مدلسازی فرایند تزریق بخار در یکی از مخازن کربناته شکافدار نفت سنگین

افزایش میزان مصرف نفت، افزایش قیمت جهانی نفت و کاهش منابع عظیم نفتی در چند سال اخیر باعث توجه روزافزون به روشهای تولید از مخازن نفت سنگین و بسیار سنگین شده است. از آنجا که میزان قابل توجهی از این مخازن از نوع شکافدار است وهمچنین برداشت از این مخازن با استفاده از تکنولوژی های متداول به آسانی قابل بهره برداری نمی باشند ونیازمند صرف انرژی،زمان و هزینه ی بالاست، از این رو، شناخت هر چه بیشتر روشهای ازدیاد برداشت از مخازن شکافدار ودست یافتن به جزئیات مربوط به هر کدام از روشها و خصوصا" درک صحیح مکانیسم های موثر در تولید نفت، در انتخاب یک روش مناسب و اقتصادی بسیار موثر است. بنابراین در این پژوهش مدلسازی عددی سه بعدی فرآیند تزریق بخار در یکی از مخازن کربناته شکافدار نفت سنگین انجام شده است. ابتدا مدلسازی مخزن غیر شکافدارانجام شده است سپس صحت مدل بررسی شده است. این مدل اثرات موئینگی و گرانش را در معادله ی انرژی وتخلخل متغیر را در نظر گرفته است. نتایج نشان داد که تزریق بخار میزان برداشت در مخزن غیر شکافدار را تا 70% افزایش می دهد. در مرحله بعد ،مدلسازی مخزن شکافدار انجام شدو میزان برداشت این مخزن به 40% رسید. سپس آنالیز حساسیت برای شناخت و بررسی فرآیند تزریق بخار در مخازن شکافدار و غیر شکافدار انجام شده است. نتایج حاصل از آنالیز حساسیت نشان می دهد که پارامترهایی مانند فشار و کیفیت بخار تزریقی، پیش گرمایش و تراوایی و موقعیت شکاف برروی میزان برداشت از این مخازن اثر داشته و در مخازن کربناته ی شکافدار زمان میان شکنی نسبت به مخازن غیر شکافدار زودتر اتفاق می افتد و نفت کمتری نیز تولید می کنند. خصوصیات مخزن شکافدار کوه موند مورد ارزیابی قرار گرفته است و روش تزریق بخار، پیش گرمایش تزریق بخار و همچنین روش تزریق بخار متناوب در مورد این مخزن به کمک مدل بررسی شده است. نتایج نشان می دهد که پیش گرمایش و تزریق منجر به افزایش بازده تولید از این مخزن می گردد. سپس نتایج حاصل از مدل با نتایج شبیه ساز cmg، مقایسه شده است. میزان برداشت در مخزن شکافدار افقی با استفاده از مدل ارائه شده در اینکار، با خطای 67/1%در مقایسه با شبیه ساز cmg، برآورد شده است . همچنین، مکانسیم تقطیر بخاردر طی فرآیند تزریق بخار مطالعه شده است و بازده مکانیسم تقطیر بخار به عنوان یکی از مکانیسم های موثر در تولید نفت با استفاده از شبکه عصبی برآورد شده است . شبکه عصبی بررسی شده، از نوع چند لایه پرسپترون انتخاب شده است. بهترین نوع شبکه عصبی با کمترین مقدار خطای نسبی در مقایسه با سایر مدل ها انتخاب شده است. بررسی ها نشان داد که شبکه عصبی تک لایه کمترین خطا را داراست . خطای نسبی مدل در برآورد بازده تقطیر بخار 2% تخمین زده شد.