Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: położenie odwiertów

Sortuj według:

Ogranicz wyniki do:

Zastosowanie półautomatycznego algorytmu doboru optymalnej liczby i położenia odwiertów wydobywczych

Łętkowski P.

Nafta-Gaz

2018

R. 74, nr 8

598--605

Artykuł poświęcono zastosowaniu tzw. algorytmu nietoperza do rozwiązania problemu określenia optymalnej liczby i położenia odwiertów wydobywczych. W procesie optymalizacji jako funkcję celu wykorzystano bieżącą wartość netto (ang. net present value – NPV). Testy zbudowanego algorytmu przeprowadzono na przykładzie modelu symulacyjnego złoża PUNQ-S3, dostępne- go na zasadach open source. Zastosowany algorytm został wyposażony w dodatkowe mechanizmy zwiększające jego efektywność: mechanizm próbkowania sześcianu łacińskiego (ang. Latin hypercube sampling – LHS) oraz mechanizm eliminowania położeń odwiertów poza modelem. Przeprowadzone testy wskazują na bardzo dobrą zbieżność zbudowanego algorytmu w procesie optymalizacji.

The article is devoted to the application of the so-called bat algorithm to solve the problem of determining the optimum number and location of production wells. This algorithm was proposed by Yang in 2010, and since then has been successfully used in solving both theoretical and practical optimization problems. The method belongs to a group of swarm optimization methods and in searching for the best solution, the algorithm uses a mechanism of echolocation, similar to the one used by a herd of bats. The current net present value (NPV) was used as a target function in the optimization process. The algorithm was tested on the example of the simulation model of the PUNQ-S3 reservoir available on an OpenSource basis. The applied algorithm was equipped with additional mechanisms increasing its effectiveness: Latin Hypercube Sampling (LHS) algorithm and the mechanism eliminating the locations of wells outside the operational area of the model. The first of the applied improvements ensures a better starting point for the proper optimization process, which significantly improves the convergence of the whole algorithm. The latter mechanism solves a problem specific to the issue in question.