CN107491568A - 基于实数编码遗传算法的复杂结构井优化设计方法 - Google Patents
基于实数编码遗传算法的复杂结构井优化设计方法 Download PDFInfo
- Publication number
- CN107491568A CN107491568A CN201610407584.3A CN201610407584A CN107491568A CN 107491568 A CN107491568 A CN 107491568A CN 201610407584 A CN201610407584 A CN 201610407584A CN 107491568 A CN107491568 A CN 107491568A
- Authority
- CN
- China
- Prior art keywords
- well
- genetic algorithm
- complex structural
- individual
- branch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于实数编码遗传算法的复杂结构井优化设计方法,包括:步骤1,选择布井区域,并设置布井参数;步骤2,将布井参数编码成染色体;步骤3,在步骤1和步骤2基础上,生成预先设置的总群规模的遗传算法初始种群个体,每个个体即由布井参数编码而成的染色体;步骤4,根据当前种群个体生成复杂结构井方案;步骤5,通过遗传算法存优去劣,形成新种群个体;步骤6,判断新种群个体是否具有全局最优收敛性,并在满足阈值条件时,输出最优井轨迹参数。该基于实数编码遗传算法的复杂结构井优化设计方法避免编码和解码过程,改善计算复杂性,提高运算效率等优点,可以使复杂结构井设计流程化,降低工作强度,提高工作效率。
Description
技术领域
本发明涉及油气藏复杂结构井轨迹设计领域,特别是涉及到一种基于实数编码遗传算法的复杂结构井优化设计方法。
背景技术
多分支井是21世纪钻井领域的新兴技术,它是由一个主井眼(直井、定向井、水平井)侧钻出两个或更多进入储层的分支井眼,实现多个储层泄油。实践表明,利用分支井开发油气藏,能够扩大泄油面积;改善油藏流动剖面,减缓锥近速度;提高油气层纵向动用程度,增加裂缝油气藏裂缝钻遇率,从而增加油井产能,提高油藏最终采收率。随着水平井完井技术的发展和三维地震技术的普及,多分支井技术得到了迅速的发展。目前水平井的应用正向三大方向转移:即从结构简单的单支水平井开发向鱼骨状多分支水平井转移;从追求钻遇多层向单层精细开发转移;从单井开发向大规模整体井组开发转移。然而,利用水平井、分支水平井进行油田整体开发的研究尚处空白。因此,从油藏开发角度出发,结合油田的地质特征,开展鱼骨状复杂结构井整体开发技术研究,增强鱼骨状复杂结构井对油藏的适应性,这对于完善复杂结构井开发配套技术系列,提高该技术的推广应用成功率,夯实分支水平井普及应用理论具有十分重要的意义。传统的复杂结构井设计手工操作,成果质量取决于设计人员经验,研究成果展示困难;大型油藏描述项目复杂结构井设计存在过多的软件数据交换困难,工作繁琐,研究周期长。本发明基于实数编码遗传算法的复杂结构井优化设计方法可以很好的解决这些问题。
遗传算法(Genetic Algorithm,GA)是由Bagley J.D提出并由J.H.Holland进行最开始的系统性理论与方法研究的一种受生物进化思想启发产生的通过模拟生物进化的选择淘汰、变异、基因遗传等规律,不依赖具体问题的直接搜索来确定最优的方案的全局优化算法。常用的遗传算法编码方案有二进制编码、实数编码、矩阵编码、树型编码等。遗传算法广泛地应用于自动控制、组合优化、图像处理、人工智能和工程设计等领域中。尤其是当搜索空间很大、问题非常复杂或对问题域的先验知识很少时,使用经典搜索工具如枚举法、启发式方法等不适宜的情况下,遗传算法提供了一种效率高且有效的求解问题的合理方法。为此我们发明了一种新的基于实数编码遗传算法的复杂结构井优化设计方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种基于实数编码遗传算法的自动搜索出满足给定优化目标的复杂结构井轨迹设计方法。
本发明的目的可通过如下技术措施来实现:基于实数编码遗传算法的复杂结构井优化设计方法,该基于实数编码遗传算法的复杂结构井优化设计方法包括:步骤1,选择布井区域,并设置布井参数;步骤2,将布井参数编码成染色体;步骤3,在步骤1和步骤2基础上,生成预先设置的总群规模的遗传算法初始种群个体,每个个体即由布井参数编码而成的染色体;步骤4,根据当前种群个体生成复杂结构井方案;步骤5,通过遗传算法存优去劣,形成新种群个体;步骤6,判断新种群个体是否具有全局最优收敛性,并在满足阈值条件时,输出最优井轨迹参数。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,通过有效厚度、油饱和度、渗透率这些油藏地质参数来确定布井区域。
在步骤1中,设置主枝跟端点坐标、主枝方位角、分支长度、分支数目、分支角度、分支间距这些分支井主要参数初始值。
在步骤2中,将布井参数编码成染色体,并设置交叉/变异/选择策略、交叉/变异/种群规模、交叉/变异/选择参数、允许进化代数、终止条件这些遗传算法参数。
在步骤4中,将步骤3生成的种群个体对应生成复杂结构井,并调用井产能计算及经济评价接口函数,生成方案产量及经济数据结果,使用目标评价函数对数据结果评价
在步骤5中,通过遗传算法选择、交叉、变异这些存优去劣过程,形成新种群个体。
在步骤6中,在允许最大进化代数及迭代进化无更优个体的连续次数时满足阈值条件,在阈值条件判断中以经济最优作为目标函数,由解析法产能公式计算产能从而进一步可以计算得到收入,支出考虑钻井进尺费用、分支费用及地面维护费这些相关费用,收入减去支出即可求出当前水平井设计方案的经济效益;根据经济收益最优目标函数,确定最优的复杂结构井设计方案,包括主支方位、分支长度、分支数目、分支角度、分支间距这些复杂结构井参数。
在步骤6中,在不满足阈值条件时,采用通过步骤4和步骤5所得到的新种群个体取代上一代种群个体,并返回到步骤4继续循环执行。
本发明中的基于实数编码遗传算法的复杂结构井优化设计方法,用实数编码方式以适应布井参数值范围比较大的状况,实数编码遗传算法的发展时间并不长,但对于参数是连续型变量的数值优化问题,直接采用实数表示基因是特别自然的。它与传统遗传算法(二进制编码遗传算法)不同的是直接采用实数表示基因,等位基因就是实数的取值,染色体则是一个实数向量,染色体的长度即此实数向量的大小,实数编码具有使遗传算法更接近问题空间,避免编码和解码过程,改善计算复杂性,提高运算效率等优点。可以使复杂结构井设计流程化,降低工作强度,提高工作效率,促进复杂结构井设计向流程化、智能化、标准化的方向前进。
本发明提供的复杂结构井智能设计的方法,在确定的有利区范围内进行优化布井,将复杂结构井的主支跟端点坐标、主支方位、分支长度、分支数目、分支角度及分支间距等作为遗传算法的基因片段进行遗传算法模拟运算,每一个个体对应一个复杂结构井设计方案,通过计算每一个方案的产量及经济收益数据,以经济效益最大作为约束条件确定最终的设计结果。复杂结构井智能设计是在确定的有利区范围内进行智能布井,通过调整主支跟端点坐标、主支方位、分支长度、分支数目、分支角度及分支间距等设计井。利用遗传算法等优化方法以经济评价、产量、无阻流量为约束条件产生最优结果。
附图说明
图1为本发明的基于实数编码遗传算法的复杂结构井优化设计方法的一具体实施例的流程图;
图2为本发明的一具体实施例中鱼骨状复杂结构井在xoy平面内的投影示意图;
图3为本发明的一具体实施例中复杂结构井形态示意图;
图4为本发明的一具体实施例中复杂结构井设计算法方案列表效果的示意图;
图5为本发明的一具体实施例中复杂结构井效果图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
如图1所示,图1为本发明的基于实数编码遗传算法的复杂结构井优化设计方法的流程图。
在模型有利区筛选的基础上,确定布井区域,以主支方位、分支长度、分支数目、分支角度、分支间距为复杂结构井设计的优化参数,其中复杂结构井的相关费用主要考虑钻井进尺费用、分支费用及地面维护费,调用解析法产能公式计算每一种方案的产能,以经济效益最大化作为遗传算法的目标函数,由复杂结构井的产能收入及支出即可求出当前水平井设计方案的经济效益。
复杂结构井形态设计原则:
1、鱼骨状复杂结构井(如图2、3所示)形态设计原则是:异侧、非对称,分支点位置靠近主井筒两端,分支个数不少于2支,分支角度不小于30度。
2、由于分支长度、分支展布(同侧/异侧、对称/非对称)在布井时受到油藏的限制最大,因此,在优化过程中应充分考虑油藏情况,首先确定分支长度和分支展布情况,然后再进行其它参数优化。
具体步骤如下:
(1)选择布井区域,主要通过有效厚度、油饱和度、渗透率等油藏地质参数来确定布井区域;
(2)设置布井参数:设置主枝跟端点坐标、主枝方位角、分支长度、分支数目、分支角度、分支间距等分支井主要参数初始值;
(3)布井参数编码成染色体,并设置交叉(/变异/选择)策略、交叉(/变异/种群)规模、交叉(/变异/选择)参数、允许进化代数、终止条件等遗传算法参数;
(4)初始化种群,根据(1)(2)(3)步骤,生成遗传算法初始种群个体;
(5)根据当前种群个体生成复杂结构井方案(即计算染色体适应度值):将步骤(4)生成的种群个体对应生成复杂结构井,并调用井产能计算及经济评价接口函数,生成方案产量及经济数据结果,使用目标评价函数对数据结果评价;
(6)通过遗传算法对总群个体进行选择、交叉、变异等存优去劣操作;
(7)根据(6)步骤,形成新的种群个体;
(8)种群个体全局最优收敛性判断。若满足阈值,则循环终止,否者用通过(5)(6)所得到的新一代群体取代上一代群体(7),并返回到(5)继续循环执行。
方法中的存储介质采用计算机,用于存储遗传算法模拟后产生的复杂结构井方案数据并且计算各方案评价值。根据经济收益最优目标函数,确定最优的复杂结构井设计方案。
本发明的一具体实施例中复杂结构井设计算法方案列表效果如图4所示,数据主要包括方案的净收益、产量、主枝跟端点坐标、主枝方位角、分支长度、分支数目、分支角度、分支间距等分支井主要参数值。
本发明的一具体实施例中复杂结构井效果图如图5所示,在储层平面模型上,根据遗传算法算取的最优复杂结构井设计方案的主枝跟端点坐标、主枝方位角、分支长度、分支数目、分支角度、分支间距等参数值展示复杂结构井轨迹图。分支1、分支2、分支3、分支4及主支是对应图4复杂结构井设计算法方案列表的第一行设计方案绘制的井位轨迹图。
Claims (8)
1.基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,该基于实数编码遗传算法的复杂结构井优化设计方法包括:
步骤1,选择布井区域,并设置布井参数;
步骤2,将布井参数编码成染色体;
步骤3,在步骤1和步骤2基础上,生成预先设置的总群规模的遗传算法初始种群个体,每个个体即由布井参数编码而成的染色体;
步骤4,根据当前种群个体生成复杂结构井方案;
步骤5,通过遗传算法存优去劣,形成新种群个体;
步骤6,判断新种群个体是否具有全局最优收敛性,并在满足阈值条件时,输出最优井轨迹设计方案。
2.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤1中,通过有效厚度、油饱和度、渗透率这些油藏地质参数来确定布井区域。
3.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤1中,设置主枝跟端点坐标、主枝方位角、分支长度、分支数目、分支角度、分支间距这些分支井主要参数初始值。
4.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤2中,将布井参数编码成染色体,并设置交叉/变异/选择策略、交叉/变异/种群规模、交叉/变异/选择参数、允许进化代数、终止条件这些遗传算法参数。
5.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤4中,将步骤3生成的种群个体对应生成复杂结构井,并调用井产能计算及经济评价接口函数,生成方案产量及经济数据结果,使用目标评价函数对数据结果评价。
6.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤5中,通过遗传算法选择、交叉、变异这些存优去劣过程,形成新种群个体。
7.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤6中,在允许最大进化代数及迭代进化无更优个体的连续次数时满足阈值条件,在阈值条件判断中以经济最优作为目标函数,由解析法产能公式计算产能从而进一步可以计算得到收入,支出考虑钻井进尺费用、分支费用及地面维护费这些相关费用,收入减去支出即可求出当前水平井设计方案的经济效益;根据经济收益最优目标函数,确定最优的复杂结构井设计方案,包括主支方位、分支长度、分支数目、分支角度、分支间距这些复杂结构井参数。
8.根据权利要求1所述的基于实数编码遗传算法的复杂结构井优化设计方法,其特征在于,在步骤6中,在不满足阈值条件时,采用通过步骤4和步骤5所得到的新种群个体取代上一代种群个体,并返回到步骤4继续循环执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610407584.3A CN107491568B (zh) | 2016-06-12 | 2016-06-12 | 基于实数编码遗传算法的复杂结构井优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610407584.3A CN107491568B (zh) | 2016-06-12 | 2016-06-12 | 基于实数编码遗传算法的复杂结构井优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107491568A true CN107491568A (zh) | 2017-12-19 |
CN107491568B CN107491568B (zh) | 2020-11-10 |
Family
ID=60642122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610407584.3A Active CN107491568B (zh) | 2016-06-12 | 2016-06-12 | 基于实数编码遗传算法的复杂结构井优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491568B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190809A (zh) * | 2018-08-15 | 2019-01-11 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 油田开发方案多变量编码方法及装置 |
CN110543094A (zh) * | 2019-08-17 | 2019-12-06 | 深圳信息职业技术学院 | 基于实数编码遗传算法的水厂投药pid控制参数整定方法 |
CN116644662A (zh) * | 2023-05-19 | 2023-08-25 | 之江实验室 | 一种基于知识嵌入神经网络代理模型的布井优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
CN103136414A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 应用于井组划分模型的求解方法 |
-
2016
- 2016-06-12 CN CN201610407584.3A patent/CN107491568B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
CN103136414A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 应用于井组划分模型的求解方法 |
Non-Patent Citations (3)
Title |
---|
李晓明等: "改进遗传算法在优化油田布井中的应用", 《油气地质与采收率》 * |
柳毓松等: "利用遗传算法进行水平井水平段长度优化设计", 《石油学报》 * |
赵娟等: "遗传算法在布井优化中的应用", 《计算机时代》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190809A (zh) * | 2018-08-15 | 2019-01-11 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 油田开发方案多变量编码方法及装置 |
CN110543094A (zh) * | 2019-08-17 | 2019-12-06 | 深圳信息职业技术学院 | 基于实数编码遗传算法的水厂投药pid控制参数整定方法 |
CN116644662A (zh) * | 2023-05-19 | 2023-08-25 | 之江实验室 | 一种基于知识嵌入神经网络代理模型的布井优化方法 |
CN116644662B (zh) * | 2023-05-19 | 2024-03-29 | 之江实验室 | 一种基于知识嵌入神经网络代理模型的布井优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107491568B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8005658B2 (en) | Automated field development planning of well and drainage locations | |
CN110334431A (zh) | 一种低渗透致密气藏单井控制储量计算及剩余气分析方法 | |
Yeten | Optimum deployment of nonconventional wells | |
Lu et al. | Joint optimization of well locations, types, drilling order, and controls given a set of potential drilling paths | |
CN103177185B (zh) | 一种pdc钻头钻进参数多目标优化方法及装置 | |
CN107829718A (zh) | 基于均衡水驱理念的油藏井网及注采方案优化设计方法 | |
CN107491568A (zh) | 基于实数编码遗传算法的复杂结构井优化设计方法 | |
CN206309375U (zh) | 菱形反九点井网的改进井网结构 | |
CN108343420A (zh) | 一种多因素协同分析的工厂化作业大井组布井方法 | |
CN107766978B (zh) | 不规则井网的智能优化方法 | |
CN106545319A (zh) | 断块油藏水驱后转人工气顶-边水双向驱提高采收率方法 | |
CN109426672A (zh) | 基于不确定地质模型的油藏注采参数优化方法 | |
CN109003330A (zh) | 一种基于基岩边界约束的三维地层建模方法 | |
CN108197366A (zh) | 考虑注入水水质对储层伤害的注采参数优化方法 | |
CN111827936B (zh) | 一种批钻滚动式井群开采天然气水合物的系统及方法 | |
CN107939372B (zh) | 针对小断块油藏的最优井位部署方法和装置 | |
CN106408208A (zh) | 体积压裂改造效果评价方法 | |
CN107218019A (zh) | 一种基于蒙特卡洛算法的聚合物驱生产优化方法和系统 | |
CN110173252A (zh) | 一种水平井开发气藏井网的加密方法及其评价方法 | |
CN117291125B (zh) | 一种水驱油藏井网与射孔层段综合调整优化方法及系统 | |
CN107829719A (zh) | 海上油藏新区经济最优井网的优化设计方法 | |
CN108985504A (zh) | 高倾角油藏优化调整方法 | |
CN107492130A (zh) | 一种基于层面渲染的非连续等值云图生成方法 | |
CN110306968A (zh) | 不规则井网优化方法及其计算机可读存储介质 | |
CN109117517A (zh) | 一种基于遗传算法与地下水模型的基坑降水优化设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |