Mamba-Attention Surrogate-Assisted Optimization Framework：用于CO2增强型石油回收与储存中的井位选择及动态调度

《Energy》：Mamba-Attention Surrogate-Assisted Optimization Framework for Well Placement and Dynamic Schedule in CO 2 Enhanced Oil Recovery and Storage

CO?驱油井位优化与动态调度协同方法提出均匀气驱指数（UI）量化CO?分布均匀性，结合MOEA/D算法与Mamba-MHA代理模型，实现多目标优化平衡采收率与碳封存效率，在3D合成模型和DHS实际储层中验证降低80%计算成本并抑制气窜。

　　

吴宽宽|张继远|冯启红|王森|查路明|吴藏远|尚琳

中国石油大学（华东）深部油气国家重点实验室，中国青岛市

摘要

二氧化碳增强采油（EOR）显著提高了石油回收率和碳封存效果。井位布置和运营策略是影响二氧化碳 flooding 效果的关键因素。传统的优化方法通常依赖于成分数值模拟，但这些方法成本高昂且效率低下。本文提出了一种新的框架，用于快速、同时优化井位布置和调度。首先，引入了均匀气体置换指数（UI），该指数利用储层网格中相对气体饱和度与区域平均值的偏差来定量表征流体分布的均匀性，准确捕捉气体前沿运动和置换异质性，从而为优化决策提供可靠支持。其次，开发了一个多目标优化框架，该框架结合了基于分解的多目标进化算法（MOEA/D），旨在同时最大化 UI 和净现值（NPV），以实现二氧化碳驱替效率与经济回报的平衡。第三，改进了 Mamba-Multi-Head Attention（Mamba-MHA）替代模型，以替代计算密集型的数值模拟，从而大幅降低计算成本。通过 3D 合成案例的验证以及在复杂 DHS 储层中的应用表明，该框架优于传统方法。值得注意的是，该框架的优化效率提高了约 80%。在相同的计算约束下，它实现了更高的经济回报，同时有效控制了气体窜流现象。这项研究推进了均匀置换理论，并为平衡储层开发和二氧化碳储存中的经济性能与环境保护提供了稳健的技术解决方案。

引言

二氧化碳增强采油（CO₂-EOR）作为一种有效的提高石油回收率的技术，在全球范围内得到了广泛应用 [1]、[2]、[3]。将二氧化碳注入储层后，其独特的物理化学性质增强了石油回收率。具体而言，二氧化碳降低了原油粘度，促进了石油膨胀，并增加了溶解能力。这些机制共同提高了储层压力，改善了流体流动性 [4]，从而有助于从岩石孔隙中释放残余石油，并显著提高置换效率 [5]、[6]、[7]。此外，二氧化碳 flooding 还具有双重效益：既能提高碳氢化合物的回收率，又能实现二氧化碳的长期地质储存。这种方法有助于减少大气碳排放，从而支持环境保护和温室气体减排 [8]、[9]。然而，二氧化碳 flooding 面临诸多运营挑战，尤其是在具有次优井位安排的强异质性储层中。这些条件常常导致气体过早突破和二氧化碳损失，大幅降低利用效率，影响置换性能，并削弱经济可行性 [10]。因此，优化井位布置和动态调度已成为关键的研究重点。这些方法可以有效抑制气体窜流，提高回收率，并改善经济回报和储存效果 [11]、[12]。

在二氧化碳 flooding 过程中，气体窜流现象频繁发生，主要受储层异质性、井位布置不当以及动态井位安排不匹配的影响。这种优先流经高渗透性通道的现象显著降低了二氧化碳的储存能力，并同时降低了整体石油回收效率 [13]、[14]。先前的研究表明，优化气水交替注入参数 [15]、[16]、[17] 或应用通道阻塞策略 [18]、[19]、[20]、[21]、[22] 可以有效缓解气体窜流的严重程度，从而提高二氧化碳 flooding 的效果 [23]、[24]、[25]。然而，传统的正交设计优化方法难以协调二氧化碳 flooding 效率与储存能力之间的矛盾 [26]。这些传统方法往往难以在这些竞争目标之间实现最佳平衡，导致资源浪费和经济回报下降 [27]。因此，优化井位布置和动态调度以促进二氧化碳的均匀分布对于抑制气体窜流和提高整体性能至关重要 [28]。尽管如此，目前关于井位布置和动态控制参数协同优化的研究主要集中在水驱储层 [29]、[30]、[31]、[32]、[33]。例如，张等人 [34] 提出了一种在地质不确定性条件下优化水驱储层井位布置的框架。冯等人 [35] 基于 BADS 算法优化了井位布置。相比之下，传统的二氧化碳 flooding 优化研究通常侧重于最大化单个目标，如石油回收率、经济效益、累计石油产量或二氧化碳储存能力 [36]、[37]、[38]。然而，这些传统的经济驱动优化策略往往无法充分解决储层内二氧化碳的均匀分布问题，尤其是在精确调节二氧化碳流体分布方面存在不足 [39]。虽然在水驱储层中已经探索了均匀置换理论 [40]，但关于二氧化碳增强采油和储存的井位布置与调度协同优化的研究仍然有限。因此，这一领域值得进一步研究 [41]、[42]。

此外，在二氧化碳 flooding 和储存的井位布置与动态调度参数协同优化研究中，大多数研究人员依赖数值模拟器来计算目标函数 [43]。然而，这些模拟通常需要大量的计算时间，不适合实时优化应用 [44]、[45]。人工智能和计算的进步推动了机器学习技术在石油工程领域的广泛应用 [46]、[47]、[48]。为了降低计算成本，一些研究开发了基于替代模型的智能优化策略。例如，Waleed Ali Khan 等人 [49] 提出了一种机器学习方法，该方法结合了多层神经网络（MLNN）替代模型、粒子群优化（PSO）和遗传算法（GA），成功预测了累计石油产量和二氧化碳储存性能。此外，还有多种优化框架，如多目标粒子群优化与多层神经网络（MOPSO-MLNN）[50]、非支配排序遗传算法 II 与人工神经网络（NSGA-II-ANN）[51]、最小二乘支持向量机与灰狼优化器（LSSVM-GWO）[52] 以及粒子群优化与 U-Net（PSO-U-Net）[53]。然而，构建储层预测替代模型仍需要预先创建大量样本集，这会带来显著的时间和计算成本 [54]、[55]、[56]。此外，最近的研究强调了将先进的计算框架与可持续资源管理相结合以应对不断变化的能源领域中的多维挑战的重要性 [57]、[58]、[59]。因此，开发一种结合替代模型和少量样本的高效智能优化框架仍是该领域的研究重点 [60]。上述研究表明，二氧化碳增强采油和储存中的井位布置与动态调度目前面临几个关键挑战：首先，传统方法主要关注经济回报，往往忽视了二氧化碳储存效率和气体窜流控制；其次，由于它们之间的复杂相互作用，缺乏同时优化井位布置和动态控制的框架；第三，传统的替代模型辅助架构依赖于耗时的预采样，并且缺乏模型训练与优化算法之间的动态耦合机制。

为了解决二氧化碳 flooding 和储存中井位布置与动态调度参数优化中的复杂挑战，本研究提出了一个创新的在线替代模型辅助智能优化框架。首先，我们引入了 UI 来定量评估二氧化碳分布和残余石油饱和度的空间均匀性。该指数准确表征了气体前沿传播和置换异质性，为优化决策提供了严谨的基础。随后，建立了一个双目标优化模型，同时最大化 UI 和 NPV，确保碳氢化合物回收率与储存性能之间的平衡。为了实现高效的全局优化，我们开发了 Mamba-MHA 替代模型辅助的 MOEA/D 框架。与传统方法不同，该框架采用动态学习策略，利用优化过程中生成的非支配解迭代更新训练数据集。通过从有限的训练样本中准确捕捉复杂的储层动态，Mamba-MHA 替代模型替代了计算成本高昂的成分数值模拟，从而大幅降低了整体优化时间。这项研究为二氧化碳增强采油和储存应用提供了新的理论和方法论基础，展示了推进实际储层管理技术的巨大潜力。

本文的其余部分安排如下：第 2 节详细介绍了方法论，包括 UI、优化模型和提出的优化框架。第 3 节使用 3D 案例模型和现实世界中的大型 DHS 储层验证了优化框架。最后，第 4 节总结了研究结论并指出了未来研究的方向。

方法论

本研究开发了一个在线辅助的 MOEA/D 优化框架，结合了改进的 Mamba-MHA 替代模型，如图 1 所示。

案例模型

本研究建立了两个代表性的储层模型，系统评估了在不同井位布置和动态控制参数下 UI 与累计石油产量和二氧化碳储存能力之间的相关性。地质建模采用序贯高斯模拟 [72]、[73] 进行，以确保地质准确性和模型稳健性。我们生成了随机的 2D 和 3D 地质案例模型，其渗透率分布和井位布置详细信息见

结论

本研究成功开发了一个优化框架，该框架利用了改进的 Mamba-MHA 替代模型，并结合了 MOEA/D。该框架专门用于二氧化碳 flooding 和储存过程中井位布置和动态控制参数的高效协同优化。此外，引入了“均匀气体置换指数”来定量表征二氧化碳空间分布的均匀性，显著丰富了二氧化碳平衡理论

CRediT 作者贡献声明

尚琳：可视化。 吴藏远：调查。 查路明：软件、资源、概念化。 王森：形式分析、概念化。 冯启红：验证、软件。 吴宽宽：撰写 – 审稿与编辑、撰写 – 原稿、方法论。 张继远：监督、项目管理

利益冲突声明

? 作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究得到了中国石油天然气集团有限公司（CNPC）的重大科技项目（项目编号 ZD2019-183-007）、山东省自然科学基金（项目编号 ZR2023ME090、ZR2022YQ50）以及山东省泰山学者计划（项目编号 tsqn202408088）的支持。