Multiphase flow meter correction using AI: a case Study of tiguentourine oil field in In-Amenas

Abstract

"La détermination du débit du puits de gaz multiphase est une information très importante, car des décisions cruciales dans l'entreprise sont basées sur celle-ci, telles que l'augmentation des investissements, l'amélioration des performances des puits ou le retrait définitif du projet. Plusieurs méthodes sont utilisées pour calculer le débit du puits, y compris l'utilisation de compteurs multiphases, l'utilisation de programmes de simulation, ou l'opération d'essai du puits consiste en des mesures de routine mensuelles. Par une entreprise spécialisée dans la mesure du débit des puits avec son propre équipement, et toutes ces méthodes entraînent de grands risques et de grandes pertes de revenus pour l'entreprise, et la précision de la mesure est faible car nous préparons les appareils dans des conditions spécifiques, mais lorsque travaillant nous le mettons dans des conditions réelles, qui sont souvent différentes des conditions de test Notre solution au problème dépend de l'utilisation de l'intelligence artificielle, c'est-à-dire en suggérant que les conditions qui y sont mesurées au début de l'opération sont des données de référence, et nous utilisons ces données pour former l'algorithme de l'intelligence artificielle, et il prédit pour nous le nouveau débit en cas de changement des conditions de mesure, et pour atteindre l'algorithme, nous avons besoin de données réelles provenant d'un gisement de gaz à In Amnas Tigantourine, et nous avons utilisé des méthodes d'analyse de données, et pour atteindre les données les plus précises, nous avons pris la partie que nous avons supposée correcte et l'avons divisée en deux parties, 70 % pour la formation de l'algorithme et 30 % pour tester l'algorithme, et nous avons utilisé MSE main squire errore, qui est une mesure pour calculer la précision de la prédiction de l'algorithme de la données Au final, nous avons utilisé l'algorithme résultant et l'avons alimenté avec les données à corriger. Cela nous a donné une diminution de la valeur du débit à 20%. Malgré cette performance, le résultat n'a pas été à la hauteur requise en raison de plusieurs facteurs qui sont encore à l'étude. Cependant, il est bon qu'il nous prédise que la valeur réelle du débit est inférieure à la valeur mesurée de manière traditionnelle. Ce résultat est correct " "يعد تحديد تدفق البئر من الغاز متعدد الاطوار معلومة بالغة الاهمية حيث يبنى عليه قرارات مصيرية في الشركة من زيادة الاستثمار وتحسين اداء الابار او الانسحاب من المشروع نهائيا ويستخدم في حساب تدفق البئر عدة طرق منها استخدام عدادات متعددة الاطوار او استخدام برامج محاكات او باجراء قياسات روتينية شهرية بواسطة شركة متخصصة في قياسات تدفق الابار وبمعداتها الخاصة وكل هدو الطرق تنمو عن مخاطر كبيرة وخسائر كبيرة للشركة و الدقة في القياس ضعيفة لانه نقوم بتجهيز الاجهزة ضمن شروط محددة ولاكن عند العمل نضعه في شروط حقيقية وهي غالبا مختلفة عن شروط الاختبار حلنا للمشكل يعتمد على استعمال الدكاء الاصطناعي ودلك باقتراح ان الشروط المقاس فيها في بداية التشغيل هي بيانات مرجعية ونستعمل تلك البيانات من اجل تدريب خورزمية دكاء اصطناعي وهي من تتنبأ لنا بالتدفق الجديد في حالة تغير شروط القياس وللوصول الى الخورزمية نحتاج الى بيانات حقيقية تم احضارها من حقل غازي باين امناس تقنتورين واستعملنا طرق تحليل البيانات وللوصول الى البيانات الاكثر دقة اخدنا الجزئ الدي افترضنا انه صحيح وقسمناه الى جزئين 70% لتدريب الخورزمية و 30% لاختبار الخورزمية واستخدمنا MSE وهو مقياس لحساب مدى دقة تنبئ الخورزمية بالبيانات وفي الاخير استخدمنا الخورزمية الناتجة وغديناها بالبيانات المراد تصحيحها فاعطتنا انخفاض في قيمة التدفق الى 20 % بالرغم هدا الاداء الى انا النتيجة لم تكن بالقوة المطلوبة نضرا لعدة عوامل لاتزال تحت الدراسة و مع دلك من الجيد انه تنبأ لنا ان القيمة الحقيقية للتدفق اسفل القيمة المقاسة بالطريقة التقليدية وهده النتيجة صحيحة الكلمات المفتاحية: مقياس البئر المخروطي , مقياس التدفق متعدد الاطوار, الدكاء الاصطناعي "