Luận văn thạc sĩ hệ thống thông tin quản lý ứng dụng mạng nơron nhân tạo nhằm nâng cao độ chính xác trong việc phân bổ lại sản lượng các giếng trong mỏ samarang malaysia

Luận văn thạc sĩ nghiên cứu ứng dụng mạng nơron nhân tạo để nâng cao độ chính xác phân bổ sản lượng giếng tại mỏ Samarang, Malaysia.

• Tác giả: Phan Thị Kim Dung
• Người hướng dẫn: Tiến sĩ Phạm Quốc Trung
• Trường học: Đại học Quốc gia Thành phố Hồ Chí Minh - Trường Đại học Bách Khoa
• Chuyên ngành: Hệ thống thông tin quản lý
• Đề tài: Ứng dụng mạng nơron nhân tạo nhằm nâng cao độ chính xác trong việc phân bổ lại sản lượng các giếng trong mỏ Samarang, Malaysia
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu công tác phân bổ lại sản lượng khai thác
• 1.2. Những khó khăn trong công tác phân bổ lại sản lượng khai thác
• 1.3. Các nghiên cứu liên quan
• 1.4. Vì sao dùng phương pháp mạng nơ-ron
• 1.5. Quy trình nghiên cứu
• 2. CHƯƠNG 2: CÁC KHÁI NIỆM CƠ BẢN VÀ CƠ SỞ LÝ THUYẾT
• 2.1. Các khái niệm trong lĩnh vực dầu khí
• 2.1.1. Mỏ dầu/khí
• 2.1.2. Giếng dầu / khí
• 2.1.3. Mạng lưới thu gom và xử lý khai thác
• 2.1.4. Công tác kiểm tra giếng (Well Test)
• 2.2. Lý thuyết mạng nơ-ron nhân tạo
• 2.2.1. Các phương pháp huấn luyện mạng
• 2.2.2. Các kiểu mô hình mạng nơ-ron
• 2.2.3. Mạng nơ-ron lan truyền ngược
• 2.2.4. Phương pháp cập nhật trọng số
• 2.2.5. Tiêu chuẩn đánh giá
• 2.2.6. Các bước xây dựng mạng nơ-ron
• 3. CHƯƠNG 3: XÂY DỰNG MẠNG NƠ-RON ĐỂ DỰ BÁO SẢN LƯỢNG KHAI THÁC
• 3.1. Tổng quan về mỏ Samarang
• 3.1.1. Vị trí địa lí và lịch sử khu mỏ
• 3.1.2. Giới thiệu về mạng lưới giếng nghiên cứu
• 3.1.3. Công tác phân bổ lại sản lượng khai thác hiện nay
• 3.2. Kiến trúc mạng nơ-ron đề xuất
• 3.3. Chuẩn bị dữ liệu
• 3.3.1. Giới thiệu tập dữ liệu
• 3.3.2. Lựa chọn đầu vào dữ liệu
• 3.3.3. Tiền xử lí dữ liệu
• 3.3.4. Phân hoạch tập dữ liệu
• 3.4. Xác định các tham số và huấn luyện mạng nơ-ron
• 3.4.1. Chọn hàm truyền
• 3.4.2. Tiêu chuẩn đánh giá
• 3.4.3. Xác định số nơ-ron tầng ẩn và phương pháp cập nhật trọng số
• 3.4.4. Xác định mô hình mạng nơ-ron phù hợp
• 4. CHƯƠNG 4: ỨNG DỤNG, TÍNH TOÁN VÀ PHÂN TÍCH
• 4.1. Dự báo sản lượng khai thác và so sánh với phương pháp hiện tại
• 4.1.1. Dự báo sản lượng khai thác bằng mạng nơ-ron
• 4.1.2. So sánh giá trị ước lượng của mạng nơ-ron và phương pháp hiện nay
• 4.2. Phân bổ sản lượng cho mô hình giếng đơn
• 4.2.1. Phương pháp phân bổ sản lượng bằng kiểm tra giếng
• 4.2.2. Phương pháp phân bổ sản lượng dùng mạng nơ-ron
• 4.2.3. So sánh phân bổ sản lượng bằng kiểm tra giếng và mạng nơ-ron
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Tóm tắt kết quả nghiên cứu
• 5.2. Những đóng góp của luận văn
• 5.3. Những hạn chế và kiến nghị
• 5.4. Hướng nghiên cứu
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu và bối cảnh nghiên cứu

Nghiên cứu tập trung vào việc ứng dụng mạng nơron nhân tạo để nâng cao độ chính xác trong phân bổ sản lượng các giếng mỏ tại Samarang, Malaysia. Vấn đề chính là việc đo lường lưu lượng khai thác tại từng giếng thường không thực hiện được do chi phí cao, dẫn đến việc sử dụng phương pháp phân bổ lại sản lượng dựa trên dữ liệu tổng hợp. Tuy nhiên, phương pháp này có độ chính xác thấp và không kịp thời. Mạng nơron nhân tạo được đề xuất như một giải pháp hiệu quả để xây dựng mối quan hệ phi tuyến giữa các thông số khai thác và lưu lượng, từ đó cải thiện độ chính xác và tốc độ tính toán.

1.1. Khó khăn trong phân bổ sản lượng

Việc phân bổ sản lượng hiện tại dựa trên dữ liệu kiểm tra giếng hàng tháng, dẫn đến độ trễ trong việc cập nhật thông tin. Các thông số khai thác như áp suất vỉa, tỉ lệ khí-dầu, và độ ngập nước có mối quan hệ phức tạp, khó mô hình hóa bằng phương pháp truyền thống. Điều này gây khó khăn cho việc tối ưu hóa sản xuất và dự đoán sản lượng chính xác.

1.2. Lý do chọn mạng nơron nhân tạo

Mạng nơron nhân tạo được chọn do khả năng xử lý các mối quan hệ phi tuyến và tự cải thiện chất lượng dự đoán qua quá trình huấn luyện. Phương pháp này giúp loại bỏ giả định lưu lượng không đổi giữa các lần kiểm tra, cho phép tính toán lưu lượng hàng ngày dựa trên các thông số thay đổi liên tục.

II. Phương pháp nghiên cứu và dữ liệu

Nghiên cứu sử dụng dữ liệu từ mỏ Samarang trong giai đoạn từ tháng 9/2013 đến tháng 3/2014. Dữ liệu bao gồm các báo cáo khai thác, kiểm tra giếng, và thông số hoạt động của giếng. Phân tích dữ liệu được thực hiện để chọn các biến đầu vào ảnh hưởng nhất đến lưu lượng khai thác. Mạng nơron được thiết kế với kiến trúc truyền thẳng và huấn luyện bằng thuật toán lan truyền ngược.

2.1. Thu thập và tiền xử lý dữ liệu

Dữ liệu được thu thập từ các báo cáo khai thác và cơ sở dữ liệu vận hành. Các bước tiền xử lý dữ liệu bao gồm làm sạch, chuẩn hóa, và phân hoạch tập dữ liệu thành tập huấn luyện và kiểm tra. Các biến đầu vào được chọn dựa trên mức độ ảnh hưởng đến lưu lượng khai thác.

2.2. Thiết kế và huấn luyện mạng nơron

Mạng nơron được thiết kế với các tầng ẩn và hàm truyền phù hợp. Quá trình huấn luyện sử dụng thuật toán lan truyền ngược để cập nhật trọng số. Các tiêu chuẩn đánh giá như sai số bình phương trung bình (RMSE) được sử dụng để đánh giá hiệu suất của mạng.

III. Kết quả và đánh giá

Kết quả nghiên cứu cho thấy mạng nơron đạt độ chính xác cao hơn so với phương pháp truyền thống trong việc dự đoán sản lượng. Các giá trị lưu lượng dự đoán gần sát với dữ liệu thực tế, giúp cải thiện đáng kể công tác phân bổ sản lượng. Nghiên cứu cũng chỉ ra rằng việc sử dụng mạng nơron giúp giảm thời gian tính toán và nâng cao hiệu quả quản lý giếng.

3.1. So sánh kết quả dự đoán

Kết quả dự đoán của mạng nơron được so sánh với phương pháp kiểm tra giếng truyền thống. Sai số của mạng nơron thấp hơn đáng kể, đặc biệt trong việc dự đoán lưu lượng khí, dầu, và nước. Điều này chứng minh hiệu quả của mạng nơron trong việc xử lý các mối quan hệ phi tuyến.

3.2. Ứng dụng thực tiễn

Nghiên cứu đã chứng minh rằng mạng nơron có thể được áp dụng rộng rãi trong việc tối ưu hóa sản xuất tại các mỏ dầu khí. Phương pháp này giúp các kỹ sư vận hành nắm bắt tình trạng giếng một cách kịp thời và chính xác, từ đó đưa ra các quyết định cải thiện sản lượng hiệu quả.

IV. Kết luận và hướng phát triển

Nghiên cứu đã thành công trong việc ứng dụng mạng nơron nhân tạo để nâng cao độ chính xác trong phân bổ sản lượng tại mỏ Samarang, Malaysia. Kết quả cho thấy phương pháp này không chỉ cải thiện độ chính xác mà còn giảm thời gian tính toán, hỗ trợ hiệu quả cho công tác quản lý giếng. Hướng phát triển trong tương lai bao gồm mở rộng ứng dụng cho các mỏ khác và tích hợp thêm các công nghệ tiên tiến như học sâu để nâng cao hiệu suất.

4.1. Đóng góp của nghiên cứu

Nghiên cứu đã đóng góp một giải pháp hiệu quả cho bài toán phân bổ sản lượng trong ngành dầu khí. Việc sử dụng mạng nơron không chỉ nâng cao độ chính xác mà còn giúp giảm chi phí và thời gian tính toán, mang lại lợi ích kinh tế đáng kể.

4.2. Hướng phát triển tương lai

Trong tương lai, nghiên cứu có thể mở rộng bằng cách tích hợp thêm các công nghệ như học sâu và Internet of Things (IoT) để tự động hóa quá trình thu thập và xử lý dữ liệu. Điều này sẽ giúp nâng cao hiệu quả và độ chính xác của các mô hình dự đoán.

Nội dung chính

Tổng quan nghiên cứu

Trong ngành công nghiệp dầu khí, việc quản lý và phân bổ chính xác sản lượng khai thác của từng giếng là một thách thức lớn do chi phí lắp đặt đồng hồ đo lưu lượng tại từng giếng rất cao. Tại mỏ Samarang, Malaysia, với khoảng 70 giếng khai thác, công tác kiểm tra giếng (well test) chỉ được thực hiện trung bình một lần mỗi tháng cho mỗi giếng, gây ra sự thiếu hụt dữ liệu cập nhật hàng ngày. Điều này làm giảm độ chính xác trong việc phân bổ lại sản lượng khai thác, ảnh hưởng đến hiệu quả vận hành và dự báo sản lượng của mỏ. Mục tiêu nghiên cứu là ứng dụng mạng nơ-ron nhân tạo để xây dựng mô hình phi tuyến dự báo lưu lượng khai thác hàng ngày cho từng giếng, từ đó nâng cao độ chính xác trong phân bổ lại sản lượng so với phương pháp truyền thống dựa trên dữ liệu kiểm tra giếng hàng tháng.

Phạm vi nghiên cứu tập trung vào khu vực giàn SMDP-B của mỏ Samarang trong giai đoạn từ tháng 9/2013 đến tháng 3/2014. Nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ kỹ sư vận hành nắm bắt biểu hiện khai thác chi tiết và kịp thời, giúp giảm thiểu thời gian giếng không hoạt động và duy trì sản lượng khai thác ổn định. Qua đó, đề tài góp phần nâng cao hiệu quả quản lý khai thác, giảm chi phí vận hành và tăng khả năng dự báo sản lượng cho mỏ dầu khí ngoài khơi.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: công tác phân bổ lại sản lượng khai thác trong ngành dầu khí và mạng nơ-ron nhân tạo (Artificial Neural Network - ANN).

• Phân bổ lại sản lượng khai thác: Đây là quá trình ước lượng lưu lượng khai thác của từng giếng dựa trên tổng lưu lượng đo được tại hệ thống xử lý trung tâm và các số liệu kiểm tra giếng định kỳ. Do chi phí lắp đặt đồng hồ đo lưu lượng riêng biệt cho từng giếng rất cao, kỹ sư vận hành phải dựa vào dữ liệu kiểm tra giếng hàng tháng để phân bổ lại sản lượng, tuy nhiên phương pháp này có độ trễ và sai số lớn do tính phi tuyến và phức tạp của các thông số vận hành.

• Mạng nơ-ron nhân tạo: Mạng nơ-ron truyền thẳng với thuật toán huấn luyện lan truyền ngược (back-propagation) được sử dụng để mô hình hóa mối quan hệ phi tuyến giữa các thông số vận hành (áp suất vỉa, chỉ số khai thác, lưu lượng khí bơm ép, tỉ số khí dầu, độ ngập nước) và lưu lượng khai thác. Mạng nơ-ron có khả năng học từ dữ liệu thực tế, chịu lỗi tốt khi dữ liệu không hoàn hảo và tự cải thiện kết quả trong quá trình sử dụng.

Các khái niệm chuyên ngành được áp dụng bao gồm: giếng dầu/khí, mạng lưới thu gom và xử lý khai thác, công tác kiểm tra giếng (well test), hàm lỗi RMS (Root Mean Squared error) để đánh giá mô hình, và các thuật toán huấn luyện mạng nơ-ron.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thu thập dữ liệu thứ cấp từ các báo cáo vận hành và kiểm tra giếng của khu vực giàn SMDP-B trong khoảng thời gian 6 tháng (từ 9/2013 đến 3/2014), với tổng số mẫu dữ liệu lên đến khoảng 20.419 mẫu, mỗi giếng có từ 2.000 đến 4.500 mẫu. Ngoài ra, 180 mẫu dữ liệu từ đồng hồ đo thiết bị khai thác cũng được thu thập để bổ sung.

Phương pháp phân tích chính là xây dựng và huấn luyện mạng nơ-ron truyền thẳng với thuật toán lan truyền ngược, sử dụng phần mềm Qwiknet. Các bước thực hiện bao gồm: lựa chọn các biến đầu vào có ảnh hưởng lớn đến lưu lượng khai thác dựa trên khảo sát ý kiến chuyên gia, tiền xử lý dữ liệu, phân chia tập dữ liệu huấn luyện và kiểm tra, xác định kiến trúc mạng (số nơ-ron tầng ẩn, hàm truyền), huấn luyện mạng với tối đa 10.000 vòng lặp và đánh giá sai số RMS.

Quy trình nghiên cứu được thực hiện tuần tự: thu thập dữ liệu → khảo sát thông số ảnh hưởng → xây dựng và huấn luyện mạng nơ-ron → dự báo sản lượng khai thác hàng ngày → phân bổ lại sản lượng theo phương pháp mạng nơ-ron → so sánh với phương pháp hiện tại → phân tích và đề xuất.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác dự báo lưu lượng khai thác: Mạng nơ-ron nhân tạo cho kết quả dự báo lưu lượng khí, dầu và nước của từng giếng có sai số RMS thấp hơn đáng kể so với phương pháp phân bổ dựa trên kiểm tra giếng truyền thống. Cụ thể, sai số RMS giảm khoảng 15-20% cho lưu lượng dầu và khí, giúp nâng cao độ tin cậy trong việc theo dõi hoạt động giếng hàng ngày.

2. Tần suất cập nhật dữ liệu: Phương pháp mạng nơ-ron cho phép dự báo lưu lượng khai thác hàng ngày dựa trên các thông số vận hành liên tục, thay vì chỉ cập nhật một lần mỗi tháng như phương pháp hiện tại. Điều này giúp kỹ sư vận hành có thể theo dõi và điều chỉnh kịp thời, giảm thiểu rủi ro giếng không hoạt động.

3. Phân bổ lại sản lượng chính xác hơn: So sánh kết quả phân bổ lại sản lượng giữa hai phương pháp cho thấy phương pháp mạng nơ-ron có độ lệch thấp hơn khoảng 10-12% so với phương pháp kiểm tra giếng, đặc biệt trong các giếng có biến động lưu lượng lớn giữa các lần kiểm tra.

4. Khả năng mô hình hóa phi tuyến: Mạng nơ-ron đã thành công trong việc xây dựng mối quan hệ phi tuyến phức tạp giữa các thông số vận hành và lưu lượng khai thác, điều mà các mô hình toán học truyền thống khó có thể thực hiện chính xác.

Thảo luận kết quả

Nguyên nhân chính giúp mạng nơ-ron đạt được kết quả tốt hơn là khả năng học từ dữ liệu thực tế và mô hình hóa các mối quan hệ phi tuyến giữa các biến đầu vào và đầu ra. Việc sử dụng dữ liệu vận hành hàng ngày giúp loại bỏ giả định lưu lượng không đổi giữa các lần kiểm tra giếng, vốn là hạn chế lớn của phương pháp truyền thống.

So với các nghiên cứu trước đây, phương pháp mạng nơ-ron không yêu cầu lắp đặt thêm thiết bị đo đạc phức tạp và tốn kém, đồng thời giảm thiểu thời gian và công sức cập nhật mô hình liên tục. Kết quả nghiên cứu có thể được trình bày qua biểu đồ so sánh sai số RMS giữa hai phương pháp và bảng phân bổ lưu lượng chi tiết cho từng giếng, giúp minh họa rõ ràng sự cải thiện về độ chính xác.

Ý nghĩa của kết quả này là rất lớn đối với công tác vận hành mỏ dầu khí, giúp nâng cao hiệu quả khai thác, giảm thiểu thời gian giếng không hoạt động và hỗ trợ kỹ sư đưa ra quyết định nhanh chóng dựa trên dữ liệu cập nhật liên tục.

Đề xuất và khuyến nghị

1. Triển khai áp dụng mạng nơ-ron trong hệ thống quản lý khai thác: Đề nghị các công ty dầu khí tích hợp mô hình mạng nơ-ron vào hệ thống giám sát vận hành để dự báo lưu lượng khai thác hàng ngày, nâng cao độ chính xác phân bổ sản lượng. Thời gian thực hiện trong vòng 6 tháng, do bộ phận kỹ thuật và vận hành phối hợp.

2. Đào tạo kỹ sư vận hành về công nghệ mạng nơ-ron: Tổ chức các khóa đào tạo chuyên sâu về mạng nơ-ron và ứng dụng trí tuệ nhân tạo trong khai thác dầu khí nhằm nâng cao năng lực chuyên môn cho đội ngũ kỹ sư. Mục tiêu đạt được trong 3 tháng đầu sau khi triển khai mô hình.

3. Cập nhật và mở rộng dữ liệu vận hành: Khuyến khích thu thập dữ liệu vận hành chi tiết và liên tục hơn, bao gồm các thông số áp suất, nhiệt độ, lưu lượng khí bơm ép để cải thiện chất lượng dữ liệu đầu vào cho mô hình mạng nơ-ron. Thực hiện liên tục và đánh giá định kỳ hàng quý.

4. Nghiên cứu phát triển mô hình mạng nơ-ron đa giếng: Tiếp tục nghiên cứu mở rộng mô hình mạng nơ-ron cho toàn bộ mạng lưới giếng trong mỏ, nhằm mô phỏng tương tác giữa các giếng và nâng cao độ chính xác dự báo tổng thể. Thời gian nghiên cứu dự kiến 12 tháng, do phòng nghiên cứu và phát triển thực hiện.

Đối tượng nên tham khảo luận văn

1. Kỹ sư vận hành mỏ dầu khí: Giúp hiểu rõ phương pháp dự báo lưu lượng khai thác hàng ngày, nâng cao khả năng giám sát và điều chỉnh hoạt động giếng kịp thời, giảm thiểu rủi ro vận hành.

2. Nhà quản lý khai thác và hoạch định chiến lược: Cung cấp công cụ phân tích chính xác hơn để dự báo sản lượng, từ đó xây dựng kế hoạch khai thác và đầu tư hiệu quả hơn.

3. Chuyên gia công nghệ thông tin trong ngành dầu khí: Tham khảo cách ứng dụng mạng nơ-ron nhân tạo trong xử lý dữ liệu vận hành phức tạp, phát triển các giải pháp trí tuệ nhân tạo phù hợp với ngành.

4. Nhà nghiên cứu và sinh viên chuyên ngành hệ thống thông tin quản lý, trí tuệ nhân tạo: Tài liệu tham khảo thực tiễn về ứng dụng mạng nơ-ron trong lĩnh vực dầu khí, giúp mở rộng kiến thức và phát triển các nghiên cứu tiếp theo.

Câu hỏi thường gặp

1. Mạng nơ-ron nhân tạo là gì và tại sao được chọn cho bài toán này?
   Mạng nơ-ron nhân tạo là mô hình tính toán mô phỏng cách hoạt động của mạng nơ-ron sinh học, có khả năng học và mô hình hóa các mối quan hệ phi tuyến phức tạp. Nó được chọn vì có thể xử lý tốt các dữ liệu vận hành đa chiều và không tuyến tính trong khai thác dầu khí, vượt trội hơn các phương pháp truyền thống.

2. Phương pháp phân bổ lại sản lượng hiện tại có hạn chế gì?
   Phương pháp hiện tại dựa trên dữ liệu kiểm tra giếng hàng tháng, gây ra độ trễ trong cập nhật lưu lượng khai thác và giả định lưu lượng không đổi giữa các lần kiểm tra, dẫn đến sai số lớn và khó phản ánh chính xác biến động thực tế của giếng.

3. Dữ liệu đầu vào cho mạng nơ-ron được chọn như thế nào?
   Dữ liệu đầu vào gồm các thông số vận hành quan trọng như áp suất vỉa, chỉ số khai thác, lưu lượng khí bơm ép, tỉ số khí dầu và độ ngập nước, được lựa chọn dựa trên khảo sát ý kiến chuyên gia và phân tích ảnh hưởng đến lưu lượng khai thác.

4. Mạng nơ-ron có thể áp dụng cho các mỏ khác không?
   Có thể, tuy nhiên cần thu thập dữ liệu vận hành đặc thù của từng mỏ và điều chỉnh mô hình phù hợp với điều kiện khai thác riêng biệt để đảm bảo độ chính xác và hiệu quả.

5. Làm thế nào để đánh giá hiệu quả của mô hình mạng nơ-ron?
   Hiệu quả được đánh giá qua sai số trung bình bình phương RMS giữa giá trị dự báo và giá trị thực tế, cũng như so sánh độ chính xác phân bổ lại sản lượng với phương pháp truyền thống. Mô hình mạng nơ-ron cho sai số thấp hơn và cập nhật dữ liệu nhanh hơn.

Kết luận

• Mạng nơ-ron nhân tạo đã được ứng dụng thành công để dự báo lưu lượng khai thác hàng ngày cho từng giếng tại mỏ Samarang, nâng cao độ chính xác phân bổ lại sản lượng so với phương pháp truyền thống.
• Phương pháp mới giúp loại bỏ giả định lưu lượng không đổi giữa các lần kiểm

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN Chương này tác giả trình bày tổng quan về công tác phân bổ lại sản lượng khai thác và các khó khăn trong việc phân bổ lại sản lượng hiện nay. Từ đó đề tài tìm hiểu về các công trình nghiên cứu liên quan, những vấn đề còn tồn tại và những vấn đề mà luận văn quan tâm. Trong chương này, tác giả giải thích vì sao lựa chọn mạng nơ-ron làm phương pháp nghiên cứu để giải quyết bài toán đặt ra và đồng thời tóm tắt quy trình nghiên cứu.1 Giới thiệu công tác phân bổ lại sản lượng khai thác a. Mục đích Trong lĩnh vực dầu khí, khi không có các đồng hồ đo tại từng đầu giếng mà chỉ có thể đo được tổng lưu lượng khai thác của một cụm giếng thì việc phân bổ lại sản lượng [2] sẽ giúp các kỹ sư biết được lưu lượng đang hoạt động của từng giếng.

Các thông tin này sẽ giúp cho kỹ sư biết được hiện trạng khai thác của giếng và đề ra các biện pháp cải thiện nếu cần thiết. Phương pháp thực hiện Công tác phân bổ lại sản lượng khai thác hiện nay thường được thực hiện vào mỗi cuối tháng do phải chờ việc kiểm tra được thực hiện hoàn tất cho tất cả các giếng trong cụm / mỏ (Well Test). Ví dụ dưới đây cho thấy một mô hình khai thác tiêu biểu cho một mỏ. Lưu lượng khai thác của giàn “B” và giàn “C” sẽ được đưa về hệ thống khai thác của giàn “A”.

Tại giàn “A”, dòng sản phẩm của “A”, “B” và “C” sẽ được đưa qua hệ thống xử lý khai thác. Cũng tại hệ thống xử lý này, tổng sản lượng khai thác của toàn mỏ sẽ được đo đạc thông qua các đồng hồ đo được lắp đặt từ trước.1: Sơ đồ mạng lưới khai thác hỗ trợ tính toán phân bổ lại sản lượng ∑ Trang 9 Trong đó: N : tổng số giếng QT : tổng lưu lượng của mỏ Ci : lưu lượng đo được của giếng thứ “i” Qi : lưu lượng ước tính của giếng thứ “i” sau khi phân bổ lại sản lượng FF : Hệ số khai thác (Field Factor) của mạng lưới Thông số Ci đo được trong quá trình kiểm tra giếng. Các kỹ sư sẽ tiến hành kiểm tra giếng trong mỏ sớm nhất có thể. Tùy theo số lượng của giếng trong mỏ, để hoàn tất và thu thập được thông số Ci cho tất cả các giếng thì các kỹ sư có thể phải thực hiện trong vòng 1 tháng hoặc nhiều hơn.2: Ví dụ về thời gian kiểm tra giếng trong tháng c.

Kết quả phân bổ lại sản lượng Khi thực hiện phân bổ lại sản lượng khai thác, các kỹ sư sẽ ước lượng được lưu lượng của từng giếng trong mỏ. Tuy nhiên, kết quả ước lượng phụ thuộc rất nhiều vào số lượng và chất lượng của công tác kiểm tra giếng (Well Test). Trang 10 o Nếu có thể thực hiện được nhiều lần kiểm tra giếng (cho một giếng trong một tháng) thì sẽ có nhiều điểm đo hơn để cập nhật công tác phân bổ. o Nếu chất lượng của kiểm tra giếng tốt (được kỹ sư chấp nhận) thì kết quả phân bổ sẽ chính xác hơn.2 Những khó khăn trong công tác phân bổ lại sản lượng khai thác Những khó khăn hiện nay trong công tác quản lý sản lượnng khai thác như sau: o Do số lượng giàn trong mỏ là khá nhiều, trong đó có những giàn không có kỹ sư thường trực (không có thiết kế chổ ở cho kỹ sư ở lại) do đó mỗi ngày kỹ sư phải lái thuyền đi đến các giàn để ghi chép số liệu.

Chính vì vậy số liệu không được cập nhật thường xuyên và phải phụ thuộc vào thời tiết để có thể lái thuyền ra giàn. Do đó, mỗi ngày chỉ có 1 số liệu được đo đại diện cho giếng hoặc thiết bị (máy nén, máy tách nước…). o Với số lượng giếng hoạt động trong mỗi khu vực mỏ thường khá nhiều (khoảng 70 giếng) thì công tác kiểm tra giếng trong toàn mỏ có thể thực hiện được trong một ngày là từ 2 đến tối đa 3 giếng. Như vậy, số liệu kiểm tra chỉ có thể cập nhật sớm nhất cho từng giếng là vào tháng tiếp theo (trung bình mỗi giếng được kiểm tra 1 lần/tháng).

Tuy nhiên, nếu như quá trình kiểm tra giếng không đạt được các tiêu chuẩn tối thiểu thì các giá trị đo sẽ không được chấp nhận và giếng phải được kiểm tra lại đến khi đạt yêu cầu. Do đó, số liệu kiểm tra đạt tiêu chuẩn có thể sẽ không được cập nhật thường Trang 11 xuyên (trong vòng 1 tháng) mà có thể chậm trễ đến 2 hoặc hơn 3 tháng. o Nhiều giếng không có đồng hồ đo do tuổi đời mỏ lâu, thiết bị cũ, nếu lắp đặt đồng hồ đo 3 pha ở đầu giếng thì rất đắt, không kinh tế. o Quản lý phức tạp do nhiều giàn và thiếu kinh nghiệm quản lí mỏ, thông tin cập nhật không đầy đủ và thông tin không được phổ biến rộng rãi giữa các bộ phận trong công ty.3 Các nghiên cứu liên quan Khảo sát các nghiên cứu gần đây cho thấy có rất ít bài viết đề cập đến vấn đề tối ưu hóa hay nâng cao chất lượng của công tác phân bổ lại sản lượng.

Tuy nhiên cũng có một vài nghiên cứu được đưa ra: Marwan Hamad, Satheesh Sudharman và Ali Al–Mutairi (2004) đã nghiên cứu sử dụng bản đồ tương quan giữa các thiết bị hoạt động trong mạng lưới khai thác để định lượng khả năng khai thác của giếng. Tuy nhiên, phương pháp này chỉ hỗ trợ thể hiện mối liên hệ giữa các thiết bị khai thác, các đồng hồ đo và sơ đồ dòng chảy nhằm mục đích kiểm tra chất lượng phân bổ lại sản lượng chứ không trực tiếp đề xuất giải pháp cụ thể dạng mô hình hoặc công thức tính toán. Tùy theo từng đối tượng sử dụng bản đồ mối liên hệ này mà kết quả phân bổ lại sản lượng cuối cùng có thể khác nhau. Chorneyko (2006) đã đề xuất sử dụng đồng hồ đo áp suất lắp đặt dưới đáy giếng và sử dụng một mô hình vỉa dầu đơn giản để ước lượng lưu lượng khai thác khi áp suất ở đáy giếng thay đổi.

Phương pháp này đòi hỏi phải lắp đặt thêm thiết bị đo ở đáy giếng. Để thực hiện được điều này cho một giếng đang khai thác thì phải tiến hành dập giếng (ngưng toàn bộ khai thác của giếng, ngăn không cho dòng khai thác tiếp tục Trang 12 chảy vào đáy giếng). Điều này khá mạo hiểm và tốn kém vì có thể dẫn đến việc giếng không thể tiếp tục hoạt động trở lại sau khi hoàn tất quá trình lắp đặt đồng hồ đo dưới đáy giếng. Mô hình được sử dụng là một dạng đơn giản hóa của mô hình vỉa dầu để khảo sát hoạt động của một giếng đơn lẻ, chưa thể đánh giá được sự ảnh hưởng khi hoạt động chung với các giếng khác trong mạng lưới.

Leonidas Kappos, Michael J. Economides và Roberto Buscaglia (2011) đã thực hiện việc tính toán phân bổ lại sản lượng dựa trên mô hình mạng lưới giếng khai thác. Các tác giả đã mô phỏng lại mạng lưới giếng khai thác bằng phần mềm và thực hiện nhiều thay đổi trên các thông số của mô hình để cố gắng đưa kết quả cuối cùng gần đúng với số liệu đo thực tế. Phương pháp này không thành công khi chương trình mô phỏng không hội tụ do nhiều nguyên nhân.

Đồng thời, các phương trình dòng chảy sử dụng trong mô hình là các mô hình thực nghiệm dựa trên thông số của các khu vực khác nên không thể khẳng định được kết quả hoàn toàn chính xác, chỉ có thể mang tính chất ước lượng. Số liệu hoạt động khai thác thay đổi liên tục cần phải được cập nhật và tinh chỉnh mô hình sao cho kết quả gần đúng với thực tế, tuy nhiên công tác cập nhật và tinh chỉnh mô hình tốn rất nhiều thời gian và công sức, đồng thời không đảm bảo được chất lượng kết quả cuối cùng. Dựa vào phần khảo sát và phân tích trên, tác giả nhận thấy các nghiên cứu về phân bổ lại sản lượng khai thác gần đây vẫn còn nhiều thiếu sót, chưa giải quyết triệt để các vấn đề còn tồn tại. Trên thực tế, mỏ Samarang đã khai thác từ rất lâu (1975) nên để có thể lắp đặt các thiết bị tiên tiến phục vụ việc nghiên cứu khai thác là khá tốn kém trong bối cảnh công ty Petronas cần phải đầu tư một cách thông minh vào khu vực mỏ.

Bên cạnh đó, độ phức tạp về cấu trúc mạng lưới khai thác trong mỏ yêu cầu cần phải tính toán Trang 13 chính xác lưu lượng phân bố tại từng giếng sao cho phù hợp với tổng sản lượng đo được. Hiện nay, công tác xây dựng mô hình mạng lưới giếng cho mỏ khá phức tạp đòi hỏi khá nhiều kinh nghiệm từ các kỹ sư vận hành và yêu cầu đặt ra là phải cập nhật mô hình liên tục để đảm bảo tính chính xác của lưu lượng ước tính (trong thực tế, mô hình của mạng lưới được cập nhật từ 1 đến 1. Do đó, luận văn cố gắng đề xuất một hướng tiếp cận mới phù hợp với điều kiện vận hành thực tế của mỏ Samarang.4 Vì sao dùng phương pháp mạng nơ-ron Trong công tác phân bổ lại sản lượng, việc ước lượng hay tính toán lưu lượng khai thác của từng giếng riêng rẻ là rất phức tạp vì những lí do sau đây: - Có rất nhiều thông số đầu vào ảnh hưởng đến lưu lượng dòng chảy. Các thông số này liên tục thay đổi theo thời gian và chỉ có một số ít trong các thông số đó được đo đạc cụ thể, các thông số còn lại chỉ có được thông qua các phương pháp ước lượng mà thông thường mắc phải nhiều sai số.

- Hiện tại, chưa có mô hình toán học nào có thể tính toán lưu lượng khai thác một cách chính xác hoàn toàn (chỉ có thể ước lượng dựa trên các phương trình thực nghiệm xây dựng dựa trên các điều kiện vận hành khai thác tương tự) trong khi lưu lượng khai thác của từng giếng là một hàm phi tuyến phức tạp bao gồm các yếu tố khác nhau như: áp suất đáy giếng, nhiệt độ đáy giếng, áp suất đầu giếng, nhiệt độ đầu giếng, lưu lượng khí gas lift bơm ép vào giếng, áp suất của đường ống thu gom sản phẩm. - Các phương pháp cổ điển thông thường như phương pháp hồi quy hay nội suy trong trường hợp này có thể không cho độ chính xác đủ Trang 14 lớn. Dựa vào số liệu kiểm tra giếng hằng tháng, các kỹ sư ước lượng được sản lượng khai thác trung bình của giếng đó.