Machine Translated by Google
SPE 157996
Mengoptimalkan Tarif Injeksi Air untuk lahan yang tergenang air
Feilong Liu, Charlie Guthrie dan David Shipley, Perusahaan Teknologi Energi Chevron
Hak Cipta 2012, Perkumpulan Insinyur Perminyakan
Makalah ini disiapkan untuk dipresentasikan pada Konferensi dan Pameran Teknis Tahunan SPE yang
diadakan di San Antonio, Texas, AS, 8-10 Oktober 2012.
Makalah ini dipilih untuk dipresentasikan oleh komite program SPE setelah meninjau informasi yang terdapat
dalam abstrak yang diserahkan oleh penulis. Isi makalah ini belum ditinjau oleh Society of Petroleum Engineers
dan dapat diperbaiki oleh penulisnya. Materi tersebut tidak mencerminkan posisi apa pun dari Society of
Petroleum Engineers, pejabat, atau anggotanya. Dilarang memperbanyak, mendistribusikan, atau menyimpan
bagian mana pun dari makalah ini secara elektronik tanpa izin tertulis dari Society of Petroleum Engineers. Izin
untuk mereproduksi dalam bentuk cetak dibatasi pada abstrak tidak lebih dari 300 kata; ilustrasi tidak boleh
disalin. Abstrak harus memuat pengakuan yang jelas atas hak cipta SPE.
Abstrak
Menetapkan tingkat injeksi air yang tepat untuk sumur injeksi merupakan
faktor kunci keberhasilan pengoperasian ladang minyak di bawah banjir air.
Keberhasilan kegiatan tersebut dapat (a) mengurangi siklus air di tingkat
lapangan, bagian, dan pola; (b) meningkatkan rasio air/minyak (WOR) dan
efisiensi penyapuan areal; (c) meningkatkan produksi dan pemulihan minyak
dengan mengarahkan injeksi air ke zona dan wilayah tertentu; dan (d)
mengurangi OPEX dengan meningkatkan pemanfaatan air.
Biasanya, teknisi di lokasi menyesuaikan laju injeksi menggunakan
heuristik. Meskipun hal ini memang meningkatkan kinerja, kami merasa bahwa
pendekatan yang lebih sistematis dapat dikembangkan sehingga akan
menghasilkan keuntungan lebih lanjut. Dalam makalah ini, kami menyajikan
metode sistematis, menggunakan program linier, untuk mengoptimalkan laju
target injeksi air.
Dalam metode ini, reservoir dianggap sebagai suatu sistem yang dapat
dimodelkan sebagai kumpulan respon impuls waktu kontinu yang mengubah
laju injeksi menjadi laju produksi. Model parametrik dua parameter yang sangat
sederhana, seperti filter difusivitas, telah digunakan untuk mengukur model
saluran respons impuls waktu kontinu produsen-injektor dan Filter Kalman yang
Diperluas telah digunakan untuk menetapkan faktor alokasi antara injektor dan
produsen dalam air- lapangan yang tergenang air. Tunduk pada batasan,
termasuk jumlah total air yang tersedia, laju injeksi maksimum dan minimum,
total cairan produksi maksimum untuk produsen dan pengaturan pengukur,
pengoptimal program linier telah diterapkan untuk menentukan laju injeksi air
yang dioptimalkan, berdasarkan pada batasan yang ditetapkan. faktor alokasi.
Metode ini telah diuji coba di ladang minyak Chevron selama 3 bulan.
Kurva penurunan selama 6 bulan dan selama 2 bulan dari data produksi minyak
historis telah dihitung. Hasil uji coba selama 3 bulan menunjukkan bahwa
produksi minyak yang dioptimalkan sangat sesuai dengan kurva penurunan
historis selama 6 bulan dengan pengurangan total injeksi air harian sekitar 22%
lebih sedikit. Kami juga melihat peningkatan produksi sekitar 2% di atas 2-
kurva penurunan bulan (sekali lagi dengan penurunan total harian sekitar 22%).
injeksi air). Hasil ini menunjukkan bahwa metode sistematis ini dapat
memberikan cara untuk mengoptimalkan tingkat target injeksi air.
I. Pendahuluan
Waterflooding sejauh ini merupakan metode pemulihan sekunder yang
paling banyak digunakan dalam industri minyak. Sesuai dengan namanya,
waterflooding melibatkan penyuntikan air ke dalam reservoir minyak dan
mendorong minyak tersebut ke dalam sumur produksi. Saat ini, banjir air
bertanggung jawab atas sebagian besar produksi minyak dunia, dan
keberhasilan pengelolaan banjir air sangat penting bagi pasokan minyak dunia.
Pengelolaan banjir air merupakan topik luas yang melibatkan serangkaian
kegiatan, beberapa di antaranya dilakukan hanya sekali atau dua kali selama
berlangsungnya banjir; lainnya dilakukan secara berkala berdasarkan analisis
data pengukuran berulang. Diantaranya, menetapkan tingkat target injeksi air
untuk sumur injeksi merupakan salah satu kegiatan berkala yang penting.
Keberhasilan kegiatan tersebut dapat (a) mengurangi siklus air di tingkat
lapangan, bagian, dan pola; (b) memperbaiki tren rasio air/minyak (WOR) dan
efisiensi penyapuan areal; (c) meningkatkan produksi dan pemulihan minyak
dengan mengarahkan injeksi air ke zona dan kawasan tertentu; dan (d)
mengurangi OPEX dengan pemanfaatan air yang ditargetkan.
Biasanya, produksi minyak di ladang waterflood dibatasi oleh kombinasi
kondisi reservoir, jaringan pipa yang mengalir, dan fasilitas permukaan.
Menyesuaikan laju injeksi air dapat membantu mengendalikan produksi minyak
dari produsen. Oleh karena itu, cara menentukan tingkat target injeksi air yang
optimal, dengan segala macam kendala di lapangan, untuk memaksimalkan
produksi minyak adalah hal yang penting bagi para insinyur di lokasi. Namun,
karena interaksi dinamis yang kompleks antara reservoir, sumur injeksi, sumur
produksi, dan fasilitas permukaan, hal ini bukanlah tugas yang mudah.
Sejauh ini, beberapa pendekatan optimasi [2] dalam menyesuaikan laju
injeksi air telah diusulkan, namun hanya sedikit yang berhasil
telah diujicobakan atau diterapkan di bidang operasi. Insinyur di lokasi biasanya
menetapkan tarif menggunakan heuristik. Yang rutin mereka lakukan adalah
melihat riwayat produksi dan peta gelembung, lalu memutuskan di mana akan
menyuntikkan lebih banyak air dan di mana akan menyuntikkan lebih sedikit
air. Pendekatan-pendekatan ini, meskipun bermanfaat, masih memberikan
ruang untuk perbaikan lebih lanjut.
Untuk mengatasi kesulitan ini, kami mengusulkan metode sistematis,
menggunakan program linier, untuk mengoptimalkan laju target injeksi air
dimana [3-4]:
Machine Translated by Google

2 SPE 157996

1) Reservoir dianggap sebagai sistem yang dapat dimodelkan
sebagai kumpulan respons impuls waktu kontinu yang
mengubah laju injeksi menjadi laju produksi. Model parametrik
dua parameter yang sangat sederhana seperti filter difusivitas
telah digunakan untuk mengukur model saluran respons
impuls waktu kontinu produsen injektor. Filter Kalman yang
Diperluas telah digunakan untuk menetapkan faktor alokasi
antara injektor dan produsen di bidang waterflooding.
Filter difusivitas [1] biasanya digunakan sebagai model saluran
injektor-produsen waktu kontinu untuk mengukur bagaimana reservoir
mengubah laju injeksi menjadi laju produksi total. Belajar dari
pengetahuan para ahli (yaitu, Insinyur Chevron) dan bentuk filter
difusivitas, respons impuls waktu kontinu ini diasumsikan sebagai fungsi
uni-modal waktu kontinu yang digambarkan pada Gambar 3, yang
secara empiris dapat dicirikan sebagai

ht( bteÿ
) =
pada
. (2)
2) Sesuai dengan batasan, termasuk jumlah total air yang tersedia,
laju injeksi maksimum dan minimum, total produksi cairan
Secara fisik, a mencirikan waktu tunda saluran fisik, yang berhubungan
maksimum untuk produser dan pengaturan pengukur,
langsung dengan banyak faktor saluran, seperti permeabilitas, jarak,
pengoptimal pemrograman linier telah diterapkan untuk
dll. Semakin besar a , semakin pendek waktu tunda, semakin besar
menentukan laju realokasi injeksi air yang dioptimalkan,
faktor alokasi dan semakin besar dampak dari injektor.
berdasarkan pada faktor alokasi yang ditetapkan.

Karena hanya data sampel (yaitu, pengukuran periodik laju injeksi

dan produksi) yang tersedia untuk diproses, respons impuls waktu
Sisa makalah ini disusun sebagai berikut. Bagian II menjelaskan
kontinu diambil sampelnya, dan a
model reservoir, model saluran injektor-produsen, faktor alokasi dan
respons impuls diskrit harus digunakan dalam praktik. Seperti
prosedur optimasi;
digambarkan pada Gambar 4, respon impuls reservoir diskrit antara j
Bagian III merangkum uji coba di lapangan Chevron; dan, Bagian IV th
menarik kesimpulan. injektor dan produser dapat diformulasikan sebagai

II. Prosedur - 1 Lj

A.Model Waduk Hz (j ) =
- ÿ
ÿ _ zj
z )
- 12
= ÿ h iz( )j - Saya

(3)

Reservoir dapat dianggap sebagai suatu sistem yang dapat (1 J Saya

=1

dimodelkan sebagai kumpulan Produsen-Injektor independen

Pada persamaan (3) bagian tengah merupakan model auto-regressive
subsistem yang mengubah laju injeksi menjadi laju produksi, di mana
(AR) yang mempunyai dua kutub yang sama besar, dan bagian kanan
setiap subsistem dimodelkan sebagai respons impuls waktu
berkelanjutan. Oleh karena itu, untuk reservoir dengan N injektor dan merupakan model moving average (MA). Perhatikan itu ÿ eÿ =
pada
Dan
satu produsen, reservoir diwakili oleh N ÿ = b ÿT adalah dua parameter yang menjadi ciri model AR, dimana T
subsistem independen, dan model reservoirnya digambarkan adalah adalah periode sampel; dan ( ) hi ( j = 1, l , ÿ ) dan adalah
l bobot dan
J
Gambar 1, di mana: itit it , ( ) laju yangN
1 ( ), ( ), 2
ÿ , injeksi sebenarnya pada
panjang model MA. Ingatlah bahwa model AR dapat diinterpretasikan
mengalir ke reservoir, ( ), ( ), ( ) nt nt nt suara
sesuai
pengukuran
untuk mengukur
yang
, N
adalah
sebagai rata-rata pergerakan (MA) dengan panjang tak terhingga [bagi
ÿ

1 2

injeksi tarif, dan ( ), ( ), ( ) adalah i ti tt ,1 ,2 yang diukur penyebut (3) menjadi pembilangnya]. Oleh karena itu, untuk
M M
ÿ
, Saya

M ,N memperkirakan model AR dengan lebih baik, nilai l biasanya jauh lebih

besar dari 2. Oleh karena itu, model AR akan digunakan untuk
( ) ( ) mp t masing-masing
tingkat injeksi. Demikian pula p t( ) , nt dan
P
mengestimasi parameter model, sedangkan model MA akan digunakan
adalah laju produksi aktual, kebisingan pengukuran yang sesuai untuk
untuk optimasi.
mengukur laju produksi, dan laju produksi terukur. Laju produksi saluran
C
( ) j pt adalah laju yang dihasilkan oleh injektor j, yang
menyatakan C.Faktor Alokasi [3-4]
besarnya laju produksi di p t( ) yang disebabkan oleh injektor j. ( ) Dari sudut pandang pemodelan sistematis, ketika kita melakukan
transformasi z terbalik pada model reservoir pada (1), hubungan antara
laju produksi fluida dan laju injeksi air pada injektor dapat dirumuskan
C
Misalkan P z( ), Pz j , dan ( Saya
) z menjadi transformasi z dari
J sebagai:
laju produksi, laju produksi saluran yang dihasilkan oleh injektor j, dan
th
laju injeksi j penyuntik; Dan ( )JHz N N Lj

menjadi respon impuls reservoir antara j

th
injektor dan ( ) = = ÿPÿÿ
hal j n( ÿ
C
) iIjj ni
() ( h ) (4)
produser. Seperti digambarkan pada Gambar 2, model reservoir kemudian J= 1 Ji= =11
dapat dirumuskan sebagai,
Seperti yang kita ketahui, di lapangan, teknisi di lapangan mengubah
N N kecepatan injeksi Ini
( j- jarang,
) biasanya memegangnya
Pz() = P Cz H zI z
= ÿ ÿj jj () () () (1)
konstan pada tingkat injeksi target, dapat . Akibatnya, (4)
saya j
J= 1 J= 1
disederhanakan menjadi
B. Model Saluran Injektor-Produser untuk Setiap Subsistem
Machine Translated by Google

SPE 157996 3

N N Lj ÿ ÿ dimana N adalah jumlah total sumur injeksi.

() = ÿ ÿÿhal =
C
hal () jjhai () 2) Tingkat injeksi Minimum dan Maksimum. Injeksi
(5)
ÿ

aku
j ji= 1 11 =
ÿÿÿ
=
ÿÿ
minimum adalah untuk memastikan bahwa tekanan
reservoir lebih tinggi dari tekanan titik gelembung;
th sedangkan laju injeksi maksimum adalah untuk
Faktor alokasi, AFj , dari j injektor ke
memastikan bahwa injeksi tidak merusak lubang
produsen kemudian didefinisikan sebagai sumur atau merusak sumur dll. Kendala ini dapat dirumuskan

ÿ Lj ÿ - 1
(I II)ÿ ÿ menit
j jj () maks
(11)
ÿ _ zj
AF
j
=
ÿ hai()H z (=)| j jz ÿ

=1
=
(1
- ÿ z
- 12
)
|z = 1 (6) dimana ( )min j dan ( )maks j adalah minimum dan
SAYA SAYA

=1 ÿÿ J th
ÿÿÿ
laju injeksi maksimum untuk j
Saya

injeksi dengan baik.

th
3) Tingkat produksi maksimum bagi seorang produsen.
yang menunjukkan seberapa besar laju injeksi dari j Batasan ini ditetapkan untuk memastikan bahwa total laju
injektor akan berdampak pada produksi fluida di produsen. Total produksi tidak akan melebihi kapasitas fasilitas yang
produksi fluida pada (5) dapat disederhanakan menjadi diperbolehkan di fasilitas permukaan. Kendala ini dapat dirumusk
N N sebagai:
C

() = = ÿPn
hal ÿJ
() saya
jj AF (7) N
= J 1 J= 1 pnk (_ ) =ÿ ÿSaya
j kj AF
, hal k
( )maks (12)
Dapat dilihat dari (3) dan (6) bahwa area di bawah setiap respon J= 1
impuls diskrit telah digunakan untuk mengevaluasi faktor alokasi
dimana ( )maks k adalah kapasitas maksimum dari
untuk setiap injektor; oleh karena itu, semakin luas wilayahnya,
semakin besar dampak injektor terhadap produsen. p fasilitas permukaan, seperti pompa batang.

Seperti yang dijelaskan pada [3-4], parameternya tidak diketahui ÿ Dan 4) Tingkat produksi maksimum untuk pengaturan pengukur.
J
Batasan ini mirip dengan tingkat produksi maksimum bagi
ÿ J diperkirakan dari EKF, dan faktor alokasi dari masing-masing seorang produsen. Kami tidak boleh membiarkan total laju
injektor ke produsen kemudian dihitung dengan (6) menggunakan produksi untuk pengaturan pengukur melebihi kapasitas
parameter estimasi. Baik parameter j yang Dan ÿ maksimumnya. Mari kita asumsikan bahwa pengaturan alat
J tidak diketahui maupun
ÿ

ukur dihubungkan oleh K produsen, batasan ini kemudian

faktor alokasinya bervariasi terhadap waktu. dapat dirumuskan sebagai:
K buku
D.Optimasi
Menurut (7), produksi minyak dari k
th ÿ ÿÿ =pnk(_) j kj ,
ÿ
Saya AF GS
( )maks (13)
k=1 kj = =11

produsen, Oilk , dan total produksi minyak dari sumur M ,

dimana ( ) fasilitas adalah kapasitas maksimum dari
Minyak
, dapat dirumuskan sebagai
pengaturan pengukur permukaan GS maks .

N
= S pn S( ) Menggabungkan semua kendala tersebut, optimasi
k ( ) k k = ÿ ( )k
Minyak Hai Hai
saya AF
j kj ,
(8)
masalah kemudian digambarkan
J =1
Dan I untuk semua injektor;
sebagai: a) Variabel tidak diketahui:
J
M MN
b) Fungsi tujuan: memaksimalkan total produksi minyak,
Minyak = Minyak
= ÿ ÿÿ k(9) (S)o jj k saya AF
ÿ M N ÿ
= 1 11 = =
kkj yaitu, Minyak ) = Maksÿ ÿSI; AF
( Maks ()
ÿ

o jj k
ÿ

ÿ k=1 J= 1 ÿ
S adalah potongan minyak untuk kth produsen.
Masing-masing, di mana ( ) oke c) Kendala:
N
Mengingat pendahuluan, produksi minyak di ladang
waterflood dibatasi oleh kombinasi kondisi reservoir, jaringan ÿ IIÿ J Total (10)
pipa yang mengalir, dan fasilitas permukaan. Kendala yang J =1
umum terjadi di lapangan adalah:
1) Total air yang tersedia untuk injeksi. Jumlah seluruhnya
(I II)ÿ ÿ menit
j jj () maks
(11)

air yang tersedia untuk injeksi ke ladang biasanya N

ditentukan oleh strategi tingkat lapangan, dengan mempertimbangkan banyak pnk (_ ) =ÿ ÿSaya
j kj
AF
,
halk
( )maks
(12)
permasalahan penting, seperti penurunan permukaan tanah, dan penurunan permukaan tanah J= 1
OPEX untuk pembelian air bersih dll. Kendala ini dapat K buku
dirumuskan sebagai: ÿ ÿÿ =pnk(_) j kj ,
ÿ
Saya AF GS
( )maks (13)
N k=1 kj = =11

ÿ IIÿ J Total (10)

J =1 Biasanya potongan minyak untuk sumur produksi tidak akan berubah
Machine Translated by Google

4 SPE 157996

S konstan pada a kurva penurunan selama 6 bulan dan 2 bulan data produksi minyak
Sangat cepat; maka kami menganggap ( ) oke
historis telah dihitung. Hasil uji coba selama 3 bulan menunjukkan bahwa
periode singkat. Karena fungsi tujuan dan batasannya semuanya linier,
produksi minyak yang dioptimalkan sangat sesuai dengan kurva
maka permasalahan ini kemudian menjadi masalah optimasi linier dalam
penurunan selama 6 bulan dengan total injeksi air harian sekitar 22%
batasan. Oleh karena itu, program
lebih sedikit; dan kenaikan sekitar 2% dibandingkan kurva penurunan
linier diadopsi untuk memecahkan masalah ini.
dalam sejarah 2 bulan, selain total injeksi air harian yang berkurang
sekitar 22%. Semua hasil menunjukkan bahwa metode sistematis ini
AKU AKU AKU. Tes pilot
dapat memberikan cara untuk mengoptimalkan tingkat target injeksi air.
Pekerjaan ini telah diujicobakan di ladang minyak Chevron mulai
tanggal 09/03/2009. Sekelompok 46 injektor, 23 injektor zona dangkal
dan 23 injektor zona dalam, telah dipilih dengan cermat oleh para insinyur Tata nama
di lokasi. Mengingat masalah batasan, hanya 12 produsen yang dikelilingi EKF = Filter Kalman yang Diperluas
oleh 46 injektor tersebut yang dipilih untuk mengamati kinerja produksi. AF = Faktor Alokasi
AR = Model Auto-regresif
Faktor alokasi antara penyuntik dan produsen diperkirakan oleh
MA = Model Rata-Rata Bergerak
EKF menggunakan data historis produksi selama 1 tahun. Berdasarkan
N = 1,, ÿ j
kondisi reservoir dan fasilitas permukaan, total air yang tersedia untuk : Indeks injektor
injeksi, laju injeksi minimum dan maksimum, laju produksi maksimum itu saja2
1 ( ), ( ),
ÿ
, () : Tarif Injeksi Aktual
N
untuk semua produsen, dan laju produksi maksimum untuk semua tidak tidak tidak , ( ) : Pengukuran Kebisingan Laju Injeksi
1 ( ), ( ),
ÿ

2 N
pengaturan alat ukur dihitung. Semua data ini akan dimasukkan ke
penting
,1 m
( ), ( ),
m ,2itu
ÿ
, Saya

M ,N ( T) : Tarif Injeksi Terukur

dalam pengoptimal untuk menghasilkan tingkat target injeksi optimal
untuk area percontohan ini selama periode pengujian. Tingkat target p t( ) : Laju Produksi Aktual
injeksi optimal ini kemudian dikirim ke teknisi di lokasi untuk kontrol nt :(Pengukuran
) Kebisingan Laju Produksi
P
injeksi harian mereka.
( ) mp t : Laju Produksi Terukur
C
Kontrol target injeksi digambarkan pada Gambar 5; laju produksi j pt (: Laju
) Produksi Saluran Akibat Injektor j
cairan total dan laju produksi minyak total digambarkan pada Gambar 6;
T: Periode sampel
dan analisis kurva penurunan 2 bulan untuk total laju produksi minyak
n: Indeks langkah waktu diskrit
masing-masing digambarkan pada Gambar 7-8.
Kami mengamati
h t( ) : Model saluran

bahwa: 1) dari Gambar 5, kontrol injeksi baik selama periode H z( ) : z-transformasi model saluran h t( )
pengujian. Sebelum uji coba, yaitu pada 03/09/2009, rata-rata P z( ): z-transformasi total laju produksi p t( )
total laju injeksi sebenarnya adalah sekitar 9000 bbl per hari, dia
I z(: )z-transformasi laju injeksi ( )
Saya Saya

sedangkan setelah uji coba, angka ini menjadi sekitar 7000

bbl per hari. Pada sekitar 7% injektor, laju injeksi sebenarnya
P z( ) (: )z-transformasi
C
j pt laju produksi saluran ke-j
C

berbeda lebih dari 10% dari laju injeksi target;
2) dari Gambar 6, total produksi minyak setelah 3/9/2009 sangat
sesuai dengan kurva penurunan 6 bulan
(ditentukan oleh data historis dari 3/3/2009 hingga 3/9/2009).
Artinya, total produksi minyak yang dioptimalkan sangat sesuai
dengan kurva penurunan dalam sejarah 6 bulan, yaitu sekitar
22% lebih sedikit total injeksi air harian;
3) dari Gambar 7-8, kurva penurunan dihasilkan untuk data sejarah
2 bulan terakhir (yaitu, 3/7/2009 hingga 3/9/2009). Dibandingkan
dengan kurva penurunan tersebut, kita sebenarnya bisa
melihat sekitar 2% total peningkatan produksi minyak dengan
22% lebih sedikit total injeksi air harian;
ja dan b: dua parameter model saluran kontinu
ÿ Dan ÿ : dua parameter model saluran diskrit
J J
Referensi
[1] Albertoni, A. dan Lake, LW Menyimpulkan Konektivitas Antarsumur Hanya
Dari Fluktuasi Kecepatan Baik dalam Banjir Air. Evaluasi Res SPE & Bahasa
Inggris 6 (1): 6–16. SPE-83381-PA, 2003
[2] X. Liang, DB Weber, TF Edgar, LW Lake, M. Sayarpour, A. AI-Yousef,
“Optimasi Produksi Minyak Berdasarkan Model Kapasitansi Produksi dan
Laju Injeksi”, Simposium Ekonomi dan Evaluasi Hidrokarbon SPE 2007 ,
Dallas, Texas, AS, 2007 (SPE 107713)
[3] Feilong Liu, Jerry Mendel dan Amir Mohammad Nejad, “Memperkirakan
Hubungan Injektor/Produser Dari Laju Produksi dan Injeksi Menggunakan
Extended Kalman Filter”, Jurnal SPE (Desember 2009), 653-664 (SPE-110520).

4) kedua analisis menunjukkan manfaat dari pekerjaan ini, yaitu [4] Feilong Liu, “Pemrosesan Sinyal Cerdas untuk pengelolaan Banjir Air
mengurangi biaya OPEX karena jumlah penyuntikan air yang Ladang Minyak”, Tesis Ph.D, Universitas Southern California, 2008
lebih sedikit, atau meningkatkan produksi dan memangkas biaya.

IV. Kesimpulan
Makalah ini telah menyajikan metode sistematis, menggunakan
program linier, untuk mengoptimalkan laju target injeksi air.

Pekerjaan ini telah diuji di ladang minyak Chevron, dan

Machine Translated by Google

SPE 157996 5

Hai
j()
itu ()
1 ht1 ( )
C
( 1) hal
tidak ( ) ÿ mi,1(
t )
1

C
( ) tidak
itu () ( )2 hal P
2 ht2 ( )
hal ( ) ( ) mp t

tidak ( )
2 ÿ
Saya

M ,2
()t
ÿ ÿ

ÿ C
()
N poin
Saya

( ) Tidak
( ) Tidak
Gambar 4: Respon impuls sampel ( ) hi (titik
padat
J mewakili

aku, N ( t)
sampel bukan nol).
tidak
N () ÿ

Gambar 1: Model Reservior untuk reservoir dengan N injektor

dan satu produser.

1Saya z( ) H 1z( )
C
hal( ) 1

C
saya z( ) H 2z( ) hal( ) 2
2

ÿ P z( )

ÿ
Gambar 5: Perubahan langkah laju injeksi total, dan jumlah
PNCz( ) injektor dalam ±10%, <-10% dan >+10% dari target.
( ) Tidak z ( )NHz

Gambar 2: Model Reservoir di z-Transform Domain.

Gambar 6: Total produksi minyak dan cairan sebelum dan

sesudah uji coba pada 03/09/2009, dan kurva penurunan
linier dan eksponensial dari total produksi minyak historis
dalam 6 bulan terakhir.
Gambar 3: Salah satu contoh respon impuls antara injektor
dan produser.
Machine Translated by Google

6 SPE 157996

Kurva Penurunan dan prediksinya terhadap total produksi minyak

600

550

500

450
ku
ish ad ou
n
lym irM
PJ

400

Prd Minyak Sebenarnya

350 Hiperbolis
Eksponensial
Linier

300
01/01/09 04/01/09 07/01/09 10/01/09 01/01/10
Tanggal

Gambar 7: Total produksi minyak sebelum dan sesudah uji

coba pada 03/09/2009, dan kurva penurunan linier dan
eksponensial dari total produksi minyak historis dalam 2
bulan terakhir.

Gambar 8: Total produksi minyak sebelum dan sesudah uji

coba pada 03/09/2009, dan kurva penurunan linier dan
eksponensial dari total produksi minyak historis dalam 2
bulan terakhir.