مدل‌سازی داده‌محور یک مخزن نفتی برای تعیین ارتباط دینامیکی بین چاه‌های تولیدی

مدیریت، مدل‌سازی و استخراج بهینه مخزن، به درک ارتباط دینامیکی و چگونگی تبادل سیال بین چاه‌های تولیدی در یک مخزن نفتی بستگی دارد. با استفاده از نرم افزارهای شبیه‌ساز عددی و با داشتن اطلاعات زمین‌شناسی مخزن این ویژگی تا حدود زیادی مشخص می‌شود. از طرفی، زمان‌بر بودن آن و وجود عدم قطعیت در داده‌های ورودی به شبیه‌ساز باعث می‌شود که از روش‌ها و راه‌های دیگری برای درک این ویژگی استفاده کنیم. با ظهور سنسورهای جدید که به‌طور دائمی در چاه قرار گرفته‌اند، مقادیر بسیار زیادی از داده‌های تولید (نرخ تولید و فشار ته‌چاهی) در دسترس است. در سال‌های اخیر، استفاده از تکنیک‌های هوشمند داده محور، برای کار با داده‌های زیادی که از چاه‌های تولیدی به‌دست می‌آید مورد استفاده قرار گرفته است. در این مقاله، از یک روش داده‌محور که مبنای آن براساس شناسایی رویدادهای مهم چاه‌ها در طول عمر تولید آن است استفاده شده است. رویدادهای مهم چاه به سه دسته رویدادهای افزایشی، کاهشی و بسته شدن چاه توسط اوپراتور تقسیم شده است. با استفاده از مفهوم مشتق و شیب نمودار و با تعیین عوامل محدودکننده‌ای، این رویدادها شناسایی می‌شوند. سپس، الگوریتم باید رویدادهای مرتبط را بین چاه‌ها پیدا کند و براساس میزان اهمیت رویدادهای مرتبط، ارتباط دینامیکی بین چاه‌های تولیدی مشخص می‌شود که نتیجه آن به‌صورت نقشه ارتباط دینامیکی بین چاهی نشان داده شده است. به این ترتیب، ابتدا یک مخزن نمونه در نرم‌افزار شبیه‌سازی اکلیپس ساخته شد و سه رگه تراوا بین سه جفت چاه در نظر گرفته شد. سپس، از داده‌های تولید آن به‌عنوان ورودی مدل داده‌محور که در نرم‌افزار متلب برنامه‌نویسی شده است، استفاده شد تا مدل داده‌محور آن سه رگه تراوا را شناسایی کند.

Data Driven Approach to Infer Interwell Connectivity among Production Wells in an Oil Synthetic Reservoir

Optimal reservoir management, modeling and production, depend on understanding the connectivity between production wells in an oil reservoir. Using numerical simulation and a reservoir permeability map can clear this feature, however, it is a timeconsuming method and the presence of uncertainty in the input data of simulators leads to employ other methods to understand the feature. Having new sensors that are permanently placed in the wellbore, large amounts of production data (production rate and bottom hole pressure) are available. In recent years, intelligent datadriven techniques have been used to work with the large amount of data obtained from production wells. This paper uses a datadriven approach based on detecting important production well events during its production life. Important well events are divided into three categories: (1) increasing, (2) decreasing, and (3) no flow (shut in the well by operator). These events are identified using derivative and slope of the production figures and some limiting factors. Afterwards, the algorithm has to find the related events between the production wells, and based on the importance of the events, the interwell connectivity among production wells is determined which it is shown as a connectivity map. A synthetic reservoir was first developed in the Eclipse simulation software, and the three highpermeability streaks were considered between three well pairs. Next, its production data were used as the datadriven model’s input, which it is programmed in MATLAB software, in order to identify the three highpermeability streaks via the datadriven model.