مطالعه انبساط مرحله ای نفت خام توسط شبکه عصبی مصنوعی

حداد کریمی نژاد¹ رضا نیکبخش² رضا چراغی کوتیانی³

1) کارشناسی ارشد مهندسی مخازن نفت، دانشگاه آزاد اسلامی واحد امیدیه
2) کارشناسی ارشد مهندسی مخازن نفت، دانشگاه آزاد اسلامی واحد ماهشهر
3) دکتری مهندسی نفت، دانشگاه آزاد اسلامی واحد امیدیه

محل انتشار : سومین کنگره بین المللی مهندسی، فناوری و نوآوری(eticong.com/3rd)
چکیده :
اهمیت خواص فشار، حجم و دمای فشار حباب، نسبت حلالیت گاز به نفت و ضریب حجمی نفت، تعیین دقیق این خواص جهت محاسبات عملکرد مخزن را ضروری ساخته است. به هنگام نبود اندازه¬گیری¬های آزمایشگاهی برای تعیین خواص فشار-حجم-دما نفت خام، دو روش که بطور معمول مورد استفاده قرار می گیرند، عبارت اند از معادله حالت و روابط تجربی. فشار-حجم-دما معادله حالت بر اساس آگاهی از جزئیات ترکیبات سیالات مخزن پایه گذاری شده¬است که تعیین اینگونه کمیت ها بسیار گران و زمانبر است. در حالی که روابط فشار-حجم-دما بر اساس داده های بدست آمده از لایه¬های زمین که به راحتی اندازه-گیری می¬شوند، پایه گذاری شده¬اند. این داده¬ها عبارت اند از فشار مخزن، دمای مخزن و وزن مخصوص نفت و گاز. مطالعه دقیق این روابط نشان می¬دهد که آنها از دقت کافی برای تعیین خواص نفت خام در میدان¬های مختلف نفتی برخوردار نیستند. زیرا معمولا برای ایجاد این نوع روابط از داده-های مناطق مشخصی استفاده شده¬است. مطالعات چند سال اخیر نشان می¬دهد که شبکه¬های عصبی مصنوعی از قابلیت بسیار خوبی برای پیش بینی خواص فشار-حجم-دما بهره¬مند شده¬اند. با توجه به قابلیت آموزش در شبکه های عصبی، این شبکه¬ها به سرعت کاربرد مهندسی پیدا کردند و به ویژه به صورت گسترده در مهندسی نفت استفاده گردیدند. در این مطالعه بر خلاف روش¬های پیشین از روش هوش مصنوعی استفاده شده و اثرات انبساط مرحله¬ای بر اجزای مختلف نفت خام مورد بررسی قرار گرفته است.
کلمات کلیدی : شبکه عصبی مصنوعی انبساط مرحله¬ای خواص فشار-حجم-دما