[發明專利]一種基于多尺度油藏模型的多保真注采優化方法

有效

• 申請號: 202010573008.2
• 申請日: 2020-06-22
• 公開（公告）號: CN111861129B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 張凱;陰發亮;薛小明;劉冰璇;陳國棟;張黎明;姚傳進;王健;楊永飛
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/02;G06N3/00
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 陳海濱

1.一種基于多尺度油藏模型的多保真注采優化方法，其特征在于，所述方法包括以下步驟：

1)采集油田地質信息，建立用于數值模擬的油藏模型；

2)注采優化數學建模，確定注采優化決策變量和邊界條件，生成差分進化的初始種群；

3)編寫高保真目標函數F_f(x)和低保真目標函數F_c(x)的MATLAB代碼，所述MATLAB代碼包含生產制度寫入、數值模擬器調用、模擬結果讀取和凈現值計算；

4)基于給定的目標函數F_f(x)及F_c(x)、初始種群和算法超參數執行多保真差分進化算法，迭代評估注采制度，直到滿足終止條件，并輸出最優結果；

5)將輸出的最優結果輸出為完整的生產制度，投入現場實施；

步驟4)所述多保真差分進化算法包括多保真引導優化和高保真遷移優化，所述多保真引導優化包括初始化、引導變異、交叉、邊界吸收和引導選擇；給定多保真差分算法終止條件，包括多保真引導優化最大迭代次數M及終止時間T_max，多保真差分進化算法具體實施步驟為：

(41)多保真引導優化執行初始化算子，計時器開始計時，引導因子λ設置為0，目標函數調用次數c設置為0，質量標志q設置為1，建立個體極值集合P_best＝{x₁,x₂,…,x_p}記錄種群中每個體的歷史最優值；通過低保真目標函數評估初始種群，選出當前最優解并用高保真目標函數評估；記錄初始化運行時間T_ini，計算得到引導邊界λ_m，具體實現步驟如公式為：

其中，T_max為終止時間；β為校正因子，默認取20；p為種群規模；

(42)多保真引導優化執行引導變異算子，計算第i個變異向量v_i(i＝1,2,…,p)，具體實現方式為，由目標函數調用次數c決定變異策略，當c＜2*λ_m+P時，定義此階段為初始全局搜索，執行全局隨機策略；否則，由引導因子λ決定變異策略，當λ(λ_m/q)時，執行全局隨機策略，否則，執行局部最優策略；

所述全局隨機策略具體實現步驟如下：

v_i＝x_r1+F*(x_r2-x_r3)

其中，v_i為第i個變異向量，x_rι為當前種群中隨機選取的第ι個個體(ι＝1,2,3)，F為縮放因子，F縮放因子具體實現步驟如下所示：

其中，F₀為初始縮放因子，默認取0.6；α₁為增益因子，默認取0.2；q為質量標志；

所述局部最優策略具體實現如下式所示：

v_i＝x_best+F*(x_r1-x_r2)

其中，x_best為當前種群中的最優個體，F為縮放因子，具體實現步驟如下式所示，

其中，α₂為增益因子；

(43)多保真引導優化執行交叉算子，計算第i個交叉向量u_i，i＝1,2,…,P，定義u_i中的第j個元素為u_i,j，j∈[1,D]，具體實現步驟如下：

其中，CR為變異因子，默認取0.6；j_rand為介于[1,D]之間的隨機整數；

(44)多保真引導優化執行邊界吸收算子，使步驟(43)產生的交叉向量u_i滿足邊界條件；

(45)多保真引導優化執行引導選擇算子，調用低保真目標函數，計算當前個體x_i及交叉向量u_i對應的低保真目標函數值F_c(x_i)與F_c(u_i)，目標函數調用次數增加一次；若F_c(x_i)≥F_c(u_i)，本次迭代未在流線尺度找到新的極小值點，保留個體x_i，放棄交叉向量u_i，引導因子增加一；若F_c(x_i)F_c(u_i)，本次迭代在流線尺度找到新的極小值點，交叉變量u_i取代個體x_i，進一步調用高保真目標函數，并將λ置為0，計算當前個體x_i及交叉向量u_i對應的高保真目標函數值F_f(x_i)與F_f(u_i)，若F_f(x_i)≤F_f(u_i)，找到的極小值點在網格尺度依然成立，記錄此時u_i為全局最優點g_best，并更新個體極值集合P_best，并置質量標志q為2，反之，置q為1；

(46)記錄當前時間t，判斷是否滿足終止條件T_max，若t≥T_max，輸出全局最優解x_best，執行步驟5)；若tT_max，判斷是否滿足最大迭代次數M；若cM，返回步驟(42)，否則，輸出個體極值集合P_best，執行步驟(47)；

(47)高保真遷移優化執行遺傳遷移，取多保真引導優化全局最優點中的5個構成方向集合G＝{g_best,1,g_best,2,…,g_best,5}，在個體極值集合P_best中，隨機選取5個向量，分別用方向集合G中的個體取代，構成遷移種群P_t；

(48)高保真遷移優化執行差分進化，其中，目標函數為高保真目標函數，初始種群為遷移種群P_t，其他參數同多保真引導優化保持一致，差分進化采用best/1/bin策略；迭代優化并記錄全局最優解x_best直到滿足終止條件T_max，輸出最優解及對應的凈現值。