Optimisation des paramètres d’exploitation et de l’emplacement des puits par la

technique Hybride OEP-OMRV.

Youcef KHETIB

Après avoir donné une description détaillée sur le fonctionnement des

trois algorithmes dans le précédent chapitre, ces algorithmes ont été testés sur
différentes fonctions dont on connaît l’optimum, la fonction Sphère,
Himelbleau, Rastrigin Rosenbrock et Styblinski sont des fonctions de références
utilisées pour tester les algorithmes d’optimisation.

Les algorithmes ont aussi été testés pour différents nombres de

dimensions.

II-1 : Test sur la fonction sphère

La fonction sphère est une fonction a surface lisse ne contenant aucun
optimum local, et n’ayant qu’un seul optimum global, à n dimensions ce qui est
appelé hyper-sphère, elle est donnée par la formule suivante :

….(II-1)
Le graphe suivant illustre la fonction sphère de deux dimensions :

Figure II-1 : Fonction sphère en 3 dimensions

L’optimum théorique de cette fonction est f (0,….0)=2.50.

Page | 25
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

L’évolution de la fonction objectif en fonction des itérations est illustré

dans la figure ci-dessous :

Figure II-2 : Performance de l’algorithme hybride, fonction objectif f Vs Itération

Avec les spécifications suivantes :

Tableau II-1 : Résumé des paramètres d’optimisation

Paramètre Valeur
Dimension 50
Nombre maximum d’itérations Kmax
Nombre de particules
Optimum obtenue par l’algorithme est:

f(0,0)=2.56

II-2 : Test sur la fonction Himmelblau

La fonction de Himmelblau est une fonction en deux dimensions qui
possède quatre optimums globaux équivalents et un optimum local, elle est
donnée par l’expression suivante :

….(II-2)
Le graphe de cette fonction est le suivant :

Page | 26
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

Figure II-3 : Fonction de Himmelblau en 3 dimensions, les taches bleues représentent les
optimums globaux.

Les quatre points optimaux de cette fonction sont :

f(3,2)=0,
f(-2.805118,3.131312)=0,
f(-3.779310,-3.283186)=0,
f(3.584428,-1.848126)=0

L’évolution de la fonction objectif en fonction des itérations est illustré

dans la figure ci-dessous.

Page | 27
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

Figure II-4 : Performance de l’algorithme hybride, fonction objectif f Vs Itération

Tableau II-2 : Résumé des paramètres d’optimisation

Paramètre Valeur
Dimension 2
Nombre maximum d’itérations Kmax
Nombre de particules

Optimum obtenue par l’algorithme correspond au second point

théoriquement obtenue :

f(-2.805118,3.131312)=2.9x

II-3 : Test sur la fonction Rastrigin

La fonction de Rastrigin est une fonction mathématique souvent utilisée
pour évaluer la performance d'algorithmes d’optimisation. Elle présente des
pièges intéressants, sous la forme de ses nombreux minima et maxima locaux.
Elle a été proposée par Rastrigin en deux dimensions et a été généralisée par
Mühlenbein et al.2.

L’expression :

….(II-3)

Page | 28
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

La figure ci-dessous illustre la fonction Rastrigin :

Figure II-5 : fonction de Rastrigin en 3 dimensions, avec les multiples sommets

(rouges) et creux (bleus)

L’optimum théorique

f(0,…0)=0.

L’évolution de la fonction objectif en fonction des itérations est illustré

dans la figure ci-dessous.

Figure II-6 : Performance de l’algorithme hybride, fonction objectif f Vs Itération

Page | 29
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB
Tableau II-3 : Résumé des paramètres d’optimisation
Paramètre Valeur
Dimension 2
Nombre maximum d’itérations Kmax
Nombre de particules

Optimum obtenue par l’algorithme est :

f(2.9x , 3.1x )= 3.7x

II-4 : Test sur la fonction Rosenbrock

La fonction de Rosenbrock est une fonction non convexe de deux
variables utilisée comme test pour des problèmes d'optimisation
mathématique. Elle a été introduite par Howard H. Rosenbrock en 1960. Elle
est aussi connue sous le nom de fonction banane.

La fonction présente un minimum global à l'intérieur d'une longue vallée

étroite de forme parabolique. Si trouver la vallée analytiquement est trivial, on
peut voir que les algorithmes de recherche du minimum global convergent
difficilement.

L’expression :

…..(II-4)

La figure ci-dessous illustre la fonction Rosenbrock:

Page | 30
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

Figure II-7 : Fonction de Rosenbrock en 3 dimensions, avec le creux en bleu représentant

l’optimum.
f(1,…1)=0.

L’évolution de la fonction objectif en fonction des itérations est illustré

dans la figure ci-dessous.

Page | 31
Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

Figure II-8 : Performance de l’algorithme hybride, fonction objectif f Vs Itération,

pour (02) deux dimensions.

Figure II-9 : Performance de l’algorithme hybride, fonction objectif f Vs Itération,

pour 10 dimensions
Tableau II-4 : Résumé des paramètres d’optimisation
Paramètre Valeur 2D Valeurs 10D
Dimension 2 10
Nombre maximum d’itérations Kmax 1000
Nombre de particules 600

L’optimum obtenu pour chaque cas :

f1(0.9867,0.9736)= 1.7x

Page | 32
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

f2(0.9996 0.9993 0.9985 0.9970 0.9938 0.9876 0.9754 0.9514

0.9052 0.8191) )= 0.0122

II-5 : Test sur la fonction Styblinski

Expression

…. (II-5)

Graphe

Figure II-10 : Fonction Styblinski en 3 dimensions, avec l’optimum en noire.

Optimum théorique :

f(-2.903534,… -2.903534)=-39.16599n

L’évolution de la fonction objectif en fonction des itérations est illustré

dans la figure ci-dessous.
Page | 33
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

Figure II-11 : Performance de l’algorithme hybride, fonction objectif f Vs Itération

Pour (02) deux dimensions.

Figure II-12 : Performance de l’algorithme hybride, fonction objectif f Vs Itération,

pour (10) dix dimensions.

Tableau II-5 : Résumé des paramètres d’optimisation

Paramètre Valeur 2D Valeurs 10D

Dimension 2 10
Nombre maximum d’itérations Kmax 300
Nombre de particules 60

Optimum obtenue pour chaque cas :

f(-2.903534,-2.903534)=-78.3323= -39.16599x2

Page | 34
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

f(-2.9677 -3.0045 -2.9672 2.5311 -3.1958 -3.0804 -2.5346 -2.7644

-3.1128 -2.6571 -2.7035 -2.6703 -2.5174 -3.0050 -2.6858 -3.1332 -
2.9920 -3.0795 3.0465 -2.9731)= -306.8373 -391.659

Lors de la recherché de l’extremum de ces fonctions, on note que la

précision de la solution finale dépend très fortement du nombre de dimension
du problème et de la complexité de la géométrie de la surface de la fonction.

Plus le nombre de dimension est élevé plus l’algorithme est moins précis

Plus la surface de la fonction est complexe, plus la recherche de l’optimum

est difficile.

II-6 : Elaboration d’un processus opérationnel

Pour appliquer notre algorithme au problème de l’optimisation d’un
réservoir d’hydrocarbures, cela nécessite une adaptation du processus de
travail pour pouvoir interagir avec le simulateur réservoir et surveiller
l’avancement de l’optimisation.

II-6-1 : Présentation des softwares utilisés

MATLAB : (« matrix laboratory ») est un langage de programmation de
quatrième génération et un environnement de développement ; il est utilisé à
des fins de calcul numérique. Développé par la société The MathWorks,
MATLAB permet de manipuler des matrices, d'afficher des courbes et des
données, de mettre en œuvre des algorithmes, de créer des interfaces
utilisateurs, et peut s’interfacer avec d’autres langages comme le C, C++, Java,
et Fortran. Les utilisateurs de MATLAB (environ un million en 20041) sont de
milieux très différents comme l’ingénierie, les sciences et l’économie dans un
contexte aussi bien industriel que pour la recherche. Matlab peut s’utiliser seul
ou bien avec des toolbox (« boîte à outils »).
Une liste non exhaustive des boites à outils est la suivante :
 Communications Toolbox
 Control System Toolbox
 MATLAB Compiler
 Neural Network Toolbox
Page | 35
 Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

 Optimization Toolbox
 Parallel Computing toolbox
 Robust Control Toolbox
 SimMechanics
 Statistics Toolbox
ECLIPSE : est un simulateur de réservoir de pétrole et de gaz,
originalement développé par ECL (Exploration Consultants Limited) et
actuellement propriété de Schlumberger Informations Solution une division
de Schlumberger. Le nom d’ECLIPSE est l’abréviation de "ECL´s Implicit Program
for Simulation Engineering".

ECLIPSE utilise la méthode des volumes finis pour résoudre les équations
de bilan matière et énergétique qui gouvernent les écoulement sous terrain
des réservoir d’hydrocarbures.

 ECLIPSE 100 pour les modèles Black Oil sur des grid de type Corner
point.
 ECLIPSE 300 pour les modèles compositionnels et thermal.

II-6-2 : Schéma d’interaction.

Les deux logiciels fonctionnent de manière synchronisée, Le code de
l’algorithme d’optimisation est écrit sous environnement MATLAB, avec des
fonctions pour l’affichage en temps réel de l’avancement de l’algorithme et
pour l’écriture des fichiers Data nécessaire au simulateur pour fonctionner,
ainsi a chaque fois qu’il est nécessaire d’évaluer une solution délivrée par
l’algorithme, la fonction « Simulate » utilise le vecteur de solution et le
convertir en donné sous la forme requise pour un Fichier Data du simulateur, le
simulateur est ensuite lancé, après un temps de simulation, le simulateur
génère des fichiers de sortie résumant la simulation qu’il viens d’exécuter, la
fonction « Simulate » scanne ces fichiers de sortie et extrait la valeur de
l’objectif (Cumule de production d’huile en fin d’exploitation) et des
contraintes (débit totale de production d’eau).

Le schéma ci-dessous illustre l’interaction entre ces deux softwares :

Page | 36
Optimisation des paramètres d’exploitation et de l’emplacement des puits par la
technique Hybride OEP-OMRV.
Youcef KHETIB

MATLAB
[Algorithme
d'optimisation]

Fonction
Fonction Simulate
Simulate
[Ecriture]
[Lecture]

ECLIPSE
[Simulateur
reservoir ]

Figure II-13 : Processus opérationnel d’optimisation utilisé lors de notre travail

Page | 37