انتخاب مکان پیاده‌سازی پایلوت ازدیاد برداشت در توسعه میادین هیدروکربنی بالغ با استفاده از تلفیق روش‌های تاپسیس و خوشه‌بندی هیبریدی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران ایران

2 دانشکده مهندسی پلیمر، دانشگاه صنعتی امیرکبیر، تهران ایران

3 دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران ایران

چکیده

ریسک سرمایه‌گذاری در پروژه‌های ازدیاد برداشت به‌علت عدم قطعیت‌های زمین‌شناسی- مخزنی و هزینه زیاد پیاده‌سازی این پروژه‌ها، بالا است. از این‌رو، از رویکرد اجرای ازدیاد برداشت در مقیاس پایلوت در میدان هیدروکربنی استفاده می‌شود. انتخاب مکان پایلوت در میدان هیدروکربنی یکی از عوامل مهم در این راستا است، چرا که نتایج پیاده‌سازی پایلوت به کل میدان هیدروکربنی تسری داده خواهد شد. در این پژوهش با استفاده از شبیه‌سازی مخزن، نقشه‌های سه‌بعدی ضریب بازیافت به‌دست آمد. سپس، سطح مخزن نفتی به نواحی کاندیدای پایلوت تقسیم‌بندی گردید. آرایه‌های ضریب بازیافت متناظر با این نواحی، با استفاده از روش خوشه‌بندی هیبریدی میانگین کا- سلسله مراتبی به‌صورت بهینه خوشه‌بندی شدند. برای به‌دست آوردن تعداد خوشه‌ها، از شاخص سیلهوتی استفاده گردید. با شناسایی خوشه غالب که شامل بیشترین تعداد نواحی کاندیدای پایلوت است می‌توان مرکز ثقل این خوشه را محاسبه و نزدیکی به آن‌را به‌عنوان یکی از معیارهای انتخاب مکان پایلوت لحاظ کرد. معیارهای عملیاتی و اقتصادی هم در انتخاب مکان پایلوت دخیل هستند. در نهایت با استفاده از روش تصمیم‌گیری چند معیاره تاپسیس، می‌توان شاخص فرصت پایلوت در هر ناحیه کاندیدا را محاسبه کرد. براساس مقدار این شاخص می‌توان نواحی کاندیدای پایلوت را اولویت‌بندی و ناحیه با اولویت اول را جهت اجرای پایلوت انتخاب کرد. در نهایت، نتایج به‌کارگیری روش‌شناسی فوق در یکی از مخازن نفتی ارائه شده است.
 

کلیدواژه‌ها


عنوان مقاله [English]

Enhanced Oil Recovery Pilot Area Selection in Mature Fields Development using Coupled the TOPSIS and Hybrid Clustering Methods

نویسندگان [English]

  • ‌‌S. Mahdia Motahhari 1
  • Mehdi Rafizadeh 2
  • S.Mahmoud Reza Pishvaie 3
  • Mohammad Ahmadi 1
1 Department of Petroleum Engineering, Amirkabir University of Technology (Tehran Polytechnic), Iran
2 Department of Polymer Engineering, Amirkabir University of Technology (Tehran Polytechnic), Iran
3 Department of Chemical and Petroleum Engineering, Sharif University of Technology, Tehran, Iran
چکیده [English]

There is a high investment risk of executing EOR (Enhanced Oil Recovery) projects due to reservoir-geology uncertainties and high cost of implementation. Hence, pilot scale EOR, in hydrocarbon field, is implemented. Moreover, selection of the pilot area, in the hydrocarbon field, is one of the key factors since the results of the pilot implementation will be extended to the entire field. In this study, reservoir simulation is applied to determine the three-dimensional reservoir quality maps of recovery factor. Subsequently, hydrocarbon field will be segmented into pilot candidate areas. Afterwards, the pilot candidate areas based on its recovery factor array are optimally clustered using hybrid hierarchical k-means clustering method. The silhouette index is utilized to obtain the number of clusters. The dominant cluster is the one with the highest number of pilot candidate areas according to clustering method. Subsequently, the proximity of each pilot candidate area to the center of dominant cluster could be used as one of the pilot area selection criteria. Moreover, Operational and economic criteria are also involved in choosing a pilot area. Finally, TOPSIS (Technique for Order Preferences by Similarity to Ideal) as multi-criteria decision-making methods are applied to calculate the pilot opportunity index in each candidate area. The pilot candidate areas could be prioritized based on the value of this index, and the first priority area may be selected for pilot implementation. Ultimately, the whole methodology is carried out for a real hydrocarbon field.
 

کلیدواژه‌ها [English]

  • Mature fields development
  • EOR-Pilot candidate area
  • Hybrid clustering method
  • TOPSIS decision making method
  • Silhouette index
[1]. Teletzke G F, Wattenbarger R C, Wilkinson J R (2010) Enhanced oil recovery pilot testing best practices, SPE Reservoir Evaluation and Engineering, 13: 143–154.##
[2]. Zhao X L, Yan L, Qiang W, Yong J G, Ming G, Zheng B W, Wan L L (2020) Status and progress of worldwide EOR field applications, Journal of Petroleum Science and Engineering, 1, 193: 107449. ##
[3]. Chai C F, Adamson G R, Lo S W, Agarwal B, Ritom S, Du K, Azizan N (2011) St Joseph Chemical EOR Pilot-A key de-risking step prior to offshore ASP full field implementation, In SPE enhanced oil recovery conference, Society of Petroleum Engineers. ##
[4]. Ozen O, Wahlheim T A, Attia T, Barrios L, Ab Majid M B, Wilkinson J (2014) Dukhan field CO2 injection EOR pilot: reservoir modeling and planning, In IPTC: International Petroleum Technology Conference. ##
[5]. Ali H A, Musa T A and Doroudi A (2015) Chemical enhanced oil recovery pilot design for heglig main field-sudan, In SPE Saudi Arabia Section Annual Technical Symposium and Exhibition, Society of Petroleum Engineers. ##
[6]. Saniez J A M, VandeBeuque S, Ekpenyong D E, Bastos N, Wantong P, Salley B, Al-yafei A (2012) State of the art of geoscience and reservoir integrated study for EOR CO2 pilot Implementation: example of a giant carbonate reservoir of Arabian Gulf (UAE), In Abu Dhabi International Petroleum Conference and Exhibition, Society of Petroleum Engineers. ##
[7]. Sharma S, Kamal D, Al-Maraghi E, AlMahrooqi S, Winkler M (2016) Miscible gas EOR pilot design decisions driven by linking EOR performance parameters to uncertainties-A Kuwait field example, In SPE EOR Conference at Oil and Gas West Asia, Society of Petroleum Engineers. ##
[8]. Al-Dhuwaihi A S, Abdullah M B, Tiwari S, Al-Murayri M T, Al-Mayyan H, Shahin G T, Shukla S (2017) Fit-for-purpose chemical EOR ASP modeling strategy to guide pilot development decisions for a giant reservoir in North Kuwait, In SPE/IATMI Asia Pacific Oil and Gas Conference and Exhibition, Society of Petroleum Engineers. ##
[9]. Sandoval J R, Manrique E J, Perez H H, Maya G A, Romero J L, Castro Garcia R H, Hinestrosa J M L (2010) Dina cretaceo field chemical eor: from screening to pilot design, In SPE Latin American and Caribbean. Petroleum Engineering Conference, Society of Petroleum Engineers. ##
[10]. Chen X, Feng Q, Wu X, Zhao G (2016) A pilot numerical simulation case study for chemical EOR feasibility evaluation, Journal of Petroleum Exploration and Production Technology, 6: 297–307. ##
[11]. James G, Witten D, Hastie T, Tibshirani R (2017) An introduction to statistical learning, 112: 18, New York: springer. ##
[12]. Gorunescu F (2011) Data mining: concepts, models and techniques, 1st edition, Springer Science and Business Media, 12: 1-397. ##
[13]. زهره‌وند م.، شکاری فرد ع. و توکلی و. (1398) کاربرد تحلیل خوشه‌ای داده‌های ژئوشیمی نفت برای تعیین پیوستگی مخزن سروک در یکی از میادین نفتی جنوب غرب ایران، پژوهش نفت، دوره 29، بهمن و اسفند، صفحات 79-95. ##
[14]. Borgelt C (2013) Objective functions for fuzzy clustering, In Computational Intelligence in Intelligent Data Analysis, Springer, Berlin, Heidelberg, 3–16. ##
[15]. Chen B, Tai P C, Harrison R (2005) Novel hybrid hierarchical-K-means clustering method (H-K-means) for microarray analysis, IEEE Computational Systems Bioinformatics Conference, USA. ##
[16]. Rousseeuw P J (1987) A graphical aid to the interpretation and validation of cluster analysis, Journal of Computational and Applied Mathematics, 1, 20: 53–65. ##
[17]. Yoon K P, Hwang C (1995) Multiple attribute decision making: An Introduction, 1st edition, California, SAGE publications, 1-73. ##
[18]. کرد ش.، هاشمی ع.، رجبی م. و صالحی ر. (1399) غربال‌گری روش‌های مهار ماسه برای یکی از چاه‌های جنوب غرب ایران با استفاده از الگوریتم تاپسیس، پژوهش نفت، ، دوره 30، مهر و آبان، صفحات 105-117. ##
[19]. Craig F F (1971) The Reservoir engineering aspects of waterflooding, 1st edition, H L Doherty Memorial Fund of AIME, 1-134. ##
[20]. Pyrcz M J, Deutsch C V (2002) Geostatistical reservoir modeling, 2nd edition, Oxford University Press, New York, 1-448. ##