رتبه‌بندی فنی مخازن نفتی جهت ازدیاد برداشت با دی‏اکسید‏کربن با رویکرد تصمیم‏گیری چند شاخصه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران

2 موسسه مطالعات بین‌المللی انرژی

3 پژوهشکده ازدیاد برداشت از مخازن نفت و گاز،‌ شرکت ملی نفت

4 گروه مهندسی صنایع دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، باشگاه پژوهشگران جوان و نخبگان

5 گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران موسسه مطالعات بین‌المللی انرژی

چکیده

ذخیره‌سازی دی‏اکسید‏کربن در حجم وسیع و به‌کارگیری آن در ازدیاد برداشت از مخازن نفتی به‌عنوان یکی از استراتژی‏های کاهش گازهای گلخانه‌ای جو زمین مورد توجه قرار دارد. پس از شناسایی و ارزیابی تکنیکی مخازن، موضوع امتیاز دهی و رتبه‌بندی مخازن کاندید مطرح می‌شود که می‌تواند به‌عنوان یک پژوهش بین رشته‌ای در نظرگرفته شود. بررسی  ادبیات موضوع در حوزه مهندسی نفت نشان می‌دهد روش‏های ابتکاری در شرایط قطعیت برای امتیازدهی و رتبه‌بندی مخازن به‎کارگرفته شده است. هدف اصلی پژوهش، به‌کارگیری تکنیک «تحلیل رابطه‌ای خاکستری» به‌عنوان یکی از روش‌های اثبات شده و پرکاربرد تصمیم‌گیری چند شاخصه، ‌برای حل مسأله رتبه‌بندی فنی مخازن نفتی جهت ازدیاد برداشت با دی‏اکسید‏کربن می‌باشد. از آن جا که مسأله مذکور از منظر تئوری تصمیم‏گیری، مستلزم در نظر گرفتن شاخص‏های کمّی و کیفی از جنس بهینه می‌باشد، تکنیک‏ تحلیل رابطه‌ای خاکستری برای برآورده کردن ویژگی‏های خاص این مساله، تا حدودی بهبود داده شده است. علاوه بر آن، برای مواجهه با عدم قطعیت‌های موجود در تعیین مشخصات مخزن و مقایسه پارامترهای آن‌ها از تئوری سیستم‌های خاکستری که توسعه یافته تئوری فازی محسوب می‌شود، استفاده شده است.به منظور نمایش کارآمدی روش ارائه شده در حل مسأله فوق، بیست مخزن نفتی ایران که به‌عنوان مخازن کاندید جهت تزریق دی‏اکسید‏کربن مطرح می‎باشند، از نظر فنی رتبه‌بندی شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Initial Ranking of Oil Reservoirs for CO2 EOR: a Multi-attribute Decision Making Approach

نویسندگان [English]

  • Mohammad Reza Mehregan 1
  • Mansoor Moazami 1
  • Seyed Farid Ghaderi 2
  • Emad Roayaie 3
  • Amir Mahdi Malek 4
  • Azadeh Dabbaghi 5
1
2
3
4
5
چکیده [English]

From a regional-scale or quick assessment viewpoint, a number of reservoir researchers provided heuristic methodologies to handle the initial technical evaluation of oil reservoirs for carbon dioxide flooding. But, they have not utilized a methodology among multi-attribute decision making approaches, which are more widely accepted and commonly applied. Therefore, this paper aims to introduce the use of a common multi-attribute decision making method, Grey Relational Analysis, for solving the problem of initial technical ranking of oil reservoirs for CO2-flooding EOR. Moreover, the proposed methodology makes some significance to the field of Grey Relational Analysis. The proposed procedure enables oil industry decision makers to consider the parametric uncertainty inherent in the problem by utilizing grey numbers. Furthermore, it serves as a more comprehensive procedure for analyzing real case problems, in which considering different types of criteria seems essential. The methodology is applied to a real case study of Iranian oil reservoirs in order to obtain illustrative results
 

کلیدواژه‌ها [English]

  • Grey Systems Theory
  • Grey Relational Analysis (GRA)
  • Carbon Dioxide Enhanced Oil Recovery (CO2 EOR)
[1]. محمدنیا، م.، «ازدیاد برداشت با دی‎اکسیدکربن و ذخیره آن درمخازن نفتی»،‌ نامه مکانیک شریف،‌ سال یازدهم،‌ شماره 33.##
[2]. تقیان، م.، «بررسی و ارزیابی انواع تزریق دی‎اکسیدکربن در ازدیاد برداشت از مخازن»، مجله اکتشاف و تولید، شماره 67 اردیبهشت 89.##
[3]. Kamali F., Khosravi M., Talebian M., Vahidi A., and Roayaei E. Recovery Based Ranking Oil Reservoirs for CO2 Miscible Injection, In: Proceedings of the EAGE 1st International Petroleum Conference & Exhibition. Shiraz, Iran. 4–6, May 2009.##
[4]. Paul G. W., “Development and Verification of Simplified Prediction Models for Enhanced Oil Recovery Application: CO2 (Miscible Flood) Predictive Model”, US DOE Report DE-AC19-80BC10327, Intercomp, Denver, CO, pp. 127, 1983##
[5]. وحیدی ا.، خسروی م.، کمالی ف.، رعایایی ع. و عمادی م.، «غربالگری مخازن نفتی ایران جهت تزریق امتزاجی دی‏اکسید‏کربن»، مجله مهندسی شیمی ایران، سال هشتم، شماره 43، 1388.##
[6]. Shaw J., and Bachu S., “Screening, evaluation, and ranking of oil reservoirs suitable for CO2-flood EOR and carbon dioxide sequestration”, Journal of Canadian Petroleum Technology, Vol. 41, No. 9, pp. 51-61, 2002.##
[7]. Rivas O., Embid S., and Bolivar F., “Ranking reservoirs for carbon dioxide flooding processes”, paper SPE 23641, SPE Advanced Technology Series 2, pp. 95-103, 1994.##
[8]. Diaz D., Bassiuni Z., Kimbrell W., and Wolcott J., “Screening criteria for application of carbon dioxide miscible displacement in water flood reservoirs containing light oil”, paper SPE 35431, SPE/DOE Improved Oil Recovery Symposium. Tulsa, OK, pp. 7, pp. 21 – 24 April 1996.##
[9]. Dadashpour M., Landro M., and Kleppe J., “Nonlinear inversion for estimating reservoir parameters from time-lapse seismic data”, Journal of Geophysics and Engineering, pp. 554, 2008##
[10]. Kadkhodaie A., Rezaee M., and Moallemi S. A., “A fuzzy logic approach for estimation of permeability and rock type from conventional well log data: an example from the Kangan reservoir in the Iran Offshore Gas Field”, Journal of Geophysics and Engineering, 3356, 2006.##
[11]. Nikravesh M., Lofti Zadeh A., and Korotkikh V., Fuzzy partial differential equations and relational equations: reservoir characterization and modeling, Springer, 2004. [12]. Yang C., Nghiem L., and Card C., and Bremeier M., “Wintershall, reservoir model uncertainty quantificationthrough computer-assisted history matching”, SPE Society of Petroleum Engineers Annual Technical Conference and Exhibition, Anaheim, California, U.S.A., pp. 11-14 Nov. 2007.##
[13]. Tamhane D., Wong P. M., Aminzadeh F., and Nikravesh M., “Soft computing for intelligent reservoir characterization”, SPE Society of Petroleum Engineers Asia Pacific Conference on Integrated Modelling for Asset Management, Yokohama, Japan, pp. 25-26 Apr. 2000.##
[14]. Taghavi A. A., “Improved permeability estimation through use of fuzzy logic in a carbonate reservoir from southwest Iran”, SPE Society of Petroleum Engineers Middle East Oil and Gas Show and Conference, Bahrain, Mar 12-15, 2005##
[15]. Deng J. L., “Control problems of grey systems. Systems and Control Letters 1”, pp. 288–294, 1982.##
[16]. Kuo Y., Yang, T., and Huang G. W. The use of grey relational analysis in solving multiple attribute decision-making problems, Computers and Industrial Engineering 55, pp. 80–93, 2008.##
[17]. Olson D. L., and Wu D., “Simulation of fuzzy multiattribute models for grey relationships”, European Journal of Operational Research, 175, pp. 111–120, 2006.##
[18]. Chen W. H., “Distribution system restoration using the hybrid fuzzy-grey method”, IEEE Transactions on Power Systems, 20, pp. 199–205, 2005.##
[19]. Jiang B. C., Tasi S. L., and Wang C. C., “Machine vision-based grey relational theory applied to IC marking inspection”, IEEE Transactions on Semiconductor Manufacturing, 15, pp. 531–539, 2002.##
[20]. Wu H. H., “A comparative study of using grey relational analysis in multiple attribute decision making problems”, Quality Engineering, 15, pp. 209–217, 2002.##
[21]. Lin C. T., Chang C. W., and Chen C. B., “The worst ill-conditioned silicon wafer machine detected by using grey relational analysis”, International Journal of Advanced Manufacturing Technology, 31, pp. 388–395, 2006.##
[22]. Ip W. C., Hu B. Q., Wong H., and Xia J., Applications of grey relational method to river environment quality evaluation in China, Journal of Hydrology 379, pp. 284-290, 2009.##
[23]. Lo S. M., Hu B. Q., Liu M, Yuen K. K., “On the use of reliability interval method and grey relational model for fire safety ranking of existing buildings”, Fire Technology, 41, pp. 255–270, 2005.##
[24]. Deng J. L., “Introduction to grey system theory”, Journal of Grey System 1, pp. 1–24, 1989.##
[25]. Li Q. X. and Liu S. F., “The foundation of the grey matrix and the grey inputoutput analysis”, Applied Mathematical Modelling 32, pp. 267–291, 2008.##
[26]. Liu S. F. and Lin Y., Grey information theory and practical applications, Springer-Verlag London Limited, 2006.##
[27]. Deng J. L., “Special issue of grey system approach”, Fuzzy Math., 5(2) 1985.##
[28]. JUN X., “A grey system approach applied to prediction of extreme hydrological events: floods and droughts, Extreme Hydrological Events: Precipitation”, Floods and Droughts (Proceedings of the Yokohama Symposium, July 1993). IAHS Publ., No. 213,1993.##
[29]. ملک، ا. م.، ‌دباغی،‌ا.، آریانژاد، م.ق.؛‌ مبانی تئوری سیستم‌های خاکستری با مروری بر روش‎های عدم قطعیت، ترمه، 1390.##
[30]. Sadeghieh A., Dehghanbaghi M., dabbaghi A., and barak S., “A Genetic algorithm based grey goal programming (G3) approach for part supplier evaluation and selection”, International journal of production research, 50, pp. 4612-4630, 2012.##
[31]. Li G. D., Yamaguchi D., and Nagai M., “A grey-based decision-making approach to the supplier selection problem”, Mathematical and Computer Modeling, 46, pp. 573–581, 2007.##
[32]. Moore R. E., Interval analysis, Prentice-Hall, Englewood Cliffs, NJ, 1966.##
[33]. Wu Q., Zhou W., Li S., and Wu X., “Application of grey numerical model to groundwater resource evaluation”, Environmental Geology 47, pp. 991–999, 2005.##
[34]. Dang Y., Liu S., and Mi C. Multi-attribute grey incidence decision model for interval number. Kybernetes 35, pp. 1265-1272, 2006.##
[35]. Li G. D., Yamaguchi D., and Nagai M., “New Methods and Accuracy Improvement of GM According to Laplace Transform”, Journal of Grey Systtem 8, pp. 13–26, 2005.##
[36]. Tseng M. L., “A causal and effect decision making model of service quality expectation using grey-fuzzy DEMATEL approach”, Expert Systems with Applications 36, pp. 7738–7748, 2009.##
[37]. Deng J. L. “Grey sSystem theory”, Wuhan: Press of Huazhong University of Science and Technology, 2002.##
[38]. Golmohammadi D., and Mellat-Parast M. “Developing a grey-based decision-making model for supplier selection”, International Journal of Production Economics 137, pp. 191–200, 2012.##
[39]. Tzeng G. H., and Huang J. J., “Multiple attribute decision making methods and applications”, Taylor & Francis, pp. 55-57, 2011.##
[40]. Huang J. T. and Lia, Y. S., “Optimization of machining parameters of Wire-EDM bases on grey relation and statistical analysis”, International Journal of Production Research, No. 41, pp. 1707–1720, 2003.##
[41]. Chang T. C. and Lin S. J. “Grey relation analysis of carbon dioxide emissions from industrial production and energy uses in taiwan”, Journal of Environmental Management, No. 56, pp. 247–257, 1999.##
[42]. Lin S. J., Lu I. J. and Lewis C., “Grey relation performance correlations among economics, energy use and carbon dioxide emission in Taiwan”, Energy Policy, No. 35, pp. 1948–1955, 2007.##
[43]. Fung C. P., “Manufacturing process optimization for wear property of fiber- reinforced polybutylene terephthalate composites with grey relational analysis”, Wear 254 pp. 298-306, 2003.##
[44]. Soltanieh M. slami A. M., and Moradian A., “Feasibility study of carbon dioxide capture from power plants and other major stationary sources and storage in iranian oil fields for enhanced oil recovery (EOR)”, Energy Procedia 1, pp. 3663–3668, 2009.##