近日,张凯团队在油藏生产优化研究领域取得新进展,相关研究成果在期刊Petroleum Science上发表,论文题为《Multi-surrogate framework with an adaptive selection mechanism for production optimization》(拥有自适应选择机制的多代理框架用于生产优化)。
创新性:数据驱动的替代模型,借助高效的进化算法找到最优开发方案,已被广泛用于解决油藏生产优化问题。然而,现有的研究表明,代理模型的有效性可以根据设计问题的复杂性而变化。在一个场景中显示成功的代理模型可能在其他场景中表现不佳。此外,优化过程往往依赖于单一的进化算法,这可能会在不同的情况下产生不同的结果。为了解决这些限制,本文引入了一种新的方法,称为带有自适应选择机制的多代理框架(MSFASM)来解决生产优化问题。MSFASM包括两个阶段。首先,利用降维广义学习系统(BLS)自适应选择当前优化期内性能最优的进化算法;在第二阶段,使用多目标算法非支配排序遗传算法II(NSGA-II)作为优化器,在多个代理模型上寻找一组性能良好的Pareto解。
中文摘要:数据驱动的替代模型,借助高效的进化算法找到最优开发方案,已被广泛用于解决油藏生产优化问题。然而,现有的研究表明,代理模型的有效性可以根据设计问题的复杂性而变化。在一个场景中显示成功的代理模型可能在其他场景中表现不佳。在缺乏先验知识的情况下,寻找一个适用于未知油藏的有前途的替代模型是一项挑战。此外,优化过程往往依赖于单一的进化算法,这可能会在不同的情况下产生不同的结果。为了解决这些限制,本文引入了一种新的方法,称为带有自适应选择机制的多代理框架(MSFASM)来解决生产优化问题。MSFASM包括两个阶段。首先,利用降维广义学习系统(BLS)自适应选择当前优化期内性能最优的进化算法;在第二阶段,使用多目标算法非支配排序遗传算法II(NSGA-II)作为优化器,在多个代理模型上寻找一组性能良好的Pareto解。在此阶段采用了一种新的最优点准则来选择Pareto解,从而在不增加数值模拟器计算负荷的情况下获得理想的开发方案。这两个阶段使用顺序迁移学习相结合。从进化算法和代理模型两个最重要的角度出发,提高了该方法对各种油藏类型优化问题的适应性。为了验证该方法的有效性,对4个100维基准函数和2个储层模型进行了测试,并将结果与其他6种基于代理模型的方法进行了比较。结果表明,该方法可以获得目标生产优化问题的最大净现值(NPV)。
Petroleum Science涵盖了石油和天然气的勘探、生产和流动领域,包括:油藏工程;油藏模拟;岩石力学;岩石物理学;孔隙级现象;测井、测试和评估;数学建模;提高油气采收率;流体力学;多孔介质中的多相流;生产工程;形成评估;勘探方法;地质构造/地下的二氧化碳封存等。该期刊最新影响因子为5.6,近3年平均影响因子IF为5.47,JCR分区为Q1区,中科院工程技术大类2区。
文章链接:
https://doi.org/10.1016/j.petsci.2023.08.028
引用格式:
Jialin Wang, Liming Zhang*, Kai Zhang, Jian Wang, Jianping Zhou, Wenfeng Peng, Faliang Yin, Chao Zhong, Xia Yan, Piyang Liu, Huaqing Zhang, Yongfei Yang, Hai Sun. Multi-surrogate framework with an adaptive selection mechanism for production optimization [J]. Petroleum Science, 2023, ISSN 1995 – 8226