کاربرد هوش مصنوعی در ازدیاد برداشت به روش کربن دی اکسید

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 724

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CBGCONF06_241

تاریخ نمایه سازی: 28 بهمن 1398

چکیده مقاله:

کاربرد روشهای پیشرفته ازدیاد برداشت نفت (EOR ) با قیمت نفت کنونی و افزایش تقاضای جهانی برای نفت مورد توجه قرار گرفته است. در میان آنها، ازدیاد برداشت با تزریق کربن دی اکسید (CO2-EOR) یک فناوری برای بهبود تولید نفت که دارای ویژگی جذب و ذخیره سازی است. روش بهینه سازی مبتنی بر هوش مصنوعی (AI) میتواند به عنوان ابزاری برای تصمیم گیری مناسب در مورد مکان چاه، قرار گرفتن در معرض چاه یا کنترل چاه مورد استفاده قرار گیرد. ابزار هوش مصنوعی رفتارهای هوشمندانه انسان را تقلید میکند و از دانش کسب شده در موقعیتهای جدید استفاده میکند. هوش مصنوعی میتواند در روش ازدیاد برداشت با تزریق کربن دی اکسید مکانهای مناسب برای حفر چاه را تعیین کند. همچنین این روش توانایی ماکسیمم کردن تابع هدف به منظور افزایش ارزش اقتصادی پروژه را دارد. مشکل موقعیت چاه، مشبک کاری لایه بهره ده یا نوع چاه زمانی که سازند هتروژن است به دلیل چند حالته بودن تابع هدف، این تکنیک را به روشی مشکل تبدیل کرده است. بهینه سازی کنترل شامل تعیین متغیرهای عملیاتی وابسته به زمان مانند فشار ته چاهی یا نرخ نفت و گاز است . علاوه بر این، تعداد چاه های تولیدی و تزریقی در تزریق کربن دی اکسید به سازند، استفاده از هوش مصنوعی را سخت تر کرده است. این مقاله باعث ایجاد هم افزایی بین ابزار هوش مصنوعی و شبیه سازی مخزن برای تعیین سیاست بهینه ازدیاد برداشت با روش تزریق کربن دی اکسید میشود. اصول روش بهینه سازی بر اساس الگوریتم ژنتیک و ازدحام ذرات که جزیی از الگوریتمهای بدون مشتق است. موقعیت چاه از ادغام سیستم خبره با اطلاعات مخزن بدست می آید. ترکیب مدل سازی مخزن و هوش مصنوعی مورد استفاده در این مطالعه، یک روش بهبود یافته برای بهینه سازی فرآیند تزریق کربن دی اکسید را نشان میدهد.

کلیدواژه ها:

بهینه سازی ، ازدیاد برداشت به روش کربن دی اکسید ، هوش مصنوعی ، الگوریتم زنتیک ، AI

نویسندگان

رضا خیابانی

گروه مهندسی نفت، انستیتو مهندسی نفت، دانشگاه تهران، تهران، ایران

علی خیابانی

گروه مهندسی نفت، پردیس علوم فناوریهای نوین، دانشگاه سمنان، سمنان، ایران