一种稠油蒸汽吞吐参数优化方法、装置和相关设备与流程
本发明涉及石油与天然气工程，特别涉及一种稠油蒸汽吞吐参数优化方法、装置和相关设备。
背景技术：
1、随着常规原油的开发潜力日益下降，稠油逐渐成为了当今各大油田主要开发的目标资源，整个稠油的开发潜力约为常规稀油的3倍左右，目前全球范围内稠油油藏的探明可采储量已超过4000亿吨，而常规稀油油藏却仅有近1500亿吨。稠油的最大特点就是高胶质含量和高沥青含量，稠油原油粘度比常规原油要高出很多。由于稠油的原油粘度高导致其地下流动能力差，因此如果继续使用常规开发工艺进行开采则很难将其驱至近井地带，从而造成油田产量过低，甚至毫无产量可言。
2、而稠油热采开发方式的提出解决了很大的开发问题，热采中的蒸汽吞吐开发应用至稠油油藏开发中使得稠油开发效果得到了显著提升。
技术实现思路
1、但是，发明人发现若蒸汽吞吐达到高周期吞吐后，剖面和平面严重的非均质性会导致储层动用不均，吞吐井的采收效率降低以及区块生产油汽比降低。并且随着气窜水窜现象以及边水侵入情况的伴生，生产矛盾愈加严重。因此，蒸汽吞吐采油仍然是稠油油藏开采的主要开发方式，分析研究现场的动态变化，亟需寻找一种蒸汽吞吐优化注采参数方法，有助于突破稠油蒸汽吞吐采油理论及技术的瓶颈，具有重要的科学意义与广阔的生产应用前景。。
2、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种稠油蒸汽吞吐参数优化方法、装置和相关设备。
3、第一方面，本发明实施例提供了一种稠油蒸汽吞吐参数优化方法，可以包括：
4、获取目标井的地质参数和注汽参数；
5、基于所述目标井所在目标区块已开采井确定所述地质参数和所述注汽参数中的主控因素类型，在所述目标井的地质参数和所述注汽参数中筛选出主成分参数；
6、将所述主成分参数输入到预先训练好的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型中，以得到优化后的稠油蒸汽吞吐参数。
7、可选的，所述贝叶斯神经网络模型通过下述方法预先训练得到的：
8、获取训练样本集，所述训练样本集中的每个样本包括单井的地质参数、注汽参数以及单井蒸汽吞吐产量；
9、基于相关系数法对所述地质参数和所述注汽参数进行相关性分析，以确定各个参数之间的相关系数；
10、基于各个参数之间的相关系数，以主成分分析法确定所述地质参数和所述注汽参数中的主控因素类型，以在所述训练样本集中筛选出主成分参数；
11、用所述训练样本集中的每个样本包括的主成分参数和单井蒸汽吞吐产量，对贝叶斯神经网络模型进行训练，以对所述贝叶斯神经网络模型进行参数估计。
12、可选的，获取训练样本集之后，该方法还可以包括：
13、对所述训练样本集中的每个样本中包括的单井的所述地质参数和所述注汽参数进行标准化处理；相应的，
14、基于相关系数法对标准化处理后的地质参数和注汽参数进行相关性分析，以确定各个参数之间的相关系数。
15、可选的，所述基于各个参数之间的相关系数，以主成分分析法确定所述地质参数和所述注汽参数中的主控因素类型，以在所述训练样本集中筛选出主成分参数，可以包括：
16、基于所述相关系数的大小排序，以确定所述地质参数和所述注汽参数对应的单位特征向量的大小；
17、基于所述单位特征向量的大小，以及预设的主成分阈值，在所述训练样本集中筛选出主成分参数。
18、可选的，所述对贝叶斯神经网络模型进行训练，还可以包括：基于贝叶斯后验分布对所述贝叶斯神经网络模型的参数进行调整。
19、第二方面，本发明实施例提供了一种稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练方法，可以包括：
20、获取训练样本集，所述训练样本集中的每个样本包括单井的地质参数、注汽参数以及单井蒸汽吞吐产量；
21、基于相关系数法对所述地质参数和所述注汽参数进行相关性分析，以确定各个参数之间的相关系数；
22、基于各个参数之间的相关系数，以主成分分析法确定所述地质参数和所述注汽参数中的主控因素类型，以在所述训练样本集中筛选出主成分参数；
23、用所述训练样本集中的每个样本包括的主成分参数和单井蒸汽吞吐产量，对贝叶斯神经网络模型进行训练，以对所述贝叶斯神经网络模型进行参数估计。
24、可选的，获取训练样本集之后，还可以包括：
25、对所述训练样本集中的每个样本中包括的单井的所述地质参数和所述注汽参数进行标准化处理；相应的，
26、基于相关系数法对标准化处理后的地质参数和注汽参数进行相关性分析，以确定各个参数之间的相关系数。
27、第三方面，本发明实施例提供了一种稠油蒸汽吞吐参数优化装置，可以包括：
28、第一获取模块，用于获取目标井的地质参数和注汽参数；
29、第一筛选模块，用于基于所述目标井所在目标区块已开采井确定所述地质参数和所述注汽参数中的主控因素类型，在所述目标井的地质参数和所述注汽参数中筛选出主成分参数；
30、优化模块，用于将所述主成分参数输入到预先训练好的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型中，以得到优化后的稠油蒸汽吞吐参数。
31、第四方面，本发明实施例提供了一种稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练装置，可以包括：
32、第二获取模块，用于获取训练样本集，所述训练样本集中的每个样本包括单井的地质参数、注汽参数以及单井蒸汽吞吐产量；
33、相关性分析模块，用于基于相关系数法对所述地质参数和所述注汽参数进行相关性分析，以确定各个参数之间的相关系数；
34、第二筛选模块，用于基于各个参数之间的相关系数，以主成分分析法确定所述地质参数和所述注汽参数中的主控因素类型，以在所述训练样本集中筛选出主成分参数；
35、训练模块，用于用所述训练样本集中的每个样本包括的主成分参数和单井蒸汽吞吐产量，对贝叶斯神经网络模型进行训练，以对所述贝叶斯神经网络模型进行参数估计。
36、第五方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的稠油蒸汽吞吐参数优化方法，或实现如第二方面所述的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练方法。
37、第六方面，本发明实施例提供了一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的稠油蒸汽吞吐参数优化方法，或实现如第二方面所述的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练方法。
38、本发明实施例提供的上述技术方案的有益效果至少包括：
39、本发明实施例提供了一种稠油蒸汽吞吐参数优化方法、装置和相关设备，该方法广泛考虑稠油蒸汽吞吐井的地质参数和注汽参数，更为符合稠油油藏蒸汽吞吐的实际情况；同时，应用的朴素贝叶斯算法假设了数据集属性之间是相互独立的，算法的逻辑性十分简单，并且算法较为稳定，当数据呈现不同的特点时，朴素贝叶斯的分类性能不会有太大的差异，因此预测结果更为准确；进一步的，能够有效缓解汽窜水窜的问题，提高稠油油藏采收率，且对稠油油藏蒸汽吞吐效果评价提供一定的理论依据。
40、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
41、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
技术特征：
1.一种稠油蒸汽吞吐参数优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述贝叶斯神经网络模型通过下述方法预先训练得到的：
3.根据权利要求2所述的方法，其特征在于，获取训练样本集之后，还包括：
4.根据权利要求2所述的方法，其特征在于，所述基于各个参数之间的相关系数，以主成分分析法确定所述地质参数和所述注汽参数中的主控因素类型，以在所述训练样本集中筛选出主成分参数，包括：
5.根据权利要求2所述的方法，其特征在于，所述对贝叶斯神经网络模型进行训练，还包括：基于贝叶斯后验分布对所述贝叶斯神经网络模型的参数进行调整。
6.一种稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练方法，其特征在于，包括：
7.根据权利要求6所述的方法，其特征在于，获取训练样本集之后，还包括：
8.一种稠油蒸汽吞吐参数优化装置，其特征在于，包括：
9.一种稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练装置，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～5中任一项所述的稠油蒸汽吞吐参数优化方法，或实现如权利要求6或7所述的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练方法。
11.一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～5中任一项所述的稠油蒸汽吞吐参数优化方法，或实现如权利要求6或7所述的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型的训练方法。
技术总结
本发明公开了一种稠油蒸汽吞吐参数优化方法、装置和相关设备，该方法可以包括：获取目标井的地质参数和注汽参数；基于目标井所在目标区块已开采井确定地质参数和注汽参数中的主控因素类型，在目标井的地质参数和注汽参数中筛选出主成分参数；将主成分参数输入到预先训练好的稠油蒸汽吞吐参数优化用贝叶斯神经网络模型中，以得到优化后的稠油蒸汽吞吐参数。该方法广泛考虑稠油蒸汽吞吐井的地质参数和注汽参数，更为符合稠油油藏蒸汽吞吐的实际情况；同时，应用的朴素贝叶斯算法假设了数据集属性之间是相互独立的，算法的逻辑性十分简单，并且算法较为稳定，当数据呈现不同的特点时，朴素贝叶斯的分类性能不会有太大的差异，因此预测结果更为准确。
技术研发人员：薄兵,许安著,赵伦,张宸恺,何聪鸽,贾瀛,单发超,王成刚,王进财,杨姮
受保护的技术使用者：中国石油天然气股份有限公司
技术研发日：
技术公布日：2024/9/23