定初始优化值122包括，例如，选择边界之间的中点。
[0060]因为优化是关于单变量的，所以在实践中以相对少数量的迭代，一般少于十次，在120中的优化得出具有可接受的精度的解。优选地，利用边界约束的非线性优化器来求解最优化(成本函数是针对关于FOPR感兴趣的值的平均NPV 136，并且最优化边界例如通过经济业务约束来指定)因此，本发明迅速得出最优化的FOPR平台值(其由于LPit与FOPR之间的一一对应关系而具有相应的最佳平台持续时间)。
[0061]此外，任意储集层的描述通常带有不确定性(例如，通过一组模型量化并且与概率对应)。因而，在120中优化考虑平均算子。例如，孔隙率可被建模为一组中的每个模型的孔隙率分布的概率的算术加权平均值(关于储集层模型的孔隙率分布描述了关于空间区域建模的孔隙/空的空间的量)。其他储集层特性可以类似地平均。此后，考虑平均特性执行储集层流动模拟。可替选地，可以对组中的每个储集层模型运行储集层流模拟，并且平均算子被施加到所获得的所有的生产曲线上。第二选择捕获在不确定性的传播方面的较好的非线性效应，但是计算所用去的花费比在平均储集层模型上执行的单次模拟花费更多。总之，本发明根据储集层模型传播不确定性，产生130 F0PR、平台持续时间和净现值(后者包括用于注射/生产设施的成本模型)。
[0062]最优化NPV是利用FOPR变量通过迭代方法获得的。因为在两个变量之间的——对应关系，这种方法还可以利用平台持续时间求解。也就是说，通过单元140代替FOPR变量表不的最优化120，产生以Lpit变量表不的方法。
[0063]图2B示出了使用优选的设计系统(例如，图1的100)用于迭代地开发产生预先指定的采油平台持续时间的生产曲线的示例140。
[0064]F0PR与平台持续时间之间的反比关系不能从流动模拟中直接获得。在这种情况下，这个反比关系可以基于工程师、设计师或其他专家的知识提供一维函数来估算;或者可以如下本文中所描述的以精确的方式获得。
[0065]给定F0PR值，经过储集层模型的流动模拟提供了针对这样的储集层模型的平台产量持续时间。当模拟与关于油田的信息匹配的多个储藏模型时，经过多个储集层模型的统计度量提供统计的量化的不确定性。也就是说，计算平台持续时间148用于针对用于量化不确定性(例如，在图1中118)的所有模型经由储集层流动模拟获得的平均生产曲线。可替选地，该平均生产曲线可以近似地仅使用针对平均储集层模型的一个储集层流动模拟。
[0066]最初，F0PR的值122被投射或提供(例如，由工程师、设计师或其他专家)至平均生产单元134(该单元还量化了相关联的/传播的不确定性)。单元140求解单变量(田油/液体生产速率)问题。在每次迭代之后，单元150检查结果以确定平台持续时间是否为所期望的值146或者，可替选地，其是否为与可以获得的所期望的值最接近的值。否则，求解单元140接收或确定在F0PR边界128内的新的F0PR 152。这些边界可以例如与F0PR的限制对应或者与通过经济单位给出的平台持续时间值的限制对应。在下一次迭代中，单元140针对新的值F0PR 126求解新的平台产量值和相关联的不确定性。
[0067]如果检查150确定结果是值所需的值146，或者可替选地，如果其为与可以获得的所期望的值最接近的值，则最终的F0PR结果154是可用的。
[0068]单元140求解针对一组储集层模型的给定平台持续时间的平均油产量。设计系统100可以将聚类/采样技术应用到储集层模设定中以将模型的数量减少/限制到相对少的数量，例如几十个模型。尽管本文针对完整的油田进行描述，但是可以例如利用地质和/或表面的距离约束将本发明应用到先前分组的一组井中。
[0069]非线性优化例如，通过根据针对一组储集层模型中的每个储集层模型的储集层流模拟中获得平均生产曲线来传播不确定性。在这种情况下，生产预测因而为根据在一组储集层模型中的所有储集层模型和相关联的不确定性的一组预测。因而，优选的设计系统100根据复杂的储集层流动模拟确定预测(其中油生产呈现平台曲线)，并且进一步，同时在设计满足大多数实际应用的情况下保留一定的精确度。因此，本发明已经应用到如下情况:可能需要在很短的时间(即，几个小时或至多几天)段内快速的决定的情况。
[0070]一旦确定最优的F0PR，则对于一个预定的替换因子(在注入流动与生产流动之间的速率，通常为1)，则例如利用商业计划和因此针对平台产量的控制确定关于每个单独的井(注入井和生产井)随着时间变化的速率。
[0071]因而，有利的是，本发明提供了用于寻找油田生产约束的比特别是现有技术和反复试验设计方法相比更有效的方法。此外，本发明在计算上比一般基于模拟的、通常考虑通常需要几千个储集层流动模拟的大量的优化变量(例如，几百个变量)优化的现有方法更便宜。相反，本发明为了快速求解(例如，田油平台生产速率NPV和F0PR或者平台的持续时间)，减少了到单变量求解的设计决定。
[0072]这一切，结合减少用于不确定性量化的储集层模型的数量的聚类/采样技术，使得人们能够及时获得可接受的解，用于其中快速、迭代的作出决定是关键的设计。
【主权项】
1.一种选择和优化用于产量平台的油田控制的方法，包括: 确定储集层模型； 提供适合于生成开发计划的数值工具，所述开发计划包括设施模型以及对预定生产速率的控制，所述预定生产速率优选为FOPR，所述开发计划包括: 用于所述储集层模型的生产井位置以及可选择地注入井位置的分布； 钻井方案；以及 对所述井的控制， 提供适于在所述预定生产速率的开发计划条件下模拟所述储集层模型的数值工具，所述预定生产速率适于生成平均生产曲线和平台持续时间； 其中，选择用于产量平台的控制包括迭代地: 提供对生产速率变量的猜测； 提供成本函数，所述成本函数根据所述生产速率变量评估平均排名度量，所述平均排名度量优选为净现值NPV; 当所述平均排名度量不是最大时，执行以下步骤: 针对生产速率值来模拟所述储集层模型； 提供设施模型和平均排名度量； 如果所述平均排名度量不是最大，则生成新生产速率， 根据使得平均排名度量最大的生产速率来提供油田控制。2.根据权利要求1所述的方法，其中，提供与所述成本函数的最大值对应的生产速率，或者提供与所述成本函数的最大值对应的平均排名度量，或者提供以上两者。3.根据任一前述权利要求所述的方法，其中，在所述迭代法中生成的新的生产速率通过变量上限、变量下限或者两者进行约束。4.根据权利要求1至4中任一项所述的方法，其中，所述迭代法利用平台持续时间Lplt以生产速率被确定为平台持续时间Lplt的函数的方式、根据以下步骤来进行迭代: 针对期望的Lplt，提供初始的生产速率猜测； 执行另外的第二迭代法，其中，当在所期望的Lplt与通过对所述生产速率的模拟而确定的平台持续时间LPit之间的差大于预定阈值时，提出新生产速率； 提供最终生产速率。5.根据权利要求1至4中任一项所述的方法，其中，所述迭代法利用所述平台持续时间Lplt以所述生产速率被表达为所述平台持续时间Lplt的函数的方式、根据一组已知样本的估计或插值函数来进行迭代。6.根据权利要求4或5所述的方法，其中，在所述第二迭代法中提出的新的生产速率通过变量上限、变量下限或两者进行约束。7.根据权利要求4或5所述的方法，其中，使用优化单元来提出所述新生产速率。8.根据权利要求1至7中任一项所述的方法，其中，确定所述储集层模型包括确定模型不确定性，所述确定模型不确定性包括: 确定未知参数的具有地理上合理的分布的一组实现，所述未知参数与关于所述油田的可用信息一致； 模拟所述储藏模型以及所述一组实现的测量；以及 提供统计的不确定性值。9.根据权利要求1至7中任一项所述的方法，其中，确定所述储集层模型包括按照以下来对不确定性进行建模: 确定未知参数的具有地理上合理的分布的一组实现，所述未知参数与关于所述油田的可用信息一致； 模拟所述储藏模型以及对所述一组实现中的单一平均实现的测量；以及 提供统计的不确定性值。10.—种数据处理系统，所述数据处理系统包括用于执行根据权利要求1至9中任一项所述的方法的装置。11.一种计算机程序产品，所述计算机程序产品适于执行根据权利要求1至9中任一项所述的方法。
【专利摘要】本发明涉及针对给定的地下烃(油)田产量确定能源生产控制，并且更具体地涉及为了维持最优化的油田生产而指定控制(通过随着时间的类似平台的曲线)。
【IPC分类】E21B43/00
【公开号】CN105452598
【申请号】CN201480032293
【发明人】索尼娅·恩比德罗兹, 鲁本·罗德里格斯托拉多, 穆罕默德·赫加齐, 大卫·埃切维里亚西奥里, 乌利塞斯·梅洛
【申请人】雷普索尔有限公司, 国际商业机器公司
【公开日】2016年3月30日
【申请日】2014年6月6日
【公告号】CA2914444A1, EP2811107A1, EP3004530A1, WO2014195453A1