Integrated Well Placement and Completion Optimization using Heuristic Algorithms: A Case Study of an Iranian Carbonate Formation

Document Type : Research Paper

Authors

Department of Petroleum Engineering, Faculty of Chemical Engineering, Tarbiat Modares University, Tehran, Iran

Abstract

Determination of optimum location for drilling a new well not only requires engineering judgments but also consumes excessive computational time. Additionally, availability of many physical constraints such as the well length, trajectory, and completion type and the numerous affecting parameters including, well type, well numbers, well-control variables prompt that the optimization approaches become imperative;. The aim of this study is to figure out optimum well location and the best completion condition using coupled simulation optimization on an Iranian oil field located in southwest of Iran. The well placement scenarios are considered in two successive time intervals during of the field life, i.e., exploration and infill drilling phase. In the former scenario, the well-placement optimization is considered to locate the drilling site of a wildcat well, while the later scenario includes the optimum drilling location of a well is determined after 10-years primary production of nine production wells. In each scenario, two stochastic optimization algorithms namely particle swarm optimization, and artificial bee colony will be applied to evaluate the considered objective function. The net present value to drill production wells through the field life is considered as an objective function during our simulation-optimization approach. Our results show that the outcome of two population-based algorithms (i.e., particle swarm optimization and artificial bee colony) is marginally different from each other. The net present value of the infill drilling phase attains higher value using artificial bee colony algorithm.

Keywords

References

[1] Pan, Y.  (1995).   Application  of  Least  Squares   and  Kriging  in  Multivariate  Optimizations  of  Field  Development  Scheduling  and Well  Placement  Design, Stanford University.
[2] Knudsen,  B.R.  and  Foss,  B.  (2013). " Shut- in  based  production  optimization  of  shale - gas  systems."  Computers  &  Chemical  Engineering.  Vol. 58 , pp.  54 -67.
[3] Tavallali,  M.,  Karimi,  I.,  Teo,  K.,  Baxendale,  D. and  Ayatollahi,  S.  (2013).  "Optimal  producer well  placement   and   production   planning   in  an   oil   reservoir. " Computers & Chemical Engineering.  Vo l .   55 , pp.  109 – 125 .
[4] Shakhsi - Niaei,  M.,  Iranmanesh,  S.H.  and  Tora - bi,  S.A.  ( 2014 ).  "Optimal  planning  of  oil  and  gas  development  projects  considering  long - term  pro - duction  and  transmission. "  Computers & Chemical  Engineering.  Vol.  65,  pp. 67 -80.
[5] Brouwer,  D.  and  Jansen,  J.  (2002).  "Dynamic  optimization  of  water  flooding  with  smart  wells  using    optimal    control    theory ."   in  European  Petroleum   Conferenc,  Society  of Petroleum  Engineers.
[6] Sarma,  P.,  Durlofsky,  L.J.,  Aziz,  K.  and  Chen,  W.H.  (2006).  "Efficient  real-time  reservoir  management  using  adjoint -based  optimal   control  and   model  updating. "  Computational  Geosciences.  Vo l.  10 , No.  1,  pp. 3 - 36.
[7] Zandvliet,  M.,  Handels,  M.,  van  Essen,  G.,  Brouwer,  R.  and  Jansen,  J. -D.   (2008 ).  "Adjoint based   well - placement   optimization  under  production  constraints. "  SPE Journal.  Vol.  13,  No.  04, pp.  392- 399 .
[8] Wang,  C.,  Li,  G.   and  Reynolds,  A.C.  (2009 ).  "Production  optimization in closed - loop reservoir management. "  SPE  journal.  Vol.  14,  No.  03,  pp.  506 - 523.
[9] Zhou,  K.,  Hou,  J.,  Zhang, X.,  Du, Q.,  Kang,  X.  and  Jiang,   S.   ( 2013).  "Optimal   control   of   polymer   flooding  based  on  simultaneous  perturbation  st ochastic  appro ximation  method  guided  by  finite  difference  gradient. "  Computers  &  Chemical  Engineering .  Vol.  55,  pp.  40 – 49 .
[10] Volkov,  O.  and  Voskov,  D.  (2016).  "Effect  of  time  stepping  strategy  on  adjoint-based  product-ion optimization."  Computational Geosciences.  Vol.  20 , No. 3,  pp.  707- 722 .
[11] Yeten,  B.,  Durlofsky,  L.J.   and  Aziz,  K.  ( 2002).  "Optimization   of  nonconventional   well  type,  location  and  trajectory."  in  SPE  annual  technical   conference  and  exhibition.  Society  of  Petroleum   Engineers.
[12] Matott,  L.S.  (2006).  Application  of  heuristic   optimization  to  groundwater  management.  State University of New York at Buffalo.
[13] Wang,  C.,  Li,  G,  and  Reynolds,  A.C.  (2007).  "Optimal  well  placement  for  production  optimi-zation."  in  Eastern  Regional  Meeting.  Society  of  Petroleum  Engineers.
[14] Onwunalu,  J.E.  and   Durlofsky,  L.  (2011). "A new   well-pattern-optimization  procedure  for   large- scale  field  development." SPE  Journal.  Vo l .  16, No. 3,  pp. 594-607.
[15] Wang, H., Echeverrí a -Ciaurri, D., Durlofsky, L. and Cominelli, A. ( 2012).  "Optimal  well  placement under  uncertainty  using a retrospective  optimization  framework. "  SPE   Journal.  Vol.  17 ,  No.  1,   pp.  112 -121 .
[16] Bouzarkouna,  Z.,  Ding,  D.Y.  and  Auger,  A.  (2013). "Partially  separated   metamodels  with  evolution  strategies  for  well-placement  optimiza tion. "  SPE Journal.  Vol.  18, No. 06, pp. 1003-1011.
[17] Forouzanfar,  F.,  Poquioma,  W.E.  and  Reynolds, A.C.  (2015 ). "A covariance matrix adaptation algorithm for simultaneous estimation of optimal  placement  and  control  of  production  and  water  injection    wells."  in SPE   Reservoir  Simulation  Symposium . Society of Petroleum Engineers.
[18] Jesmani, M., Bellout, M.C.,  Hanea, R.  and Foss, B.  ( 2016).  "Well  placement  optimization  subject  to  realistic  field  development  constraints." Computational  Geosciences.   Vo l .  20,  No.  6,  pp.  1185 -1209 .
[19] Al  Dossary,  M.A.  and  Nasrabadi,  H.  (2016). "Well  placement   optimization  using  imperialist  competitive    algorithm."  Journal    of   Petroleum    Science and Engineering.  Vol. 147,  pp.  237-248.
[20] Nozohour-leilabady,  B.  and  Fazelabdolabadi,  B. (2016). "On  the  application  of  artificial  bee  colony  (ABC)  algorithm  for  optimization  of  well  placements   in   fractured   reservoirs;   efficiency   comparison with the particle swarm optimization (PSO) methodology." Petroleum.  Vol. 2,  No.  1,  pp. 79-89.
[21] Rodrigues,  H. W.  L,  Prata,  B. A.,  and  Bonates, T.  O.  (2016). "Integrated  optimization  model  for  location   and   sizing   of   offshore   platforms   and   location  of  oil  wells." Journal of Petroleum Science  and Engineering.  Vol. 145,  pp. 734 -741.
[22] Arnold,  D.,  Demyanov,  V.,  Christie,  M.,  Bakay,  A., and Gopa, K. (2016).   "Optimisation of decision  making   under  uncertainty   throughout   field   lifetime:  A  fractured  reservoir  example." Compu ters  & Geosciences.  Vol. 95,  pp.  123-139.
[23] Wang,  X.,  Haynes,  R.   D.,  and  Feng,  Q.  (2016). "A multilevel  coordinate  search  algorithm for well  placement, control and joint optimizationz." Computers &  Chemical  Engineering.  Vol. 95,  pp.  75-96.
[24] Shirangi,  M.G.,  Volkov,  O.,  and  Durlofsky,  L.J.   (2017).   "Joint  Optimization  of  Economic  Project   Life  and  Well  Controls. "  in  SPE  Reservoir  Simulation Conference  Society of Petroleum Engineers.
[25] Lu,   R.,   Forouzanfar,   F.,  and   Reynolds,  A.   (2017).   "Bi-Objective  Optimization  of  Well  Placement  and  Controls  Using  StoSAG."   in  SPE  Reservoir  Simulation  Conference .  Society  of Petroleum   Engineers.
[26] Ramirez,   B.,  Joosten,   G.,   Kaleta,   M.,   and   Gelderblom,  P.  (2017).   "Model-Based  Well  Location  Optimization  A   Robust  Approach."   in SPE  Reservoir Simulation Conference.  Society of Petroleum   Engineers.
[27] Thimmisetty,  C.,  Tsilifis,  P.,  and  Ghanem,  R.   (2017).  "Homogeneous chaos basis adaptation for design  optimization  under  uncertainty:  Application  to  the  oil  well  placement  problem." AI EDAM. Vol.  31, No. 3,  pp.  265 - 276.
[28] Montazeri,  M.  and  Sadeghnejad,  S.  (2017).  "An  Investigation   of   Optimum   Miscible   Gas    Flooding  Scenario:  A  Case  Study  of  an  Iranian   Carbonates  Formation."  Iranian  Journal  of  Oil  &  Gas  Science  and  Technology.  Vol. 6,  No.  3,   pp.  41 -54.
[29] Javaheri,   P.  and   Sadeghnejad,  S.   (2017).  "Effect   of   Injection   Pattern   Arrangements   on   Formation  Connectivity  During  Water  Flooding." in SPE  Europec  featured  at  79th  EAGE  Conference  and Exhibition.  Society of Petroleum Engineers.
[30] Sadeghnejad,  S.  and   Masihi,  M.   (2017). "Analysis  of  a  more  realistic  well  representation  during   secondary   recovery  in  3-D  continuum  models. "  Computational  Geosciences.   Vol.  21 ,  No.  5, pp.  1035-1048.
[31] Zhang, Y., Lu, R., Forouzanfar,  F.  and  Reynolds,  A.C.  (2017). "Well  placement  and  control  opti-mization  for  WAG/SAG  processes   using  ensemblebased   method."  Computers  &  Chemical  Engineer-ing.  Vol.  101 ,  pp.  193 – 209 .
[32] Ghanem,  R.,  Soize,  C.   and  Thimmisetty,  C.  (2018).   "Optimal  well - placement using probabili -stic  learning. "  Data - Enabled  Discovery  and  Appli - cations.  Vol.  2,  No.  1, pp.  4 - 20.
[33] Nwachukwu, A.,  Jeong, H., Pyrcz, M.  and  Lake,  L.W.  (2018 ).  "Fast  evaluation  of  well  placements  in heterogeneous reservoir models using machine  learning. "  Journal of Petroleum Science and Engin-eering. Vol.  163,  pp.  463 – 475 .
[34] Rahmanifard,  H.  and   Plaksina,  T.   (2018).  "Application  of  fast  analytical  approach  and  AI  optimization   techniques   to   hydraulic   fracture    stage  placement  in  shale  gas  reserve oirs. "  Journal  of  Natural  Gas  Science  and  Engineering.  Vol.  52,  pp.  367-378.
[35] El  Ouahed,  A.K.,  Tiab,  D.  and  Mazouzi,  A.   (2005).  Application   of   artificial   intelligence  to   characterize   naturally   fractured   zones   in   Hassi   Messaoud  Oil  Field,  Algeria. Journal  of  Petroleum   Science  and  Engineering.   Vol.  49 ,  No.  3,  pp.  122 – 141 .
[36] Humphries, T.D.,  Haynes,  R.D.  and  James, L.A.  (2014).  "Simultaneous and sequential approaches  to   joint   optimization   of   well   placement  and   control. "  Computational  Geosciences.   Vol,  No.  18,  No.  3,  pp.  433 - 448.
[37] Li,  L.  and  Jafarpour,  B.  ( 2012).  "A  variable- control well placement optimization for  improved  reservoir  development." Computational  Geosciences.  Vo l.   16,  No.  4,  pp.  871 – 889 .
[38] Karaboga,   D.   and   Basturk,   B.   (2007 ). "A  powerful  and  efficient  algorithm  for  numerical  function  optimization:  artificial  bee  colony  (ABC)   algorithm." Journal  of  global  optimization.   Vol.  39,  No.  3,  pp.  459- 471 .
[39] Poli, R.,  Kennedy, J.,  and Blackwell, T. (2007).  "Particle  swarm  optimization. "  Swarm  intelligence.  Vol.  1,  No,  1,  pp.  33-57 .
[40] Karaboga, D. and Basturk, B. ( 2008).   "On  the  performance    of    artificial   bee    colony    (ABC)    algorithm." Applied   soft   computing.   Vo l.   8,  No.  1,  pp.  687 - 697.
[41] Karaboga,  D.  and  Ozturk,  C.  (2011).  "A  novel   clustering  approach:  Artificial  Bee  Colony  (ABC)   algorithm." Applied soft computing.   Vol.  11  No.  1,  pp.  652- 657 .
[42] Kennedy,  J.,( 2011)   "Particle swarm  optimization ..."  in  Encyclopedia of machine learning , Springer. p.  760 – 766 .  Springer US.
[43] Civicioglu,  P.  and  Besdok,   E.   (2013). "A  conceptual   comparison  of   the  Cuckoo -search, particle  swarm  optimization,  differential  evolution and artificial bee colony algorithms."  Artificial intelligence review.  Vol.  39, No. 4,  pp.  315 – 346 .
[44] Eberhart, R.  and Kennedy, J. (1995).    "A  new  optimizer  using  particle  swarm  theory."  In  Micro Machine    and    Human    Science,   1995.    MHS' 95 .,  Proceedings  of  the  Sixth  International Symposium  on , pp.  39 - 43  IEEE.
[45] Zheng,  Y. L., Ma, L. H., Zhang, L.Y. and Qian, J. X.   (2003 ).  "Empirical   study  of  particle  swarm   optimizer  with  an  increasing  inertia  weight. "  in  Evolutionary  Computation,  2003 . CEC' 03 . The 2003 Congress on ,  Vol.  2003 , pp,  221 - 226.  IEEE.
[46] Hu,  X.,  Eberhart,  R.   C.  and  Shi,  Y.  ( 2003).  "Engineering  optimization  with  particle  swarm." in Swarm  Intelligence  Symposium,  2003 .  SIS' 03 .  Proceedings of the  2003  IEEE . pp. 53 - 57,  IEEE.
[47] Karaboga,   D.   (2005 ).  "An   idea   based   on   honey  bee  swarm  for  numerical  optimization."   (Vol.  200 ).    Technical  report - tr06 ,  Erciyes  university,   engineering   faculty,   computer  engineering  department.
[48] Tereshko,   V.  and   Loengarov,   A.   (2005). "Collective  decision  making  in  honeybee  foraging  dynamics." Computing  and  Information  Systems. Vol.  9, No.  3,  pp.  1 -7.
[49] Beckner,   B.   and   Song,   X.   (1995 ).   "Field  development planning using simulated annealing-optimal  economic  well  scheduling  and  placeme nt. "  in  SPE annual technical conference and exhibi-tion . Society of Petroleum Engineers.
[50] Badru,  O.  (2003 ). Well - placement  optimization   using   the   quality   map  approach, Report,  Department  of  Petroleum  Engineering,  Stanford  University.
[51] Sarma,  P.,  Aziz,  K.   and  Durlofsky,  L.J.  (2005).   "Implementation  of  adjoint  solution  for optimal   control  of  smart  wells."  in  SPE Reservoir  Simulation Symposium. Society of Petroleum Engineers.
[52] Bangerth,  W.,  Klie,  H.,  Wheeler,  M.,  Stoffa,  P.  and  Sen,  M.  (2006).  "On  optimization  algorithms   for  the  reservoir  oil  well  placement  problem."  Computational Geosciences.  Vol.  10 , No. 3,  pp.  303 - 319.
[53] Afshari,  S.,  Aminshahidy,  B.,  and  Pishvaie,   M.R.   (2011).  "Application   of   an   improved   ha-rmony  search  algorithm  in  well  placement  optimization  using  streamline  simulation ."   Journal of Petroleum  Science  and  Engineering .  Vol.  78,  No.  3,  pp.  664 - 678.
[54] Shirangi,   M.G.   and   Durlofsky,   L.J.   (2015).  "Closed- loop  field  development  under  uncertai-nty  by  use  of  optimization  with  sample  validation. "  SPE Journal .  Vol.  20, No.  5,  pp.  908- 922 .
[55] Bukhamsin,  A.Y.,  Farshi,  M.M.   and  Aziz,  K.   (2010).  "Optimization  of  multilateral  well  design  and  location  in  a  real  field  using  a  continuous   genetic    algorithm ."   in  SPE/DGS   Saudi   Arabia    Section    Technical   Symposium   and   Exhibition,  Society  of  Petroleum  Engineers.
[56] Pajonk,  O.,  Schulze-riegert,  R.,  Krosche,  M.,  Hassan, M.  and  Nwakile,  M.M.  ( 2011).  "Ensemble-based   water   flooding   optimization   applied  to  mature  fields."  in  SPE  Middle  East  Oil  and  Gas  Show  and  Conference .  Society  of  Petroleum  Engineers.
Journal of Chemical and Petroleum Engineering
Volume 52, Issue 1
June 2018
Pages 35-47

Files

History

  • Receive Date: 08 November 2017
  • Revise Date: 18 March 2018
  • Accept Date: 30 May 2018

Share

How to cite

Statistics