专利名称：考虑不确定性优化储层性能的制作方法
技术领域：
本说明书一般涉及油和气开采，更具体地涉及用于考虑不确定性的储层评价、储层管理和/或储层开发计划的工作方法。
背景技术：
开发和管理石油资源通常需要将多年的大量经济投资寄期望于得到相应的大量财政回报。石油储层产生利润或损失很大程度上取决于对储层开发和管理所实施的对策和策略。储层开发计划涉及拟定和/或选择将长期产生有利经济结果的强有力的对策和策略。储层开发计划例如可包括对于设施例如生产平台、井等的大小、时间安排和位置， 以及随后的扩建和连接做出决策。关键的决策可涉及平台的数量、位置和分配，以及在每个油气田中钻井和完井的时间安排。钻井后决策可包括确定多个井的产量分配。任何一个决策或行动可具有全系统含义，例如对整个石油作业或储层产生正或负影响。鉴于前述的储层开发计划方面——其仅为面向石油资源管理者的多种决策中有代表性的一些，人们能够理解该计划的价值和影响。储层开发计划和生产的优化可受若干因素影响。例如，在储层性能、经济和/或开发计划的其他组成部分中存在不确定性，并且传统储层开发计划过程通常没有充分考虑不确定性。不确定性在与开发计划相关的信息和因素中通常是固有的。即，对优化问题(包括该问题的数学模拟)的输入几乎总是包含不确定性。不确定性可被看做事先不确定的或以其他方式保持未知的特征或方面。通常，有两种类型的不确定性，偶然不确定性和认知不确定性。偶然不确定性是其中特定参数的值未知但该参数的概率分布函数(“PDF”)已知的不确定性。认知不确定性是由缺少定性信息引起的并且更加难以估计的不确定性。这些不确定性可能使围绕储层开发计划的工作过程的优化变复杂。传统储层开发计划过程通常不充分地解决偶然不确定性。在另一方面，对于不能充分分析、表征、量化和模拟认知不确定性，没有系统的补救方案。不确定性因素可以以若干方式进入储层模拟过程。例如，在数据(“输入”)例如岩石类型和渗透率图中有不确定性。在模型中也有不确定性，这些模型用于将对储层已知的内容转换成数字模型，例如离散或网格误差。另外，存在人为因素的不确定性，其可影响包括在模型中的性质估计和范围估计，以及与不同不确定性相关的概率。储层开发计划的传统工作方法通常没有解决模型和人为因素的不确定性。储层开发计划过程可依靠试验设计方法来分析和/或确认以及随后排列对于不同结果的首要输入不确定性因素的重要性。每个不确定性因素都被指定了一个值或水平， 例如高、中或低，或只是高和低。基于每个因素的因素数和水平数设计参数空间。虽然试验设计方法可减少与确定每个因素对结果的贡献相关的运行或实验数，但该方法假设在结果和因素之间的连续或可定义的关系，其将不会估计未考虑的非确定性，并可导致次优化的开发决策。另一个影响储层开发计划优化的因素是储层开发计划中不确定性表达的分解。需要分析以确定不确定性的主要组成部分和它们的相依性，例如通常最好选择最小化相依性的组成部分。储层开发计划的优化过程可能受到挑战，即使在经济以及储层性能和表面设施都完全已知的假设下。通常，大量的软和硬约束用于甚至更大量的决策变量。然而，在实践中，在储层性能、经济和/或决策过程的其他组成部分中都存在不确定性，这使优化过程复杂化。储层开发计划或管理对策的优化从在优化期间保持充分详细的不确定性表达中受
■、Λ
frff. ο目前，通常将对于储层性能、经济或决策过程的其他组成部分中不确定性的考虑因素减少至非常有限的数据组(case)，例如由“高侧”数据组、可感知的“最有可能”或“中间”数据组以及“下侧”数据组所代表。例如，对于上述三个数据组中的每一个，通过通常对储层的不确定性空间内的任意点抽样，随后分别在第90个百分位、第50个百分位和第10 个百分位选择三个产生采油的情况，储层性能的不确定性被降低至已知值。在此使用的术语“不确定性空间”通常指的是与正求解问题相关的不确定性的表述，例如优化程序数据输入的集合的不确定性。基于不确定性空间的有限抽样，值被分配到“高侧”数据组、“最有可能”或“中间”数据组以及“下侧”数据组。决策通常优化一个具体的数据组，通常为可感知的“最有可能”数据组，并且随后评估其余两个数据组以提供风险水平的估计。然而，这种方法通常低估了不确定性的复杂性，并可导致次优化的解或比一些其他未确认的解较不适合(less favorable) 1 角军。还有另一个影响储层开发计划优化的因素是可用的传统优化技术的计算限制。对于除了最基本数据组以外的数据组来说，传统模型通常都太简单，并且对问题的计算出的解可能为次优化的，或可能甚至是不可行的，特别是如果模型参数最终与选择用作被求解的优化模型的输入的那些参数不同的话。尽管计算机速度和优化方法的性能已经有了改进，但考虑不确定性进行优化所需技术的计算成本足够高，以致在大多数情况详细模型的使用目前是不可行的。储层开发计划优化的还有另一个组成部分涉及将前述不确定性技术整合到一起的工作过程。传统方法通常不考虑优化过程中不确定性的表述，因此没有有效地整合系统的复杂性、影响决策的不确定性数量以及不同的开发或作业考虑因素的数量。在此使用的术语“优化的”、“优化”、“使优化”、“最优性”、“最优化”(还有这些术语的衍生词和其他形式以及语言学上相关的词或短语)，不意欲在要求本发明找到最好的解或作出最好的决策的意义上进行限制。尽管数学上优化的解可实际上达到所有数学上可行的最好的可能性，但现实世界中优化程序、方法、模型和过程的实施方式可向这个目标工作，而不必实际上达到完美。因此，获得本公开益处的本领域技术人员将理解，在本发明范围的上下文中，这些术语是更一般性的。这些术语可描述朝着这样的解工作，这种解可以是最好的可行的解，优选的解或在约束范围内提供特别益处的解；或者这些术语可描述持续改进，或可描述精炼，或可描述搜索目标的高点或最大值，或可描述处理以减少补偿函数，等。鉴于上述的讨论，在本领域中显然需要改进的工作方法，其能辅助储层开发计划和/或能提供与储层开发和资源管理有关的决策支持。进一步需要能有效分析、表征、量化和模拟与储层有关的不确定性的工作方法。对于进一步需要能在将开发计划或管理对策优化的同时，保持足够详细的不确定性表述的工作方法。进一步需要能在保持模型关键特征的同时，将模型降低至可管理大小的工作方法。进一步需要能整合系统复杂性、影响决策的不确定性数量以及计划或决策支持的不同考虑因素数量的工作方法。进一步需要能在不确定性的存在下帮助优化与开发计划或管理对策有关的决策的工作方法。在本领域中上述需要的描述意欲为代表性的，而不是穷举性的。解决一种或多种这类需要或本领域中一些其他相关缺点的技术将有益于储层开发计划，例如更加有效和更加有利地提供用于开发和管理储层的决策或计划。
发明内容
在此公开的方面支持为开发和管理石油资源例如石油储层作出决策、计划、对策和/或策略。具体地，一种或多种示例性实施方式可用于帮助储层评价、开发计划和/或储层管理。例如，储层评价可包括基于储层大小和/或质量的评估针对性质决定适当的投标数额(bid amount)。开发计划可包括决定要建设和/或安装在工地的表面设施的大小、时间安排和/或位置。储层管理可包括确定怎样操作或管理油气田例如产量/压力设定、要修理的井和/或要钻的加密井。前述储层评价、开发计划和/或储层管理的使用的中间应用可包括改进的储层表征(以及任何相关的不确定性)、流动模型历史匹配和/或就提出的技术使用说服预期的开发伙伴。在一个一般性方面，一种用于优化含烃储层的储层性能的方法包括(a)确认储层相关目标；(b)表征促成该储层相关目标的不确定性，其中表征该目标的不确定性包括确定决策变量和与该目标相关的不确定性变量；(c)分析所确定的不确定性变量并将不确定性变量与和储层相关目标有关的基线模型整合，以便输出整合了不确定性的修正模型；(d) 将确定的决策变量与该修正模型合并，并优化该决策变量以产生优化模型结果；以及(e) 提供该优化模型结果作为对该基线模型的反馈，其中将该优化模型结果与从该基线模型输出的结果相比较，以确定每个模型结果的收敛性或重新评估该基线模型。这方面的实施可包括以下特征中的一种或多种。例如，储层相关目标可包括储层的静态储层特性的评价、动态储层性能的预测和/或一种或多种涉及储层开发计划的方案中的一种或多种。储层相关目标可与和储层有关的表面设施、地下设备、资源以及储层和/ 或两者相关。基于优化模型结果，如果基线模型和优化模型的结果不一致，步骤b)至e)可进行迭代地重复，例如，如结合图1所示和所述。分析所确定的不确定性变量可包括使用响应面模型、概率分布函数模型和/或其结合的至少一种，以产生至少一种代理模型和/或至少一种保持修正模型中模型性能和模型特性的概率分布函数模型。基线模型可包括一种或多种相对精细的模型，并且修正模型可包括更多的相对粗糙的模型。基线模型可为高精确模型，并且修正模型可为该高精确模型的高速(根据处理时间)表述。基线模型可为高精确模型，并且修正模型可为该高精确模型的低精确表述。该方法可包括获得关于与储层相关目标有关的多个因素的输入；基于该输入，将多个因素中的一些因素表征为决策变量，将多个因素中的其他因素表征为不确定性变量; 以及响应通过基于计算机的程序处理决策变量和不确定性变量，提供与完成储层相关目标有关的输出。获得输入的步骤可包括实行特尔裴法(Delphi method)，其包括通过特尔裴法确定与储层开发目标有关的因素和范围。获得输入可包括从专家小组获得输入。获得输入的步骤可包括获得专家小组中每个专家的意见；以及从每个专家征求关于所获得意见的反馈，同时保持每个所获得意见匿名。通过基于计算机的程序处理决策变量和不确定性变量包括通过定义关键不确定性的试验设计技术或其他方法，产生与不确定性变量相关的响应面模型或一些其他的高速代理模型。通过基于计算机的程序处理决策变量和不确定性变量包括通过不确定性相互作用的贝叶斯信任网(Bayesian Belief Networks)或其他方法，产生与不确定性变量相关的分布函数模型或其他表述。通过基于计算机的程序处理决策变量和不确定性变量可包括通过计算机实施的稳健(robust)优化，基于至少一个数据参数和不确定性空间优化储层开发计划的至少一些方面。通过基于计算机的程序处理决策变量和不确定性变量可包括通过随机规划进行优化。基于计算机的程序可包括通过基于马尔可夫决策过程(Markov decision process)的优化进行优化。可基于优化模型结果制定储层开发计划。可根据该储层开发计划从储层中开发烃资源。在另一个一般性方面，提供了一种用于确定储层性能的方法，该方法包括基于专家小组的输入将与储层开发有关的不确定性表征为决策变量和不确定性变量；用储层模型分析该不确定性变量，以构建代理模型；以及通过计算机实施的稳健优化、随机规划和基于马尔可夫决策过程的优化模型中一种或多种，优化该决策变量和代理模型。这方面的实施可包括以下特征中一种或多种。例如，将通过例如保持每个专家输入匿名，减少专家小组的偏见。在一个或多个前述的方面，基于计算机或软件的方法、过程或工作流程可提供与开发一个或多个石油储层有关的决策支持。例如，一种示例性方法可整合各种与储层开发计划相关的技术。在某些实施方式中，用匿名或特尔裴技术或方法，将不确定性表征为数据参数。例如该数据参数可包括未知或不确定的流体动力学、储层大小、目前的开发状态、目前和预计的石油价格、钻井费用、每小时钻井时间的费用、地质数据、资金花费、目前和预计的可用资源(人、财政、设备等)以及监管环境一一列举几个有代表性的可能性。每个数据参数都可具有不确定性。更具体地，数据参数的每个要素可具有相关的不确定性的水平、数量或指示。一些数据参数可已知具有高水平不确定性，例如目前钻井时间的费用，而其他的输入数据可具有不同程度的不确定性。例如，将来钻井时间费用的不确定性通常作为计划入将来增加的时间量而增加或随着油价的增加而增加。因此，开发计划第五年的钻井时间费用的不确定性将有可能高于第二年的钻井时间费用的不确定性。数据参数的集合不确定性可定义不确定性空间。一种软件程序可通过处理数据参数和考虑不确定性空间而产生储层开发计划，例如通过应用稳健优化程序，或基于随机规划的程序，或基于马尔可夫决策过程的方法。产生储层开发计划可包括例如输出计划的一些方面，作出与产生或改变计划有关的决定，或作出对一种或多种与储层开发或管理有关的决策的推荐。本发明内容中提出的储层开发决策支持工具的讨论仅是为了说明性目的。可根据以下公开的实施方式详细描述的研读，并参考随后的图和权利要求，可更加清楚地理解和领会各方面。此外，在研究以下的图和详细描述之后，其他的方面、系统、方法、特征、优点和目的对本领域技术人员而言将是显然的。所有这样的方面、系统、方法、特征、优点和目的旨在都包括在本说明书内，都在本公开的范围内，并且都通过所附的权利要求保护。
图1是根据某些示例性实施方式的用于储层开发计划、储层评价和/或储层管理的优化方法的流程图说明。图2是表示根据某些示例性实施方式，与储层模型稳健优化数据相关的整个不确定性空间使用的图示说明。图3是多阶段随机规划决策树的说明，其表示根据某些示例性实施方式，与在几个步骤中解析的储层模型数据相关的不确定性和不确定性随时间的解析。图4是基于马尔可夫决策过程的方法的说明，其表示根据某些示例性实施方式， 与在几个步骤中解析的储层模型数据相关的不确定性和不确定性随时间的解析。图5是示例性系统的示意图，该系统用于在虚拟特尔裴环境内由记录者和主持者向专家小组征求输入。图6是虚拟特尔裴环境内来自主持者观点的白板图的示例性屏幕快照。图7是虚拟特尔裴环境内来自参与者观点的白板图的示例性屏幕快照。可参照上述图更好地理解实施方式的很多方面。图中所示的要素和特征不必按比例绘制、强调，而是基于清楚说明本发明示例性实施方式的原理。此外，可夸大某些尺寸以帮助从视觉上传达这样的原理。在图中，参考数字指代几个图中相似或相关的但不必相同的要素。发明详述一种或多种示例性实施方式支持这样的工作方法，该工作方法整合了与储层相关的不确定性的分析和表征，在储层开发计划、储层评价和/或储层管理方面作出决策。这种范例使得能够作出显著优异的决策。公开的方面可以以多种不同的形式来体现，并不应理解为限于在此陈述的实施方式；更确切地，提供这些实施方式以便本公开是完全和全面的，并且向本领域技术人员完全传达本公开的范围。另外，在此给出的所有“实施例”或“示例性实施方式”都意欲为非限制性的，并且由本公开的表述支持，等等。现在将参考图1详细描述示例性实施方式。图1是考虑不确定性优化储层性能的方法100的流程图说明。对于示例性实施方式中一种或多种而言，在此描述的方法和过程中的某些步骤必须自然地先于其他步骤，以起到所描述的作用。然而，如果这样的顺序或次序不会不利地改变所述方法或过程的功能，该示例性实施例不限于所描述的步骤的顺序。即，应认识到，一些步骤可在其他步骤之前或之后进行，或与其他步骤平行进行，而不偏离本公开的范围和精神。
8
以下实施方式中的一种或多种可包括可用计算机和/或手工操作实施的多种过程。以下实施方式中的一种或多种可包括一种或多种计算机程序，该计算机程序体现在此所述的某些功能，并在实施例、图表、图和流程图中进行说明。然而，可以有多种不同的用计算机编程、手工地、非基于计算机的机器，或结合计算机和手工实施来实施所述方面的方法，这应该是显然的。在下文中描述的实施方式不应解释为限于任何一组计算机程序指令。 另外，基于在此提供的本公开和教导，本领域的程序员能够毫无困难地或不通过过度的实验写出这样的计算机程序。因此，不认为一组特定程序码指令的公开对于充分理解怎样做出和使用示例性实施方式来说是必须的。将在以下描述中结合说明功能及程序流程和过程的图，更加详细地解释示例性实施方式的任何编程方面的功能。参看图1，示例性过程100开始于步骤105。在步骤105中，确认研究的目标，例如储层相关目标。在某些示例性实施方式中，研究的目标可为评价静态储层特性、预测动态储层性能或开发与开发计划有关的可能方案。研究的目标将确定包括在模拟过程中的细节的范围。步骤105往下进行步骤110。在步骤110中，表征了不确定性。在某些实施方式中，关键不确定性因素为储层的大小。在可选实施方式中，若干因素可影响决策。不确定性可通过若干示例性技术进行表征。例如，不确定性可通过以最小化可能的偏见的方式收集专家意见以确认因素、它们的范围以及它们的分布进行表征。除了表征不确定性的传统方法，步骤110认为人为因素也可在不确定性表征中起作用。在另一个示例性实施方式中，步骤110利用特尔裴方法来解决人为因素。“虚拟” 特尔裴方法通过交互式平台(interactive arena)系统性地收集专家意见，同时保持特尔裴方法的匿名方面。小组主持者向专家组提供每个人的匿名意见和他们决策的理由。每个专家可根据小组主持者提供的信息修改他们的意见。在若干会议期或多数人意见达成后， 该过程结束，并且基于平均或中值分数确定因素的重要性，同时因素范围基于多数人的意见。确认的因素随后划分为决策变量，例如通过所作出的选择可进行控制的因素，或不确定性变量，例如与自然状态相关但没有足够的知识知道它是什么的因素。由步骤110确定的不确定性变量被输入步骤115。在步骤115中，用现有的或特别构建的储层模型分析不确定性变量。通常必须大大减少该储层模型的维度，以使优化过程可数字化处理。在一些实施方式中，可用高速模型分析步骤115中的不确定性变量，该高速模型是计算有效的，并提供储层和表面设施动态(behavior)的近似值。该高速模型提供了比所用的传统高精确模型更低的计算精度，并且产生了相对粗的结果，并因此在典型的计算系统中更快地执行。该高速模型可由用于储层和/或表面设施动态的高精确模型中的一部分软件码产生。例如，可调整高精确模型的软件以使其运行更快，但具有较低的准确度。 可改变或配置高精确模型，以通过减少参数输入数、通过指定更大的存储单元(cell)大小等来提供高速模型。用于不确定性变量分析的模型的合适例子包括但不限于响应面模型、概率分布函数(PDF)模型以及其结合。响应面模型可通过试验设计技术或拉丁超立方抽样(Latin hypercube sampling)来构建。分布函数模型可用将未知变量表示为概率分布的贝叶斯信任网(BBNs)或其他方法例如多项式混沌展开来建立。不确定性变量的分析产生代理模型
9和保持该模型的性能和特性的PDF。在此使用的术语“代理模型”一般指的是用于开发决策和一种或多种不确定性变量之间关系的回归。由步骤110确定的决策变量及由步骤115确定的代理模型和PDF被输入步骤120。 在步骤120中，该决策变量被优化。通过将数据中的不确定性并入优化模型，获得与各种不确定性实现中的决策相关的权衡，因此当作出关于石油和/或天然气储层开发计划的决策时，可得到更好的信息。优化方法的合适例子包括但不限于稳健优化、随机规划和马尔可夫决策过程(也称为随机动态规划)方法。可选地，步骤120可涉及求解确定性优化模型，其中不确定性被降低至单点估计，并在整个不确定性空间上评估所得解的性能。在某些实施方式中，步骤120的优化方法为稳健优化。储层开发计划的稳健优化可包括一种或多种稳健优化模型，这些模型例如可为线性规划问题、或非线性规划问题、或混合整数线性规划问题或混合整数非线性规划问题形式。储层开发计划的稳健优化也可包括一种或多种用于求解这些模型的普适性求解程序或算法。普适性求解程序可包括商业上可得的或公开可得的数学规划求解程序和特别设计的模型特异性技术的结合。可不通过用于非确定性表示的PDF实现求解储层开发计划的稳健优化模型。这种稳健优化的目标是选择能最好地处理各种不确定数据实现的解。假设不确定数据未知但是有界的，理论结果也可假设不确定性空间的凸性。将带有不确定参数的优化问题重新表示为对应的稳健优化问题。在这种情况下，除了已知的或某些数据参数，还有不确定数据参数θ (theta)出现在约束中。将该约束重新表示，以便它们在任何可能的不确定参数实现下必须得到满足。现在也提出决策变量数组“X”和“y”，以便它们依赖不确定参数的实现。min f (x, y)s. t. g(x，y;9)彡OV没e·[不确定性空间}X e χy( θ ) e Y根据示例性实施方式，稳健优化通过促成整个给定不确定性空间优化问题的可行性，例如就图2所述基本上覆盖不确定性空间，保证(或可选地提供或支持)优化求解中的稳健性和灵活性。参看图2，根据本发明的某些示例性实施方式，整个不确定性空间200与储层模型的稳健优化的数据相关。描绘了三个轴205，其中每个表示任何的三个不确定性变量，例如正态分布的。阴影表示各种概率，例如概率分布。然而，不确定性空间200可包括任何数量的变量和/或任何数量的概率分布。求解避免了违背(或不违背)任何数据实现的任何约束。另外，稳健优化允许减少给出最差情况(数据组)方案。在某些实施方式中，步骤120的优化方法是基于补偿(recourse)的优化模型。如在此使用，术语“补偿”指的是在已经收到信息后采取正确行动的能力。一种示例性的基于补偿的优化模型系统地解决了所有不确定数据及其随时间的演化。这种基于补偿的优化模型合并了优化模型中的不确定性表示并在所有方案中明确地评估求解性能。另外，基于补偿的优化模型可合并在现实世界中决策制定者具有的灵活性，以基于随时间获得的新信息调整决策。决策制定者将能基于该新信息做出正确的决策/行动。这种范例允许产生保持可行性的灵活或稳固的解，覆盖不确定性空间，也允许在输入数据的最优性和不确定性之间做出权衡，以反映决策制定者的风险态度。
基于补偿的优化模型可包括长期的投资、生产或开发计划，其中固定决策随时间内分阶段发生。因此，创造机会以随时间流逝考虑更多明确的信息。模型中的决策也可包括相应于行动的决策，该行动可恢复关于不确定性的信息。用导向稳固、灵活、更高价值决策的补偿和在现实世界中决策做出的现实模型，基于补偿的优化模型可提供更好的解。在一些实施方式中，基于补偿的优化模型可为随机规划。在某些示例性实施方式中，随机规划提供了储层开发计划的方法并有效地处理了不确定性，如就图3进一步所述的。在一些实施方式中，该框架可类似于稳健优化模型。然而，目标中的补偿函数可替换所有被认为可能的实现——有时称为“方案”——的可行性。一个随机规划的示例性实施方式利用了这样的性质——控制储层开发计划数据的概率分布通常是已知或可估计的。在一些实施方式中，可利用该随机规划模型以发现这样的策略——其对所有或几乎所有可能的数据例子都是可行的，以及最大化决策和随机变量的一些函数的预期。在一些实施方式中，使用了基于多阶段随机规划的方法。在一些实施方式中，基于随机规划的方法可进一步包括概率或机会约束、预计的价值约束的添加和/或优化模型目标中的风险估量。通常，可对基于随机规划的方法进行分析求解或数字求解，并进行分析， 以向决策制定者提供有用的信息。在一些示例性实施方式中，基于随机规划的方法包括两阶段模型或线性程序，其为基于多阶段随机规划的方法的具体实施方式
。在这种实施方式中，决策制定者在第一阶段期间采取一些行动，在这之后，收到有关第一阶段决策结果的信息。其后，可在第二阶段中做出补偿决定，该补偿决定补偿了由于第一阶段决策而可能经历的任何负效应。基于两阶段随机规划的方法旨在用时间范围的一点上求解的不确定性，优化受到约束的目标函数的期望值。来自这种模型的最优策略为单一第一阶段策略和补偿决策的集合，有时称为“决策规则”，其定义了应采取第二阶段行动对每个结果作出响应。两个用于两阶段模型的数学公式如下
权利要求
1.一种优化含烃储层的储层性能的方法，包括以下步骤(a)确认储层相关目标；(b)表征促成所述储层相关目标的不确定性，其中表征所述目标的不确定性包括确定决策变量和与所述目标相关的不确定性变量；(c)分析所确定的不确定性变量并将所述不确定性变量与和所述储层相关目标有关的基线模型整合，以输出整合了不确定性的修正模型；(d)将所确定的决策变量与所述修正模型合并，并优化所述决策变量以产生优化模型结果；以及(e)提供所述优化模型结果作为对所述基线模型的反馈，其中将所述优化模型结果与从所述基线模型输出的结果相比较，以确定每个模型的结果的一致性或重新评估所述基线模型。
2.根据权利要求1所述的方法，其中所述储层相关目标包括储层的静态储层特性的评价，或动态储层性能的预测。
3.根据权利要求1所述的方法，其中所述储层相关目标包括一种或多种涉及储层开发计划的方案、一种或多种涉及储层评价的方案、或一种或多种涉及储层管理的方案。
4.根据权利要求2所述的方法，其中所述储层相关目标与和所述储层有关的表面设施相关。
5.根据权利要求1所述的方法，进一步包括基于所述优化模型结果，如果所述基线模型与所述优化模型的结果不一致，迭代地重复步骤b)至e)。
6.根据权利要求1所述的方法，其中分析所确定的不确定性变量包括用响应面模型、 概率分布函数模型或其结合的至少一种，产生至少一种代理模型或至少一种保持所述修正模型中模型性能和模型特性的概率分布函数模型。
7.根据权利要求1所述的方法，其中所述基线模型是相对精细的模型，并且所述修正模型是相对粗糙的模型。
8.根据权利要求1所述的方法，其中所述基线模型是高精确模型，并且所述修正模型是所述高精确模型的高速表述。
9.根据权利要求1所述的方法，进一步包括获得关于与所述储层相关目标有关的多个因素的输入；基于所述输入，将所述多个因素中的一些因素表征为决策变量，和将所述多个因素中的其他因素表征为不确定性变量；以及响应通过基于计算机的程序处理所述决策变量和所述不确定性变量，提供与完成所述储层相关目标有关的输出。
10.根据权利要求9所述的方法，其中所述获得输入的步骤包括实行特尔裴法，其包括通过所述特尔裴法确定与储层开发目标有关的因素和范围。
11.根据权利要求9所述的方法，其中获得输入包括从专家小组获得输入。
12.根据权利要求11所述的方法，其中所述获得输入的步骤包括获得所述专家小组中每个专家的意见；以及从每个专家征求关于所获得意见的反馈，同时保持每个所获得意见匿名。
13.根据权利要求9所述的方法，其中通过基于计算机的程序处理所述决策变量和所述不确定性变量包括通过试验设计技术，产生与所述不确定性变量相关的响应面模型。
14.根据权利要求9所述的方法，其中通过基于计算机的程序处理所述决策变量和所述不确定性变量包括通过贝叶斯信任网，产生与所述不确定性变量相关的分布函数模型。
15.根据权利要求9所述的方法，其中通过基于计算机的程序处理所述决策变量和所述不确定性变量包括通过计算机实施的稳健优化，基于至少一个数据参数和不确定性空间，优化储层开发计划的至少一些方面。
16.根据权利要求9所述的方法，其中通过基于计算机的程序处理所述决策变量和所述不确定性变量包括通过随机规划进行优化。
17.根据权利要求9所述的方法，其中所述基于计算机的程序包括马尔可夫决策过程。
18.根据权利要求1所述的方法，进一步包括 基于所述优化模型结果制定储层开发计划；以及根据所述储层开发计划从所述储层中开发烃资源。
19.一种确定储层性能的方法，包括以下步骤基于专家小组的输入，将与储层开发有关的不确定性表征为决策变量和不确定性变量；用储层模型分析所述不确定性变量，以构建代理模型；以及通过计算机实施的稳健优化、随机规划和马尔可夫决策过程的一种，优化所述决策变量和所述代理模型。
20.根据权利要求19所述的方法，进一步包括减少所述专家小组的偏见。
全文摘要
一种或多种优化储层开发计划的方法，包括特征输入数据源、优化模型、用于模拟储层的基线模型、修正模型以及一种或多种与优化模型相关的求解程序。优化模型可直接考虑在优化模型内具有不确定性的未知参数。修正模型可系统地解决不确定数据，例如综合或甚至完全考虑所有不确定数据。因此，修正模型被优化为灵活或稳健的解。最终的储层开发计划基于优化的模型结果产生。
文档编号G01V1/40GK102341729SQ200980157873
公开日2012年2月1日 申请日期2009年12月14日 优先权日2009年3月5日
发明者K·C·弗曼, L-B·W·李, M·A·罗德里格斯, R·T·米夫林, V·戈尔 申请人:埃克森美孚上游研究公司