基于量子混合蛙跳算法的油田开发规划多目标优化_张强

1． 东北石油大学计算机与信息技术学院， 黑龙江 大庆 163318 ； 2． 黑龙江八一农垦大学信息技术学院， 黑龙江 大庆 163319
61203099 ） ； 北京市自然科学基金资助项目（ 4122006 ） ； 教育部博士点新教师基金资助项 基金项目： 国家自然科学基金资助项目（ 61034008 ， 目（ 20121103120020 ） isibox@ sina． com 通信作者： 乔俊飞， 收稿 / 录用 / 修回： 2013 － 01 － 25 /2013 － 03 － 27 /2013 － 12 － 02
N L ij
117
精度不高的缺点， 使其在求解高维连续优化问题时效果不 够理想． 导致该缺陷的主要原因是在进化后期种群多样性 迅速下降， 缺乏局部细化搜索能力 ． 为了提高蛙跳算法的寻 ［7 － 11 ］ ， 优性能， 不少学者做了大量工作 但多数改进方法都 是在原算法的子群内部搜索策略上作出一定修正来提高算 法寻优能力． 本文将量子搜索机制与基本混合蛙跳算法相 融合， 提 出 一 种 量 子 混 合 蛙 跳 算 法 （ quantum shuffled frog leaping algorithm， QSFLA） ． 该算法采用泡利矩阵建立旋转 轴， 采用量子位在 Bloch 球面上绕轴旋转的方法实施优化 搜索， 从而使每个粒子代表的 3 个优化解同时得到更新， 采 用 Hadamard 门实现个体变异避免早熟， 进而有效扩展解空 间的搜索范围， 增强解空间的遍历性， 可以快速逼近全局最 ． 优解
Abstract
Addressing the shortcomings in the traditional oilfield measures with artificial arrangement is computationally intensive，time consuming，and has a low financial profitability． Therefore，a multiobjective comprehensive adjustment plan optimization model is established． This model maximizes the economic benefits of the target． It is also used for the annual targets of increasing the injection and production． It is further characterized as hydrous，has a minimum lapse rate，and keeps the injection balance under constraint conditions． A quantumshuffled frogleaping algorithm is proposed to solve the optimization model problem． The different workload implementation effects are calculated by the algorithm． A scheme that meets the objective and constraint conditions of the comprehensive adjustment and yields very good effect in practical application is selected．
高风险、 高技术、 高利润的四高 石油开采属于高投资、 型产业， 任何一个项目的实施都牵扯到人力 、 物力、 财力等 大笔资源的投入， 如何合理地利用有限的资源取得最佳的 开发效果， 是石油开发和油藏经营投入决策的宗旨 ． 目前， 大庆油田已进入开发中后期， 原油生产中稳产的难度越来 越大， 为了减缓原油生产的递减速度， 保持产量相对稳定， 每年需要实施大量的增产措施且资金庞大， 因此提高采油 投入效益对保持原油生产的稳定和提高油田的整体效益具 有至关重要的意义， 但各项措施的投入量随其对应费用 、 工
N L ij
标（ 控制递减目标） oil_increase_oil =
∑∑X *
i =1 j =1
init_oil ij * Day ij
约束条件 2 ： 水井受效增油要等于或略大于年度受效 增油目标（ 预留一定的抗风险能力）
M K
year_increaseinject × water_Tonsprice － year_increasewater × liquid_Tonsprice） / N L M K （ ∑ ∑ Xij * priceij + ∑ ∑ Yij * priceij ） i =1 j =1 i =1 j =1 year_increaseoil = oil_increase_oil + water_increase_oil Y） = （ leiji_increaseoil × （ oilprice － oil_Tonsprice） － f2 （ X， leiji_increaseinject × water_Tonsprice － leiji_increasewater × liquid_Tonsprice） / N L M K （ ∑ ∑ Xij * priceij + ∑ ∑ Yij * priceij ） i =1 j =1 i =1 j =1 N L ∑Xij * init_oilij * TotalDayij + leiji_increaseoil = ∑ i =1 j =1 M K ∑ ∑Yij * init_oilij * TotalDayij i =1 j =1 N L leiji_increaseinject = ∑∑Xij * init_inject ij * TotalDayij + i =1 j =1 M K ∑ ∑Yij * init_injectij * TotalDayij i =1 j =1 N L leiji _ increasewater = ∑ ∑Xij * init_waterij * TotalDayij + i =1 j =1 M K ∑∑Yij * init_waterij * TotalDayij
i =1 j =1 M K ij
∑∑Y *
i =1 j =1
init_inject ij * Day ij
≤ year_increaseinject × α 约束条件 5 ： 油井和水井实施某项措施小于等于该项 措施的规定上限
N L M K
2
综合调整方案优化模型
约束条 建立一个优化模型的三要素是： 确定决策变量、 件和目标． 本文根据国内某油田的实际情况， 确定模型的决 策变量有： 措施井次、 措施费用、 单井预测潜力效果、 当年增 产天数和措施有效期等； 以增注、 增产、 含水、 递减、 注采平 衡及单项措施的措施数界限为约束条件； 以石油开采当年 产出投入比和累积产出投入比最大化为目标建立优化模 型． 2． 1 决策变量及参数 设 N 为油井数量； M 为水井数量； L 为油井措施数； K
量大、 耗时多且经济效益不高的缺点， 结合某采油厂实际工 作情况， 建立了以经济效益最大化为目标， 以年度增注目 标、 增产目标、 含水目标、 递减目标以及保持注采平衡为约 束条件的多目标综合调整方案优化模型， 并提出一种量子 蛙跳算法求解模型， 取得了很好的实际应用效果 ．
［6 ］ 2003 年， 美国学者 Eusuff 与 Lansey 提出一种基于群
信息与控制
2014 年
第 43 卷
第 1 期： 116 ～ 122 文章编号： 1002 － 0411 （ 2014 ） － 01 － 0116 － 07
DOI： 10． 3724 / SP． J． 1219． 2014． 00116
基于量子混合蛙跳算法的油田开发规划多目标优化
张
1 1 2 强， 李盼池 ， 刘丽杰
∑∑X *
i =1 M j =1 K
init_water ij * Day ij － init_water ij * Day ij
∑∑Y *
ij i =1 j =1
≤ year_increasewater × α 约束条件 4 ： 年增注量尽量与年度增注目标接近
Байду номын сангаасN L
year_increaseinject － ∑ ∑ Xij * init_injectij * Dayij －
Keywords
quantum； shuffled frog leaping algorithm； oilfield measure； multiobjective optimization
1
引言
作量及开发动态规律而变化 ． 目前已有一些学者进行此方 面的研究
［1 － 5 ］
， 本文针对油田传统人为安排措施工作计算
— —混合蛙跳算法（ SFLA ） ， 智能的亚启发式进化算法 — 具有 计算速度快、 全局搜索寻优能力强 、 易于实现的优点， 在很 多领域得到了广泛应用 ． 但也存在早熟、 收敛速度慢且求解
1期
等： 基于量子混合蛙跳算法的油田开发规划多目标优化 张强， 增液目标（ 控制含水目标及预留一定的抗风险能力） 0 ≤ year_increasewater －
摘要 针对油田传统人为安排措施工作计算量大 、 耗时多且经济效益不高的缺点， 建 立了以经济效益最大化为目标， 以年度增注目标、 增产目标、 含水目标、 递减目标以 及保持注采平衡为约束条件的多目标综合调整方案优化模型， 并提出一种量子混 合蛙跳算法求解优化模型， 计算不同工作量组合实施效果， 优选出满足目标和约束 条件的综合调整方案作为实施方案， 取得了很好的实际应用效果 ．
关键词 量子 混合蛙跳算法 油田措施 多目标优化 中图分类号： TP18 文献标识码： A
Multiobjective Optimization of Oilfield Development Plan Based on QuantumShuffled FrogLeaping Algorithm
ZHANG Qiang1 ，LI Panchi1 ，LIU Lijie2
1 ． School of Computer and Information Technology，Northeast Petroleum University，Daqing 163318 ，China； 2 ． School of Information Technology，Heilongjiang Bayi Agricultural University，Daqing 163319 ，China
0 ≤ ∑ ∑ X ij ≤ Limit ij ， 0 ≤ ∑ ∑ Y ij ≤ Limit ij
i =1 j =1 i =1 j =1
2． 3
模型的具体形式
将多目标规划模型应用到油田开发的具体问题中， 以 Y） 、 Y） 最大 累积产出投入比 f2 （ X， 当年产出投入比 f1 （ X， 化为优化目标， 可得到模型的具体形式如下： max（ f1 （ X， （ 1） Y） ，f2 （ X， Y） ） s． t． f （ X Y） = （ year_increaseoil × （ oilprice － oil_Tonsprice） － 1 ，
为水井措施数； X ij 为第 i 口油井实施措施 j ； Y ij 为第 i 口水 井实施措施 j ； Day ij 为第 i 口油井或水井实施措施 j 的本年 措施有效天数； TotalDay ij 为第 i 口油井或水井实施措施 j 的有效期； price ij 为第 i 口油井或水井实施措施 j 的单价； oilprice 为油价； oil_Tonsprice 为吨油成本； water_Tonsprice 为吨水费用； liquid_Tonsprice 吨液费用； oil_increase_oil 为 油 井 增 油 目 标； water_increase_oil 为 水 井 增 油 目 标； init_oil ij 为第 i 口油井或水井实施措施 j 的初始日增油量； init_water ij 为第 i 口油井或水井实施措施 j 的初始日增水 量； init_inject ij 为第 i 口油井或水井实施措施 j 的初始日增 注量； year_ increaseoil 为年增油； year _ increasewater 为年增 液； year_increasezhu 为年增注； leiji_increaseoil 为累积增油； leiji_increasewater 为累积增液； leiji_increaseinject 为累积增 注； Limit ij 为本年度第 i 口油井或水井实施措施 j 的措施数 上限， α 是约束条件的误差百分比 ． 2． 2 约束条件的确定 约束条件 1 ： 油井措施增油必须等于年度措施增油目