聶建英，左 信，胡意茹

(中國(guó)石油大學(xué)，北京 102249)

引 言

世界上許多在產(chǎn)的大型油氣田在經(jīng)歷了增產(chǎn)、穩(wěn)產(chǎn)階段后，在20世紀(jì)90年代都相繼進(jìn)入產(chǎn)量遞減階段，依靠天然能量采油已無法保持有效的工業(yè)產(chǎn)能。利用人工注水保持油層開采壓力提高產(chǎn)量的方式，在世界范圍內(nèi)獲得了廣泛應(yīng)用，是油田的主要開采方式。但是受油藏非均質(zhì)性等復(fù)雜地質(zhì)條件的影響，二次注水采油方法只能達(dá)到20% ～40%的原油采收率，還有2/3的剩余油被留在地下[1]。20世紀(jì)90年代興起和快速發(fā)展的智能完井技術(shù)(smart wells、intelligent wells或i-wells)，為提高水驅(qū)采收率提供了新的思路。行業(yè)預(yù)計(jì)通過智能井技術(shù)，原油采收率能夠達(dá)到70%甚至更高[2]。隨著智能井硬件技術(shù)的成熟，如何充分利用新技術(shù)優(yōu)勢(shì)，實(shí)現(xiàn)油氣資源開發(fā)經(jīng)濟(jì)價(jià)值最優(yōu)化和最大化，成為各石油公司和高校研究機(jī)構(gòu)新的關(guān)注重點(diǎn)。其中，基于現(xiàn)代控制理論的閉環(huán)油藏管理概念一經(jīng)提出，便引發(fā)了相關(guān)理論研究熱潮[3]。該理念將過程控制領(lǐng)域處理不確定性、非線性和多尺度優(yōu)化的控制理論，以及氣象學(xué)海洋學(xué)處理大規(guī)模流體模型(多達(dá)上百萬(wàn)個(gè)狀態(tài)變量)的數(shù)據(jù)同化技術(shù)引入現(xiàn)代油藏管理?；谀Ｐ偷挠筒囟嗫捉橘|(zhì)中多相流前緣控制，為現(xiàn)代控制理論在上游石油工業(yè)中廣泛應(yīng)用提供了新契機(jī)。

1 石油開采控制模式

將經(jīng)典閉環(huán)控制理論應(yīng)用于石油開發(fā)，首先需要在管理決策、經(jīng)濟(jì)評(píng)價(jià)、油氣儲(chǔ)運(yùn)等各個(gè)部門對(duì)產(chǎn)量的約束條件下，根據(jù)油藏模型制訂開發(fā)區(qū)塊的目標(biāo)產(chǎn)量，作為控制回路的設(shè)定值。將該目標(biāo)產(chǎn)量與智能井開采系統(tǒng)獲得的實(shí)際產(chǎn)量相比較，根據(jù)偏差和油藏模型，控制器輸出相應(yīng)控制指令操縱智能井流入控制閥動(dòng)作，達(dá)到控制生產(chǎn)的目的。圖1為石油生產(chǎn)過程的閉環(huán)控制框圖。事實(shí)上，油藏模型并非一成不變，在整個(gè)生產(chǎn)過程中油藏會(huì)經(jīng)歷歷史擬合、動(dòng)態(tài)預(yù)測(cè)以及校正和完善的階段。這要求油藏工程師根據(jù)井下監(jiān)測(cè)設(shè)備獲取的新生產(chǎn)數(shù)據(jù)來不斷優(yōu)化油藏模型，使之不斷完善并符合實(shí)際。

常規(guī)井主要依靠周期性修井測(cè)井獲取油藏和油井井下信息。這些方法通常是針對(duì)某種具體情況或根據(jù)修井和井下干擾作業(yè)計(jì)劃安排而實(shí)施的，作業(yè)時(shí)間可能不是診斷生產(chǎn)問題或油藏變化的最佳時(shí)機(jī)。此外，定期監(jiān)測(cè)技術(shù)涉及的生產(chǎn)作業(yè)成本和對(duì)生產(chǎn)收入造成的損失可能非常高，尤其是海底設(shè)備的作業(yè)費(fèi)用更是驚人。常規(guī)完井是一種被動(dòng)的作業(yè)模式，20世紀(jì)90年代提出的智能井技術(shù)，有望將該過程從被動(dòng)響應(yīng)變?yōu)橹鲃?dòng)控制[4]。

圖1 石油開采過程的閉環(huán)控制框圖

2 閉環(huán)油藏管理的依托設(shè)備——智能井

智能井是一種無需實(shí)施修井作業(yè)的新技術(shù)。它通過在油氣生產(chǎn)井或注入井中安裝各種永久式井下傳感器，實(shí)時(shí)動(dòng)態(tài)采集井下的溫度、壓力和流量等各種生產(chǎn)數(shù)據(jù)。地面的中央控制系統(tǒng)對(duì)采集到的各種數(shù)據(jù)進(jìn)行篩選、分析和歸納，判斷井下生產(chǎn)的各種情況，并通過油藏模擬得出最佳的開采或注入方案，進(jìn)一步從地面驅(qū)動(dòng)安裝在井下的流量控制設(shè)備，從而實(shí)現(xiàn)對(duì)井下生產(chǎn)或注入動(dòng)態(tài)的實(shí)時(shí)管理[5]。

圖2 智能井示意圖

相對(duì)于常規(guī)井，智能井最顯著的特點(diǎn)是增加了永久式井下監(jiān)測(cè)設(shè)備和(或)可遙控的井下控制設(shè)備，如圖2所示[4]。永久式井下監(jiān)測(cè)設(shè)備是一些安裝在井下并間隔分布于整個(gè)井筒的各類溫度、壓力和流量等傳感器。它們能夠?qū)崟r(shí)獲得井下信息并上傳至中控室，資料具有較強(qiáng)的連續(xù)性。長(zhǎng)期持續(xù)記錄的生產(chǎn)數(shù)據(jù)克服了不穩(wěn)定試井分析所引起的模糊性和不確定性，也有助于油藏工程師更加準(zhǔn)確建模。

可遙控的井下控制設(shè)備主要包括井下流入控制閥ICV(Inflow Control Valve)和井下油水分離器，本文重點(diǎn)討論流入控制閥ICV。以智能水平井為例，井下流入控制閥ICV將其分為多個(gè)井段，如圖3所示。井下各ICV的開關(guān)和流量大小獨(dú)立受控于地面中控室，因而可以隨時(shí)根據(jù)需求調(diào)整井身結(jié)構(gòu)。通過該功能，智能井可以實(shí)現(xiàn)以下幾種目的:①對(duì)井下獨(dú)立的油層、氣層、水層的開關(guān)控制，并可以調(diào)節(jié)流量的大小，促進(jìn)油層恢復(fù);②控制多個(gè)油層或多個(gè)分支的分采與合采;③控制水、氣錐進(jìn)，通過周期性調(diào)整層段流量延遲水、氣的錐進(jìn)，實(shí)現(xiàn)加速生產(chǎn)的目的[2，6]。

圖3 智能水平井(3個(gè)井段，每個(gè)井段各帶1個(gè)流入控制閥)

3 閉環(huán)油藏管理的理論基礎(chǔ)——現(xiàn)代控制理論

閉環(huán)油藏管理CLRM(Closed-Loop Reservoir Management)最早由 Brouwer、Jansen等人于2004年提出[7]。該理念的靈感主要源于氣象學(xué)、海洋學(xué)處理大規(guī)模流動(dòng)模型時(shí)常用的數(shù)據(jù)同化技術(shù)，以及過程控制領(lǐng)域處理不確定、非線性和多尺度優(yōu)化的基于模型的控制理論[3]。CLRM將油藏管理考慮成基于模型的閉環(huán)控制過程，其核心主要包括模型降維、基于數(shù)據(jù)同化的模型更新以及基于油藏模型的優(yōu)化控制3個(gè)方面，基本原理如圖4所示。

圖4 閉環(huán)油藏管理示意圖

圖4頂部的系統(tǒng)由油藏、油井和設(shè)備組成。傳統(tǒng)油藏模型維數(shù)較高，一般包含上百萬(wàn)個(gè)狀態(tài)變量(各網(wǎng)格中心壓力和飽和度)。因此，CLRM首先面臨的就是模型降維問題，即如何將高維模型不可控的空間維省去，得到較低維數(shù)的模型以便于在線辨識(shí)和參數(shù)更新(如圖4綠色部分所示)[8-9]。2004年Doren等人首次將本征正交分解法應(yīng)用于多井油藏水驅(qū)優(yōu)化，將高維模型的4040個(gè)狀態(tài)降低至20～100個(gè)，模型降維后優(yōu)化策略與原高維模型的優(yōu)化結(jié)果幾乎一致，而計(jì)算時(shí)間只有以前的30%～ 60%[10]。

如圖4紅色部分所示，油藏工程師通常采用自動(dòng)歷史擬合方法，通過對(duì)油藏生產(chǎn)數(shù)據(jù)的擬合來描述油藏地質(zhì)模型和流體參數(shù)等。但是測(cè)井、試井等方法數(shù)據(jù)采集周期長(zhǎng)、數(shù)據(jù)量少，導(dǎo)致油藏建模誤差較大，預(yù)測(cè)精度十分受限。智能井永久式井下傳感器技術(shù)使得直接獲取的油藏參數(shù)越來越多，大量監(jiān)測(cè)數(shù)據(jù)的積累為集合卡爾曼濾波(EnKF，Ensemble Kalman Filter)在油藏開發(fā)領(lǐng)域的應(yīng)用創(chuàng)造了條件[11-12]。

在模型降維、辨識(shí)與更新的基礎(chǔ)上，如何將最優(yōu)控制理論應(yīng)用于油藏生產(chǎn)開發(fā)，制訂最優(yōu)生產(chǎn)策略，以最大化原油產(chǎn)量或凈現(xiàn)值，是閉環(huán)油藏管理的核心(如圖4藍(lán)色部分所示)。雖然生產(chǎn)優(yōu)化算法可以應(yīng)用于油藏生命周期的任何時(shí)段，但是目前理論研究集中在水驅(qū)條件下的智能井油藏生產(chǎn)優(yōu)化。因?yàn)樗?qū)是一次采油階段之后最廣泛使用的提高原油采收率方法。

4 油藏水驅(qū)優(yōu)化模型

圖5 智能水平井水驅(qū)示意圖

一個(gè)簡(jiǎn)單的智能水平井水驅(qū)示意圖如圖5所示，假設(shè)藍(lán)色部分為注入水，紅色部分為原油，左側(cè)注水井的水將油藏原油向生產(chǎn)井驅(qū)替[13]。理想情況下，隨著生產(chǎn)驅(qū)替的進(jìn)行，注入水會(huì)逐漸將原油全部驅(qū)替到生產(chǎn)井。然而由于不同巖石特性(非均質(zhì))的存在，原油和驅(qū)替液會(huì)優(yōu)先選擇從滲透率高的路徑(驅(qū)替阻力小)到達(dá)生產(chǎn)井。高滲路徑一旦見水，這些路徑以外區(qū)域內(nèi)的石油就被高滲路徑短路而無法被驅(qū)替采出。因此，水驅(qū)關(guān)鍵是使整個(gè)油水界面盡量平整向前推進(jìn)，延緩由于短路造成的過早見水，盡量擴(kuò)大驅(qū)替面積，實(shí)現(xiàn)最佳的驅(qū)替效果[1，14]。

油藏水驅(qū)優(yōu)化的最優(yōu)控制問題可以描述為:對(duì)給定配置的智能井，在滿足各項(xiàng)約束條件的前提下，制訂最優(yōu)井下流入控制閥ICV開閉組合，使得凈現(xiàn)值 NPV(Net Present Value)最大[3，15-16]。

式中:Jk(1≤k≤K)表示第k時(shí)刻的凈現(xiàn)值，元;uk為第k時(shí)刻的模型輸入控制向量，代表有井穿過的網(wǎng)格井底流量(m3/d)、壓力(MPa)或節(jié)流閥設(shè)置;yk為第k時(shí)刻的模型輸出向量，通常為采油井井口或井底的壓力和流量;gk+1為描述第k+1時(shí)刻的油藏特性的非線性向量函數(shù);xk+1為第k+1時(shí)刻的狀態(tài)向量，通常為各網(wǎng)格的壓力和各相飽和度等;·x為第k時(shí)刻狀態(tài)向量xk的微分;θ為模型參數(shù)向量，包括已知的油藏孔隙度、滲透率和其他表征油藏或流體特性的參數(shù);·x0為已知的初始狀態(tài)變量;yk為第k時(shí)刻的輸出向量，是輸入變量uk和狀態(tài)變量xk的關(guān)系函數(shù);函數(shù)c表示輸入變量和狀態(tài)變量約束，典型的輸入約束為總注水量的限制，狀態(tài)約束表現(xiàn)為注水井和生產(chǎn)井井底最大和最小壓力。例如，注水井井底壓力通常有最大值限制，以防壓裂井周巖石。類似的，生產(chǎn)井井底壓力則不能低于下限，否則壓力不足以將生產(chǎn)液舉升至地面。

式(1)中Jk(1≤k≤K)表示各離散時(shí)間點(diǎn)對(duì)NPV的貢獻(xiàn)，進(jìn)一步可表達(dá)為:

式中:輸入變量 uwi，j為各注水井(i=1，…，Ninj)的注水率;輸出變量 ywp，j和 yo，j分別是各生產(chǎn)井(j=1，…，Nprod)的產(chǎn)水率和產(chǎn)油率;rwi和 rwp恒為負(fù)，分別表示注水和產(chǎn)水的單位費(fèi)用支出，元/m3;ro表示產(chǎn)油的單位收入，元/m3;tk和Δtk=tk+1-tk分別對(duì)應(yīng)第k步的時(shí)刻和時(shí)間間隔;分母表示折現(xiàn)因子，表示資金隨時(shí)間的價(jià)值變化，其中b是參考時(shí)間τ的折現(xiàn)率。

5 基于油藏模型的水驅(qū)優(yōu)化應(yīng)用研究概況

5.1 國(guó)外研究現(xiàn)狀

國(guó)外的油藏水驅(qū)優(yōu)化研究，以閉環(huán)油藏管理理念CLRM的提出為界，可以劃分為前后2個(gè)階段。

5.1.1 CLRM 提出之前

2004年CLRM概念提出時(shí)，距1997年世界第1口智能井在北海Snorre平臺(tái)投入使用不到10 a。以智能井為基礎(chǔ)的油藏水驅(qū)優(yōu)化概念剛剛萌芽。這一階段的油藏水驅(qū)優(yōu)化，研究對(duì)象通常是十分理想的簡(jiǎn)單油藏模型，優(yōu)化方法也局限于bang-bang控制等基礎(chǔ)最優(yōu)控制方法，研究成果相對(duì)零散獨(dú)立。但是這期間對(duì)智能井油藏水驅(qū)優(yōu)化可行性的初步探索，為此后大規(guī)模系統(tǒng)性研究奠定了基礎(chǔ)。

2000年，Sudaryanto和Yortos首次研究了孔隙介質(zhì)中流體驅(qū)替效率的動(dòng)態(tài)優(yōu)化，并用Hele-Shaw實(shí)驗(yàn)證明了優(yōu)化控制理論在流體驅(qū)替優(yōu)化中的應(yīng)用價(jià)值[17-18]。雖然該研究獨(dú)立于油藏工程，但油藏是典型的孔隙介質(zhì)，水驅(qū)優(yōu)化作為提高采收率的最廣泛使用方法，這都使得研究成果為現(xiàn)代控制理論在油藏水驅(qū)優(yōu)化中的應(yīng)用奠定了基礎(chǔ)。

2001年，Brouwer和Jansen等人從更實(shí)際的角度出發(fā)，以帶1口智能水平注水井和1口智能水平生產(chǎn)井的二維大尺度非均質(zhì)油藏為對(duì)象，進(jìn)行了早期的油藏水驅(qū)優(yōu)化研究[19]。他們采用簡(jiǎn)單啟發(fā)式算法將采收率提高了0～20%。但文中假設(shè)生產(chǎn)井見水之前，所有井段流量相同且恒定，一旦某生產(chǎn)井段見水就將對(duì)應(yīng)注水井井段閥門關(guān)閉，并將因控制閥關(guān)閉而損失的那部分產(chǎn)量分配給其他生產(chǎn)井段，從而改變流體剖面，擴(kuò)大驅(qū)替面積。這是一種見水才動(dòng)作的被動(dòng)靜態(tài)控制模式。

2002年，Dolle、Brouwer和 Jansen等人針對(duì)同一油藏模型利用基于梯度的伴隨優(yōu)化方法求解，動(dòng)態(tài)確定最優(yōu)控制閥開度[20]。不同于靜態(tài)優(yōu)化控制，他們根據(jù)油藏油井模型預(yù)先確定各注水井控制閥開度，在生產(chǎn)早期采取主動(dòng)控制措施。對(duì)比結(jié)果表明，動(dòng)態(tài)主動(dòng)控制方法與此前的靜態(tài)被動(dòng)控制相比，驅(qū)替效果有顯著提高。

2002年，Yeten將非線性共軛梯度優(yōu)化算法與成熟的商業(yè)油藏模擬軟件Eclipse相結(jié)合，對(duì)智能井閥門開度進(jìn)行了優(yōu)化[21]。他們研究了一個(gè)高度非均質(zhì)油藏5種不同地質(zhì)模型，討論了油藏地質(zhì)不確定性對(duì)優(yōu)化結(jié)果以及最終決策的影響。結(jié)果表明，對(duì)同一個(gè)油藏的不同地質(zhì)模型應(yīng)用相同的優(yōu)化方法，采收率提高程度變化范圍為 1.8% ～64.9%。這說明在安裝智能井之前，需要更多數(shù)據(jù)或更復(fù)雜的決策步驟，權(quán)衡智能完井高昂費(fèi)用和它所能帶來的采收率提高收益，以降低由于油藏描述不確定性帶來的風(fēng)險(xiǎn)。

2004年，Brouwer和Jansen針對(duì)帶2口水平智能井(注水井和生產(chǎn)井)的非均質(zhì)、水平二維油水兩相油藏，研究了純壓力約束和純流量約束2種極端油井操作條件下的動(dòng)態(tài)優(yōu)化范圍。結(jié)果表明控制變量為井底壓力時(shí)，優(yōu)化效果主要體現(xiàn)在降低生產(chǎn)井產(chǎn)水量而非提高產(chǎn)油量，而當(dāng)控制變量為流量時(shí)，產(chǎn)油量會(huì)增加，產(chǎn)水量也會(huì)大幅降低，凈現(xiàn)值提高幅度達(dá)26% ～78%[13]。

5.1.2 CLRM 提出之后

截至2009年，全球共投用約1400套智能井系統(tǒng)，使用范圍從開發(fā)后期的老油田到對(duì)技術(shù)要求苛刻的深水油氣田。隨著智能井技術(shù)的成熟推廣，與之相關(guān)的理論研究也迅速發(fā)展[22]。2004年，Brouwer、Jansen和N?vdal等人的閉環(huán)油藏管理概念的提出，標(biāo)志著系統(tǒng)性、大規(guī)模針對(duì)基于智能井的閉環(huán)油藏管理研究的興起。

2005年，Sarma、Aziz等人針對(duì)伴隨矩陣求解困難的問題，提出了一種更加有效的伴隨矩陣求解算法[23]。2006年Sarma等人將水驅(qū)優(yōu)化看作受約束的非線性規(guī)劃問題，對(duì)控制狀態(tài)路徑不等式約束條件下的伴隨解法進(jìn)行了效率優(yōu)化[24]。2007年Zandvliet等人研究了將bang-bang控制理論應(yīng)用于水驅(qū)優(yōu)化問題時(shí)存在最優(yōu)解的必要條件[25]。Montleau[26]以及 Kraaijevanger[27]等人采用廣義既約梯度法處理水驅(qū)優(yōu)化過程中狀態(tài)變量的非線性不等式約束問題，并在專業(yè)油藏仿真軟件中對(duì)算法效果進(jìn)行了驗(yàn)證。2008年Lien等人對(duì)控制變量采用多尺度正則化方法處理水驅(qū)優(yōu)化問題[28]。優(yōu)化過程中的不等式約束也是一個(gè)處理難點(diǎn)。2010年Chen提出將增廣拉格朗日方法應(yīng)用于水驅(qū)優(yōu)化，最大化目標(biāo)函數(shù)被定義為由凈現(xiàn)值和所有等式(不等式)約束(邊界約束除外)組成的增廣拉格朗日函數(shù)，邊界約束則采用信任域梯度投影法處理[29]。盡管眾多學(xué)者對(duì)水驅(qū)優(yōu)化非線性約束提出了多種解決方法，但目前尚未有人對(duì)這些方法進(jìn)行系統(tǒng)地比較，而這些模型也大多缺乏實(shí)際大小油藏模型的檢驗(yàn)。

現(xiàn)代控制理論在油藏管理中的應(yīng)用價(jià)值，進(jìn)一步體現(xiàn)在現(xiàn)代控制理論中新興的、具有強(qiáng)大生命力的模型預(yù)測(cè)控制(MPC，Model Predictive Control)與閉環(huán)油藏管理的結(jié)合。MPC對(duì)模型要求低、控制綜合質(zhì)量好、在線計(jì)算方便，是一種被廣泛應(yīng)用于復(fù)雜系統(tǒng)控制的策略思想和方法[30]。2005年Saputelli、Nikolaou和 Economides將 MPC 引入CLRM，提出了一種基于MPC的自適應(yīng)油藏管理方法[31-32]。這種方法以生產(chǎn)層次總體框架為基礎(chǔ)，先進(jìn)行數(shù)據(jù)混合模擬，再進(jìn)行模擬預(yù)測(cè)和控制優(yōu)化，最后以短期凈現(xiàn)值作為目標(biāo)函數(shù)求解二次規(guī)劃問題，編制生產(chǎn)方案。仿真案例表明自適應(yīng)油藏管理策略使累計(jì)產(chǎn)水量減少了大約80%，注水率則降低了55%，項(xiàng)目利潤(rùn)增長(zhǎng)空間為13% ～55%。2008年，Patrick等人對(duì)MPC油藏自適應(yīng)管理做了進(jìn)一步研究，他們使用商業(yè)油藏模擬軟件Eclipse來建立模型和預(yù)測(cè)[33]。為了得到ICV閥門的最優(yōu)設(shè)置，使用了非線性模型預(yù)測(cè)控制的單點(diǎn)打靶多點(diǎn)擬牛頓法來求解規(guī)劃問題。經(jīng)驗(yàn)證，對(duì)同一油藏的所有地質(zhì)實(shí)現(xiàn)模型，采收率平均提高了30%。2009年，Yang Qing等人進(jìn)一步將廣義預(yù)測(cè)控制引入智能井ICV閥門設(shè)置優(yōu)化管理。2010年，Linden[34]、Talavera[35]等人也將模型預(yù)測(cè)控制引入油藏管理，取得了良好的提高采收率效果。

5.2 國(guó)內(nèi)研究現(xiàn)狀

國(guó)內(nèi)相關(guān)研究起步較晚，但也取得了一系列研究成果。2008年張凱、姚軍等人率先開展了油藏生產(chǎn)優(yōu)化的理論研究，提出油藏動(dòng)態(tài)實(shí)時(shí)監(jiān)測(cè)與調(diào)控是智能化油田管理的核心內(nèi)容，并從油藏實(shí)時(shí)監(jiān)測(cè)、數(shù)據(jù)分析約束、油藏?cái)?shù)值模擬、方案實(shí)時(shí)優(yōu)化與生產(chǎn)調(diào)整等多方面進(jìn)行了研究[36-38]。2012年王子健等人以油藏開發(fā)周期的凈現(xiàn)值最大化為優(yōu)化目標(biāo)，建立了智能井生產(chǎn)優(yōu)化最優(yōu)控制問題的數(shù)學(xué)模型，應(yīng)用最優(yōu)控制理論中的伴隨法計(jì)算優(yōu)化算法所需的梯度值并結(jié)合序列二次規(guī)劃法獲得最優(yōu)的生產(chǎn)方案[39]。2013年閆霞等人提出一種改進(jìn)的單純形梯度算法對(duì)油藏生產(chǎn)中油井和水井的生產(chǎn)工作制度進(jìn)行自動(dòng)調(diào)整，優(yōu)化過程中計(jì)算效率得到提高[40]。

6 展望

(1)智能井技術(shù)的成熟與廣泛應(yīng)用為現(xiàn)代油藏管理提供了硬件基礎(chǔ)，如何驅(qū)動(dòng)這一硬件使之最大限度發(fā)揮其優(yōu)勢(shì)成為目前的研究熱點(diǎn)。

(2)目前的閉環(huán)油藏管理研究往往基于簡(jiǎn)單的油藏仿真模型。實(shí)際油藏?cái)?shù)據(jù)的缺失無疑會(huì)導(dǎo)致研究結(jié)果的理想化。挪威國(guó)家石油公司發(fā)布了大量北海Norne水下油田的真實(shí)油藏?cái)?shù)據(jù)和標(biāo)桿案例，以進(jìn)一步鼓勵(lì)全球范圍內(nèi)的學(xué)術(shù)研討。

(3)將最優(yōu)控制、系統(tǒng)辨識(shí)、參數(shù)估計(jì)和模型預(yù)測(cè)控制等現(xiàn)代控制理論應(yīng)用于上游石油工業(yè)生產(chǎn)的閉環(huán)油藏管理，是一項(xiàng)方興未艾、極具前瞻性的課題。

[1]姜漢橋，姚軍，姜瑞忠.油藏工程原理與方法[M].東營(yíng):中國(guó)石油大學(xué)出版社，2006:22-26.

[2]姚軍，劉均榮，張凱.國(guó)外智能井技術(shù)[M].北京:石油工業(yè)出版社，2011:30-38.

[3]Jansen J D，Bosgra O H，Van den Hof P M J.Modelbased control of multiphase flow in subsurface oil reservoirs[J].Journal of Process Control，2008，18(9):846-855.

[4]Brouwer D R.Dynamic water flood optimization with smart wells using optimal control theory[M].Delft:Delft University of Technology，2004:11-13.

[5]錢杰，沈澤俊，張衛(wèi)平，等.中國(guó)智能完井技術(shù)發(fā)展的機(jī)遇與挑戰(zhàn)[J].石油地質(zhì)與工程，2009，23(2):76-79.

[6]許勝，陳貽累，楊元坤，等.智能井井下儀器研究現(xiàn)狀及應(yīng)用前景[J].石油儀器，2011，25(1):46-48.

[7]Brouwer D R，Naevdal G，Jansen J D，et al.Improved reservoir management through optimal control and continu-ous model updating[C].SPE Annual Technical Conference and Exhibition.Society of Petroleum Engineers，2004:1-11.

[8]Jansen J D，Van Doren J F M，Heidary-Fyrozjaee M，et al.Front controllability in two-phase porous media flow[M].Delft:Springer，2009:203-219.

[9]Zandvliet M J，Van Doren J F M，Bosgra O H，et al.Controllability，observability and identifiability in singlephase porous media flow[J].Computational Geosciences，2008，12(4):605-622.

[10]Doren J F M，Markovinovic R，Jansen J D.Reducedorder optimal control of waterflooding using POD[C].9th European Conference on the Mathematics of Oil Recovery.European Association of Geoscientists＆ Engineers，2004:137-158.

[11]N?vdal G，Johnsen L M，Aanonsen S I，et al.Reservoir monitoring and continuous model updating using ensemble Kalman filter[J].SPE J，2005，10(1):66-74.

[12]Lorentzen R J，N?vdal G，Valles B，et al.Analysis of the ensemble Kalman filter for estimation of permeability and porosity in reservoir models[C].SPE Annual Technical Conference and Exhibition.Society of Petroleum Engineers，2005:1-10.

[13]Brouwer D R，Jansen J D.Dynamic optimization of waterflooding with smart wells using optimal control theory[J].SPE J，2004，9(4):391-402.

[14]Forrest F，Craig Jr.The reservoir engineering aspects of water flooding[M].New York:Society of Petroleum Engineers，1993:29-39.

[15]Jansen J D.Adjoint-based optimization of multiphase flow through porous media– a review[J].Computers＆ Fluids，2011，46(1):40-51.

[16]Jansen J D，Brouwer D R，Naevdal G，et al.Closedloop reservoir management[C].SPE Reservoir Simulation Symposium.Society of Petroleum Engineers，2009:1-18.

[17]Sudaryanto B，Yortsos Y C.Optimization of fluid front dynamics in porous media using rate control.I.Equal mobility fluids[J].Physics of Fluids，2000，12(7):1656-1670.

[18]Sudaryanto B，Yortsos Y C.Optimization of displacements in porous media using rate control[C].SPE Annual Technical Conference and Exhibition.Society of Petroleum Engineers，2001:11-22.

[19]Brouwer D R，Jansen J D，Van der Starre S，et al.Recovery increase through water flooding with smart well technology[C].SPE European Formation Damage Conference.Society of Petroleum Engineers，2001:1-10.

[20]Dolle N，Brouwer D R，Jansen J D.Dynamic optimization of water flooding with multiple injectors and producers using optimal control theory[C].International Conference on Computational Methods in Water Resources.Elsevier Science Amsterdam，2002:1435-1442.

[21]Burak Yeten，Durlofsky L J，Aziz K.Optimization of smart well control[C].SPE International Thermal Operations and Heavy Oil Symposium and International Horizontal Well Technology Conference.Society of Petroleum Engineers，2002:1-10.

[22]Gao C H，Rajeswaran R T，Nakagawa E Y.A literature review on smart well technology[C].SPE Production and Operations Symposium.Society of Petroleum Engineers，2007:1-9.

[23]Sarma P，Aziz K，Durlofsky L J.Implementation of adjoint solution for optimal control of smart wells[C].SPE Reservoir Simulation Symposium.Society of Petroleum Engineers，2005:1-17.

[24]Sarma P，Chen W H，Durlofsky L J，et al.Production optimization with adjoint models under nonlinear control-state path inequality constraints[J].SPE Reservoir Evaluation ＆ Engineering，2008，11(2):326-339.

[25]Zandvliet M J，Bosgra O H，Jansen J D，et al.Bangbang control and singular arcs in reservoir flooding[J].Journal of Petroleum Science and Engineering，2007，58(1):186-200.

[26]De Montleau P，Cominelli A，Neylon K，et al.Production optimization under constraints using adjoint gradients[C].10th European Conference on the Mathematics of Oil Recovery.European Association of Geoscientists ＆Engineers，2006:15-26.

[27]Kraaijevanger J，Egberts P J P，Valstar J R，et al.Optimal waterflood design using the adjoint method[C].SPE Reservoir Simulation Symposium.Society of Petroleum Engineers，2007:1-15.

[28]Lien M，Brouwer D R，Manseth T，et al.Multiscale regularization of flooding optimization for smart field management[J].SPE J，2008，13(2):195-204.

[29]Chen C，Wang Y，Li G，et al.Closed-loop reservoir management on the Brugge test case[J].Computational Geosciences，2010，14(4):691-703.

[30]席裕庚.預(yù)測(cè)控制[M].北京:國(guó)防工業(yè)出版社，1993:1-28.

[31]Saputelli L，Nikolaou M，Economides M J.Self-learning reservoir management[J].SPE Reservoir Evaluation＆ Engineering，2005，8(6):534-547.

[32]Saputelli L，Nikolaou M，Economides M J.Real-time reservoir management:a multiscale adaptive optimization and control approach[J].Computational Geosciences，2006，10(1):61-96.

[33]Meum P，Peter Tondel，John-Morten Godhavn.Optimization of smart well production through nonlinear model predictive control[C].SPE Intelligent Energy Conference and Exhibition.Society of Petroleum Engineers，2008:1-11.

[34]Van Der Linden R，Leemhuis A P.The use of model predictive control for asset production optimization:application to a thin-rim oil field case[C].SPE Annual Technical Conference and Exhibition.Society of Petroleum Engineers，2010:1-14.

[35]Talavera A G，Tupac Y J，Vellasco M M B R.Control-ling oil production in smart wells by MPC strategy with reinforcement learning[C].SPE Latin American and Caribbean Petroleum Engineering Conference.Society of Petroleum Engineers，2010:1-12.

[36]張凱，李陽(yáng)，姚軍，等.油藏生產(chǎn)優(yōu)化理論研究[J].石油學(xué)報(bào)，2010，31(1):78-83.

[37]張凱，姚軍，劉均榮，等.油藏動(dòng)態(tài)實(shí)時(shí)監(jiān)測(cè)與調(diào)控[J].石油礦場(chǎng)機(jī)械，2010，39(4):4-8.

[38]張凱，姚軍，張黎明，等.水驅(qū)高效開發(fā)注采策略優(yōu)化[J].系統(tǒng)工程理論與實(shí)踐，2010，30(8):1506-1513.

[39]王子健，申瑞臣，王開龍，等.基于最優(yōu)控制理論的智能井動(dòng)態(tài)優(yōu)化技術(shù)[J].石油學(xué)報(bào)，2012，33(5):887-891.

[40]閆霞，李陽(yáng)，姚軍，等.基于改進(jìn)單純形梯度算法的油藏生產(chǎn)優(yōu)化[J].油氣地質(zhì)與采收率，2013，20(3):65-67.