|
|
تخمین دقیق پارامترهای چاهآزمایی با استفاده از یک الگوریتم ترکیبی و مقایسه آن با یک نرمافزار رایج صنعتی
|
|
|
|
|
نویسنده
|
خامهچی احسان ,قاسمی مهرداد ,کاشی محمد
|
منبع
|
پژوهش نفت - 1398 - شماره : 108 - صفحه:28 -40
|
چکیده
|
تراوایی، ضریب پوسته و ضریب ذخیره چاه سه پارامتر اساسی مخزن و چاه هستند. روش معمول برای بهدست آوردن مقادیر این پارامترها چاهآزمایی است. در این روش دادههای فشاری بهدست آمده براساس زمان در منحنیهای نیمه لگاریتمی و لگاریتمی رسم شده و با روش ها و فرمولهای مشخص این مقادیر محاسبه میشود. در این مطالعه یک روش جدید برای بهدست آوردن پارامترهای چاهآزمایی با استفاده از هوش مصنوعی معرفی میشود. ابتدا با استفاده از پارامترهای مربوط به دو چاه واقعی، دادههای فشار زمان بهوسیله نرمافزار چاهآزمایی سفیر 4.10 تولید میشود. چون مقادیر بهدست آمده دارای پراکندگی زیاد هستند، دادهها توسط تبدیل موجک دوبیشز نویززدایی شده و تحلیل و بررسی دادهها راحتتر صورت میپذیرد. سپس با ترکیب الگوریتمهای ژنتیک و لونبرگ مارکارد پارامترهای اساسی مخزن محاسبه میشوند. در مرحله آخر دادههای فشاری در نرمافزار رایج چاهآزمایی سفیر 4.10 وارد گردیده و مقادیر تراوایی، ضریب پوسته و ضریب ذخیره چاه محاسبه شد. الگوریتم ترکیبی توانست مقادیر تراوایی، ضریب پوسته، ضریب ذخیره چاه و شعاع خارجی را بهترتیب با خطای میانگین 1.565%، 3.60%، 1.06% و 1.553% نسبت به نرمافزار چاهآزمایی سفیر 4.10 محاسبه کند.
|
کلیدواژه
|
تراوایی، ضریب پوسته، ضریب ذخیره چاه، هوش مصنوعی، چاهآزمایی
|
آدرس
|
دانشگاه صنعتی امیرکبیر, دانشکده مهندسی نفت, ایران, دانشگاه صنعتی امیرکبیر, دانشکده مهندسی نفت, ایران, دانشگاه صنعتی امیرکبیر, دانشکده مهندسی نفت, ایران
|
|
|
|
|
|
|
|
|
|
|
Accurate Estimation of the Well Test Parameters By Using a Hybrid Algorithm and Comparing It With Conventional Industrial Software
|
|
|
Authors
|
Khamehchi Ehsan ,Ghasemi Mehrdad ,Kashi Mohammad
|
Abstract
|
Permeability, skin factor, and wellbore storage coefficient are three essential parameters for well and reservoir. Moreover, well testing is the conventional method for determining these parameters. In this method, pressure data are plotted versus time in semilogarithmic and logarithmic scales, and specified relations determine well test parameters. In this study, a new approach is introduced to obtain well test parameters using artificial intelligence. First, using endpoints related to two real wells, pressure data are produced by reservoir simulator software. Because the data have a lot of noises, the additional data are removed, and analyzing the data is more comfortable. Then, with the combination of a genetic algorithm and the Levenberg Marquardt algorithm, the basic parameters of the reservoir have been calculated. In the last step, the pressure data are entered into standard software, and their values are calculated. Finally, the combined algorithm with excellent accuracy has been able to calculate these parameters in comparison with the conventional Saphir 4.10 well testing software.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|