오일 생산정에서 쵸크사이즈와 가스주입량에 따른 생산성 예측 인공신경망 모델 개발 (Development of Productivity Prediction Model according to Choke Size and Gas Injection Rate by using ANN(Artificial Neural Network) at Oil Producer)

서지정보

· 발행기관 : 한국가스학회
· 수록지 정보 : 한국가스학회지 / 22권 / 6호 / 90 ~ 103페이지
· 저자명 : 한동권, 권순일

초록

본 연구에서는 초크크기와 가스주입량을 조절함으로써 일반 유정이나 가스리프트가 적용된 유정에서 최적생산량을 산출할 수 있는 두 가지 인공신경망 모델을 개발하였다. 개발된 모델들의 입력자료는 용해가스-오일비, 물 생산 비율, 저류층압력, 초크크기 또는 가스주입량이고 출력자료는 정두압력과 오일 생산량으로 구성하였다. 먼저 육상 유정 시스템에 대하여 입력자료의 민감도 분석을 통해 각 변수의 범위를 결정하였고, 노달분석을 수행하여 초크크기 선정 모델에 1,715개, 가스주입량 선정 모델에 1,225개의 훈련자료를 각각 생성하였다.
동일한 저류층 자료에 대해 노달분석과 인공신경망 모델 결과를 비교해보면 두 모델 모두 결정계수 값이 0.99이상으로 상관관계가 매우 높은 것으로 확인되었다. 또한 초크크기 선정 모델의 정두압력과 오일 생산량의 평균절대백분율오차는 각각 0.55%, 1.05%이고, 가스주입량 선정 모델의 정두압력과 오일 생산량의 평균절대백분율오차는 각각 1.23%, 2.67%로 개발된 모델의 정확도가 높은 것으로 확인되었다.

영어초록

This paper presents the development of two ANN models which can predict an optimum production rate by controlling choke size in oil well, and gas injection rate in gas-lift well. The input data was solution gas-oil ratio, water cut, reservoir pressure, and choke size or gas injection rate. The output data was wellhead pressure and production rate. Firstly, a range of each parameters was decided by conducting sensitiveanalysis of input data for onshore oil well. In addition, 1,715 sets training data for choke size decision modeland 1,225 sets for gas injection rate decision model were generated by nodal analysis. From the results of comparing between the nodal analysis and the ANN on the same reservoir system showed that the correlation factors were very high(>0.99). Mean absolute error of wellhead pressure and oil production rate was 0.55%,1.05% with the choke size model, respectively. And the gas injection rate model showed the errors of 1.23%,2.67%. It was found that the developed models had been highly accurate.

참고자료

· 없음