%0 Journal Article
%T HPGA 求解流量调和问题的性能评价
%A 王丹 宫敬 康琦 石国？S 杨居衡
%J 油气储运
%D 2019
%R 10.6047/j.issn.1000-8241.2019.09.017
%X 针对深水天然气-凝析液生产系统的流量调和问题，采用主从式-粗粒度混合并行遗传算法（Hybrid Parallel Genetic Algorithm，HPGA）求解得到单井流量估计值，以弥补传统遗传算法（SimpleGenetic Algorithm，SGA）计算耗时长的缺陷。HPGA 基于多核PC 集群的分布式储存，通过线程和进程两级并行实现；节点内部使用主从式并行模型（Master-slave Genetic Algorithm，MSGA），在多节点上应用粗粒度并行模型（Coarse-grained Parallel Genetic Algorithm，CGGA）。以某气田两井生产系统为例，通过对比HPGA、MSGA 及SGA 的计算时间和计算结果，研究HPGA 在虚拟计量应用中的并行性能。结果表明：HPGA 的并行效率和加速比占线性加速比的比例均在70％以上，计算时间显著缩短，且流量估计误差降低，满足工程运行离线分析的需求。同时，研究了加速比和并行效率随进程数和种群数的变化规律，以探讨并行开销的影响。（图7，表4，参26
%K 混合并行遗传算法
%K 并行性能
%K 多核集群系统
%K 天然气-凝析液生产系统
%K 数据调和
%U http://yqcy.paperonce.org/oa/DArticle.aspx?type=view&id=201909019