انتخاب سناریو بهینه ازدیاد برداشت تحت عدم قطعیت با مدل احتمالی سطح پاسخ و معیارهای تصمیم گیری کمی برای یکی از مخازن ناهمگن عظیم ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه اقتصاد و مدیریت انرژی، دانشکده نفت تهران، دانشگاه صنعت نفت، ایران

2 انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران، ایران

10.22078/pr.2021.4350.2971

چکیده

عدم قطعیت در بخش بالادستی صنعت نفت خصوصاً در مراحل ابتدایی توسعه میدان، به دلیل کمبود داده‌های مخزنی و کثرت پارامترهای نامشخص زیاد است. تعیین مواردی همچون نفت درجای مخزن، ضریب بازیافت و ارزش خالص فعلی سناریوهای تولیدی نیازمند آنالیز عدم قطعیت است. در این مقاله با استفاده از روش سطح‌پاسخ و شبیه‌سازی مونت کارلو، عدم قطعیت در یک میدان ناهمگن عظیم توسعه نیافته و تأثیر آن بر انتخاب سناریو ازدیاد برداشت بررسی شده است . سپس با کمک دو معیار تصمیم‌گیری تابع زیان و مطلوبیت کل، بهترین سناریو با در نظر گرفتن عدم قطعیت انتخاب شد. طبق معیار «تابع زیان» ، سناریو پلیمر دارای بیشترین مقدار «بهترین تخمین» در تمامی حالات توابع زیان استفاده شده را داراست و به عنوان بهترین سناریو تولیدی تحت عدم قطعیت انتخاب شد. همچنین طبق معیار تصمیم‌گیری «مطلوبیت کل»، سناریوی پلیمر دارای بیشترین مقدار مطلوبیت کل از بین تمام سناریوها بوده و به عنوان بهترین سناریو تحت عدم قطعیت انتخاب شد. نتایج نشان دادند که پارامترهای تراوایی، گذردهی سیال، سطح تماس نفت و آب و Net to Gross بیشترین تأثیر بر تولید نفت مخزن را دارند. همچنین پس از انجام آنالیز عدم قطعیت، استفاده از توابع زیان مختلف، مقدار «بهترین تخمین» سناریوهای تولیدی را تحت تأثیر خود قرار می‌دهد. معیار مطلوبیت کل، روش مناسبی برای رتبه‌بندی سناریوهای تولیدی و تصمیم‌گیری برای انتخاب بهترین سناریو صیانتی تحت عدم قطعیت است.
 

کلیدواژه‌ها


عنوان مقاله [English]

Selection of The Best EOR Method under Uncertainty with Probabilistic Response Surface Model and Quantitative Decision Criteria for One of IranꞌS Giant Heterogeneous Reservoir

نویسندگان [English]

  • mohammadreza mahaseni 1
  • BEHNAM SEDAEE 2
1 Department of Economics and Energy Management, Tehran Faculty of Petroleum, Petroleum University of Technology, Tehran, Iran
2 Institute of Petroleum Engineering, Department of Chemical Engineering, College of Engineering, Tehran University, Iran
چکیده [English]

Uncertainty in the upstream oil sector, especially in the early stages of field development, is high due to the lack of reservoir data and the multiplicity of uncertain parameters. Therefore, the calculation of quantities such as oil in place, recovery factor, and the net present value of production scenarios require uncertainty analysis. In this paper, response surface methodology and Monte Carlo simulation were used to analyze the uncertainties in a giant heterogeneous undeveloped oil reservoir and its effect on the selection of the Best EOR scenario was investigated. Then, the application of loss function, expected value, and semi-standard deviation and the best scenario under uncertainty were investigated considering uncertainty. The results show that parameters such as permeability, transmissibility multiplier, water-oil contact, and net to gross have the greatest impact on oil production from the reservoir. Also, after uncertainty analysis, different loss functions affect the best estimate of each production scenarios. The total utility function also is a good way to rank production scenarios and decide to choose the best scenario under uncertainty.
 

کلیدواژه‌ها [English]

  • Uncertainty quantification
  • Sensitivity Analysis
  • loss function
  • response surface model
  • EOR
[1]. Supriyadi R A, Analysis U, Stage C, Project P, Carlo M (2013) On the use of risk and uncertainty analysis in conceptual stage of petroleum project, University of Stavanger, Norway.##
[2]. Sergio P, Cruz da (2000) Reservoir management decision-making in the presence of geological uncertainty, Stanford University. ##
[3]. Zhang G (2003) Estimating uncertainties in integrated reservoir studies, Texas A&M University, 1, 147–173. ##
[4]. Polizel G A, Avansi G D, Schiozer D J (2017) Use of proxy models in risk analysis of petroleum fields, in SPE Europec featured at 79th EAGE Conference and Exhibition, 510–528. ##
[5]. Santos S M G, Botechia V E, Schiozer D J, Gaspar A T F S (2017) Expected value, downside risk and upside potential as decision criteria in production strategy selection for petroleum field development, Journal of Petroleum Science and Engineering, 157: 81–93. ##
[6]. Schiozer D J, de S. dos Santos A A, de Graça Santos S M, von Hohendorff Filho J C (2019) Model-based decision analysis applied to petroleum field development and management, Oil & Gas Science and Technology–Revue d’IFP Energies nouvelles, 74: 46. ##
[7]. Schiozer D J, Santos A A S, Drumond P S (2015) Integrated model based decision analysis in twelve steps applied to petroleum fields development and management, in EUROPEC, 524–536. ##
[8]. Lee K, Lim J, Ahn S, Kim J (2018) Feature extraction using a deep learning algorithm for uncertainty quantification of channelized reservoirs, Journal of Petroleum Science and Engineering, 171: 1007-1022 . ##
[9]. Stamm F A, de la Varga M, Wellmann F, Antonio Stamm F, de la Varga M, Wellmann F (2019) Actors, actions, and uncertainties: optimizing decision-making based on 3-D structural geological models, Solid Earth, 10: 6. ##
[10]. Monfaredi K, Emami Niri M, Sedaee B (2020) Improving forecast uncertainty quantification byincorporating production history and using a modified ranking method of geostatistical realizations, Journal of Energy Resources Technology, 142, 9: 1–11. ##
[11]. Hashemi S M H, Monfaredi K, Sedaee B, An inclusive consistency check procedure for quality control methods of the black oil laboratory data, Journal of Energy Resources Technology, 142: 9. ##