ارائه‌ روشی نوین برای بهینه‌سازی مکان‌ چاه‌های افقی جهت بهبود برداشت نفت

جانمایی چاه‌ها یکی از مهم‌ترین مسائل در توسعه میادین است. به‌دلیل هزینه بالای حفر چاه‌ها و تاثیر مکان چاه برروی تولید از مخزن، عدم حفر چاه در محل مناسب باعث کاهش تولید و افزایش هزینه‌ها می‌شود. در مکان‌یابی چاه‌های عمودی کافی است دو پارامتر x و y (مختصات سر چاهی) بهینه شوند اما در چاه‌های افقی یا انحرافی پارامتر z نیز باید وارد الگوریتم بهینه‌سازی شده، تعداد نقاط افزایش یافته و محدودیت‌های عملیاتی نیز باید در نظر گرفته شود که این نیز بر پیچیدگی مسئله و افزایش احتمال خطا می‌افزاید. در این پژوهش یک چارچوب اتوماتیک برای بهینه‌سازی مکان چاه افقی با در نظر گرفتن محدودیت‌های حفاری و براساس الگوریتم بهینه‌سازی ازدحام ذرات، کدنویسی شده است. تابع هدف به‌کار گرفته شده در این مطالعه، ارزش خالص فعلی است. در این چارچوب با توجه به محدودیت‌های عملیاتی و هندسه‌ چاه، تعداد متغیرهای الگوریتم بهینه‌سازی ازدحام ذرات مشخص می‌شود. سپس این الگوریتم، مقادیر پارامترها را به‌صورت تصادفی و با در نظر گرفتن محدودیت‌های مشخص، انتخاب کرده و وارد رویه‌ بهینه‌سازی می‌کند. این کار تا زمان رسیدن به معیار توقف ادامه می‌یابد. مکان و مسیر چاه افقی برای دو مدل مصنوعی ناهمگن و یک مدل استاندارد، بهینه‌سازی شد. چارچوب ارائه شده توانست پارامترهای x،y،z و نقطه‌ شروع و انتهای زاویه‌سازی را با رعایت محدودیت‌های حفاری تعیین شده توسط کاربر در انواع مختلف مدل‌های ناهمگن و استاندارد بهینه کند. در تمامی مدل‌های بررسی شده، ارزش خالص فعلی به‌طور میانگین، 22% افزایش یافت. در مدل‌های با ناهمگنی بیشتر ارزش خالص فعلی، افزایش بیشتری را نسبت به مدل‌های همگن داشت.

proposing a new approach for horizontal well placement optimization for enhancing oil production

introduction well placement plays a crucial role in field development, as it directly impacts production and drilling costs. inefficient well placement can lead to decreased production and increased expenses. to optimize well location, an automatic framework is typically employed, involving multiple steps. initially, the user selects or randomly determines the well's initial position. an optimization algorithm is then used to propose and evaluate new and improved well locations based on an objective function. this process continues until a predetermined stopping criterion is met. in this study, the particle swarm optimization algorithm is utilized to optimize the location of horizontal wells, considering operational limitations. to enhance efficiency and avoid coupling issues, the ocean plugin is integrated into the petrel software.in 2003, yeten et al. employed the genetic algorithm as an optimizer and artificial neural networks to develop an alternative approach for optimizing the placement of horizontal wells [1]. in 2004, badro and kabir utilized the genetic algorithm as an optimizer and polytope and kriging functions as proxies to optimize the positioning of both horizontal and vertical injection wells [2]. in 2009, onwanlu and dorlofsky used the particle swarm optimization algorithm to optimize the location and trajectory of deviation wells [3]. they compared their method with genetic algorithm optimization on four different models, demonstrating the superior performance of the particle swarm optimization algorithm. in 2021, lyu et al. optimized the trajectory of deviated and multi-branch wells using the fast marching method [4]. in 2022, kiannejad et al. employed deep learning techniques to determine the optimal location of horizontal wells [5].materials and methodsdue to the increase in the number of design variables in horizontal wells and the proper performance of the particle swarm optimization algorithm, this algorithm was used as an optimizer in this research. there are also limitations in horizontal well drilling that should be considered in the design of the horizontal well path. limitations including the minimum and maximum of the dogleg, the maximum of the horizontal departure of the well and determining the minimum of the horizontal departure of the well prevent the drilling of a deviated well instead of a horizontal well. also, the net present value function was considered as the objective function of optimization.