مدل سازی و بهینه سازی بهره وری چاه نفت با در نظر گرفتن اثر ضریب پوسته، شعاع چاه و ضخامت مخزن به کمک دینامیک سیالات محاسباتی، روش سطح پاسخ و الگوریتم ژنتیک
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 21
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NSMSI-44-3_009
تاریخ نمایه سازی: 1 آذر 1404
چکیده مقاله:
بهره وری چاه های نفت یکی از عوامل کلیدی در بهینه سازی تولید و کاهش هزینه ها در عملیات استخراج نفت است. ویژگی های مختلف مخازن نفتی، از جمله تغییرات فشار، تخلخل و نفوذپذیری، چالش هایی را برای بهره برداری بهینه از چاه ها ایجاد می کنند. این تحقیق به بررسی بهینه سازی بهره وری چاه نفت با استفاده از دینامیک سیالات محاسباتی، روش سطح پاسخ و الگوریتم ژنتیک پرداخته است. تاثیر سه پارامتر کلیدی شامل ضریب پوسته، شعاع چاه و ضخامت مخزن بر بهره وری چاه نفت با استفاده از شبیه سازی دینامیک سیالات محاسباتی و تحلیل روش سطح پاسخ بررسی شده است. سپس این پارامترها در یک طرح عاملی کامل با ۲۷ حالت مختلف مورد ارزیابی قرار گرفتند. در نهایت با استفاده از الگوریتم ژنتیک، این پارامترها برای دستیابی به حداکثر بهره وری بهینه سازی شدند. نتایج به دست آمده نشان می دهند که بهینه سازی این پارامترها با الگوریتم ژنتیک، منجر به حداکثر بهره وری می شود. مقادیر ضریب همبستگی (R²) و ضریب همبستگی تعدیل شده (adj R²) برای مدل حاصل به ترتیب برابر با ۹۶۳/۰ و ۹۵۲/۰ بدست آمده است. مقادیر بهینه پارامترها شامل ضریب پوسته ۴۱۲/۰، شعاع چاه ۲۵/۰ متر و ضخامت مخزن ۳۹۹ متر می باشد، که در این شرایط شاخص بهره وری برابر با ۶۳۹/۰ محاسبه گردید. نتایج این تحقیق اطلاعات ارزشمندی در خصوص حساسیت پارامترها و تنظیمات بهینه جهت افزایش بهره برداری از مخازن نفتی ارائه می دهند.
کلیدواژه ها:
نویسندگان
سپیده شمشیری
گروه مهندسی شیمی، دانشگاه محقق اردبیلی، اردبیل، ایران
فهیمه حوری آباد صبور
گروه مهندسی شیمی، دانشگاه محقق اردبیلی، اردبیل، ایران
امیر حیدری
گروه مهندسی شیمی، دانشگاه محقق اردبیلی، اردبیل، ایران
بهروز میرزایی
گروه مهندسی شیمی، دانشگاه محقق اردبیلی، اردبیل، ایران
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 :