基于改进智能算法的CO2水气交替驱注采参数优化方法

专利名称：基于改进智能算法的CO2水气交替驱注采参数优化方法

专利类型：发明专利

专利申请号：CN202410804523.5

专利申请（专利权）人：中国石油大学(华东)
权利人地址：山东省青岛市黄岛区长江西路66号

专利发明（设计）人：孙晓飞,孙宇新,夏安龙,王玺焱,贾紫雄,李春皎

专利摘要：本发明涉及基于改进智能算法的CO2水气交替驱注采参数优化方法，属于油藏开采技术领域。包括步骤如下：建立CO2水气交替驱油藏数值模拟模型；改变模拟模型内注采参数值，设定CO2水气交替驱注采参数优化范围；利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化，确定最优CO2水气交替驱注采参数方案；得到最优CO2水气交替驱注采参数方案开发指标，本发明基于建立的CO2水气交替驱油藏数值模拟模型，利用混沌映射函数改进饥饿游戏搜索算法中初始化的伪随机性，提高了CO2水气交替驱注采参数优化精度和效率，为CO2水气交替驱注采参数方案的制定和现场实施提供了有效手段。

主权利要求：
1.基于改进智能算法的CO2水气交替驱注采参数优化方法，其特征在于，包括步骤如下：（1）基于实际油田的地质数据、岩石流体数据及生产数据，考虑CO2水气交替提高采收率机理及水、CO2段塞组合方式，依次建立三维精细地质模型、CO2流体模型和生产动态模型，进而得到CO2水气交替驱油藏数值模拟模型；
CO2流体模型的建立过程为：将原油划分为4~6个拟组分，将CO2单独作为一个组分；利用流体相态计算软件，拟合注CO2膨胀实验、等组成膨胀实验、CO2最小混相压力实验的饱和压力、膨胀系数、相对体积、原油粘度、最小混相压力参数，控制每个实验参数拟合误差均小于
5%，从而得到各组分临界温度、压力以及相互作用系数；
三维精细地质模型网格数大于1.5万，含油饱和度通过油水界面高度、参考压力以及参考深度确定；参考压力即油藏中部压力，参考深度即油藏中部深度，默认油水界面以上都是油，以下都是水；
（2）在油田实际CO2水气交替驱注采参数界限范围内，改变所建CO2水气交替驱油藏数值模拟模型内注采参数值，预测油田开发年限内的累产油量，研究得到注采参数对累产油量的影响规律，设定CO2水气交替驱注采参数优化范围；
（3）在CO2水气交替驱注采参数优化范围内，利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化，确定最优CO2水气交替驱注采参数方案；
利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化的步骤为：
1）选取映射函数
在0 1范围内取一定量的随机数，将每个随机数依次代入混沌映射函数得到函数值，即~混沌值，得到关于计算次数与混沌值关系的散点图；统计不同范围内混沌值出现的频次，绘制关于不同范围与混沌值出现频次的分布直方图，分析散点图的随机性以及分布直方图的均匀性选择最优混沌函数，散点图最随机、分布直方图最均匀即为最优，用于改进饥饿游戏搜索算法；
2）产生初始种群
根据确定的CO2水气交替驱注采参数优化范围，确定CO2水气交替驱注采参数方案数量N，并通过最优混沌映射函数确定每个注采参数方案的初始值；
3）饥饿角色
首先计算饥饿游戏搜索算法中的范围控制器R，用于表示动物离目标食物越来越近的过程中活动范围逐渐变小，控制饥饿游戏搜索算法的收敛性，用公式（1）表示：（1）
式中，R为范围控制器；rand为分布在（0,1）之间的随机数；shrink为收缩数，由公式（2）计算：（2）
式中，shrink为收缩数；T为总迭代次数；t为当前迭代次数；
计算饥饿游戏搜索算法中的变量控制器E，用来控制每个动物寻找目标食物的行为，用公式（3）计算：（3）
式中，E为变量控制器；F(i)为第i个CO2水气交替驱注采参数方案的累产油量，通过建立的CO2水气交替驱油藏数值模拟模型计算得到；BF为截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最大累产油量；sech表示双曲正割函数；
计算初始饥饿感TH，如公式（4）表示：
（4）
式中，TH为初始饥饿感；WF为截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最小累产油量；r1为分布在（0，1）之间的随机数；UB（j）和LB（j）分别为第j个CO2水气交替驱注采参数优化范围的上下边界；
得到初始饥饿感TH后，用公式（5）来计算饥饿感H：
（5）
式中，H为饥饿感；r2为分布在（0，1）之间的随机数；LH为饥饿感的下限；
得到饥饿感H后，饥饿量hungry（i）用公式（6）表示：
（6）
式中，hungry（i）为饥饿量；AllFitness（i）为当前迭代次数中第i个CO2水气交替驱注采参数方案的累产油量；
在寻找目标食物的过程中，饥饿游戏搜索算法利用饥饿量hungry（i）来模拟动物对目标食物的渴望程度，饥饿量越大，动物对目标食物的渴望程度也越大；
4）接近食物
引入实际搜索食物过程中位置的偏差W1、饥饿对于活动范围的影响W2两个变量，用公式（7）和公式（8）计算：（7）
（8）
式中，W1为实际搜索食物过程中位置的偏差；W2为饥饿对于活动范围的影响；SHunrgy为每个CO2水气交替驱注采参数方案的累产油量总和；r3、r4和r5为三个分布在（0，1）之间的随机数；l为参数；exp为指数函数；
最后，饥饿游戏搜索算法中动物接近食物的行为如式（9）所示；
（9）
式中，r6和r7为两个分布在（0，1）之间的随机数；X（t）为第t次迭代的CO2水气交替驱注采参数方案；X（t+1）为第t+1次迭代的CO2水气交替驱注采参数方案；Xb为截至目前迭代次数中最优的CO2水气交替驱注采参数方案；randn（l）为正态分布的在（0，1）之间的随机数；
对比当前迭代次数t下每个CO2水气交替驱注采参数方案的累产油量，将CO2水气交替驱注采参数方案对应的最大累产油量赋值给BF，将CO2水气交替驱注采参数方案对应的最小累产油量赋值给WF；增加迭代次数，重复上述步骤，直到t=T时计算终止，该过程中记录每次迭代所得的CO2水气交替驱注采参数最优方案、最大累产油量值以及最优CO2水气交替驱注采参数方案中各个注采参数的变化；CO2水气交替驱注采参数最优方案即为第T次迭代最优的CO2水气交替驱注采参数方案Xb；
（4）利用最优CO2水气交替驱注采参数方案预测CO2水气交替驱油藏数值模拟模型开发指标，与优化前方案对比，评价最优CO2水气交替驱注采参数方案的开发潜力。
2.根据权利要求1所述的基于改进智能算法的CO2水气交替驱注采参数优化方法，其特征在于，所述步骤（1）中实际油田的地质数据包括顶面构造图、各小层厚度图、渗透率分布图、孔隙度分布图、地震解释数据体；岩石流体数据包括油水、气液相对渗透率曲线、岩石压缩系数、地层油水界面深度、参考压力、参考深度、饱和压力、CO2最小混相压力实验数据、注CO2膨胀实验数据、等组成膨胀实验数据；生产数据包括井轨迹数据、射孔数据以及生产历史数据，生产历史数据包括注入井CO2和水注入量、注入压力和生产井井底流压、产液速度、产油速度、产水速度、CO2产出速度。
3.根据权利要求1所述的基于改进智能算法的CO2水气交替驱注采参数优化方法，其特征在于，所述步骤（1）中考虑CO2水气交替驱提高采收率机理包括CO2溶解降粘、改善水油流度比、膨胀原油体积、降低界面张力机理。
4.根据权利要求1所述的基于改进智能算法的CO2水气交替驱注采参数优化方法，其特征在于，所述步骤（2）中CO2水气交替驱注采参数包括各注入井的CO2注入速度、CO2段塞以及水段塞大小。
5.根据权利要求1所述的基于改进智能算法的CO2水气交替驱注采参数优化方法，其特征在于，所述步骤（3）中混沌映射函数包括Tent映射函数、Logistic映射函数、Gussian映射函数、Singer映射函数。
6.根据权利要求1所述的基于改进智能算法的CO2水气交替驱注采参数优化方法，其特征在于，所述步骤（4）中最优CO2水气交替驱注采参数方案开发指标为累产油量、含水率、气油比和剩余油饱和度。 说明书 : 基于改进智能算法的CO2水气交替驱注采参数优化方法技术领域[0001] 本发明涉及基于改进智能算法的CO2水气交替驱注采参数优化方法，属于油藏开采技术领域。背景技术[0002] 随着现代经济的高速发展，工业及生活中排放了大量CO2等温室气体，CO2提高采收率技术可以利用CO2开发原油，并使CO2埋存于油藏中，减少CO2排放量。CO2水气交替驱是一种应用广泛的一种CO2提高采收率技术，该技术可充分利用CO2驱和水驱的优势，一方面CO2具有粘度低、密度小的特点，可以降低原油粘度、改善水油流度比、膨胀原油体积、降低界面张力，另一方面注入水可以有效减小CO2粘性指进，提高其波及体积，有助于减缓气窜，节约成本。[0003] CO2水气交替驱涉及的注采参数众多，包括注入速度、段塞大小以及气水比等，不合理的注采参数方案难以发挥CO2水气交替驱提高原油采收率和CO2埋存的作用。传统油藏数值模拟方法进行CO2水气交替驱注采参数优化时费时费力，成本高，甚至难以实现；油藏工程和渗流力学方法考虑的因素较少，优化准确性较差；常用的粒子群、模拟退火等优化算法存在收敛速度慢、收敛精度低的问题。相比于上述优化算法，饥饿游戏搜索算法优化速度更快、精度更高，适合于CO2水气交替驱注采参数优化过程。然而，饥饿游戏搜索算法在产生初始CO2水气交替驱注采参数方案时所使用的随机数属于伪随机数，通常服从均匀分布，虽然其原理简单、使用方便，但难以保证注采参数取值的随机性，导致饥饿游戏搜索算法容易陷入局部最优，优化精度和速度有待进一步提高。混沌映射函数具有准随机性、遍历性、敏感性、规则性等特性，可以保证注采参数取值的随机性。因此，本申请利用混沌映射函数改进饥饿游戏搜索算法，优化CO2水气交替驱注采参数，进行CO2水气交替注采参数优化设计，提高注采参数优化准确性和效率，改善油田CO2水气交替驱开发及埋存效果。发明内容[0004] 针对现有技术的不足，本发明提供一种基于改进智能算法的CO2水气交替驱注采参数优化方法。本发明利用混沌映射函数改进饥饿游戏搜索算法，提高CO2水气交替驱注采参数优化准确性和效率，解决现有方法优化准确性差、效率低、甚至难以实现CO2水气交替驱注采参数优化的问题。[0005] 本发明的技术方案如下：[0006] 基于改进智能算法的CO2水气交替驱注采参数优化方法，包括步骤如下：[0007] （1）基于实际油田的地质数据、岩石流体数据及生产数据，考虑CO2水气交替提高采收率机理及水、CO2段塞组合方式，依次建立三维精细地质模型、CO2流体模型和生产动态模型，进而得到CO2水气交替驱油藏数值模拟模型，实现CO2水气交替驱过程的准确模拟；[0008] （2）在油田实际CO2水气交替驱注采参数界限范围内，改变所建CO2水气交替驱油藏数值模拟模型内注采参数值，预测油田开发年限内的累产油量，研究得到注采参数对累产油量的影响规律，预测结果与规律皆由步骤（1）中建立的CO2水气交替驱油藏数值模拟模型直接得出，根据不同方案就可以得出不同累产油量即可分析影响规律，设定CO2水气交替驱注采参数优化范围；[0009] （3）在CO2水气交替驱注采参数优化范围内，利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化，确定最优CO2水气交替驱注采参数方案；[0010] （4）利用最优CO2水气交替驱注采参数方案预测CO2水气交替驱油藏数值模拟模型开发指标，与优化前方案对比，评价最优CO2水气交替驱注采参数方案的开发潜力。[0011] 根据本发明优选的，所述步骤（1）中实际油田的地质数据包括顶面构造图、各小层厚度图、渗透率分布图、孔隙度分布图、地震解释数据体；岩石流体数据包括油水、气液相对渗透率曲线、岩石压缩系数、地层油水界面深度、参考压力、参考深度、饱和压力、CO2最小混相压力实验数据、注CO2膨胀实验数据、等组成膨胀实验数据；生产数据包括井轨迹数据、射孔数据以及生产历史数据，生产历史数据包括注入井CO2和水注入量、注入压力和生产井井底流压、产液速度、产油速度、产水速度、CO2产出速度。[0012] 根据本发明优选的，所述步骤（1）中考虑CO2水气交替提高采收率机理包括CO2溶解降粘、改善水油流度比、膨胀原油体积、降低界面张力机理。[0013] 根据本发明优选的，所述步骤（1）中CO2流体模型的建立过程为：将原油划分为4~6个拟组分，将CO2单独作为一个组分，将相似组分合并，但合并数不能过多，4‑6为最佳，能同时满足计算效率和准确性要求；利用流体相态计算软件或模型，拟合注CO2膨胀实验、等组成膨胀实验、CO2最小混相压力实验的饱和压力、膨胀系数、相对体积、原油粘度、最小混相压力参数，控制每个实验参数拟合误差均小于5%，从而得到各组分临界温度、压力以及相互作用系数。[0014] 根据本发明优选的，所述步骤（1）中三维精细地质模型网格数大于1.5万，含油饱和度通过油水界面高度、参考压力以及参考深度确定；参考压力即油藏中部压力，参考深度即油藏中部深度，默认油水界面以上都是油，以下都是水。[0015] 根据本发明优选的，所述步骤（2）中CO2水气交替驱注采参数包括各注入井的CO2注入速度、CO2段塞以及水段塞大小。[0016] 根据本发明优选的，所述步骤（3）中混沌映射函数包括Tent映射函数、Logistic映射函数、Gussian映射函数、Singer映射函数。[0017] 根据本发明优选的，所述步骤（3）中利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化的步骤为：[0018] 1）选取映射函数[0019] 在0 1范围内取一定量的随机数，将每个随机数依次代入混沌映射函数得到函数~值，即混沌值，得到关于计算次数与混沌值关系的散点图；统计不同范围内混沌值出现的频次，绘制关于不同范围与混沌值出现频次的分布直方图，分析散点图的随机性以及分布直方图的均匀性选择最优混沌函数，散点图最随机、分布直方图最均匀即为最优，用于改进饥饿游戏搜索算法。[0020] 2）产生初始种群[0021] 根据确定的CO2水气交替驱注采参数优化范围，确定CO2水气交替驱注采参数方案数量N，并通过最优混沌映射函数确定每个注采参数方案的初始值。[0022] 3）饥饿角色[0023] 首先计算饥饿游戏搜索算法中的范围控制器R，用于表示动物离目标食物越来越近的过程中活动范围逐渐变小，控制饥饿游戏搜索算法的收敛性，可以用公式（1）表示：[0024] （1）[0025] 式中，R为范围控制器；rand为分布在（0,1）之间的随机数；shrink为收缩数，可由公式（2）计算：[0026] （2）[0027] 式中，shrink为收缩数；T为总迭代次数；t为当前迭代次数；[0028] 计算饥饿游戏搜索算法中的变量控制器E，用来控制每个动物寻找目标食物的行为，可以用公式（3）计算：[0029] （3）[0030] 式中，E为变量控制器；F(i)为第i个CO2水气交替驱注采参数方案的累产油量，通过建立的CO2水气交替驱油藏数值模拟模型计算得到；BF为截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最大累产油量；sech表示双曲正割函数；[0031] 计算初始饥饿感TH，如公式（4）表示：[0032] （4）[0033] 式中，TH为初始饥饿感；WF为截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最小累产油量；r1为分布在（0，1）之间的随机数；UB（j）和LB（j）分别为第j个CO2水气交替驱注采参数优化范围的上下边界；[0034] 得到初始饥饿感TH后，可以用公式（5）来计算饥饿感H：[0035] （5）[0036] 式中，H为饥饿感；r2为分布在（0，1）之间的随机数；LH为饥饿感的下限；[0037] 得到饥饿感H后，饥饿量hungry（i）可以用公式（6）表示：[0038] （6）[0039] 式中，hungry（i）为饥饿量；AllFitness（i）为当前迭代次数中第i个CO2水气交替驱注采参数方案的累产油量；[0040] 在寻找目标食物的过程中，饥饿游戏搜索算法利用饥饿量hungry（i）来模拟动物对目标食物的渴望程度，饥饿量越大，动物对目标食物的渴望程度也越大。[0041] 4）接近食物[0042] 为了降低饥饿游戏搜索算法计算过程中误差带来的影响，同时增强算法的自适应性，避免局部最优，引入实际搜索食物过程中位置的偏差W1、饥饿对于活动范围的影响W2两个变量，可以用公式（7）和公式（8）计算：[0043] （7）[0044] （8）[0045] 式中，W1为实际搜索食物过程中位置的偏差；W2为饥饿对于活动范围的影响；SHunrgy为每个CO2水气交替驱注采参数方案的累产油量总和；r3、r4和r5为三个分布在（0，1）之间的随机数；l为参数；exp为指数函数；[0046] 最后，饥饿游戏搜索算法中动物接近食物的行为如式（9）所示；[0047] （9）[0048] 式中，r6和r7为两个分布在（0，1）之间的随机数；X（t）为第t次迭代的CO2水气交替驱注采参数方案；X（t+1）为第t+1次迭代的CO2水气交替驱注采参数方案；Xb为截至目前迭代次数中最优的CO2水气交替驱注采参数方案；randn（l）为正态分布的在（0，1）之间的随机数；[0049] 对比当前迭代次数t下每个CO2水气交替驱注采参数方案的累产油量，将CO2水气交替驱注采参数方案对应的最大累产油量赋值给BF，将CO2水气交替驱注采参数方案对应的最小累产油量赋值给WF；增加迭代次数，重复上述步骤，直到t=T时计算终止，该过程中记录每次迭代所得的CO2水气交替驱注采参数最优方案、最大累产油量值以及最优CO2水气交替驱注采参数方案中各个注采参数的变化；CO2水气交替驱注采参数最优方案即为第T次迭代最优的CO2水气交替驱注采参数方案Xb。[0050] 根据本发明优选的，所述步骤（4）中最优CO2水气交替驱注采参数方案开发指标为累产油量、含水率、气油比和剩余油饱和度。[0051] 本发明的有益效果在于：[0052] 1、本发明基于实际油田地质、岩石流体及生产数据，考虑CO2水气交替提高采收率机理及水、CO2段塞组合方式，建立CO2水气交替驱油藏数值模拟模型，可实现CO2水气交替驱过程的准确模拟，为基于混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化奠定了油藏数值模拟模型基础。[0053] 2、本发明通过混沌映射函数改进饥饿游戏搜索算法中选取初始CO2水气交替驱注采参数方案的随机性，从而增强饥饿游戏搜索算法的全局搜索和局部搜索能力，提高了饥饿游戏搜索算法优化CO2水气交替驱注采参数的精度和效率，突破了现有油藏数值模拟、油藏工程和渗流力学等理论方法进行CO2水气交替驱注采参数优化的局限，可准确、快速地确定CO2水气交替驱注采参数方案。附图说明[0054] 图1是实施例油水相渗曲线图；[0055] 图2是实施例气液相渗曲线图；[0056] 图3是实施例注CO2气体膨胀实验饱和压力拟合结果图；[0057] 图4是实施例注CO2气体膨胀实验膨胀系数拟合结果图；[0058] 图5是实施例等组成膨胀实验压力‑体积关系拟合结果图；[0059] 图6是实施例等组成膨胀实验原油粘度拟合结果图；[0060] 图7是CO2水气交替驱CO2注入速度对累产油量影响；[0061] 图8是CO2水气交替驱CO2段塞大小对累产油量的影响；[0062] 图9是Tent映射产生的混沌值散点图及分布直方图；（a）为散点图，（b）为分布直方图；[0063] 图10是Logistic映射产生的混沌值散点图及分布直方图；（a）为散点图，（b）为分布直方图；[0064] 图11是Gussian映射产生的混沌值散点图及分布直方图；（a）为散点图，（b）为分布直方图；[0065] 图12是Singer映射产生的混沌值散点图及分布直方图；（a）为散点图，（b）为分布直方图；[0066] 图13是实施例中G1井注水速度随迭代次数变化图；[0067] 图14是实施例中G1井注气速度随迭代次数变化图；[0068] 图15是实施例中G2井注水速度随迭代次数变化图；[0069] 图16是实施例中G2井注气速度随迭代次数变化图；[0070] 图17是实施例中G3井注水速度随迭代次数变化图；[0071] 图18是实施例中G3井注气速度随迭代次数变化图；[0072] 图19是实施例中注水段塞随迭代次数变化图；[0073] 图20是实施例中注气段塞随迭代次数变化图；[0074] 图21是实施例中累产油量随迭代次数变化图；[0075] 图22是实施例中CO2水气交替驱最优方案与基础方案含水率变化对比图；[0076] 图23是实施例中CO2水气交替驱最优方案与基础方案气油比变化对比图；[0077] 图24是实施例中CO2水气交替驱最优方案剩余油饱和度场图；[0078] 图25是实施例中基础方案剩余油饱和度场图。具体实施方式[0079] 下面通过实施例并结合附图对本发明做进一步说明，但不限于此。[0080] 实施例1：[0081] 基于改进智能算法的CO2水气交替驱注采参数优化方法，包括步骤如下：[0082] （1）基于实际油田的地质数据、岩石流体数据及生产数据，考虑CO2水气交替提高采收率机理及水、CO2段塞组合方式（为水气交替驱开发做准备），依次建立三维精细地质模型、CO2流体模型和生产动态模型，进而得到CO2水气交替驱油藏数值模拟模型（即指的是前面三个模型），实现CO2水气交替驱过程的准确模拟。[0083] 步骤（1）中实际油田的地质数据包括顶面构造图、各小层厚度图、渗透率分布图、孔隙度分布图、地震解释数据体；岩石流体数据包括油水、气液相对渗透率曲线、岩石压缩系数、地层油水界面深度、参考压力、参考深度、饱和压力、CO2最小混相压力实验数据、注CO2膨胀实验数据、等组成膨胀实验数据；生产数据包括井轨迹数据、射孔数据以及生产历史数据，生产历史数据包括注入井CO2和水注入量、注入压力和生产井井底流压、产液速度、产油速度、产水速度、CO2产出速度。[0084] 在本实施例中，岩石流体数据中油水、气液相对渗透率曲线见图1及图2，岩石压缩‑1系数为0.00004MPa （45.5MPa下），地层油水界面深度为2900m，参考压力为28.05MPa，参考深度为2900m，饱和压力为7.79MPa，CO2最小混相压力为33.44MPa，注CO2膨胀实验数据、等组成膨胀实验数据如表1 表2所示；注入井G1井的射孔数据、注入历史数据如表3和表4所~示，生产井G4井的生产历史数据如表5所示。[0085] 表1注CO2气体膨胀实验数据[0086][0087] 表2等组成膨胀实验数据[0088][0089] 表3G1井射孔数据[0090][0091] 表4G1井部分注入历史数据[0092][0093] 表5G4井部分生产历史数据[0094][0095] 所述步骤（1）中考虑CO2水气交替提高采收率机理包括CO2溶解降粘、改善水油流度比、膨胀原油体积、降低界面张力机理。[0096] 所述步骤（1）中CO2流体模型的建立过程为：将原油划分为4~6个拟组分，将CO2单独作为一个组分，将相似组分合并，但合并数不能过多4‑6为最佳，能同时满足计算效率和准确性要求；利用流体相态计算软件或模型，如相态计算软件Winprop，拟合注CO2膨胀实验、等组成膨胀实验、CO2最小混相压力实验的饱和压力、膨胀系数、相对体积、原油粘度、最小混相压力等参数，控制每个实验参数拟合误差均小于5%，（通过调整winprop内部参数控制误差，软件内部学习），从而得到各组分临界温度、压力以及相互作用系数。[0097] 在本实施例中，将原油划分为6个拟组分，将CO2单独作为一个组分，满足计算效率和准确性要求；利用WinProp流体相态计算软件拟合注CO2膨胀实验、等组成膨胀实验、CO2最小混相压力实验的饱和压力、膨胀系数、相对体积、原油粘度、最小混相压力等参数，从而得到各组分临界温度、压力以及相互作用系数等。注气膨胀实验、等组成膨胀实验拟合结果如图3 图6所示，最小混相压力拟合结果如表6所示，注气膨胀实验饱和压力和膨胀系数拟合~误差分别为2.49%和2.06%，等组成膨胀实验相对体积和原油粘度拟合误差分别为0.30%和2.18%，最小混相压力拟合误差为2.21%，均小于5%，证明CO2流体模型建立的正确性。各组分临界温度、压力以及相互作用系数如表7和表8所示。[0098] 表6最小混相压力拟合表[0099][0100] 表7各组分临界温度、压力表[0101][0102] 表8组分相互作用系数表[0103][0104] 所述步骤（1）中三维精细地质模型网格数大于1.5万，含油饱和度通过油水界面高度、参考压力以及参考深度确定；参考压力即油藏中部压力，参考深度即油藏中部深度，默认油水界面以上都是油，以下都是水。[0105] 在本实施例中，三维精细地质模型网格数为1.9万。[0106] （2）在油田实际CO2水气交替驱注采参数界限范围内，改变所建CO2水气交替驱油藏数值模拟模型内注采参数值，预测油田开发年限内的累产油量，研究注采参数对累产油量的影响规律，预测结果与规律皆由步骤（1）中建立的CO2水气交替驱油藏数值模拟模型直接得出，根据不同方案就可以得出不同累产油量即可分析影响规律，设定CO2水气交替驱注采参数优化范围。[0107] 步骤（2）中CO2水气交替驱注采参数包括各注入井的CO2注入速度、CO2段塞以及水段塞大小。[0108] 在本实施例中，CO2水气交替驱注采参数对累产油量的影响规律结果如图7~图8。由图可知，随着CO2注入速度、CO2段塞的增加，累产油量均增大，但增大的量逐渐变小。确定的CO2水气交替驱注采参数优化范围见表9。[0109] 表9CO2水气交替驱注采参数优化范围表[0110][0111] （3）在CO2水气交替驱注采参数优化范围内，利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化，确定最优CO2水气交替驱注采参数方案。[0112] 步骤（3）中混沌映射函数包括Tent映射函数、Logistic映射函数、Gussian映射函数、Singer映射函数。[0113] 步骤（3）中利用混沌映射函数改进饥饿游戏搜索算法进行CO2水气交替驱注采参数优化的步骤为：[0114] 1）选取映射函数[0115] 在0 1范围内取一定量的随机数，将每个随机数依次代入混沌映射函数得到函数~值，即混沌值，得到关于计算次数与混沌值关系的散点图。统计不同范围内混沌值出现的频次，绘制关于不同范围与混沌值出现频次的分布直方图，分析散点图的随机性以及分布直方图的均匀性选择最优混沌函数，散点图最随机、分布直方图最均匀即为最优，用于改进饥饿游戏搜索算法。[0116] 本实施例中在0 1范围内取一定量的随机数，将每个随机数依次代入Tent映射函~数、Logistic映射函数、Gussian映射函数、Singer映射函数得到函数值，即混沌值，得到关于计算次数与混沌值关系的散点图。统计不同范围内混沌值出现的频次，绘制关于不同范围与混沌值出现频次的分布直方图，如图9 图12所示。由这几个图可知，Tent映射函数地散~点图更加随机、分布直方图更加均匀，选择其为最优映射函数，用于改进饥饿游戏搜索算法。[0117] 2）产生初始种群[0118] 根据确定的CO2水气交替驱注采参数优化范围，确定CO2水气交替驱注采参数方案数量N，并通过最优混沌映射函数确定每个注采参数方案的初始值。[0119] 在本实施例中，根据确定的CO2水气交替驱注采参数优化范围，确定CO2水气交替驱注采参数方案数量为30，并通过最优混沌映射函数Tent确定每个注采参数方案的初始值，其中30个CO2水气交替驱注采参数方案中G1井注气速度初始值见表10所示。[0120] 表1030个CO2水气交替驱注采参数方案中G1井注气速度初始值表[0121][0122] 3）饥饿角色[0123] 首先计算饥饿游戏搜索算法中的范围控制器R，用于表示动物离目标食物越来越近的过程中活动范围逐渐变小，控制饥饿游戏搜索算法的收敛性，可以用公式（1）表示：[0124] （1）[0125] 式中，R为范围控制器；rand为分布在（0,1）之间的随机数；shrink为收缩数，可由公式（2）计算：[0126] （2）[0127] 式中，shrink为收缩数；T为总迭代次数；t为当前迭代次数。[0128] 在本实施例中，总迭代次数T为30，第一次迭代t为1，计算所得收缩数shrink为1.933；rand取值为0.6，计算所得范围控制器R为0.387。[0129] 计算饥饿游戏搜索算法中的变量控制器E，用来控制每个动物寻找目标食物的行为，可以用公式（3）计算：[0130] （3）[0131] 式中，E为变量控制器；F(i)为第i个CO2水气交替驱注采参数方案的累产油量，通过建立的CO2水气交替驱油藏数值模拟模型计算得到；BF为截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最大累产油量；sech表示双曲正割函数。[0132] 在本实施例中，初始的30个CO2水气交替驱注采参数方案中第i个CO2水气交替驱注采参数方案对应的累产油量F(i)如表11所示；截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最大累产油量BF为30.285万方，变量控制器E的计算结果如表12所示。[0133] 表11F(i)取值表[0134][0135] 表12变量控制器E取值表[0136][0137] 计算初始饥饿感TH，如公式（4）表示：[0138] （4）[0139] 式中，TH为初始饥饿感；WF为截至目前迭代次数中的CO2水气交替驱注采参数方案对应的最小累产油量；r1为分布在（0，1）之间的随机数；UB（j）和LB（j）分别为第j个CO2水气交替驱注采参数优化范围的上下边界。[0140] 在本实施例中，初始生成的CO2水气交替驱注采参数方案对应的最小累产油量WF为25.057万方；分布在（0，1）之间的随机数r1取值为0.5；第1个CO2[0141] 水气交替驱注采参数G1井注气速度优化范围的上下边界UB和LB取值见表13，初始饥饿感TH的计算结果如表14所示。[0142] 表13G1井注气速度上下边界表[0143][0144] 表14TH取值表[0145][0146] 得到初始饥饿感TH后，可以用公式（5）来计算饥饿感H：[0147] （5）[0148] 式中，H为饥饿感；r2为分布在（0，1）之间的随机数；LH为饥饿感的下限。[0149] 本实施例中，分布在（0，1）之间的随机数r2取值如表15所示；LH为饥饿感的下限，取值为10，饥饿感H的计算结果如表16所示。[0150] 表15r2取值表[0151][0152] 表16H取值表[0153][0154] 得到饥饿感H后，饥饿量hungry（i）可以用公式（6）表示：[0155] （6）[0156] 式中，hungry（i）为饥饿量；AllFitness（i）为当前迭代次数中第i个CO2水气交替驱注采参数方案的累产油量。[0157] 在本实施例中，初始的30个CO2水气交替驱注采参数方案中第i个CO2水气交替驱注采参数方案的累产油量AllFitness（i）与F(i)相同，如表12所示，饥饿量hungry（i）的计算结果如表17所示。[0158] 表17hungry（i）取值表[0159][0160] 在寻找目标食物的过程中，饥饿游戏搜索算法利用饥饿量hungry（i）来模拟动物对目标食物的渴望程度，饥饿量越大，动物对目标食物的渴望程度也越大。[0161] 4）接近食物[0162] 为了降低饥饿游戏搜索算法计算过程中误差带来的影响，同时增强算法的自适应性，避免局部最优，引入实际搜索食物过程中位置的偏差W1、饥饿对于活动范围的影响W2两个变量，可以用公式（7）和公式（8）计算：[0163] （7）[0164] （8）[0165] 式中，W1为实际搜索食物过程中位置的偏差；W2为饥饿对于活动范围的影响；SHunrgy为每个CO2水气交替驱注采参数方案的累产油量总和；r3、r4和r5为三个分布在（0，1）之间的随机数；l为参数；exp为指数函数。[0166] 在本实施例中，CO2水气交替驱注采参数方案数量N为30；每个CO2水气交替驱注采参数方案的累产油量总和SHunrgy为839.7万方；三个分布在（0，1）之间的随机数r3、r4和r5取值分别为0.5、0.3和0.2；参数l的取值如表18所示。实际搜索食物过程中位置的偏差W1的计算结果如表19所示；饥饿对于活动范围的影响W2为1。[0167] 表18l取值表[0168][0169] 表19W1取值表[0170][0171] 最后，饥饿游戏搜索算法中动物接近食物的行为如式（9）所示；[0172] （9）[0173] 式中，r6和r7为两个分布在（0，1）之间的随机数；X（t）为第t次迭代的CO2水气交替驱注采参数方案；X（t+1）为第t+1次迭代的CO2水气交替驱注采参数方案；Xb为截至目前迭代次数中最优的CO2水气交替驱注采参数方案；randn（l）为正态分布的在（0，1）之间的随机数。[0174] 在本实施例中，两个分布在（0，1）之间的随机数r6和r7取值分别如表20和表21所示；X（0）见表10；Xb为59.689t/d，由公式（9）可知，满足r6＜l的CO2水气交替驱注采参数方案通过式（9）中的第一个公式进行下一次迭代，对比r6和l的参数值，可以得出共14个方案满足条件，具体的randn（l）取值见表22；X（1）以及对应的累产油量值见表23。[0175] 表20r6取值表[0176][0177] 表21 r7取值表[0178][0179] 表22 randn（l）取值表[0180][0181] 表23 G1井注气速度第1次迭代所处的位置X（1）以及对应的累产油量取值表[0182][0183] 对比当前迭代次数t下每个CO2水气交替驱注采参数方案的累产油量，将CO2水气交替驱注采参数方案对应的最大累产油量赋值给BF，将CO2水气交替驱注采参数方案对应的最小累产油量赋值给WF。增加迭代次数，重复上述步骤，直到t=T时计算终止，该过程中记录每次迭代所得的CO2水气交替驱注采参数最优方案、最大累产油量值以及最优CO2水气交替驱注采参数方案中各个注采参数的变化。CO2水气交替驱注采参数最优方案即为第T次迭代最优的CO2水气交替驱注采参数方案Xb。[0184] 在本实施例中，对比第1次迭代每个CO2水气交替驱注采参数方案的累产油量，将CO2水气交替驱注采参数方案对应的最大累产油量赋值给BF，为33.201万方，将CO2水气交替驱注采参数方案对应的最小累产油量赋值给WF，为26.320万方。增加迭代次数，重复上述步骤，直到t=T时计算终止，该过程中记录每次迭代所得的CO2水气交替驱注采参数最优方案、最大累产油量值以及最优CO2水气交替驱注采参数方案中各个注采参数的变化，如图13~图21所示。CO2水气交替驱注采参数最优方案即为第T次迭代最优的CO2水气交替驱注采参数方案Xb，Xb中注采参数为G1、G2、G3井的注水速度分别为60t/d、7t/d、21t/d；G1、G2、G3井的注气速度分别为55t/d、68t/d、51t/d，注水段塞为37d，注气段塞为16d。[0185] 表24CO2水气交替驱注采参数最优方案以及最大累产油量值随迭代次数变化表[0186][0187] （4）利用最优CO2水气交替驱注采参数方案代入模型预测CO2水气交替驱油藏数值模拟模型开发指标，与优化前方案对比，评价最优CO2水气交替驱注采参数方案的开发潜力。[0188] 步骤（4）中最优CO2水气交替驱注采参数方案开发指标为累产油量、含水率、气油比和剩余油饱和度。[0189] 本实施例中预测最优CO2水气交替驱注采参数方案开发指标如图22~图25所示，由图可知，与优化前方案对比，最优CO2水气交替驱注采参数方案的累产油量增加5.82万方，3 3含水率降低10.23%，气油比降低53.84m/m ，剩余油饱和度明显降低，表明最优CO2水气交替驱注采参数方案具有较好的开发潜力，混沌映射函数改进饥饿游戏搜索算法可以获得最优的CO2水气交替驱注采参数方案。

专利地区：山东

专利申请日期：2024-06-21

专利公开日期：2024-09-03

专利公告号：CN118395743B