[논문 리뷰] A Multilevel Coordinate Search Algorithm for Well Placement, Control and Joint Optimization

Wang Xiang, Ronald D. Haynes외 1명|arXiv (Cornell University)|2015. 10. 13.

Reservoir Engineering and Simulation Methods참고 문헌 61인용 수 5

한 줄 요약

이 논문은 기름 저류에서 공동의 정착지 및 제어 최적화를 위한 다수준 좌표 탐색(MCS) 알고리즘을 제안한다. 이 알고리즘은 도함수를 요구하지 않으며 전역 탐색과 국소 탐색을 통합한다. MCS는 계산 예산이 제한된 상황에서 GPS, PSO, CMA-ES보다 수렴 속도와 해의 품질 면에서 뛰어나며, 테스트된 사례에서 순차 최적화 절차가 더 우수한 결과를 낸다.

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.

연구 동기 및 목표

• 오일 필드 개발에서 계산 비용이 많이 들고 비볼록적이며 다모드인 정착지 및 제어 최적화 문제에 도전한다.
• 기존에 저류 최적화에 적용되지 않은 다수준 좌표 탐색(MCS) 알고리즘의 성능을 기존의 유도되지 않은 방법들과 비교한다.
• 정착지 및 제어 최적화의 동시 및 순차 절차를 비교하여 해의 품질과 계산 복잡도 간의 상충 관계를 평가한다.
• 제한된 계산 예산 하에서 저류 시뮬레이션 기반 최적화에 최적의 MCS 파라미터 설정을 규명한다.
• 다양한 복잡도를 지닌 시뮬레이션 및 실제 저류 사례에서 MCS의 실용적 유용성을 입증한다.

제안 방법

• 도함수를 요구하지 않는 전역 최적화 방법인 다수준 좌표 탐색(MCS) 알고리즘을 정착지 및 제어 문제에 적용한다. 이 알고리즘은 다수준 분할과 국소 탐색을 통합한다.
• 선형 탐색을 사용하여 MCS의 초기화 목록을 생성함으로써 고차원 탐색 공간에서의 수렴성과 안정성을 향상시킨다.
• 정착지 위치 최적화와 제어 최적화를 분리하는 순차 최적화 절차를 구현한다. 먼저 정착지 위치를 최적화한 후, 최적의 위치를 기반으로 제어를 최적화한다.
• 네 가지 벤치마크 저류 사례에서 MCS를 일반화된 패턴 검색(GPS), 입자 군집 최적화(PSO), 공분산 행렬 적응 진화 전략(CMA-ES)과 비교한다.
• 저류 시뮬레이션을 사용하여 목적 함수(예: 순현재가치(NPV))를 평가하며, 최적화 변수로는 정착지 좌표와 시간에 따라 변하는 바닥구멍 압력(BHP)을 포함한다.
• 미래 확장에 대비해 제약 조건을 처리하기 위해 페널티 기반 접근법을 사용하지만, 본 연구에서는 완전히 구현하지는 않았다.

실험 결과

연구 질문

• RQ1 MCS 알고리즘이 정착지 및 제어 최적화 문제에서 GPS, PSO, CMA-ES와 비교해 수렴 속도와 최종 해의 품질 면에서 어떻게 성과를 내는가?
• RQ2 제한된 계산 예산 하에서 저류 시뮬레이션 기반 최적화에서 MCS의 최적의 파라미터 설정은 무엇인가?
• RQ3 정착지 및 제어 최적화의 순차 절차가 동시 절차보다 해의 품질과 안정성 면에서 뛰어나게 되는가?
• RQ4 MCS는 기울기 정보를 요구하지 않으면서도 비볼록적이며 다모드이고 계산 비용이 많이 드는 저류 최적화 문제를 효과적으로 다룰 수 있는가?
• RQ5 MCS와 국소 탐색의 조합이 복잡한 저류 최적화 시나리오에서 성능을 어떻게 향상시키는가?

주요 결과

• 모든 네 가지 테스트 사례에서 MCS는 GPS, PSO, CMA-ES를 모두 앞서며, 특히 제한된 시뮬레이션 횟수 하에서 수렴 속도와 최종 순현재가치(NPV) 면에서 뛰어나다.
• 공동 최적화 문제에서 선형 탐색 초기화와 $ s_{\text{max}} = 5n + 10 $ 수준을 사용한 MCS가 뛰어난 성능을 보였으며, 어려운 문제에는 더 높은 $ s_{\text{max}} $를 권장한다.
• 예제 4에서 순차 절차는 동시 절차보다 더 우수한 해를 도출했으며, 최적의 제어 조건에서 약간의 변화와 더 넓은 스윕 영역을 보였다.
• 순차 절차에서 도출된 최적의 정착지 위치는 더 높은 스윕 효율성을 보였으며, 이는 저류와의 접촉 및 회수 효율 향상을 의미한다.
• PSO나 CMA-ES와 같은 확률적 알고리즘에서 관찰되는 본질적 변동성 없이 MCS는 일관된 성능을 보였으며, 이는 신뢰성 향상을 의미한다.
• 모든 알고리즘 조합 중에서 순차 프레임워크 내에서 MCS-MCS(MCS를 정착지 및 제어 최적화에 모두 적용)가 수렴성과 최종 NPV 면에서 가장 뛰어난 전반적인 성능을 보였다.