改進(jìn)MINLP算法及在油田生產(chǎn)調(diào)度中的應(yīng)用.pdf

1、石油已經(jīng)成為全球經(jīng)濟(jì)發(fā)展不可或缺的重要能源和工業(yè)原料。在全球石油儲量下降的趨勢下，油藏開發(fā)科學(xué)化管理顯得尤為重要。油田生產(chǎn)過程調(diào)度問題的數(shù)學(xué)模型多數(shù)為混合整數(shù)非線性規(guī)劃(Mixed Integer Nonlinear Programming，MINLP)模型，包括了大量的離散變量、連續(xù)變量和非線性函數(shù)。復(fù)雜的數(shù)學(xué)模型和問題規(guī)模使MINLP最優(yōu)算法一直是國內(nèi)外學(xué)者研究的熱點(diǎn)和難點(diǎn)。
　　本文的主要工作是基于廣義Benders分解(G

2、eneralized Benders Decomposition，GBD)和外部近似算法(Outer Approximation，OA)，提出混合改進(jìn)MINLP算法，并通過數(shù)值實(shí)驗(yàn)驗(yàn)證了算法的可行性和有效性;針對油田生產(chǎn)調(diào)度問題進(jìn)行數(shù)學(xué)建模，將改進(jìn)算法應(yīng)用到問題求解;最后開發(fā)了嵌入優(yōu)化模型和算法的油田生產(chǎn)調(diào)度決策支持系統(tǒng)。
　　1、針對OA、GBD及其改進(jìn)算法進(jìn)行Benchmark問題的數(shù)值實(shí)驗(yàn)，總結(jié)兩種算法的求解性能，結(jié)合算法理

3、論分析部分MINLP實(shí)例求解失敗原因，從而提出了改進(jìn)算法，并將其應(yīng)用于求解復(fù)雜的MINLP，有一定的效果。
　　2、基于OA和GBD算法，提出了改進(jìn)OA和GBD混合割算法，融合了OA割和GBD割;引入半代理割，提出了半代理算法。通過數(shù)值實(shí)驗(yàn)驗(yàn)證了算法的可行性和有效性。
　　3、針對國內(nèi)某大型油田的生產(chǎn)開發(fā)過程提出油田生產(chǎn)調(diào)度優(yōu)化問題，建立了MINLP數(shù)學(xué)模型，應(yīng)用改進(jìn)算法對其進(jìn)行求解，對比結(jié)果顯示改進(jìn)算法可以明顯提高實(shí)際油田

4、生產(chǎn)調(diào)度優(yōu)化問題的求解效率，在運(yùn)算時(shí)間和迭代次數(shù)上都有明顯的優(yōu)勢。
　　4、以該油田生產(chǎn)管理為背景，開發(fā)了油田生產(chǎn)調(diào)度優(yōu)化決策支持系統(tǒng)，嵌入了所建立的模型和算法，方便數(shù)據(jù)管理的同時(shí)，為決策者提供了油田生產(chǎn)優(yōu)化調(diào)度解決方案的支持。
　　數(shù)值實(shí)驗(yàn)得出的結(jié)論對MINLP最優(yōu)算法的研究有理論價(jià)值，改進(jìn)的MINLP算法明顯提高了求解油田生產(chǎn)調(diào)度優(yōu)化問題的求解效率，這對求解實(shí)際規(guī)模的MINLP問題具有一定的應(yīng)用價(jià)值。油田生產(chǎn)調(diào)度優(yōu)化決策