پيش‌بيني فشار شروع ته‌نشيني آسفالتين طي فرآيند كاهش فشار در حضور دي‌اكسيدكربن با استفاده از نظريه‌هاي هوش مصنوعي

Prediction of the Onset Pressure of Asphaltene Precipitation During Pressure Reduction Process in the Presence of Carbon Dioxide by Using Theories of Artificial Intelligence

تزريق امتزاجي دي اكسيد كربن به عنوان يكي از روش‌هاي متداول ازدياد برداشت نفت از مخازن با تغيير خواص سيالات نفتي مي‌تواند باعث بروز برخي مشكلات مانند ته‌نشيني آسفالتين شود كه خود منجر به كاهش نفوذپذيري سازند و قابليت كاهش توليد چاه‌هاي نفت و يا گرفتگي دهانه چاه و تسهيلات سرچاهي مي‌گردد. پيش بيني فشار شروع ته‌نشيني آسفالتين به منظور بهينه‌سازي عمليات تزريق امتزاجي دي‌اكسيدكربن از اهميت خاصي برخوردار مي‌باشد. هدف اين تحقيق، پيش‌بيني فشار شروع ته‌نشيني آسفالتين طي كاهش فشار در حضور دي اكسيد كربن با استفاده از مدل‌هاي هوش مصنوعي مي‌باشد. اين روش شامل يك شبيه‌ساز به نام "(Intelligent Proxy Simulator(IPS" مبتني بر ساختار شبكه‌هاي عصبي مصنوعي با استفاده از دو الگوريتم آموزشي پس انتشار خطا و الگوريتم بهينه سازي اجتماع ذرات مي‌باشد. جهت ارزيابي نتايج شبكه‌هاي هوش مصنوعي در پيش‌بيني فشار شروع ته‌نشيني آسفالتين از مدل جامد ترموديناميكي در نرم‌افزار (Winprop)ا CMG استفاده شده است. نتايج به دست آمده از مدل‌هاي هوش مصنوعي در پيش‌بيني فشار شروع ته‌نشيني آسفالتين طي كاهش فشار در حضور دي اكسيد كربن نتيجه رضايت بخش‌تري نسبت به مدل جامد ترموديناميكي دارد. نتايج اين تحقيق نشان داد با توجه به ته‌نشيني آسفالتين طي كاهش فشار در حضور دي اكسيد كربن و اثرات مخرب اين پديده، مي‌توان با تكيه بر توانايي‌هاي شبكه‌هاي توسعه داده شده هوش مصنوعي و فراهم نمودن بانك اطلاعاتي از متغيرهاي تاثير گذار به صورت نظري، از ايجاد ته‌نشيني آسفالتين در فرآيند كاهش فشار در حضور دي‌اكسيدكربن در شرايط واقعي تا حدودي جلوگيري كرد.

Although CO2 injection is one of the most common methods in enhanced oil recovery, it could alter the fluid properties of oil and cause some problems such as asphaltene precipitation, reduced permeability of formation, production reduction, etc. Asphaltene onset pressure is especially important for the optimization of the miscible CO2 injection. The purpose of this research is to predict the onset pressure of asphaltene precipitation during pressure reduction process in the presence of carbon dioxide by using theories of artificial intelligence. The developed models include a software simulator called “Intelligent Proxy Simulator (IPS)” which is based on structure artificial neural networks. To evaluate the prediction of artificial intelligence networks at the onset pressure of asphaltene precipitation, a thermodynamic solid model using Winprop (CMG) software was employed. The results obtained by using artificial intelligence models in the prediction of the onset pressure of asphaltene precipitation during pressure reduction process in the presence of carbon dioxide are more accurate than that of the thermodynamic solid model.