مدل‌‌سازي عمليات فرازآوري باگازبااستفاده ازبرنامه‌ريزي ژنتيك براي پيش‌ بيني نرخ توليدنفت يك چاه

A New genetic Programming-Based Model to Predict Oil Production Rate in a Gas-Lifted Well

يكي ازمتداول‌‌ترين شيوه‌هاي فرازآوري مصنوعي، روش فرازآوري باگازاست. دراين روش نرخ توليدنفت تابعي ازمتغيرهاي چاه، مخزن وشرايط توليداست ومعمولاًباآناليزگره‌‌اي كه بسيارپرهزينه وزمان‌‌براست محاسبه مي‌‌شود. به‌‌طوركلي ويژگي‌‌هاومتغيرهاي چاه‌‌هاومخازن مختلف بايكديگرمتفاوت است؛ علاوه براين متغيرهاي يك چاه يامخزن خاص نيزدرطول زمان تغييرمي‌‌كند. بنابراين ساخت مدلي كه بتواندنرخ توليدنفت درعمليات فرازآوري باگازرادرمسايل مختلف باسرعت ودقت پيش بيني كندضروري به‌‌نظرمي‌رسد. دراين مقاله بااستفاده ازبرنامه‌ريزي ژنتيك يك مدل دقيق جهت پيش‌بيني نرخ توليدنفت ارايه شده است. مقايسه پيش‌‌بيني اين مدل باآناليزگره‌‌اي، دقت زيادمدل رانشان مي‌‌دهد (خطاي ميانگين نسبي 53/1 درصدوبيشينه خطاي نسبي 5 درصد). البته سرعت مدل برنامه‌‌ريزي ژنتيك به مراتب ازآناليزگره‌‌اي بيشتراست.

One of the most common methods in artificial lift is gas lift. In this method the produced oil rate is a function of well, reservoir and production parameters, and usually is calculated by nodal analysis which is very expensive and time consuming. Different reservoirs and wells have different parameters, as well as, for a specific well or reservoir its parameter changes during the time. Thus, creating a model that can estimate the oil production rate in a gas lift operation, quickly and precisely is essential. In this paper using genetic programming )GP(, an accurate model has been represented to estimate the oil production rate. Comparing this model estimation with nodal analysis shows the high accuracy of the model )average relative error 1.53% and maximum relative error 5% (. Of course GP model has a much higher speed than nodal analysis