Abstract
This study presents the development of a well placement optimization model, combining an artificial neural network, which enables high-speed calculation, with a simulated annealing algorithm. The conventional FDM simulator takes excessive time when used to perform a field scale reservoir simulation. In order to solve this problem, an artificial neural network was applied to the model to allow the simulation to be executed within a short time. Also by using the given result, the optimization method, SA algorithm, was implemented to automatically select the optimal location without taking any subjective experiences into consideration. By comparing the result of the developed model with the eclipse simulator, it was found that the prediction performance of the developed model has become favorable, and the speed of calculation performance has also been improved. Especially, the optimum value was estimated by performing a sensitivity analysis for the cooling rate and the initial temperature, which is the control parameter of SA algorithm. From this result, it was verified that the calculation performance has been improved, as well. Lastly, an optimization for the well placement was performed using the model, and it concluded the optimized place for the well by selecting regions with great productivity.
본 연구에서는 고속의 연산이 가능한 인공신경망 시뮬레이터와 SA 알고리즘을 결합하여 지능형 생산정 위치 최적화 전산 모델을 개발하였다. 기존의 사용하는 상용시뮬레이터의 경우 현장 규모의 저류 전산 시뮬레이션을 수행시 시간이 많이 소모되므로 이를 해결하기 위하여 이 모델에서는 인공신경망을 사용하여 짧은 시간내에 시뮬레이션을 수행할 수 있도록 하였다. 이렇게 얻은 결과를 주관적인 경험에 의거하지 않고 자동으로 최적의 생산정 위치를 선정할 수 있도록 최적화기법인 SA 알고리즘을 적용하였다. 개발된 모델을 사용하여 얻은 결과를 기존 사용 시뮬레이터와 비교하여 예측성능이 양호함을 검증할 수 있었으며, 연산속도 또한 향상됨을 확인하였다. 특히 SA 최적화 알고리즘의 제어변수인 초기온도와 냉각률에 대한 민감도분석을 실시하여 각각에 대한 최적값을 산출하였으며, 이를 통해 개발한 모델의 연산성능을 향상시킬 수 있었다. 마지막으로 개발된 모델을 사용하여 생산정 위치 최적화를 수행한 결과, 생산성이 우수한 지역을 선정하여 최적의 생산정 위치를 도출하였다.
