基于粒子群算法的综合调整方案优化方法

详细信息    查看全文 | 推荐本文 |

英文篇名：Comprehensive Optimization of Adjustment Program Based on Particle Swarm Optimization 作者：张善义 ; 兰金玉 ; 李冰 英文作者：Zhang Shanyi;Lan Jinyu;Li Bing;PetroChina Daqing Oilfield Company,Ltd; 关键词：综合调整方案 ; 粒子群算法 ; 智能优化 ; 投入产出比 ; 杏南油田 英文关键词：comprehensive adjustment program;;particle swarm optimization;;intelligent optimization;;input-output ratio;;Xingnan Oilfield 中文刊名：特种油气藏 英文刊名：Special Oil & Gas Reservoirs 机构：中国石油大庆油田有限责任公司; 出版日期：2018-09-29 09:41 出版单位：特种油气藏 年：2019 期：01 基金：国家科技重大专项“精细注采结构优化调整技术”(2016ZX05010-002) 语种：中文; 页：129-133 页数：5 CN：21-1357/TE ISSN：1006-6535 分类号：TE319

摘要

针对特高含水后期综合调整方案考虑因素多、实现产出投入比最大化难的问题,运用粒子群算法,以增油量目标、增液量目标、增注量目标、作业费用等为约束条件,建立了基于粒子群算法的综合调整方案多目标优化模型。将研究成果应用到大庆杏南油田综合调整年度方案中,利用文中方法比人工优化少实施16井次,年度多增油0. 2×104t,年度少产液0. 2×104t,自然递减比计划低0. 01个百分点,年均含水比计划低0. 03个百分点,产出投入比由过去的2. 61∶1. 00提高至2. 91∶1. 00,取得了较好的效果。研究成果对提高综合调整方案的质量和效率具有重要指导意义。
        In order to improve the problems of multiple influencing factors and relatively low input-output ratio of the comprehensive adjustment program in the ultra-high water-cut development stage,the oil increment,liquid increment,injection increment,operation cost and other factors are taken as the constrains to establish a multi-objective optimization model based on particle swarm optimization. This optimization is applied in the annual comprehensive adjustment program of Daqing Xingnan Oilfield. Comparing to the early manual optimization,the operation times were reduced by 16 well-times,the annual oil increment is 0. 2× 10~4 t,the annual liquid production is reduced by 0. 2×10~4 t,the natural production decline rate is reduced by 0. 01 percentages,the annual average watercut is reduced by 0. 03 percentages and the input-output ratio is enhanced from 2. 61 ∶ 1. 00 to 2. 91 ∶ 1. 00,which shows a favorable optimization performance. This research could provide certain guidance for improving the quality and efficiency of the comprehensive adjustment program.

引文

[1]严嘉年,侯贵廷,李吉军,等.油田开发中后期措施投入经济效益预测及后评价研究[J].天然气地球科学,2012,23(5):973-977.
    [2]熊敏,曾庆辉.油气井增产措施中单井经济界限研究[J].江汉石油学院报,2003,5(2):23-25.
    [3]AMIRI B.,FATHIAN M.,MAROOSI A.,Application of shuffled frog-leaping algorithm on clustering[J].International Journal of Advanced Manufacturing Technology,2009,45(1/2):199-209.
    [4]张锦良.基于遗传算法的油田开发规划多目标优化研究[D].成都:西南石油学院,2004.
    [5]宋杰鲲,张在旭,张晓慧.油田措施随机机会约束目标规划模型及算法[J].西华大学学报(自然科学版),2009,28(1):50-52.
    [6]丁帅伟,姜汉桥,陈民锋,等.基于模糊C均值聚类算法和贝叶斯判别函数研究深水油藏分类评价[J].西安石油大学学报(自然科学版),2014,29(2):43-49.
    [7]王代刚,李勇,胡永乐,等.洞型碳酸盐岩油藏衰竭开采特征综合聚类评价[J].新疆石油地质,2016,37(2):192-197.
    [8]王传飞,韦涛,孙建芳.改进粒子群算法求解广义Usher油田开发动态预测模型[J].新疆石油地质,2012,33(1):102-105.
    [9]侯建.基于实数编码的自适应遗传算法求解产量预测模型[J].石油大学学报,2002,26(3):55-58.
    [10]帅训波,周相广.基于遗传算法的天然气产量预测研究[J].特种油气藏,2008,15(1):52-55.
    [11]赵军,夏宏泉,刘红歧.基于BP神经网络的油气产量历史预测[J].西南石油学院学报,1998,20(2):23-261.
    [12]尹成,周熙襄,钟本善,等.热槽法模拟退火分析及其改进[J].石油物探,1998,37(1):63-70.
    [13]郑鸿明,彭立,李生杰.模拟退火静校正[J].新疆石油地质,2001,22(1):32-34.
    [14]张强,李盼池,刘丽杰.基于量子混合蛙跳算法的油田开发规划多目标优化[J].信息与控制,2014,43(1):116-122.
    [15]何超群,王彦春,张品.利用遗传-粒子群优化混合算法求取剩余静校正量[J].新疆石油地质,2011,32(6):656-659.
    [16]袁和平.基于改进元胞粒子群的油田措施调整方案优化[J].长江大学学报(自科版),2016,13(4):6-9.
    [17]杜晓康,李治平,田丰,等.水驱油田高含水期体积波及系数预测方法[J].大庆石油地质与开发,2018,37(1):83-87.
    [18]吕晓光.数字油藏类比知识在开发全过程动态预测中的应用[J].大庆石油地质与开发,2018,37(1):76-82.
    [19]李辉峰,邓飞,周熙襄.利用TS与GA的混合算法(TSGA)求取剩余静校正量[J].石油地球物理勘探,2006,41(3):327-332.
    [20]刘挺,王联国.基于云模型的入侵杂草优化算法[J].计算机工程,2014,40(12):156-160.
    [21]高洪元,崔闻.文化蛙跳算法及其在频谱感知中的应用[J].中南大学学报(自然科学版),2013,44(9):3723-3730.
    [22]苏兆品,张婷,张国富.基于云模型和模糊聚合的应急方案评估[J].模式识别与人工智能,2014,27(11):1047-1055.
    [23]王石青,邱林,王志良,等.确定隶属函数的统计分析法[J].华北水利水电学院学报,2002,23(1):68-71.
    [24]青小波,郑康锋,李丹,等.新的混沌粒子群优化算法[J].通信学报,2012,33(1):24-37.