آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,711 |
| تعداد دریافت فایل اصل مقاله | 4,032,561 |
بهینه‌سازی حفاری میدان‌های نفتی مارون و رامین با استفاده از مدل‌های ریاضی | ||
| علوم و فنون سازندگی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 18 آبان 1400 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| وحید کشاورز* 1؛ مهدی نظری صارم2 | ||
| 1دانشگاه صنعتی امیرکبیر/دانشکده مهندسی نفت/تهران/ایران | ||
| 2گروه مهندسی نفت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران | ||
| تاریخ دریافت: 16 بهمن 1399، تاریخ بازنگری: 06 مرداد 1403، تاریخ پذیرش: 18 آبان 1400 | ||
| چکیده | ||
| دلیل پیدایش بهینه‌سازی حفاری بالا بودن هزینه‌های حفاری و پایین بودن سرعت حفر چاه‌ها بوده است. هدف نهایی از فرایند بهینه‌سازی، کاهش پارامترهای مزاحم در عملیات حفاری تا کمترین میزان ممکن و همچنین تغییر پارامترهای هیدرولیکی و مکانیکی تا رسیدن به میزان نفوذ بهینه است. در عمل، پروسه‌های حفاری داخل کشور غالبا بصورت تجربی صورت گرفته است که مصون از خطا و اشتباه نبوده و منجربه بروز اتلاف‌های ناخواسته‌ای شده است. دربخش اول این مطالعه، الگوی بورگاین یانگ بهبود یافته روی داده‌های مربوط به 10 چاه از میدان رامین با استفاده از روش الگوریتم ژنتیک پیاده می‌شوند. دلیل انتخاب این مدل این است که نسبت به سایر مدل‌ها عوامل تاثیر گذار بیشتری را در بر می گیرد. همچنین داده‌های مورد نیاز آن در گزارش‌های روزانه یافت میگردد. پس از پیاده‌سازی اطلاعات چاه‌های مورد مطالعه روی مدل مذکور، همخوانی بالایی بین داده های واقعی و پیش‌بینی شده را شاهد بودیم. این امر بدین معنی است که این مدل گزینهی مناسبی جهت انجام مدلسازی عملیات حفاری در میدان رامین می‌باشد. در بخش دوم، با استفاده از مدل ساخته‌شده، الگوریتم ژنتیک و معادلات بهینه‌سازی هیدرولیک یک مدل بهینه‌سازی حفاری ارائه میدهیم و داده‌های یک حلقه چاه را به وسیله‌ی آن بهینه‌سازی میکنیم. نتایج این بهینه سازی و مقایسه آن با داده‌های واقعی چاه نشان میدهد که نرخ نفوذ مته بطور متوسط بهبود 100 درصدی داشته و همچنین تمیزسازی چاه به خوبی صورت میگیرد. که این اتفاق باعث کاهش قابل توجه زمان حفاری و هزینه‌های سنگین اجاره‌ی دکل‌های خشکی و ساحلی می‌شود. | ||
| کلیدواژه‌ها | ||
| بهینه‌سازی؛ مدلسازی؛ هیدرولیک حفاری؛ الگوریتم ژنتیک؛ نرخ نفوذ مته | ||
| عنوان مقاله [English] | ||
| Drilling optimization in Maroon and Ramin oil fields using mathematical models | ||
| نویسندگان [English] | ||
| Vahid Keshavarz1؛ Mehdi Nazari sarem2 | ||
| 1Amirkabir University of Technology/Petroleum Engineering Department/Tehran/Iran | ||
| 2Department of Petroleum Engineering, Central Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| The reason for drilling optimization is high drilling costs and low drilling speed of wells. The ultimate goal of the optimization process is to reduce the disturbing parameters in the drilling operation to the minimum possible and also to change the hydraulic and mechanical parameters to achieve the optimalrate of penetration. In practice, drilling processes are often performed experimentally, which is not immune to error and has led to unwanted losses. In the first part of this study, the improved Bourgoyne Young model is implemented on data related to 10 wells from Ramin oil field using genetic algorithm method. The reason for choosing this model is that it has more influential factors than other models. The required data can also be found in the daily reports. After implementing the information of the studied wells on the model, we saw a high agreement between the actual and predicted data. This means that this model is a good option for modeling drilling operations in Ramin field. In the second part, using the constructed model, genetic algorithm and hydraulic optimization equations, we present a drilling optimization model and optimize the data of a sample well. The results of this optimization and its comparison with the actual well data show that the rate of penetration has improved by an average of 100% and also the hole cleaning is in good condition. This significantly reduces drilling time and the high cost of renting onshore and offshore rigs. | ||
| کلیدواژه‌ها [English] | ||
| Optimization, Modeling, Hydraulic, Genetic algorithm, Rate of Penetration | ||
|
آمار تعداد مشاهده مقاله: 282 |
||