25462

كاربرد استفاده از مدل هاي كاهش يافته در بهينه سازي عملكرد مخازن نفتي با استفاده از الگوريتم هاي ژنتيك موازي

كارشناسي ارشد

مهندسي نفت- مخازن هيدروكربوري

1398

1400/7/26

مهدي عصاره

مهندسي شيمي

برنامه ريزي توليد از مخازن نفتي جهت بهينه سازي كنترل چاه ها براي به حداكثر رساندن سودآوري اقتصادي در هنگام فرآيند سيلاب زني با آب انجام مي شود. اين فرآيند هزينه محاسباتي زيادي دارد زيرا مدل هاي شبيه سازي مخزن بايد صدها يا هزاران مرتبه اجرا شوند.از روش مدلسازي كاهش يافته (ROM) مي توان براي كاهش زمان شبيه سازي استفاده كرد و براي بهينه سازي از آن ها بهره برد. در اين پروژه ، ما براي بهينه سازي عملكرد مخزن ، از مدل كاهش يافته مبتني بر تجزيه مناسب متعامد (POD) و الگوريتم ژنتيك موازي (PGA) استفاده كرده ايم. مدلسازي كامل ، معادلات غير خطي گسسته موازنه مواد را براي جابجايي نفت و آب با استفاده از روش حجم محدود در نظر مي گيرد. مدل كاهش يافته (ROM) براساس ايجاد شوك در نرخ چاه هاي توليدي ساخته شده و نرخ توليد مايع به عنوان متغيرهاي بهينه سازي در نظر گرفته شده است. نرخ هر چاه تزريقي بر اساس پتانسيل جريان آزاد چاه هاي تزريقي و مقدار كل حجم سيال توليدي (در شرايط مخزن) در طول زمان شبيه سازي اختصاص داده مي شود.اين مكانيزم اين امكان را به ما مي دهد تا ضمن حفظ فشار مخزن ، نرخ چاه هاي توليدي و همچنين نرخ چاه هاي تزريقي را متناسب با نرخ مطلوب توليد بهينه كنيم. هم چنين اين روش متغيرهاي بهينه سازي را براي برنامه ريزي توليد و تزريق كاهش مي دهد و درطول اجراي بهينه سازي با استفاده از الگوريتم ژنتيك موازي (PGA) از توليد كروموزوم هايي كه مقدار تابع هدف آنها متناسب نيست جلوگيري مي شود. دو مدل مخزن (يك مدل مصنوعي و يك مدل سكتوري ) مورد مطالعه قرار خواهد گرفت. براي هر دو مدل كاهش يافته ساخته و ارزيابي مي شود. مدل كاهش يافته از دقت و سرعت مناسبي برخوردار مي باشد. البته هنگامي كه چاه هاي توليدي شروع به توليد آب مي كنند دقت آن كاهش مي يابد. براي حل اين مشكل، مي توان در هنگام بهينه سازي با استفاده از الگوريتم ژنتيك موازي از مدلهاي كاهش يافته تطبيقي استفاده كرد. نتايج نشان مي دهد كه ارزش خالص فعلي (NPV) حاصل از بهينه سازي با استفاده از مدل كاهش يافته حدود %98 به ارزش خالص فعلي (NPV) حاصل از بهينه سازي با استفاده از مدل كامل نزديك است. هم چنين هنگامي كه از نرخ هاي توليدي بهينه شده حاصل از بهينه سازي با مدل كاهش يافته در مدل كامل استفاده شود ، تابع هدف بهبود مي يابد. علاوه بر اين ، بهينه سازي با استفاده از كاهش يافته بسيار سريعتر از بهينه سازي با استفاده از مدل كامل است. مدت زمان بهينه سازي در مدل مصنوعي 55٪ و و در مدل سكتوري 71٪ كاهش مي يابد. در نتيجه استفاده از مدلسازي كاهش يافته و الگوريتم ژنتيك موازي سرعت بالايي در بهينه سازي عملكرد مخزن دارد و مي توان از مدلسازي كاهش يافته براي بهينه سازي فرآيند هاي ازدياد برداشت مانند سيلاب زني با پليمر، سيلاب زني با سورفكتانت و تزريق گاز استفاده كرد.

1400/08/08

Application of Reduced Order Models in Optimizing Oil Reservoir Performance Using Parallel Genetic Algorithms

10/18/2022 12:00:00 AM

Production Scheduling is performed to optimize the well controls to maximize economic profitability during water-flooding. This technique has large computational cost because the reservoir simulation models must be run hundreds or thousands. Reduced-order modeling (ROM) procedure can be used to reduce simulation time and have been used for the optimization. In this work, we used reduced-order model based on proper orthogonal decomposition (POD) and parallel generic algorithm (PGA) to optimize the reservoir performance. The full-order model considers non-linear discretized material balance equations for water-oil displacement using finite volume technique. The ROM model are constructed based on the shocks in the rates of production wells in each snapshot and considered liquid production rate as optimization variables. The rate of each injection well was allocated based on their open-flow potential and the total amount of production reservoir volume during simulation time. This allows us to optimize the rate of production wells as well as the rate of injection wells in proportion to the optimal rate of production while keeping reservoir pressure. This approach for scheduling control parameters ensures practical implementation. Moreover, it reduces the optimization variables for production and injection scheduling. Another advantage is to avoid chromosomes with unfitted objective functions in optimization population of PGA. Two reservoir models (an synthetic model and a sector model) will be studied. The ROM is construced and evaluated for both models. the reduced models has appropriate accuracy and speed. However, the accuracy of ROM has been reduced when water breakthrough is occurred in production wells, which can be solved by using adaptive reduced models and parallel genetic algorithm. The results show that the NPV obtained by optimization using the reduced-order model is approached to within 98 % of the NPV obtained by optimization using the full-order model. The objective function is also improved when the optimized production rates obtained from ROM are used in FOM. Besides, optimization using ROM is quite faster than optimization using FOM. The optimization run-time is reduced by 55% in the synthetic model and 71% percent for optimization with ROM in the sector case. As a result, using reduced order modeling and parallel genetic algorithm have a high speed in optimizing reservoir performance and ROM can be used to optimize EOR processes such as polymer flooding, surfactant flooding and gas injection.

برنامه ريزي توليد؛ الگوريتم ژنتيك موازي ، مدل هاي كاهش يافته، سيلاب زني با اب، تجزيه مناسب متعامد.

Production Scheduling; Parallel Genetic Algorithm; Reduced-Order Models; Waterflooding; Proper Orthogonal Decomposition.