[論文レビュー] A Multilevel Coordinate Search Algorithm for Well Placement, Control and Joint Optimization

Wang Xiang, Ronald D. Haynes+1 more|arXiv (Cornell University)|Oct 13, 2015

Reservoir Engineering and Simulation Methods参考文献 61被引用数 5

ひとこと要約

本稿では、勾配情報を必要とせず、グローバル探索とローカル探索を統合する多段階座標探索（MCS）アルゴリズムを、オイルリザーバーにおける共同ウェル配置と制御最適化に提案する。MCSは、GPS、PSO、CMA-ESに比べて収束速度と解の品質で優れており、計算リソースが限られた状況下でも顕著な性能を示す。また、逐次的最適化手順により、テストケースにおいて優れた結果が得られた。

ABSTRACT

Determining optimal well placements and controls are two important tasks in oil field development. These problems are computationally expensive, nonconvex, and contain multiple optima. The practical solution of these problems require efficient and robust algorithms. In this paper, the multilevel coordinate search (MCS) algorithm is applied for well placement and control optimization problems. MCS is a derivative-free algorithm that combines global and local search. Both synthetic and real oil fields are considered. The performance of MCS is compared to generalized pattern search (GPS), particle swarm optimization (PSO), and covariance matrix adaptive evolution strategy (CMA-ES) algorithms. Results show that the MCS algorithm is strongly competitive, and outperforms for the joint optimization problem and with a limited computational budget. The effect of parameter settings for MCS are compared for the test examples. For the joint optimization problem we compare the performance of the simultaneous and sequential procedures and show the utility of the latter.

研究の動機と目的

• オイルフィールド開発における計算コストが高く、非凸的かつ多峰性を持つウェル配置と制御最適化の課題に取り組む。
• 従来のリザーバー最適化に未適用であった多段階座標探索（MCS）アルゴリズムの性能を、確立された勾配フリー手法と比較する。
• 共同ウェル配置と制御最適化のための同時最適化と逐次最適化の手順を比較し、解の品質と計算複雑性のトレードオフを評価する。
• 計算リソースが限られた条件下でのリザーバー・シミュレーションベースの最適化において、MCSの最適なパラメータ設定を同定する。
• 多様な複雑性を示す合成的および実世界のリザーバー事例において、MCSの実用的有効性を示す。

提案手法

• 勾配フリーのグローバル最適化手法として、多段階分割とローカル探索を統合する多段階座標探索（MCS）アルゴリズムを、ウェル配置と制御問題に適用する。
• MCSの初期化リスト作成にラインサーチを用いることで、高次元探索空間における収束性とロバスト性を向上させる。
• ウェル配置と制御の連合問題を2つの部分問題に分離する逐次最適化手順を実装する。まずウェル位置を最適化し、次に最適な位置に基づいて制御を最適化する。
• 4つのベンチマークリザーバー事例において、MCSを一般化パターン探索（GPS）、粒子群最適化（PSO）、共分散行列適応進化戦略（CMA-ES）と比較する。
• リザーバー・シミュレーションを用いて目的関数（例：正 discount 値（NPV））を評価し、最適化変数としてウェル座標と時間変動するボトムホール圧力（BHP）を含む。
• 将来的な拡張のための制約処理にペナルティベースのアプローチを採用するが、本研究では完全に実装されていない。

実験結果

リサーチクエスチョン

• RQ1 MCSアルゴリズムは、GPS、PSO、CMA-ESと比較して、ウェル配置と制御最適化において収束速度と最終解の品質の点でどのように差をつけるか？
• RQ2 計算リソースが限られた条件下でのリザーバー・シミュレーションベースの最適化において、MCSのどのパラメータ設定が最良の性能を発揮するか？
• RQ3 同時最適化手順と比較して、共同ウェル配置と制御最適化のための逐次手順は、解の品質とロバスト性の点で優れているか？
• RQ4 MCSは勾配情報が不要であるにもかかわらず、非凸的で多峰的かつ計算コストの高いリザーバー最適化問題を効果的に処理できるか？
• RQ5 MCSとローカル探索の組み合わせが、複雑なリザーバー最適化シナリオにおける性能向上にどのように寄与するか？

主な発見

• MCSは4つのテストケースすべてにおいてGPS、PSO、CMA-ESを上回り、特に限られたシミュレーション回数下での収束速度と最終的な正 discount 値（NPV）の点で顕著な優位性を示した。
• 連合最適化問題において、ラインサーチによる初期化と $ s_{\text{max}} = 5n + 10 $ レベルを用いたMCSが優れた結果を達成した。難易度の高い問題には、より高い $ s_{\text{max}} $ を推奨する。
• 例題4では、逐次手順が同時手順よりも優れた解を生み出した。最適な制御はわずかに異なるが、スイープ領域が広がった。
• 逐次手順による最適なウェル配置は、より高いスイープ効率を示し、リザーバーとの接触性と回収率の向上を示した。
• PSO や CMA-ES といった確率的アルゴリズムに見られる固有のばらつきがなく、MCSは一貫した性能を発揮し、信頼性が向上した。
• すべてのアルゴリズムの組み合わせの中で、逐次フレームワーク内でのMCS-MCS（配置と制御の両方でMCSを用いる）が、収束性と最終NPVの両面で最良の総合的性能を示した。