粒子群算法在油田布井優(yōu)化中的應(yīng)用研究.pdf

1、油田開發(fā)中一個非常重要的任務(wù)就是確定油田布井方案以及評估各個方案在投入生產(chǎn)時的經(jīng)濟效益，從而確定出一個最佳的布井方案。在經(jīng)濟利益最大化的前提下，一個合理的布井方案要求采用井?dāng)?shù)最少的井網(wǎng)，并且能夠最大限度的開采油田儲量。因此在井網(wǎng)部署方面要確定油、水、氣井的排列方式、井?dāng)?shù)的多少以及井距的大小。針對油田布井方案的優(yōu)化，本文的主要研究內(nèi)容如下:
　　第一，井網(wǎng)部署問題取決于油藏驅(qū)動方式、油藏類型和流體特性以及各類經(jīng)濟參數(shù)，因此油田布井問

2、題涉及到的變量數(shù)目較多。如何有效的選擇和組合這些變量，使油井產(chǎn)量最大化是非常關(guān)鍵的。而傳統(tǒng)的優(yōu)化方法對目標(biāo)函數(shù)要求嚴(yán)格，往往不適合求解這種復(fù)雜的多變量問題。針對這一問題，本文提出采用粒子群算法(Particle SwarmOptimization，PSO)來對油田布井問題進行優(yōu)化，該算法的優(yōu)點是計算簡單、參數(shù)設(shè)置少、收斂速度快、易于實現(xiàn)、具有較強的魯棒性，對函數(shù)性態(tài)無要求，能夠處理的變量數(shù)目多，非常適合于求解復(fù)雜的優(yōu)化問題。
　　

3、第二，對PSO算法的性能做了對比分析，論證了PSO算法在布井優(yōu)化方面比GA算法更適合，求解的優(yōu)化結(jié)果更精確，收斂速度更快。在本文中選取了三個基準(zhǔn)測試函數(shù)(Sphere、Rastrigin、Rosenbrock)分別用來測試算法的尋優(yōu)精度、跳出局部最優(yōu)解的能力和算法的執(zhí)行能力。首先分析了參數(shù)對算法性能的影響，對于同一個函數(shù)，當(dāng)取不同的參數(shù)組合時，PSO算法的收斂精度和速度也會不同。其次分別取這三個函數(shù)的不同維數(shù)來對PSO算法和GA算法的性

4、能做了對比分析。從實驗結(jié)果統(tǒng)計的數(shù)據(jù)來看，隨著函數(shù)維數(shù)的增加，PSO算法的收斂精度、收斂速度以及跳出局部最優(yōu)解的能力雖然都有下降，但是仍然要優(yōu)于GA算法。從而驗證了PSO算法在求解多變量問題時的優(yōu)越性。
　　第三，將PSO算法應(yīng)用到油田布井優(yōu)化中，根據(jù)求解的實際問題和PSO算法建立了相應(yīng)的數(shù)學(xué)模型并且編寫了井位優(yōu)化系統(tǒng)軟件。在系統(tǒng)中以某油田的小層數(shù)據(jù)為依據(jù)，構(gòu)建了油藏模型3D滲透率場，并以最大累計產(chǎn)量為目標(biāo)函數(shù)對井位進行了優(yōu)化。實