وثيقة
Optimization of hydraulic fracturing in a tight gas reservoir using artificial neural network -a case study.
الناشر
Sultan Qaboos University
ميلادي
2019
اللغة
الأنجليزية
الملخص الإنجليزي
Unconventional tight reservoirs are an important hydrocarbon resource. The successful recovery of hydrocarbons from such reservoirs involves the advanced horizontal drilling and multi-stage hydraulic fracturing techniques. An accurate design, execution and evaluation of the fracturing technique are required for better post frac performance and cost optimization. Although thousands of wells are drilled and completed using these technologies, there are relatively few modelling tools available designed specifically for these applications, leaving much of the optimization process to trial-and-error, experiences from past practices and analogous approaches. Such practices involve high risks in addition to being costly and time-consuming. Despite the industry's optimization efforts, meeting the targeted post-frac production is still a major challenge. Therefore, it is of practical interest for engineers to develop a reliable and fast well performance analysis and prediction tool based on the knowledge extracted from the available and historical data. This will identify the current pattern in a specific field and translate the experiences (the trial and errors and past practices) into an accessible tool for engineers to support decisions about future process design. To achieve this, artificial neural networks (ANNs) were designed, trained, and applied to a tight gas field. In this work, three ANNs are developed, each serving a specific objective. The First ANN is used to predict some controllable hydraulic fracturing design parameters using different well and reservoir properties in addition to frac data. The Second ANN is used to predict several frac data outputs by means of inverse looking ANN using well and reservoir properties and actual frac design data to help optimize the primary hydraulic fracturing treatment design as well as to characterize the subject reservoir. As an add-on to the Second ANN, a third ANN is developed to predict expected productivity index resulting from a hydraulic fracturing treatment. All developed ANNs were also used to identify the most influencing parameters affecting the hydraulic fracture job using connection weight analysis. Results from this study show that the ANNs developed are able to estimate the unknowns of the problem within an error margin of 10.4%, 6.4% and 6.6%, respectively. Furthermore, the developed ANNs go hand in hand with the industry's commonly used method for hydraulic fracturing jobs. This method has three main processes, design (First ANN), execution (Second ANN), and evaluation of the job (Third ANN). The developed networks were also converted to a graphical user interface (GUI), to make it more practical for users to access the different ANNs. A screening guide using ANN was developed to provide preliminary hydraulic fracturing design parameters. The understanding of hydraulic fracturing job was improved by identifying key influencing parameters. The developed process also can used to validate any proposed design resulting from current practices used by the industry.
المجموعة
URL المصدر
الملخص العربي
تعد المكامن غیر التقلیدیة ذات النفاذیة الضعیفة جداً موردا ھاما للھیدروكربونات. یتضمن الانتاج الناجح للھیدروكربونات من تلك المكامن تقنیات متقدمة في الحفر الأفقي والتكسیر الھیدرولیكي متعدد المراحل. إجراء تصمیم دقیق لتقنیة التكسیر الھیدرولیكي وتنفیذھا وتقییمھا جراد ضروري من أجل ضمان أداء ما بعد التكسیر وتحسین التكلفة. على الرغم من أن الآلاف من الآبار قد تم حفرھا واستكمالھا باستخدام ھذه التقنیات، فھناك عدد قلیل نسبیا من أدوات المحاكاة المتاحة للصناعة ومصممة خصیصا لھذه التطبیقات، مما یترك الكثیر من عملیة ضبط جودة اداء ھذه التقنیات الى التجربة والخطأ أو من خلال الاستفادة من تجارب المھندسین السابقة في انتاج الآبار والتي جمیعھا مكلفة وتستغرق وقتا طویلا ولا یمكن ان تضمن مستوى مقبول لنجاحھا. على الرغم من الجھود المبذولة لتحسین الاداء، ومن أجل ضمان الإنتاج المستھدف بعد تقنیة التكسیر الھیدرولیكي، إلا ان ھذا النوع من المشاریع لا یزال یمثل تحدیًا كبیرا للقائمین علیھا. التفسیرات المحتملة لھذه التحدیات ھي عدم وجود آلیات واضحة لتصمیم عملیات التكسیر الھیدرولیكي لھذا النوع من المكامن )نفاذیة منخفضة وعالیة( واستخدام منھجیات التصمیم التقلیدیة )توصیات بناءا على ممارسات سابقة( كقاعدة عامة لتطویر المكامن غیر التقلیدیة. إلى جانب ذلك، قد لا یتحقق تحسین أداء ھذه المشاریع بسبب عدم دقة المعلومات المستخدمة كمدخلات في برامج المحاكاة. أخیرًا، لا یزال ھناك الكثیر من عدم الیقین في تحدید العوامل الرئیسیة المؤثرة في تصمیم وأداء التكسیر الھیدرولیكي. لذلك، من المھم بالنسبة للمھندسین تطویر آلیة سریعة وموثوق بھا لتحلیل وتوقع أداء جید بناءً على المعرفة المستنبطة من البیانات المتوفرة الحالیة والسابقة. سیؤدي ھذا إلى تحدید النمط الحالي في حقل معین وترجمة التجارب والوظائف السابقة إلى أداة یمكن للمھندسین الاستفادة منھا لدعم القرارات المتعلقة بتصمیم عملیات التكسیر الھیدرولیكي في المستقبل. لتحقیق ذلك، تم تصمیم وتدریب وتطبیق ثلاث شبكات عصبیة اصطناعیة )الذكاء الاصطناعي( على حقل غاز ذو نفاذیة ضعیفة جدا. حیث تُستخدم الشبكة الأولى للتنبؤ ببعض معلومات تصمیم التكسیر الھیدرولیكي التي یمكن التحكم فیھا باستخدام خصائص المكمن الھیدروكربوني وبئر الإنتاج ومخرجات البیانات الفعلیة الناتجة عن عملیة التكسیر. اما الشبكة الثانیة فتُستخدم للتنبؤ بالعدید من مخرجات البیانات الفعلیة لعملیة التكسیر للمساعدة في تحسین تصمیم معالجة التكسیر الھیدرولیكي الأساسي وكذلك لتوصیف المكمن الھیدروكربوني المعني باستخدام خصائص البئر والمكمن وبیانات تصمیم التكسیر الھیدرولیكي. في الشبكة الثالثة إضافة نسب الإنتاج المتوقعة من عملیة التكسیر الھیدرولیكي الى التصمیم الموجود في الشبكة الثانیة. بالإضافة إلى ذلك، تم استخدام النماذج النھائیة التي تم الحصول علیھا من الشبكات العصبیة الاصطناعیة لتحدید أھم العوامل المؤثرة على عملیة التكسیر الھیدرولیكي بتحلیل العلاقات التي تربط المعطیات والمخرجات كل على حده في الشبكة العصبیة الاصطناعیة.
أظھرت نتائج ھذه الدراسة أن الشبكات العصبیة الاصطناعیة قادرة على تقدیر الخصائص المبھمة في عملیات التكسیر الھیدرولیكي مع ھامش خطأ بنسبة 10.4٪ و6.4٪ و 6.6% على التوالي للشبكات الأولى والثانیة. علاوة على ذلك، فإن الشبكتین العصبیتین المطورتین تسیران جنبا إلى جنب مع طریقة تستخدم على نطاق واسع للتكسیر الھیدرولیكي والتي تتكون من ثلاث عملیات رئیسیة وھي: التصمیم والتنفیذ والتقییم. حیث یتم تصمیم عملیة التكسیر الھیدرولیكي في الشبكة الأولى. بینما تمثل الشبكة الثانیة العملیتین الأخریین. ھذا یدل على أن ھذه الدراسة تتوافق مع الممارسات الحالیة و مفیدة في تطویر نماذج التنبؤ والتكسیر الھیدرولیكي الأمثل. تم تحویل الشبكات المتقدمة أیضًا إلى واجھة مستخدم رسومیة، لجعلھا أكثر سھولة للمستخدمین للوصول إلى الشبكات.
أظھرت نتائج ھذه الدراسة أن الشبكات العصبیة الاصطناعیة قادرة على تقدیر الخصائص المبھمة في عملیات التكسیر الھیدرولیكي مع ھامش خطأ بنسبة 10.4٪ و6.4٪ و 6.6% على التوالي للشبكات الأولى والثانیة. علاوة على ذلك، فإن الشبكتین العصبیتین المطورتین تسیران جنبا إلى جنب مع طریقة تستخدم على نطاق واسع للتكسیر الھیدرولیكي والتي تتكون من ثلاث عملیات رئیسیة وھي: التصمیم والتنفیذ والتقییم. حیث یتم تصمیم عملیة التكسیر الھیدرولیكي في الشبكة الأولى. بینما تمثل الشبكة الثانیة العملیتین الأخریین. ھذا یدل على أن ھذه الدراسة تتوافق مع الممارسات الحالیة و مفیدة في تطویر نماذج التنبؤ والتكسیر الھیدرولیكي الأمثل. تم تحویل الشبكات المتقدمة أیضًا إلى واجھة مستخدم رسومیة، لجعلھا أكثر سھولة للمستخدمین للوصول إلى الشبكات.
قالب العنصر
الرسائل والأطروحات الجامعية
حجم الملف
6.12 ميغا بايت
0
0
