پديد آورنده :
حاج علي اكبري ورنوسفادراني، نصراله
عنوان :
مدلسازي عددي نحوه برداشت از مخازن نفتي به كمك شبكه ي عصبي مصنوعي و الگوريتم ژنتيك به منظور بهينه سازي پارامترهاي موثر
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
تبديل انرژي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده مكانيك
صفحه شمار :
ده،97ص.: مصور،جدول،نمودار(رنگي)
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
محمدعلي بدري، محسن ثقفيان
استاد مشاور :
محمدرضا فروزان
تاريخ نمايه سازي :
13/3/93
استاد داور :
احمد صداقت، محمدرضا توكلي
چكيده فارسي :
چكيده در عمليات زدياد برد شت محل چاه ها عمق چاه ها نرخ تزريق و نرخ برد شت زمان برد شت و تعد د چاههاي تزريق و برد شـت به عنو ن مهمترين پار مترهاي تصميم گيري طوري نتخا مي شوند كه در نهايت بيشينه مقد ر نفت ممكـن بـا كمتـرين هزينـه در زمـان مشخصي ستحصال گردد ين مر موجب كاهش هدر رفت آ تزريق شده به مخزن و فز يش برد شت ز آن مي شود شبيه سازي مناسب مخازن نفتي مهم ترين موضوع در زمينه ي يافتن نقطه ي بهينه برد شت مي باشد در پروسه ي بهينه سـازي بـه كمـك شبيه ساز عدد به دليل فر خو ني مكـرر يـن شـبيه سـاز كـه بـا دسـتگاه معـادلات مشـتقات پـاره ي غيرخطـي كوپـل سـت يـافتن پار مترهاي بهينه سازي به كمك آن بسيار وقت گير و مستلزم صرف هزينه ست لذ بر ي شبيه سازي مخازن نفتي و تهيه ي تـابع هـدف مورد نياز بر ي بهينه سازي ز روش شبكه هاي عصبي مصنوعي ستفاده شده ست شبكه هاي عصبي با لهام ز سيستم عصبي بـدن نسـان يجاد شده كه پس ز آموزش مناسب آن به كمك د ده هاي شبيه ساز عددي مي تو ن ز آن بر ي تقريب تـابع هـدف تـابعي كـه بايـد نقطه ي بهينه ر ز آن تابع بدست آورد ستفاده كرد روش بهينه سازي به كار گرفته شده نيز با لهام گرفتن ز طبيعت روش بهينه سازي لگوريتم ژنتيك ست كه يك روش تصادفي بوده و قابليت فر و ن بر ي يافتن نقطه ي بهينه صلي و فر ر ز تله هاي محلي نقاط بهينـه ي محلي ر د ر مي باشد بنابر ين ين يك روش سريع و مطمئن و با قابليت ها فر و ن جهت يافتن نقطه بهينه مي باشد در ين مطالعه ثر پار مترهاي مختلف مخزن در مر بهينه سازي برد شت ز مخازن نفتي مورد بررسي قر ر گرفته ست پار مترهاي موثر در بهينه سازي مانند تعد د چاهها و محل چاههاي تزريق و برد شت و نيز دبي تزريق مورد توجه قر ر گرفته ست همچنين پارمترهـاي مـوثر بر لگوريتم ژنتيك نظير تعد د جمعيت وليه نرخ جهش و نرخ پيوند نيز بررسي گرديده ست ين روش نشان مي دهد كه قابليـت يـافتن نقطه ي بهينه ي صلي ر با سرعت زياد د ر مي باشد ين روش مي تو ند در برنامه هاي كاربردي وشبيه سـازي ميـد نهاي نفتـي بـه دليـل نعطاف پذيري فر و ن آن نسبت به تغيير شر يط مخزن مورد ستفاده قر ر بگيرد و بهينه سازي مخزن در زمان و قعي موثر و قع شود مطالعات نشان د د كه ستفاده ز دبي تزريق زياد در زمان وليه و فز يش نه چند ن زياد آن در د مه فرآيند تزريـق مـي تو نـد بـر فـز يش عملكرد برد شت ز چاه ها كمك شاياني نمايد همچنين نتايج نشان د د كه فز يش تعد د چاه ها برد شت بـر رونـد برد شـت ز مخـزن تاثير مثبتي نمي گذ رد و گاهي نيز باعث كاهش برد شت ز مخزن مي شود لبته در مورد فز يش چاه ها تزريق بايد شاره كـرد كـه بـا فز يش تعد د آن ها هر چند تا حد فز يش در برد شت ز مخزن مشاهده مي شود با ين وجود با فز يش هـر چـه بيشـتر آن هـا ممكـن ست برد شت ز مخزن كاهش يابد در مورد دبي تزريق و برد شت نيز به ين نكته مي تو ن شـاره كـرد كـه در بتـد بايـد زيـاد بـوده تـا برد شت ز مخزن در بيشترين مقد ر خود باشد و در د مه نيز فز يش چند ني نيافته تا ضريب بازيابي بيشينه گردد كلمات كليدي شبيه سازي مخزن نفتي شبكه عصبي مصنوعي روش حجم محدود لگـوريتم ژنتيـك محـل چـاه ها نفت 1 Real Time
چكيده انگليسي :
Numerical Simulation of Elicitation from Oil Reservoirs Using Artificial Neural Network Genetic Algorithm for Optimization of Effective Parameters Nasrollah Hajaliakbarivarnousfaderani n hajaliakbarivarnousfaderani@me iut ac ir January 20th 2014 Department of Mechanical Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Mohammad Ali Badri malbdr@cc iut ac irSupervisor Mohsen Saghafian saghafian@cc iut ac irAbstract In enhanced oil recovery operation well placements well depths injection production rates and timeand the number of injection and production wells are opted as decided parameters It is considered in orderto finally achieved maximum amount of possible oil may be extracted with the least charge in certain time This matter makes be declined water loss and increased more oil production Because of finding optimum point of production a suitable simulation from oil reservoirs may be animportant subject In optimization process by using numerical simulation with a set of coupled partialdifferential equations may be extremely time consuming and expense in order to find the optimumparameters Moreover for simulation of oil reservoirs and providing required fitness function inoptimization artificial neural networks have been used Neural networks were made with inspired by thenervous system of human body that to be suitably trained with numerical simulation data in order to be usedas an approximation of fitness function a function to be found its optimum point The optimizationmethod with inspired by nature was invoked Entitled genetic algorithm as an implementation which is astochastic method and extremely capable to find the global optimum point to escape from local traps localoptimum point So this method is very useful with high certainty and also definitely sufficient whichhelps to be achieved the global optimum point In this thesis the effects of different reservoir parameters on the optimization of oil reservoirs havebeen considered Effective parameters in optimization such as the number and placements of injection andproduction wells and also injection rate were regarded In addition effective parameters on geneticalgorithm such as the number of initial population mutation and crossover rate have been investigated Thismethod was shown its capabilities to find global optimum point quickly It may be used in applicableprograms and the simulation of oil reservoir due to its flexibilities relative to change reservoir status tooptimize oil reservoirs in real time due to efficiency Also the results have been demonstrated to increasethe number of production wells in production trend from reservoir with no positive effects and sometimes it made production from reservoirs get instructed Of course to increase the number of injection rate itshould be noticed that with increasing the number of them relatively caused to go up production fromreservoir Despite with increasing it elicitation may be decreased from reservoir It should be noticedrelated to increasing the number of injection wells which may be made increase elicitation from productionwells however with increasing it more cause to decrease oil production Case studies have been implied thatusing more injection rate at first and increasing injection operation then should significantly help inproduction performance from wells Keywords Oil reservoir simulation Artificial Neural Network Finite Volume method GeneticAlgorithm Well placements
استاد راهنما :
محمدعلي بدري، محسن ثقفيان
استاد مشاور :
محمدرضا فروزان
استاد داور :
احمد صداقت، محمدرضا توكلي
