Path: Top > S1-Final Project > Petroleum Engineering-FTTM > 2016

HORIZONTAL WELL PLACEMENT PRODUCTION OPTIMIZATION USING HYBRID GENETIC ALGORITHM

Undergraduate Theses from JBPTITBPP / 2018-05-17 13:53:58
Oleh : IRWAN (NIM : 12212014), S1 - Petroleum Engineering-FTTM
Dibuat : 2018-05-17, dengan 1 file

Keyword : hybrid genetic algorithhm, horizontal well, optimization, neural networks, evolution strategies

Optimasi produksi pada masa kini bukan lagi sebuah pilihan, melainkan kebutuhan. Sumur perlu dioptimasi agar lebih ekonomis daripada sebelumnya agar dapat meningkatkan daya tarik proyek. Penempatan posisi sumur adalah satu dari aspek terpenting dalam perencanaan strategi produksi dan optimasi hal ini sangatlah kompleks. Masalah ini semakin kompleks ketika sumur horisontal dan segala interaksinya diperhitungkan. Menyelesaikan masalah ini sangatlah memakan waktu dan memerlukan daya komputasi yang tinggi. Sehingga

tujuan dari penelitian ini adalah untuk menyediakan algoritma optimasi yang menghasilkan solusi yang baik secara efisien.

Algoritma optimasi yang digunakan dari penelitian ini adalah hybrid genetic algrothm (HGA) yang merupakan kombinasi dari GA dengan artificial neural network (ANN) serta evolution strategies (ES). HGA ini mencoba untuk mensederhanakan parameter kompleks dan beragam yang berkaitan dengan masalah optimasi sumur horizontal. HGA dipasangkan dengan simulator kompersial dan diuji dengan model reservoir asli untuk mengukur kelebihan HGA daripada metode konvensional pada beberapa kasus. Algorithma dalam penelitian ini didesain special untuk industry perminyakan, agar banyak individu dari suatu populasi dan parameter genetic seperti laju mutasi dan rekombinasi dapat beradaptasi dengan cara mengaplikasikan ES agar menghilangkan keperluan untuk mengatur parameter strategi sehingga dapat menjembatani insinyur perminyakan dan insinyur algoritma.

HGA yang diusulkan pada penelitian ini digunakan untuk mengoptimasi parameter sumur horizontal pada model reservoir yang meliputi lokasi kepala sumur, lapisan tujuan, panjang seksi horizontal, sudut azimuth, dan laju produksi. HGA dapat terbukti cocok bagi model reservoir apapun jika model dan kasus patokan yang diuji untuk optimasi berjalan dengan baik.

Ada tiga kasus dari rencana pengembangan sumur horizontal yang didiskusikan. Pada kasus pertama dua sumur ditambahkan secara bersamaan, pada kasus kedua dua sumur ditambahkan dengan perbedaan waktu tiga tahun, dan pada kasus ketiga serupa dengan kasus kedua dengan penambahan optimasi laju alir.

Perbandingan performa hasil antara metode HGA dan konvensional didiskusikan. Hasil menunjukan metode HGA lebih unggul dari metode konvensional dalam mengoptimasi sumur horizontal pada tiga kasus yang diuji. Keunggulan semakin meningkat seiring dengan kekompleksan masalah rencana pengembangan yang berbeda pada tiga kasus ini. Penjelasan ekstra didiskusikan untuk memberikan pengertian tentang penyebab keunggulan metode HGA dibanding konvensional pada optimasi sumur horizontal.

Berdasarkan fakta bahwa setiap sumur horizontal memiliki tantangan tersendiri yang memiliki solusi tunggalnya sendiri yang membuat optimasi sumur horizontal menjadi semakin rumit. Penggunaan algoritma optimasi untuk mencapai solusi terbaik sangat diperlukan saat proses pencarian solusi, tetapi hal ini dapat berujung pada pencarian yang panjang, memerlukan daya komputasi yang besar untuk menguji berbagai kemungkinan. Algoritma HGA ini disajikan untuk menangani isu tersebut.

Deskripsi Alternatif :

Optimizing production is no longer an option, nowadays, it is a necessity. The wells have to optimized more economically than before in order to influence projects attractiveness. The positioning of well is one of the most important aspect in production strategy plan and optimization and is highly complex. The problem become more complex when horizontal wells and its interactions are considered. Solving this problem is time-consuming and demands high computational effort. Therefore, the objective of this research is to provide an optimization algorithm resulting good solution efficiently.

The optimization algorithm used in this work is the hybrid genetic algorithm (HGA) which is the combination of GA with artificial neural networks (ANN) and evolution strategies (ES). This HGA attempts to simplify the complex and diverse parameters governing the horizontal well optimization problem. The HGA is coupled with commercial simulator and tested in real field model to quantify the benefits of this HGA over a base case with the conventional one. The algorithm in this study is handcrafted specially for oilfield industry so that the number of individuals in a population, the number of generations, and the genetic parameters are varied and adapted by applying ANN and ES to eliminate the need to tuning strategy parameters thus bridge the gap between petroleum engineer and algorithm engineer.

The HGA proposed in this study is used to optimize the horizontal well parameters in realistic reservoir model defining wellhead location, target layer, horizontal section length, azimuth angle, and producing rate. The HGA is proved to be suitable for any kind of reservoir models if the benchmark model for optimization approves.

There are 3 cases of horizontal well development plan which will be discussed, in the first case two wells are added at the same time, in the second case, two wells are added at different time with 3 years gap, and in the third case, is basicly second case with optimum rate considered.

Result comparison between performance of HGA and conventional method is discussed. The result pronounce HGA are superior than conventional method in optimizing horizontal well in all three cases tested. The superiority is increasing with a more complex development plan problem between these three. The supplementary explanation is included to give understanding why HGA is superior over the conventional method in optimizing horizontal well.

Based on the fact that every horizontal well have different challenges that defines a single-solution approach which results the horizontal well optimization becoming more and more complicated, the use of an optimization algorithm to achieve a best solution is very valuable to the process, yet it can also lead to an exhaustive search, demanding a great computation power to test many possibilities. This novel HGA is presented to tackle and handle those issues.

Copyrights : Copyright (c) 2001 by Perpustakaan Digital ITB. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS1 - Petroleum Engineering-FTTM
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing : Dr. Amega Yasutra, ST, MT, Editor: Suharsiyah

File PDF...