USE OF GENETIC ALGORITHM AND GENERAL PATTERN SEARCH FOR DETERMINING OPTIMUM WELL PLACEMENT
محل انتشار: دومین کنفرانس بین المللی نفت، گاز و پتروشیمی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 743
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOGPP02_227
تاریخ نمایه سازی: 29 آبان 1394
چکیده مقاله:
In the context of oil production optimization, finding the well parameters that maximize an economical cost function such as net present value (NPV) is an important issue. Reservoir simulation in combination with automated optimization algorithms are often employed for this work. However, determining the optimal well design is a complex problem due to the reservoir heterogeneity, economic criteria and technical uncertainty. Therefore, it is necessary for the development of a powerful and trusted optimization algorithm that can detect best production variables with a minimum required number of simulation runs. This study presents a hybrid approach that employs genetic algorithm (GA) and general pattern search (GPS) to determine the optimum well locations in heterogeneous reservoir models. The hybrid algorithm entails some number of reservoir simulations using a GA method. The best solution found is then used as the initial guess for GPS. The overall algorithm takes advantage of the broad search provided by GA and the fast convergence to a local optimum provided by GPS. The performance of hybrid method has been compared with GA and GPS method. The hybrid method was found to generally outperform both standalone methods
کلیدواژه ها:
نویسندگان
a Yazdanpanah
Iranian Offshore Oil Company, Tehran, Iran
a Heydarian
Iranian Offshore Oil Company, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :