式
以下结合附图及实施例对本发明进一步叙述，但本发明不局限于以下实施例。
如图1所示，一种提高自动井位优化的优化效率方法，其特征在于，包括以下步骤：
1)油藏生产潜力初始化井位：利用生产潜力图初始化井位来代替粒子群算法随机初始化井位，油藏生产潜力图qualitymap是用于表征油藏平面生产潜力大小的，生产潜力图可以通过式(1)求得：
ji,j,k(t)＝[so,i,j,k(t)-sor].[po,i,j,k(t)-pmin].lnki,j,k.lnri,j,k.hwoc,i,j,k.φi,j,k.hgoc,i,j,k(1)
式中，ji,j,k(t)为网格(i,j,k)在t时刻的生产潜力；so,i,j,k(t)为网格(i,j,k)在t时刻的原始油饱和度；sor为残余油饱和度；po,i,j,k(t)为网格(i,j,k)在t时刻的油相压力；pmin为最小的井底压力；ki,j,k为网格(i,j,k)的渗透率；ri,j,k为网格(i,j,k)距最近边界的距离；φi,j,k.为网格(i,j,k)的孔隙度；hgoc,i,j,k为网格(i,j,k)到气水界面的距离；hwoc,i,j,k为网格(i,j,k)到油水界面的距离；
每个网格的潜力值在使用之前需要进行归一化处理，处理方法如式(2)；
式中，
2)根据步骤1)得到的初始化井位，调用数模软件进行完整油藏数值模拟运算，根据运算结果计算适应度值；
3)根据计算出的适应度值，结合速度和位置更新策略，更新粒子群算法中的速度和位置参数；
4)油藏生产潜力阈值约束：在上述结论中增加一个阈值参数ε，来评价每个粒子所提供的布井，如果该参数大于某一门限值，认为该布井是一个比较良好的选择，之后再调用数值模拟软件进行全部生产时间的模拟计算，否则调用数模软件只进行前半部分生产时间的模拟计算，而后半部分生产时间的累计产量则采用gompertz产量预测模型完成；阈值参数ε如公式(3)：
其中，ε为潜力阈值；qnow为目前迭代次数下粒子所提供的布井方案的生产潜力指数；qformer为上一个迭代次数下粒子所提供的布井方案的生产潜力指数；q为粒子所提供的布井方案的生产潜力指数；nz为纵向网格数；nw为优化的井数；
5)对于那些布井结果评价阈值低于ε的模拟方案，剩余的模拟时间采用数学方法进行预测模拟，对水驱油田的开发过程，油田的产油量由0到可采储量的过程，因此，可以选用gompertz模型gompertzmodel的规律来描述油田产量的变化过程；
y＝emn' c(5)
其中，y表示产油量，m，n，c可根据产油量的相关数据，回归得到；
对于通过上述(5)式，预测得到的累计产量比较好的布井方案，可以考虑利用数模重启文件继续进行精确模拟未完成的生产年份，定义参数η来评价是否有必要用重启文件继续模拟未完成的生产年份，如果该参数大于某一门限值，那么此时可以认为该布井是一个比较良好的选择，可以进行调用数模进行验证；如公式(6)所示：
其中，η为阈值参数；npnow为目前迭代次数下粒子所提供的布井方案的累计产油量；npformer为上一个迭代次数下粒子所提供的布井方案的累计产油量；
6)判断是否满足算法迭代停止条件，即最大迭代代数；如果不满足转向步骤3)，否则停止，最终得到最优井位和优化结果。
实施例：
测试油藏被一个活跃的水体所环绕，构造顶部位置有一气顶。原始储层压力为23.8mpa，油藏顶部深度约为2340m，平均渗透率0.1μm2，平均孔隙度为0.2，有效网格1761个，纵向上划分为5个小层，平面有效网格大概有352个。实例原始布井方案考虑到边底水能量较为充足故只有10口生产井，没有注水井。具体油藏渗透率三维分布如附图2所示。
如上述方法：
为了验证建立的井位优化模型的实用性和准确性，本文对该油藏分别采用如下四种不同策略进行布井：原始布井方案(original)，只利用标准粒子群算法优化井位(pso)，粒子群算法结合生产潜力图辅助技术手段(pso qm)，以及粒子群算法结合生产潜力图和gompertz预测模型辅助技术手段(pso qm gm)。在粒子群优化算法中，选用50个粒子，迭代次数设置为100次。有些粒子提供的布井方案是在无效网格，不用运行数模软件。因此运行模型最多是3×50×100＝15000次，比起穷尽算法大大节约了时间。考虑到粒子群是一种随机优化算法，每种方案采取运行3次取平均的方法。
1)油藏生产潜力初始化井位：利用生产潜力图计算公式(1)和(2)生成测试油藏生产潜力图(附图3)，利用生产潜力图进行井位的初始化；
2)根据初始化井位，调用数模软件进行完整油藏数值模拟运算，根据运算结果计算适应度值累计产油量；
3)根据计算出的适应度值，结合速度和位置更新策略，更新粒子群算法中的速度和位置参数；
4)评价每个粒子所提供的布井方案的生产潜力，如果该参数大于潜力阈值ε(本例中阈值设定为0.9)，认为该布井是一个比较良好的选择，之后再调用数值模拟软件进行全部生产时间的模拟计算，否则调用数模软件只进行前半部分生产时间的模拟计算，而后半部分生产时间的累计产量则采用gompertz产量预测模型完成；
5)根据产量预测模型得到的累计产油量是否大于潜力阈值η(本例中阈值设定为0.8)，当大于0.8时考虑利用数模重启文件继续进行精确模拟未完成的生产年份，并重新评估适应度值；
6)判断是否满足算法迭代停止条件，本例中最大迭代次数为100；如果不满足转向步骤3)，否则停止，最终得到最优井位和优化结果。附图4为最终井位优化结果图。附图5为四种方案累计产油量与迭代次数的关系曲线。由附图5可知，四种方案的最终优化结果分别是pso qm>pso qm gm>pso>original，证明采用优化算法的井位部署结果要好于原始方案。pso方案开始的几代效果并不是很好，随着迭代的进行，逐渐能寻找到比较优的布井方案，但是总体而言还是没有粒子群结合辅助技术(pso qm gm和pso qm)的效果好。可见利用生产潜力图选择良好的初始方案对pso的后续迭代具有较大的影响。
从优化结果来看方案pso qm gm和pso qm，优化出的最后累计产油量相差为0.08×106m3，pso qm gm比pso qm少1.63％。但方案pso qm平均用时约为11.25h，方案pso qm gm平均用时仅为7.62h，比方案pso qm平均用时少了47.64％。因此对于大型油藏模型，方案pso qm gm在节约时间方面的优势会非常明显。因此综合考虑累计产油量和机器用时方面，pso qm gm优化模型比其他模型具有更强的优势。因此在实际油藏的井位优化中，推荐使用pso qm gm优化模型。
以上所述仅为本方法的具体实施方式，并非用以限定本发明的范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所作出的等同变化与修改，均应属于本发明保护的范围。
1.一种提高自动井位优化的优化效率方法，其特征在于，包括以下步骤：
1)油藏生产潜力初始化井位：利用生产潜力图初始化井位来代替粒子群算法随机初始化井位，油藏生产潜力图qualitymap是用于表征油藏平面生产潜力大小的，生产潜力图可以通过式(1)求得：
ji,j,k(t)＝[so,i,j,k(t)-sor].[po,i,j,k(t)-pmin].lnki,j,k.lnri,j,k.hwoc,i,j,k.φi,j,k.hgoc,i,j,k(1)
式中，ji,j,k(t)为网格(i,j,k)在t时刻的生产潜力；so,i,j,k(t)为网格(i,j,k)在t时刻的原始油饱和度；sor为残余油饱和度；po,i,j,k(t)为网格(i,j,k)在t时刻的油相压力；pmin为最小的井底压力；ki,j,k为网格(i,j,k)的渗透率；ri,j,k为网格(i,j,k)距最近边界的距离；φi,j,k.为网格(i,j,k)的孔隙度；hgoc,i,j,k为网格(i,j,k)到气水界面的距离；hwoc,i,j,k为网格(i,j,k)到油水界面的距离；
每个网格的潜力值在使用之前需要进行归一化处理，处理方法如式(2)；
式中，
2)根据步骤1)得到的初始化井位，调用数模软件进行完整油藏数值模拟运算，根据运算结果计算适应度值；
3)根据计算出的适应度值，结合速度和位置更新策略，更新粒子群算法中的速度和位置参数；
4)油藏生产潜力阈值约束：在上述结论中增加一个阈值参数ε，来评价每个粒子所提供的布井，如果该参数大于某一门限值，认为该布井是一个比较良好的选择，之后再调用数值模拟软件进行全部生产时间的模拟计算，否则调用数模软件只进行前半部分生产时间的模拟计算，而后半部分生产时间的累计产量则采用gompertz产量预测模型完成；阈值参数ε如公式(3)：
其中，ε为潜力阈值；qnow为目前迭代次数下粒子所提供的布井方案的生产潜力指数；qformer为上一个迭代次数下粒子所提供的布井方案的生产潜力指数；q为粒子所提供的布井方案的生产潜力指数；nz为纵向网格数；nw为优化的井数；
5)对于那些布井结果评价阈值低于ε的模拟方案，剩余的模拟时间采用数学方法进行预测模拟，对水驱油田的开发过程，油田的产油量由0到可采储量的过程，因此，可以选用gompertz模型gompertzmodel的规律来描述油田产量的变化过程；
y＝emn' c(5)
其中，y表示产油量，m，n，c可根据产油量的相关数据，回归得到；
对于通过上述(5)式，预测得到的累计产量比较好的布井方案，可以考虑利用数模重启文件继续进行精确模拟未完成的生产年份，定义参数η来评价是否有必要用重启文件继续模拟未完成的生产年份，如果该参数大于某一门限值，那么此时可以认为该布井是一个比较良好的选择，可以进行调用数模进行验证；如公式(6)所示：
其中，η为阈值参数；npnow为目前迭代次数下粒子所提供的布井方案的累计产油量；npformer为上一个迭代次数下粒子所提供的布井方案的累计产油量；
6)判断是否满足算法迭代停止条件，即最大迭代代数；如果不满足转向步骤3)，否则停止，最终得到最优井位和优化结果。
技术总结