23879

شبيه سازي و بهينه سازي فرايند ريزش ثقلي به كمك بخار (SAGD) در مخازن نفت سنگين

كارشناسي ارشد

مهندسي مكانيك

1397

1399/12/02

دكتر مجيد سياوشي

مهندسي مكانيك

مخازن نفت سنگين بخشي از منابع قابل توجه نفتي به شمار مي آيند كه به دليل مشكلات استخراج ناشي از بالا بودن گرانروي، هنوز تا حدود زيادي دست نخورده باقي مانده اند. افزايش تقاضاي نفت و كاهش توليد طبيعي از مخازن نفت سبك، باعث توجه روزافزون به روش هاي توليد از مخازن نفت سنگين و فوق سنگين شده است. در حال حاضر يكي از متداول ترين روش هاي استخراج از مخازن نفت سنگين روش هاي ازدياد برداشت حرارتي مي باشد. از جمله اين روش ها، مي توان به فرايند ريزش ثقلي به كمك بخار (SAGD) اشاره كرد. در فرايند SAGD از تركيب دو چاه افقي، چاه بالايي به عنوان چاه تزريق كننده و چاه زيرين به عنوان چاه برداشت، استفاده مي شود كه با تزريق بخار به درون چاه باعث كاهش گرانروي و در نتيجه افزايش تحرك پذيري نفت مي شود. در حال حاضر يكي از چالش هاي موجود، بهينه سازي اين فرايندها به منظور كاهش زمان، هزينه و منابع مورد استفاده در اين فرايندها مي باشد. نتايج مطالعات اخير نشان داده است بهينه سازي پارامترهاي عملياتي باعث بهبود عملكرد فرايند SAGD مي شود. بنابراين در اين مطالعه، يك فرايند 8 ساله ي SAGD، به بازه هاي زماني يكسان تقسيم شده و پارامترهاي عملياتي مانند دبي، دما و فشار بخار تزريقي متعلق به هر يك از بازه هاي زماني به صورت همزمان بهينه سازي شده است. دو الگوريتم ازدحام ذرات (PSO) و جستجوي الگو (PS) به منظور يافتن بيشينه مقدار تابع هدف، «ارزش خالص فعلي» (NPV) ، استفاده شده است. در ابتدا آناليز حساسيتي بر روي PSO با جمعيت هاي متفاوت به منظور پيدا كردن تعداد ذرات كافي براي دستيابي به نقطه بهينه سراسري انجام شده است. سپس عملكرد چهار سناريوي بهينه سازي متفاوت با استفاده از اين الگوريتم مورد مطالعه قرار گرفته و نتايج با يكديگر مقايسه گرديده است. بررسي نتايج سناريوها نشان مي دهد با اعمال سناريوي بهينه سازي مناسب، فرايند SAGD مي تواند به مدت 1 سال كاهش يابد. الگوريتم PSO درحالي به نقطه بهينه سراسري دست مي يابد كه نيازمند تعداد فراخواني هاي تابع زيادي مي باشد. از طرفي، بهينه سازي همزمان چندين پارامتر عملياتي همراه با جمعيت زياد بسيار زمان بر مي باشد. در نقطه مقابل، الگوريتم PS با سرعت بيشتري همگرا شده اما احتمال گير افتادن در نقطه بهينه محلي بسيار زياد مي باشد. بنابراين، يك الگوريتم تركيبي PSO-PS پيشنهاد شده است كه با تعداد ذرات كافي دامنه حل را جستجو و محدود كرده و در ادامه حدس اوليه مناسبي براي PS فراهم مي كند. سپس روند بهينه سازي با PS ادامه پيدا كرده و مقدار بهينه ي هر پارامتر پيدا مي شود. نتايج نشان مي دهد استفاده از الگوريتم تركيبي تا 84% هزينه محاسباتي را كاهش مي دهد.

1400/03/21

Simulation and optimization of steam-assisted gravity drainage (SAGD) in heavy oil reservoirs

2/21/2022 12:00:00 AM

Steam-assisted gravity drainage (SAGD) is a promising enhanced oil recovery technique in heavy oil reservoirs through the drilling of two horizontal wells as injector and producer. Optimization of operational parameters would enhance the performance of the SAGD. In this study, an 8-year SAGD process is split up into equal intervals, and operational parameters such as steam injection rate, temperature, and pressure of each interval are optimized simultaneously. Two algorithms, particle swarm optimization (PSO) and pattern search (PS) are utilized to maximize the net present value (NPV) as the objective function over eight years. First, PSO with different populations is implemented to find a sufficient number of particles, which reaches the global optimum. Then, the performance of four different scenarios is investigated, and the results are compared. Additionally, it is shown that by conducting the best scenario optimization, the SAGD process could be reduced for 1-year, compare to the basic scenario optimization. PSO achieves the global optimum while many numbers of function evaluations are required. Furthermore, the simultaneous optimization of a high number of parameters with large populations would be very time-consuming. In contrast, PS converges faster but is very likely to be trapped in local optimums. Accordingly, a hybrid PSO-PS algorithm is proposed that starts with an adequate number of particles and confines the domain to provide an appropriate initial guess for PS. Then the optimization proceeds with PS to find the optimum value of each parameter. The results of hybrid algorithm optimization illustrate a reduction in computational time up to 84%.

ازدياد برداشت حرارتي , سناريوي بهينه سازي , ريزش ثقلي به كمك بخار , الگوريتم بهينه سازي

Thermal enhanced oil recovery , Scenario optimization , Steam-assisted gravity drainage (SAGD) , Optimization algorithms