Model optymalizacji udostępnienia i eksploatacji złoża węglowodorów z
wykorzystaniem sztucznej inteligencji
Elementy sztucznej inteligencji (ang. Al - Artificial Intelligence) w ostatnich latach stały się obiektem zainteresowania branży naftowej ze względu na możliwość wykorzystania niektórych jej elementów do optymalizacji technicznych lub ekonomicznych wskaźników wydobycia. Autor podjął próbę stworzenia kompleksowego systemu optymalizacyjnego opartego na sztucznej inteligencji, którego zadaniem jest symultaniczna optymalizacja udostępnienia i sterowania złożem węglowodorów. Istotą prezentowanego rozwiązania jest połączenie metod Al z profesjonalnym symulatorem złożowym zawierającym model geologiczny złoża w pełnej skali, o dowolnej ilości oczek. Do realizacji zadania zaimplementowano ewolucyjne algorytmy optymalizacyjne oraz inteligentne metody analizy skupień. W ramach realizacji zagadnienia sformułowano model matematyczny problemu optymalizacji, a następnie dokonano jego numerycznej implementacji. Działanie oprogramowania przetestowano w różnych wariantach obejmujących zarówno elementy optymalizacji sekwencyjnej jak i symultanicznej. Problem powolnej zbieżności algorytmu przy stosowaniu populacji losowej rozwiązano poprzez opracowanie i implementację inteligentnego algorytmu decyzyjnego integrującego dostępne dane geologiczno - złożowe. Przetestowano również działanie dwóch metod optymalizacyjnych pod kątem efektywności czasowej obliczeń oraz jakości generowanego rozwiązania. Opracowany algorytm optymalizacyjny posłużył również do optymalizacji metody EOR-CO2. Obserwując światowy wzrost zainteresowania odwiertami wielodennymi, zaimplementowany został moduł umożliwiający wdrożenie tego typu odwiertów do procesu optymalizacji.
Elements of Al (artificial intelligence) in recent years have become a point of interest of the oil and gas industry due to a possibility of utilization to optimize the technical or the economic production indicators. An effort was put to develop a comprehensive optimization system based on artificial intelligence for simultaneous well placement and well control study. The crucial aspect of the presented solution is to link together AI methods with a professional reservoir simulator containing geological model of a petroleum reservoir in the full scale. The evolutionary optimization algorithms and intelligent cluster analysis methods were implemented to develop optimal production strategy. A detailed mathematical model was determined and implemented numerically. Developed software was tested for the various case studies including elements of sequential and simultaneous optimization. Low convergence rate of the algorithm, by using a random solution for well placement location problem, was solved by developing and implementing intelligent decision algorithm which allowed to integrate geological and reservoir data. Proposed optimization algorithms were tested in terms of computational time and solution quality. As final stage of benchmark tests, EOR-CO2 method was optimized. Among the software modules, multilateral well system package was established. The obtained results underline the importance of optimization indicator in terms of objective function value and parameters which have significant impact on solution. This work confirm the application of artificial intelligence for oil field optimization problem.
