[发明专利]基于混合遗传算法的油藏生产过程设定点优化方法

摘要

本发明公开了一种基于混合遗传算法的油藏生产过程设定点优化方法，属于油藏生产过程优化领域，由两层循环形式组成,内层循环中由改进遗传算法对界约束子问题进行全局寻优以得到下一迭代点,外层循环则修正乘子向量和罚参数向量、检查收敛准则是否满足、重新构造界约束子问题或在收敛准则满足时终止。本发明能有效地处理复杂的非线性约束优化问题，能够对油藏生产过程设定点更加有效的进行优化。

主权项

1.一种基于混合遗传算法的油藏生产过程设定点优化方法，其特征在于按以下步骤进行:步骤一、设定在油藏地面挖掘m个注水井和n个生产井,设定生产井j的总产出率为q_j，m、n均为正整数；建立油藏容量模型：其中i_k是注水井k的注水率,τ_j为生产井j的时间常数,λ_kj为注水井k与生产井j之间的权重,设定生产井j在t时刻的石油产出率为q_oj,建立油藏生产率模型求取参数a_j和b_j，s为自然月的个数；步骤二、建立油藏生产过程设定点优化模型：p₀当前石油销售价格,p_w为从油水混合液中分离水的单位费用,q_wj为生产井j在t时刻的水产出率；步骤三、以油藏容量模型、油藏生产率模型为约束条件,以所述R为目标函数,得到油藏生产过程设定点优化问题:l_k和u_k分别为注水井i_k的注水率的最小值和最大值；步骤四、对于油藏生产过程设定点优化问题,将其离散化为一般的非线性约束优化问题:为油藏生产过程设定点优化问题离散化后转换为约束优化问题的决策变量，和分别为转换后的目标函数、等式约束和不等式约束，m_e为等式约束的个数，d为问题的维数，l_i和u_i分别为决策变量x_i的上、下界；步骤五、对z'(x),设定Lagrange乘子向量λ^k、和罚参数向量σ^k、增广Lagrange乘子法第k步所求得子问题为:其中是修改增广Lagrange函数；其中，l和u分别为变量x的上、下界，m_i为不等式约束的个数，m_e为等式约束的个数，λ和σ分别为Lagrange乘子参数和罚参数，λ_j和σ_j分别为第j个Lagrange乘子参数和罚参数，g_j(x)为不等式约束；步骤六、由遗传算法对步骤五所述子问题进行全局寻优以得到下一迭代点,然后修正乘子向量和罚参数向量，检查收敛准则是否满足，当收敛准则不满足时重新构造界约束子问题，收敛准则满足时终止算法。