Künstliches neuronales Netzwerk zur Diagnose und Minderung der Wasserproduktion: Aktuelle Schulnachrichten

Künstliches neuronales Netzwerk zur Diagnose und Minderung der Wasserproduktion

BEEIL DICH JETZT! BEWERBEN SIE SICH JETZT FÜR USA-JOBS MIT KOSTENLOSEM VISUM!


 

Künstliches neuronales Netzwerk zur Diagnose und Minderung der Wasserproduktion.

ABSTRACT  

Seit Beginn der Öl- und Gasindustrie war die Wasserproduktion für verschiedene Betreiber immer ein schmerzhaftes Problem.

Während der gesamten Lebensdauer eines Feldes geht die Ölförderung häufig mit einer gewissen Wasserproduktion einher, die in den meisten Fällen so bedeutend und unerwünscht ist.

Aufgrund der großen betrieblichen, ökologischen und wirtschaftlichen Herausforderungen, die mit der Überproduktion von Wasser verbunden sind, suchen die Betreiber nach verschiedenen Methoden und Werkzeugen, mit denen die Wasserquellen identifiziert und ein früher Wasserdurchbruch bei der Förderung von Öl- und Gasbohrungen verhindert oder gemindert werden kann.

In dieser Studie wurden Modelle für künstliche neuronale Netze (ANN) entwickelt und als Werkzeuge für das Reservoirmanagement verwendet, um Lösungen zur Minderung von Problemen bei der Wasserüberschussproduktion anzubieten.

Zwei Fälle wurden in Betracht gezogen, um die Netzwerkmodelle aufzubauen und zu trainieren. Im ersten Fall wurden drei neuronale Netzwerkmodelle entwickelt und optimiert, indem mit Daten von nur einem produzierenden Bohrloch trainiert wurde.

Die erstellten Netzwerkmodelle heißen CASNNET1, CASNNET2 bzw. CASNNET3. Im zweiten Fall wurde ein neuronales Netzwerkmodell namens CASNNET4 entwickelt, bei dem kombinierte Daten aus zwei produzierenden Bohrlöchern für Training, Validierung und Test verwendet wurden.

In beiden Fällen wurden die neuronalen Netzwerkmodelle entwickelt, um den Brunnenwasserschnitt mit einem nennenswerten Maß an Genauigkeit vorherzusagen. 

INHALTSVERZEICHNIS

ABSTRAKT…………………. ii
Widmung ………………… iii
ANERKENNUNG …………… iv
NOMENKLATUR ………………… v
ABBILDUNGSLISTE ……………… .. ix
LISTE DER TABELLEN…………………. xiii
ANHANGSLISTE ………………. xv

KAPITEL EINS
Einleitung …………… 1
1.1 Problemstellung ………… .. 1
1.2 Studienziele ………………. 2
1.3 Erwartete Ergebnisse …………………… 2
1.4 Arbeitsumfang ……………… .. 3

KAPITEL ZWEI 
Literaturübersicht …………… .. 4
2.1 Diagnose von Wasserproduktionsmechanismen ……………… .. 4
2.2 Minderung der Wasserüberschussproduktion …………… .. 20
2.3 Anwendung des künstlichen neuronalen Netzes (ANN) ……………. 25
2.3.1 ANN-Anwendung in der Medizin …………… .. 25
2.3.2 ANN-Anwendung in der Öl- und Gasindustrie ……… .. 27

KAPITEL DREI
Methodik …………… .. 29
3.1 Studienmethodik und Arbeitsablauf ………… 29
3.2 Reservoirsimulation …………. 29
3.2.1 Modellbeschreibung des Reservoirs XY ……… .. 29
3.2.2 SENSORSimulator …………. 32
3.2.3 Simulationsläufe ……… .. 33
3.3 Konzept der künstlichen neuronalen Netze (ANNs) ……… .. 33
3.3.1 Klassifikation neuronaler Netze ………… .. 34
3.3.2 Methodik zur Entwicklung neuronaler Netze ……… 35
3.3.3 Neuronale Netzwerkmodelle ……………… .. 39
3.3.4 Testen der neuronalen Netzwerkmodelle auf neue Daten ………… 42

KAPITEL VIER
Ergebnisse & Diskussion …………………… 44
4.1 Reservoirsimulation …………………. 44
4.1.1 Karten des Reservoirmodells …………… .. 44
4.1.2 Diagramme der Produktionsparameter …………… 49
4.2 Neuronale Netzwerkmodelle ……………… .. 51
4.2.1 Fall 51 - Ergebnisse des Trainingsnetzwerks mit einem Brunnen ………… .. XNUMX
4.2.2 Fall 2 - Ergebnisse des Trainingsnetzwerks mit zwei Brunnen ……… .. 59
4.2.3 Ergebnisse des Testens neuronaler Netzwerkmodelle an neuen Brunnen ………… 63
4.3 Beobachtung und Analyse ………………. 70
4.3.1 Sensitivitätsanalyse ………… 70

Fünftes Kapitel
Schlussfolgerungen und Empfehlungen …………… .. 79
5.1 Schlussfolgerungen ………………… 79
5.2 Empfehlungen …………… 80

VERWEISE ………. 82

PROBLEMSTELLUNG  

Während der Förderung von Öl und Gas aus Erdölreservoirs kann die Wasserproduktion aus einem angrenzenden Grundwasserleiter oder aus Wasserinjektionsbrunnen in einem Wasserflutungsprozess stammen.

Wenn es zu einer übermäßigen Wasserproduktion kommt, entstehen Kosten für den Betrieb von Produktionsanlagen unter der Oberfläche und der Oberfläche sowie für Kalk- und Korrosionsprobleme.

Außerdem wird der Rückgewinnungsfaktor aufgrund des Bypasses von Öl durch die Verdrängungswasserfront verringert. Diese Faktoren stellen die Erdölindustrie vor erhebliche finanzielle und ökologische Herausforderungen.  

Gasbarri et al., 2008, klassifizierten Probleme im Zusammenhang mit übermäßiger Wasserproduktion in zwei große Kategorien:  

  • Probleme im Zusammenhang mit dem Reservoir, z. B. Wasserkegelbildung, Kanalisierung (vorzeitiger Durchbruch von Wasser bei der Herstellung von Brunnen durch Kanäle mit hoher Permeabilität, wobei Flüssigkeit in Zonen mit niedriger Permeabilität zurückbleibt) und Bewegung des Öl-Wasser-Kontakts.
  • Probleme im Zusammenhang mit der Strömung in der Nähe des Bohrlochs, z. B. Strömung hinter dem Gehäuse. Um die Menge des produzierten Wassers genau vorherzusagen und zu verringern, müssen die Quellen oder Mechanismen der Wasserproduktion ordnungsgemäß identifiziert werden.

REFERENZEN

A. Saeedi et al., 2006, Verwenden neuronaler Netze zur Kandidatenauswahl und Bohrlochleistung Vorhersage bei Wasserabsperrbehandlungen unter Verwendung von Polymergelen, SPE 101028. Ein Artikel, der bei vorgestellt wurde die Asia Pacific Oil & Gas Conference & Ausstellung in Adelaide, Australien, 11-13September.

CM Reyes et al., 2010, Eine auf Zuverlässigkeit basierende systemische Methode zur Wasserproduktion Analyse, Diagnose und Lösungsdesign, SPE138935. Ein Vortrag auf der SPE Latin Amerikanische und karibische Petroleum Engineering Konferenz, Lima, Peru, 1.-3. Dezember.

Coats Engineering Inc., 2011, SENSOR Compositional und Black Oil Simulation Software Handbuch, 1. April 2011.

D. Perez et al., 2001, Anwendungen von Polymergel zur Herstellung von zonalen Isolierungen und Wasser Abschaltung in Carbonatformationen, SPE 73196. Ein Papier, das 1997 bei den SPE / IADC-Bohrungen vorgestellt wurde Konferenz, Amsterdam, 4. - 6. März; 1997 zur Veröffentlichung als SPE 37622 und 2001 überarbeitet.

Dr. N. Ganesan et al., 2010, Anwendung neuronaler Netze bei der Diagnose von Krebserkrankungen using Demographic Data, Internationales Journal für Computeranwendungen (0975-8887), Band 1 - Nr. 26.

Gasbarri et al., 2008, Wasserproduktionsdiagnose unter Verwendung eines Transiententests mit Mehrphasen Durchflussmesser, SPE-117236. Ein Papier, das auf der SPE Eastern Regional / AAPG Eastern Section vorgestellt wurde Gemeinsames Treffen vom 11. bis 15. Oktober in Pittsburgh, Pennsylvania, USA.

 

    Hallo Sie!

    Schließen Sie sich heute über 5 Millionen Abonnenten an!


    => FOLGE UNS AUF Instagram | FACEBOOK & TWITTER FÜR NEUESTE AKTUALISIERUNG

    Tags: , , ,

    Kommentarfunktion ist abgeschaltet.

    %d Blogger wie folgt aus: