19701

۱۹۷۰۱

بهينه يابي دبي و دماي بخار تزريقي در مخازن نفت سنگين با مكانيزم ريزش ثقلي به كمك بخار(SAGD)

كارشناسي ارشد

تبديل انرژي

۱۳۹۵

۱۳۹۷/۰۸/۲۷

دكتر مجيد سياوشي

دكتر علي نخعي

مكانيك

منابع نفت سنگين به‌عنوان منبع انرژي مهمي در بسياري از كشورها يافت مي‌شود. حدود 30 درصد از منابع نفتي جهان را مخازن متعارف تشكيل مي‌دهند و 70 درصد از اين منابع شامل مخازن عظيم نفت سنگين يا نفت ماسه اي است؛ بنابراين مخازن نفت سنگين توانايي جبران كاهش توليد از مخازن معمولي رادارند. بهره¬برداري از منابع عظيم نفت سنگين به ¬علت گرانروي بالاي نفت، عمدتاً با روش¬هاي ازدياد برداشت حرارتي انجام مي‌شود. هدف كلي از فرآيند¬هاي حرارتي، كاهش گرانروي نفت و سرانجام افزايش بهره¬برداري آن است كه در اين ميان روش تزريق بخار به درون چاه¬هاي افقي (SAGD ) يكي از متداول‌ترين و كارآمدترين روش¬ها است. اين روش كه با تزريق بخار به درون چاه¬هاي افقي حفرشده به درون مخزن، باعث كاهش گرانروي نفت مي‌شود، در اواخر دهه¬ي 70 ميلادي توسط باتلر در شركت امپريال اويل ارائه گرديد و هم¬اكنون در كانادا، ونزوئلا و آمريكا به‌صورت گسترده¬اي در حال اجراست. در اين پايان‌نامه، سناريوهاي بهينه يابي با الگوريتم‌هاي مختلف براي مشخص كردن استراتژي مناسب براي دما و دبي تزريق بخار در يك مخزن نفت سنگين صورت گرفته است. عملكرد الگوريتم‌هاي كلوني زنبور عسل مصنوعي استاندارد (SABC )، كلوني زنبور عسل مصنوعي جهت‌دار ( DABC)، جست‌وجوي الگوي عمومي (GPS )، جستجوي مستقيم شبكه تطبيقي (MADS ) براي بهينه سازي فرآيند تزريق بخار مورد مطالعه قرارگرفته است. همچنين، تأثير نقطه اوليه و نحوه سرشماري بر روي عملكرد GPS و MADS بررسي‌شده است. نتايج نشان مي‌دهد كه الگوريتم DABC به نقطه بهتري در مقايسه با ساير الگوريتم‌هاي به كار گرفته‌شده در اين پايان‌نامه، مي‌رسد. اين در حالي است كه تعداد فراخواني تابع هدف در اين الگوريتم بسيار زياد است. از طرفي الگوريتم GPS سريع‌ترين الگوريتم است ولي احتمال گير افتادن آن در نقاط بهينه محلي زياد است. براي حل اين مشكل، الگوريتم جست‌وجوي الگوي عمومي چند ناحيه‌اي (MRPS ) ارائه‌شده كه در آن فضاي جست‌وجو به چند زيرمجموعه كوچك‌تر تقسيم‌بندي مي‌شود و هر زيرمجموعه به‌طور جداگانه و مستقل براي جواب بهينه جست‌وجو مي‌شود؛ بنابراين، فضاي جست‌وجو بهتر و مؤثرتر از حالتي كه در ان كل دامنه به صورت يك پارچه توسط الگوريتم GPS بهينه يابي مي شود، جست‌وجو مي شود و وابستگي به نقطه اوليه در الگوريتم كاهش مي‌يابد. الگوريتم MRPS نتايجي مشابه نتايج DABC را با 93% كاهش هزينه محاسباتي، ارائه مي‌دهد. الگوريتم MRPS با موفقيت، براي بهينه سازي سناريوي تزريق بخار در طي يك دوره 5 سال اعمال شد. با بهينه سازي سناريوي تزريق نشان داده شد كه مدت‌زمان عمليات SAGD به مدت يك سال كاهش‌يافته درحالي‌كه NPV يكساني را با تزريق يكنواخت در طي 5 سال فراهم مي‌كند.

1397/09/10

Optimization of steam injection rate and temperature in heavy oil reservoirs using steam assisted gravity drainage technique

12/1/2018 12:00:00 AM

Heavy oil sources are considered as a major source of energy in many countries. About 30 percent of the world's oil reserves are conventional reservoirs and about 70 percent of these reserves are included heavy oil or shell oil reservoirs. So, heavy oil reservoirs can easily compensate the diminution in oil production from conventional reservoirs. The production from heavy oil reservoirs due to the high viscosity of the oil, are mostly conducted by thermal enhanced oil recovery (EOR) methods. The main objective of thermal methods is oil viscosity reduction and as consequence, oil production increase in which among thermal methods, steam-assisted gravity drainage (SAGD) is one of the most common and useful methods. In this method, the viscosity of the oil is reduced by injecting the steam into the horizontal wells which are drilled through the reservoir. In the late 1970s, this method was first proposed by Butler at the Imperial Oil Company and is now being implemented extensively in Canada, Venezuela and the United States.in this thises, Scenario optimizations are conducted with different optimization techniques to determine the optimal steam injection rate and temperature strategies. The performance of standard artificial bee colony (SABC), directed ABC (DABC), generalized pattern search (GPS) and mesh-adaptive direct search (MADS) algorithms were investigated for optimizing the steam injection process. Also, the effect of initial guess and polling type on the performance of GPS and MADS were analyzed. DABC approaches the global optimum better than other employed algorithms, with a huge number of function evaluations. While, GPS is the fastest algorithm, likely to be trapped in local extrema. To eliminate this issue, the novel multi-region pattern search (MRPS) algorithm is proposed, in which the search space is divided into smaller subregions, each one is searched independently. Hence, search space is more efficiently explored and initial guess dependency is reduced. MRPS algorithm provided similar results to the DABC algorithm while lowering the computational costs up to 93%. MRPS algorithm is successfully applied for a 5-year SAGD scenario optimization. Furthermore, by scenario optimization, SAGD operation could be reduced for 1-year, providing the same NPV as that of the reference case operating for 4-years.