基于bk近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本技術(shù)屬于工業(yè)建模與優(yōu)化技術(shù)，涉及利用Bregman迭代、Kriging插值和近似動 態(tài)規(guī)劃方法提高三元復(fù)合驅(qū)原油采收率，具體地說是一種基于BK近似動態(tài)規(guī)劃的三元復(fù) 合驅(qū)優(yōu)化方法。 二、
【背景技術(shù)】
[0002] 石油開發(fā)在經(jīng)歷了天然開采的一次采油和水驅(qū)開采的二次采油之后，已經(jīng)進(jìn)入 加入化學(xué)驅(qū)替劑的三次采油階段。隨著開采的進(jìn)行，開采難度的加大，采收率越來越低， 且油的品質(zhì)逐漸下降，目前我國老油田含水率已高達(dá)80%以上，可采儲量采出程度也已達(dá) 63. 1%，已進(jìn)入高含水、高采出程度階段。如何進(jìn)一步提高采收率，大力發(fā)展三次采油技術(shù) 已成為石油工業(yè)發(fā)展的當(dāng)務(wù)之急。三元復(fù)合驅(qū)（堿/表面活性劑/聚合物）充分利用了驅(qū) 替劑之間的作用機(jī)理，可能的改變油水粘度、波及系數(shù)及界面張力，能進(jìn)一步提高采收率， 因此被越來越多的油田采用。
[0003] 目前關(guān)于三元復(fù)合驅(qū)提高采收率的研宄主要從兩個方面進(jìn)行：1.從作用機(jī)理方 面研宄驅(qū)替劑之間的相互作用以及對原油物化參數(shù)的影響；2.基于機(jī)理模型，通過數(shù)值模 擬軟件模擬實驗，人為選擇相對較好的注采策略。然而，三元復(fù)合驅(qū)作用機(jī)理和模型過于復(fù) 雜，難于求解，生產(chǎn)策略的制定過多依賴與操作者經(jīng)驗。因此，尋找合適的優(yōu)化方法得到最 優(yōu)注采方案就顯得尤為重要。
[0004] 近似動態(tài)規(guī)劃是近幾年新興起的一種動態(tài)規(guī)劃算法，該方法能避免傳統(tǒng)動態(tài)規(guī)劃 算法在求解模型過程中帶來的計算復(fù)雜度，通過逐步迭代逼近非線性系統(tǒng)的最優(yōu)控制解， 從而簡化計算，其基本思想是利用函數(shù)近似結(jié)構(gòu)逼近動態(tài)規(guī)劃方程中的性能指標(biāo)函數(shù)和控 制策略，以滿足最優(yōu)性原理從而獲得最優(yōu)控制和最優(yōu)性能指標(biāo)函數(shù)。在近似動態(tài)規(guī)劃中，最 常用的函數(shù)近似結(jié)構(gòu)是神經(jīng)網(wǎng)絡(luò)，然而，三元復(fù)合驅(qū)是復(fù)雜分布參數(shù)系統(tǒng)，狀態(tài)參數(shù)的分布 有很明顯的時空分布特征，一般的近似形式不能充分反映時空分布特性，Kriging插值是從 變量的相關(guān)性和變異性出發(fā)，它認(rèn)為樣本之間是相關(guān)的，且這種相關(guān)性隨相對距離和相對 方向變化，是在有限區(qū)域內(nèi)對區(qū)域化變量的取值進(jìn)行無偏最優(yōu)估計的一種方法。Kriging法 的基本思想是：在考慮了信息樣本的形狀、大小及其待估區(qū)相互之間的空間分布等幾何特 征，以及變量的空間結(jié)構(gòu)信息后，為了達(dá)到無偏差和最小估計方差，而對每個樣本賦予一定 的權(quán)值，利用加權(quán)平均值法對待估區(qū)的變量進(jìn)行估計。在上述近似動態(tài)規(guī)劃和Kriging相 結(jié)合的算法中，如何更新權(quán)值使得系統(tǒng)在迭代過程中逼近最優(yōu)解成為至關(guān)重要的問題。近 幾年剛興起的Bregman迭代由于其相對一般優(yōu)化方法存儲空間小、計算量小、計算速度快 而被廣泛采用，本發(fā)明利用Bregman迭代尋找最優(yōu)點，修正權(quán)值，通過定義和修正Bregman 距離，實現(xiàn)近似動態(tài)規(guī)劃的執(zhí)行網(wǎng)絡(luò)、模型網(wǎng)絡(luò)和評價網(wǎng)絡(luò)的逼近。綜合上述特點，本發(fā)明 提出了基于BK近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法，以得到最優(yōu)注采策略，實現(xiàn)經(jīng)濟(jì)效益 最大化。 三、
【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種基于BK近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法，其中B表 示Bregman迭代，K表示Kriging插值。該方法采用凈現(xiàn)值為性能指標(biāo)，以三元復(fù)合驅(qū)（即 堿、表面活性劑、聚合物）的機(jī)理模型為基礎(chǔ)，通過Bregman迭代和Kriging插值修正近似 動態(tài)規(guī)劃，最后通過改進(jìn)的近似動態(tài)規(guī)劃算法求解最優(yōu)注采策略。
[0006] 本發(fā)明的目的通過以下技術(shù)方案來實現(xiàn)的：
[0007] 該種基于BK近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法，包括以下內(nèi)容：
[0008] 1 ?建立三元復(fù)合驅(qū)優(yōu)化模型
[0009] (1)性能指標(biāo)
[0010] 采用利潤（凈現(xiàn)值）最大作為性能指標(biāo)，
【主權(quán)項】
1. 基于BK近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法，其中B表示Bregman迭代，K表示 Kriging插值。其特征在于：將Bregman迭代和Kriging插值相結(jié)合去改進(jìn)近似動態(tài)規(guī)劃 算法，并用于求解三元復(fù)合驅(qū)最優(yōu)注采策略；采用Kriging插值實現(xiàn)近似動態(tài)規(guī)劃的執(zhí)行 網(wǎng)絡(luò)、模型網(wǎng)絡(luò)和評價網(wǎng)絡(luò)；采用Bregman迭代對已知點的Bregman距離進(jìn)行迭代尋優(yōu)，獲 得最優(yōu)Kriging權(quán)值。
2. 基于BK近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法，其特征在于該方法依次含有以下步 驟： 步驟（1)三元復(fù)合驅(qū)數(shù)據(jù)預(yù)處理，控制u為驅(qū)替劑注入濃度，狀態(tài)x為油藏網(wǎng)格濃度、 含水飽和度、網(wǎng)格壓力，性能指標(biāo)J為凈現(xiàn)值，初始化執(zhí)行網(wǎng)絡(luò)和評價網(wǎng)絡(luò)的權(quán)值，以及折 扣因子Y，選擇合適的變差函數(shù)； 步驟（2)采用Kriging插值對執(zhí)行網(wǎng)絡(luò)逼近，由狀態(tài)x(k)和x(k-l)得到產(chǎn)生控制u(k)，計算效用函數(shù)U(k); 步驟（3)采用Kriging插值對模型網(wǎng)絡(luò)逼近，由狀態(tài)x(k)和u(k)得到下一階段狀態(tài)x(k+l)； 步驟（4)采用Kriging插值對評價網(wǎng)絡(luò)逼近，由狀態(tài)x(k+l)得到性能指標(biāo)^以+ 1): 步驟（5)采用Bregman迭代，以網(wǎng)絡(luò)誤差最小為原則，尋找最優(yōu)點，依次訓(xùn)練各網(wǎng)絡(luò)的 權(quán)值（即Kriging權(quán)值）； 步驟（6)判斷訓(xùn)練是否失敗，如失敗，返回步驟（4)，重新訓(xùn)練； 步驟（7)返回步驟⑵進(jìn)入下一次訓(xùn)練，若達(dá)到最大訓(xùn)練次數(shù)，訓(xùn)練結(jié)束。
3. 基于BK的網(wǎng)絡(luò)逼近方法，其特征在于該方法含有以下幾個方面： (1)選擇高斯模型作為變差函數(shù)估計已知點到待估點的距離，具體模型如下：
;變程約為，在原點處為拋物線型； ⑵定義Bregman距離（Dfhv) = /(?) -/(v)-</>,m-v>，這里J(x)為Rn-R的凸函 數(shù)，而pGRn為次微分d/(v)中的一個次梯度），利用該距離通過Bregman迭代尋找最優(yōu)點， 訓(xùn)練網(wǎng)絡(luò)權(quán)值，實現(xiàn)誤差最小化； (3)參考主元分析的思想，將已知點到待估點的距離進(jìn)行升序、降序排列，在實施過程 中可以根據(jù)實際需要，人為調(diào)整精度和計算復(fù)雜度。
【專利摘要】在三次采油階段，三元復(fù)合驅(qū)因其能顯著提高采收率而被廣泛關(guān)注，為了合理規(guī)劃生產(chǎn)策略，以實現(xiàn)利益最大化，本發(fā)明提出了一種基于BK近似動態(tài)規(guī)劃的三元復(fù)合驅(qū)優(yōu)化方法。該方法采用凈現(xiàn)值為性能指標(biāo)，以三元復(fù)合驅(qū)(即堿、表面活性劑、聚合物)的機(jī)理模型為基礎(chǔ)，通過近似動態(tài)規(guī)劃來逐步迭代逼近最優(yōu)解。其中，對于近似動態(tài)規(guī)劃的執(zhí)行網(wǎng)絡(luò)、模型網(wǎng)絡(luò)和評價網(wǎng)絡(luò)利用Kriging插值進(jìn)行估計，首先選擇高斯模型作為變差函數(shù)估計已知點到待估點的距離，再通過Bregman迭代對已知點的Bregman距離進(jìn)行尋優(yōu)，得到最優(yōu)點和最優(yōu)Kriging權(quán)值。最后利用該算法優(yōu)化三元復(fù)合驅(qū)模型的注入濃度，得到最優(yōu)注采策略。
【IPC分類】G06F19-00
【公開號】CN104809363
【申請?zhí)枴緾N201510270819
【發(fā)明人】葛玉磊, 李樹榮, 張曉東, 雷陽, 常鵬
【申請人】中國石油大學(xué)(華東)
【公開日】2015年7月29日
【申請日】2015年5月25日