技术领域
[0001] 本
发明涉及石油开采技术领域，具体涉及一种注水油藏的合理分层方法。
背景技术
[0002] 由于油藏层系内各小层储层物性差异，导致它们的吸水能
力各不相同，笼统注水时注入油层的水，绝大部分被厚度不大的高渗透层所吸收，注水吸水剖面很不均匀，注水利用率低，无效
水循环严重，严重制约了油藏的高效有效开发。
[0003] 分层注水是解决上述问题非常有效的方法。分层注水就是利用封隔器将储层物性和开发状况相近的小层组合在一个层段内注水，通过配水器的水嘴限制开发效果好的层段注水量，提高低渗透、开发效果差的层段注水量，调整注采结构，改善注入水在纵向上分布不均的状况，从而起到控制含水上升，提高注水利用率和减缓产量递减的作用，是高含水油田改善注水效果的有效措施。
[0004] 分层注水经济技术界限确定是油田分层注水工艺的核心技术之一，目前采用的分层注水经济技术界限主要有单因素法、模糊评判法、模糊聚类法和拟渗流阻力法。当前的分层注水技术界限存在着以下几种问题：①单因素法一般是在分层注水单因素界限的
基础上(如：渗透率级差、
原油粘度级差、储量界限、层间压力差异界限、层数及层段厚度界限、吸水产液剖面等)，对是否满足各因素界限进行逐一判定。这种方法忽略了各因素间的交互影响。②模糊评判法、模糊聚类法，是在单因素界限的基础上进行模糊综合评判，模糊评判过程中，权重的设定具有较强的主观性；即便采用层次分析法获得权重，其最初的标度矩阵也难以克服主观性的影响。③拟渗流阻力法，考虑开发过程中各层
饱和度的差异，引入“拟渗流阻力”，建立其级差界限。但是，这仍然是等效的单相流思想。
[0005] 另一方面，各种模拟方法在井组参数因素间的交互影响，会导致某一模拟时间步中洛伦兹系数的
波动；而在在均衡驱替准数的选取上采用了主观设置的优选值和典型值等经验方法，将导致洛伦兹系数有波动的时间步中的分层局部合理，但对总
体模拟结果累计影响很大，反映到实际，则会造成试采试注成本过高。
发明内容
[0006] 本发明的目的在于提供一种注水油藏的合理分层方法，以解决上述背景技术中存在的问题。
[0007] 为实现上述目的，本发明采取的技术方案为：
[0008] 一种注水油藏的合理分层方法，包括以下步骤：
[0009] S10针对每种韵律性油藏建立若干典型注采井组模型；
[0010] S20对典型注采井组模型进行多层合注的数值模拟计算，得到见水前各层见水时间、见水前各层储量的累积百分比、见水前各层产量累积贡献率；以及见水后各层含水上升率、见水后各层储量的累积百分比、见水后各层产量累积贡献率；
[0011] S30绘制洛伦兹曲线：以所述步骤S20中的典型注采井组模型见水前各层储量的累积百分比为横坐标、各层的产量累积贡献率为纵坐标作洛伦兹曲线，从而得到典型注采井组模型的见水前洛伦兹系数；以所述步骤S20中的典型注采井组模型见水后各层储量的累积百分比为横坐标、各层的产量累积贡献率为纵坐标作洛伦兹曲线，从而得到典型注采井组模型的见水后洛伦兹系数；
[0012] S40计算均衡驱替准数，包括以下步骤：
[0013] S41见水前典型模型的分层注水技术界限的计算，包括以下步骤：
[0014] S411通过所述步骤S20得到的见水前各层见水时间，计算得到典型模型的见水时间级差；见水前，典型注采紧井组模型的见水时间级差为均衡驱替准数；
[0015] S412以所述步骤S30得到的典型注采井组模型的见水前洛伦兹系数为横坐标、步骤S411得到的见水时间级差为纵坐标作洛伦兹曲线，对见水时间级差与见水前洛伦兹系数的关系进行曲线拟合，确定见水时间级差与见水前洛伦兹系数的函数关系式；
[0016] S413确定见水前洛伦兹系数“警戒”值并将其代入所述见水时间级差与见水前洛伦兹系数的函数关系式，求解得到典型注水井组模型见水前分层注水的经济技术界限——均衡驱替准数的界限值；
[0017] S42见水后典型模型的分层注水经济技术界限计算，包括以下步骤：
[0018] S421通过所述步骤S20得到的各层含水上升率，计算得到典型模型各层的含水上升率级差；见水后，典型模型的各层含水上升率级差为均衡驱替准数；
[0019] S422以所述步骤S30得到的典型注采井组模型的见水后洛伦兹系数为横坐标、所述步骤S421得到的含水上升率级差为纵坐标作洛伦兹曲线，得到典型注采井组模型的见水后含水上升率级差与洛伦兹系数的关系，对含水上升率级差与见水后洛伦兹系数的关系进行曲线拟合，确定含水上升率级差与见水后洛伦兹系数的函数关系式；
[0020] S423确定见水后洛伦兹系数“警戒”值并将其代入所述含水上升率级差与见水后洛伦兹系数的函数关系式，求解得到典型注水井组模型见水后分层注水的经济技术界限——均衡驱替准数的界限值；
[0021] S50：以S10至S40的模拟时间步长作为时间序列步引入LSTM神经网络进行模拟合理性监督，消除井组各因素交互影响和洛伦兹系数警戒值主观选取所造成的波动影响。
[0022] S501记录模拟过程中每一时间步的井组参数，并采用LSTM神经网络监督模拟；
[0023] 在S10至S40的模拟过程中，记录每一时间步的井组参数以及算得的均衡驱替准数组成LSTM网络的输入序列，记为X。其中的元素为：渗透率SP、原油粘度CPS、储量下界Cd、储量上界Cu、层间压差Pd、井组层数Co、层段厚度序列TI、井网形式序号S、见水时间Tb、各层储量累积百分比Pa、各层产量累积贡献率Ac、含水上升率Rw、均衡驱替准数Dn，即X＝{SP，CPS，Cd，Cu，Pd，Co，TI，S，Tb，Pa，Ac，Rw，Dn}；LSTM神经网络的输出类型为布尔型，Y＝r，r∈[0，1]，其中0代表不需分层采注，1代表分层采注。
[0024] 令S10至S40的模拟时间步为N，其中h(t-1)为上一序列的隐藏状态，x(t)为本序列数据，ft表示第t个神经元的遗忘
门输出概率，设置神经元的各项参数Wf、Uf、bf、Wa、Ua、ba、Wi、Ui、bi、Wo、Uo、bo、V、c为线性关系的系数和偏移。
[0025] LSTM网络的计算过程为：
[0026] 1)更新遗忘门输出：
[0027] f(t)＝σ(Wfh(t-1)+Ufx(t)+bf)
[0028] 2)更新输入门两部分输出：
[0029] i(t)＝σ(Wih(t-1)+Uix(t)+bi)
[0030] a(t)＝tanh(Wah(t-1)+Uax(t)+ba)
[0031] 3)更新细胞状态：
[0032] C(t)＝C(t-1)⊙f(t)+i(t)⊙a(t)
[0033] 4)更新输出门输出：
[0034] o(t)＝σ(Woh(t-1)+Uox(t)+bo)
[0035] h(t)＝o(t)⊙tanh(C(t))
[0036] 5)更新当前序列索引预测输出：
[0037]
[0038] 其中，σ(x)表示激活函数；⊙为Hadamard积；C(t)表示第t时间步的神经元状态。
[0039] 在计算过程中，记录每一序列的遗忘门的输出概率ft(t∈[0，N-1])。
[0040] S502对模拟过程的每一时间步进行监督和结果筛选；
[0041] 在步骤S10-S40模拟过程中，算得第t时间步的模拟结果记为RAt，RA包括见水前各层的见水时间Tbt、见水后的含水上升率Rwt、各层储量累积百分比Pat、各层产量累积贡献率Act以及第t时间步的均衡驱替准数Dnt；
[0042] 同步的，经S501步骤LSTM网络得到遗忘门输出概率ft及输出结果Yt，设置
置信度为φ，当ft＞φ时，保留模拟过程的第t时间步结果RAt＝{Tbt，Rwt，Pat，Act，Dnt}；否则，RAt＝RAt-1并更新均衡驱替准数界限值；
[0043] S503根据模拟时间步，同步循环执行S501和S502，直至达到模拟步数N；此时得到最终均衡驱替准数界限表。
[0044] S60：分别将试分层后得到的见水时间级差、见水后含水上升率级差与见水前、后的均衡驱替准数的界限值进行比较，进行油藏井组分层合理性判定。
[0045] 进一步地，所述步骤S42还包括以下步骤：将典型注采井组模型见水后含水率高于70％以后分为三个阶段：含水率70％-80％，含水率80％-90％，含水率90％以上，分别按照所述步骤S421-S423进行计算处理。
[0046] 进一步地，所述步骤典型注采井组模型见水前，以见水时间来反映各层驱替的均衡性；见水后，以含水上升率来反映各层驱替的均衡性。
[0047] 进一步地，所述见水前洛伦兹系数“警戒”值和见水后洛伦兹系数“警戒”值为0.382。
[0048] 进一步地，所述步骤S50中所述的油藏井组分层合理性判定包括，若见水前见水时间级差小于等于见水前均衡驱替准数的界限值，则分层合理。
[0049] 进一步地，所述步骤S50中所述的油藏井组分层合理性判定包括，若见水后含水上升率级差小于等于见水后均衡驱替准数的界限值，则分层合理。
[0050] 与
现有技术相比，本发明的有益效果是：
[0051] 1、本发明的目的在于提供一种注水油藏的合理分层方法，可以综合考虑各动静态因素的交互影响，引入洛伦兹系数作为评判标准，将综合考虑各因素的见水前各层见水时间级差和见水后各层含水上升率级差作为分层注水经济技术界限，解决了传统方法中主观性强和等效单相流思想等问题，改善注入水在纵向上分布不均的状况，提升了油田注水分层评价的准确性，从而提高了注水利用率，是高含水油田改善注水效果的有效措施。
[0052] 2、将见水后典型注采井组模型含水率高于70％以后分为三个阶段，分别进行计算处理，使得本发明方法的注水分层方法能够更为精确的指导实际应用，达到提高波及系数，层间均衡开发的目的。
[0053] 3、引入了LSTM网络监督模拟过程，消除了因素间的交互影响所造成某一时间步洛伦兹系数的波动，并且抵消了均衡驱替准数的主观选取所造成的累计影响，大大提高了模拟精准性，降低了试采试注成本。
附图说明
[0054] 图1为本发明的注水油藏的合理分层方法
流程图；
[0055] 图2LSTM网络结构图。
具体实施方式
[0056] 为使本发明实现的技术手段、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
[0057] 本发明的一种注水油藏的合理分层方法，如图1所示，具体包括以下步骤：
[0058] S10针对每种韵律性油藏建立多个典型注采井组模型
[0059] 油藏的韵律性在一定程度上影响了油水的运移以及油田的开发程度，而韵律性的存在也使得剩余油分布变得更复杂，本
实施例中考虑正韵律、反韵律、复合正韵律、复合反韵律、复合正反韵律、复合反正韵律六种储层韵律性。
[0060] 针对每种韵律性都建立多个典型井组注采模型。在确定韵律性之后，结合目标油藏的特点，模型在设计上需要考虑以下因素：
[0061] (1)不同的井网形式，包括典型的五点、反七点、反九点、正对排状及交错排状井网。
[0062] (2)不同渗透率级差、不同原油粘度级差、不同层厚、不同层数及不同的层间距离。
[0063] (3)与井组内的注采匹配相适应，井组内不同油井可设置不同的井底流压。
[0064] 每个因素选取不同的参数，会得到不同的注采井组模型，模拟工作量过于巨大，本方法中采用
正交试验的方法对每一韵律性油藏选取适量的典型注采井组模型。
[0065] S20对典型注采井组模型进行多层合注的数值模拟，得到相关模拟结果，包括：见水前各层见水时间、见水前各层储量的累积百分比、见水前各层产量累积贡献率；以及见水后各层含水上升率、见水后各层储量的累积百分比、见水后各层产量累积贡献率。
[0066] S30绘制洛伦兹曲线。
[0067] 以步骤S20中的典型注采井组模型见水前各层储量的累积百分比为横坐标、各层的产量累积贡献率为纵坐标作洛伦兹曲线，从而得到典型注采井组模型的见水前洛伦兹系数；
[0068] 以步骤S20中的典型注采井组模型见水后各层储量的累积百分比为横坐标、各层的产量累积贡献率为纵坐标作洛伦兹曲线，从而得到典型注采井组模型的见水后洛伦兹系数。
[0069] 本方法中将洛伦兹曲线应用于评价多层油藏的纵向动用程度，以各层储量的累积百分比为横坐标、以各层的产量累积贡献率为纵坐标作洛伦兹曲线，通过洛伦兹曲线，可以直观地看到每个小层产量分配的不均衡程度，弯曲程度越大，纵向动用程度越不均衡；反之亦然。
[0070] S40确定纵向均衡驱替准数。
[0071] 见水前，以见水时间来反映各层驱替的均衡性；见水后，由于在在油藏注水开发过程中，随着注水工作不断深入，油井逐渐见水，且含水率将不断升高，含水上升必然影响油田的产量，以含水上升率来反映各层驱替的均衡性。因此，将油田按照见水前、见水后分开分别构建均衡驱替准数的界限表，进行分层合理性判断，能够更加精确的指导实际应用。
[0072] S41见水前典型模型的分层注水技术界限的确定
[0073] S411通过步骤S20得到的见水前各层见水时间，计算得到典型模型的见水时间级差；见水前，以见水时间来反映各层驱替的均衡性，本发明定义见水前见水时间级差为均衡驱替准数。
[0074] 各层见水时间级差是指井组某层最大见水时间与最小见水时间的比值，其计算为本领域公知常识。
[0075] S412以上述步骤S30得到的典型注采井组模型的见水前洛伦兹系数为横坐标、步骤S411得到的见水时间级差为纵坐标作洛伦兹曲线，得到该注采井组的见水时间级差与洛伦兹系数的关系，对见水时间级差与见水前洛伦兹系数的关系进行曲线拟合，从而确定见水时间级差与见水前洛伦兹系数的函数关系式。
[0076] S413确定合适的见水前洛伦兹系数“警戒”值，将该“警戒”值代入见水时间级差与见水前洛伦兹系数的函数关系式，求解得到典型注水井组模型见水前分层注水的经济技术界限——均衡驱替准数的界限值。
[0077] S42见水后典型模型的分层注水经济技术界限确定
[0078] S421通过步骤S20得到的各层含水上升率，计算得到典型模型各层的含水上升率级差；见水后，本发明定义典型模型的各层含水上升率级差为均衡驱替准数。
[0079] 各层含水上升率级差是指井组某层最大含水上升率与最小含水上升率的比值，其计算为本领域公知常识。
[0080] S422以上述步骤S30得到的典型注采井组模型的见水后洛伦兹系数为横坐标、步骤S421得到的含水上升率级差为纵坐标作洛伦兹曲线，得到典型注采井组模型的见水后含水上升率级差与洛伦兹系数的关系，对含水上升率级差与见水后洛伦兹系数的关系进行曲线拟合，从而确定含水上升率级差与见水后洛伦兹系数的函数关系式。
[0081] S423确定合适的见水后洛伦兹系数“警戒”值，将该“警戒”值引入含水上升率级差与见水后洛伦兹系数的函数关系式，求解得到典型注水井组模型见水后分层注水的经济技术界限——均衡驱替准数的界限值。
[0082] 为使研究结果能够更为精确的指导实际应用，将见水后含水率高于70％以后分为三个阶段：含水率70％-80％，含水率80％-90％，含水率90％以上，分别按照步骤S421-S423进行计算处理，得到典型注水井组模型见水后不同阶段的分层注水的经济技术界限——均衡驱替准数的界限值。
[0083] 如果见水后含水率低于70％，则可以认为开采效果较好，不必进行分层。
[0084] 洛伦兹系数被西方经济学家普遍公认为一种反应收入分配平等程度的方法。在经济学中，如果洛伦兹系数在0.19以下，则代表收入分配相当平均；如果洛伦兹系数在0.19-0.25之间，则收入分配比较平均；如果洛伦兹系数在0.25-0.40之间，则收入分配基本平均；
如果洛伦兹系数在0.40以上，则收入分配很不平均。将洛伦兹系数0.4作为监控贫富差距的警戒线，应该说，是对很多国家实践经验的一种抽象与概括，具有一定的普遍意义。
[0085] 优选的，本方法中，选取0.382作为洛伦兹系数“警戒”值。
[0086] S50：以S10至S40的模拟时间步长作为时间序列步引入LSTM神经网络进行模拟合理性监督，消除井组各因素交互影响和洛伦兹系数警戒值主观选取所造成的波动影响。
[0087] 在S10至S40的模拟过程中，虽然综合考虑了渗透率级差、原油粘度级差、储量界限、层间压力差异、层数及层段厚度、井网形式等因素，但是对于因素间的交互影响仅采取了简单模拟，而因素间的交互影响则可能导致某一模拟时间步中洛伦兹系数的波动；
[0088] 另外在均衡驱替准数的选取上采用了主观设置的0.40以上或优选的0.382典型值，这将导致洛伦兹系数有波动的时间步中的分层局部合理，但对总体模拟结果累计影响很大，反映到实际，则会造成试采试注成本过高。
[0089] 因此本发明引入LSTM神经网络进行模拟监督，并利用LSTM神经网络特有的遗忘门输出概率对模拟结果进行评价，可完美解决上述问题。
[0090] S501记录模拟过程中每一时间步的井组参数，并采用LSTM神经网络监督模拟；
[0091] 在S10至S40的模拟过程中，记录每一时间步的井组参数以及算得的均衡驱替准数组成LSTM网络的输入序列，记为X。其中的元素为：渗透率SP、原油粘度CPS、储量下界Cd、储量上界Cu、层间压差Pd、井组层数Co、层段厚度序列TI、井网形式序号S、见水时间Tb、各层储量累积百分比Pa、各层产量累积贡献率Ac、含水上升率Rw、均衡驱替准数Dn，即X＝{SP,CPS,Cd,Cu,Pd,Co,TI,S,Tb,Pa,Ac,Rw,Dn}。LSTM神经网络的输出类型为布尔型，Y＝r，r∈[0，1]，其中0代表不需分层采注，1代表分层采注。
[0092] 假设S10至S40的模拟时间步为N，则LSTM网络结构如图2所示，其中h(t-1)为上一序列的隐藏状态，x(t)为本序列数据，ft表示第t个神经元的遗忘门输出概率，设置神经元的各项参数Wf、Uf、bf、Wa、Ua、ba、Wi、Ui、bi、Wo、Uo、bo、V、c为线性关系的系数和偏移。
[0093] LSTM网络的计算过程为：
[0094] 1)更新遗忘门输出：
[0095] f(t)＝σ(Wfh(t-1)+Ufx(t)+bf)
[0096] 2)更新输入门两部分输出：
[0097] i(t)＝σ(Wih(t-1)+Uix(t)+bi)
[0098] a(t)＝tanh(Wah(t-1)+Uax(t)+ba)
[0099] 3)更新细胞状态：
[0100] C(t)＝C(t-1)⊙f(t)+i(t)⊙a(t)
[0101] 4)更新输出门输出：
[0102] o(t)＝σ(Woh(t-1)+Uox(t)+bo)
[0103] h(t)＝o(t)⊙tanh(C(t))
[0104] 5)更新当前序列索引预测输出：
[0105]
[0106] 上述σ(x)表示激活函数，作为本发明的一种实施例，采用常见的sigmoid函数；tanh表示激活函数；⊙为Hadamard积；C(t)表示第t时间步的神经元状态。
[0107] 在计算过程中，记录每一序列的遗忘门的输出概率ft(t∈[0，N-1])。
[0108] S502对模拟过程的每一时间步进行监督和结果筛选；
[0109] 在S10-S40模拟过程中，算得第t时间步的模拟结果记为RAt，RA包括见水前各层的见水时间Tbt、见水后的含水上升率Rwt、各层储量累积百分比Pat、各层产量累积贡献率Act以及第t时间步的均衡驱替准数Dnt；
[0110] 同步的，经S501步骤LSTM网络得到遗忘门输出概率ft及输出结果Yt，设置置信度为t t t t t t tφ，当ft＞φ时，保留模拟过程的第t时间步结果RA ＝{Tb ，Rw ，Pa ，Ac ，Dn }；否则，RA ＝RAt-1并更新均衡驱替准数界限值。
[0111] S503根据模拟时间步，同步循环执行S501和S502，直至达到模拟步数N；
[0112] 此时得到最终均衡驱替准数界限值。
[0113] S60：油藏井组分层合理性判定
[0114] 前面得到不同开发阶段的均衡驱替准数界限表之后，在实际油田开发中也分开发阶段使用该方法。
[0115] 见水前：在获取一个实际应用区
块后，使用现有的油藏工程计算公式，优选为排状和面积井网见水时间计算公式，对各个小层的见水时间进行计算，在得到各个小层的见水时间之后，先根据油田层系划分需要进行试分层，计算试分层内各个层段内的见水时间级差，若见水前分层后见水时间级差小于等于见水前均衡驱替准数的界限值，则认为分层合理；若大于，则需要重新细分划层。
[0116] 见水后：通过仪器现场测定见水后各个小层的产水情况，计算得到油田各个小层的含水上升情况，进而得到油田见水后含水上升率级差，并将见水后含水上升率级差与见水后均衡驱替准数的界限值进行比较，若前者小于等于后者，则分层合理；若前者大于后者，则分层不合理，需重新细分划层。
[0117] 本发明的注水油藏的合理分层方法，可以综合考虑各动静态因素的交互影响，引入洛伦兹系数作为评判标准，将综合考虑各因素的见水前各层见水时间级差和见水后各层含水上升率级差作为分层注水经济技术界限，解决了传统方法中主观性强和等效单相流思想等问题，改善注入水在纵向上分布不均的状况，提升了油田注水分层评价的准确性，从而提高了注水利用率，是高含水油田改善注水效果的有效措施。
[0118] 本发明引入了LSTM网络监督模拟过程，消除了因素间的交互影响所造成某一时间步洛伦兹系数的波动，并且抵消了均衡驱替准数的主观选取所造成的累计影响，大大提高了模拟精准性，降低了试采试注成本。
[0119] 显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。
