Многоцелевая оптимизация методами искусственного интеллекта в области пластового моделирования нефтяных месторождений
| Jazyk: | ruština |
|---|---|
| Rok vydání: | 2021 |
| Předmět: | |
| DOI: | 10.25689/np.2021.2.100-115 |
| Popis: | Оптимизация разработки залежей углеводородов возможна только, если мы имеем надежную численную модель месторождения, способную предсказывать реакцию системы для различных вариантов разработки. Адресная цифровая модель может считаться достаточно надежной только после настройки, это означает, что по крайней мере модель должна доказать свою способность к воспроизведению исторического поведения добычи на месторождении. Адаптация (процедура настройки), является наиболее трудоемким этапом гидродинамического моделирования. Как правило, адаптация осуществляется методом проб и ошибок и занимает продолжительное время. В статье рассматривается автоматизированная система идентификации параметров цифровых моделей нефтяного месторождения. Исследуется применение методов оптимизации общего назначения для поиска решения, анализа чувствительности и взаимозависимости между искомыми параметрами. Адаптация представлена как процесс оптимизации, т.е. поиска целевой функции расхождения между измеренными (реальными) и смоделированными данными и в последующей минимизации целевой функции. Использование вспомогательных методов вместе с теорией оптимизации может значительно сократить время, необходимое для настройки модели. Optimization of petroleum reservoir development requires a robust numerical field model that allows for prediction of system response to various field development scenarios. Deterministic reservoir model can be considered reliable enough only once the model has been history matched. That is the model should be able to match field-wide historical production data. History matching (numerical tuning) is the most labor-intensive step of reservoir simulation modeling. History matching is time-consuming and is generally based on trial-and-error procedure. This is the most complicated step in reservoir simulation study. The main limitation for application of these algorithms is computation time required for assessment of objective relationship for each simulation run. The paper considers computer-based system for identification of reservoir numerical model parameters. The paper also looks into the application of general-purpose optimization methods for decision making, analysis of sensitivities and relationships between target values. History matching is presented as the optimization process, i.e. the search for the objective function of discrepancy between estimated (actual) and simulated data followed by minimization of the objective function. Combination of supplementary methods and optimization theory can significantly reduce the time required to history match a model. Нефтяная провинция, Выпуск 2 (26) 2021, Pages 100-115 |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|