增强型地热系统热量提取优化的代理辅助级别学习进化搜索
摘要：增强型地热系统对于提供可持续和长期的地热能供应以及减少碳排放至关重要。 有效的热能提取和改善热能扫描效率的最佳井控方案在地热开发中起着重要作用。 然而，大多数现有优化算法的优化性能在维度增加时会恶化。为了解决这个问题，提出了一种新的基于代理辅助的基于层次学习的进化搜索算法（SLLES）来优化增强型地热系统的热能提取。 SLLES由分类器辅助的基于层次学习的预筛选部分和局部进化搜索部分组成。 两个部分的合作实现了优化过程中勘探和开发之间的平衡。 经过从设计空间进行迭代采样后，算法的稳健性和有效性被证明显著提高。 据我们所知，所提出的算法拥有最先进的涉及模拟的优化框架。 在基准函数，二维裂缝油藏和三维增强型地热系统上进行了比较实验。 所提出的算法在所有选择的基准函数上优于其他五种最先进的代理辅助算法。 两个热能提取案例的结果还表明，与传统的进化算法和其他代理辅助算法相比，SLLES可以实现更优异的优化性能。 这项工作为高效开采增强型地热系统奠定了坚实的基础，并为能源开发领域的数据驱动优化模型管理策略提供了启示。
作者：Guodong Chen, Xin Luo, Chuanyin Jiang, Jiu Jimmy Jiao
论文ID：2212.07666
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-12-20