MétaCan
Menu
Retour à la cohorte
Enregistrement W4404142719 · doi:10.3390/en17225552

Infill Well Placement Optimization for Polymer Flooding in Offshore Oil Reservoirs via an Improved Archimedes Optimization Algorithm with a Halton Sequence

2024· article· en· W4404142719 sur OpenAlexaboutno aff
Engao Tang, Jian Zhang, Anlong Xia, Yi Jin, Lezhong Li, Jin‐Ju Chen, Biqin Hu, Xiaofei Sun

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesChina National Offshore Oil Corporation
Mots-clésInfillFlooding (psychology)TowingSubmarine pipelineAlgorithmComputer scienceEngineeringPetroleum engineeringStructural engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Infill drilling is one of the most effective methods of improving the performance of polymer flooding. The difficulties related to infill drilling are determining the optimal numbers and placements of infill wells. In this study, an improved Archimedes optimization algorithm with a Halton sequence (HS-AOA) was proposed to overcome the aforementioned difficulties. First, to optimize infill well placement for polymer flooding, an objective function that considers the economic influence of infill drilling was developed. The novel optimization algorithm (HS-AOA) for infill well placement was subsequently developed by combining the AOA with the Halton sequence. The codes were developed in MATLAB 2023a and connected to a commercial reservoir simulator, Computer Modeling Group (CMG) STARS, Calgary, AB, Canada to carry out infill well placement optimization. Finally, the HS-AOA was compared to the basic AOA to confirm its reliability and then used to optimize the infill well placements for polymer flooding in a typical offshore oil reservoir. The results showed that the introduction of the Halton sequence into the AOA effectively increased the diversity of the initial objects in the AOA and prevented the HS-AOA from becoming trapped in the local optimal solutions. The HS-AOA outperformed the AOA. This approach was effective for optimizing the infill well placement for polymer flooding processes. In addition, infill drilling could effectively and economically improve the polymer flooding performance in offshore oil reservoirs. The net present value (NPV) of the polymer flooding case with infill wells determined by HS-AOA reached USD 3.5 × 108, which was an increase of 7% over that of the polymer flooding case. This study presents an effective method for optimizing infill well placement for polymer flooding processes. It can also serve as a valuable reference for other optimization problems in the petroleum industry, such as joint optimization of well control and placement.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,834

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,267
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207