عنوان پایان‌نامه
بررسی ازدیاد برداشت نفت و ذخیره سازی زیر سطحی دی اکسید کربن در یکی از میادین بالغ و آبران ایران
- رشته تحصیلی
- مهندسی نفت - مخازن هیدروکربوری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1168.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54340;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 115
- تاریخ دفاع
- ۰۸ مهر ۱۳۹۱
- دانشجو
- محمود صفربیرانوند
- استاد راهنما
- محمدرضا رسایی
- چکیده
- در قسمت اول این پژوهش تزریق دی¬اکسید¬کربن در یکی از میادین بالغ ایران به عنوان روشی برای افزایش ضریب برداشت به وسیله بهینه¬سازی محل چاه¬های تزریقی بررسی شده است. . میدان مورد مطالعه تنها یک چاه تولیدی دارد. از این جهت یک تابع هدف برحسب ضریب برداشت در حین تزریق تعریف شده که توسط شبیه ساز محاسبه می¬شود و یک روش بهینه¬سازی ریاضی (الگوریتم ژنتیک) برای یافتن مختصات چاه¬های تزریقی طراحی شده است. نتایج به دست آمده نشان می¬دهد که اگر جمعیت اولیه و تعداد نسل¬ها به اندازه¬ی کافی بالا برود محل بهینه چاه¬های تزریقی که متناظر با بیشترین مقدار ضریب برداشت نفت از قسمت مورد بررسی میدان می¬باشد به راحتی پیدا می¬شوند. در بهترین حالت، محل سه چاه¬ تزریقی در یک نقطه به دست می¬آید که عملا الگوی پنج نقطه¬ای، به سه نقطه¬ای تبدیل می¬شود و در آن دبی تزریقی یک چاه سه برابر دیگری است. این کار عملا هزینه¬های ناشی از حفاری چاه¬های اضافه را بین خواهد برد. در قسمت دوم این پژوهش سعی شده با توجه به تابع هدف سه متغیره، محل چاه¬های تزریقی برای حداکثر کردن ذخیره¬سازی گاز پیدا شوند. اگرچه با بالا بردن جمعیت اولیه و تعداد نسل¬ها جواب-های بهینه هر نسل به سمت بهترین جواب ممکن پیش می¬روند ولی الگوریتم ژنتیک در این قسمت کارایی قسمت اول را ندارد. چرا که بعضی از مکانیزم¬های الگوریتم مانند ترکیب و جهش ژنتیکی در این قسمت لزوما منجر به تولید فرزندانی بهبود یافته نمی¬شوند. به عبارت دیگر نقش نخبه¬گزینی یعنی انتخاب بهترین افراد و انتقال آن¬ها به نسل بعد پررنگ¬تر از نقش ترکیب و جهش به نظر می¬رسد. از اینرو با توجه به ماهیت الگوریتم ژنتیک در انتخاب تصادفی جمعیت اولیه، با بالا بردن جمعیت اولیه این امکان به الگوریتم داده می¬شود که ژن¬های بیشتری برای پیدا کردن فرزندانی مطلوب¬تر از نسل قبل در اختیار داشته باشد..
- Abstract
- In the first part of this study, the injection of Carbon Dioxide in one of Iranian mature fields as a way to increase the recovery factor by optimizing the location of injection wells is investigated. The studied field just has one producing well. Thus an objective function in term of recovery factor during injection is defined which is calculated by simulator; also a mathematical optimization technique (Genetic Algorithm) to find the coordinates of the injection wells has been developed. The results show that if the initial population and the number of generations are increased enough, optimal location of injection wells that correspond to the maximum amount of oil recovery factor can be easily achieved. In the best achieved result, the place of three of injection wells are obtained in one point which practically shows that the five-spot model is changed into three-spot model where the injection flow rate of one well is three times the other one. This practice can reduce the cost of drilling redundant wells. In the second part of this study, based on the three-variable-objective-function, injection wells coordinates are sought to maximize gas storage. Although by increasing the initial population and generation, optimal solutions of each generation go toward the best probable answer, Genetic Algorithm does not have the same efficiency as the first part because some algorithm operators such as crossover and mutations in this section do not necessarily lead to produce improved children. In other words, the role of selection meant selection of best members of population and transmitting them into next generation is much more crucial than crossover and mutation role. So, based on Genetic Algorithm nature in random selection of initial population, by increasing the initial population size, the algorithm has access to more genes to produce better children rather than previous generation.
