在水平智能井中,基于表面的实时监测消除了下孔传感器
Aiman Al-Alimi1, Yousef Rafiei2, Mohammad Javad Ameri3
1Department of Petroleum and Geoenergy Engineering, Amir Kabir University of Technology, Tehran, Iran.
Scientific reports
|November 21, 2025
概括
这项研究提出了一种新的表面传感器方法来预测深孔水库参数,从而消除了昂贵的传感器. 这种方法为智能井管理和增强碳化合物回收提供了具有成本效益和可靠的解决方案.
科学领域:
- 石油工程是石油工程中的一个.
- 储水池管理的管理
- 智能井技术 智能井技术
背景情况:
- 智能井依赖于下孔传感器进行实时优化,但这些传感器会产生高成本,维护问题和可靠性问题.
- 传统的监控系统在成本效益和运行稳定性方面面临挑战.
研究的目的:
- 引入基于表面传感器的方法来预测没有下洞仪器仪表的关键下洞参数.
- 开发一个具有成本效益和运营稳定的替代传统智能井监测.
主要方法:
- 开发了两个综合模型:I模型与PUNQ-S3进行验证,以及用于现场应用的水平井模拟模型.
- 集成的多相流程相关性 (Duns&Ross,Beggs-Brill) 与基于Ensemble Kalman过器的数据同化.
- 仅使用表面测量和井形几何来预测下洞参数.
主要成果:
- 模型I实现了平均相对误差,流量为2.42%,压力为2%.
- 水平井模拟模型表现出极高的准确性,误差在透性,压力,水量和温度方面低于0.4%,在流量方面低于0.6%.
- 该方法消除了下洞传感器,同时保持了高预测准确度.
结论:
- 拟议的表面驱动下坑预测方法是可行的,准确的,并且具有成本效益.
- 这种方法显著降低了与智能井相关的硬件和干预成本.
- 允许主动生产战略,减轻水突破风险,延长井寿命,并支持可持续的碳化合物回收.
