Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

Selection of an Optimal Hybrid Water/Gas Injection Scenario for Maximization of Oil Recovery Using Genetic Algorithm

تعداد صفحات: 18 | تعداد نمایش خلاصه: 92 | نظرات: 0
سال انتشار: 1399
کد COI Paper: JR_IJOGST-9-1_007
زبان Paper: Englishglish
(فایل این Paper در 18 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 18 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper Selection of an Optimal Hybrid Water/Gas Injection Scenario for Maximization of Oil Recovery Using Genetic Algorithm

Shahin Kord - Assistant Professor, Department of Petroleum Engineering, Petroleum University of Technology, Ahwaz, Iran
Omid Ourahmadi - M.S. Student, Department of Petroleum Engineering, Petroleum University of Technology, Ahwaz, Iran
Arman Namaee-Ghasemi - M.S. Student, Department of Petroleum Engineering, Petroleum University of Technology, Ahwaz, Iran

چکیده Paper:

Production strategy from a hydrocarbon reservoir plays an important role in optimal field development in the sense of maximizing oil recovery and economic profits. To this end, self-adapting optimization algorithms are necessary due to the great number of variables and the excessive time required for exhaustive simulation runs. Thus, this paper utilizes genetic algorithm (GA), and the objective function is defined as net present value (NPV). After developing a suitable program code and coupling it with a commercial simulator, the accuracy of the code was ensured using a synthetic reservoir. Afterward, the program was applied to an Iranian southwest oil reservoir in order to attain the optimum scenario for primary and secondary production. Different hybrid water/gas injection scenarios were studied, and the type of wells, the number of wells, well coordination/location, and the flow rate (production/injection) of each well were optimized. The results from these scenarios were compared, and simultaneous water and gas (SWAG) injection was found to have the highest overall profit representing an NPV of about 28.1 billion dollars. The application of automated optimization procedures gives rise to the possibility of including additional decision variables with less time consumption, and thus pushing the scopes of optimization projects even further.

کلیدواژه ها:

optimization, Production optimization, Well Placement, Genetic Algorithm

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1015940/

کد COI Paper: JR_IJOGST-9-1_007

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined, undefined و undefined, undefined و undefined, undefined,1399,Selection of an Optimal Hybrid Water/Gas Injection Scenario for Maximization of Oil Recovery Using Genetic Algorithm,,,,,https://civilica.com/doc/1015940

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Kord, Shahin؛ Omid Ourahmadi و Arman Namaee-Ghasemi)
برای بار دوم به بعد: (1399, Kord؛ Ourahmadi و Namaee-Ghasemi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 مPaperقاله لینک شده اند :

  • Badru, O. and Kabir, C., Well Placement Optimization in Field ...
  • Bittencourt, A. C. and Horne, R. N. Reservoir Development and ...
  • Bukhamsin, A. Y., Farshi, M. M., and Aziz, K. Optimization ...
  • Chen, S., Li, H. and Yang, D., Optimization of Production ...
  • Goldberg, D. E. Computer-aided Gas Pipeline Operation Using Genetic Algorithms ...
  • Güyagüler, B., Optimization of Well Placement and Assessment of Uncertainty, ...
  • Holland, J. H. Genetic Algorithms and the Optimal Allocation of ...
  • Jefferys, E., Design Applications of Genetic Algorithms, Paper presented at ...
  • Jia, L., Kumar, L., Kumar, K., Nicoli, M., Dexcote, Y., ...
  • Lang, Z. and Horne, R., Optimum Production Scheduling using Reservoir ...
  • Lazo, J. G. L., Pacheco, M. A. C., and Vellasco, ...
  • Morales, A. N., Gibbs, T. H., Nasrabadi, H., and Zhu, ...
  • Nasrabadi, H., Morales, A., and Zhu, D., Well Placement Optimization: ...
  • Nogueira, P. D. B. and Schiozer, D. J., An Efficient ...
  • Özdoğan, U. and Horne, R.N., Optimization of Well Placement under ...
  • Pan, Y. and Horne, R. N., Improved Methods for Multivariate ...
  • Salmachi, A., Sayyafzadeh, M., and Haghighi, M., Infill Well Placement ...
  • Sambo, C., Hematpour, H., Danaei, S., Herman, M., Ghosh, D., ...
  • Stoisits, R., Crawford, K., MacAllister, D., McCormack, M., Lawal, A., ...
  • Tavakkolian, M., Jalali, F., and Emadi, M., Production Optimization using ...
  • Wang, S., Yeskaiyr, B., and Walker, C., A Sector Model ...
  • Xuefei, S. and Mohanty, K. K., Estimation of Flow Functions ...
  • Yeten, B., Optimum Deployment of Nonconventional Wells, Doctoral Dissertation, Stanford ...
  • Yeten, B., Durlofsky, L. J., and Aziz, K., Optimization of ...
  • Zarei, F., Daliri, A., and Alizadeh, N., The Use of ...
  • Research Info Management

    Certificate | Report Paper
    این Paper در بخشهای موضوعی زیر دسته بندی شده است:

    Export Citation info of this Paper to research management softwares

    علم سنجی و رتبه بندی Paper

    مشخصات مرکز تولید کننده این Paper به صورت زیر است:
    نوع مرکز: state university
    تعداد مقالات: 1,829
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    Share this paper

    WHAT IS COI?

    COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

    Support