用于组成的储层模拟中的相平衡计算的基于机器学习的模型的制作方法

文档序号:22688188发布日期:2020-10-28 12:57阅读:来源:国知局

技术特征:

1.一种计算机实现的方法,包括:

基于对从储层的一个或多个区域获得的井下流体的样本所进行的一个或多个压力、体积或温度pvt实验的结果,确定所述储层的一个或多个区域中的每个区域的状态方程eos;

确定所述井下流体的所述样本的组成;

基于所述储层的所述一个或多个区域之间的插值,对已确定的所述井下流体的所述样本的组成进行空间映射;

使用已确定的eos针对所述井下流体的经空间映射的组成进行一个或多个pvt实验模拟,以创建所述储层的组成数据库;

使用所述组成数据库训练一种或多种机器学习算法;以及

使用经训练的一种或多种机器学习算法来预测相稳定性并执行用于组成的储层模拟的快速计算。

2.根据权利要求1所述的计算机实现的方法,其中,所述一个或多个pvt实验包括差异分离试验、恒定质量膨胀试验、恒定蒸汽消耗试验、膨胀试验或流体密度测量中的至少一项。

3.根据权利要求1所述的计算机实现的方法,其中,确定所述eos包括:通过对来自所述pvt实验的数据进行回归来确定所述井下流体的一种或多种拟成分的临界性质。

4.根据权利要求3所述的计算机实现的方法,其中,所述临界性质包括临界温度、临界压力或偏心因子中的至少一项,并且其中,所述偏心因子是基于所述井下流体的对应区域的空间坐标确定的。

5.根据权利要求4所述的计算机实现的方法,其中,确定用于多个较重拟成分的偏心因子或描述多个较重成分的分布的参数,并且其中,每个较重拟成分具有大于或等于10的碳数。

6.根据权利要求4所述的计算机实现的方法,其中,确定临界性质还包括:使用人工神经网络或最小二乘支持向量机算法中的至少一种来确定所述偏心因子。

7.根据权利要求1所述的计算机实现的方法,还包括:将已确定的组成和通过对所述一个或多个pvt实验进行模拟而生成的组成存储到所述组成数据库中。

8.根据权利要求1所述的计算机实现的方法,其中,使用距离倒数加权方法在所述一个或多个区域之间沿着恒定深度的表面执行插值。

9.根据权利要求8所述的计算机实现的方法,其中,对已确定的所述井下流体的组成进行空间映射包括:使用整体组成是已知的储层的对应区域的深度与不同区域的深度之间的化学势的等式来计算组成。

10.根据权利要求1所述的计算机实现的方法,还包括:针对所述储层的所述一个或多个区域中的每个区域创建拟成分数据库,其中,所述拟成分数据库用于pvt性质预测和分析。

11.一种存储一个或多个指令的非暂时性计算机可读介质,所述一个或多个指令能够由计算机系统执行以执行包括以下的操作:

基于对从储层的一个或多个区域获得的井下流体的样本所进行的一个或多个压力、体积或温度pvt实验的结果,确定所述储层的一个或多个区域中的每个区域的状态方程eos;

确定所述井下流体的所述样本的组成;

基于所述储层的所述一个或多个区域之间的插值,对已确定的所述井下流体的所述样本的组成进行空间映射;

使用已确定的eos针对所述井下流体的经空间映射的组成进行一个或多个pvt实验模拟,以创建所述储层的组成数据库;

使用所述组成数据库训练一种或多种机器学习算法;以及

使用经训练的一种或多种机器学习算法来预测相稳定性并执行用于组成的储层模拟的快速计算。

12.根据权利要求11所述的非暂时性计算机可读介质,其中,所述一个或多个pvt实验包括差异分离试验、恒定质量膨胀试验、恒定蒸汽消耗试验、膨胀试验或流体密度测量中的至少一项。

13.根据权利要求11所述的非暂时性计算机可读介质,其中,确定所述eos包括:通过对来自所述pvt实验的数据进行回归来确定所述井下流体的一种或多种拟成分的临界性质。

14.根据权利要求13所述的非暂时性计算机可读介质,其中,所述临界性质包括临界温度、临界压力或偏心因子中的至少一项,并且其中,所述偏心因子是基于所述井下流体的对应区域的空间坐标确定的。

15.根据权利要求11所述的非暂时性计算机可读介质,还包括:将已确定的组成和通过对所述一个或多个pvt实验进行模拟而生成的组成存储到所述组成数据库中。

16.一种计算机实现的系统,包括:

一个或多个计算机;以及

一个或多个计算机存储设备,与所述一个或多个计算机可互操作地耦合,并且具有存储指令的有形非暂时性机器可读介质,所述指令在由所述一个或多个计算机执行时执行包括以下的操作:

基于对从储层的一个或多个区域获得的井下流体的样本所进行的一个或多个压力、体积或温度pvt实验的结果,确定所述储层的一个或多个区域中的每个区域的状态方程eos;

确定所述井下流体的所述样本的组成;

基于所述储层的所述一个或多个区域之间的插值,对已确定的所述井下流体的所述样本的组成进行空间映射;

使用已确定的eos针对所述井下流体的经空间映射的组成进行一个或多个pvt实验模拟,以创建所述储层的组成数据库;

使用所述组成数据库训练一种或多种机器学习算法;以及

使用经训练的一种或多种机器学习算法来预测相稳定性并执行用于组成的储层模拟的快速计算。

17.根据权利要求16所述的计算机实现的系统,其中,所述一个或多个pvt实验包括差异分离试验、恒定质量膨胀试验、恒定蒸汽消耗试验、膨胀试验或流体密度测量中的至少一项。

18.根据权利要求16所述的计算机实现的系统,其中,确定所述eos包括:通过对来自所述pvt实验的数据进行回归来确定所述井下流体的一种或多种拟成分的临界性质。

19.根据权利要求18所述的计算机实现的系统,其中,所述临界性质包括临界温度、临界压力或偏心因子中的至少一项,并且其中,所述偏心因子是基于所述井下流体的对应区域的空间坐标确定的。

20.根据权利要求16所述的计算机实现的系统,还包括:将已确定的组成和通过对所述一个或多个pvt实验进行模拟而生成的组成存储到所述组成数据库中。


技术总结
公开了与针对用于相平衡计算的基于机器学习的代理模型进行训练有关的技术。在一种实施方式中,基于对从储层的一个或多个区域获得的井下流体的样本所进行的一个或多个压力、体积或温度(PVT)实验的结果,确定储层的一个或多个区域中的每个区域的状态方程(EOS)。基于储层的所述一个或多个区域之间的插值,确定井下流体的样本的组成并且进行空间映射。使用已确定的EOS针对井下流体的经空间映射的组成进行一个或多个PVT实验模拟,以创建储层的组成数据库。使用组成数据库对一种或多种机器学习算法进行训练,并且将经训练的一种或多种机器学习算法用于预测相稳定性和执行用于组成的储层模拟的快速计算。

技术研发人员:维奈·拉曼;托德·R·弗格森
受保护的技术使用者:沙特阿拉伯石油公司
技术研发日:2019.01.23
技术公布日:2020.10.27
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1