Wykorzystanie sieci neuronowych do prognozowania wydobycia i zasobów wydobywalnych gazu ziemnego ze złóż niekonwencjonalnych

• Autorzy: Barbacki J. , Klimkowski Ł. , Nagy S. , Siemek J.

Identyfikatory

DOI

10.15199/62.2017.5.13

Warianty tytułu

EN

The use of artificial neural networks for the prediction of gas production and estimated recoverable resources from unconventional gas reservoirs

• Języki publikacji: PL

Abstrakty

PL

Wykorzystanie metod sztucznej inteligencji w przemyśle naftowo-gazowniczym sięga lat siedemdziesiątych XX w. Szczególne miejsce pośród stosowanych technik zajmują sztuczne sieci neuronowe, których konstrukcja, w dużym uproszczeniu, odpowiada budowie ludzkiego mózgu. Modele zastępcze, stanowią inteligentne modele "quasi numeryczne" umożliwiające odtworzenie parametrów o dużej dokładności w czasie rzeczywistym. Przedstawiono metodykę budowy modelu inteligentnego dla eksploatacji gazu ze złoża niekonwencjonalnego w skałach łupkowych do wyznaczania szacunkowych zasobów wydobywalnych oraz przebiegu eksploatacji odwiertu. Przedstawiono także dyskusję szacowania niepewności wyznaczanych parametrów eksploatacyjnych.

EN

A methodol. for building a model of intelligent extn. of gas from shale deposits in the area of the drain was developed to det. the estd. recoverable resources and the course of operating the well. The effect of estn. of uncertainty input parameters on the tech. recoverable reserves was discussed. The ultra-fast app. based on artificial neural network was constructed.

Słowa kluczowe

PL

gaz ziemny; wydobycie; eksploatacja; złoża niekonwencjonalne

EN

natural gas; extraction; exploitation; unconventional deposits

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przemysł Chemiczny
• Rocznik: 2017
• Tom: T. 96, nr 5
• Strony: 1009--1016
• Opis fizyczny: Bibliogr. 51 poz., tab., rys., wykr.

Twórcy

autor

Barbacki J.

• Wydział Wiertnictwa, Nafty i Gazu, AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, al. Mickiewicza 30, 30-059 Kraków

autor

Klimkowski Ł.

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Nagy S.

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Siemek J.

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Bibliografia

• [1] Shale Gas Primer, Modern shale gas. Development in the United States. A primer, Ground Water Protection Council, ALL Con., Oklahoma City April 2009.
• [2] Technically recoverable shale oil and shale gas resources. http://www. eia.gov/analysis/studies/worldshalegas/., Washington 2013.
• [3] Future of natural gas. An interdisciplinary MIT study, Boston 2011.
• [4] J. Siemek, S. Nagy, Arch. Min. Sci. 2012, 57, nr 2, 283.
• [5] F. Javadpour, J. Canadian Petroleum Technol. 2009, 48, nr 8, 16.
• [6] IEA, World energy outlook 2011. Golden age of natural gas?, IEA 2011.
• [7] S.A. Holditch, J. Unconventional Oil Gas Resources 2013, 1-2, 2.
• [8] S.A. Holditch, Tight gas sands, SPE 103356, 2006.
• [9] Z. Dong, A new global unconventional natural gas resource assessment, TAMU 2012.
• [10] S. Kędzior, J. Hadro, J. Kwarciński, i in., Przegl. Geol. 2007, 55, nr 7, 565.
• [11] S.A. Holditch, SPE J. Petroleum Technol. 2006, 58, nr 6, 86, SPE- 103356-MS.
• [12] V.A. Kuuskraa, R.F. Meyers, Conf. on Conventional and Unconventional World Natural Gas Resources, Laxenburg, Austria 1980.
• [13] S. Nagy, J. Siemek, Arch. Min. Sci. 2011, 56, nr 4, 727.
• [14] G. King, SPE 152596, Mat. SPE Hydraulic Fracturing Technology Conf., The Woodlands, Texas, USA, 6-8 lutego 2012 r.
• [15] S.A. Holditch, Madani, A methodology to determine both the technically recoverable resource and the economically recoverable resource in an unconventional gas play, SPE-141368, 2011.
• [16] http://www.spe.org/industry/docs/PRMS_Guidelines_Nov2011.pdf, dostęp 5 lipca 2015 r.
• [17] H.H. Rogner, Ann. Rev. Energy Environ. 1997, 22, 217.
• [18] S. Nagy, T. Badouard, N. Desbrosses, i in., Hot Energy Topic 2014, 3.
• [19] M. Szafran, S. Szafran [w:] Vademecum gazownika t. 1 (red. S. Nagy), Wydawnictwo SITPNiG, Kraków 2014, 301.
• [20] M. Kaliski, S. Nagy, S. Rychlicki, i in., Górn. Geol. 2010, 5, nr 3, 27.
• [21] M. Kaliski, S. Nagy, J. Siemek, i in., Arch. Energetyki 2012, 42, nr 1, 109.
• [22] Państwowy Instytut Geologiczny, Ocena zasobów wydobywalnych gazu ziemnego i ropy naftowej w formacjach łupkowych Dolnego Paleozoiku w Polsce, (http://www.pgi.gov.pl/pl/component/docman/doc_download/ 771-raport-pl.htmh), 2012.
• [23] B.C. Craft, M.F. Hawkins, Applied petroleum reservoir engineering, Prentice-Hall Chemical Eng. Series, 1959.
• [24] J. Siemek, S. Nagy, Acta Montanistica Slovaca 2004, 9, nr 3, 289.
• [25] S. Nagy, i in., [w:] Praca zbiorowa, Vademecum gazownika, t. 1, Podstawy gazownictwa ziemnego (red. S. Nagy), Wyd. SITPNiG, Kraków 2014, 328.
• [26] J.J. Arps, Trans AIME 1945, 160, 228.
• [27] A.S. Boulis, A new series of rate decline relations based on the diagnosis of rate-time data, TAMU 2009.
• [28] P.B. Chan, J. Etherington, R. Aguilera, i in., Using the SPE /WPC /AAPG /SPEE/SEG PRMS to evaluate unconventional resources, Society of Petroleum Engineers 2009.
• [29] A.J. Clark, L.W. Lake, T.W. Patzek, Production forecasting with logistic growth models, Society of Petroleum Engineers, 2011.
• [30] C.R. Clarkson, C.L. Jordan, D. Ilk, i in., Production data analysis of fractured and horizontal CBM wells, Society of Petroleum Engineers, 2009.
• [31] A.N. Duong, An unconventional rate decline approach for tight and fracture-dominated gas wells, Society of Petroleum Engineers, 2010.
• [32] J.C. Palacio, T.A. Blasingame, Decline-curve analysis with type curves - analysis of gas well production data, Society of Petroleum Engineers, 1993.
• [33] R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
• [34] C. Bravo, i in., State of the art of artificial intelligence & predictive analytics in the E&P industry. A technology survey, SPE 150314, 2012.
• [35] S.D. Mohaghegh, Reservoir simulation and modeling based on artificial intelligence and data mining (AI&DM), JNGSE, Elsevier B.V. 2011.
• [36] S.D. Mohaghegh, Virtual intelligence applications in petroleum engineering. Part I. Artificial neural network, Part II. Evolutionary computing, Part III. Fuzzy logic, SPE Distinguished Authors Series 2000.
• [37] Ł. Klimkowski, S. Nagy, J. Barbacki, Mat. X Międzyn. Konf. Nauk.- Techn. Geopetrol 2016, Zakopane 2016.
• [38] Ł. Klimkowski, Jednoodwiertowy model zastępczy oparty na elementach sztucznej inteligencji dla symulacji eksploatacji gazu z łupków, rozprawa doktorska, AGH Kraków 2015.
• [39] M. Nikravesh, F. Aminzadeh, Past, present and future intelligent reservoir characterization, JPSE, Elsevier 2001.
• [40] J.K. Ali, European Petroleum Computer Conf., Aberdeen, Wielka Brytania 1994.
• [41] S.D. Mohaghegh, J. Petroleum Technol. 1995, 47, 42.
• [42] S. Nagy, Arch. Mining Sci. 2012, 47, nr 2, 205.
• [43] S. Nagy, J. Siemek, Arch. Mining Sci. 2014, 59, nr 4, 1005.
• [44] Ł. Klimkowski, S. Nagy, Arch. Min. Sci. 2014, 59, nr 4, 987.
• [45] Z. Dong, S.A. Holditch, D.A. McVay i in., SPE Econ. Manage. 2015, 7, nr 2, SPE-167768-PA.
• [46] Z. Dong, S.A. Holditch, W.B. Ayers, i in., SPE Econ. Manage. 2015, 7, nr 2, SPE-169006-PA.
• [47] Z. Dong, S.A. Holditch, W.B. Ayers, i in., SPE Unconv. Res. Conf., The Woodlands, Texas, USA 2014.
• [48] Z. Dong, S.A. Holditch, D.A. McVay, SPE Econ. Manage. 2013, 5, nr 1, 5, SPE-152066-PA.
• [49] T.W. Patzek, F. Male, M. Marder, Proceed. Nat. Acad. Sci.2013, 110, nr 49, 19731.
• [50] S. Old, PRISE. Petroleum resource investigation summary & evaluation, TAMU 2008.
• [51] J. Siemek, S. Nagy, Z. Kolenda [w:] Praca zbiorowa, Wybrane problemy energetyki i ochrony środowiska (red. M. Banaś), AGH, Kraków 2015.

Uwagi

PL

Pracę wykonano w ramach badań realizowanych w Akademii Górniczo Hutniczej na Wydziale Wiertnictwa, Nafty i Gazu finansowanych ze wspólnego programu NCBIR i ARP „BLUE GAS” w ramach projektu „IRES” zgodnie z umową NCBIR BG1/IRES/13.