A Global Optimization Approach to the Gradual Deformation Method of History Matching.

A Global Optimization Approach to the Gradual Deformation Method of History Matching. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF (Full Thesis)
Adewale-eprints.pdf - Accepted Version

Download (695kB) | Preview

Arabic Abstract

ونظرا لعدم اليقين الكبير وندرة البيانات الصلبة المستخدمة لبناء نموذج محاكاة المكامن، تقديرات محاكاة من المعلمات الخزان عادة لا تنتج البيانات التي تتطابق مع البيانات المرصودة. هذا النموذج لا يمكن استخدامها للتنبؤ منذ نموذج لا يمكن أن تقدم على السلوك الفعلي للخزان. تحتاج المعلمات نموذج إلى تعديل حتى يمكن للنموذج على الأقل استخراج البيانات المقاسة من خلال عملية تسمى التاريخ مطابقة. ويمكن أن يتم مطابقة التاريخ يدويا أو آليا (باستخدام خوارزميات الأمثل). مؤشر ستوكاستيك أو خوارزميات القائم على التدرج ويمكن استخدام. في الآونة الأخيرة، واقترح طريقة تشوه التدريجي (GDM) لتقييد التاريخ مطابقة لإحصاءات بسيطة بحيث يمكن الحفاظ المعلومات الجيولوجية الهامة. وتقدر GDM عدد كبير من المعلمات الخزان باستخدام عدد قليل من المعالم تشوه. مطلوب خوارزمية الأمثل لتحسين هذه المعايير تشوه. تقليديا، يتم استخدام الخوارزميات القائم على التدرج لهذا الغرض ولكن لديهم تحديات الحد الأدنى انحباس المحلي. وتقترح هذه الدراسة استخدام خوارزميات التحسين العالمية لتقدير المعلمات تشوه في GDM. في القيام بذلك، ثلاثة خوارزميات العالمية وهي الفرق التطور، سرب الجسيمات الأمثل، وكانت تستخدم خوارزميات الصلب محاكاة لتقدير المعلمات تشوه. وعلى سبيل المقارنة عادلة مع الخوارزمية القائم على التدرج، وكان يستخدم Levenberg-ماركوارت خوارزمية أيضا لتقدير المعلمات تشوه. ويهدف استخدام خوارزميات التحسين العالمية في التقليل من تحديات الخوارزميات القائم على التدرج. تم استخدام خزان صناعي 3D تضم والستين ألف خلايا الشبكة في هذه الدراسة. وواكب انقطاع المياه قياسها لتقدير التوزيع نفاذية الخزان. تم تقسيم الخزان إلى مناطق فرعية والستين مع كل منطقة تعيين المعلمة تشوه. وبالتالي، خفضت والستين ألف المجهولة إلى ستين. من الحلول من سبعة انجازاتهم مختلفة تعتبر في هذه الدراسة تم تقييم أداء الخوارزميات. في جميع انجازاتهم سبعة، تفوقت خوارزميات الأمثل العالمية الخوارزمية القائم على التدرج مع خوارزمية الأمثل سرب الجسيمات الناشئة الأكثر فعالية، الأكثر كفاءة والأكثر موثوقية بين جميع خوارزميات بحثها في هذه الدراسة.

English Abstract

Due to large uncertainty and scarcity of hard data used to build a reservoir simulation model, geostatistically simulated estimates of reservoir parameters do not usually produce data that match the observed data. Such model cannot be used for forecasting since the model cannot present the actual behavior of the reservoir. The model parameters need to be modified until the model can at least reproduce the measured data through a process termed history matching. History matching may be done manually or automated (using optimization algorithms). Stochastic or gradient-based algorithms may be used. Recently, gradual deformation method (GDM) was proposed to constrain history matching to simple statistics so that important geologic information can be preserved. GDM estimates high number of reservoir parameters using few deformation parameters. An optimization algorithm is required to optimize these deformation parameters. Traditionally, gradient-based algorithms are used for this purpose but they have challenges of local minimum entrapment. This study proposes the use of global optimization algorithms to estimate the deformation parameters in GDM. In doing this, three global algorithms namely differential evolution, particle swarm optimization, and simulated annealing algorithms were used to estimate the deformation parameters. For fair comparison with the gradient-based algorithm, Levenberg-Marquardt algorithm was also used to estimate the deformation parameters. The use of global optimization algorithms is aimed at minimizing the challenges of the gradient-based algorithms. A 3D synthetic reservoir comprising sixty-thousand grid cells was used in this study. Measured water cut was matched to estimate the reservoir permeability distribution. The reservoir was divided into sixty sub-regions with each region assigned a deformation parameter. Hence, sixty-thousand unknowns were reduced to sixty. From the solutions of the seven different realizations considered in this study, the performances of the algorithms were evaluated. In all the seven realizations, the global optimization algorithms outperformed the gradient-based algorithm with particle swarm optimization algorithm emerging the most effective, most efficient and most reliable amongst all the algorithms considered in this study.

Item Type: Thesis (Masters)
Subjects: Engineering
Petroleum
Department: College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor: Awotunde, Abeeb
Committee Members: Abdulraheem, Abdulazeez and Al-shuhail, Abdullah
Depositing User: ADEWALE ADENIJI (g201203660)
Date Deposited: 26 Jul 2015 11:29
Last Modified: 01 Nov 2019 16:30
URI: http://eprints.kfupm.edu.sa/id/eprint/139694