بهينه سازي توليد و تزريق با استفاده از روش كاهش مرتبه مدل در شبيه سازي مخازن هيدروكربني

بهينه سازي برنامه توليد و تزريق در مخازن هيدروكربني به دليل پيچيدگي و حجم بالاي محاسبات، زمينه تحقيقاتي بسياري از طرح هاي پژوهشي بوده است. يكي از علل اصلي اين پيچيدگي نياز به اجراهاي متعدد شبيه ساز عددي به منظور پيش بيني عملكرد مخزن است. لذا يافتن راهي براي كاهش محاسبات شبيه سازي مخزن كمك شاياني به تسهيل بهينه سازي توليد خواهد كرد. يكي از روش هاي كاهش حجم شبيه سازي مخزن استفاده از روش هاي كاهش مرتبه مدل است كه به تازگي در حوزه شبيه سازي مخازن هيدروكربني معرفي شده است. در اين مقاله ما به معرفي روش كاهش مرتبه مدل براساس شبكه هاي عصبي مصنوعي و روش درون يابي تجربي گسسته خواهيم پرداخت. اين روش با تركيب مزاياي روش هاي نفوذي روش درون يابي تجربي گسسته و غير نفوذي شبكه هاي عصبي قادر است ضمن حفظ دقت شبيه سازي مشكل بالا بودن ابعاد فضاي متغير را حل كرده و در زمينه شبيه سازهاي جعبه سياه نيز به كار گرفته شود. كارايي الگوريتم پيشنهادي در كاهش حجم شبيه سازي و بهينه سازي توليد در مخزن شاخص بروژ مورد ارزيابي قرار گرفته است. روش مذكور نشان داد كه قادر است ضمن حفظ دقت شبيه سازي و رفتار ديناميكي مخزن زمان شبيه سازي را تا هشت برابر كاهش دهد. در قسمت بهينه سازي توليد نيز استفاده از اين روش در كنار الگوريتم بهينه سازي جستجوي الگو توانست ضمن كاهش زمان محاسباتي به ميزان هفت برابر نسبت به شبيه ساز عددي اكليپس، موجب بهبود 11% در ارزش خالص فعلي نسبت به نقطه اوليه بهينه سازي شود.