BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC DẦU KHÍ VIỆT NAM
KHOA DẦU KHÍ
------------
BÁO CÁO THỰC TẬP TỐT NGHIỆP
KHỚP LỊCH SỬ TỰ ĐỘNG BẰNG PHẦN MỀM
tNAVIGATOR
ĐƠN VỊ THỰC TẬP
EASTSEA STAR
SOFTWARE CO.LTD
SV THỰC HIỆN:
Ôn Kim Thịnh; MSSV: 03PET110151
Lớp K3KKT
Thời gian thực tập: 06 tuần
Số buổi trong tuần: 05
Số buổi thực tập: 30
Tháng 03 /2018
LỜI CẢM ƠN
Thực tập tốt nghiệp là một cơ hội tốt để sinh viên có thể tìm hiểu thực tế công
việc của một kỹ sư dầu khí cũng như học hỏi thêm một số kiến thức cần thiết cho cộng
việc sau này. Từ đó trang bị cho sinh viên những kiến thức và kỹ năng cần thiết để hòa
nhập tốt hơn với môi trường làm việc trong ngành công nghiệp dầu khí.
Trong thời gian thực tập tại Công ty EastSea Star Software, em đã nhận được sự
giúp đỡ rất nhiệt tình từ đơn vị thực tập. Qua đây em xin cảm ơn anh Đoàn Việt Trung,
Giám đốc Công ty EastSea Star Software đã tạo điều kiện để em có một kỳ thực tập
thành công. Em xin chân thành cảm ơn anh Nguyễn Sơn Lam, kỹ sư Công nghệ mỏ của
Công ty Rock Flow Dynamics, đã chia sẻ những kiến thức quý báu để em có cái nhìn
thực tế và đầy đủ hơn về công việc khớp lịch sử cũng như các thuật toán phần mềm
tNavigator. Em cũng xin gửi lời cảm ơn đến Ban Giám hiệu, các Thầy, Cô tại Trường
đại học dầu khí Việt Nam đã tạo điều kiện tốt nhất để em có cơ hội thực tập, mở mang
thêm kiến thức để chuẩn bị cho đồ án tốt nghiệp, cũng như cho công việc trong tương
lai.
Một lần nữa, em xin chân thành cảm ơn sâu sắc!
SINH VIÊN BÁO CÁO
Ôn Kim Thịnh
MỤC LỤC
TỔNG QUAN VỀ ĐƠN VỊ THỰC TẬP .....................................................................1
NỘI DUNG BÁO CÁO .................................................................................................3
CHƯƠNG 1: TỔNG QUAN VỀ KHỚP LỊCH SỬ ....................................................3
1.1.
Khớp lịch sử là gì? ........................................................................................3
1.2.
Mục tiêu khớp các đặc tính của vỉa chứa ...................................................3
1.3.
Các thông số cần được khớp ........................................................................4
1.4.
Các bước trong quá trình khớp lịch sử ......................................................4
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT KHỚP LỊCH SỬ TỰ ĐỘNG ..........................6
2.1.
Hàm mục tiêu (Objective function – OF) ...................................................6
2.2.
Thí nghiệm phân tích độ nhạy (Sensitivity Analysis) ................................7
2.3.
Thí nghiệm chưa chắc chắn (Uncertainty Analysis) .................................8
2.4.
Một số thuật toán tối ưu hóa (Optimization Algorithm) ........................10
2.4.1. Thuật toán Particle Swarm Optimization (PSO) ..............................10
2.4.2. Thuật toán Differential Evolution (DE) .............................................11
2.5.
Khối thuật toán khớp lịch sử tự động bằng phần mềm tNavigator.......12
CHƯƠNG 3: ÁP DỤNG KHỐI THUẬT TOÁN KHỚP LỊCH SỬ TỰ ĐỘNG VÀ
KẾT QUẢ THU ĐƯỢC ..............................................................................................14
3.1.
Đối tượng nghiên cứu .................................................................................14
3.1.1. Mô tả mô hình mô phỏng ....................................................................14
3.1.2. Số liệu đầu vào mô hình ......................................................................15
3.1.3. Điều kiện ban đầu ................................................................................16
3.2.
Xác định biến số và khoảng giá trị ............................................................18
3.3.
Phân tích độ nhạy (sensitivity analysis) ....................................................19
3.4.
Chạy thí nghiệm không chắc chắn (uncertainty analysis) ......................21
3.5.
Chạy thuật toán tối ưu hóa ........................................................................22
3.6.
Phân tích kết quả khớp lịch sử ..................................................................24
KẾT LUẬN VÀ KIẾN NGHỊ .....................................................................................30
DANH SÁCH HÌNH VẼ .............................................................................................31
TÀI LIỆU THAM KHẢO...........................................................................................33
Báo cáo thực tập tốt nghiệp
TỔNG QUAN VỀ ĐƠN VỊ THỰC TẬP
GIỚI THIỆU VỀ CÔNG TY
Công ty TNHH MTV Ngôi Sao Biển Đông (hay còn được gọi là Eastsea Star Software
Company Limited) là công ty dịch vụ kỹ thuật dầu khí được thành lập từ năm 2009 tại
TP. Hồ Chí Minh bởi các nhà khoa học địa chất có nhiều kinh nghiệm, các kĩ sư dầu khí
có nhiều năm làm việc tại các bể Cửu Long, Nam Côn Sơn. Phương châm của công ty
là “Your Success, Our Mision”.
CHỨC NĂNG, NHIỆM VỤ VÀ CƠ CẤU TỔ CHỨC
-
Chức năng và nhiệm vụ
Hiện nay, công ty đang cung cấp các phần mềm, tư vấn, hỗ trợ kỹ thuật, thiết bị và dịch
vụ cho khách hàng. Sản phẩm chính của công ty là phần mềm Well-InsightTM có thể tích
hợp xử lí cho các vỉa khác nhau từ vỉa đá móng đến vỉa trầm tích. Ngoài ra, công ty cũng
cung cấp các phần mềm khác cho khách hàng như: Seismic Interpretation from
Downunder Geosolutions, tNavigator from Rock Flow Dynamics, Dynamic Simulation
from Kappa Engineering, Production Modeling and Digital Oilfield from Petroleum
Experts, Hydraulic Fracture Design from NSI Technologies, E&P Database from Rystad
Energy and Well Intervention from National Oilwell Varco.
-
Cơ cấu tổ chức của công ty
Giám đốc công ty là Ông Đoàn Viết Trung, cùng với khoảng 20 kỹ sư dầu khí và kỹ sư
lập trình viên và 10 nhân viên.
Kỹ sư dầu khí
Kỹ sư địa chất
địa vật lý
Giám Đốc
Kỹ sư lập trình
phần mềm
Kỹ sư công nghệ
mỏ
1
Báo cáo thực tập tốt nghiệp
NỘI DUNG CÔNG VIỆC ĐƯỢC GIAO
Mục tiêu và nội dung công việc
Ban đầu, sinh viên được giới thiệu tổng quan về Công ty TNHH MTV phần mềm Ngôi
Sao Biển Đông và cơ cấu tổ chức, nhiệm vụ của công ty và chức năng của phòng kỹ
thuật. Sau đó được sự hướng dẫn, giúp đỡ của các anh chị kỹ sư cùng với sự góp ý của
giáo viên hướng dẫn tại trường Đại học Dầu khí Việt Nam, sinh viên đã xác định được
đề tài nghiên cứu của mình.
Tên đề tài: Khớp lịch sử tự động bằng phần mềm tNavigator
Phương pháp thực hiện
Trong suốt thời gian thực tập, sinh viên chủ yếu nghiên cứu các tài liệu về mô phỏng
vỉa và khớp lịch sử tự động. Tiếp theo là nghiên cứu các thuật toán trong module khớp
lịch sử tự động của phần mềm tNavigator (Assisted History Matching – AHM) nhằm
tìm ra cách thức tiết kiệm thời gian cho công việc khớp lịch sử. Cuối cùng sinh viên áp
dụng các thuật toán đã nghiên cứu rồi tiến hành chạy khớp lịch sử trên data demo và
đánh giá độ tin cậy của mô hình đã được khớp lịch sử.
2
Báo cáo thực tập tốt nghiệp
NỘI DUNG BÁO CÁO
CHƯƠNG 1: TỔNG QUAN VỀ KHỚP LỊCH SỬ
1.1.
Khớp lịch sử là gì?
Mục đích của một nghiên cứu mô hình số là dự đoán đặc tính vỉa chứa chi tiết hơn và
chính xác hơn so với những gì có thể ngoại suy bằng các kỹ thuật đơn giản. Nó là trực
quan, có thể thấy rằng đối với một mô hình để ứng xử giống như vỉa chứa, nó phải được
xây dựng tương tự như vỉa. Sự khác biệt đáng kể giữa dữ liệu xác định vỉa chứa trong
mô hình số và giá trị thực tế của các thông số điều chỉnh đặc tính vỉa chứa sẽ gây ra
những sai số tương ứng trong quá trình mô phỏng. Thật không may, hiếm khi chúng ta
biết đầy đủ về một vỉa chứa để phát triển một mô hình chính xác chấp nhận được mà
không cần kiểm tra nó bằng một cách nào đó và thay đổi các đặc tính của nó cho đến
khi nó vượt qua được phép thử. Phương pháp hữu ích nhất và thường là cách duy nhất
để kiểm tra mô hình này là mô phỏng đặc tính trong quá khứ của vỉa chứa và đem so
sánh giữa mô phỏng với dữ liệu lịch sử thực tế. Mô hình hóa đặc tính trong quá khứ sẽ
xác định những điểm yếu trong dữ liệu, đề xuất các sửa đổi cần thiết để cải thiện mô
hình và chứng minh chất lượng của mô phỏng vỉa chứa cuối cùng chấp nhận được. Nếu
những thay đổi được thực hiện trong mô hình để buộc nó mô phỏng đặc tính lịch sử phù
hợp với một mô tả toàn diện và hợp lý của vỉa chứa, quá trình kết hợp lịch sử này có thể
là một kỹ thuật đặc biệt hữu ích và rất mạnh mẽ.
Khớp lịch sử có thể tốn nhiều thời gian, tốn kém và khá khó khăn vì đặc tính vỉa chứa
có thể phức tạp với nhiều tương tác mà tổng thể có thể khó xác định. Để làm cho quy
trình có thể quản lý được, chúng ta nên tách nó thành một số bước cụ thể, riêng lẻ. Mặc
dù không có cách nào để khớp lịch sử được áp dụng rộng rãi, có một vài kỹ thuật cho
quá trình khớp.
1.2.
Mục tiêu khớp các đặc tính của vỉa chứa
Rõ ràng từ các nhận xét giới thiệu rằng các mục tiêu cơ bản của khớp lịch sử là để kiểm
tra và cải tiến mô hình vỉa. Ngoài ra còn có mục tiêu phụ, một số trong đó có thể trở nên
rõ ràng chỉ trong quá trình khớp lịch sử. Ví dụ, khớp lịch sử sẽ góp phần hiểu rõ đặc tính
3
Báo cáo thực tập tốt nghiệp
hiện tại của vỉa chứa, bao gồm sự phân bố chất lưu và sự dịch chuyển chất lưu và cũng
có thể để xác minh hoặc xác định cơ chế suy giảm hiện tại. Nó sẽ cho phép đưa ra một
mô tả vỉa chứa, bao gồm dầu và khí đốt tại chỗ, ở các khu vực của vỉa chứa nơi không
có dữ liệu, và sẽ cung cấp các chi tiết cần thiết cho các kế hoạch phát triển mỏ và thiết
lập mục tiêu thu thập dữ liệu. Đôi khi, khớp lịch sử có thể dẫn đến việc phát hiện ra vấn
đề trong vận hành, rò rỉ ống, rò rỉ các chất lưu vào giếng khoan, v.v... Ngoài ra, một mô
hình có độ tin cậy cao có thể là một công cụ giám sát vỉa chứa tuyệt vời.
1.3.
Các thông số cần được khớp
Dữ liệu phân tích mẫu lõi và dữ liệu logging có thể xác định độ rỗng và sự phân bố chất
lưu ban đầu nếu dữ liệu có đủ số lượng và chất lượng. Dữ liệu độ thấm thường là rất hạn
chế, cả theo chiều ngang và theo chiều dọc để có thể mô phỏng vỉa chứa một cách đầy
đủ. Phân tích ứng xử tạm thời của các giếng cụ thể (một hình thức khớp lịch sử) là một
kỹ thuật chuẩn để xác định độ thấm trong vùng xung quanh giếng. Dữ liệu tầng nước
đáy luôn luôn rất thưa thớt và thường xuyên phải sử dụng dữ liệu khai thác thực tế để
xác định quy mô của tầng nước đáy, khả năng dẫn truyền và mức độ phủ nước.
Trong báo cáo này tác giả lựa chọn khớp các thông số: lưu lượng khai thác dầu, lưu
lượng nước và độ ngập nước trong các giếng khai thác.
1.4.
Các bước trong quá trình khớp lịch sử
Hiện nay có rất nhiều phương pháp thực hiện khớp lịch sử, mỗi phương pháp bao gồm
nhiều bước khác nhau. Tuy nhiên nhìn chung thì các bước sẽ thực hiện trong quá trình
khớp lịch sử bao gồm:
1. Xác lập mục tiêu của quá trình khớp lịch sử.
2. Xác định phương pháp sẽ sử dụng để khớp lịch sử. Phương pháp này thường được
quyết định bởi mục tiêu của khớp lịch sử, nguồn lực của công ty, giới hạn thời gian cho
phép, và dữ liệu có sẵn.
4
Báo cáo thực tập tốt nghiệp
3. Xác định dữ liệu khai thác thực tế cần được khớp và tiêu chuẩn để xem khớp đã thành
công hay chưa. Những tiêu chí này được quyết định bởi lượng dữ liệu khai thác thực tế
cũng như độ tin cậy của dữ liệu, và mục tiêu của mô phỏng vỉa.
4. Xác định thông số nào của vỉa có thể được hiệu chỉnh trong suốt quá trình khớp lịch
sử và khoảng giá trị hợp lý cho các thông số này. Các thông số được chọn nên là những
thông số có giá trị không chắc chắn nhất do hiểu biết về vỉa chưa đầy đủ, nhưng các
thông số này phải có ảnh hưởng rõ rệt đến quy trình khai thác. Bước xử lý này yêu cầu
sự hợp tác giữa các kỹ sư công nghệ mỏ, địa chất, và đội ngũ đang làm việc trực tiếp tại
mỏ.
5. Mô phỏng khớp lịch sử với những dữ liệu tốt nhất sẵn có.
6. Đánh giá xem mô hình có đạt yêu cầu hay không. Nếu chưa đạt yêu cầu phải tiến
hành lại bước 4.
7. Tiếp tục thực hiện các bước 5, 6 cho đến khi đạt tiêu chuẩn như mô tả ở bước 3.
5
Báo cáo thực tập tốt nghiệp
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT KHỚP LỊCH SỬ TỰ
ĐỘNG
2.1.
Hàm mục tiêu (Objective function – OF)
Hàm mục tiêu (OF) là một thước đo độ chênh lệch giữa dữ liệu thực tế và giá trị tính
toán mô phỏng của một vài tham số (áp suất, lưu lượng dầu, nước…). Hàm mục tiêu là
một tiêu chí quan trọng để lựa chọn một mô hình khớp lịch sử sát nhất so với dữ liệu
thực tế. Ví dụ: tổng độ chênh lệch của lưu lượng dầu, áp suất và độ ngập nước. Nếu mô
hình khớp lịch sử được lựa chọn chỉ dựa trên một tham số, ví dụ như lưu lượng dầu, thì
có khả năng sẽ không khớp các tham số khác, như áp suất và độ ngập nước. Do đó giá
trị của hàm mục tiêu là tiêu chí quan trọng nhất để lựa chọn mô hình khớp lịch sử phù
hợp. Các thuật toán của phần mềm tNavigator đều có mục đích là để làm giảm hàm mục
tiêu, tức là giảm sai số giữa giá trị tính toán và giá trị lịch sử.
Công thức tính hàm mục tiêu:
𝑁
𝑂𝐹 = ∑ 𝑊𝑜𝑏𝑗(∑ 𝑊𝑝(∑ 𝐿 ∗ 𝑆))
𝑜𝑏𝑗
𝑝
𝑛=𝑘
Trong đó: obj có thể là các giếng hoặc nhóm giếng
Wobj là trọng số của giếng hoặc nhóm giếng
p là tham số, ví dụ: lưu lượng dầu, nước, áp suất…
Wp là trọng số của tham số
n là bước thời gian (n=1,2,…,N)
L là độ dài của một bước thời gian (time step)
S là độ lệch
Có hai loại độ lệch:
Độ lệch tuyệt đối:
Độ lệch tương đối:
𝑆=(
𝑣𝑎𝑙𝑢𝑒(𝐻)−𝑣𝑎𝑙𝑢𝑒(𝐶) 2
)
𝑔
𝑣𝑎𝑙𝑢𝑒(𝐻)−𝑣𝑎𝑙𝑢𝑒(𝐶) 2
𝑆=(
𝑔.𝑣𝑎𝑙𝑢𝑒(𝐻)
)
6
Báo cáo thực tập tốt nghiệp
Trong đó g là giá trị lệch được xác định bởi người dùng. Ví dụ nếu g = 0.05 và độ lệch
là tương đối thì khi S < 1, mức độ chênh lệch giữa value(H) và value(C) không vượt quá
5%.
Để làm cho hàm OF khách quan, càng trở nên nhỏ càng tốt, hầu hết các kỹ thuật tính
toán mức độ thay đổi trong OF do sự thay đổi trong mỗi tham số vỉa chứa. Các giá trị
phát sinh một phần của OF được sử dụng để cải thiện ước tính của các thông số vỉa chứa
mà cuối cùng sẽ được thay đổi để giảm OF đến giá trị thấp nhất có thể. OF phải được
đánh giá không chỉ cho một bộ cơ sở các điều kiện mà còn cho một số bộ bổ sung tương
ứng với số lượng các biến vỉa chứa sẽ bị thay đổi. Tỷ số của sự thay đổi trong OF với
sự thay đổi trong biến tất cả các biến khác được giữ ở giá trị cơ sở là phép ước lượng số
của các phần tử rời rạc của OF đang được đánh giá. Các kỹ thuật mới đã tìm cách làm
giảm các tác vụ máy tính cần thiết để tính toán phần dẫn xuất từng phần của OF. Các
phương pháp khác nhau tiến hành ở các tỷ lệ khác nhau với giá trị tối ưu của OF; Một
số phương pháp đòi hỏi nhiều lần thử nghiệm và thực hiện các phép xấp xỉ liên tiếp
nhiều lần trước khi hội tụ trên OF thấp nhất hoặc phù hợp nhất của dữ liệu. Các ước tính
ban đầu của các thông số vỉa chứa có thể thu được bằng các mô hình đơn giản trước khi
tiến tới giai đoạn kết hợp cuối cùng với mô hình mô phỏng đầy đủ.
2.2.
Thí nghiệm phân tích độ nhạy (Sensitivity Analysis)
Nhờ thí nghiệm phân tích độ nhạy chúng ta có thể đánh giá được độ tin cậy của các biến
số cũng như khoảng giá trị của chúng. Nếu qua thí nghiệm này có thể tìm được mô hình
khớp hoặc gần khớp thì các biến số và khoảng giá trị của chúng là đáng tin cậy. Tiếp đó
có thể tiến hành các bước tiếp theo dựa trên các biến số và khoảng giá trị đáng tin cậy
này.
7
Báo cáo thực tập tốt nghiệp
Hình 1: Đánh giá kết quả sensitivity analysis
Ngược lại, nếu giá trị tính toán được trong mô phỏng chênh lệch quá nhiều so với dữ
liệu thực tế, mà chúng ta cứ tiếp tục với các biến số và các khoảng giá trị đó, thì chỉ mất
thời gian mà vẫn không tìm được một mô hình thích hợp. Trong trường hợp này ta nên
thay đổi biến số hoặc thay đổi khoảng giá trị của biến số rồi tiến hành phân tích độ nhạy
lại lần nữa.
2.3.
Thí nghiệm chưa chắc chắn (Uncertainty Analysis)
Thí nghiệm không chắc chắn được sử dụng khi đã xác định được khoảng biến thiên của
biến số, nhưng chưa chắc chắn biến số đó có giá trị khớp lịch sử là bao nhiêu. Thí nghiệm
chưa chắc chắn được sử dụng nhiều nhất có thể kể đến Latin hypercube vì tính hiệu quả
của nó. Thí nghiệm này phân chia không gian của các khoảng biến thiên của biến số ra
thành các khoảng bằng nhau, sau đó lựa chọn giá trị của mỗi mô hình sao cho mỗi dòng
hoặc mỗi cột của không gian chỉ có một giá trị được lựa chọn. Hình dưới đây minh họa
cho thí nghiệm Latin hypercube:
8
Báo cáo thực tập tốt nghiệp
Hình1.2:1:Thí
Hình
Thínghiệm
nghiệmLatin
Latinhypercube
hypercube
Trong hình bên trái, không gian 2 chiều đặc trưng cho 02 biến số. Người dùng tạo ra 04
mô hình khác nhau dựa trên 2 biến này, thế nên không gian 2 chiều được chia thành 04
dòng và 04 cột. Sau đó 04 mô hình được lựa chọn sao cho mỗi dòng hoặc mỗi cột chỉ
có một giá trị được chọn.
Trong hình bên phải, không gian 3 chiều đặc trung cho 03 biến số. Người dùng tạo ra
03 mô hình khác nhau dựa trên 3 biến số này. Tương tự như cách phân chia không gian
ở ví dụ trước, ta được 03 mô hình như trong hình minh họa.
Hình 3: Thí nghiệm Latin hypercube 02 biến số, 100 mô hình được khởi tạo
Trong ví dụ trên hình 1.3, không gian 2 chiều đặc trưng cho 02 biến số, người dùng tạo
ra 100 mô hình. Thí nghiệm Latin hypercube tự động tạo ra giá trị cho các mô hình, vì
thế nếu chạy song song 2 thí nghiệm Latin hypercube trên cùng một máy tính với các
khoảng biến thiên như nhau, thì kết quả thu được vẫn sẽ khác nhau.
9
Báo cáo thực tập tốt nghiệp
2.4.
Một số thuật toán tối ưu hóa (Optimization Algorithm)
Trên phương diện toán học, tối ưu hóa (optimization) là tìm ra giá trị tối đa và tối thiểu
của một đại lượng nào đó. Trong khớp lịch sử tự động, chúng ta sử dụng các thuật toán
tối ưu hóa để làm giảm hàm mục tiêu nhiều nhất có thể, tức là giảm sự chênh lệch giữa
số liệu tính toán mô phỏng với số liệu thực tế. Trong báo cáo này tác giả giới thiệu 2
thuật toán được sử dụng rộng rãi trong phần mềm tNavigator: Particle Swarm
Optimization và Differential Evolution.
2.4.1.
Thuật toán Particle Swarm Optimization (PSO)
Thuật toán PSO được phát triển bởi Kennedy và Eberhart (1995). Thuật toán lấy ý tưởng
từ ứng xử bầy đàn của một bầy chim (particles), cố gắng di cư đến một địa điểm chưa
được xác định. Mỗi phần từ trong bầy sẽ tìm nơi đậu theo một hướng nhất định, sau đó
giao tiếp với nhau và quyết định phần tử nào đang ở vị trí tốt nhất. Sau đó mỗi phần tử
sẽ tăng tốc hướng về phần tử có vị trí tốt nhất và mỗi phần tử tiếp tục khảo sát tìm điểm
đến tốt hơn, sau đó lại giao tiếp với nhau và quyết định lại phần tử nào đang ở vị trí tốt
nhất. Quá trình này được lặp lại cho đến khi cà đàn chim đến được vị trí mong muốn.
Trong thuật toán này, mỗi cá thể có 03 giá trị đặc trưng: vị trí hiện tại, vị trí tốt nhất (cũ),
và vận tốc bay.
Cơ chế của thuật toán có thể được diễn tả như sau: trong mỗi chu trình lặp, mỗi cá thể
của bầy đàn cập nhật vị trí của nó. Công thức cập nhật vận tốc:
𝑉 (𝑛𝑒𝑤 ) = 𝑤. 𝑉 (𝑜𝑙𝑑 ) + 𝑟1. 𝑛𝑜𝑠𝑡𝑎𝑙𝑔𝑖𝑎. (𝐿𝐵𝑒𝑠𝑡 − 𝑋 ) + 𝑟2. 𝑠𝑜𝑐𝑖𝑎𝑙𝑖𝑡𝑦. (𝐺𝐵𝑒𝑠𝑡 − 𝑋)
Trong đó: V là vận tốc của phần tử
X là vị trí của phần tử, tương ứng với giá trị của biến số
LBest là vị trí tốt nhất cho từng phần tử riêng biệt
GBest là vị trí tốt nhất cho toàn bộ bầy đàn
w là hệ số quán tính
10
Báo cáo thực tập tốt nghiệp
r1 và r2 là các số ngẫu nhiên thuộc [0,1]
nostalgia là hệ số đặc trưng cho xu hướng phần tử tiến đến vị trí LBest
sociality là hệ số đặc trung cho xu hướng phần tử tiến đến vị trí GBest
Hình 4: Thuật toán Particle Swarm Optimization
2.4.2.
Thuật toán Differential Evolution (DE)
Thuật toán DE được lấy ý tưởng từ sự tiến hóa chọn lọc tự nhiên của sinh vật. Những
cá thể có đặc tính tốt, phù hợp với môi trường sống sẽ được tiếp tục duy trì qua thế hệ
sau. Trong khi đó những sinh vật có đặc tính không phù hợp với môi trường sống sẽ bị
đào thải.
11
Báo cáo thực tập tốt nghiệp
Hình 5: Quá trình chọn lọc tự nhiên trong giới sinh vật
Những đặc tính tốt nhất của các cá thể được duy trì qua thế hệ sau, dần dần tiến đến
trạng thái tối ưu thông qua quá trình sinh sản. Tương tự cho thuật toán DE, có thể nói
một cách trửu tượng, mô hình khớp lịch sử đầu tiên là “thô sơ” nhất, càng về sau các mô
hình sẽ càng được cải thiện, mô hình sau sẽ giữ lại các giá trị biến số tốt của mô hình
trước và loại bỏ đi những giá trị biến số không tốt.
Quá trình “sinh sản” của các mô hình có thể tóm gọn như sau:
Giai đoạn 1 – chọn lọc: loại bỏ đi những mô hình có độ khớp ít nhất
Giai đoạn 2 – nhân giống: kết hợp những thuộc tính mong muốn của các mô hình
để tạo nên những mô hình “con” có độ khớp cao hơn.
Giai đoạn 3 – biến dị: từ mô hình “con”, chương trình sẽ tự tạo ra các mô hình
“biến dị” với giá trị các biến số thay đổi, làm tăng độ đa dạng của các mô hình
khớp lịch sử.
2.5.
Khối thuật toán khớp lịch sử tự động bằng phần mềm tNavigator
12
Báo cáo thực tập tốt nghiệp
13
Báo cáo thực tập tốt nghiệp
CHƯƠNG 3: ÁP DỤNG KHỐI THUẬT TOÁN KHỚP LỊCH
SỬ TỰ ĐỘNG VÀ KẾT QUẢ THU ĐƯỢC
Đối tượng nghiên cứu
3.1.
3.1.1.
Mô tả mô hình mô phỏng
Mô hình này là demo data được xây dựng bởi SPE, là mô hình một độ thấm, một độ
rỗng, với mỗi ô lưới được gán cho một giá trị độ thấm hiệu dụng và giá trị độ rỗng hiệu
dụng.
Mô hình này bao gồm 2660 ô lưới theo các phương x, y và z như sau 19 x 28 x 5. Trong
đó có 1761 ô lưới có hiệu lực trong quá trình tính toán (active). Kích thước trung bình
của các ô lưới vào khoảng 180 x 180 x 4m. Các giá trị độ rỗng ban đầu chạy từ 0.0727
đến 0.2815, độ thấm ban đầu chạy từ 0.0186 đến 68.784 mD cho phương x,y và 1.8557
đến 6878.5 mD cho phương z.
Để thuận tiện cho quá trình khớp lịch sử tự động bằng phần mềm tNavigator, mô hình
được chia làm 04 vùng Fluid-In-Place regions (FIP regions) như hình bên dưới. Trong
báo cáo này, giá trị độ thấm của tất cả các ô thuộc một vùng FIP đều được nhân với một
thừa số, thừa số này có giá trị thay đổi sao cho khớp lịch sử là chấp nhận được, là một
trong những biến số cần xác định.
14
Báo cáo thực tập tốt nghiệp
Hình 6: Đối tượng nghiên cứu
3.1.2. Số liệu đầu vào mô hình
Tính chất dầu vỉa
Hình 7: Độ nhớt dầu vỉa và hệ số thể tích thành hệ dầu
Độ thấm pha
15
Báo cáo thực tập tốt nghiệp
RP Water
RP Oil
1
Relative Permeability
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Water Saturation
Hình 8: Đô thấm tương đối dầu – nước
3.1.3.
Điều kiện ban đầu
Phân bố độ rỗng ban đầu
Hình 9: Phân bố độ rỗng ban đầu
Phân bố độ thấm ban đầu
16
- Xem thêm -