(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211291030.3 (22)申请日 2022.10.21 (71)申请人 中国石油大 学 （华东） 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 吴明录　王圯文　李涛　黄芳　 赵金玲　刘利勤　王小剑　李旭　 陈大伟　孙致学　 (74)专利代理 机构 成都方圆聿联专利代理事务 所(普通合伙) 51241 专利代理师 张敏 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/00(2006.01)G06N 3/12(2006.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于量子遗传算法的试井分析最优化方法 (57)摘要 本发明提供一种基于量子遗传算法的试井 分析最优化方法， 包括以下步骤： (1)定义目标函 数及适应度函数， 使实测的压力曲线和模型计算 的理论压力曲线达到最佳拟合， 自动的反求油藏 地层参数； (2)生成初始种群 其中 j∈1，…， n为第t代的一个个体； (3)码采 用二进制编码对量子比特进行编码； (4)根据Q (t)中概率幅构造R(t)， 其 中 是长度m的二进制串， 每个元素由 中的概 率幅决定； (5)量子旋转门函数用于量子门的更 新， 根据旋转角选择策略对旋转门进行更行。 本 发明引入量子门， 使算法具备更好的全局探索能 力， 保证算法的收敛性， 能够快速准确的找到试 井解释参数的最优值， 实现了试井解释的自动 化。 权利要求书3页 说明书6页 附图1页 CN 115544892 A 2022.12.30 CN 115544892 A 1.基于量子 遗传算法的试井分析最优化方法， 其特 征在于， 包括以下步骤： (1)定义目标函数及适应度函数 使实测的压力曲线和模型计算的理论压力曲线达到最佳拟合， 自动的反求油藏地层参 数； 实测曲线与理论曲线的拟合过程即为 求解目标函数的最小值； 适应度表明个 体的优劣性， 适应度越大， 代 表个体越优秀； (2)生成初始种群 生成初始化种群 其中 为第t代的一个 个体； (3)编码 采用二进制编码对量子比特进行编码； 拟合参数为渗透率K、 表皮系数S和井筒储存系 数C三个参数； (4)测量函数 根据Q(t)中概率幅构造R(t)， 其中 是长度m的二进制串， 每个 元素由 中的概率幅决定； (5)量子旋转门函数 量子旋转门函数用于量子门的更新， 根据旋转角选择 策略对旋转门进行 更行。 2.根据权利要求1所述的基于量子遗传算法的试井分析最优化方法， 其特征在于， 步骤 (1)中所述的模型计算的理论压力曲线， 采用的模型为： 假设油藏水平、 均质、 等厚且各向同性； 地层流体和地层岩石微可压缩； 流体流动符合 达西定律； 考虑井筒储 存和表皮系数的影响； 不 考虑毛管力和重力的影响； 在上述假设条件下建立数 学模型： 无因次压力为： 无因次时间： 权　利　要　求　书 1/3 页 2 CN 115544892 A 2无因次井筒储 存系数： 无因次井底半径： 上述为完整的考虑井筒储存和表皮效应的均质油藏试井解释模型， 取关于tDe的 Laplace变换并求 解， 求得模型在Laplace空间的拉氏空间解： 对上式进行Stehfest数值反演即可 得到实空间的无因次井底压力解。 参数说明： PD‑无因次压力； PwD‑井底压力， MPa； rD‑无因次半径； rDe‑无因次影响半径； t ‑测试时间， h； tD‑无因次时间； tDe‑达到边界时的无因次时间； CDe‑考虑有效井径的无因次井筒储集效 应； CD‑无因次井筒储集效应； S ‑表皮系数； C ‑井筒储集系数； K ‑渗透率， mD； h ‑储层厚度， m； q‑产量， m3/d； μ‑粘度， mPa·s； ΔP‑生产压差， MPa； B ‑体积系数； φ ‑孔隙度， 无因次； Ct‑综合 压缩系数， 无因次； rw‑井底半径， m； r ‑油藏半径， m； K0‑第二类零阶虚宗量贝塞尔函数； K1‑第 二类一阶虚宗量贝 塞尔函数； z ‑拉氏变量。 3.根据权利要求1所述的基于量子遗传算法的试井分析最优化方法， 其特征在于， 步骤 (1)中试井分析最优化 算法的目标函数定义如下： 式中： E为目标函数， (MPa)2； a、 b分别表示目标函数中压力和压力导数拟合的权重系数； P(tn)和P′(tn)表示tn时刻实测压力和压力导数， MPa； P(tn)和P′(tn)表示tn时刻理论压力和 压力导数， MPa； N 为测试压力数据的序数。 4.根据权利要求1所述的基于量子遗传算法的试井分析最优化方法， 其特征在于， 步骤 (1)中适应度函数定义 为： 其中， f为 适应度函数； Cmax取目标函数E(x,t)中的最大值。 5.根据权利要求1所述的基于量子遗传算法的试井分析最优化方法， 其特征在于， 步骤 (2)中初始化种群大小n ＝40。 6.根据权利要求1所述的基于量子遗传算法的试井分析最优化方法， 其特征在于， 步骤 (3)中， 每 个参数的二进制编码长度取20， 初始化 二进制量子比特码长度为6 0。 7.根据权利要求1所述的基于量子遗传算法的试井分析最优化方法， 其特征在于， 步骤权　利　要　求　书 2/3 页 3 CN 115544892 A 3