陶 珍，田昌炳，熊春明，劉保磊，彭緩緩

(中油勘探開發(fā)研究院，北京 100083)

1 多目標優(yōu)化遺傳算法簡介

多目標優(yōu)化問題與單目標優(yōu)化問題不同，單目標優(yōu)化是研究單個函數(shù)極值問題，多目標優(yōu)化則可能要同時優(yōu)化多個相互沖突的目標函數(shù)。多目標優(yōu)化存在非劣解集(又稱 Pareto最優(yōu)解集)[1－4]。一般情況下，不可能使多個目標同時達到最優(yōu)，只能在Pareto最優(yōu)解集中進行協(xié)調，得到協(xié)調解。

1個大型的多目標優(yōu)化問題一般如下[5]:

式中:目標函數(shù)f(x)∈Rm;決策向量x∈Rn，即x=(x1，x2，…，xn)。

這里給出的是極小化問題，對于極大化問題與上述形式類似。為了比較多目標優(yōu)化問題的解，下面給出Pareto最優(yōu)解的定義。

如果不存在 y∈[a，b]使 fi(y)≤fi(x)(i=1，2，…，m)，且至少有1 個不等式成立，則 x∈[a，b]是多目標優(yōu)化問題的Pareto最優(yōu)解。由該定義可知，Pareto最優(yōu)解集中的解彼此是不可比較的，解集分布越廣泛，解的數(shù)量越多，越能合理求解實際的多目標問題。

多目標優(yōu)化遺傳算法很多，本文主要采用Deb于2000年提出的多目標優(yōu)化遺傳算法NSGA－Ⅱ[6－7]。

2 壓裂水平井裂縫參數(shù)優(yōu)化設計多目標遺傳算法

2.1 采出程度－含水率二維多目標優(yōu)化模型建立

在低滲透油藏壓裂水平井注水開發(fā)中，裂縫條數(shù)、裂縫半長、裂縫間距、裂縫與水平井筒間夾角、裂縫導流能力等參數(shù)對壓裂水平井的采出程度和含水率都會產生顯著的影響。為了研究各個裂縫參數(shù)的最佳取值范圍，需要選取待優(yōu)化的目標函數(shù)。油田生產中為了效益最大化，往往是采出程度越大越好，在采出程度相同的情況下，含水率越低越好。但是這2個目標函數(shù)又是相互沖突的，往往采出程度高時含水率也很高，為了能在獲取較高采收程度的同時控制含水率的快速上升，需要對壓裂水平井裂縫參數(shù)進行優(yōu)化。

待優(yōu)化的2個目標函數(shù)為采出程度η和含水率fw，為了統(tǒng)一研究目標函數(shù)的最大化問題，取fo=1－fw，待優(yōu)化的目標函數(shù)變?yōu)?

式中:N為裂縫條數(shù);Lf為裂縫半長，m;Df為裂縫間距，m;θ為裂縫與水平井筒間夾角，(°);KfW為裂縫導流能力，μm2·cm;fo為含油率。

2.2 適應度計算

個體適應度由Pareto等級和擁擠距離共同決定，每個個體所對應的是優(yōu)先級，不是確定的適應度值。

(1)Pareto等級。先通過編制的軟件求出種群中每個個體的目標函數(shù)值。再通過非支配分類法確定個體的非支配等級即Pareto等級。對于1個解i，其Pareto等級ri等于1加上優(yōu)于其解的個數(shù)ni，即ri=ni+1。所有非支配最優(yōu)解構成了第1個非支配最優(yōu)解層，該層個體的Pareto等級為1，然后以相同的方法對種群中剩下的個體進行排序，直至種群中的個體都被歸類完畢(level=2，3，…)。

圖1 二維多目標優(yōu)化中個體擁擠距離示意圖

(2)擁擠距離。擁擠距離用來表征非劣解中解的多樣性，擁擠距離指目標空間上某一點與其同等級相鄰的2點在各目標函數(shù)上相對距離之和(圖1)。如圖中實心圓點代表等級L，空心圓點代表等級M。以等級L為例，各點擁擠距離的算法如下:①等級L中個體的擁擠距離初始化為L[s]dis(s=1，2，…，k，其中，s代表第 s個個體，k 代表等級 L中個體數(shù)目);②同等級的個體，根據(jù)第p目標函數(shù)值的大小升序排列，令L=sort(L，p);③對邊緣上的個體1和k都賦予1個極大值;④對于中間的個體(s=2，…，k－1)，擁擠距離計算式為:

式中:L[s+1]p為第s+1個個體的第p個目標函數(shù)值;L[s－1]p為第s－1個個體的第p個目標函數(shù)值;q表示目標函數(shù)值的個數(shù)。

2.3 個體選擇

在進行壓裂水平井裂縫參數(shù)優(yōu)化設計過程中，需要按目標函數(shù)(即適應度)的大小對父代中的個體進行排序，從小到大編排序號(1，2，3，…i，…N)，則個體 i的概率區(qū)間為，其中:，這樣既能體現(xiàn)優(yōu)勝劣汰法則，同時又兼顧了個體的多樣性。

2.4 交叉系數(shù)和變異系數(shù)的優(yōu)選

交叉和變異操作是多目標遺傳算法的核心，決定著新個體的產生。交叉系數(shù)和變異系數(shù)的取值有一定的范圍，一般情況交叉系數(shù)變化范圍為0.40～0.99，變異系數(shù)變化范圍為0.0001 ～0.1000[8]。利用該算法對研究區(qū)塊某注水開發(fā)壓裂水平井裂縫參數(shù)進行優(yōu)化設計，直井注水，水平井采油。從表1中可以看出，循環(huán)代數(shù)越多，算法優(yōu)化效果越好，而采用適中的交叉系數(shù)0.65和變異系數(shù)0.0050有利于優(yōu)化設計[9－12]。

表1 不同遺傳組合的標準偏差

2.5 多目標遺傳算法優(yōu)化步驟

根據(jù)多目標優(yōu)化遺傳算法的規(guī)則，按照圖2所示優(yōu)化步驟對低滲透油藏壓裂水平井裂縫參數(shù)進行優(yōu)化設計。當達到最大進化代數(shù)且所得Pareto最優(yōu)解集具有良好的收斂性和多樣性時，所得的參數(shù)組合就是最佳裂縫參數(shù)組合。應用Visual Basic軟件編制的多目標優(yōu)化遺傳算法計算程序，可實現(xiàn)數(shù)模軟件自動運算和數(shù)據(jù)圖表自動顯示功能，降低人工工作量，且該算法受優(yōu)化對象數(shù)目的影響小。

圖2 多目標遺傳算法優(yōu)化流程示意圖

3 實例計算

根據(jù)研究區(qū)塊實際地質資料以七點法直井－水平井組合井網(wǎng)壓裂水平井為研究對象。基本假設:①人工裂縫垂直于水平井井筒且延伸方向不存在偏轉;②不考慮裂縫時效性對產能造成的影響。

該油藏相關數(shù)據(jù)如下:油層頂深為2250 m，地層平均絕對滲透率為0.306×10－3μm2，滲透率各向異性取值:Kx=2Ky，Ky=3Kz，平均孔隙度為12%，屬于典型的低孔、特低滲儲層。原始油藏壓力為18.5 MPa，地層平均有效厚度為10 m，原始含油飽和度為80%，地層原油黏度為1.415 mPa·s，原油密度為0.852 g/cm3，原油體積系數(shù)為1.15，原油壓縮系數(shù)為12.56×10－4MPa－1。直井注水，壓裂水平井采油，井距為650 m，排距為300 m，水平井段長度為1000 m(圖3)。以生產25 a之后的采出程度和含水率為目標函數(shù)進行優(yōu)化設計，各裂縫參數(shù)優(yōu)化情況如表2所示。

圖3 七點法直井－水平井混合壓裂井網(wǎng)示意圖

表2 裂縫優(yōu)化參數(shù)

以定井底流壓方式生產，保持注采壓差為20 MPa。理論上待優(yōu)化的個體有1537910(11×41×31×11×10)個，如果采用枚舉法，軟件運行時間將會非常長，在實際中是很難實現(xiàn)。利用多目標遺傳算法NSGA－Ⅱ進行優(yōu)化時，種群規(guī)模取40，當交叉概率為0.65，變異概率為0.0050，循環(huán)代數(shù)為55代時，能得出Pareto最優(yōu)解集。對實例隨機運行15次，這15次運行得到的Pareto最優(yōu)解集的分布區(qū)域是相同的。圖4為實例第1次運行的結果，散點為軟件運行結果。由圖4可知，所得最優(yōu)解集在Pareto前沿分布均勻，具有良好的多樣性和收斂性。利用多目標遺傳算法優(yōu)化出的結果為:裂縫條數(shù)為8～10條、裂縫半長為120～150 m、裂縫間距為100～150 m、裂縫與水平井筒間夾角為90°、裂縫導流能力為25～35 μm2·cm的參數(shù)組合時，能達到最佳生產效果。

圖4 實例分析Pareto曲線與軟件優(yōu)化

采用多目標遺傳算法優(yōu)化設計的結果和常規(guī)優(yōu)化方法基本一致，但是比專家系統(tǒng)法和模糊數(shù)學法擴展了搜索空間，相比枚舉法提高了優(yōu)化速度，適用優(yōu)勢明顯。

4 結論

(1)提出了應用多目標優(yōu)化遺傳算法對低滲透油藏注水開發(fā)壓裂水平井裂縫條數(shù)、裂縫半長、裂縫間距、裂縫與水平井筒間夾角和裂縫導流能力進行優(yōu)化設計的新方案。

(2)引入Pareto最優(yōu)解集概念，將采出程度和含水率作為2個目標函數(shù)，利用開發(fā)軟件結合多目標遺傳算法NSGA－Ⅱ對裂縫參數(shù)進行優(yōu)化設計。該方法新穎可靠，所需資料較少，運算快捷。

(3)多目標優(yōu)化遺傳算法在搜索過程從種群參數(shù)成員(一般由多個個體構成)開始，搜索效率更高，當所求解的問題為非連續(xù)、多峰等情況，能以較大概率收斂到最優(yōu)解，具有較好尋優(yōu)能力。

[1]楊正明，黃延章，朱維耀.水平井開發(fā)低滲透油藏滲流特征[J].特種油氣藏，1999，6(2):16－20.

[2]柳毓松，廉培慶，同登科.利用遺傳算法進行水平井水平段長度優(yōu)化設計[J].石油學報，2008，29(2):296－299.

[3]胡文瑞.水平井油藏工程設計[M].北京:石油工業(yè)出版社，2008:150－159.

[4]李敏強，寇紀淞，林丹，等.遺傳算法的基本原理與應用[M].北京:科學出版社，2003:126－132.

[5]祁榮賓，錢鋒，杜文莉，等.基于精英選擇和個體遷移的多目標遺傳算法[J].控制與決策，2007，22(2):164－168.

[6]王健，劉爾烈，駱剛.工程項目管理中工期－成本－質量綜合均衡優(yōu)化[J].系統(tǒng)工程學報，2004，19(2):148－153.

[7]Deb K，Pratap A，Agarwal S，et al.A fast and elitist multiobjective genetic algorithm:NSGA － Ⅱ[J].IEEE Transactions on Evolutionary Computation，2002，6(2):182－197.

[8]宋萬道，張鳳喜，安永生，等.壓裂水平井井網(wǎng)參數(shù)自動優(yōu)化研究[J].特種油氣藏，2009，16(4):101－103.

[9]黃輝，吳曉東，孫天禮.基于遺傳算法的低滲透氣藏水平井壓裂參數(shù)優(yōu)化[J].天然氣工業(yè)，2008，28(5):91－93.

[10]Daniel P Fichter，Merak Projects inc.Application of genetic algorithms in portfolio optimization for the oil and gas industry[C].SPE62970，2000:265 －276.

[11]鄭黎明，蒲春生.壓裂水平井增產因素分析與裂縫參數(shù)優(yōu)化[J].大慶石油地質與開發(fā)，2012，31(6):109－113.

[12]曲占慶，趙英杰，溫慶志，等.水平井整體壓裂裂縫參數(shù)優(yōu)化設計[J].油氣地質與采收率，2012，19(4):106－110.