【技术实现步骤摘要】
本申请涉及油藏生产优化，尤其涉及一种基于tcg-vae的油藏注采方案优化方法、设备及介质。
技术介绍
1、水驱采油作为一种油藏采油方式和提升采收率的重要手段之一，主要是通过注水的方式向地层补充压力，来驱替油藏中的油相。随着油田的不断开发，实现油田较长时间的稳产，并获得较好的开发效果和较高的经济效益极具挑战，因此，油藏注采方案优化成为水驱采油至关重要的问题之一。然而传统意义上的开发调整已然不能满足水驱采油的需要，因此，将人工智能与油藏开发技术相互结合，以数据为驱动，提出了一个科学、有效的水驱油藏注采优化方法，能够极大地激发水驱油藏的开发潜能，使其在生产过程中经济效益最大化。
2、专利申请cn202310942706.9公开了一种基于历史调控经验的时间窗口迁移强化学习注采优化方法，首先确定当前油藏目标任务时间窗口的优化井数和优化时间步，通过神经网络的训练得到最优目标模型，基于该模型读取当前油藏的状态信息，得到完整的生产制度，实现实时注采优化。
3、专利申请cn202310652248.5公开了一种联动智能注采装置的差异化实时注采优化调控方法，获得t+1时刻的状态数据；读取下一状态及该时间步内经济净现值；将下一状态赋给当前状态，直至完成待优化生产周期；更新动作评价网络参数及注采策略网络参数；根据保存的最优模型，与智能注采装置联动，获得油藏的状态信息。但该方法对已有信息利用率较低，需重复进行优化迭代，不能根据当前生产方案进行实时调整的问题。
4、专利申请cn202310672316.4公开了一种油水井
5、专利申请cn202310465041.7公开了一种基于自适应基函数选择的多代理注采优化方法，利用油藏数值模拟器计算初始样本的净现值构建数据库，利用数据库中样本采用多个基函数构建径向基函数网络代理模型并计算均方根误差，基于非支配排序遗传算法进行多代理优化，输出最佳开发方案及净现值，提高注采优化效率并制定了最优油藏开发方案。
6、2023年朱必磊提出一种基于cnn-bi lstm的油藏开发指标预测模型，分别对区块内单井构建产油、含水预测模型，采用msssa对关键井的注水量优化求解，优化设计开发效益最大的注采调配方案，实现油藏开发经济收益最大化。2021年吴君达建立了tcnn水驱代理模型，将不同的生产制度和生产时间视为全区含油饱和度和压力分布场的高级特征，通过卷积和转置卷积把图片的抽象特征还原为原图像，对含油饱和度和压力分布场图像进行恢复，从而实现了对水驱生产动态的预测。2022年杜乐顶将自适应图修正的井间连通性模型与时序神经网络相结合，建立基于图修正的生产动态预测模型，并预测五种油藏的产油率和含水率及渤海a油藏b区块的产液量，与lstm、gru和t-gcn网络相比较，基于图修正的生产动态预测模型考虑了储层条件的变化，预测结果较精准。2022年杜恩达采用gcn-lstm同时提取时间和空间相关性建立了单井产量预测模型，其结果优于采用lstm/gcn仅提取时间或空间相关性建立的产量预测模型的结果。2021年唐力辉针对新油田，提出基于粒子群算法的生产制度优化方法；针对老油田，基于长短期记忆神经网络，构建多输入深度神经网络，从而建立生产动态预测模型，并基于该模型，提出对老油田的生产制度优化方法。2018年王相分析了广义模式搜索、粒子群算法、自适应协方差矩阵进化算法、多级协调搜索算法等多种算法在求解注采优化问题时的效率，提出了一种可用于非均质油藏不规则井网水驱动态预测的注采劈分法。
7、然而，孔隙度和渗透率直接影响着油藏开发效率，注水量突然增加或减少，产油量也会在一定程度上增加或减少，油藏的经济效益也会受到影响。上述方法在一定程度上为油藏注采方案优化做出了贡献，但是都没有考虑到不同注水量、不同孔隙度场和渗透率场对油藏开发经济效益的影响。
技术实现思路
1、本专利技术的目的在于：为了解决现有技术未考虑不同注水量、不同孔隙度场和渗透率场影响油藏的开发经济效益的问题，提供一种基于tcg-vae的油藏注采方案优化方法、设备及介质。
2、本申请的上述目的是通过以下技术方案得以实现的：
3、s1：使用cmg模拟器模拟反五点注水方式的生产过程，构建数据集；
4、s2：搭建预测未来油藏生产数据的神经网络；利用数据集训练和验证所述神经网络；
5、s3：基于预测未来油藏生产数据的神经网络，通过注水量微调策略对突变后的注水量进行微调，得到生产井的产油量预测；
6、s4：根据产油量预测，计算油藏开发的净现值npv，得到最优的注水方案。
7、可选的，步骤s1包括：
8、s11：在cmg模拟器中使用序贯高斯模拟算法生成孔隙度场和渗透率场；
9、s12：在孔隙度场和渗透率场下模拟油藏生产过程，直至油藏的各项生产数据指标的大小变化到达预设阈值；
10、s13：使用人工神经网络ann替代cmg模拟器中注水量突变和微调的模型，对cmg模拟器的注水量进行调整，继续模拟油藏生产过程，直至油藏的各项生产数据指标的大小变化到达预设阈值，得到各个油藏生产模型；所述人工神经网络ann的输入为四口注水井的注水量和压力、一口生产井的产油量和压力、二维的孔隙度场和二维的渗透率场，人工神经网络ann的输出为四口注水井的压力、一口生产井的产油量和产水量；
11、s14：通过各个油藏生产模型，构建数据集。
12、可选的，步骤s2包括：通过时序卷积神经网络、图卷积神经网络以及变分自编码器，构建时序卷积图-变分自编码器神经网络模型，即预测未来油藏生产数据的神经网络。
13、可选的，步骤s3包括：
14、s31：将注水量突然改变的时刻作为时间起点，即t＝1，考虑这一时刻和过去n-1个时刻，一共n个时刻的注水井的注水量和压力，生产井的产油量和产水量、二维的孔隙度场和二维的渗透率场，作为预测未来油藏生产数据的神经网络的输入；神经网络的输出未来i个时刻的注水井的压力、生产井的产油量和产水量；
15、s32：若判断未来i个时刻的注水井的压力超过地层的上限压力，则按照预设比例减少第t时刻压力超过阈值的注水井的注水量，对突变后的注水量进行微调；
16、s33：重复步骤s31，直到所有注水井的压力都小于预设压力阈值，预设压力阈值即地层的上限压力。
17、可选的，步骤s4包括：
18、s41：从注水量突变时开始分别计算cmg模拟的油藏模型的净现值npv以及tcg-vae预测和微调的油藏生产模型的净现值npv，公式如下：
19、
20、其中：xw为本文档来自技高网...
【技术保护点】
1.一种基于TCG-VAE的油藏注采方案优化方法，其特征在于，方法包括以下步骤：
2.如权利要求1所述的一种基于TCG-VAE的油藏注采方案优化方法，其特征在于，步骤S1包括：
3.如权利要求1所述的一种基于TCG-VAE的油藏注采方案优化方法，其特征在于，步骤S2包括：通过时序卷积神经网络、图卷积神经网络以及变分自编码器，构建时序卷积图-变分自编码器神经网络模型，即预测未来油藏生产数据的神经网络。
4.如权利要求2所述的一种基于TCG-VAE的油藏注采方案优化方法，其特征在于，步骤S3包括：
5.如权利要求1所述的一种基于TCG-VAE的油藏注采方案优化方法，其特征在于，步骤S4包括：
6.如权利要求1所述的一种基于TCG-VAE的油藏注采方案优化方法，其特征在于，所述方法还包括：引入迁移学习，训练预测未来油藏生产数据的神经网络的参数。
7.一种电子设备，其特征在于，包括处理器(501)、存储器(505)、用户接口(503)及网络接口(504)，所述存储器(505)用于存储指令，所述用户接口(503)和网络
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被计算机执行时，执行如权利要求1-6任意一项所述的方法步骤。
...【技术特征摘要】
1.一种基于tcg-vae的油藏注采方案优化方法，其特征在于，方法包括以下步骤：
2.如权利要求1所述的一种基于tcg-vae的油藏注采方案优化方法，其特征在于，步骤s1包括：
3.如权利要求1所述的一种基于tcg-vae的油藏注采方案优化方法，其特征在于，步骤s2包括：通过时序卷积神经网络、图卷积神经网络以及变分自编码器，构建时序卷积图-变分自编码器神经网络模型，即预测未来油藏生产数据的神经网络。
4.如权利要求2所述的一种基于tcg-vae的油藏注采方案优化方法，其特征在于，步骤s3包括：
5.如权利要求1所述的一种基于tcg-vae的油藏注采方案优化方法，其特征在于，步骤s4包括：
<...【专利技术属性】
技术研发人员：曾先景，钟志，邓文，魏豪，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。