بهینه‌سازی فرازآوری با گاز با محدودیت حجم گاز تزریقی با استفاده از الگوریتم ژنتیک

تکنیک فرازآوری با گاز نقش مهمی در حفظ تولید نفت، به ویژه از یک میدان بالغ، زمانی که انرژی طبیعی مخازن ناکافی می‌شود، ایفا می‌کند. با این حال، تخصیص بهینه نرخ تزریق گاز در یک میدان بزرگ از طریق سیستم شبکه فرازآوری با گاز برای به حداکثر رساندن نرخ تولید نفت یک کار چالش برانگیز است. مسائل متداول بهینه‌سازی فرازآوری با گاز ممکن است در یک سیستم شبکه بزرگ با مشکلات مرتبط با نرخ تزریق گاز چند هدفه، ناکارآمد باشند. هدف اصلی این مقاله ارزیابی امکان‌سنجی استفاده از تکنیک الگوریتم ژنتیک برای بهینه‌سازی تخصیص نرخ تزریق پیوسته گاز فرازآور در شرایطی که برای تامین حجم گاز تزریقی محدودیت وجود داشته باشد، است. در این تحقیق ابتدا مطالعه حساسیت سنجی روی پارامترهای تاثیرگذار بر عملکرد فرآیند فرازآوری با گاز انجام شد و سه پارامتر اندازه چوک، اندازه تیوبینگ و نرخ تزریق گاز به عنوان پارامترهای ورودی الگوریتم انتخاب شدند و نرخ تولید تجمّعی نفت از دو چاه به عنوان تابع هدف در نظر گرفته شد و مطالعه تاثیر این پارامترها بر عملکرد دو چاه تولیدی صورت گرفت. علاوه بر این، در حالی که استفاده از الگوریتم ژنتیک ایده جدیدی نیست، این مطالعه تکنیک‌های بهینه‌سازی مبتنی بر الگوریتم ژنتیک را برای بهبود نرخ تولید نفت با اجرای فرازآوری با گاز در یک میدان نفتی توضیح می‌دهد. مدل بهینه‌سازی به صورت گام به گام توضیح داده می‌شود، بنابراین می‌توان آن را به راحتی دنبال کرد و به‌عنوان راهنما، به‌ ویژه توسط مهندسین بهره‌ بردار که در طراحی و توسعه سیستم فرازآوری با گاز درگیر هستند، به‌ منظور تخصیص بهینه نرخ تزریق گاز به چاه‌ ها در حضور محدودیت حجم گاز تزریقی استفاده کرد.

optimization of gas lift with gas volume constraint using genetic algorithm

gas lift technique plays a crucial role in maintaining oil production, especially from a mature field, when the natural reservoir energy becomes insufficient. however, the optimal allocation of gas injection rates in a large field through the gas lift network system to maximize the oil production rate is a challenging task. conventional gas lift optimization problems may be inefficient in a large network system with multi-objective gas injection rate issues. the main objective of this paper is to evaluate the feasibility of using the genetic algorithm technique for optimizing the continuous allocation of gas lift injection rates when there is a constraint on the available injection gas volume. in this research, firstly, a sensitivity analysis was performed on the parameters affecting the performance of the gas lift process, and three parameters: choke size, tubing size, and gas injection rate were selected as the algorithm input parameters, and the cumulative oil production rate from two wells was considered as the objective function, and the effect of these parameters on the performance of the two production wells was studied. moreover, while the use of the genetic algorithm is not a new idea, this study explains the genetic algorithm-based optimization techniques to improve the oil production rate by executing gas lift in an oil field. the optimization model is explained step by step, so it can be easily followed and used as a guide, especially by operating engineers involved in the design and development of the gas lift system, to optimally allocate the gas injection rates to wells in the presence of an injection gas volume constraint.