Resumen

El método de optimización del control de pozos es una tecnología clave para ajustar la dirección del flujo de la inyección de agua y mejorar el efecto del desarrollo de los yacimientos petrolíferos. El método de optimización de control de pozos existente se basa principalmente en algoritmos de optimización y simuladores numéricos. Ante modelos más grandes, periodos de optimización más largos o modelos de yacimientos con un gran número de pozos optimizados, hay muchas variables de optimización, lo que provocará dificultades de convergencia del algoritmo y costes de optimización. El efecto de la aplicación no es bueno debido a los problemas de longitud de tiempo, pocos esquemas de comparación y sólo una frecuencia de control fija. Este trabajo propone un nuevo método de optimización de control de pozos basado en una red neuronal profunda de múltiples entradas. Este método toma los datos del historial de producción del yacimiento como entrada principal y el campo de saturación como entrada auxiliar y establece una red neuronal profunda de múltiples entradas para el aprendizaje, formando un modelo de predicción dinámica de la producción en lugar de los simuladores numéricos convencionales. Basándose en el modelo de predicción dinámica de la producción, se lleva a cabo una serie de generación de modelos, predicción de la producción, comparación y optimización para encontrar el mejor plan de producción del yacimiento. Los resultados de los cálculos de los ejemplos muestran que (1) en comparación con el modelo de predicción dinámica de la producción de una sola entrada, el modelo de predicción dinámica de la producción basado en múltiples entradas tiene una mayor precisión de predicción, y los resultados se acercan a los resultados de cálculo del simulador numérico convencional; (2) el método de optimización del control de pozos basado en la red neuronal profunda de múltiples entradas tiene una rápida velocidad de optimización, con muchos esquemas de comparación y un buen efecto de optimización.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:modelo de predicción dinámica, métodos de optimización de control, red neuronal profunda, simulador numérico convencional, optimización de control de pozos, resultados de cálculo, buenos efectos de optimización, efectos de yacimiento, producción, problema de tiempo
• Keywords:dynamic prediction model, control optimization methods, deep neural network, conventional numerical simulator, well control optimization, calculation results, good optimization effects, effects of oilfield, production, problem of time