KFUPM ePrints

WATER CUT ESTIMATION IN HIGH GOR WELLS

l WATER CUT ESTIMATION IN HIGH GOR WELLS. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF (MSc Thesis)
Restricted to Abstract Only until 23 December 2019.

6Mb

Arabic Abstract

إن قياس نسبة إنتاج الماء المصاحب لإنتاج الآبار النفطية ضروريٌ ، خاصة عندما يقترن ذلك بإنتاج الغاز ، مما يجعل قياس نسبة كل الموائع (الماء ، النفط ، الغاز والغاز السائل) أمرًا صعبًا. تتأثر دقة قياس نسبة المياه بشدة عندما تكون مصحوبة بنسب كبيرة من الغاز المصاحب. ولذلك ، فإن الهدف من هذا البحث هو تطوير طرق لتقدير نسبة المياه في آبار نفط مصاحبة لنسب غاز عالية. واحدة من الطرق التقليدية في قياس نسبة الماء هي مقياس التدفق للهيئات الفيزيائية. توفر هذه التقنية قيمًا دقيقة ومعقولة في الظروف النموذجية ، عندما لا يكون إنتاج نسبة الغاز عاليًا. ومع ذلك ، فإن أجهزة قياس التدفق للهيئات الفيزيائية غالية ، مكلفة وتستلزم صيانةً بشكل دوري . ومع ذلك ، هناك عدد قليل من تقنيات القياس لقياس نسبة الماء في الآبار التي فيها نسبة عالية من الغاز. في هذا البحث ، تم تطوير نموذجين بإستخدام الانحدار المتعدد غير الخطي والشبكة العصبية الاصطناعية. استخدمت النماذج المتطورة مدخلات مختلفة تقاس في الوقت الحقيقي مأخوذة من أقسام السطح والجزء تحت السطحي من البئر ، لتقدير أفضل لنسبة الماء في آبار التي فيها نسبة الغاز العالية. تتوافر العلاقات المترابطة ونماذج التدفق للهيئات الفيزيائية في مصادر البحث المتوفرة بتقديم تقدير لنسبة المياه بحدود معينة. قد تم اختيار بعض من هذه العلاقات المترابطة ومقارنتها مع قياس نسبة المياه الفعلية مع متوسط الخطأ بنسبة مئوية مطلقة تبلغ 25 ٪. لذلك ، تم تطوير علاقة جديدة باستخدام الانحدار المتعدد غير الخطي. وأظهرت النتائج أن الارتباط أكثر موثوقية عندما تكون نسبة الغاز قليلة مع متوسط نسبة الخطأ تبلغ 8.32٪. بناءًا على ذلك، تم تطوير نموذج آخر باستخدام الشبكة العصبية الاصطناعية يغطي مجموعة واسعة من نسبة الغاز. وقد أظهرت نتائج أكثر دقة مع وجود متوسط الخطأ بنسبة مئوية مطلقة تبلغ 8.13٪ عند مقارنة قيمها بنسب المياه الفعلية المقاسة من أجهزة الحقول الذكية. ويعزى هذا التحسن في تقدير نسبة المياه إلى استخدام مجموعة واسعة من المتغيرات السطحية والجوفية. يعد تقدير نسبة للمياه بدقة أمرًا ضروريًا لتحسين إدارة الحقول والمكامن في حالة الظروف غير الطبيعية مثل نسبة الغاز والنفط المرتفعة. تم تطوير نماذج عملية وغير مكلفة لتقدير نسبة المياه ، في غياب تقنية قياس موثوق بها أو علاقات موثوقة لتدفق الهيئات الفيزيائية للآبار المصحوبة بنسب غاز عالية.

English Abstract

Water-cut measurement is important for reservoir management and recovery maximization. It is also considered as a key parameter to monitor well performance. Nevertheless, the water-cut measurement is severely affected when a large volume of gas comes out of solution in high Gas-Oil Ratio (GOR) reservoirs. Inaccurate water-cut measurement could be due to metering technologies failure when Gas Volume Fraction (GVF) exceeds 90%. Therefore, the objective of this research is to develop a model (s) to estimate water cut better in wells with GOR values higher than 2,000 scf/STB. One of the conventional methods used in measuring water cut is the multiphase flow meter (MPFM). This equipment gives accurate and reasonable values at conditions, where there are no flow assurance issues at the surface, such as free gas, slug, or emulsions. MPFMs are costly and prone to failures. Nevertheless, there are few metering technologies applicable to a high GOR environment. In this research, two models are developed based on nonlinear multiple regression and an artificial neural network (ANN). The developed models utilized various inputs that are measured on a real-time basis taken from surface and subsurface sections of the well to better estimate water cut in high GOR wells. Multiphase flow correlations and models are available in the literature to provide an estimation of water cut with limitations in the GOR range. Some multiphase flow correlations were selected based on GOR applicability and compared to actual water cut measurement with an average absolute relative percentage error of 25%. A new empirical correlation was developed using nonlinear multiple regression. Results showed that the correlation is more reliable at low GOR with an average absolute relative percentage error of 8.32%. Nevertheless, another model using ANN was developed covering a wide range of GOR. It demonstrated more reliable results with an average absolute relative percentage error of 8.13% when comparing their values to the actual water cut from test separators. This improvement in water-cut estimation was due to the use of a wide range of surface and subsurface parameters, provided that they are obtained on a real-time basis. The estimation of an accurate water cut is imperative for better management of reservoirs in case of abnormal conditions such as high GOR. Practicable and cost-driven models were developed to estimate water cut in the absence of reliable metering technology or robust multiphase flow correlations for high GOR application.



Item Type:Thesis (Masters)
Subjects:Petroleum > Reservoir Engineering and Management
Petroleum > Well Performance and Optimization
Divisions:College Of Engineering Sciences > Petroleum Engineering Dept
Committee Advisor:Al-Shehri, Dhafer
Committee Members:Mahmoud, Mohamed and Gajbhiye, Rahul
ID Code:140847
Deposited By:MOHAMMAD AL KADEM (g200670420)
Deposited On:24 Dec 2018 09:31
Last Modified:24 Dec 2018 09:31

Repository Staff Only: item control page