Practical Application of Pareto-Based Multi-Objective Optimization and Proxy Modeling for Steam Alternating Solvent Process Design
Notice bibliographique
Résumé
Abstract Steam alternating solvent (SAS) process is a thermal heavy oil recovery technique, where steam and solvent (e.g., propane) are injected alternatively through the same well configuration as in the steam-assisted gravity drainage (SAGD) process. The SAS process is deemed to be more energy-efficient and environment-friendly with less greenhouse gas emission and water usage. However, proper design of the SAS process is challenging as multiple conflicting objectives need to be optimized simultaneously. Conventional optimization methods that aggregate multiples objectives into a single weighted objective are not appropriate. In this work, a novel workflow is developed to identify a set of Pareto-optimal operational parameters for the SAS process. First, a synthetic base model is constructed based on data gathered from the cold lake reservoir. Sensitivity analysis is carried out to determine the main decision variables [e.g. solvent (propane) concentration and duration of solvent injection in each cycle] and to formulate the objective function (e.g., recovery factor and cumulative propane injection). Next, a set of initial SAS models encompassing a wide range of decision variables are generated and subjected to flow simulation, and the corresponding objective functions are computed. Third, a response surface (proxy) model is calibrated to approximate the non-linear relationship between the multiple objective functions and the decision variables. Finally, a non-dominated sorting genetic algorithm II (NSGA-II) is applied as a multi-objective optimizer to obtain a set of optimal decision parameters. The predictions from the base model are corroborated by several previous SAS simulation studies in the literature, where comparable production trends and patterns are observed. It is observed that both the solvent compositions and duration of solvent injection in each cycle would have significant impacts on the objective functions. The proposed hybrid optimization workflow can facilitate the identification of a set of Pareto-optimum solutions with considerable savings in computational costs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».