CN110067517B - 一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法 - Google Patents
一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法 Download PDFInfo
- Publication number
- CN110067517B CN110067517B CN201810069100.8A CN201810069100A CN110067517B CN 110067517 B CN110067517 B CN 110067517B CN 201810069100 A CN201810069100 A CN 201810069100A CN 110067517 B CN110067517 B CN 110067517B
- Authority
- CN
- China
- Prior art keywords
- riser system
- buoyancy block
- marine riser
- vortex
- block configuration
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005553 drilling Methods 0.000 title claims abstract description 27
- 230000002068 genetic effect Effects 0.000 title claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 20
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 60
- 230000007774 longterm Effects 0.000 claims abstract description 10
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 23
- 230000009286 beneficial effect Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000013016 damping Methods 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000005764 inhibitory process Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 1
- 230000007246 mechanism Effects 0.000 abstract 1
- 230000035772 mutation Effects 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 230000001629 suppression Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 241000272534 Struthio camelus Species 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B17/00—Drilling rods or pipes; Flexible drill strings; Kellies; Drill collars; Sucker rods; Cables; Casings; Tubings
- E21B17/01—Risers
- E21B17/012—Risers with buoyancy elements
-
- 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
- G06N3/123—DNA computing
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Geology (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Geochemistry & Mineralogy (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Physiology (AREA)
- Earth Drilling (AREA)
Abstract
本发明公开了一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，其特征在于以下步骤：S1：以隔水管系统浮力块配置作为优化变量，以基因编码的方式表征所述隔水管系统浮力块配置；S2：建立隔水管系统涡激疲劳分析模型，确定隔水管系统任意位置处的涡激疲劳损伤；S3：确定不同海流流速的发生概率，以减小隔水管系统长期涡激疲劳损伤为目标建立隔水管系统浮力块配置优化目标函数；S4：建立基于遗传算法的浮力块配置优化方法，通过基因的自然选择、突变与交叉等机制，不断产生新的浮力块配置基因种群，对浮力块配置方案进行寻优。本发明可用于快速准确的确定具有较好涡激抑制效果的深水钻井隔水管系统浮力块配置方案。
Description
技术领域
本发明属于海洋油气工程领域，尤其涉及一种海洋深水油气钻采过程中，基于遗传算法的深水钻井隔水管系统浮力块配置优化方法。
背景技术
深水油气钻采过程中，钻井隔水管系统是连接海底井口和海面钻井平台的关键设备，其长期处于复杂的海洋环境中，海水流经隔水管系统时，两侧产生交替的旋涡泄放，使得隔水管产生涡激振动，尤其当涡脱频率接近隔水管横向固有频率时，涡激振动更加明显，极易造成隔水管系统疲劳损伤甚至断裂，因此，隔水管系统涡激疲劳以及如何抑制隔水管涡激振动一直是国内外研究的热点。目前的研究主要通过安装隔水管螺旋列板、减震器等涡激抑制装置来破坏旋涡达到涡激抑制的作用，但是这些装置的安装与拆卸都会使得隔水管的作业流程复杂化，尤其是深水需要频繁下放与回收的情况下，使得作业时间大幅延长；另外，如果涡激抑制装置安装不合理还会加剧振动，因此在工程中基本不用钻井隔水管涡激抑制装置。
隔水管系统由于自身较大的重力，需要安装一定数量的浮力块，目前一些学者提出在满足深水钻井隔水管系统作业需要的前提下，利用隔水管浮力块来减轻涡激抑制的方法，通过研究几种不同的浮力块覆盖率，来得到能够抑制隔水管涡激振动的配置方案，这些方案具有明显的局限性。以1 000m深水钻井隔水管系统为例，每个隔水管单根的长度为18.288m，整个隔水管系统约由54个隔水管单根组成，每个单根均存在有浮力块和无浮力块两种可能性，则1 000m的深水钻井隔水管系统浮力块配置方案共有254(1.8×1016)种，相对所有的浮力块配置方案而言，几种典型的浮力块配置方案局限性非常明显。因此，如何在庞大的浮力块配置方案中优选出涡激疲劳性能较好的配置方案，是拟解决的关键科学难题。
发明内容
针对上述问题，本发明引入遗传算法，提出基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，开发深水钻井隔水管系统浮力块配置的优化系统，从而为深水钻井系统浮力块配置优化提供一种行之有效的方法。
一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，包括如下步骤：
步骤S1：以隔水管系统浮力块配置作为优化变量，以基因编码的方式表征所述隔水管系统浮力块配置；
步骤S2：基于能量平衡原理建立隔水管系统涡激疲劳分析模型，确定隔水管系统任意位置处的涡激疲劳损伤；
步骤S3：从统计学的角度出发，确定不同海流流速的发生概率，以减小隔水管系统长期涡激疲劳损伤为目标建立隔水管系统浮力块配置优化目标函数；
步骤S4：建立基于遗传算法的隔水管系统浮力块配置优化方法，开发隔水管系统浮力块配置优化系统，对隔水管系统浮力块配置方案进行寻优，主要优化过程包括：
步骤S41：设置隔水管系统浮力块配置优化参数、终止准则，以及浮力块基因编码种群的遗传、变异、交叉概率，编写隔水管系统浮力块配置遗传算法的适应度函数，对于有浮力块覆盖率约束条件的深水钻井隔水管系统，通过全局变量约束实现约束条件下的隔水管系统浮力块配置优化计算；
步骤S42：隔水管系统浮力块配置优化过程中，首先产生代表隔水管系统浮力块配置的初始基因种群，对所述基因种群表征的隔水管系统浮力块配置开展隔水管系统涡激疲劳损伤评估，确定所述初始基因种群的适应度；
步骤S43：将所述初始基因种群进行交叉、变异等产生新基因种群，该过程是自然选择和进化过程，将所述新基因种群解码成隔水管系统浮力块配置方案，并开展所述新基因种群的隔水管系统涡激疲劳损伤分析和基因种群的适应度评价，按照有利于减少隔水管系统涡激疲劳损伤的方向选择与进化基因种群，确定下一代的基因种群，重复执行上述优化过程，直至满足所述终止准则，满足所述终止准则后隔水管浮力块配置优化过程结束，确定隔水管系统浮力块配置最优方案。
所述步骤S1中所述基因编码方式为：基因1表示浮力块单根，基因0表示裸单根，通过不同基因组合可表征不同的隔水管系统浮力块配置。
所述步骤S2具体包括如下内容：
S21：基于能量平衡原理建立隔水管系统涡激振动模型，任意第r阶模态的隔水管系统涡激振动控制方程为：
式中，Mr为模态质量，Rr为模态阻尼，Kr为模态刚度，Pr为模态力，qr为模态位移；
S22：确定最小与最大漩涡泄放频率，初步筛选出可能参与涡激振动的各阶模态，所述最小和最大漩涡释放频率可表示为：
式中，St为斯托哈斯数，umin和umax分别为流剖面的最小与最大流速，dh为隔水管水动力外径；
S23：计算符合激励频率范围内的各阶隔水管模态的振幅，确定隔水管系统任意阶模态下均方根位移和均方根应力，进而求得任意阶模态下的疲劳损伤量，最终求得任意处的总疲劳损伤量，可表示为：
D(z)＝∑Dr(z)
式中，Dr为第r阶模态响应产生的隔水管涡激疲劳损伤。
步骤S3：从统计学的角度出发，确定不同海流流速的发生概率，以减小隔水管系统长期涡激疲劳损伤为目标建立隔水管系统浮力块配置优化目标函数；
所述步骤S3中具体包含以下步骤：
S31：基于目标海域的海流长期统计数据，确定不同海流流速的发生概率pi；
S32：综合考虑不同海流流速的发生概率，以减小隔水管系统长期涡激疲劳损伤为目标建立优化目标函数，可表示为：
式中，R为隔水管系统浮力块配置方案集合，N为海况总数，Di为第i个海况下的隔水管系统最大涡激疲劳损伤。
所述步骤S41中所述优化参数主要包括整体浮力块配置的基因种群规模集合、单个基因种群的长度以及基因种群的进化代数；所述终止准则用来终止基因种群的进化，进而终止整个算法，该准则可以根据实际需要设定，可以按代数终止、按时限终止、按适应度限制终止、按停滞代数或者停滞时限终止；所述遗传、变异、交叉概率根据遗传进化过程动态变化，前期进行大概率变异和交叉，以快速产生多样的基因种群，防止陷入局部优化，后期进行小概率变异和交叉，以快速寻找到代表最优浮力块配置方案的基因种群；所述适应度函数设定为使代表浮力块配置的基因种群涡激疲劳损伤最小值的函数，该适应度函数控制着基因种群向更有利于减小涡激疲劳损伤的方向进化。
附图说明
附图1为本发明的主要方法步骤及各步骤包含内容。
附图2为本发明的遗传优化过程的基因种群变化图。
附图3为不同超越概率下的海流流剖面示意图。
附图4为浮力块不同配置涡激疲劳损伤优化图。
附图5为隔水管浮力块配置进化过程图。
附图6为隔水管浮力块配置图。
具体实施方式
结合附图1-6，对本发明作进一步的描述。
一种基于涡激抑制的深水钻井隔水管系统浮力块配置智能优化方法，具体实施方案如附图1所示，整个分析流程主要包括浮力块配置优化主模块、浮力块配置编译模块、海流长期分布模拟模块和涡激疲劳损伤评估模块。
模块1：浮力块配置优化模块，该模块主要基于遗传算法进行不同浮力块配置的基因种群生成、交叉、变异及选择等，如附图2为基因种群的遗传、变异以及交叉过程，基因1表示浮力块单根，基因0表示裸单根，通过不同基因组合可表征不同的隔水管系统浮力块配置。
模块2：浮力块配置编译模块，该模块接收来自所述模块一的浮力块配置的基因种群，将基因种群代码表征的隔水管系统浮力块配置编译为实际的隔水管系统浮力块配置；
模块3：海流长期分布模块，该模块用于生成不同超越概率下的海流流速以及对应流速的发生概率。
模块4：涡激疲劳损伤评估模块，该模块接收所述模块2编译后的浮力块配置种群和所述模块3的海流工况参数，根据建立的基于涡激抑制的隔水管系统浮力块配置优化数学模型，依次完成不同海流流速和浮力块配置下的隔水管系统涡激疲劳损伤评估，确定不同浮力块配置下的综合涡激疲劳损伤并反馈至模块1浮力块配置优化主模块，进一步优选出涡激疲劳损伤性能较好的浮力块配置，依次进行下一轮的浮力块配置进化，直至得到最优的浮力块配置方案。
通过各模块的协同运行可以有效开展基于涡激抑制的隔水管系统浮力块配置优化，并开发隔水管系统浮力块配置优化系统，实现隔水管系统浮力块配置的自动智能优化。
为了更加详尽的阐述本发明方法的实施方式，下面结合具体实施例对本发明进一步进行解释和叙述：
一、给出隔水管系统浮力块优化过程所需的基本参数：隔水管单根长L＝18.288m，隔水管单根强度外径ds＝0.5334m，裸单根水动力外径dh＝0.8382m，浮力单根水动力外径dh＝1.372m，斯托哈斯数St＝0.22，海水密度为ρ＝1 025(kg/m3)，隔水管弹性模量E＝210GPa，S-N曲线常数C为2.2×1015(应力S<74MPa)或4.1×1011(应力S≥74MPa)，S-N曲线常数b为5(应力S<74MPa)或3(应力S≥74MPa)，应力集中系数k＝1.3。
二、结合我国南海海洋自然环境，建立不同超越概率下的海流流剖面，如附图3，给出了我国南海某1360水深海域，部分超越概率下的流剖面。
三、首先采用8根隔水管为例，说明隔水管系统浮力块智能优化过程，优化过程中采用开发的隔水管系统浮力块配置优化系统自动生成隔水管系统浮力块配置初始种群，以减小隔水管系统最大涡激疲劳损伤为目标，依次完成不同隔水管系统浮力块配置种群的进化。图4示出了隔水管系统浮力块配置涡激疲劳损伤优化过程，图5为每一根隔水管单根的配置进化过程图，图5中黑色区域代表浮力块单根，白色区域代表裸单根。
四、结合实际海洋钻采环境，选取1360m深水海洋环境，隔水管系统单根数76情况下，进行基于涡激抑制的隔水管系统浮力块配置优化，将优化结果解码为隔水管系统浮力块配置方案，得出附图6该条件的隔水管的浮力块配置方案，黑色区域代表浮力块单根，白色区域代表裸单根。
五、根据不同的钻井工况，当要求一定比例的隔水管浮力块覆盖率条件下，通过限定遗传优化条件仍然可以得到该条件下的优解。
本发明方法的有益效果是：提出的隔水管系统浮力块配置智能优化算法可精确快速地确定最优的浮力块配置，适用于数量庞大的隔水管浮力块配置方案的全局寻优，通过该浮力块配置优化方法不但可以节省大量的方案选配时间，还可以明显降低隔水管系统涡激疲劳损伤。该方法比较适合在实际工程中进行推广应用。
本发明不局限于上述具体实施方式，根据上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，本发明还可以做出其它多种形式的等效修改、替换或变更，均属于本发明的保护范围。
Claims (5)
1.一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，其特征在于包括如下步骤：
步骤S1：以隔水管系统浮力块配置作为优化变量，以基因编码的方式表征所述隔水管系统浮力块配置；
步骤S2：基于能量平衡原理建立隔水管系统涡激疲劳分析模型，确定隔水管系统任意位置处的涡激疲劳损伤；
步骤S3：从统计学的角度出发，确定不同海流流速的发生概率，以减小隔水管系统长期涡激疲劳损伤为目标建立隔水管系统浮力块配置优化目标函数；
步骤S4：建立基于遗传算法的隔水管系统浮力块配置优化方法，开发隔水管系统浮力块配置优化系统，对隔水管系统浮力块配置方案进行寻优，主要优化过程包括：
步骤S41：设置隔水管系统浮力块配置优化参数、终止准则，以及浮力块基因编码种群的遗传、变异、交叉概率，编写隔水管系统浮力块配置遗传算法的适应度函数，对于有浮力块覆盖率约束条件的深水钻井隔水管系统，通过全局变量约束实现约束条件下的隔水管系统浮力块配置优化计算；
步骤S42：隔水管系统浮力块配置优化过程中，首先产生代表隔水管系统浮力块配置的初始基因种群，对所述基因种群表征的隔水管系统浮力块配置开展隔水管系统涡激疲劳损伤评估，确定所述初始基因种群的适应度；
步骤S43：将所述初始基因种群进行交叉、变异产生新基因种群，该过程是自然选择和进化过程，将所述新基因种群解码成隔水管系统浮力块配置方案，并开展所述新基因种群的隔水管系统涡激疲劳损伤分析和基因种群的适应度评价，按照有利于减少隔水管系统涡激疲劳损伤的方向选择与进化基因种群，确定下一代的基因种群，重复执行上述优化过程，直至满足所述终止准则，满足所述终止准则后隔水管浮力块配置优化过程结束，确定隔水管系统浮力块配置最优方案。
2.根据权利要求1所述的一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，其特征在于步骤S1中所述基因编码方式为：基因1表示浮力块单根，基因0表示裸单根，通过不同基因组合可表征不同的隔水管系统浮力块配置。
3.根据权利要求1所述的一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，其特征在于步骤S2包括如下内容：
步骤S21：基于能量平衡原理建立隔水管系统涡激振动模型，任意第r阶模态的隔水管系统涡激振动控制方程为：
式中，Mr为模态质量，Rr为模态阻尼，Kr为模态刚度，Pr为模态力，qr为模态位移；
步骤S22：确定最小与最大漩涡泄放频率，初步筛选出可能参与涡激振动的各阶模态，所述最小与最大漩涡泄放频率可表示为：
式中，St为斯托哈斯数，umin和umax分别为流剖面的最小与最大流速，dh为隔水管水动力外径；
步骤S23：计算符合激励频率范围内的各阶隔水管模态的振幅，确定隔水管系统任意阶模态下均方根位移和均方根应力，进而求得任意阶模态下的疲劳损伤量，最终求得任意处的总疲劳损伤量，可表示为：
D(z)＝∑Dr(z)
式中，Dr为第r阶模态响应产生的隔水管涡激疲劳损伤。
4.根据权利要求1所述的一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，其特征在于步骤S3包括如下内容：
步骤S31：基于目标海域的海流长期统计数据，确定不同海流流速的发生概率pi；
步骤S32：综合考虑不同海流流速的发生概率，以减小隔水管系统长期涡激疲劳损伤为目标建立优化目标函数，可表示为：
式中，R为隔水管系统浮力块配置方案集合，N为海况总数，Di为第i个海况下的隔水管系统最大涡激疲劳损伤。
5.根据权利要求1所述的一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法，其特征在于步骤S41中所述优化参数主要包括整体浮力块配置的基因种群规模集合、单个基因种群的长度以及基因种群的进化代数；所述终止准则用来终止基因种群的进化，进而终止整个算法，该准则可以根据实际需要设定，可以按代数终止、按时限终止、按适应度限制终止、按停滞代数或者停滞时限终止；所述遗传、变异、交叉概率根据遗传进化过程动态变化，前期进行大概率变异和交叉，以快速产生多样的基因种群，防止陷入局部优化，后期进行小概率变异和交叉，以快速寻找到代表最优浮力块配置方案的基因种群；所述适应度函数设定为使代表浮力块配置的基因种群涡激疲劳损伤最小值的函数，该适应度函数控制着基因种群向更有利于减小涡激疲劳损伤的方向进化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810069100.8A CN110067517B (zh) | 2018-01-24 | 2018-01-24 | 一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810069100.8A CN110067517B (zh) | 2018-01-24 | 2018-01-24 | 一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110067517A CN110067517A (zh) | 2019-07-30 |
| CN110067517B true CN110067517B (zh) | 2021-04-09 |
Family
ID=67365698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810069100.8A Active CN110067517B (zh) | 2018-01-24 | 2018-01-24 | 一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110067517B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101509379A (zh) * | 2009-03-17 | 2009-08-19 | 西南石油大学 | 深水隔水管浮力块闭环控制系统 |
| CN101975036A (zh) * | 2010-07-29 | 2011-02-16 | 中国石油大学(华东) | 一种新型深水钻井隔水管涡激抑制方法 |
| CN102446236A (zh) * | 2010-10-13 | 2012-05-09 | 中国石油大学(华东) | 基于改进型遗传算法的管道自动优化布置方法 |
| CN103984989A (zh) * | 2014-05-08 | 2014-08-13 | 中国石油大学(华东) | 石油钻机设备布局优化方法及系统 |
| EP2947264A2 (en) * | 2014-05-22 | 2015-11-25 | Services Petroliers Schlumberger | Automated surface network generation |
-
2018
- 2018-01-24 CN CN201810069100.8A patent/CN110067517B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101509379A (zh) * | 2009-03-17 | 2009-08-19 | 西南石油大学 | 深水隔水管浮力块闭环控制系统 |
| CN101975036A (zh) * | 2010-07-29 | 2011-02-16 | 中国石油大学(华东) | 一种新型深水钻井隔水管涡激抑制方法 |
| CN102446236A (zh) * | 2010-10-13 | 2012-05-09 | 中国石油大学(华东) | 基于改进型遗传算法的管道自动优化布置方法 |
| CN103984989A (zh) * | 2014-05-08 | 2014-08-13 | 中国石油大学(华东) | 石油钻机设备布局优化方法及系统 |
| EP2947264A2 (en) * | 2014-05-22 | 2015-11-25 | Services Petroliers Schlumberger | Automated surface network generation |
Non-Patent Citations (2)
| Title |
|---|
| 基于涡激抑制的隔水管浮力块分布方案优化;孙友义等;《中国石油大学学报（自然科学版）》;20090430;第33卷(第2期);第124-126页 * |
| 深水钻井隔水管完整性及台风事故应对策略研究;刘秀全;《中国博士学位论文全文数据库（工程科技I辑）》;20160731(第07期);正文第93-98页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110067517A (zh) | 2019-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| de Pina et al. | Tailoring the particle swarm optimization algorithm for the design of offshore oil production risers | |
| US8005658B2 (en) | Automated field development planning of well and drainage locations | |
| Shafieefar et al. | Mooring optimization of floating platforms using a genetic algorithm | |
| KR101671648B1 (ko) | 해양 수직 파이프 구조물의 강도 및 피로성능 추정방법 | |
| CN110348046B (zh) | 一种基于模糊综合评价的钻进轨迹多目标优化方法 | |
| CN105205280A (zh) | 一种单跨管道横流向涡激振动的预报方法 | |
| CN110067517B (zh) | 一种基于遗传算法的深水钻井隔水管系统浮力块配置优化方法 | |
| CN109284818A (zh) | 一种基于事故树和遗传算法的爆破振动控制预测方法 | |
| Liu et al. | Optimization design of fairings for VIV suppression based on data-driven models and genetic algorithm | |
| CN110532685A (zh) | 浮式结构物摇荡运动响应预报方法 | |
| Baioco et al. | Multi-Objective Optimization of Submarine Pipeline Routes Considering On-Bottom Stability, VIV-Induced Fatigueand Multiphase Flow | |
| Yang et al. | Optimization design for steel catenary riser with fatigue constraints | |
| Liu et al. | Reliability assessment of a floating offshore wind turbine mooring system based on the TLBO algorithm | |
| CN114030563B (zh) | 适用于圆筒型fpso的多点系泊系统及其设计方法 | |
| Baioco et al. | Multi-objective optimization of subsea pipeline routes in shallow waters | |
| CN116245236A (zh) | 一种海洋油田水下生产系统多目标生产方案优化方法 | |
| Baioco et al. | Incorporating engineering criteria to the synthesis and optimization of submarine pipeline routes: On-bottom stability, viv-induced fatigue and multiphase flow | |
| Kumar et al. | Development of data-driven models for prediction of mooring line tensions | |
| Christiansen et al. | Optimized mooring line simulation using a hybrid method time domain scheme | |
| Yang et al. | Multi-Objective Design Optimization of Drilling Riser Operability Envelope for Ultra-Deep Water | |
| CN106447088A (zh) | 基于遗传算法的施工现场灾害预测方法 | |
| Abam et al. | Weight Optimisation of Steel Catenary Riser Using Genetic Algorithm and Finite Element Analysis | |
| KR102595185B1 (ko) | 요동저감형 공기안정 장치 및 이를 이용한 부유식 플랫폼 | |
| Nair et al. | Analysis of deep sea umbilical in steep wave configuration | |
| CN116090672B (zh) | 一种水下生产系统生产方案优化方法、系统、设备及终端 |
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 |