Apport du Back-allocation pour le contrôle de la production des champs pétroliers

Abstract

Cette étude se concentre sur l'utilisation de la back-allocation comme solution efficace pour corriger les débits calculés en l'absence de jaugeage individuel et détecter les anomalies dans la durée de vie des puits. Nous examinons les différentes corrélations théoriques existantes dans la littérature pour estimer les débits à travers les dusses, tant pour le régime critique que non critique. Pour améliorer les performances des modelés théorique nous utilisons les techniques de machine Learning telle que le random Forest et l’ANN et ce pour effectuer une analyse de sensibilité des paramètres à l'échelle du champ pétrolier. De même la meilleure équation de chaque régime a été réadaptée à des intervalles spécifiques de GOR, une autre alternative a été abordée à travers laquelle en évaluant la performance des puits individuellement par Le modèle LSTM. Pour corriger les débits calculés, on détermine des coefficients k spécifiques à chaque puits, déterminés à partir de l'historique de production. Cette correction vise à améliorer la précision des estimations et à se rapprocher des débits réels. On cherche également à détecter les anomalies des débits à l’aide des deux méthodes différentes z score et LSTM.