Water Control Solutions Combining Intelligent Algorithm and Reservoir Simulation Methods for Horizontal Wells in Bottom Water Reservoirs
Notice bibliographique
Résumé
Abstract Currently, a substantial majority of bottom water reservoirs are in a developmental phase characterized by both high extraction rates and extensive water encroachment, commonly referred to as the "dual high" stage. This stage presents significant challenges for residual oil recovery, primarily due to severe water flooding issues encountered in horizontal wells. To address these challenges, this study investigates the fundamental mechanical water production dynamics within horizontal wells. Through the implementation of multi-segment well models, the study simulates the application of ICDs, AICDs, and C-AICDs in reservoirs. It evaluates the influence of permeability ratio, oil viscosity, well length, and liquid production rate on cumulative oil production and oil recovery enhancement achieved by deploying water control tools. The research identifies the primary factors controlling the incremental oil recovery effect of these tools. Furthermore, the Elite Opposition-based Learning-Simulated Annealing-Particle Swarm Optimization (EO-SAPSO) algorithm is introduced to optimize the placement of annular packers. Additionally, the Elite Opposition-based Learning-Multi-Objective Particle Swarm Optimization (EO-MOPSO) algorithm is applied to optimize the placement and operational parameters of mechanical water control devices. A reservoir numerical simulation-based optimization approach is employed to achieve parameter optimization for mechanical water control in bottom water reservoirs. Moreover, the trajectory irregularities in horizontal wells can be corrected using a rotation adjustment method, which improves the accuracy of water control simulations. An automatic history matching method is developed to iteratively calibrate production dynamics and liquid production profiles, achieving precise matching results and enhancing the reliability of subsequent optimization strategies. Field application results demonstrate that cumulative oil production increased 5.25× 103 m3 for the initial timing and 3.44 × 103 m3 for the high water cut timing by the C-AICD water control tool compared to scenarios without water control interventions. These results indicate that the proposed water control technology effectively improves oil recovery in bottom-water reservoirs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».