量化評估生產(chǎn)預測不確定性的系統(tǒng)和方法技術方案

一種更新后驗地質(zhì)模型的系統(tǒng)和方法，其通過整合各種儲層數(shù)據(jù)來支持動態(tài)量化數(shù)據(jù)反演、隨機不確定性管理和智能儲層管理。

【技術實現(xiàn)步驟摘要】
【國外來華專利技術】
本專利技術大體涉及各種儲層生產(chǎn)情況下的油氣采收估計。更具體的說，本專利技術涉及用于量化估計油氣儲層生產(chǎn)預測不確定性的新的儲層數(shù)據(jù)整合和反演技木。
技術介紹
在大規(guī)模油氣勘探和開采中，不同開采情況下的采收性能的統(tǒng)計分布構成了投資決策過程的量化基礎。精確的儲層預測主要取決于精確估計動態(tài)性能統(tǒng)計數(shù)據(jù)以及通過儲層模擬評估采收性能。通過儲層模擬評估采收性能是動態(tài)數(shù)據(jù)整合和反演的一部分，其通常被稱為“歷史擬合”，最終被稱為儲層生產(chǎn)預測。_7] 歷史擬合歷史擬合表示調(diào)整儲層模型直到其近似地再現(xiàn)油田觀測數(shù)據(jù)的行為。歷史的生產(chǎn)和壓力盡可能匹配。歷史擬合的精確度取決于儲層模型的質(zhì)量以及壓カ和生產(chǎn)數(shù)據(jù)的質(zhì)量和數(shù)量。當對模型進行歷史擬合后，尤其在根據(jù)儲層內(nèi)已知的地質(zhì)特性而對調(diào)整進行限制時，該模型可被用于對未來儲層走向(趨勢)進行模擬，并且具有高可信度。通常，歷史擬合由人工執(zhí)行，且仍在廣泛使用二十世紀八十年代的方法。該方法的過程耗時且有人為偏誤的傾向。例如，一次計算ー個參數(shù)這種類型的靈敏度研究通常缺少量化精確性，難以核查，且通常必定會產(chǎn)生單匹配儲層模型。對于地質(zhì)復雜的儲層，對于儲層模擬來說，地層和結構的不確定性對動態(tài)性能統(tǒng)計數(shù)據(jù)的影響的量化是必需的。為了充分考慮這類不確定性，選擇覆蓋了足夠大的范圍的不同地質(zhì)實現(xiàn)(geologicalrealization)來接近預測統(tǒng)計數(shù)據(jù)，后者成為量化儲層管理(QRM)的相關基礎。近來，計算上的發(fā)展產(chǎn)生了新的技術學科，其通常被稱為計算機輔助歷史擬合，其可被分為三種主要方法確定型、隨機型和混合型。歷史擬合是ー種可逆的反演問題，具有高度非線性和不適定性。對該問題的解決方案不可避免地求助于遞歸算法，遞歸算法依賴于先驗信息，其可以掲示整組模型(即實現(xiàn))來擬合動態(tài)數(shù)據(jù)。過去十年中，隨機型方法在油氣產(chǎn)業(yè)中被廣泛熟知，其在領域內(nèi)的主要發(fā)展在于i)演化算法(例如，遺傳算法或演化策略)；ii)使用集合卡爾曼濾波的數(shù)據(jù)同化；以及Iii)基于貝葉斯理論的序列蒙特卡洛或馬爾可夫鏈蒙特卡洛(MCMC)方法。在貝葉斯抽樣時，使用貝葉斯公式來構造目標函數(shù)P ギ(m\d) =」~——PAd)此公式將觀測數(shù)據(jù)與先驗地質(zhì)信息結合，其中Pm|d(m|d)，Pd|m(d|m)和Pm(m)分別表示后驗、似然度和先驗概率分布。歸一化因子Pd(d)表示與數(shù)據(jù)相關的概率，它與模型參數(shù)無關且通常被視為常數(shù)。基于貝葉斯理論的序列蒙特卡洛或馬爾可夫鏈蒙特卡洛(MCMC)方法為后驗概率密度函數(shù)(Pdf)抽樣提供了在統(tǒng)計上最嚴謹且最精確的方式，但在直接(模擬)模擬中應用該方法時，由于高判退率以及必須對提出的每個實現(xiàn)模型運行完整的模擬流程，會產(chǎn)生令人望而卻步的高計算成本。該方法對于線性問題有效，但對于非線性的計算機輔助歷史擬合應用不佳。這一問題已經(jīng)通過一種兩階方法的提出得到解決，其具有M-H算法的高接受概率。該方法在線性問題下運行良好，但在非線性計算機輔助歷史擬合的應用下運行不佳。為了改進上述問題，提出了一種嚴謹?shù)膬呻AMCMC方法，該方法使用借助于流線追蹤技術計算得到的靈敏度(即廣義行程時間相對于給定儲層性質(zhì)的導數(shù))來增加可接受率，并減少計算量。暈化和儲層生產(chǎn)不確定性預測不確定性表示主要由于數(shù)據(jù)噪聲、系統(tǒng)建模誤差、以及反演問題求解過程的非唯一性而存在于動態(tài)儲層建模中的固有分量。通常，分析靜態(tài)數(shù)據(jù)(例如鉆井記錄、地核和地震道)和動態(tài)數(shù)據(jù)(例如，生產(chǎn)歷史，瞬變壓力測試等)。近來在靜態(tài)建模技術上的改進使得能夠快速構造大量的地質(zhì)實現(xiàn)，但是與全物理儲層模擬相關的計算成本仍是驚人的。由 于所使用的數(shù)據(jù)在異質(zhì)性的長度、標度上都存在差異，且通常具有不同的精密度，整合不同數(shù)據(jù)源的數(shù)據(jù)是很繁瑣的工作。歷史擬合中實施的數(shù)據(jù)整合是數(shù)據(jù)同化過程的一部分，該過程涉及基于測量數(shù)據(jù)來估計模型的參數(shù)和動態(tài)變量。所述模型指的是“油儲層模型”，并根據(jù)基于性能準則來建立生產(chǎn)公式。在地表下建模中整合附加數(shù)據(jù)可能會降低不確定性，并被視為是智能儲層管理的重要部分之一。現(xiàn)有技術中不確定性管理和生產(chǎn)預測的工藝應用組合使用了實驗設計、最大熵估計、集合卡爾曼濾波或鄰域算法。鄰域算法是已知的用于解決非線性地球物理反演問題的算法，通常包括兩個階段i)搜索階段一一在多維參數(shù)空間內(nèi)進行搜索的方法，其目標是在提供給用戶的目標函數(shù)的可接受數(shù)值內(nèi)尋找模型，以及ii)評價階段一一其中搜索階段中生成的整個模型集合被用于導出一些貝葉斯測量形式(例如協(xié)方差或臨界roF)。因此需要整合各種儲層數(shù)據(jù)以支持動態(tài)量化數(shù)據(jù)反演、隨機不確定性管理以及智能儲層管理。
技術實現(xiàn)思路
本專利技術提供了更新后驗地質(zhì)模型的系統(tǒng)和方法，該系統(tǒng)和方法通過整合各種儲層數(shù)據(jù)以支持動態(tài)量化數(shù)據(jù)反演、隨機不確定性管理以及智能儲層管理，滿足了上述需求并克服了現(xiàn)有技術中一個或多個缺陷。一個實施例中，本專利技術包括一種更新后驗地質(zhì)模型的方法，其包括i)為先驗地質(zhì)模型計算新的地質(zhì)實現(xiàn)；ii)使用先驗地質(zhì)模型的新的地質(zhì)實現(xiàn)或者使用先驗地質(zhì)模型的可接受數(shù)量的新的地質(zhì)實現(xiàn)來計算目標函數(shù)的精確似然性；iii)基于目標函數(shù)的精確似然性來定義連續(xù)的蒙特卡洛鏈的初始狀態(tài)；iv)基于序列蒙特卡洛的初始狀態(tài)和先驗地質(zhì)模型的隨機樣本，定義新樣本；v)使用新樣本來計算目標函數(shù)的近似似然性；vi)如果目標函數(shù)的近似似然性不滿足接受準則，則僅基于先驗地質(zhì)模型的另一隨機樣本重復上述定義新樣本的步驟；vii)如果新樣本滿足所述接受準則，則使用新樣本來計算目標函數(shù)的另一精確似然性如果目標函數(shù)的另ー個精確似然性不滿足另ー接受準則，則僅基于先驗地質(zhì)模型的另ー隨機樣本重復上述定義新樣本的步驟；ix)僅基于先驗地質(zhì)模型的另一隨機樣本重復上述定義新樣本的步驟，直到滿足收斂準則；以及，X)存儲滿足接受準則和另ー接受準則的每個新樣本，每個新樣本表示各個更新的后驗地質(zhì)模型。 另一個實施例中，本專利技術包括ー種程序攜載設備，其攜載有用于更新后驗地質(zhì)模型的計算機可執(zhí)行指令，所述指令可被執(zhí)行以實現(xiàn)i)為先驗地質(zhì)模型計算新的地質(zhì)實現(xiàn)；ii)使用先驗地質(zhì)模型的新的地質(zhì)實現(xiàn)或者使用先驗地質(zhì)模型的可接受數(shù)量的新的地質(zhì)實現(xiàn)來計算目標函數(shù)的精確似然性；iii)基于目標函數(shù)的精確似然性來定義序列蒙特卡洛鏈的初始狀態(tài)；iv)基于序列蒙特卡洛的初始狀態(tài)和先驗地質(zhì)模型的隨機樣本，定義新樣本；v)使用新樣本來計算目標函數(shù)的近似似然性；vi)如果目標函數(shù)的近似似然性不滿足接受準則，則僅基于先驗地質(zhì)模型的另ー隨機樣本重復上述定義新樣本的步驟；vii)如果新樣本滿足接受準則，則使用新樣本來計算目標函數(shù)的另一精確似然性如果目標函數(shù)的另一精確似然性不滿足另ー接受準則，則僅基于先驗地質(zhì)模型的另ー隨機樣本重復上述定義新樣本的步驟；ix)僅基于先驗地質(zhì)模型的另ー隨機樣本重復上述定義新樣本的步驟，直到滿足收斂準則；x)存儲滿足接受準則和另一接受準則的每個新樣本，每個新樣本表示各個更新的后驗地質(zhì)模型。根據(jù)下文中對各個實施例和相關附圖的說明，本專利技術的其他方面、優(yōu)點和實施例對本領域技術人員來說將顯而易見。附圖說明下面參照附圖來具體描述本專利技術，其中相同的元件標示有相同的參考標記，其中圖I是執(zhí)行本專利技術的方法的一個實施例的流程圖。圖2是執(zhí)行本專利技術的方法的另ー個實施例的流程圖。圖本文檔來自技高網(wǎng)...

【技術保護點】

【技術特征摘要】
【國外來華專利技術】1.一種更新后驗地質(zhì)模型的方法，其包括 為先驗地質(zhì)模型計算新的地質(zhì)實現(xiàn)； 使用為先驗地質(zhì)模型的所述新的地質(zhì)實現(xiàn)或者為先驗地質(zhì)模型的可接受數(shù)量的新的地質(zhì)實現(xiàn)，來計算目標函數(shù)的精確似然性； 根據(jù)目標函數(shù)的所述精確似然性來定義序列蒙特卡洛鏈的初始狀態(tài)； 根據(jù)用于序列蒙特卡洛鏈的所述初始狀態(tài)和來自先驗地質(zhì)模型的隨機樣本，定義新樣本； 使用所述新樣本來計算目標函數(shù)的近似似然性； 如果目標函數(shù)的近似似然性不滿足接受準則，則僅根據(jù)來自先驗地質(zhì)模型的另一隨機樣本重復所述定義新樣本的步驟； 如果新樣本滿足所述接受準則，則使用所述新樣本來計算目標函數(shù)的另一精確似然性； 如果目標函數(shù)的所述另一精確似然性不滿足另一接受準則，則僅根據(jù)來自先驗地質(zhì)模型的另一隨機樣本重復所述定義新樣本的步驟； 僅根據(jù)來自先驗地質(zhì)模型的另一隨機樣本重復所述定義新樣本的步驟，直到滿足收斂準則； 存儲滿足所述接受準則和所述另一接受準則的每個新樣本，每個新樣本表示先驗地質(zhì)模型的各個更新后的后驗地質(zhì)模型。2.如權利要求I所述的方法，還包括定義多(N)個新的地質(zhì)實現(xiàn)，以用于先驗地質(zhì)模型計算。3.如權利要求I所述的方法，其中使用用于先驗地質(zhì)模型的參數(shù)來計算所述新的地質(zhì)實現(xiàn)。4.如權利要求I所述的方法，還包括對每個更新后的后驗地質(zhì)模型進行動態(tài)排序。5.如權利要求4所述的方法，還包括 對經(jīng)排序更新后的后驗地質(zhì)模型進行評估；以及 根據(jù)所述評估執(zhí)行商業(yè)決策。6.如權利要求I所述方法，還包括 對新的地質(zhì)實現(xiàn)進行動態(tài)排序；以及 根據(jù)新的地質(zhì)實現(xiàn)的動態(tài)排序后，選擇可接受數(shù)量的新的地質(zhì)實現(xiàn)。7.如權利要求I所述的方法，還包括 對每個更新后的后驗地質(zhì)I吳型進行動態(tài)排序； 選擇最佳排位、更新后的后驗地質(zhì)模型； 用所述最佳排位、更新后的后驗地質(zhì)模型來替換先驗地質(zhì)模型； 將所述最佳排位、更新后的后驗地質(zhì)模型重命名為先驗地質(zhì)模型； 定義多(N)個新的地質(zhì)實現(xiàn)，以用于先驗地質(zhì)模型計算；以及 重復權利要求I的步驟。8.如權利要求I所述的方法，還包括根據(jù)每個更新后的后驗地質(zhì)模型來執(zhí)行商業(yè)決策。9.如權利要求7所述的方法，其中所述最佳排位、更新后的后驗地質(zhì)模型表示最高排位、更新后的后驗地質(zhì)模型。10.如權利要求4所述的方法，其中通過對應于每個更新后的后驗地質(zhì)模型的最終恢復因子來對每個更新后的后驗地質(zhì)模型進行排序。11.一種程序攜載設備，其攜載有用于更新后驗地質(zhì)模型的計算機可執(zhí)行指令，所述指令可被...

【專利技術屬性】
技術研發(fā)人員：馬克·馬奧斯，阿爾文·斯坦利·卡里克，
申請(專利權)人：蘭德馬克繪圖國際公司，
類型：
國別省市：