بهینه‌سازی مکان چاه‌های تولید و تزریق با استفاده از الگوریتم ژنتیک موازی در یک مورد مطالعاتی

نوع مقاله : علمی-پژوهشی

نویسندگان

دانشکده مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

به دلیل پیچیدگی‌های موجود در مدل‌های شبیه‌سازی مخازن نفتی، نیاز به یافتن یک روش بهینه‌سازی که بتواند در کنار کاهش هزینه‌های محاسب از دقت و سرعت خوبی برخوردار باشد، احساس می‌شود. در این راستا، در این پژوهش، از الگویتم ژنتیک موازی برای سرعت بخشیدن به بهینه‌ساز به منظور جلوگیری از افزایش بار محاسبه‌ای مسئله مکانیابی و طولانی شدن زمان اجرا، استفاده گردیده است. این الگوریتم به جای یک جمعیت از کروموزوم (یعنی همان متغییر‌های بهینه‌سازی) با چند جمعیت کار می‌کند، که با همدیگر تبادل کروموزوم می‌کنند. مدل ریاضی ارایه شده در مسئله تک هدفه می‌باشد، که حداکثر کردن مقدار ارزش فعلی پروژه در انتخاب مکان چاه‌ها می‌باشد. قیمت نفت و هزینه جداسازی آب و گاز در این تابع اقتصادی در نظر گرفته شده است. در ارزیابی تابع هدف، هسته‌های یک رایانه، یا چند رایانه شبکه شده، هرکدام به صورت موازی، محاسبه برازندگی کروموزم‌های جمعیت‌های موازی را عهده دار هستند. پس از محاسبه تابع هدف یا برازندگی کروموزوم‌های همه جمعیت‌ها (که در هر جمعیت عملگر‌های رایج ژنتیک فعالیت می‌کند)، مهاجرت بین جمعیت‌ها صورت می گیرد. برای صحت سنجی پیاده‌سازی این روش یک مورد مطالعاتی مورد استفاده قرار گرفته است. در مدل پیشنهادی مکان چاه‌های عمودی، در یک مخزن نفتی، صحت‌سنجی شده است. در نتیجه بهینه‌سازی، چاه‌ها به حالت پنج نقطه، چهار چاه تزریقی در گوشه‌ها، و یک چاه تولیدی در مرکز مدل، مکان‌یابی می‌گردند و علاوه‌بر کاهش زمان بهینه‌سازی، تعداد اجراهای شبیه‌ساز در حالت پردازش موازی به میزان چشمگیری کاهش می‌یابد. در این پژوهش عملکرد الگوریتم‌های ژنتیک و ژنتیک موازی برای بهینه‌سازی مکان‌یابی بر روی مدل مخزنی یکسان نشان داده می‌شود. زمان اجرای بهینه‌سازی بین ژنتیک و ژنتیک موازی به ترتیب 7100 ثانیه و 1800 ثانیه است. همان‌گونه که مشخص است استفاده از PGA باعث افزایش چهار برابری زمان اجرا در مخزن نفتی مورد مطالعه شده است.

کلیدواژه‌ها

موضوعات

مراجع

[1]    Boukouvala F., Misener R., Floudas C.A., European Journal of Operational Research, Global Optimization Advances in Mixed-Integer Nonlinear Programming, Minlp, and Constrained Derivative-Free Optimization, CDFO, 252(3):  701-727 (2016).
[2]    Khor C.S., Elkamel A., Production Systems Optimization Methods for Petroleum Fields, Science, Technology and Sustainability in the Middle East and North Africa, (GTSD-MENA), 3(1): (2007).
[3]    Mian M.A., "Project Economics and Decision Analysis: Deterministic Models", PennWell Books, (2011).
[4]    Isebor O.J., "Constrained Production Optimization with an Emphasis on Derivative-Free Methods",  Thesis, Stanford University Stanford, CA, (2009).
[5]    Bangerth W., Klie H., Wheeler M., Stoffa P., Sen M.J., Computational Geoscience, "On Optimization Algorithms for the Reservoir Oil Well Placement Problem", 10(3): 303-319 (2006).
[6]    Onwunalu J., "Optimization of Nonconventional Well Placement Using Genetic Algorithms and Statistical Proxy", MS Report, Stanford University (2006).
[7]    Moravvej Farshi M., "Improving Genetic Algorithms for Optimum Well Placement", Ph.D.Thesis, Stanford University (2008).
[8]    Bangerth W., Klie H., Wheeler M., Stoffa P., Sen M., On Optimization Algorithms for the Reservoir Oil Well Placement Problem, Computational Geosciences, 10(3): 319-330 (2006).
[9]    Wang C., Li G., Reynolds A.C., Optimal Well Placement for Production Optimization, Society of Petroleum Engineers, (2007).
[10] Farshi M.M., "Improving Genetic Algorithms for Optimum Well Placement", Thesis, Stanford University Stanford, CA, (2008).
[11] Abukhamsin A.Y.,  Thesis, "Optimization of Well Design and Location in a Real Field", Stanford University, CA. (2009).
[12] Forouzanfar F., Li G., Reynolds A.C., A Two-Stage Well Placement Optimization Method Based on Adjoint Gradient , Society of Petroleum Engineers, (2010).
[13] Onwunalu J.E., Durlofsky L.J., Application of a Particle Swarm Optimization Algorithm for Determining Optimum Well Location and Type, Computational Geosciences, 14(1): 183-198 (2010).
[14] Afshari S., Aminshahidy, B., Pishvaie, M., "Well Placement Optimization Using Differential Evolution Algorithm", Chemical and Petroleum Engineering Department, Sharif University of Technology, Tehran, IRAN, (2015).
[15] Bellout M.C., Ciaurri D.E., Durlofsky L.J., Foss B., Kleppe J., Joint Optimization of Oil Well Placement and Controls, Computational Geosciences, 16(4): 1061-1079 (2012).
[16] Forouzanfar F. and Reynolds A.C.,. Well-Placement Optimization Using a Derivative-Free Method, Journal of Petroleum Science and Engineering, 109: 96-116 (2013).
[17] Nozohour-leilabady B., Fazelabdolabadi,B., On the Application of Artificial Bee Colony (ABC) Algorithm for Optimization of Well Placements in Fractured Reservoirs; Efficiency Comparison with the Particle Swarm Optimization (PSO) Methodology, Department of Petroleum Engineering, International Campus of the University of Tehran, Kish Island, Iran, (2015).
[18] Al Dossary M.A., Nasrabadi H., Well Placement Optimization Using Imperialist Competitive Algorithm, Journal of Petroleum Science and Engineering, 147: 237-248 (2016).
[19] Khademi G., Karimaghaee P., Hybrid FDG Optimization Method and Kriging Interpolator to Optimize Well Locations, Journal of Petroleum Exploration and Production Technology, 6(2): 191-200 (2016).
[20] Afshari S., Aminshahidy B., Pishvaie M.R., Well Placement Optimization Using Differential Evolution Algorithm, Iranian Journal of Chemistry and Chemical Engineering, 34(2): 109-116 (2015).
[21] Ding S., Jiang H., Li J., Liu G., Mi L., Optimization of Well Location, Type and Trajectory by a Modified Particle Swarm Optimization Algorithm for the Punq-S3 Model, Journal of Industrial and Inteligent Information, 4(1): (2016).
[22] Akhlaghi N., Kharrat R., Rezaei F., Optimizing the Location of the Gas Injection Well During Gas Assisted Gravity Drainage in a Fractured Carbonate Reservoir Using Artificial Intelligence, Theoritical Foundations of Chemical Engineering, 51(1): 65-69 (2017).
[23] Janiga D., Czarnota R., Stopa J., Wojnarowski P.J., Self-Adapt Reservoir Clusterization Method to Enhance Robustness of Well Placement Optimization, Journal of Petroleum Science and Engineering, 173: 37-52 (2019).
[24] Ding S., Lu R., Xi Y., Liu G., Ma J.J., Efficient Well Placement Optimization Coupling Hybrid Objective Function with Particle Swarm Optimization Algorithm, Applied Soft Computing, 95: 106511 (2020).
[25] Eklund S.E., , A Massively Parallel Architecture for Distributed Genetic Algorithms, Journal of Parallel Computing, 30(5-6): 647-567 (2004).
[26] Odeh A.,., Comparison of Solutions to a Three-Dimensional Black-Oil Reservoir Simulation Problem, Journal of Petroleum Technology, 33(1): 13-25 (1981).

فایل ها

هم رسانی

ارجاع به این مقاله

آمار