بهینه‌سازی شرایط عملیاتی چاه‌های ازدیاد برداشت نفت با مدل جایگزین ‌و الگوریتم ژنتیک چندهدفه: تزریق آب کم‌شور

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی نفت، دانشگاه صنعتی تبریز

2 استاد مهندسی نفت، دانشگاه صنعتی تبریز

doi
10.22034/ijche.2025.525262.1523
چکیده

بخش قابل‌توجهی از ذخایر نفت و گاز جهان در سنگ‌های کربناته واقع‌شده‌است. مطالعات اخیر نشان‌داده‌است که کاهش شوری آب تزریقی می‌تواند تولید نفت را به‌طور قابل‌توجهی افزایش‌دهد؛ بااین‌حال، بهینه‌سازی شرایط عملیاتی چاه‌ها درحین تزریق آب کم‌شور به‌دلیل پیچیدگی‌های فرایند و زمان‌بر بودن شبیه‌سازی‌ها، یک چالش اساسی محسوب‌می‌شود. این مطالعه برپایۀ داده‌های شبیه‌سازی‌شده از یک مخزن کربناتۀ مصنوعی انجام‌شده‌است که خصوصیات آن با داده‌های واقعی میدان‌های جنوب ایران تنظیم‌شده‌است. در این مطالعه، برخلاف تحقیقات پیشین، از ترکیب یک مدل جایگزین مبتنی‌بر یادگیری ماشین با الگوریتم ژنتیک چندهدفه برای شبیه‌سازی و بهینه‌سازی هم‌زمان محدودیت‌های عملیاتی چاه‌ها، شامل: حداکثر دبی تولید، حداقل فشار ته‌چاهی، دبی تزریق آب و وضعیت باز یا بسته بودن مشبک‌کاری‌ها استفاده‌شد. مدل جایگزین با دقت مناسب (ضریب همبستگی 0/989 برای داده‌های آموزش و 0/984 برای آزمون) موجب تسریع فرایند شبیه‌سازی شد. سپس، با درنظرگرفتن ارزش خالص فعلی، ضریب بازیافت نفت و برش آب به‌عنوان مشخصه‌‌های هدف، مجموعه‌ای از راه‌حل‌های بهینه در قالب جبهۀ پارتو به‌دست‌آمد. نتایج نشان‌داد که انتخاب شرایط عملیاتی بهینه می‌تواند منجربه افزایش 135 میلیون دلاری در ارزش خالص فعلی و دستیابی‌به ضریب بازیافت نفت تا 65/54 درصد شود.

کلیدواژه‌ها