[发明专利]使用集合卡尔曼滤波进行实时油藏模型更新的方法、系统和装置

说明书

技术领域

本发明总体上涉及用于预测地层中流体流动的油藏模拟器，更具体地说，涉及利用集合卡尔曼(Kalman)滤波(EnKF)更新油藏模拟器模型以使其与实际测得的生产数据同化的方法。

背景技术

油藏模型已经成为油/气田管理方面日常决策分析的重要部分。在石油工业中，“闭环”油藏管理的概念如今受到极大关注。“实时”或“持续”的油藏模型更新技术对于任何闭环油藏管理过程的可行应用来说都是重要的组成部分。这种技术应该能够快速并且持续地更新与最新测得的生产数据同化的油藏模型，使得性能预测和相关不确定度是最新的，以优化计算。

闭环油藏管理的概念允许做出实时决策以使油藏的生产潜力最大化。这些决策是基于关于油藏模型的最新可用信息和该信息的相关不确定度。在这种实时的、基于模型的油藏管理过程中，一个重要的要求是能够以实时方式快速估计反映最新当前生产数据的油藏模型和相关不确定度。

传统上，通过历史拟和(HM)过程完成同生产数据相比的油藏模型的验证。常规的历史拟和方法有以下缺点中的一个或多个：

(1)同时拟和全部历史的生产数据并且需要全部历史的重复的流动仿真，这使得HM非常耗时；

(2)基于梯度的HM方法需要灵敏度系数计算和最小化，这非常复杂，需要占用大量CPU工作，并且经常由局部最小值截留；以及

(3)以传统方法难以对不确定度进行评估，而且可能涉及以不同初始模型重复历史拟合过程(由于为完成一次历史拟合所需的时间，这很少见)。

因此，尽管取得了理论上和实践上的显著进步，传统的历史拟合方法仍无法很好地适应于实时模型更新。当(例如来自永久性传感器的)大量数据可用并且需要多个模型的快速更新时尤其是这样。

与传统的历史拟合方法相比，集合卡尔曼滤波(EnKF)更新方法很好地适合于这样的应用。集合卡尔曼滤波的独特特征如下所述：

(1)EnKF随时间顺序递增地更新与变得可用的生产数据同化的油藏模型，因此它理想地适用于实时应用；

(2)总是保持反映最新生产数据的油藏模型的集合。因此，性能预测和不确定度总是可用于优化研究；

(3)EnKF可快速计算，因为并行/分布式计算的效率很高。

(4)EnKF可以应用于任何油藏模拟器而不需要复杂的编码；以及

(5)EnKF不需要优化和灵敏度系数计算。