[发明专利]用于油藏性能的改进估算的油藏历史匹配的方法和系统

说明书

技术领域

本文描述的实施方案通常涉及油藏建模。一些实施方案涉及预测建模。

背景技术

当前，工程师使用数学模型对来自地下烃类油藏的未来油气生产做出评估。这种模型通常涉及求解微分方程组，以达到期望的估算。通常，许多油藏相关的参数出现在这些方程式中，诸如岩石渗透率、孔隙率、相对渗透率及其它参数。这些模型通常由计算机执行，计算机通常将这些参数值作为输入以用于求解微分方程式。

为了估算这些输入参数的值，工程师通常依赖于历史生产数据(生产率、压力等)，在许多情况下，可在过去稍后时间(在一些情况下，现在)从一些观测点处获得所述历史生产数据。在从历史生产数据做出的参数估算期间，调整与目标地质区域(例如，地下烃类油藏和周围的地质材料)相关联的参数值，使得对应方程式的解从生产开始到最新时间点与历史生产数据匹配。该实践已知为“历史匹配”。历史匹配的基本原理是，如果以在历史生产数据与模型生成的生产数据之间产生最佳可能匹配的方式调整参数值，则所产生的模型未来将最有可能提供最佳生产估算。

然而，存在与这些历史匹配技术相关联的若干个限制。例如，一个主要限制是，优良的历史匹配普遍不会产生优良的未来生产数据预测。该情况在模型建立中非常普遍，并且具有许多方面。在最简单的实例中，技术人员可以想到，通过简单地考虑具有n个或更多个地质参数(例如，孔隙率、渗透率等)的函数F建立模型的形式y＝F(t)以匹配在n个时间点(t₁至t_n)的观测生产值y₁至y_n。然而，在不具有任何额外结构的情况下，这种函数F对于在未来时间t对y做出任何估算基本上无用。

当建立烃类油藏的模型时，典型的模型将需要数百万个参数值，每个参数值与其中油藏被离散成的数百万个小块中的一个的参数对应，以用于求得对应方程式的数值解。然而，数十年来，生产历史至多可包括常用值—即至多数十万个数据点。因此，当执行基于历史匹配的参数估算时，技术人员面临仅使用数千个数据点来估算数百万个参数的问题。这种问题本身无法解决。为了变得可解决，必须在某种程度上使用额外信息对该问题进行修改。存在做出此类修改的多种方法。例如，在贝叶斯方法中，将先验概率分布假定为待估算的参数。这种先验信息的典型来源包括油藏的地质模型。然后，将可用的历史生产数据用于更新所述先验概率分布，例如，以生成估算参数的后验概率分布。这种方法在计算上要求很高，并且可以多种方式实现。在一个实施方式中，数值地生成后验概率分布(被称为基于总体的历史匹配)。虽然也存在其它方法，但是它们各自需要不具吸引力的计算负载。因此，现代油藏历史匹配算法专注于加快油藏模型参数的估算所需的计算。

通常，这些算法依赖于已知为重新参数化、增加验收率的流线敏感性计算以及高性能计算的参数压缩技术，以便适应更高分辨率地质模型。常见的参数化技术涉及数学变换(诸如主成分分析、核主成分分析)、离散余弦变换、自适应空间分带(zonation)和油藏模型的粗化。然而，有关重新参数化，即有关模型复杂度的选择和参数空间大小(即，压缩程度)的基本原理是基于先验知识(即，最佳压缩化，其可再现具有不明显误差的原始参数估算)。结果，这些参数化技术对于估算油藏参数值使得未来生产预测可靠而言相对不足。因此，需要改进的历史匹配方法以用于提高油藏模型的预测能力。

发明内容

本公开呈现了用于油藏性能(例如，诸如对未来油气生产率以及压力的预测)的改进估算的方法和装置。如本文描述，这些方法和装置使用交叉验证来确定生产预测模型所基于的参数的最佳数量以及参数的数值。例如，本公开描述了用于确定地质模型的方法，其可包括识别参数组阵列的行为，其中每个参数组具有唯一大小，并包含从与目标地质区域相关联的历史生产数据估算的地质参数值。此外，这种示例方法可包括：确定第一组历史生产数据与建模生产数据之间的拟合误差，其中建模生产数据通过基于所述阵列的每个参数组执行模拟模型而获得；针对所述阵列的每个参数组确定第二组历史生产数据与推断生产数据之间的验证误差，其中推断生产数据是基于所述阵列的相应参数组的建模生产数据而获得；以及针对阵列的每个参数组基于拟合误差与验证误差确定组合误差。此外，示例方法可包括：识别最佳参数组大小以建模目标地质区域，其中最佳参数组大小是参考针对所述阵列的每个参数组确定的组合误差的最小组合误差而确定。

本公开的上述实例仅呈现将在结合下文所呈现的附图的具体实施方式中进行进一步描述并解释的实例。

附图说明

图1是随时间变化的建模生产数据矢量的图形表示；