粒子群算法在油田布井優(yōu)化中的應用研究.pdf

1、油田開發(fā)中一個非常重要的任務就是確定油田布井方案以及評估各個方案在投入生產時的經濟效益，從而確定出一個最佳的布井方案。在經濟利益最大化的前提下，一個合理的布井方案要求采用井數(shù)最少的井網，并且能夠最大限度的開采油田儲量。因此在井網部署方面要確定油、水、氣井的排列方式、井數(shù)的多少以及井距的大小。針對油田布井方案的優(yōu)化，本文的主要研究內容如下:
　　第一，井網部署問題取決于油藏驅動方式、油藏類型和流體特性以及各類經濟參數(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，使油井產量最大化是非常關鍵的。而傳統(tǒng)的優(yōu)化方法對目標函數(shù)要求嚴格，往往不適合求解這種復雜的多變量問題。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)化結果更精確，收斂速度更快。在本文中選取了三個基準測試函數(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。從實驗結果統(tǒng)計的數(shù)據來看，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算法應用到油田布井優(yōu)化中，根據求解的實際問題和PSO算法建立了相應的數(shù)學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)據為依據，構建了油藏模型3D滲透率場，并以最大累計產量為目標函數(shù)對井位進行了優(yōu)化。實