30761

تخمين دبي جريان چند فازي چاه نفت با استفاده از الگوريتم‌هاي مبتني برداده

كارشناسي ارشد

مهندسي مكانيك

1400

1402/11/30

دكتر مجيد سياوشي

دكتر روح الدين ميري

مكانيك

تخمين دبي جريان چاه‌ها در يك ميدان نفتي بسيار مهم و كاربردي است. جريان‌هاي استخراج‌شده از چاه‌هاي نفتي چند فازي هستند و تخمين دبي اين جريان‌ها بسيار چالش‌برانگيز و پرهزينه است. در طي زمان روش‌هاي مختلفي براي تخمين دبي در ميدان‌هاي نفتي پيشنهادشده است. بااين‌حال در سال¬هاي اخير دبي سنج‌هاي مجازي بسيار موردتوجه قرارگرفته‌اند، زيرا اين نوع دبي سنج‌ها ازنظر اقتصادي بهينه هستند و همچنين مي‌توانند دبي را در زمان آينده نيز با دقت خوبي پيش‌بيني كنند. دبي سنج‌هاي مجازي به دودسته مبتني بر فيزيك و مبتني برداده تقسيم مي‌گردد. هدف از پژوهش حاضر بررسي عملكرد دبي سنج مجازي مبتني بر فيزيك و پنج مدل دبي سنج مجازي مبتني برداده در يك چاه واقع در جنوب ايران است. دبي سنج مجازي مبتني بر فيزيك ارائه‌شده چند جزئي بوده و بخش¬هاي مختلف سيستم توليد را شبيه¬سازي مي¬كند. به‌منظور كاهش زمان تخمين دبي در مدل فيزيكي از روابط تجربي به¬جاي معادلات با مشتقات جزئي استفاده‌شده است. در اكثر چاه¬هاي نفتي ايران از پمپ درون¬چاهي براي استخراج نفت استفاده مي¬گردد بنابراين اطلاعات پمپ در اين چاه¬ها در دسترس است. همين امر باعث شد در اين پايان¬نامه دبي سنج¬هاي مبتني برداده و دبي سنج مبتني بر فيزيك، با اطلاعات پمپ¬هاي درون‌چاهي توسعه داده شوند. در دبي سنج‌هاي مجازي مبتني برداده از مدل‌هاي درخت تصميم، ماشين بردار پشتيبان اختلاف مربع (LSSVR)، K نزديك‌ترين همسايه (KNN)، تقويت گراديان و جنگل تصادفي استفاده‌شده است. به‌عنوان مطالعه موردي عملكرد دبي سنج مجازي مبتني بر فيزيك و مدل‌هاي مبتني برداده مقايسه شده است. نتايج نشان مي‌دهد دبي سنج مجازي مبتني برداده تا 50 درصد ميزان خطا كمتري نسبت به مدل مبتني بر فيزيك دارد. مدل جنگل تصادفي با دقت 95.12 درصد بهترين عملكرد را دارد.

1403/02/02

Estimation of oil well multiphase flow using data-driven algorithms

2/18/2025 12:00:00 AM

Estimating the flow rate of wells in an oil field is very important and practical. Flows extracted from oil wells are multiphase, and estimating the flow rate of these flows is very challenging and expensive. Over time, various methods have been proposed to estimate flow rate in oil fields. However, in recent years, virtual flow meters have received a lot of attention, because these types of flow meters are economically optimal and can also predict the flow in the future with good accuracy. Virtual flowmeters are divided into physics-based and data-based. The purpose of this research is to investigate the performance of physics-based virtual flowmeter and five data-based virtual flowmeter models in a well located in the south of Iran. The virtual flowmeter is based on the presented multi-component physics and simulates different parts of the production system. In order to reduce the flow estimation time in the physical model, empirical correlations have been used instead of equations with partial derivatives. In most of Iran's oil wells, an in-well pump is used to extract oil, so pump information is available in these wells. This led to the development of data-based flowmeters and physics-based flowmeters with the information of downhole pumps in this thesis. In data-based virtual flowmeters, decision tree models, difference squared support vector machine (LSSVR), K nearest neighbor (KNN), gradient boosting and random forest are used. As a case study, the performance of physics-based virtual flow meter and data-based models have been compared. The results show that the data-based virtual flowmeter has a 50% lower error rate than the physics-based model. The random forest model has the best performance with an accuracy of 95.12%.

دبي سنج محازي , پيش بيني مبتني بر فيزيك , پيش بيني مبتني بر داده , جريان چند فازي , چاه نفتي , ميدان نفتي

virtual flow meter , physics-based prediction , data-based prediction , multiphase flow , oil well , oil field

Mohammad Bagher Seddighi

Dr. Majid siavashi