شبیه سازی و آنالیز چاه آزمایی مخازن چندلایه بدون جریان بین لایه ای با استفاده از مدل های عددی و تحلیلی
Publish place: اولین مسابقه کنفرانس بین المللی جامع علوم مهندسی در ایران
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 785
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CCESI01_100
Index date: 24 January 2017
شبیه سازی و آنالیز چاه آزمایی مخازن چندلایه بدون جریان بین لایه ای با استفاده از مدل های عددی و تحلیلی abstract
آنالیز چاه آزمایی مخازن چندلایه شامل چندین بخش است، بخش اول مربوط به تخمین مقادیر پارامترها و بخش بعدی، پیدا کردن روش مناسب برای تعیین پارامترهای نامشخص مخزن می باشد. اگر تخمین های اولیه ضعیف و با دقت کم باشد، ارزشیابی نهایی می تواند به سمت نتایج غلط برود که با واقعیت تفاوت زیادی دارد. استفاده از روش تطبیق با نمودار الگو با استفاده از کامپیوترها، روش بسیار مؤثر و موفقی هستند و نسبت به روش های آنالیز معمولی برتری دارند، هم محاسبات عددی با سرعت بیشتری انجام می شود و هم اینکه خطای کمتری در آن وجود دارد. در این پژوهش ابتدا یک شبیه سازی عددی از مخزن چندلایه در نرم افزار اکلیپس 100 انجام می شود و سپس نتایج فشار و تولید از آن به عنوان ورودی در نرم افزار آنالیز چاه آزمایی اکرین برای تحلیل استفاده می شود. حالت های مختلفی برای رسیدن به کمترین خطا در آنالیزور بررسی شده اند و پیشنهاد هایی برای کاهش خطا در آنالیز ارائه شدند ازجمله، تأثیر انتخاب نقاط رگرسیون، اثر حدس اولیه، اثر استفاده از تولید هر لایه که در کنار هم روشی برای رسیدن به کمترین میزان خطا در آنالیز ارائه شده است. سپس با این روش به بررسی نتایج یک چاه آزمایی در میدان گازی در عسلویه پرداختیم و اعمال روش باعث کاهش خطای آنالیزور تا حد مطلوبی گشت.
شبیه سازی و آنالیز چاه آزمایی مخازن چندلایه بدون جریان بین لایه ای با استفاده از مدل های عددی و تحلیلی Keywords:
شبیه سازی و آنالیز چاه آزمایی مخازن چندلایه بدون جریان بین لایه ای با استفاده از مدل های عددی و تحلیلی authors
شیما سلیمانی
دانشجوی کارشناسی ارشد، مهندسی نفت مخازن هیدروکربوری، دانشگاه آزاد اسلامی علوم و تحقیقات
عبدالنبی هاشمی
استادیار، دکترای حرفه ای مهندسی نفت
ریاض خراط
دانشیار، دکترای حرفه ای مهندسی نفت
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 Paper لینک شده اند :