改进遗传算法在优化油田布井中的应用

针对目前中国在油气藏布井方式上常采用规则井网的局限性,提出了一种基干适应值共享机制的小生境改进遗传算法。该算法具有强大的全局搜索性能和不要求目标函数连续、可微等特点。将其应用干油田布井当中,以获得最大累积产量为目标,对油井位置进行了优化,取得了良好效果。结果表明,利用改进遗传算法完全能够满足油田开发过程中多决策变量的选择、组合及优化的需要,是一种行之有效的新方法。     

Calculation OOIP in oil reservoir by pressure matching method using genetic algorithm

This paper describes the optimization pressure matching method with a genetic algorithm for the estimation of original oil in place (OOIP). In this method, the pressure of a reservoir is obtained based on the material balance equation by minimizing the difference between calculated and reservoir pressure in order to optimize reservoir parameters suchas OOIP, aquifer constant and water influx data calculated by the aquifer function.The high non-linearity of the pressure matching method makes deterministic classic optimization methods inefficient and unlikely to be successful. Firstly, the solution is dependent on the initial guesses due to the non-convexities of the system equations, and secondly, the convergence of the solution is not always guaranteed.Therefore, an effective optimization strategy combining a two stage approach, genetic algorithm for the initialization and identification of the search zone followed by a simplex search method used to refine the solution, is proposed.Three examples are provided to illustrate the effectiveness of this work by comparing the results of various methods (graphical methods and volumetric estimation) with the results of the pressure matching method.     

基于改进神经网络的丙烷回收流程多目标优化

利用流程模拟软件HYSYS,根据某处理厂的实际运行数据,模拟不同操作参数下丙烷回收的直接换热流程(DHX),分析了低温分离温度、DHX塔顶温度、回流罐温度对丙烷收率及系统能耗的影响规律。以改进后的BP神经网络建立流程多目标优化模型,采用NSGA-Ⅱ算法对其进行多目标求解。其结果表明:改进后的BP神经网络对丙烷收率及系统能耗的预测精度高,相对误差均在2%以下。用NSGA-Ⅱ算法得到的Pareto解集能够为流程的设计与实际生产提供指导性作用。     

遗传算法的隐形二进制编码法

遗传算法常规二进制编码在制编码在求解高维最优化问题时,因模型参数量太大会使其二进制码占用巨大的内存,并需进行大量的译码工作,甚至有可能出现影响遗传算法实现的问题。为此,我们提出了一种实用有效的隐形二进制优化编码方案。     

基于灰关联和遗传算法的地震属性优化方法

 利用地震属性进行储层物性参数（孔隙度）的预测研究,其精度和准确性一直是油气田勘探开发期间所关注的问题,而属性优化方法是其中的关键环节。本文从优化方法入手,将灰关联、遗传算法和BP网络有机结合,以提高储层物性参数（孔隙度）的预测能力。首先依据反演成果开展精细储层解释,并进行沿层相关属性提取和灰关联分析,寻找较敏感的属性;然后利用遗传算法和BP网络进行属性组合优化,获取最优属性组合,最终达到预测储层物性参数（孔隙度）的目的。应用实例表明,此法的储层预测精度较高。     

基于混合遗传算法的树状注水管网拓扑优化

以投资最小为目标函数,以井间隶属关系的惟一性、连接注水井数量等限制为约束条件,建立了树状注水管网拓扑优化数学模型.根据模型特点,将优化问题分为分配层和几何层,分别采用遗传算法和非线性优化方法进行求解.并对遗传算法的操作过程进行了改进,调整了适应函数,采用随机多父辈适应函数值加权交叉和多种变异操作,结合了模拟退火算法,并给出了初温的确定方法,改进了选择复制操作,从而形成了混合遗传算法.该算法能够有效地提高收敛速度,避免早熟收敛.利用算例说明了该方法的有效性.     

Co-optimization of carbon dioxide storage and enhanced oil recovery in oil reservoirs using a multi-objective genetic algorithm （NSGA-II）

Climate researchers have observed that the carbon dioxide （CO2） concentration in the atmosphere have been growing significantly over the past century. CO2 from energy represents about 75% of the greenhouse gas （GHG） emissions for Annex B （Developed） countries, and over 60% of global emissions. Because of impermeable cap rocks hydrocarbon reservoirs are able to sequester CO〉 In addition, due to high-demand for oil worldwide, injection of CO2 is a useful way to enhance oil production. Hence, applying an efficient method to co-optimize CO2 storage and oil production is vital. Lack of suitable optimization techniques in the past led most multi-objective optimization problems to be tackled in the same way as a single objective optimization issue. However, there are some basic differences between the multi and single objective optimization methods. In this study, by using a non- dominated sorting genetic algorithm （NSGA-II） for an oil reservoir, some appropriate scenarios are proposed based on simultaneous gas storage and enhanced oil recovery optimization. The advantages of this method allow us to amend production scenarios after implementing the optimization process, by regarding the variation of economic parameters such as oil price and CO2 tax. This leads to reduced risks and time duration of making new decisions based on upcoming situations.     

环状管网优化设计的双重编码混合遗传算法

以投资最小为目标函数,建立了注水系统环状管网优化数学模型。针对环状管网优化的特点,遗传算法采用二进制编码和整数编码相结合的双重编码,同时对管网连接方式和管径进行优化,并结合了模拟退火算法,形成了混合遗传算法。操作过程中采用随机多父辈适应函数值加权交叉,提出了与优化问题相适应的多种变异方法,给出了约束条件的处理方法,减少了不可行解的产生,使该算法的优化性能得到了提高。大庆油田某采油厂一新建注水区块的优化算例表明,管网投资由1160万下降到850万元,说明该优化方法有效且实用。     

利用遗传算法进行水平井水平段长度优化设计

在油藏开发过程中,随着水平井水平段长度的增加,水平井段与油藏的接触面也随之增加,同时井筒内流体的流动阻力也增加,从而导致水平井的产液量减少,即水平井的最终产量是2个相互制约的因素共同作用的结果。利用遗传算法全局寻优的特点,结合一种计算无限导流和有限导流情况下水平井产量的井筒/油藏耦合模型,提出了一种用于水平井水平段长度的优化设计方法。该方法可以在不同的油藏地质模型中使用。     

综合全局寻优中遗传算法部分选择操作的研究

遗传算法是综合全局寻优算法的重要组成部分。遗传算法的基本操作包括选择、交叉、变异等。选择操作就是从群体中选择优胜的个体,淘汰劣质个体。采用不同的选择操作直接影响着进化过程。本文在研究蒙特卡罗 (Monte Carlo)和最佳个体保留方法 (Elitist Model)的基础上,引入排挤思想,提出了可以隔代遗传的综合选择操作方法。通过大量的理论验证,证明本文提出的综合选择操作优于传统的 Monte Carlo选择操作。在实际资料的应用中,采用综合寻优法求解剩余静校正量取得了满意的效果。     

利用自适应混沌遗传粒子群算法反演瑞雷面波频散曲线

为了提高瑞雷面波频散曲线的反演精度,减少反演过程中的多解性,获取更准确的地下横波速度结构,本文从反演算法入手,对基本的粒子群算法进行改进,提出了一种能同步提高全局和局部搜索能力的自适应混沌遗传粒子群算法（ACGPSO）：即先采用自适应惯性权重,并设置粒子的节速度,再引入遗传算法的交叉和变异操作及单维全分量的混沌局部搜索。利用该算法对理论模型的无噪和含噪基阶频散曲线进行反演,且针对含噪数据加入二阶与三阶频散曲线进行联合反演。所得反演结果与常规粒子群算法反演结果的对比表明：ACGPSO算法具有更好的稳定性和抗噪性,且基于该算法的联合反演能有效降低解的多解性,显著提高解的精度。对实际数据所做的两步法反演的效果进一步验证了该算法的适用性。     

海洋深水井钻井过程中井筒温度的变化规律

海洋深水油气井钻井过程中,现有的井筒循环温度场计算模型虽然综合考虑了钻井液在循环过程中诸如海水对流换热、隔水管及钻井液、地层导热等多种因素对井筒温度的影响,但却忽略了钻进导致的温度差异,与实际情况不符。为了给深水钻井的钻井液密度设计、井壁稳定性分析等相关工作提供更加准确可靠的依据,在不钻进只循环钻井液过程的温度模型求解温度场的基础上,对补充钻进工况的计算模型应用有限差分法和高斯迭代法进行求解,进而通过节点更新的算法,分析了不同机械钻速的钻进过程对深水钻井井筒温度纵向变化规律的影响。研究结果表明:①同一深度,不同机械钻速下全井温度场的计算结果有明显差异,1 000 m水深的井底随钻温度差异接近10℃;②钻进过程的循环温度场对时间的敏感性远高于机械钻速,与不考虑机械钻速的井筒温度场相比,考虑机械钻速情况下的井筒温度场呈整体增大的变化规律。结论认为,利用该方法可以更好地分析海洋深水钻井过程中井壁稳定性和管柱工况等实际问题,其结果更加符合生产实际。     

油气钻井岩屑沉降阻力计算模型

油气钻井过程中,破碎的岩屑在井筒钻井液中存在着自由沉降的现象,为了防止和避免岩屑沉积造成沉砂卡钻等井下安全事故,需要研究岩屑颗粒的沉降规律、预测岩屑沉降的末速度。为此,基于Stokes定律和Newton-Rittinger模型,提出了黏性阻力占比系数与压差阻力占比系数的概念,应用最小二乘法对实验数据回归得到阻力占比系数方程,分别推导出岩屑颗粒在牛顿流体与幂律流体中沉降时非斯托克斯区域的阻力计算模型,并通过该模型依据沉积实验数据对岩屑颗粒的沉降末速度进行计算和分析。研究结果表明:(1)岩屑颗粒在幂律流体中沉降时,所受到的黏性阻力和压差阻力不仅与颗粒雷诺数相关,而且还与流性指数及稠度系数相关;(2)岩屑颗粒在牛顿流体中沉降,当颗粒雷诺数小于2.944 6时黏性阻力大于压差阻力,当颗粒雷诺数大于2.944 6时压差阻力大于黏性阻力;(3)颗粒雷诺数小于1.11时岩屑沉降主要考虑黏性阻力,颗粒雷诺数介于1.11~500时岩屑沉降受到黏性阻力与压差阻力的共同作用,颗粒雷诺数大于500时压差阻力在岩屑沉降中占主导作用。结论认为,借助于该计算模型,当钻井液为牛顿流体时,可以预测颗粒雷诺数介于0~105的岩屑沉降末速度;当钻井液为幂律流体时,可以预测颗粒雷诺数介于0~105、流性指数介于0.062 3~1的岩屑沉降末速度;上述范围能够满足钻井工程中对于岩屑沉降速度进行预测的需求。     

改进的蚂蚁算法在试井曲线拟合中的应用

通过将带可变邻域搜索的进化策略引入解决组合问题的蚂蚁算法,得到了可以用于解决连续优化问题的改进的蚂蚁算法,并给出了优化步骤.将改进的蚂蚁算法应用于试井曲线的拟合中,并编写了计算程序.改进的蚂蚁算法与遗传算法的对比结果表明,前者的收敛速度和收敛值以及在多局部最优解问题上均优于遗传算法,并具有较强的实用性.     

Design of artificial neural networks using a genetic algorithm to predict saturates of vacuum gas oil

Accurate prediction of chemical composition of vacuum gas oil(VGO) is essential for the routine operation of refi neries. In this work,a new approach for auto-design of artificial neural networks(ANN) based on a genetic algorithm(GA) is developed for predicting VGO saturates. The number of neurons in the hidden layer,the momentum and the learning rates are determined by using the genetic algorithm. The inputs for the artif icial neural networks model are f ive physical properties,namely,average boiling poin...     

基于自适应遗传算法的压裂水平井参数优化

鉴于低渗透油藏水平井压裂设计中参数多且交叉影响,采用常规方法进行正交优化存在较多局限性,结合油田生产实际,选择油井的累积产油量、累积注水量和累积产水量作为分析对象,提出一种以生产净现值最大化为目标,基于自适应遗传算法的水平井压裂参数优化方法.该方法根据个体适应值大小自动选择合适的交叉与变异概率,有效避免了传统遗传算法的“早熟”和盲目搜索等问题;通过编程实现了对水平段长度、裂缝半长、裂缝条数以及裂缝导流能力的自动优化求解.以长庆油区某油田的实际资料为基础,分析了五点井网下水平井压裂参数优化过程,分析结果表明,该方法参数覆盖范围更广,与枚举法需计算4 096次才能确定最优解相比,新方法只需迭代200次,大大提高了求解速度,增强了算法的实用性.     

板式换热器遗传算法优化设计

采用遗传算法对板式换热器进行优化设计 ,给出了优化设计的数学模型、遗传算法计算方法和优化设计算例。结果表明 ,采用遗传算法的板式换热器优化设计比传统方法的优化设计更准确、更有效     

应用遗传算法联合反演地震─大地电磁测深数据

本文采用遗传算法研究了当地下介质为层状分布时地震—大地电磁（MT）之间的联合反演问题。在模型试算的基础上,对大庆地区实际资料进行了处理,取得了满意的效果。     

一种优化压裂水平井井网参数的新方法

随着水平井数量和产量比重的增加,如何成功地开展水平井压裂改造就成了一个难题。压裂水平井参数的优化设计,是压裂施工前必须要考虑的一个基本问题。目前,水平井压裂参数的优化设计方法有常规正交优化算法和遗传算法,后者试验获得的寻优结果比前者高。文中提出了一种压裂水平井井网参数优化设计的新方法,在应用遗传算法对水平井长度、裂缝条数、裂缝半长、裂缝导流能力、井距及排距等参数进行优化设计研究的基础上,应用正交设计方法对遗传算法的初值选择问题进行了改进,从而很好地克服了遗传初值问题的不确定性,极大地提高了参数的优化效率。     

基于蒙特卡罗遗传算法的换热网络优化问题

在换热网络超结构及其数学模型的基础上,提出了换热网络优化的蒙特卡罗遗传混合算法,利用蒙特卡罗方法在解空间进行全局搜索,得到最佳换热匹配,由此引入遗传算法对网络优化问题中的连续性变量进一步优化,降低换热网络年综合费用。实例表明,应用蒙特卡罗遗传混合策略能在保证算法的全局搜索能力的前提下,提高换热网络优化效率,并能使换热匹配更加合理,减少加热器和冷却器的投入,降低网络的综合费用。