油藏井控优化的混合进化优化方法
神经与进化计算
2021-03-30 v1
摘要
由于地下模型复杂及相关非线性、大量控制参数、大量生产情景以及地下不确定性，油田生产优化具有挑战性。优化涉及耗时的油藏模拟研究以比较不同生产情景与设置。本文给出两种混合进化优化方法用于注水作业的井控优化的有效性，并使用 Olympus 基准展示其应用。首先采用较简单的累积流体加权求和（WCF）作为目标函数，随后替换为贴现现金流的净现值（NPV）进行比较。两种流行的进化优化算法，遗传算法（GA）与粒子群优化（PSO），首先以独立模式用于求解井控优化问题。接着，GA 与 PSO 方法均与另一流行优化算法协方差矩阵适应-进化策略（CMA-ES）以混合模式使用。混合优化运行通过将一个算法所得种群作为下一算法的起始种群转移以进一步改进。独立 GA 与 PSO 方法约需四千次模拟运行收敛，而两种混合优化模式（GA-CMA-ES 与 PSO-CMA-ES）需六千次运行。为减少周转时间，使用商用云计算并通过并行编程分配模拟工作负载。GA 与 PSO 算法在探索与开发特性间有良好平衡，故能识别感兴趣区域。CMA-ES 算法能利用其优异开发特性进一步细化解。因此，与独立 GA 或 PSO 算法相比，GA 或 PSO 与 CMA-ES 的混合模式产生更优优化结果。
引用
@article{arxiv.2103.15608,
title = {Hybrid Evolutionary Optimization Approach for Oilfield Well Control Optimization},
author = {Ajitabh Kumar},
journal= {arXiv preprint arXiv:2103.15608},
year = {2021}
}