بهینه سازی فشار تفکیک گرهای سرچاهی با الگوریتم ژنتیک
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,207
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOGPP01_023
تاریخ نمایه سازی: 22 مرداد 1391
چکیده مقاله:
هدف از ارائه این تحقیق، بررسی تاثیر تکنیک الگوریتم ژنتیک در بهینه سازی عملکرد چاههای تولیدی هیدروکربن است. عملکرد چاه تولیدی تابعی از سایز لوله مغزی، سایز چوکها و فشارهای تفکیککننده است. تغییر در هر یک از پارامترهای نامبرده باعث تغییر در عملکرد چاه می شود. مزیت های خیلی زیادی در رابطه با روش های بهینه سازی غیرخطی وجود دارد. هنگام بکاربردن روشهای بهینه سازی غیرخطی، محدودیت در تعداد متغیرهای هدف که باید بصورت همزمان بهینه شوند، وجود ندارد. در این مقاله یک روش جدید برای آنالیز یک سیستم نفت ارائه شده است. این یک روش جدید تغییر یافته است ، که ما را قادر می سازد که یک سیستم معادلات ریاضی که دارای تعداد زیادی متغیر است را آنالیز کنیم و مقادیر بهینهی آنها را بتوانیم تعیین کنیم تا بهترین نتیجه اقتصادی حاصل آید. روش جدید، اشاره به الگوریتم ژنتیک دارد. در اینجا یک مدل ریاضی توسط معادله پینگرابینسون جهت محاسبات تبخیر آنی توسط نرم افزار متلب انجام میشود. سپس نتایج آنالیز می شوند و برای سودمندی بیشتر، بهینه سازی صورت میگیرد. کد توسعهیافته در محیط متلب بر پایه الگوریتم ژنتیک، قادر خواهد بود روی فشارهای تفکیک کننده ها، بیشترین بهینه سازی انجام دهد. نهایتا، این روش و کد توسعه یافته در یک سیستم تولید میدان نفتی واقعی، بکار رفته است و نتایج بدست آمده با مقادیر عملیاتی مقایسه شده است. نتایج نشان می دهد الگوریتم ژنتیک وسیله ای قدرتمند درآنالیز سیستم تولید میادین هیدرو کربنی است و همچنین با بهینه سازی فشار و دمای تفکیک گرهای واحد بهره برداری یکی از میادین جنوب ایران باعث افزایش تولید 195/32 بشکه درروز و API2/445 کیفیت نفت شده است.
کلیدواژه ها:
بهینه سازی- تفکیک گر دو فازی- محاسبات تبخیر آنی- الگوریتم ژنتیک
نویسندگان
احسان شکوهی زاده
دانشجوی کارشناسی ارشدمهندسی نفت
بیژن هنرور
استادیار مهندسی شیمی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :