使用代理仿真器的用于实时油气田生产优化的方法、系统和计算机可读介质

摘要

提供了使用代理仿真器的用于实时油气田生产优化的方法、系统和计算机可读介质。在一个或更多物理仿真器(26)中建立储藏库(100)、井(100)、管道网络(100)或处理系统(100)的基本模型(30)。使用决策管理系统(24)来定义如阀门设置(410)之类的控制参数以匹配观测数据(114)。使用代理模型来调整控制参数使其适合所述物理仿真器(26)的输出，确定控制参数的灵敏度，并计算控制参数与仿真器(26)的输出数据之间的相关性。除去灵敏度低于阈值的控制参数。决策管理系统(24)使从代理模型输出的控制参数在仿真器(26)中生效。所述代理模型可以用于预测控制参数的未来控制设置。

说明书

相关申请的交叉参考

本专利申请要求2006年1月31日申请的题为“Methods，systems，and computer-readable media for real-time oil and gas field productionoptimization using a proxy simulator”的美国临时专利申请No.60/763,971的权益，其全文结合在此作为参考。

技术领域

本发明涉及油气田生产的优化。更具体地，本发明涉及使用代理仿真器，通过在测量数据的同时对数据做出响应，来改进控制油气田运行中所做的决策。

背景技术

为建模或管理包含数百口井的大型油田而工作的储藏库和生产工程师正面临这样一个现实，即每天只能够物理地评估和管理几口井。单口井的管理可以包括进行测试，以测量一个测试时间段内从单口井(从地面以下)出来的油、气和水的速率。其他测试可以包括用于测量地面上下的压力的测试，以及测量地面的流体流的测试。由于管理油田中的单口井所需要的时间，在大型油田中，通过周期性(例如每几个月)测量与油田中的多口井相联系的采集点的流体，并接着将这些测量值从该采集点分配返回给各口井，来管理大型油田的生产。分析周期测量所采集的数据并用于做出包括优化未来生产在内的生产决策。然而，当分析所采集的数据时，这些采集的数据可能是几个月之前的，因此不能用于实时管理的决策。除了上述时间限制之外，可以使用多种分析工具，这使得对大型油田构造一致的分析较为困难。这些工具可以是多种基于物理学的仿真器或表示油、气和水的流和处理的分析方程。

为了改进油田管理中的效率，近年来，在油田中安装了传感器，用于连续监控温度、流速和压力。由此，生产工程师要分析的数据远多于由先前的周期测量方法所产生的数据。然而，增加的数据使得生产工程师要对数据及时做出反应以响应所检测到的问题并做出实时生产决策更为困难。例如，当前的方法能够实时检测由井生产的流体中过剩的水，但工程师不能够快速响应这些数据，以便在检测到过剩的水时改变阀门设置以减小水量。近年来的进一步发展开始使用计算机模型，所述计算机模型用于优化油田管理和生产。特别地，针对储藏库、井和采集系统性能开发了软件模型，以管理和优化生产。所使用的典型模型包括储藏库仿真、井节点分析和网络仿真基于物理学的或物理模型。当前，由于执行模型耗费的时间的长度，在管理生产中使用基于物理学的模型存在问题。此外，基于物理学的模型必须被“调谐”至现场测量的生产数据(压力、流速、温度等等)以优化生产。调谐是通过“历史匹配”过程来完成的，这是一种复杂、耗时而且通常不能导致产生唯一模型的过程。例如，对于专业的储藏库或生产工程师，历史匹配过程可能耗费许多个月的时间。此外，当前的用于辅助或自动进行历史匹配的历史匹配算法和工作流程较为复杂而繁琐。特别地，为了在储藏库系统中处理可能影响生产预测的许多可能的参数，可能需要执行一个或更多基于物理学的仿真器许多次，这在工业中是不实际的。

根据这些和其他考虑，做出了本发明。

发明内容

本发明的示意实施例通过提供使用代理仿真器的实时油气田生产优化来解决这些和其他问题。一个示意实施例包括一种用于在一个或更多基于物理学的仿真器中建立物理系统的基本模型的方法。所述物理系统可以包括储藏库、井、管道网络以及处理系统。所述一个或更多仿真器对储藏库、井、管道网络以及处理系统中的流体流进行仿真。所述方法还包括使用决策管理系统，以定义物理系统的控制参数以匹配所观测的数据。所述控制参数可以包括用于调节储藏库、井、管道网络或处理系统中的水流的阀门设置。所述方法还包括：通过实验设计过程为所述物理系统的每个控制参数定义边界限制，所述边界限制包括极端水平；针对设计参数的集合自动执行一个或更多仿真器以产生一系列输出，所述设计参数的集合包括控制参数，所述输出表示生产预测；将特征数据收集到关系数据库中，所述特征数据包括与所述设计参数的集合相关联的值以及与一个或多个仿真器的输出相关联的值；使用用于物理系统的代理模型或方程系统，调整关系数据使其适合一个或更多的仿真器的输出，所述关系数据包括一系列输入，所述输入包括与设计参数的集合相关联的值。所述代理模型可以是神经网络，并用于计算关于设计参数的导数，以确定灵敏度，并计算设计参数与一个或更多仿真器的输出之间的相关性。所述方法还包括：从代理模型中除去其灵敏度低于阈值的设计参数；将优化器与代理模型一起使用，以针对未从代理模型中除去的设计参数，确定设计参数值的范围，在所述范围中，神经网络的输出与所观测的数据相匹配；接着将未除去的设计参数指定为所选参数、将该所选参数及其范围从代理模型中放入决策管理系统；运行决策管理系统作为全局优化器，以使一个或更多仿真器中的所选参数生效；并使用该代理模型，在未来的一段时间内实时优化和控制与所选参数相关的决策。

本发明的示意实施例也可以在计算机系统中实现，或实现为一种如计算机程序产品或计算机可读介质之类的制造产品。该计算机程序产品可以是计算机系统可读的计算机存储介质，并编码指令计算机程序以用于执行计算机处理。该计算机程序产品也可以是计算系统可读的载波上的传播信号，并编码指令计算机程序以用于执行计算机处理。

通过阅读以下详细描述并参照附图，构成本发明的特征的这些和各种其他特征以及优点将变得显而易见。

附图说明

图1是可以根据本发明的示意实施例而使用的操作环境的简化框图；

图2是示意示出了图1操作环境中的计算机系统的简化框图，可以用于执行本发明的各种示意实施例；

图3是示出了根据本发明的示意实施例的使用代理仿真器的用于实时油气田生产优化的示意例程的流程图；以及

图4是根据本发明的示意实施例的计算机产生的预测多口井的最优阀门设置的显示，可以在未来一段时间内用于优化油气的生产。

具体实施方式

本发明的示意实施例提供了使用代理仿真器的实时油气田生产优化。现在参照附图，描述本发明的各个方面，附图中类似的标号表示类似的元件。特别地，图1及对应的描述旨在提供对本发明的实施例可以在其中实现的合适的操作环境的简要的、概括的描述。

一般地，本发明的实施例可在如图1所示的操作环境100中采用。该操作环境100包括油田地面设施102以及井和地下流设备104。油田地面设施102可以包括任何多种典型用于油气田生产的设施。这些设施可以包括但不限于：钻探设备、防爆设备、抽泥泵或类似设备。井和地下流设备可以包括但不限于：储藏库、井和管道网络(及其相关硬件)。应理解，如在以下描述和所附权利要求中所讨论的，生产可以包括油气田钻探和开采。

地面设施102以及井和地下流设备104以本领域技术人员公知的方式与现场传感器106、远程终端单元10和现场控制器110通信。现场传感器106测量油田(即储藏库、井和管道网络)的各种地面和地下特性，包括但不限于油、气和水的生产率；注水、管道口和节点的压力；在现场、区域和井位的阀门设置。在本发明的一个实施例中，现场传感器106能够在油田中进行连续测量，并将数据实时发送给远程终端单元108。本领域技术人员应理解，操作环境100可以包括“智能现场(smart fields)”技术，该技术能够测量地面的数据以及在井自身的地面以下的数据。智能现场也能够测量油田中的各个区域和储藏库。现场控制器110接收由现场传感器106测量的数据，并实现测量数据的现场监控。

远程终端单元108从现场传感器106接收测量数据，并将该测量数据发送给一个或多个监管控制和数据获取系统(“SCADA”)112。如本领域技术人员已知的，SCADA是用于采集和分析实时数据的计算机系统。SCADA 112将所接收的测量数据发送给实时历史数据库114。实时历史数据库114与能够访问测量数据的集成的生产钻探和工程数据库116进行通信。

集成的生产钻探和工程数据库116与动态资产模型计算机系统2通信。在本发明的各种示意实施例中，该计算机系统2执行使用代理仿真器的用于实时油气田生产优化的各种程序模块。一般地，程序模块包括例程、程序、组件、数据结构和执行特别任务或实现特别的抽象数据类型的其他类型的结构。该程序模块包括决策管理系统(“DMS”)应用24和实时优化程序模块28。该计算机系统2也包括将在以下图2的描述中描述的附加程序模块。可以认识到，以本领域技术技术人员已知的方式，使用局域或广域网络的通信链路，可以实现现场传感器106、远程终端单元108、现场控制器110、SCADA 112、数据库114和116以及计算机系统2之间的通信。

如以下将要参照图2-3更详细地讨论的，计算机系统2使用DMS应用24，与物理或基于物理学的仿真器以及代理仿真器一起，优化实时用于油田或气田中的生产参数值。涉及场景管理和优化的DMS应用24的核心功能在一同申请的题为“Method and System for Scenario andCase Decision Management”的美国公布专利申请2004/0220790中进行了详细描述，将其结合在此作为参考。实时优化程序模块28使用上述代理模型来确定(该代理模型的)输出的参数值范围，该输出与现场传感器106测量的实时观测数据匹配。

现在参照图2，描述在本发明的各种实施例中使用的计算机系统2的示意计算机架构。图2所示的计算机架构示意了一种传统的台式或膝上型电脑，包括：中央处理单元5(“CPU”)；系统存储器7，系统存储器7包括随机访问存储器9(“RAM”)和只读存储器(“ROM”)11；以及将存储器与CPU 5连接的系统总线12。ROM 11中存储了基本输入/输出系统，所述基本输入/输出系统包含如在启动过程中帮助在计算机内的元件之间传递信息的基本行程。计算机系统2还包括大容量存储设备14，用于存储操作系统16、DMS应用24、基于物理学的仿真器26、实时优化模块28、基于物理学的模型30以及其他程序模块32。以下将更详细地描述这些模块。

应理解，用于实施本发明的实施例的计算机系统2可以表示其他计算机系统配置，包括手持设备、多处理器系统、基于微处理器的或可编程消费电子设备、微型计算机、大型计算机等。本发明的实施例也可以在分布式计算环境中实施，在该环境中，任务由通过通信网络链接的远程处理设备来执行。在分布式计算环境中，程序模块可以位于本地以及远程存储器存储设备中。

大容量存储设备14通过与总线12连接的大容量控制器(未示出)与CPU 5连接。大容量存储设备14及其相关联的计算机可读介质为计算机系统2提供了非易失性存储。虽然此处包含的计算机可读介质的描述涉及如硬盘或CD-ROM驱动器之类的大容量存储设备，但是，本领域技术人员应理解，计算机可读介质可以是计算机系统2可以访问的任何可用的介质。

作为示例而非限制，计算机可读介质可以包括计算机存储介质和同时介质。计算机存储介质包括以任何方法或技术实现的、易失性的和非易失性的、可拆卸和不可拆卸的介质，用于存储如计算机可读指令、数据结构、程序模块或其他数据之类的信息。计算机存储介质包括但不限于：RAM、ROM、EPROM、EEPROM、闪存存储器或其他固态存储器技术、CD-ROM、数字通用光盘(“DVD”)或其他光学存储器、磁带盒、磁带、磁盘存储器或其他磁存储设备，或能够用于存储所需信息并能够由计算机系统2访问的任何其他介质。

根据本发明的各种实施例，计算机系统2可以通过网络18，运行在使用与远程计算机、数据库和其他设备的逻辑连接的联网的环境中。计算机系统2可以通过与总线12连接的网络接口单元20与网络18连接。可以由网络接口单元20进行的连接可以包括局域网(“LAN”)或广域网(“WAN”)连接。LAN和WAN联网环境在办公室、企业范围内的计算机网络、内部网络和因特网中非常常见。应理解，网络接口单元20也可以用于连接其他类型的网络和远程计算机系统。计算机系统2也可以包括输入/输出控制器22，用于接收和处理来自多个其他设备的输入，所述其他设备包括键盘、鼠标或电子笔(在图2中未示出)。类似地，输入/输出控制器22可以为显示屏、打印机或其他输出设备提供输出。

如以上简要描述的，计算机系统2的大容量存储设备14中可以存储多个程序模块，包括适于控制联网的个人计算机的操作的操作系统16。大容量存储设备14和RAM 9也可以存储一个或更多程序模块。在一个实施例中，DMS应用24与一个或更多基于物理学的仿真器26、实时优化模块28以及基于物理学模型30结合使用，以优化实时用于油田或气田中的生产控制参数。如本领域技术人员已知的，基于物理学的仿真器使用表示流体流的物理性质和化学转化的方程。基于物理学的仿真器的示例包括但不限于：储藏库仿真器、管道流仿真器和过程仿真器(例如分离仿真器)。在本发明的各种实施例中，控制参数可以包括但不限于：在井口(地面)和井下位置的阀门设置、分离负载设置、入口设置、温度、压力计设置和节气门设置。特别地，可以使用DMS应用24来定义基于物理学的或物理模型中的控制参数的集合，这些集合是未知的、可以被调整以优化生产。如在上述图1的讨论中已经讨论过的，实时数据可以是现场传感器106通过连续监控而接收到的测量数据。基于物理学的仿真器26用于创建表示如油气田中的储藏库、井和管道网络之类的物理系统的运行的基于物理学的模型。例如，通过考虑基于物理学的仿真器所接收的各种特征，如储藏库面积、井的数量、井的路径、井的管道半径、井的管道尺寸、管道长度、管道形状、温度梯度以及流体类型，基于物理学的模型30可以被用于仿真储藏库、井或管道网络中的流体流。基于物理学的仿真器26在创建模型中也可以接收估计的或未确定的输入数据，如储藏库的储量。

现在参照图3来描述示意的例程300，例程300示出了使用代理仿真器的用于实时油气田生产优化的过程。在阅读此处所述的示意例程的讨论时，应理解，本发明的各种实施例的逻辑操作被实现为(1)计算机实现的动作的序列或在计算机系统上运行的程序模块的序列，和/或(2)计算机系统中互相连接的机器逻辑电路或电路模块。实现方式是一个选择的问题，取决于实现本发明的计算机系统的性能要求。相应地，图3所示并构成此处描述的本发明的示意实施例的逻辑操作被不同地称为操作、结构设备、动作或模块。本领域技术人员可以认识到，可以以软件、固件、专用数字逻辑电路及其任何组合来实现这些操作、结构设备、动作和模块，而不背离所附权利要求中所述的本发明的精神和范围。

示意例程300开始于操作305，在该操作中由CPU 5执行的DMS应用24命令基于物理学的仿真器26建立物理系统的“基本”模型。应理解，“基本”模型可以是油或气田中的储藏库、井、管道网络或处理系统(如分离处理系统)的物理或基于物理学的表示(以软件形式)，所述表示是基于基于物理学的仿真器所接收的如储藏库面积、井的数量、井的路径、井的管道半径、井的管道尺寸、管道长度、管道形状、温度梯度以及流体类型之类的各种特征的。基于物理学的仿真器26在创建“基本”模型中也可以接收估计的或不确定的输入数据，如储藏库的储量。应理解，本发明的实施例中可以使用一个或更多基于物理学的仿真器26。

接着，例程300从操作305继续至操作310，在操作310中，DMS应用24自动定义控制参数。如上述在图2的讨论中所讨论的，控制参数可以包括阀门设置、分离负载设置、入口设置、温度、压力计设置和节气门设置。

一旦定义了控制参数，例程300接着从操作310继续至操作315，该操作315中，DMS应用24定义控制参数的边界限制。特别地，DMS应用24可以使用实验设计过程来定义这些边界限制。这些边界限制也包括每个控制参数值的一个或更多极端水平(例如，最大值、中值或最小值)。在一个实施例中，DMS应用24所使用的实验设计过程可以是公知的正交阵列、阶乘、或Box-Behnken实验设计过程。

例程300接着从操作315继续至操作320，在操作320中，DMS应用24针对由操作315中确定的边界限制所限定的控制参数集合，自动执行基于物理学的仿真器26。应理解，从这一点开始，在这里将这些参数称为“设计”参数。在执行设计参数的集合中，基于物理学的仿真器26产生一系列输出，这些输出可以被用于做出多个生产预测。例如，基于物理学的仿真器26可以产生关于储藏库中的流体流的输出，包括但不限于：压力、油气流(hydrocarbon flow)速、水流速和温度，这些输出是基于由DMS应用24所定义的阀门设置值的范围的。

例程300接着从操作320继续至操作325，在操作325中，DMS应用24将特征数据收集到关系数据库中，如集成的生产钻探和工程数据库116中。该特征数据可以包括与操作315中确定的设计参数相关联的值范围(即设计参数数据)，以及从基于物理学的仿真器26的输出。

例程300接着从操作325继续至操作330，在操作330中，DMS应用24使用回归方程来调整设计参数数据(即输入关系数据)使其适合于使用代理模型的基于物理学的仿真器26的输出。如在之前的描述和所附权利要求中所使用的，代理模型是一种用作由基于物理学的仿真器26所产生的基于物理学的模型的代理的数学方程。本领域技术人员可以认识到，在本发明的各种实施例中，代理模型可以是多项式展开、支持向量机器、神经网络或智能代理。可以在本发明的一个实施例中使用的示意代理模型由以下方程给出：

$z_k=g\left(\underset{j}{\Sigma }{w}_{\mathrm{kj}}{z}_j\right)$

应理解，根据本发明的实施例，代理模型可以用于同时代理在时间上预测流和化学性质的多个基于物理学的仿真器。

例程300接着从操作330继续至操作335，在操作335中，DMS应用24使用代理模型来确定设计参数的灵敏度。如此处所定义的，“灵敏度”是在代理模型中，基于物理学的仿真器26的输出关于设计参数的导数。基于代理模型方程(以上示出的)可以计算每个输出关于每个设计参数的导数。例程300接着从操作335继续至操作340，在操作340中，DMS应用24使用代理模型来计算设计参数与基于物理学的仿真器26的输出之间的相关性。

例程300接着从操作340继续至操作345，在操作345中，DMS应用24从代理模型中除去其灵敏度低于阈值的设计参数。特别地，根据本发明的一个实施例，当由代理模型所确定的设计参数的灵敏度或导数被确定为接近零值时，DMS应用24除去该设计参数。因此，应理解，上述操作310中所讨论的一个或多个控制参数可能由于不重要或具有最小的影响而被除去。应理解，如将在操作350中更详细地描述的，选择未除去的或重要的参数用于优化(即所选参数)。

例程300接着从操作345继续至操作350，在操作350中，DMS应用24使用实时优化模块28与代理模型来确定操作345中所确定的所选参数(即未除去的参数)的值范围。特别地，实时优化模块28可能产生错配(misfit)函数，该函数表示代理模型的输出与从现场传感器106取回并存储在数据库114和116中的观测到的实时数据之差的平方。可以在本发明的各种实施例中使用的针对井的错配函数由以下方程给出：

$\mathrm{Obj}=\underset{i}{\Sigma }{w}_i\underset{t}{\Sigma }{w}_t{(\mathrm{sim}(i,t)-\mathrm{his}(i,t))}^2$

$\mathrm{Obj}=\underset{i}{\Sigma }{w}_i\left(\underset{t}{\Sigma }{w}_t{(\mathrm{NormalSim}(i,t)-\mathrm{NormalHis}(i,t))}^2\right)$

其中w_i＝井i的权值，w_t＝时间t的权值，sim(i，t)＝井i在时间t的仿真的或归一化值，his(i，t)＝井i在时间t的历史的或归一化值。

应理解，实时优化模块28所确定的优化的值范围是错配函数很小(即接近零)的值。还应理解，如以下更详细地描述的，所选参数和优化的值范围表示了代理模型，可以在基于物理学的仿真器26中执行该代理模型并使该代理模型生效。

例程300接着从操作350继续至操作355，在操作355中，实时优化模块28将所选参数(在操作345中确定)和优化的值范围(在操作350中确定)放回DMS应用24中，在操作360中，DMS应用24执行基于物理学的仿真器26以使所选参数生效。应理解，上述讨论的关于DMS应用24的所有操作都是在计算机系统2中自动进行的操作。

例程300接着从操作360继续至操作365，在操作365中，DMS应用24将代理模型用于实时优化和控制。应理解，根据特定的现场配置，该控制可以包括在未来一段时间内关于所选参数的高级过程控制决策或主动式控制。特别地，根据一个实施例，DMS应用24可以产生一个或更多图形化显示，示出用于优化油井中生产的预测的控制参数设置(例如阀门设置)。图4示出了一种示意显示，将在以下更详细地描述。接着，例程300结束。

现在参照图4，根据本发明的示意实施例，示出了计算机产生的针对多口井而预测的最优阀门设置的显示，该设置可以用于在未来一段时间内优化油气的生产。如在图4中可以看到的，显示了DMS应用24产生的多幅图形410-490。每幅图形表示油气田中一口正在生产的井的井位置，以及用于调节进入该井的流体(例如水)流的相关联的阀门位置。例如，图形410是带有标记415 P1_9L1的井的显示，其中P1_9是井的标记，L1是指示井中的阀门位置(即“位置1”)的阀门标记。类似地，图形420是相同的井(P1_9)但是针对不同阀门(例如L3)的显示。图形4230也是井P1_9的针对阀门L5的显示。图形410-490的y轴示出了针对每口井中标明的阀门位置的预测阀门设置的范围。如上所述，在图3的讨论中，预测阀门设置是由DMS应用24作为例程300所执行的操作的结果而产生的。此处，应理解，在本实施例中，最高阀门设置(即“8.80”)与完全开启的阀门相对应，而最低阀门设置(即“0.00”)与完全关闭的阀门相对应。图形410-490的x轴示出了“步长”(即步长27至步长147)的范围，所述步长表示在未来一段时间内的时间增量。例如，每幅图形的时间轴可以表示在6年的时间段内以6个月为增量的针对每口井的阀门设置。

应理解，图形410-490示出了在未来时间段内需要如何改变阀门设置的预测。例如，图形430示出了DMS应用24预测阀门位置“L5”应在未来时间段的初始部分保持完全开启，接着在未来时间段的后期应完全关闭。可以认识到，这样的情形的发生可能是基于井将要产生过剩的水的预测，因此有必要关闭该阀门。作为另一个示例，图形450示出了DMS应用24预测开始时阀门位置“L3”应保持完全开启，接着在该未来时间段的剩余部分部分关闭。

基于以上的描述，可以认识到，本发明的各种实施例包括使用代理仿真器的用于实时油气田生产优化的方法、系统和计算机可读介质。利用动态资产模型计算机系统中的基于物理学的仿真器来测量针对如阀门设置、分离负载设置、入口设置、温度、压力计设置和节气门设置之类的可控参数的可能性范围。使用在计算机系统上运行的决策管理应用来建立代理模型，该代理模型对物理系统(例如储藏库、井或管道网络)进行仿真，用于做出关于可控参数的未来预测。可以认识到，由该代理模型进行的仿真几乎是瞬时的，因此比传统的较慢且难以更新的基于物理学的仿真器更快。与反应式的传统系统不同，本发明的实施例中描述的代理模型能够预测未来一段时间内的控制参数设置，从而实现主动控制。

虽然本发明是结合各种示意实施例来描述的，但是，本领域技术人员应理解，在所附权利要求的范围内，可以对此做出许多修改。相应地，本发明的范围绝不受以上描述的限制，而完全参考所附权利要求来确定。