بررسی تاثیر پارامترهای عملیاتی بر روی تزریق دی اکسید کربن و گاز ترش به عنوان گاز پایه در فرایند ذخیره سازی زیرزمینی گاز هیدروژن
دوره 8، شماره 1، بهار 1403، صفحه 1-11
محمد رامسری، آرزو جعفری، حامد نامدار، داود خوزان، ارس رومی
چکیده موضوع تحقیق: عدم تعادل میان عرضه و تقاضا یکی از موانع اصلی در فرایند جایگزین کردن انرژیهای تجدید پذیر به جای سوختهای فسیلی است. ذخیره سازی زیرزمینی گاز هیدروژن بدست آمده از منابع تجدید پذیر، روشی مناسب برای ذخیره انرژی حاصل از این منابع است. از طرفی با توجه به آن که در زمان ذخیره زیرزمینی گاز همواره بخشی از آن به عنوان گاز پایه درون مخزن باقی میماند، توصیه میشود برای کاهش هزینههای عملیاتی این گاز با گازهای ارزان همچون گاز CO2 و گاز ترش جایگزین شود. اما در این حالت خلوص و ضریب بازیافت هیدروژن برداشت شده از مخزن از جمله عواملی هستند که تحت تاثیر قرار میگیرند که امکان کنترل آنها توسط پارامترهای عملیاتی وجود دارد. از این رو در این مطالعه به بررسی آنها پرداخته خواهد شد.
روش تحقیق: در این قسمت ابتدا مدل یک مخزن گازی نیمه تخلیه شده توسط شبیه ساز تجاریCMG ساخته شد و پس از صحت سنجی مدل، از آن به منظور بررسی پارامترهای مورد نظر استفاده شد. برای این امر پس از تخلیهی 50% مخزن، به مدت یک سال گاز پایه تزریق شده و سپس برای مدت 10 سال ذخیره سازی هیدروژن صورت گرفت. در این پژوهش تاثیر پارامترهای مدت زمان و نرخ تزریق و تولید هیدروژن، مدت زمان تزریق و زمان ماند گاز پایه، استفاده از گاز ترش به عنوان گاز پایه و درصد H2S موجود در آن بر روی خلوص و ضریب بازیافت هیدروژن مورد بررسی قرار گرفت.
نتایج اصلی: نتایج بدست آمده نشان داد افزایش نرخ تزریق و تولید هیدروژن باعث افزایش خلوص و ضریب بازیافت آن میشود. کاهش دوره تزریق و افزایش دوره برداشت موجب کاهش خلوص و افزایش ضریب بازیافت هیدروژن میشود، مشروط بر اینکه دوره برداشت از دوره تزریق بیشتر نشود. افزایش زمان تزریق گاز پایه و فاصله زمانی بین تزریق و ذخیرهسازی، به خلوص و بازیافت هیدروژن کمک میکند. همچنین، در ترکیب گاز پایه، افزایش سهم H2S به بالای 70% در ترکیب گاز پایه، خلوص و بازیافت هیدروژن را به ترتیب حدود 2 و 3 درصد کاهش میدهد که این امر امکان استفاده از H2S را بهعنوان گاز پایه تایید میکند.
پیشبینی برخط رخدادهای حفاری بر اساس نمودارگیری گل با استفاده از شبکه عصبی حافظه کوتاه مدت طولانی
دوره 8، شماره 1، بهار 1403، صفحه 26-35
مهران بادینلو، جمال فراشیانی، داود خوزان، مهدی منصوری، وحید دانشخواه
چکیده موضوع تحقیق: عملیات حفاری همواره دچار مشکلات فراوانی بوده است. این مشکلات میتوانند خسارات مالی، جانی یا حتی محیط زیستی فراوانی ایجاد کنند. به همین دلیل بهدنبال راهحلی باید بود که این مشکلات را کاهش دهد و قبل از واردشدن خسارات جانی و مالی، این اتفاقات را پیشبینی کند و اقدامات لازم را برای رفع و کاهش خسارات عملی سازد. در این پژوهش، تأثیر استفاده از الگوریتمهای هوش مصنوعی برای پیشبینی رخدادهای حفاری مورد بررسی قرار میگیرد. برای این منظور از دادههای نمودارگیری از گل حفاری (Mud Logging) که بهصورت برخط اندازهگیری شده و از چاههای موجود در یکی از میادین نفتی ایران جمعآوری شدهاند، استفاده میشود.
روش تحقیق: معماری ترکیبی شامل شبکه عصبی حافظه کوتاه مدت طولانی (LSTM) و شبکه عصبی تماماً متصل برای شناسایی و تشخیص ناهنجاریهایی مانند سیلان چاه (Kick) و گیرکردن لوله حفاری (Stuck Pipe) به کار گرفته شد. بهدلیل کمبود نمونههای این ناهنجاریها در مجموعه دادهها که میتواند بهطور قابلتوجهی دقت و عملکرد مدل را کاهش دهد، از روش نمونهبرداری دسته اقلیت (SMOTE) برای تعادل توزیع دستهها و بهبود عملکرد کلی شبکه استفاده شد. علاوه بر این، تأثیر تغییرات ابرمتغیرها بر کاهش خطای شبکه مورد بررسی قرار گرفت.
نتایج تحقیق: در شبکههایی که با ساختارها و معماریهای مختلف مورد بررسی قرار گرفتند، نتایج تجربی نشان داد که شبکه عصبی با دقت 94.45 درصد بر روی مجموعه دادههای آزمایشی عمل کرد. این عملکرد با تنظیم ابرمتغیرها بهصورت زیر حاصل شد: پنجره نگاه به عقب 7، نرخ یادگیری 0.001، نرخ حذف 0.2، اندازه دسته 32 و معماری شبکه چهار لایه با تعداد واحدهای {(512,256,256)} در لایههای پنهان اول، دوم و سوم. این پیکربندی در تشخیص ناهنجاری نسبت به سایر گزینههای آزمایششده، دقت بالاتر و هشدارهای کاذب کمتری داشت. با توجه به نتایج بهدستآمده این روش در تشخیص برخط ناهنجاری در فرایند حفاری مؤثر خواهد بود.
بررسی فرآیند ازدیاد برداشت نفت با استفاده از امواج اولتراسونیک: تحلیل عددی
دوره 6، شماره 4، زمستان 1401، صفحه 69-82
سید مهدی آقایی، فرامرز نصیرزاده، آرزو جعفری، داود خوزان، حامد نامدار
چکیده Research topic: One of the new methods in the processes of increasing oil recovery from hydrocarbon reservoirs is the method of using ultrasonic waves. In this research, using ultrasonic waves and their application in a large-scale sample tank, its effect on increasing oil extraction by the numerical method is investigated.
Research Method: In this research, the modeling process has been performed using MATLAB software. First, by determining the porous environment, the amount of pressure increases due to ultrasonic waves due to solving the sound equations (Helmholtz) by MATLAB k-waves toolbox is investigated. Finally, considering the cumulative production at a specific time from the production well and determining the oil recovery from the reservoir in the presence of a wave, to examine the effect of well location parameters and its distance from the wave generation source, wave production starts time, wave application methods (Pulsed and continuous), is performed at an optimal frequency and power.
Main results: According to the modeling results, the closer the wave start time is to the first days of production, the higher the oil recovery rate; So that by starting the application of ultrasonic wave under the power of 5 kW and frequency 20 kHz simultaneously with the production of well oil from the first day, oil recovery compared to oil recovery in the case of starting the wave from the fifty and ninety days, respectively 4/5% and 8% more. Oil recovery is 1.8% higher if the wave is applied continuously to the reservoir at a given time than when pulsed at the same time. The modeling results show that the shorter the distance between the wave source and the production well, the lower the pressure drop in the reservoir area and the higher the oil recovery. According to the results, if the source of wave production is located at a distance of 200 feet from the production well, it will increase by 7.1% compared to the distance of 1800 feet from the oil recovery well.
