一种油田水驱分类井组开发效果对标方法与流程

本发明涉及油田注水驱油过程中找出同类井组中开发效果不好的措施井，提供提高采出程度的方法，具体涉及一种油田水驱分类井组开发效果对标方法。

背景技术：

国内外油田开采实践表明，单纯依靠天然能量开采不能保证油田的长期稳产，可以依靠人工注水开采来获得较高的采收率。因此对油田注水开发效果做出科学的评价，及时制定与地质特征相适应的开采策略尤为重要。常用于对水驱油田进行开发效果评价的有经验公式法、灰色系统理论、神经网络理论等方法，但大都是研究油田注水开采过程中产油量与产液量、产出程度和含水率、含水上升率、注水利用率、产量递减规律等。这些方法在实际应用时存在一些局限性，如主要针对油田注水开发的某个特定时期，不同方法要考虑其适用范围，未充分利用从开采之初到现在已有的生产动态资料或监测资料。油藏开采注水过程可以看作是一个注采平衡的动态系统，有必要研究随时间累积增加的注水量与采出程度之间的关系，进而及时发现在不断注水的过程中，采出程度、含水率、采油量、产液量的变化趋势，目前各油田积累了大量准确的动静态实际生产数据，有利于通过智能计算的相关理论利用大数据来分析采油井组的开发规律，建立从注水开始到注水过程中的不同分类井组的开发效果对标曲线(即建立不同分类井组的标准开发效果曲线)，并通过对标曲线分析各类采油井组的开发状况，及时、高效、准确的分析各类井组在注水过程中的开发效果趋势，明晰油藏的开发历程和开发现状，便于油藏工作人员在大量的采油井组里快速找到需要调整的井，并以此为线索去寻求开发效果不佳的源头，进而制定具有针对性的后期开发调整策略，达到降低生产经营成本、提高经济效益，实现产量和利润的最大化。

技术实现要素：

本发明的目的是提供一种油田水驱分类井组开发效果对标方法，这种油田水驱分类井组开发效果对标方法用于解决在油田注水开发过程中如何利用大量现有的动静态数据对采油井的开发效果进行跟踪，建立不同分类井组的开发效果标准，找出同类井组中开发效果不好的措施井，同时可以利用已有区块的开发效果对标数据来跟踪新开发同类型油藏区块各类井组的开发效果，及时提出相应的开采调整方案。

本发明解决其技术问题所采用的技术方案是：这种油田水驱分类井组开发效果对标方法：

步骤一、基于模糊综合评判理论对油田区块内的采油井和注水井进行单井分类，再结合小层静态数据和连通关系计算井组小层分类评价值，最后结合单井分类和井组小层分类评价值，把以一口采油井为中心和与其连通的注水井构成的井组分成一类井组或二类井组或三类井组，如以采油井1为中心和与其连通的注水井1、注水井2、注水井3、注水井4构成井组；

步骤二、建立注水井注水量劈分系数计算公式，计算注水井的注水量劈分系数；

步骤1、对于存在注入剖面数据的注水井，垂向劈分比例按照注入剖面数据赋值，否则按照公式(1)计算垂向劈分比例：

其中：vec_bilii为注水井第i,1≤i≤l层的垂向劈分比例，l为注水井的小层数，ki、hi和mi为注水井第i层渗透率、有效厚度和措施改造系数，kij和hij为与注水井第i层连通的第j,1≤j≤ni个采油井的渗透率和有效厚度，ni,1≤ni≤4为注水井第i层连通的采油井数；

步骤2、按公式(2)计算注水井平面注水量劈分比例：

其中，hor_biliij为注水井第i层连通第j,1≤j≤ni个采油井的平面劈分比例，kij、hij、mij、eij、gij和dij分别为与注水井第i层连通第j,1≤j≤ni个采油井的渗透率、有效厚度、措施改造系数、开采厚度系数、层间干扰系数和井距，ni,1≤ni≤4为注水井第i层连通的采油井个数；

步骤3、按公式(3)计算注水井注水量劈分系数：

其中，water_splitj为与注水井连通的第j个采油井的注水量劈分系数，water_zrl为注水井的月注水量，其它参数参照步骤1和步骤2；

步骤三、基于贪心算法和井组生产动态数据利用注采平衡原理对注水井注水量劈分系数进行修正，井组生产动态数据包括采油井的月产液量、注水井的月注水量；

步骤四、对于以采油井1为中心和与其连通的注水井1、注水井2、注水井3、注水井4构成的井组，分别计算这四个注水井的月注水量与劈分到采油井1的注水量劈分系数的乘积并求和，获得采油井1的当月受效注水量，再加上采油井1当月之前的累积受效注水量，获得采油井1当月累积受效注水量，建立该井组当月累积受效注水量与采油井1当月采出程度间的关系曲线；

步骤五、利用弗雷歇距离算法、井组累积受效注水量与采出程度的关系曲线对一类、二类或三类井组内的单个井组进行聚类，将关系曲线相似的单个井组聚类为该类井组的一个小分组，每类井组可聚类成多个小分组；分别求解每个小分组内单个井组对应累积受效注水量的采出程度平均值；再基于这些小分组的平均值对采出程度进行加权平均作为该类井组的采出程度对标曲线；

步骤六、重复步骤一至五，得到一类井组的采出程度对标曲线数据、二类井组的采出程度对标曲线数据、三类井组的采出程度对标曲线数据，基于三个类别井组的采出程度对标曲线数据，找出低于三条对标曲线数据的单个井组进行开发调整，同时该区块水驱结束后的采出程度对标曲线可以用作其他新开发的同类油藏区块的采出程度参考对标曲线。

上述方案中步骤一的具体方法为：

步骤1、首先基于模糊综合评判理论对采油井和注水井进行单井分类，采油井的评价因素包括渗透率、有效厚度、变异系数和含油饱和度；注水井的评价因素包括渗透率、有效厚度、变异系数；分类结果的评语集为1、2和3；渗透率、含油饱和度和有效厚度的隶属度函数采用梯形分布函数，变异系数采用高斯分布隶属度函数；

步骤2、对于采油井和与其连通的注水井构成的井组，计算该采油井与连通的注水井分类结果的和作为该井组单井分类评价值；

步骤3、按照公式(4)计算井组内小层分类评价值：

其中，layer_value为井组内小层分类评价值，o_l为采油井的小层数，kij和hij为采油井第i层的渗透率和有效厚度，kij、hij和dij分别为与采油井第i层连通第j,1≤j≤ni个注水井的渗透率、有效厚度和井距，ni,1≤ni≤4为采油井第i层连通的注水井个数，min为取最小值函数，max为取最大值函数；

步骤4、利用步骤2的井组单井分类评价值和步骤3的井组内小层分类评价值基于模糊综合评判理论把井组分成一类或二类或三类井组。

上述方案中步骤三的具体方法为：

步骤1、依据注水井1连续几个月的实际注水量乘以注水井1的注水量劈分系数计算采油井1、采油井2、采油井3、采油井4的受效注水量；

步骤2、累加注水井1、注水井2、注水井3和注水井4劈分给采油井1的受效注水量，计算采油井1的受效注水量与采油井1的实际产液量差值δ的绝对值；

步骤3、设定一个差值阈值δ，根据注采平衡原理，如果步骤2计算的绝对值小于阈值，则认为采油井1的注水量劈分系数符合要求，固定采油井1与注水井1、注水井2、注水井3和注水井4的注水量劈分系数；

步骤4、如果注水井1与采油井1、采油井2、采油井3、采油井4中的任意三个注水量劈分系数被固定，则将剩下一个注水量劈分系数也固定，采油井1、采油井2、采油井3、采油井4的注水量劈分系数和等于1；

步骤5、如果采油井1与注水井1、注水井2、注水井3和注水井4中的二或三个注水量劈分系数已经固定，则按公式(5)对未固定的劈分系数进行修正，依据贪心算法，优先调整所有采油井的受效注水量与采油井的实际产液量差值的绝对值最小的注水量劈分系数，调整后的劈分系数则被设定为固定值，继续重复步骤2-5，直到没有可调整的注水量劈分系数为止；

其中，δ采油井1的受效注水量与采油井1的实际产液量差值，δ为设定的差值阈值，water_zrli为未固定注水量劈分系数的注水井1或注水井2或注水井3或注水井4的注水量，t,1≤t≤2是未固定注水量劈分系数的注水井个数。

上述方案中步骤五的具体方法为：

步骤1、针对任一个井组well_groupij(i＝1,2,3；j＝1,2,..,sumi)，其中i代表井组分类(一类、二类、三类)，sumi为第i类井组的个数，对于well_groupij的累积受效注水量inject_waterij和采出程度recovery_percentij曲线，采用二次或是三次多项式进行分段拟合，得到well_groupij的累积受效注水量和采出程度回归公式：recovery_percentij＝fij(inject_waterij)，其中fij(x)代表回归公式；

步骤2、按公式(6)将累积受效注水量分成若干个等距离的数据点，

inject_waterij^k＝k×(inject_waterij/m),k＝1,2,...,m(6)

其中，m为分隔的数据点个数。对于每一个井组well_groupij利用回归公式fij分别计算m个inject_waterij^k对应的采出程度得到新的等间隔累积受效注水量与采出程度的回归数据；

步骤3、对于同种类井组里任两个井组well_groupij，利用弗雷歇距离算法f计算两个well_groupij由步骤2获得的等间隔累积受效注水量与采出程度回归数据的距离，distancejp＝f(well_groupij,well_groupip),j≠p，如果distancejp小于1.0则划分为同一小分组sub_groupil,i＝1,2,3；1≤l≤sumi；

步骤4、假设第l个小分组sub_groupil包含xl个well_groupij，按公式(7)计算sub_groupil里面xl个井组中第k个累积受效注入量的对标值yil^k：

其中，m为步骤2中的分隔数据点个数；

步骤5、按公式(8)计算well_groupi(i＝1,2,3)的采出程度对标数据yil^k，

其中，yik代表第i种分类井组的第k个累积受效注水量对应的采出程度，xil代表第i种分类井组的第l个小分组中包含井组的个数，m为步骤2中的分隔数据点个数，c为第i种井组被分成小分组的个数，yil^k为每个小分组sub_groupil第k个注入量的采出程度对标数据。

本发明具有以下有益效果：

本发明所提出的基于智能计算的油田水驱分类井组开发效果对标方法，在充分结合油藏专家开发经验的基础上，利用油田开发现有的动静态大数据的基础上，采用基于智能计算理论完成对采油井组开发效果的实时跟踪，了解油田开发情况，大大提高了油田开发人员的工作效率，并且随着油田开发区块数据的不断增加，建立的分类井组开发效果对标数据可以用来指导同类区块的开发工作，依据这种对标方法还可以建立注水量与含水率、压力、采油量等分类标准曲线。

附图说明

图1是本发明油田水驱分类井组开发效果对标方法建立流程图。

图2是本发明中井组连通图。

具体实施方式

下面对本发明作进一步的说明：

这种油田水驱分类井组开发效果对标方法：首先，利用模糊综合评判算法对井组进行分类；其次，利用灰色关联分析理论对影响注水井注水量劈分的地质因素和人为因素进行分析，依据关联系数的大小确定用于计算注水井的垂向劈分比例和平面劈分比例的因素，利用筛选的影响因素建立注水井注水量劈分系数计算公式和基于贪心算法结合井组生产动态数据的注水量劈分系数修正算法；最后，计算采油井累积受效注水量与采出程度的关系曲线，基于弗雷歇距离算法建立分类井组对标曲线数据。具体如下：

步骤一基于模糊综合评判理论对油田区块的采油井和注水井进行单井分类，再结合小层静态数据和连通关系计算井组小层分类评价值，最后结合单井分类和井组小层分类评价值，把以一口采油井为中心和与其连通的注水井构成的井组分成一类井组或二类井组或三类井组。例如，以采油井1为中心和与其连通的注水井1、注水井2、注水井3、注水井4便构成了井组。

基于模糊综合评判理论对以采油井为中心的井组进行分类，需要以下7个步骤：

①确定要评判的事物(评判对象)；

②根据不同的评判目标，确定评价对象的评语集v＝{v1,v2,...,vm}；

③仔细分析影响评判结果的各类因素，进而确定参与运算的评价因素集合u＝{u1,u2,...,um}；

④根据选定的隶属度函数构造r＝[rij]n×m；

⑤根据不同影响因素在评价过程中所占的重要程度不同，确定这些因素的权重集合a＝{a1,a2,...,an}；

⑥结合实际应用背景，根据模糊数学理论选取适当的模糊变换计算模型，完成

⑦采用合理的计算方式把b转换成评价对象要得到的评价结果。

步骤1、首先基于模糊综合评判理论对采油井和注水井进行单井分类，采油井的评价因素包括渗透率、有效厚度、变异系数和含油饱和度；注水井的评价因素包括渗透率、有效厚度、变异系数；分类结果的评语集为1、2和3；渗透率、含油饱和度和有效厚度的隶属度函数采用梯形分布函数，变异系数采用高斯分布隶属度函数；

步骤2、对于采油井和与其连通的注水井构成的井组，计算该采油井与连通的注水井分类结果的和作为该井组单井分类评价值；

步骤3、按照公式(4)计算井组内小层分类评价值：

其中，layer_value为井组内小层分类评价值，o_l为采油井的小层数，kij和hij为采油井第i层的渗透率和有效厚度，kij、hij和dij分别为与采油井第i层连通第j,1≤j≤ni个注水井的渗透率、有效厚度和井距，ni,1≤ni≤4为采油井第i层连通的注水井个数，min为取最小值函数，max为取最大值函数；

步骤4、利用步骤2的井组单井分类评价值和步骤3的井组内小层分类评价值基于模糊综合评判理论把井组分成一类或二类或三类井组。

步骤二基于灰色关联理论和井组静态数据，建立注水井注水量劈分系数计算公式，计算注水井的注水量劈分系数；

一是基于灰色关联分析理论的劈分系数影响因素优选：

步骤1、确定影响因素分析序列

确定一个因变量和多个自变量因素。由因变量数据构成参考序列，自变量数据构成比较序列，分别表示为：

y0＝(y0(1),y0(2),...,y0(n))

y1＝(y1(1),y1(2),...,y1(n))

……

yi＝(yi(1),yi(2),...,yi(n))

式中，y0，yi分别为参考序列和比较序列；n为序列长度。

步骤2、对影响因素实施无量纲化

为了保证各因素具有等级性和等权性，需要对其进行无量纲化。应用均值法进行无量纲化后的序列可分别表示为：

步骤3、计算比较序列与参考序列关联系数

关联系数表示第i个比较序列与参考序列在第k个数据点的关联程度，其表达式为：

式中，ε0i(k)为关联系数，δ0i(k)为i个比较序列与参考序列在k个数据点的差的绝对值，δmin,δmax分别为各个数据点的差的绝对值中的最小值和最大值，ρ为分辨系数。

步骤4、计算比较序列与参考序列关联度

对关联系数求平均，关联度计算公式为：

式中roi为关联度，数值在0-1之间。

步骤5、依据关联度排序确定劈分影响因素

采用灰色关联分析理论以注水井的注入剖面为参考序列，多个影响因素作为比较序列，把计算的关联度按从大到小排序，最终确定渗透率、有效厚度、层间干扰系数、注采井距、连通井数、开采厚度系数、措施改造系数作为影响注水井注水量劈分的关键因素，用以建立注水井注水量劈分系数计算公式。

二是基于劈分影响因素建立注水井注水量劈分系数计算公式：

步骤1、对于存在注入剖面数据的注水井，垂向劈分比例按照注入剖面数据赋值，否则按照公式(1)计算垂向劈分比例：

其中：vec_bilii为注水井第i,1≤i≤l层的垂向劈分比例，l为注水井的小层数，ki、hi和mi为注水井第i层渗透率、有效厚度和措施改造系数，kij和hij为与注水井第i层连通的第j,1≤j≤ni个采油井的渗透率和有效厚度，ni,1≤ni≤4为注水井第i层连通的采油井数；

步骤2、按公式(2)计算注水井平面注水量劈分比例：

其中，hor_biliij为注水井第i层连通第j,1≤j≤ni个采油井的平面劈分比例，kij、hij、mij、eij、gij和dij分别为与注水井第i层连通第j,1≤j≤ni个采油井的渗透率、有效厚度、措施改造系数、开采厚度系数、层间干扰系数和井距，ni,1≤ni≤4为注水井第i层连通的采油井个数；

步骤3、按公式(3)计算注水井注水量劈分系数：

其中，water_splitj为与注水井连通的第j个采油井的注水量劈分系数，water_zrl为注水井的月注水量，其它参数参照(步骤1)和(步骤2)；

步骤三基于贪心算法和井组生产动态数据利用注采平衡原理对注水井注水量劈分系数进行修正，井组生产动态数据包括采油井的月产液量、注水井的月注水量。

在不断的注水过程中，会造成油藏的一些物性参数发生变化，进而影响着注水井注水量劈分系数的变化，可以利用实际的井组生产动态数据(采油井的月产液量、注水井的月注水量)通过贪心算法来修正。参照图2表述具体步骤如下：

步骤1、依据注水井1连续几个月(如3个月)的实际注水量乘以注水井1的注水量劈分系数计算采油井1、采油井2、采油井3、采油井4的受效注水量；

步骤2、累加注水井1、注水井2、注水井3和注水井4劈分给采油井1的受效注水量，计算采油井1的受效注水量与采油井1的实际产液量差值δ的绝对值；

步骤3、设定一个差值阈值δ，根据注采平衡原理，如果步骤2计算的绝对值小于阈值，则认为采油井1的注水量劈分系数符合要求，固定采油井1与注水井1、注水井2、注水井3和注水井4的注水量劈分系数；

步骤4、如果注水井1与采油井1、采油井2、采油井3、采油井4中的任意三个注水量劈分系数被固定，则将剩下一个注水量劈分系数也固定(采油井1、采油井2、采油井3、采油井4的注水量劈分系数和等于1)；

步骤5、如果采油井1与注水井1、注水井2、注水井3和注水井4中的二或三个注水量劈分系数已经固定，则按公式(5)对未固定的劈分系数进行修正(依据贪心算法，优先调整所有采油井的受效注水量与采油井的实际产液量差值的绝对值最小的注水量劈分系数)，调整后的劈分系数则被设定为固定值，继续重复步骤2-5，直到没有可调整的注水量劈分系数为止。

其中，δ采油井1的受效注水量与采油井1的实际产液量差值，δ为设定的差值阈值，water_zrli为未固定注水量劈分系数的注水井1或注水井2或注水井3或注水井4的注水量，t,1≤t≤2是未固定注水量劈分系数的注水井个数。

步骤四对于以采油井1为中心和与其连通的注水井1、注水井2、注水井3、注水井4构成的井组，分别计算这四个注水井的月注水量与劈分到采油井1的注水量劈分系数的乘积并求和，获得采油井1的当月受效注水量，再加上采油井1当月之前的累积受效注水量，获得采油井1当月累积受效注水量，建立该井组当月累积受效注水量与采油井1当月采出程度间的关系曲线，具体步骤如下：

步骤1、已知注水井1、注水井2、注水井3、注水井4的月注水量water_zrli,i＝1,2,3,4和劈分到采油井1注水量劈分系数water_spliti,i＝1,2,3,4，计算采油井1当月受效注水量其中num,1≤num≤4为采油井1连通的注水井个数；

步骤2、已知product_oil为采油井1从开始采油到计算当月的累积产油量，reserves_oil为以采油井1为中心的井组地质储量，计算采油井1的每月采出程度recovery_degree，recovery_degree＝product_oil/reserves_oil；

步骤3、以步骤1计算的每月累积受效注水量inject_oil为横坐标，以每月的采出程度recovery_degree为纵坐标构建井组累积受效注水量与采出程度关系曲线。

步骤五利用弗雷歇距离算法、井组累积受效注水量与采出程度的关系曲线对一类、二类或三类井组内的单个井组进行聚类，将关系曲线相似的单个井组聚类为该类(一类、二类或三类)井组的一个小分组，每类井组可聚类成多个小分组；分别求解每个小分组内单个井组对应累积受效注水量的采出程度平均值；再基于这些小分组的平均值对采出程度进行加权平均作为该类(一类、二类或三类)井组的采出程度对标曲线：

考虑到区块的每个井组的对标曲线的变化趋势可能存在不同，造成人工提取规律和进行聚类工作量大且精度不高，利用弗雷歇距离算法进行曲线相似度判定，对井组累积受效注水量与采出程度的关系曲线进行聚类。弗雷歇距离算法原理严格的数学定义如下：

设二元组(s,d)是一个度量空间，其中d是s上的度量函数。

定义1在单位区间[0,1]上的映射γ:[0,1]→s是连续映射，则称γ为s上的连续曲线。

定义2从单位区间到其自身的映射满足如下三个条件：1)是连续的，2)是非降的，即对于任意x,y∈[0,1]，且x≤y，都有成立，3)是满射，则称函数为单位区间[0,1]的重参数化函数，且此时有特别地，当为恒等函数时，称为平凡重参数化函数，否则，称为非平凡重参数化函数。

定义3设a和b是s上的两条连续曲线，即a:[0,1]→s，b:[0,1]→s。又设α和β是单位区间的两个重参数化函数，即α:[0,1]→s，β:[0,1]→s。则曲线a与曲线b的弗雷歇距离f(a,b)定义为：

其中d是s上的度量函数。

在f(a,b)的计算公式中，先固定最外层的α和β，也就是对每一个选定的α和β的组合，计算下式：

上式中d,a,α,b,β均视为被固定住的已知函数，只将t当作变量。由于变量t将在单位区间[0,1]内遍历所有连续取值(无穷多个)，故可简化处理将该区间进行离散化处理划分成多个采样点，再通过逐步增加采样点的个数来提高精度，最后通过求极限的思想来理解两条曲线的弗雷歇距离。fα,β(a,b)的离散化计算公式为：

因此，f(a,b)的离散化计算公式为：

再令的极限就是f(a,b)

以累积受效注水量—采出程度对标曲线为例，具体步骤如下：

步骤1、针对任一个井组well_groupij(i＝1,2,3；j＝1,2,..,sumi)，其中i代表井组分类(一类、二类、三类)，sumi为第i类井组的个数，对于well_groupij的累积受效注水量inject_waterij和采出程度recovery_percentij曲线，采用二次或是三次多项式进行分段拟合，得到well_groupij的累积受效注水量和采出程度回归公式：recovery_percentij＝fij(inject_waterij)，其中fij(x)代表回归公式；

步骤2、按公式(6)将累积受效注水量分成若干个等距离的数据点，

inject_waterij^k＝k×(inject_waterij/m),k＝1,2,...,m(6)

其中，m为分隔的数据点个数。对于每一个井组well_groupij利用回归公式fij分别计算m个inject_waterij^k对应的采出程度得到新的等间隔累积受效注水量与采出程度的回归数据；

步骤3、对于同种类井组里任两个井组well_groupij，利用弗雷歇距离算法f计算两个well_groupij由步骤2获得的等间隔累积受效注水量与采出程度回归数据的距离，distancejp＝f(well_groupij,well_groupip),j≠p，如果distancejp小于1.0则划分为同一小分组sub_groupil,i＝1,2,3；1≤l≤sumi；

步骤4、假设第l个小分组sub_groupil包含xl个well_groupij，按公式(7)计算sub_groupil里面xl个井组中第k个累积受效注入量的对标值yil^k：

其中，m为步骤2中的分隔数据点个数；

步骤5、按公式(8)计算well_groupi(i＝1,2,3)的采出程度对标数据yil^k。

其中，yik代表第i种分类井组的第k个累积受效注水量对应的采出程度，xil代表第i种分类井组的第l个小分组中包含井组的个数，m为步骤2中的分隔数据点个数，c为第i种井组被分成小分组的个数，yil^k为每个小分组sub_groupil第k个注入量的采出程度对标数据。

步骤六：基于三类井组的采出程度对标曲线数据，找出低于三条对标曲线数据的单个井组进行开发调整，同时该区块水驱结束后的采出程度对标曲线可以用作其他新开发的同类油藏区块的采出程度参考对标曲线。

综上所述，本发明提出的方法利用油田开发过程中动静态数据跟踪水驱开发效果，可以很好的建立累积受效注水量与采出程度之间的关系，只要连接到采油厂的生产数据库，便可及时了解水驱开采井组的动态变化规律，进而选取措施井制定有效的开发方案。方法所用数据均为实际开采过程中的准确数据，故具有较高的实时性和准确性，同时也可以依据此方法建立累积受效注水量与含水率、累积产油量，以及含水率与累积产油量之间的分类井组对标曲线数据，并且随着开采区块的增加，在油田大数据的环境下可以归纳水驱开发效果标准，用于指导其他同类型新开采水驱油藏的实际生产工作。

以上所述为本发明的部分实施例而已，但本发明不应该局限于该实施例和附图所公开的内容。所以凡是不脱离本发明所公开的技术方案下完成的等效或修改，都落入本发明保护的范围。