مروری بر کاربرد هوش مصنوعی در بهینه سازی روش های فرازآوری مصنوعی به منظور افزایش تولید نفت

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 118

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_EKTESHAF-1398-170_006

تاریخ نمایه سازی: 27 اردیبهشت 1402

چکیده مقاله:

علم داده[۱]، یادگیری ماشین[۲] و هوش مصنوعی[۳]، با استفاده از توان محاسباتی بالا و ارائه مدل های کم هزینه برای بهینه سازی عملکرد سیستم ها، انقلابی بزرگ در صنعت نفت ایجاد کرده است. طبق آخرین مقالات منتشر شده، سال ۲۰۱۹ سال پیشرفت هوش مصنوعی از تئوری تا عمل است. هوش مصنوعی به تولیدکنندگان نفت و گاز کمک می کند تا نحوه تغییر تولید نفت در طول زمان را بررسی نمایند و موجب کاهش هزینه محاسبات و تسهیل فرآیندهای سطح الارضی شود. در این مقاله به مروری بر کاربرد یادگیری ماشین و روش های هوش مصنوعی در روش های فرازآوری مصنوعی شامل پمپ های کله اسبی[۴]، پمپ های الکتریکی شناور درون چاهی[۵] و همچنین فرازآوری مصنوعی با گاز[۶] پرداخته می شود. روش هوش مصنوعی و الگوریتم های مختلف آن در زمینه پیش بینی عملکرد، خرابی و فرسایش پمپ های کله اسبی و پمپ های الکتریکی شناور درون چاهی کاربرد موثری داشته و سبب کاهش هزینه ها شده است. همچنین هوش مصنوعی در عملیات فرازآوری با گاز، مدل هایی را ارائه داده که با پیش بینی نرخ و عمق بهینه تزریق گاز سبب سودآوری بیشتر می شود.   [۱] Data Science [۲] Machine Learning (ML) [۳] Artificial Intelligence (AI) [۴] Sucker Rod Pumps (SRP) [۵] Electrical Submersible Pump (ESP) [۶] Gas Lift

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، فرازآوری مصنوعی ، پمپ های کله اسبی ، پمپ های الکتریکی شناور درون چاهی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Copeland, J., Artificial intelligence: A philosophical introduction. ۲۰۱۵: John Wiley ...
  • Ahmed, H.E., AI Advantages & disadvantages ...
  • Medsker, L.R., Microcomputer applications of hybrid intelligent systems. Journal of ...
  • Noshi, C.I., A.I. Assem, and J.J. Schubert. The Role of ...
  • Elmer, W.G. Artificial Lift Applications for the Internet of Things. ...
  • Pennel, M., J. Hsiung, and V. Putcha. Detecting Failures and ...
  • Bravo, C.E., et al., State of the art of artificial ...
  • Bello, O., et al. Application of artificial intelligence techniques in ...
  • Braswell, G., Artificial Intelligence Comes of Age in Oil and ...
  • Ounsakul, T., et al. Artificial Lift Selection Using Machine Learning. ...
  • Alegre, L., A. Da Rocha, and C. Morooka. Intelligent approach ...
  • Wang, J. and H. Hu, Vibration-based fault diagnosis of pump ...
  • Tian, J., et al. Fault detection of oil pump based ...
  • Liu, Y., et al. Failure Prediction for Artificial Lift Systems. ...
  • Liu, S., et al. Automatic early fault detection for rod ...
  • Di Maio, F., et al., Ensemble-approaches for clustering health status ...
  • Raghavenda, C.S., et al. Global Model for Failure Prediction for ...
  • Liu, F. and A. Patel. Well failure detection for rod ...
  • Guo, D., et al. Data Driven Approach to Failure Prediction ...
  • Sharma, R. and N. Pandey. A neural network model for ...
  • Gupta, S., L. Saputelli, and M. Nikolaou. Applying big data ...
  • Sneed, J. Predicting ESP Lifespan With Machine Learning. in Unconventional ...
  • Bangert, P. Diagnosing and Predicting Problems with Rod Pumps using ...
  • Rashidi, F., E. Khamehchi, and H. Rasouli, Oil field optimization ...
  • Khamehchi, E., H. Abdolhosseini, and R. Abbaspour, Prediction of maximum ...
  • Ranjan, A., S. Verma, and Y. Singh. Gas lift optimization ...
  • Putcha, V.B. and T. Ertekin. A Hybrid Integrated Compositional Reservoir ...
  • Miresmaeili, S.O.H., et al., An improved optimization method in gas ...
  • نمایش کامل مراجع