Wyniki wyszukiwania - BazTech

1

UGS wells in depleted fields

Szabo D., Pinka J., Fedorko L.

Wiertnictwo, Nafta, Gaz

|

2011

|

T. 28, z. 1-2

411-417

EN

The Underground Gas Storage (UGS) facilities are mainly built in hydrocarbon reservoirs (depleted oil and gas fields), in aquifers and also in salt caverns using proven techniques based on the best use of geology and geophysics. From the international perspective, Slovakia plays an important role in the European gas industry. Transporting one-fifth of the natural gas consumed in western European countries, it is one of the largest natural gas transit countries. Before the end of its path across Slovakia, the transported natural gas reaches the Lab UGS facility in the Slovakia. This paper describes oil and gas depleted reservoirs and techniques that apply in the UGS field.

PL

Podziemne magazyny gazu (PMG) lokalizowane są głównie na sczerpanych złożach węglowodorów lub w kawernach solnych z wykorzystaniem sprawdzonych technik bazujących na osiągnięciach geologii i geofizyki. W niniejszej pracy opisano czerpane złoża ropy naftowej i gazu ziemnego oraz techniki stosowane w PMG na Słowacji.

2

Symulacje procesów eksploatacji złóż naftowych z zastosowaniem sterowania sprzężeniem zwrotnym. Część I. Sterowanie eksploatacją złóż i PMG

Szott W., Gołąbek A.

Nafta-Gaz

|

2011

|

R. 67, nr 12

892-902

PL

W pracy rozpatrzono zagadnienia napotykane w symulacjach złożowych, wymagające sterowania przebiegiem symulacji w sposób zależny od jej bieżących wyników. Problem rozwiązano wykorzystując narzędzia w jakie wyposażone zostały najnowsze symulatory złożowe, pozwalające na realizację mechanizmów sprzężenia zwrotnego. Stały się one dostępne dzięki możliwościom definiowania w trakcie symulacji wielkości pochodnych od standardowo występujących w tym procesie. W pracy przed-stawiono rozwiązania typowych problemów na przykładach realistycznych modeli złóż krajowych oraz uzyskane w ramach tego wyniki. Praca składa się z dwóch części. W niniejszej, pierwszej części pokazano zastosowanie mechanizmów sprzężenia zwrotnego w problematyce sterowania eksploatacją złóż i PMG.

EN

The paper addresses problems encountered in reservoir simulations that require control depending on concomitant simulation results. The solutions to the problem are presented in the paper that use most recent options of reservoir simulators taking advantage of feed-back mechanisms. They are available by using user-defined parameters being the functions of standard simulations quantities during the simulation processes. The paper includes realistic examples of the solutions applied to the domestic hydrocarbon fields and UGS reservoirs. The paper consists of two parts. In the following, first part of the paper the feed-back mechanisms are applied to the production problems.

3

Wykorzystanie możliwości sieci neuronowych w prognozowaniu i sterowaniu pracą podziemnego magazynu gazu (PMG)

Pańko A.

Prace Instytutu Nafty i Gazu

|

2008

|

nr 147

1-68

PL

W pracy zaprezentowano możliwości wykorzystania sieci neuronowych do prognozowania średniego ciśnienia w magazynie, jak i ciśnienia dennego w poszczególnych odwiertach. Dokonano skrótowego omówienia sztucznych sieci neuronowych (SSN), a w szczególności: podstaw biologicznych, modelu sztucznego neuronu, wybranych rodzajów sieci neuronowych (liniowe, perceptron wielowarstwowy MLP, sieci o radialnych funkcjach bazowych RBF, sieci realizujących uogólnioną regresję GRNN, zespoły sieci), metod uczenia sieci (uczenie pod nadzorem, uczenie z krytykiem, uczenie samoorganizujące się) - omówiono podstawowe algorytmy uczenia (metoda wstecznej propagacji błędów, gradientów sprzężonych, Newtona, metoda Levenberga-Marquardta, algorytm k-średnich), oraz ich zastosowania. Zaprezentowano niezbędny zestaw danych (wraz z pre- i postprocessingiem, obejmującym miedzy innymi skalowanie zmiennych) na wejście sieci neuronowych, w celu przeprowadzenia procesu uczenia, a później prognozowania ciśnień w całym magazynie i poszczególnych odwiertach w kolejnych cyklach pracy magazynu. Na podstawie nauczonych sieci neuronowych wykonano prognozy ciśnienia w magazynie i w poszczególnych odwiertach.

EN

The paper presents using of the Artificial Neural Networks (ANN) to forecast average pressure in UGS and bottom hole pressure in individual wells. In this paper presents short discussion about Artificial Neural Networks. In particular: (1) biological neural networks, (2) model artificial neurons, (3) selected types ANN (linear networks, Multilayer Perceptron - MLP, Radial Basis Function - RBF, Generalized Regression Neural Networks - GRNN, set of neural networks), (4) learning methods (supervised learning, unsupervised learning) - basic learning algorithm e.g. Back Propagation Algorithm, gradient descent method, method Newtona, Levenberga-Marguardta, algorithm k-averages, (5) possible applications of neural network. The paper shows necessary set of data (together pre and postprocessing including among other things calibrate variables) on the input neural networks in order to their learning and later forecasting UGS average pressure and bottom hole pressure in wells in next cycle work. Using learnt neural networks carry out forecasting pressure for real examples of domestic Underground Gas Storage.