本文關鍵詞：基于演化模型偏好多目標優(yōu)化的智能采油輔助決策支持　出處：《機械工程學報》2017年13期 　論文類型：期刊論文

  更多相關文章： 智能采油系統(tǒng) 決策參數(shù) 動態(tài)模型 偏好多目標優(yōu)化

【摘要】：通過智能采油系統(tǒng)自主分析與決策獲取油田機采過程最佳決策參數(shù),對解決機采系統(tǒng)效率低、能耗大等問題具有重要意義。受機械、地層、人為等不確定因素影響,智能采油系統(tǒng)難以構(gòu)建生產(chǎn)參數(shù)、環(huán)境變量與系統(tǒng)性能、設定生產(chǎn)方式之間的機理關系并優(yōu)化決策。為此,提出基于動態(tài)演化建模的偏好多目標優(yōu)化方法,以實現(xiàn)采油系統(tǒng)的自主決策。利用無跡卡爾曼濾波神經(jīng)網(wǎng)絡(Unscented Kalman filter neural network,UKFNN)挖掘機采系統(tǒng)潛在規(guī)律,建立其動態(tài)模型;構(gòu)建產(chǎn)液量偏好多目標優(yōu)化目標函數(shù),并利用非改進支配排序遺傳算法(Non-dominated sorting genetic algorithm 2,NSGA2)獲取相應的最佳決策參數(shù)。某油田試驗結(jié)果表明:該方法使得系統(tǒng)日耗電量降低15.87%,系統(tǒng)效率提高4.9%。可見,所提方法可行且有效。
[Abstract]:Through independent analysis and decision for oil recovery process machine optimal decision parameter intelligent production system, to solve the pumping system efficiency is low, energy consumption and other issues is of great significance. The formation, mechanical, man-made and other uncertain factors affecting the production parameters of oil production system to build intelligent, environment variables and system performance, the relationship between setting mechanism the mode of production and optimization decision. Therefore, put forward a method of dynamic multi objective optimization evolutionary modeling based on preference, in order to realize the autonomous decision of oil system. By using the unscented filter neural network (Unscented Kalman Calman filter neural network, UKFNN) excavator production system latent rule, establishes the dynamic model; constructing preference multi-objective optimization objective function. The fluid volume, and use the improved non dominated sorting genetic algorithm (Non-dominated sorting genetic algorithm 2, NSGA2) the best decision to obtain the parameters accordingly. The experimental results of an oil field show that the method makes the daily power consumption of the system lower by 15.87%, the system efficiency is improved by 4.9%., and the proposed method is feasible and effective.

【作者單位】： 重慶科技學院電氣與信息工程學院;四川理工學院人工智能重點實驗室;西安石油大學電子工程學院;新疆華隆油田科技股份有限公司;
【基金】：國家自然科學基金(51375520,51404051) 重慶市基礎與前沿研究計劃重點(cstc2015jcyj BX0089) 重慶市教委科學技術(shù)研究(KJ1401309,KJ1501304) 重慶科技學院校內(nèi)科研基金(CK2016Z16)資助項目
【分類號】：TE938;TP18
【正文快照】： 0前言1智能制造裝備是先進制造技術(shù)、信息技術(shù)和智能技術(shù)的集成和深度融合。它是高端裝備制造業(yè)的重點發(fā)展方向、信息化與工業(yè)化深度融合的重要體現(xiàn),也是有效提升生產(chǎn)效益、技術(shù)水平和產(chǎn)品質(zhì)量,降低能源資源消耗重要手段[1-2]。油田主要采油系統(tǒng),即抽油機采油系統(tǒng)面臨效率低下

【相似文獻】

相關期刊論文 前10條

1 姜斌;梁士鋒;馮佳佳;;催化吸收穩(wěn)定系統(tǒng)的多目標優(yōu)化[J];計算機與應用化學;2008年01期

2 劉揚;模糊優(yōu)化與多目標優(yōu)化的類同性[J];大慶石油學院學報;1990年01期

3 覃孟揚;劉大維;羅永順;李玉忠;;基于灰色系統(tǒng)理論的車削參數(shù)多目標優(yōu)化(英文)[J];機床與液壓;2013年24期

4 厲小軍,俞歡軍,李紹軍,胡上序;進化多智能體技術(shù)在多目標優(yōu)化中的應用[J];化工學報;2004年03期

5 韓方煜,賈小平;環(huán)境友好過程的建模和多目標優(yōu)化[J];計算機與應用化學;2004年01期

6 吳華武;胡鑫堯;;鋯鉿萃取分離系統(tǒng)參數(shù)的多目標優(yōu)化決策[J];計算機與應用化學;1991年04期

7 江沛;曹柳林;;聚酯工業(yè)生產(chǎn)縮聚過程的多目標優(yōu)化[J];計算機與應用化學;2007年11期

8 岳金彩;程華農(nóng);楊霞;鄭世清;韓方煜;;連續(xù)過程的多目標優(yōu)化[J];計算機與應用化學;2009年11期

9 邵輝;李晶;楊麗丹;;基于多目標優(yōu)化的危險化學品運輸模式探討[J];中國安全生產(chǎn)科學技術(shù);2010年02期

10 李云玲;;提升運輸多目標優(yōu)化控制系統(tǒng)設計[J];科技經(jīng)濟市場;2013年03期

相關會議論文 前10條

1 張翔;;一種無歧義性的多目標優(yōu)化數(shù)值解法[A];中國農(nóng)業(yè)機械學會成立40周年慶典暨2003年學術(shù)年會論文集[C];2003年

2 羅亞中;;航天器軌跡多目標優(yōu)化研究評述[A];The 5th 全國動力學與控制青年學者研討會論文摘要集[C];2011年

3 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學術(shù)年會——提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學術(shù)年會論文集[C];2004年

4 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學術(shù)年會提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學術(shù)年會論文集[C];2004年

5 程鵬;唐雁;鄒顯春;;約束多目標優(yōu)化試驗函數(shù)產(chǎn)生器[A];2008年計算機應用技術(shù)交流會論文集[C];2008年

6 賈小平;韓方煜;;多目標優(yōu)化及其在過程工程中的應用[A];過程系統(tǒng)工程2001年會論文集[C];2001年

7 邢志祥;;滅火救援力量調(diào)集的多目標優(yōu)化[A];第一屆全國安全科學理論研討會論文集[C];2007年

8 孫力;樊希山;姚平經(jīng);;化工過程多目標優(yōu)化適宜解的模糊確定[A];第二屆全國傳遞過程學術(shù)研討會論文集[C];2003年

9 李穎t;昝建明;周建文;;多目標形貌優(yōu)化方法研究[A];結(jié)構(gòu)及多學科優(yōu)化工程應用與理論研討會’2009（CSMO-2009）論文集[C];2009年

10 許碧霞;李兆江;;基于循環(huán)經(jīng)濟的城市污水多目標優(yōu)化配置分析[A];中國地理學會2007年學術(shù)年會論文摘要集[C];2007年

相關博士學位論文 前10條

1 王晗丁;復雜問題的多目標進化優(yōu)化算法研究[D];西安電子科技大學;2015年

2 董寧;求解約束優(yōu)化和多目標優(yōu)化問題的進化算法研究[D];西安電子科技大學;2015年

3 鄒娟;高維多目標進化優(yōu)化及降維評價的方法研究[D];湘潭大學;2014年

4 楊光;求解多目標優(yōu)化問題的NWSA研究及其工程應用[D];吉林大學;2015年

5 王超;裝載與車輛路徑聯(lián)合多目標優(yōu)化問題研究[D];大連理工大學;2016年

6 葉承晉;計算智能在電力系統(tǒng)多目標優(yōu)化中的應用研究[D];浙江大學;2015年

7 過曉芳;超多目標優(yōu)化問題的幾種進化算法研究[D];西安電子科技大學;2015年

8 左益;基于全局優(yōu)化和局部學習的進化多目標優(yōu)化算法[D];西安電子科技大學;2016年

9 盧芳;多目標優(yōu)化及隨機變分不等式問題的若干研究[D];重慶大學;2016年

10 徐志丹;基于生物地理算法的多目標優(yōu)化理論與應用研究[D];哈爾濱工程大學;2013年

相關碩士學位論文 前10條

1 何素素;基于改進的粒子群算法的鉆進參數(shù)多目標優(yōu)化研究[D];西安石油大學;2015年

2 黃怡;基于藥效綜合評價的中藥組分配伍優(yōu)化方法研究[D];浙江大學;2015年

3 韓偉;基于混合智能算法在造紙廢水厭氧消化處理過程多目標優(yōu)化中的研究[D];華南理工大學;2015年

4 彭清風;基于魯棒性的船體中橫剖面多目標優(yōu)化[D];上海交通大學;2015年

5 崔華;面向個性化需求的服務組合優(yōu)化方法[D];哈爾濱工業(yè)大學;2015年

6 章姍捷;基于遺傳算法的電力工程多目標優(yōu)化研究[D];華北電力大學;2015年

7 高敏;基于協(xié)同論的風電建設項目多目標優(yōu)化模型研究[D];華北電力大學;2015年

8 劉培根;基于多目標優(yōu)化和壓縮感知的航拍目標檢測[D];電子科技大學;2015年

9 楊凱;基于多目標優(yōu)化的貴州工業(yè)結(jié)構(gòu)調(diào)整研究[D];貴州師范大學;2015年

10 陳振興;基于空間擁擠控制策略的進化多目標優(yōu)化[D];福建師范大學;2015年

，

本文編號：1381959