[发明专利]用于组成的储层模拟中的相平衡计算的基于机器学习的模型

说明书

公开了与针对用于相平衡计算的基于机器学习的代理模型进行训练有关的技术。在一种实施方式中，基于对从储层的一个或多个区域获得的井下流体的样本所进行的一个或多个压力、体积或温度(PVT)实验的结果，确定储层的一个或多个区域中的每个区域的状态方程(EOS)。基于储层的所述一个或多个区域之间的插值，确定井下流体的样本的组成并且进行空间映射。使用已确定的EOS针对井下流体的经空间映射的组成进行一个或多个PVT实验模拟，以创建储层的组成数据库。使用组成数据库对一种或多种机器学习算法进行训练，并且将经训练的一种或多种机器学习算法用于预测相稳定性和执行用于组成的储层模拟的快速计算。

优先权要求

本申请要求于2018年1月25日递交的美国专利申请No.15/879,793的优先权，其全部内容通过引用并入本文。

技术领域

本公开涉及组成的储层模拟，更具体地涉及相态性质计算。

背景技术

热力学计算通常被用在组成的储层模拟中。所述计算可以包括：碳氢化合物相的稳定性分析，然后在稳定性分析中发现碳氢化合物相处于两相区域时进行分相计算。稳定性分析和分相计算都可以是迭代过程。它们可以在组成的储层模拟的其他迭代计算之中(例如，在残差计算和雅可比计算中)执行。

发明内容

本公开描述了包括用于对用于相平衡计算的基于机器学习的代理模型进行训练的计算机实现的方法、计算机程序产品和计算机系统的方法及系统。

在一种实施方式中，基于对从储层的一个或多个区域获得的井下流体的样本所进行的一个或多个压力、体积或温度(PVT)实验的结果，确定储层的一个或多个区域中的每个区域的状态方程(EOS)。确定井下流体的样本的组成(composition)。基于储层的所述一个或多个区域之间的插值，对已确定的井下流体的样本的组成进行空间映射。使用已确定的EOS针对井下流体的经空间映射的组成进行一个或多个PVT实验模拟，以创建储层的组成数据库。使用组成数据库对一种或多种机器学习算法进行训练，并且将经训练的一种或多种机器学习算法用于预测相稳定性和执行用于组成的储层模拟的快速计算。

之前描述的实施方式可以使用以下来实现：一种计算机实现的方法；存储用于执行计算机实现的方法的计算机可读指令的非暂时性计算机可读介质；以及包括计算机存储器的计算机实现的系统，该计算机存储器与硬件处理器互操作地耦合，该硬件处理器被配置为执行计算机实现的方法/非暂时性计算机可读介质上存储的指令。

在本说明书中描述的主题可以在特定实施方式中实现，从而实现以下优点中的一个或多个。首先，基于机器学习的代理模型的训练更快，因为它基于通过模拟储层内部发生的物理过程(例如，消耗)而生成的储层特有的组成数据库。其次，代理模型更准确，更有效。第三，代理模型使用更少的存储器，因为仅存储了最相关的连接线(tie-line)，这些连接线表示在针对储层的采油过程期间可能发生的物理过程。其他优点对于本领域普通技术人员将是明显的。

在具体实施方式、权利要求书和附图中阐述本说明书的主题的一个或多个实施方式的细节。通过具体实施方式、权利要求书和附图，所述主题的其他特征、方面和优点将变得明显。

附图说明

图1是示出根据本公开的一些实施方式的组成的储层模拟的示例方法的流程图。

图2是示出根据本公开的一些实施方式的使用机器学习的单步调整方法的临界性质的示例映射图的示意图。

图3是示出根据本公开的一些实施方式的使用机器学习的另一单步调整方法的临界性质的示例映射图的示意图。

图4是示出根据本公开的一些实施方式的针对超临界相态性质和亚临界相态性质两者开发的基于机器学习的代理模型的示例方法的流程图。

图5是示出根据本公开的一些实施方式的开发使用不同机器学习算法的用于组成模拟的代理模型的示例的示意图。